（环境工程专业论文）基于遥感和GIS的环境监测与分析.pdf

基于遥感和g i s 的环境监测与分析 摘要 由于环境问题本质上都不同程度地包含有某种地理意义，引入遥感和g i s 这 两种信息时代的地学前沿方法，符合环境问题的本性，同时使研究者能够从空间 和光谱的角度更加完善地考虑问题。在系统介绍遥感和g i s 的基本概念、原理及 主要应用的基础上，首先探讨了运用遥感技术对内陆河流的水质进行的定量监测。 以湘江长沙段为研究区域，通过相关性分析成功建立了多时相遥感信息模型。然 后阐述了遥感和g i s 在土地利用覆被研究中的应用。选取长沙市为研究区域，精 确解译多时相的l a n d s a t 影像，采用重心迁移、转化矩阵、动态指数等方法，对长 沙市土地利用覆被格局的变化进行了定位、定性、定量的研究。利用k t 变换对 e t m 影像进行光谱增强，综合监督方式和非监督方式获取了分类所需的混合模板。 各地类的混合模板在特征空间中体现出了良好的可分离性，获得了较好的分类结 果，并从光谱特征和空间分布的角度对分类错误进行了分析。在以上分类研究的 基础上，引入分层二阶随机抽样方法改善专题图的精度评价效果。通过建立包含 多层次单元的抽样体系和进行二阶随机抽取，获得了空间分布均匀的样本集，并 有效降低了成本。所建立的概率型误差矩阵有效反映了抽样过程中所形成的中选 概率的差异，所生成的用户精度、制图精度、全局精度和k a p p a 系数比传统方法 所得出的结果具有更高的可信度。最后通过总结在一系列环境规划项目的实践， 进一步说明遥感和g i s 在环境监测与分析中具有显著的应用价值。 关键词：遥感g i s 水质监测土地利用k t 变换精度评价 坝上学位论文 a b s t r a c t d u et h eg e o g r a p h i ce s s e n c eo fm o s te n v i r o n m e n t a lp r o b l e m s ，i n t r o d u c i n gt h et w o m o s ti n f o r m a t i o n a lg e o g r a p h i ct e c h n i q u e s ，r e m o t es e n s i n ga n dg e o g r a p h i ci n f o r m a t i o n s y s t e m ( g i s ) ，i n t ot h ee n v i r o n m e n t a lr e s e a r c hi sc o m p a t i b l ew i t hi t s e s s e n c ea n dw i l l i m p r o v e i tb o t hi ns p a t i a la n a l y s i sa n d s p e c t r a la n a l y s i s a f t e ri n t r o d u c i n gt h ep r i n c i p l e s o fr e m o t e s e n s i n ga n dg i sa s w e l la st h e i rb a s i c a p p l i c a t i o n s r e m o t es e n s i n gf o r q u a n t i t a t i v em o n i t o r i n go fi n l a n dw a t e rq u a l i t yi sp r e s e n t e d b yas e r i e so fp e r t i n e n c e a n a l y s i s ，am u l t i - t e m p o r a l ，u n i v e r s a lr e m o t es e n s i n gi n f o r m a t i o nm o d e li ss u c c e s s f u l l y e s t a b l i s h e df o rt h ec h a n g s h as e c t i o no f t h ex i a n gr i v e r t h e n ，r e m o t es e n s i n ga n dg i s a r e e m p l o y e d i nt h er e s e a r c ho fl a n du s e c o v e r c h a n g e c o r r e s p o n d i n g l a n d s a t i m a g e r i e s a r ei n t e r p r e t e da c c u r a t e l y b yu s i n gt r a n s f o r m a t i o nm a t r i xa n d c h a n g ei n d e x e s ， t h ec h a r a c t e r i s t i co ft h i sc h a n g ei s a n a l y z e d ，a sw e l la st h ec h a n g eo fb a r yc e n t e l f u r t h e r m o r e ，s p e c t r a le n h a n c e m e n tv i at h ek a u t h - t h o m a st r a n s f o r m a t i o ni sa p p l i e dt o i m p r o v e t h ec l a s s i f i c a t i o no fl a n d s a te t m i m a g e c l a s s i f i c a t i o ns i g n e r sa r eo b t a i n e db y ac o m b i n a t i o no f s u p e r v i s e d m e t h o da n du n s u p e r v i s e dm e t h o d ，a n ds h o w g o o d s e p a r a b i l i t y i nt h ef e a t u r es p a c e s o u n dr e s u l to fc l a s s i f i c a t i o ni so b t a i n e d ，a n dt h e s p e c t r o s c o p i cf e a t u r ea n ds p a t i a ld i s t r i b u t i o no f c l a s s i f i c a t i o ne r r o ri sa n a l y z e d b a s e d o nt h ep r e v i o u sr e s e a r c ho fc l a s s i f i c a t i o n ，s t r a t i f i e dt w o s t a g es a m p l i n gi si n t r o d u c e d i n t ot h ea c c u r a c ya s s e s s m e n to ft h e m a t i cm a p t h es a m p l i n gd e s i g ne m p l o y san e s t e d h i e r a r c h i c a l p a r t i t i o nc o n s t r u c t e do fs p a t i a l u n i t so fd i f f e r e n ts i z e ，w h i c hp r o v i d e sa s o u n d s p a t i a l d i s t r i b u t i o no fs p e c i m e na n dr e d u c e st h e s a m p l i n g c o s t d i f f e r e n t i n c l u s i o np r o b a b i l i t yi s a s s i g n e dt od i f f e r e n ts p e c i m e n ，a n dap r o b a b i l i s t i cc o n f u s i o n m a t r i xi se s t a b l i s h e db a s e do nt h i s p r o