(大气物理学与大气环境专业论文)基于modis遥感数据的混合像元分解技术与方法研究.pdf_第1页
(大气物理学与大气环境专业论文)基于modis遥感数据的混合像元分解技术与方法研究.pdf_第2页
(大气物理学与大气环境专业论文)基于modis遥感数据的混合像元分解技术与方法研究.pdf_第3页
(大气物理学与大气环境专业论文)基于modis遥感数据的混合像元分解技术与方法研究.pdf_第4页
(大气物理学与大气环境专业论文)基于modis遥感数据的混合像元分解技术与方法研究.pdf_第5页
已阅读5页,还剩45页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

南京信息工程大学硕士学位论文 摘要 遥感图像空间分辨率越低,一个像元内包含多类不同性质目标的几率就越 大。目前流行的中高分辨率遥感数据,特点是测量精度高,但数据价格较贵、 获取困难;而低分辨率数据的覆盖范围广,费用低廉,如m o d i s 遥感数据,但 由于其空间分辨率较低,遥感图像中存在着大量的混合像元,传统的遥感图像 分类方法并不考虑这一问题,结果导致所占面积较小的地物类型被错分到其它 类别中去,土地覆盖分类时常造成一定的误差。然而目前的混合像元分解研究 中常用的数据是n o a a a v h r r 或者l a n d s a t t m e t m 遥感数据,基于m o d i s 遥感数据进行光谱混合分析的研究较少。针对以上问题,本文以郑州市为例, 选用线性混合像元分解模型对m o d i s 遥感数据进行混合像元分解研究。 本文首先探讨了m o d i s 数据格式和预处理,技术分析、总结了常用的混合 像元分解模型,通过m n f 变换、散点图以及引入p p i 纯净像元指数确定端元组 分,并采用最小包含法和地理影像空间选择法两种方法求取端元组分反射率, 而后将两种方法求得的端元组分光谱值代入到线性模型公式中,分别用带有约 束和不带约束的最b - - 乘法求解,得出每种地物类型的百分比( 丰度) 以及r m s 误差。结果显示,使用几种方法进行的混合像元分解结果的r m s 均值都小于 o 0 0 3 ,与解译好的t m 结果相比较,综合评价,地理空间的约束法得出的结果 是最好的。最后用传统的监督分类法和非监督分类法对原遥感图像进行分类, 结果表明非监督分类法效果最差,监督分类要优于非监督分类,但两种分类结 果都满足不了要求。若要使分类更加精细,还需运用经过对比结果较好的混合 像元分解方法。说明了利用混合像元分解技术进行m o d i s 遥感数据的土地分 类,可以达到较好的效果,表明m o d i s 数据可以有效地应用于遥感动态监测, 土地覆盖分类研究。 关键词:m o d i s ;混合像元;遥感;模型 基于m o d i s 遥感数据的混和像元分解技术与方法研究 a b s t r a c t t h el o w e rt h er e m o t e s e n s i n gi n l a g e s s p a t i a lr e s o l u t i o n , t h eg r e a t e rt h e p r o b a b i l i t yf o ro n ep i x e lc o n t a i n i n gaw i d er a n g eo fd i f f e r e n tg o a l s c u r r e n t l y , t h e p o p u l a rm e d i u m h i g hr e s o l u t i o nr e m o t es e n s i n gd a t a ,w h i c hi sc h a r a c t e r i z e db y h i g h e rd a t ap r i c e s ,a c c e s sd i f f i c u l t i e s ,t h o u g hi th a sh i g hm e a s u r e m e n ta c c u r a c y ;a n d t h el o w - r e s o l u t i o n 讹,s u c ha sm o d i sr e m o t es e n s i n gd a t a , i se x t e n s i v e l yc o v e r e d a n dl o w - c o s t , h o w e v e r , b e c a u s eo fi t sl o ws p a t i a lr e s o l u t i o n ,r e m o t e s e n s i n g i m a g e r ye x i s t e n c eo f al a r g ea m o t m to f m i x e dp i x e l ,t r a d i t i o n a lr e m o t es e n s i n gi m a g e c l a s s i f i c a t i o ni sn o tc o n s i d e r i n gi nt h i si s s u e a sar e s u l t s m a l l e rt y p e so ff e a t u r e s h a v e b e e na s s i g n e dt ot h ew r o n gc a t e g o r y h o w e v e r , t h ep i x e lu u m i x i n gs t u d yu s e d d a t ai sn o a a a v h r ro rl a n d s a tt m e t mr e m o t es e n s i n gd a t a , b u tt h em i x e d s p e c t r a la n a l y s i sb a s e do nm o d i sr e m o t es e n s i n gd a t ai sl i t t l e t os o l v et h ea b o v e p r o b l e m , t h i sp a p e rc h o o s e sz h e n g z h o ua s i ne x a m p l e ,s e l e c t st h el i n e a rm i x t u r e m o d e lt oa n a l y s e sm i x e dp i x e li nm o d i sr e m o t es e n s i n gd a t a f i r s t , t h i sp a p e rd i s c u s s e st h em o d i sd a t af o r m a t sa n dp r e - p m c e s s i n g ,a n a l y s e s a n ds u m m a r i z e st h ec o m m o n l yu s e dp i x e lu n m i x i n gm o d e l s t h r o u g hm n f t r a n s f o r m , s c a t t e rp l o t sa n dt h ei n t r o d u c t i o no fp u r ep i x e li n d e xt od e f i n et h ee n d m e m b e r s ,a n du s e st h el e a s tp i x e lc o n t a i nm e t h o da n dg e o g r a p h i cs p a c ei m a g e s s e l e c t i o nm e t h o dt og e t st h ee n dm e m b e r s r e f l e c t a n c e t h e nt h et w om e t h o d s r e s u l t s o ft h ee n dm e m b e r s r e f l e c t a n c ea r es u b s t i t u t e dt ol i n e a rm i x t u r em o d e le q u a t i o n , c o n s t r a i n e da n dn o tc o n s t r a i n e dl e a s t - s q u a r e sm e t h o dw i l lb eu s e di n d i v i d u a l l y , t h e r e w i l lb ee a c he n dm e m b e rt y p eo fp e r c e n t a g e ( a b u n d a n c e ) a n dt h er m se r r o ri nt h e r e s u l tp l o t s t h i ss h o w st h a tt h er e s u l t so f p i x e lu n m i x i n gw h i c hu s es e v e r a lm e t h o d s a l lh a v et h er m sm e a nl e s st h a no 0 0 3 c o m p a r e dw i t ha ni n t e r p r e t e dt mr e m o t e s e n s i n gd a t a ,r e s u l tt oac o m p r e h e n s i v ee v a l u a t i o no fg e o s p a t i a lb i n d i n gl a wt h e i i 南京信息工程大学硕士学位论文 o l r p :o m ei sb e s t t h eo u t c o m er e s u l t e df r o mac o m p r e h e n s i v ee v a l u a t i o no f g e o s p a t i a lb i n d i n gl a wi sb e s t f i n a l l y , t h et r a d i t i o n a ls u p e r v i s e dc l a s s i f i c a t i o na n d u n s u p e r v i s e dc l a s s i f i c a t i o no ft h eo r i g i n a li m a g ec l a s s i f i c a t i o n , r e s p e c t i v e l yc l a s s i f y t h eo r i g i n a li m a g ew i t ht h et r a d i t i o n a ls u p e r v i s e dc l a s s i f i c a t i o na n du n s u p e r v i s e d c l a s s i f i c a t i o n t h er e s u l t ss h o wt h a tt h eu n s u p e r v i s e dc l a s s i f i c a t i o nh a st h e 删 e f f e c t s ,a n dt h es u p e r v i s e dc l a s s i f i c a t i o ni sb e t t e rt h a nn o n - s u p e r v i s e dc l a s s i f i c a t i o n b u tt h et w oc l a s s i f i c a t i o n sr e s u l t sf a i l e dt om e e tt h er e q u i r e m e n t s t oe n a b l em o f e p r e c i s ec l a s s i f i c a t i o n , i ti sn e e d e dt ou s em i x e dp i x e ld e c o m p o s i t i o nm e t h o dw h i o h h a sb e t t e rc o m p a r a t i v er e s e t s n 地r e s u l t st h a tt h eu s eo f m i x e d - p i x e ld e c o m p o s i t i o n t e c h n o l o g ym o d i s l a n dr e m o t es e n s i n gd a t ac l a s s i f i c a t i o nc a r la c h i e v eb e t t e rr e s u l t s s h o wm o d i sd a mc a nb ee f f e c t i v e l ya p p l i e dt or e m o t es e n s i n gd y n a m i cm o n i t o r i n g , l a n dc o v e rc l a s s i f i c a t i o n k e yw o r d s :m o d i sd a t a ;m i x e dp i x e l r e m o t es e n s i n g ;m o d e l i h 学位论文独创性声明 本人郑重声明: l 、坚持以“求实、创新”的科学精神从事研究工作 2 、本论文是我个人在导师指导下进行的研究工作和取得的研究 成果。 3 、本论文中除引文外,所有实验、数据和有关材料均是真实的。 4 、本论文中除引文和致谢的内容外,不包含其他人或其它机构 已经发表或撰写过的研究成果 5 、其他同志对本研究所做的贡献均已在论文中作了声明并表示 了谢意。 作者签名:整塑 日 期:皇! :z :圭! 学位论文使用授权声明 本人完全了解南京信息工程大学有关保留、使用学位论文的规 定,学校有权保留学位论文并向国家主管部门或其指定机构送交论 文的电子版和纸质版:有权将学位论文用于非赢利目的的少量复制 并允许论文进入学校图书馆被查阅;有权将学位论文的内容编入有 关数据库进行检索;有权将学位论文的标题和摘要汇编出版。保密 的学位论文在解密后适用本规定。 作者签名:型量墨 日期: 立! ! i :圭l 南京信息工程大学硕士学位论文 1 1 引言 1 绪论 遥感图像是通过遥感技术获得的地球表面客体或地物的图像,通过飞机等航空方法获 得的地面图像是航空遥感图像,通过卫星等航天方法获得的地面图像是航天遥感图像,卫 星遥感图像是航天遥感图像最常见的种。数字图像处垂 ! ( d i g i t a li m a g ep r o c e s s i n g ) 是对数字 图像进行一系列运算从而获得更有希望和更有吸引力的新图像的过程。也就是说,它是以 原图像为出发点生成该图像新版本的过程1 1 j 。 2 0 世纪8 0 年代随着工业发展和生态环境的不断恶化,国际对地观测也逐渐将其注意 力从资源勘察转向对生态环境等生命支撑元素体系的了解和变化监测,开始了以地球环境 和地球资源为目标的科学实验探测计划。其中中分辨率成像光谱仪( m o d i s ) 、先进的红外 辐射仪( a s t e r ) 以及多极化s a r 等仪器为地球环境监测提供了新的观测和分析数据 到了2 1 世纪,卫星遥感进入了以地球系统为观测对象的发展阶段,系列卫星的形成与 发展,对遥感应用处理技术的发展方向产生了重要的影响遥感数据处理系统是卫星地面 系统的一部分,卫星遥感信号只有通过处理才能转换为可以使用的图像信息,包括相对辐 射校正和相对几何校正的遥感数据系统处理,图像产品标准处理。当今的许多卫星图像应 用,包括制图、监测和估算,仍然大规模地使用目视解译和手工勾绘、转绘、清绘和量算 面积的方法此种方法技术要求相对不高,加之人脑综合能力强,目视解译和手工勾绘也 能直接做一些精密计算机不能直接进行的工作但是此方法需要大量的人力和大量的手工 劳动,而且个人判断以致界线勾绘都有较大的主观性,不同人很容易判断成不同的类型, 使得结果较为粗放,难以精确地计算面积。利用计算机进行分类的方法是对传统方法的重 大改进,是从定性到定量的一次飞跃。 基于m o d i s 遥感数据的混和像元分解技术与方法研究 1 2 遥感图像分类研究进展 卫星图像计算机分类的方法有许多种,学者们从不同的角度出发将它们归为不同的类 型,下面分别介绍国内外研究者使用这些方法的研究成果和技术发展情况。 1 2 1 传统分类法 非监督分类与监督分类是传统计算机遥感图像分类中最主要的两种方法。在过去七、 八十年代的数字图像处理应用中最为常见,现在仍有人对这些方法进行改进研究,改进后 的研究结果优于原来的分类结果。 不需要已知样本及其类别对计算机的分类器进行监督和训练,只是根据图像数据所代 表的地物辐射特性的相似性和相异性来分类即为非监督分类。比较经典的非监督分类算 法有i s o d a t a 分类法,又简称为迭代法;k - 均值分类法( 1 ( - m e a n s ) ;合成序列积群分类法。 t h o m a sh c l o e ta 1 口】提出了一种多时相比值数据非监督分类法,并强调了该法不仅 简单易行,而且精度高。谢虎臣等1 3 j 介绍了松弛法在多波段非监督分类增强中的应用,并 从信息论中熵的角度对分类结果进行评估,结果显示松弛法使分类质量有明显提高,分类 精度提高了2 0 3 。苏戊年h l 提出一种对应分析的方法选择非监督分类聚类分析中的初始 值,结果表明此方法可以十分可靠地确定初始凝聚点,从而使聚类分析的迭代次数大大减 少,仅需l 到2 次,而且分类结果的随机性也减小 监督分类又称为训练区分类,研究者需要事先知道地物类别并用这些地物的样本对计 算机分类器进行监督和训练,然后对图像进行分类。所以,监督分类的精度最主要与训练 区的选择有关,常用的监督分类法有最大似然法、最近均值分类法、盒式分类法一些学 者针对传统的手工训练区提取方法的局限性, 源富 6 1 利用n i 数据监测土地利用动态变化, 提出了训练区自动、半自动提取方法吼。莫 在多年的山区遥感研究的基础上,通过对地 形地貌、地物生态环境、地物分布特点的分析,提出分区分类法,对光照区与阴影区、地 形陡峻区与地形平缓区、不同地物组合、地物生态环境区分别分类提出了分区分类方法, 分区域的进行监督分类,结论认为该法可避免大量混分、错分现象。李石华f 1 等人采用分 2 南京信息工程大学硕士学位论文 区分类法,从n d v i 中选择恰当的阀值,利用该值从原始图像上划分出植被区和非植被区, 并分别进行分类,试验结果表明,其分类精度7 4 6 3 较传统的直接分类精度6 1 5 9 有较 大的提高,进一步验证了此法针对山区遥感图像分类是行之有效的 1 2 2 新兴分类法 近年来,随着遥感技术和计算机技术的不断发展,神经网络、模糊技术、亚像元分类 等原来实现困难的新方法逐步发展起来,更多学者开始这方面的研究和应用。 以往的多光谱图像分类技术认为一个像素仅仅包含某类地面目标信息的纯像元,当 某个像素位于某一类区域的内部时这样的假设是正确的但对位于多类地物交接处的像元 或纹理区域内的像元,由于地物散射等因素的影响。一个像元往往包含有多类地面目标的 信息,即为混合像元i s 。从上世纪七、八十年代研究人员开始注意到混合像元的问题,九 十年代以后这方面的研究逐渐增多,通过确定不同地物类在混合像元中的类比例或类丰富 度来确定混合像元的类型。刘永怀【9 】提出了四种混合像元分解方法:匹配像元分解、折半 像元分解、双邻像元分解、相关像元分解。混合像元分解后,计算机分类识别精度从分类 前的6 3 6 5 提高到了8 8 6 7 可见混合像元分解的效果是很显著的,但其研究区内林地 稀少,很难构成一个完整的纯净像元,给典型地物光谱值的确定带来了困难。直接影响分 类精度。 八、九十年代国外在利用n o a a 资料研究混和像元分解时,应用线性混和分解模型较 爹1 0 , i i 1 2 1 3 1 4 1 ,现在很多学者将此模型应用于高分辨率t m 数据的混和像元分解,l u 等1 1 5 1 利用线性混和模型对巴西r o n d o n i a 地区t m 遥感图像上的成熟期连续植被进行了分类,三 种端元阴影、土壤、绿地被选取出来结果显示模型很有效i 岳文泽等【删以上海中心区域 偶数据为例,改进了端元选择方法,进行混和像元分解,混合像元分解的精度较好,结果 证明改进方法对城市混合像元分解可行。 模糊分类法从2 0 世纪8 0 年代中期以后逐渐被较多地研究和应用,较为常用的两种模 糊分类法,一种是模糊d 均值聚类法( f c m ) ,另一种是模糊监督分类法。吴健平等人呷 3 基于m o d i s 遥感数据的渑和像元分解技术与方法研究 利用模糊监督分类法,对n o a a a v h r r 数据进行像元分解。并估算了上海市l o 个郊县 1 9 9 2 年和1 9 9 3 年两年的水稻种植面积,估算的结果与统计数据比较后表明,全市总的估 算精度( 采用面积比精度) 分别为9 2 o 和9 5 4 。李郁竹等人1 1 8 1 在模糊监督分类中增加 迭代过程的方法,根据稻田与旱地存在温度差异的特点,利用a v h r r 数据求算水稻种植 面积,增加了第3 和4 两通道参加模糊监督分类,从而增强了水稻的鉴别能力,结果显示 所采用的迭代法是收敛且有效的,经本方法输出的水稻种植面积百分含量图与实际水稻分 布十分吻合,有较高的精度。可见模糊监督分类法可以实现对像元特性的深入定量分析, 应用价值较高 此外刘爱霞等人1 ”利用m o d i s l 6 天合成的n d v i 时间序列数据,结合8 天合成的l s t 数据、l :5 万d e n 数据以及降雨温度数据,研究北京西北部地区土地覆盖分类。选取合 适的m o d i s 数据分类土地覆盖分类系统,用主成分分析法( p c a ) 对n d v i 时间序列数 据进行信息增强和压缩处理,排除各种干扰因素。然后利用模糊k 一均值非监督分类法, 进行研究区的土地覆盖分类,得到北京西北部地区的土地覆盖分类图。分类结果表明,使 用2 5 0 m 分辨率的m o d i s 数据,能够实现较大区域的土地覆盖分类,且能够达到较高的分 类精度。 人工神经分类器( a n n 分类器) 。从2 0 世纪8 0 年代后半期到现在,人们渐渐较多的 对之加以注意、研究和应用它的决策边界不是固定的,也不是使用训练样本信号特征中 使用的那种确定性的规则,而是使用一种迭代式的方法使类型确定的误差最小化。它模仿 人脑的某些功能,是人工智能的一种【l 】。 a n n 可以用于监督分类,也可用于非监督分类,对于解决非线性问题有其特别的作用。 王喜鹏等瑚1 利用高分辨率的t m 数据获得训练样本数据,进行分类,以分类结果作为输出, 训练样本区每个a v h r r 混合像元的光谱值为输入。采用b p 算法,首先进行前向传播并 计算出各单元的一般化误差。然后逆向往输入层传播,求出各单元的参考误差,此后进行 连接权和各单元阈值的调整,完成一次迭代。这样循环下去,直到输出层单元的误差满足 要求为止利用误差逆传播前向算法模型进行训练,求出二者映射关系,生成分类器再对 大范围a v h r r 数据进行分解分类。这种方法综合利用了t i v l 数据和a v h r r 数据各自的 4 南京信息工程大学硕士学位论文 优势,具有较好的科学性和经济可行性。张彦等人1 2 1 在深入研究混合像元分解原理的基础 上,提出了用径向基函数神经网络拟合分解结果超平面,以实现混合像元分解的算法,实 验结果证明:该算法的结果与主分量分析的混合像元分解算法结果相近( 相关系数达到 0 9 9 ) 。而计算量大大减少。具有较强的适应性。 有学者口2 i 在研究人工神经网络理论的基础上。应用动量和学习率自适应调整的策略, 改变b p 神经网络的主要缺点,贾云红一方面采用神经网络法对l a n d s a t t m 3 ,t m 4 ,t m 5 影像和航空s a r 影像分别进行分类,将其结果融合得到最终分类结果;另一方面采用神经 网络先对前面的两类图像进行融合然后分类,得到相应分类结果,比较两种方法的结果, 分类融合较融合分类的精度高。基于改进的b p 神经网络分类融合具有较高的分类精度, 更适用于遥感影像土地利用分类 除了上述方法,目前还有一些分类方法,如最近邻法、马氏距离法、二进制编码法、 直方图估计法、专家分类法、光谱角映射法、纹理分类法等等,但这些方法应用不太普遍 颜梅春1 2 3 1 南京市钟山景区为例,利用i k o n o s 影像数据的纹理信息进行植被分类,同时 使用光谱信息,用最小距离监督分类和i s o d a t a 非监督分类,植被指数信息进行分类, 并对比了这几种分类方法,结果表明,高分辨率影像的纹理信息可以解决采用光谱分类面 临的“同物异谱”和“同谱异物”问题,其中纹理信息分类的精度最高,植被指数法次之, 光谱信息中的非监督分类最低,因此纹理信息分类法可作为最佳方法用于植被分类,但以 前的研究将纹理作为主要信息进行植被分类的研究较少 1 3 遥感图像分类中存在的问题与发展方向 尽管图像分类方法有很多,但其分类的核心依据就是像元数值相似性的概念研究者 都是根据相似的物理特征即相似的类信号特征来对像元数据进行归类的1 2 4 1 。这个相似性可 以表现为不同的形式和量度,比如概率值、距离值、光谱角值。概率值以像元信号特征向 量与某一像元组的似然性的大小为相似的量度;距离值以像元或像元组信号特征向量之间 距离值的大小来衡量相似程度;光谱角值以像元或像元组之间光谱角的大小为相似性量度, 光谱角小则表示相似性大,光谱角大则表示相似性小像元之间或像元组之间的相似性是 5 基于m o d i s 遥感数据的混和像元分解技术与方法研究 图像分类算法的基础,分类时总是将相似程度大的像元或像元组归为同一类,将相似程度 小的像元或像元组归为不同的类。 非监督分类是仅凭借遥感图像地物的光谱特征的分布规律】,随其自然地进行分类 其分类结果只是对不同类别达到了区分,但并不确定类别的属性,其类属需要通过事后对 各类的光谱响应曲线进行分析,以及与实地调查相比较后确定。相比之下尽管非监督分类 法较少受人为因素的影响,不需要对下垫面做较详细的了解,但该方法不适用于对山区耕 地的精确分类 正是由于监督分类过程中加入了研究者的先验知识,在很多研究中都证实它优于非监 督分类。但是无论监督分类还是非监督分类,它们都是建立在每个像元仅代表一种地物类 型的理论基础上,结合实际,特别是在分辨率较低的遥感图像中,大量的像元是由两种或 者多种地物类型组成的,所以像元的漏分、错分在这两种分类法中普遍存在。 混合像元分类法可以较好的解决这个问题,但是每个模型都有各自的优缺点 使用模糊分类方法,必须首先确定训练样本中各像元各类别的隶属度,即样本像元中 各类别的面积百分比,一般通过地面调查、航片、高分辨率卫星影像等获得,但无论哪种 方法,求出的样本隶属度必然存在误差。在卫星传感器空间分辨率保持不变的情况下,单 纯利用包含有限信息的多光谱影响,混合像元分解有一定的局限性,有学者在多光谱分类 过程中加入一些辅助数据,比如加入地形因素作为辅助因子。提高了分类的精度。但此分 类法求隶属度过程比较麻烦,其改进法加入何种类型的辅助因子要依据环境的不同而决定。 所以影响了推广。 在人工神经网络遥感分类方面,研究人员进行了大量的研究并取得了显著的成果。但 人工神经网络模型的研究和应用仍处于起步阶段,还有许多不足,神经网络知识的表达还 需要模型化、形式化,其与遥感影像地学知识在深层的结合还要进一步深化。 线性光谱混合模型的优点是构模简单,物理含义明确,理论上有较好的科学性,对于 解决像元内的混合现象有一定的效果嘲。事实上,在很多情况下各种地物的光谱反射率是 通过非线性的形式加以组合的,但是非线性光谱混合形式多样,一般都非常复杂,实际应 用中各类典型地物的光谱值很难获得、很多参数难以精确测量,因此非线性光谱混合模型 6 南京信息工程大学硕士学位论文 实际应用起来比较困难,还是线性光谱混合模型更便于实际应用 从遥感图像数据方面来看, 目前的报道中n o a a a v h r r 遥感数据和t m 遥感数据 用来进行混合像元分解技术的研究以及应用比较多见,而m o d i s 遥感数据在此方面的利 用率则报道很少由于空间分辨率的原因,n o a a a v h r r 遥感数据多用于长期、大面积 而地面分辨率要求不高的研究中;陆地卫星由于费用及计算机的速度和容量,难以用于长 期而且大面积的实况中。m o d i s 遥感数据既能获得较高分辨率的图像,又能用于大面积和 长期的土地覆盖的监测中 综上所述,n o a a a v h r r 遥感数据在通道数量、时间分辨率以及空间分辨率三方面 都不如m o d i s 遥感数据:另一方面t m 等中、高分辨率遥感资料的价格比较昂贵,m o d i s 遥感数据的免费接收是一个很大的优势。因此,将m o d i s 遥感数据及其产品用于混合像 元分解技术研究和应用,获取更精细的遥感图像分类是今后混合像元分类的趋势。 1 4 本研究的意义 遥感图像空间分辨率越低,一个像元内包含多类不同性质目标的几率就越大,一般来 说遥感影像中的像元大部分都是几种地物的混合体,比如m o d i s 的分辨率最高为2 5 0 m , 数据中混合像元普遍存在。大多数遥感图像分类方法并不考虑这一现象,仅利用像元光谱 问的统计特征进行像元分类,结果导致面积所占比例较小的目标被错分到其它类别中去 而混合像元的分解,简要的概括为:求得它的覆盖类型组分( 即端元组分) 占像元的百分 含量( 丰度) 1 2 7 1 对于一幅影像而言,虽然单个像元的分解精度不高,但是与传统方法相 比,不同地物类型组成的一个像元经过混合像元分解后,表征为各种地物类型的百分比构 成,整幅图像的估计精度要优于传统的分类方法。 目前流行的中高分辨率数据,特点是测量精度高但数据价格较贵、获取困难;而低 分辨率效据的覆盖范围广,费用低廉,如m o d i s 遥感数据,但由于其空间分辨率较低, 遥感数据中存在混合像元,在土地覆盏分类时,常造成一定的误差。目前n a s a 对m o d i s 数据实行全世界免费接收的政策,这样廉价并且实用的数据资源对于我国大多数科学家来 说是不可多得的,而且m o d i s 遥感数据具有很高的光谱辐射精度,然而实际的混合像元 7 基于m o d i s 遥感数据的混和像元分解技术与方法研究 分解研究中常用的数据是n o a a a v h r r 或者t m 遥感数据,基于m o d i s 遥感数据进行 光谱混合分析的研究较少 根据前人研究结论针对上述问题,本文拟以郑州市行政区范围为研究区,对m o d i s 遥感数据进行混合像元分解技术研究。首先探讨了m o d i s 遥感数据的预处理,参数定标; 其次分析、讨论了常用的混合像元分解模型及其优缺点;然后采用几种图像端元组分反射 率的求取方法求得端元组分反射率;最后选用线性混合光谱模型,对m o d i s 数据进行混 合像元分解,并用传统遥感图像分类方法结果进行对比期望既能有效利用m o d i s 数据 光谱辐射精度极佳的特点,又可改普m o d i s 空间分辨率的不足,提高m o d i s 遥感图像的 分类精度,说明m o d i s 数据可以应用于土地利用,覆盖动态监测。 参考文献 【l 】曾志远卫星遥感图像计算机分类与地学应用研究i m 北京:科学出版社,2 0 0 4 【2 t h o m a sh cl oe ta 1 u s eo fm u l t it e m p o r a ls p e c w a lp r o f i l e si na 鲥c u l t u r a ll a n d - c o v e r c l a s s i f i c a t i o n j p e & r s ,1 9 8 6 ,5 2 ( 4 ) :5 3 5 - 5 4 4 【3 】谢虎臣,王成业多波段图像非监督分类中松弛法的应用及分类结果评估中国科学技 术大学学报,增刊,1 9 8 5 ,3 :4 6 5 2 【4 】苏戌年对应分析方法在遥感图像非监督分类中的应用6 9 7 6 【5 l a b o v i t zm l i s s u e s a r i s i n gf r o ms a m p l i n gd e s i g n sa n db a n ds e l e c t i o ni nd i s c r i m i n a t i n g g r o u n d r e f e r e n c e a t t r i b u t e s u s i n g r e m o t e l ys e n s e d d a t a j p e & r 8 ,1 9 8 6 5 2 ( 2 ) :2 0 1 2 1 1 6 莫源富分区分类法针对山区遥感图像的一种有效的分类方法 j 】中国岩溶, c a r s o l o g i c as i n i c a ,2 0 0 0 ,1 9 ( 4 ) :3 6 0 - 3 6 5 【7 】李石华,王金亮,陈姚独龙江流域刑图像的分区分类方法探讨啪应用技术,2 0 0 6 , 3 :4 0 - 4 3 【8 】朱述龙基于混合像元的遥感图像分类技术【j 】解放军测绘学院学报,1 9 9 5 ,1 2 ( 4 ) : 2 7 6 - 2 7 8 【9 】刘永怀混合像元分解的理论与方法一以神木县为例川遥感技术与应用,1 9 9 2 ,“1 ) : 譬 南京信息工程大学硕士学位论文 7 1 5 【1 0 】李剑萍,郑有飞气象卫星混和像元分解研究综述【j 】中国农业气象2 0 0 0 ,2 l ( 2 ) : 4 4 - 4 7 i i a m c r o s s s u b p i x e lm e a s u r e m e n to f t r o p i c a lc o v e tu s i n g a v h r rd a t a j i n t e r n a t i o n a l j o u r n a l o r e m o t e s e n s i n g , 1 9 9 1 ,1 2 ( 5 ) :1 1 1 9 1 1 2 9 1 2 q u a r m b y ,n a l i n e a rm i x t u r em o d e l i n ga p p l i e dt oa v h r rd a t af o rc r o pa r e a e s c m l a t i o n j i n t e r n a t i o n a l j o u r n a l o f r e m o t e s e n s i n g ,1 9 9 5 ,1 3 0 ) :4 1 5 - 4 2 5 1 3 a r h u e t e s e p a r a t i o no fs o i l - p l a n ts p e o t r a lm i x t u r e sb yf a c t o ra n a l y s i s 阴r e m o t e s e n s i n g o f e n v i r o m n e n t ,1 9 8 6 ,1 9 ( 3 ) :2 3 7 2 5 1 【1 4 c h r i s t i n e a h i a v k aa n dm i c h a e la s p a n n e r u n m a x i n g a v h r ri m a g e r yt oa s s e s sc l e a r c u t s a n df o r e s tr e g r o w t hi no r e g o n ,i e e et r a n s a c t i o n0 1 1g e o s e i e n c e $ a n d r e m o t es e n s i n g ,1 9 9 5 t 3 3 ( 3 ) :7 8 8 - 7 9 5 【1 5 l ud s ,m o r a ne ,b a t i s t e l l am l i n e a rm i x t u r em o d e la p p l i e dt oa m a z o n i a nv e g e t a t i o n c l a s s i f i c a t i o n j r e m o t es e n s i n go f e n v i r o n m e n t 2 0 0 3 ,8 7 :4 5 6 - 4 6 9 【1 6 】岳文泽,徐丽华,徐建华,等城市多光谱遥感像元分解技术改进研究【j 】浙江大学 学报:工学版,2 0 0 6 ,4 0 ( 4 ) 7 1 9 - 7 2 3 【1 7 】吴健平,杨星卫用n o a a a v h r r 数据估算上海地区水稻种植面积【j 】应用气象学 报,1 9 9 6 ,7 ( 2 ) :1 9 0 1 9 4 【1 8 】李郁竹,曾燕应用n o a a a v f h t r 数据测算局地水稻种植面积方法研究【j 】遥感学 报,1 9 9 8 ,2 ( 2 ) :1 2 5 1 3 0 【1 9 】刘爱霞,王静,吕春艳基于m o d i s 数据的北京西部地区土地覆盖分类研究佣地理 科学进展,2 0 0 6 ,2 5 ( 2 ) :9 6 1 0 2 【2 0 】王喜鹏,张养贞应用神经网络模型分解a v h r r 混合像元【j 】遥感学报1 9 9 8 ,2 ( 1 ) : 5 1 - - 5 6 【2 l 】张彦,邵美珍基于经向基函数神经网络的混合像元分解 j 】遥感学报,2 0 0 2 ,6 ( 4 ) : 2 8 5 2 8 8 9 基于m o d i s 遥感数据的混和像元分解技术与方法研究 【2 2 】贾云红人工神经网络在多源遥感影像分类中的应用阴测绘通报,2 0 0 0 ,7 :7 - 8 【2 3 】颜梅春高分辨率影像的植被分类方法对比研究叨遥感学报,2 0 0 7 ,1 l ( 2 ) :2 3 5 2 4 0 【2 4 】吕长春王患武,钱少猛混合像元分解模型综述川遥感信息,2 0 0 3 ,3 :5 5 5 8 【2 5 】张银辉,赵庚星土地利用,土地覆盖遥感分类方法的研究综述闭中国农业资源与区 划2 0 0 2 ,2 3 ( 3 ) :2 1 - 2 5 【2 6 】惠巍巍,衣德萍,廖彩霞,等混合像元分解研究综述林业科技情报,2 0 0 7 ,3 9 ( 1 ) : 2 3 【2 7 】王荣,唐伶俐,戴昌达m o d i s 数据在测量地物辐射亮度和反射率特性中的应用们遥 感信息,2 0 0 2 ,3 2 1 - 2 5 南京信息工程大学硕士学位论文 2 1 研究区概况 2 数据预处理 郑州市是河南省省会,位于河南省中部偏北,东经l1 2 。4 2 。一1 1 4 。1 4 t ,北纬3 4 。1 6 - 3 4 。5 8 ,北临黄河,西依嵩山,东南为广阔的黄淮平原。郑州地区属暖温带大陆性气 候。四季分明。年平均气温1 4 4 9c 。7 月最热,平均2 7 3 。c ;1 月最冷平均0 2 。c ; 年平均降雨量6 4 0 9 毫米,无霜期2 2 0 天,全年日照时问约2 4 0 0 小时。总面积7 4 4 6 2 平方 公里,其中市区面积1 0 1 0 3 平方公里。境内大小河流3 5 条,分属于黄河和淮河两大水系, 其中流经郑州段的黄河长1 5 0 4 公里。 本文将以郑州市为例,选用m o d i s 遥感数据,采用线性像元分解模型和方法进行分 类,并与传统分类法进行比较和讨论,获得了郑州市典型地物类型的丰度图 2 2 遥感数据选取 e o s 卫星轨道高度距地球7 0 5 公里,目前的第一颗上午轨道卫星过境时间为地方时 1 1 :3 0a m 左右,一天最多可以获得4 条过境轨道资料。其上最主要的仪器是中分辨率成 像光谱仪( m o d i s ) ,其最大空间分辨率可达2 5 0 米,扫描宽度2 3 3 0 公里。m o d i s 是当 前世界上新一代“图谱合一”的光学遥感仪器,共有4 9 0 个探测器,它的3 6 个通道,波谱 范围是0 4 - 1 4nm 。1 2 通道探测陆地、云边界,为2 5 0m 分辨率,3 7 通道探测陆地、 云特性。为5 0 0m 分辨率,其余通道为lk m 分辨率,每日或每两日可获得一次全球观测 数据【”。其多波段数据可以同时提供反映陆地表面状况、云边界、云特性、海洋水色、浮 游植物、生物地理、化学、大气中水汽、气溶胶、地表温度、云顶温度、大气温度、臭氧 和云顶高度等特征的信息。可用于对陆表、生物圈、固态地球、大气和海洋进行长期全球 观测。 m o d i s 数据与n o a a 卫星和陆地卫星相比,有以下四个特点和优势:其一,n a s a 对m o d i s 数据实行全世界免费接收的政策( t e r r a 卫星除m o d i s 外的其他传感器获取 1 t 基于m o d l s 遥感数据的混和像元分解技术与方法研究 的数据均采取公开有偿接收和有偿使用的政策) ;其二,空间分辨率大幅提高。m o d i s 数 据涉及波段范围广( 3 6 个波段,分辨率有2 5 0 米、5 0 0 米和1 0 0 0 米) 、数据分辨率比 n o a a a v h r r 有较大的进展。这些数据均对地球科学的综合研究和对陆地、大气和海洋 进行分门别类的研究有较高的实用价值;其三,时间分辨率有优势t e r r a 和a q u a 卫 星都是太阳同步极轨卫星,t e r r a 在地方时上午过境。a q u a 在地方时下午过境。t e r r a 与a q u a 上的m o d i s 数据在时间更新频率上相配合,加上晚间过境数据,对于接收m o d i s 数据来说,可以得到每天最少2

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论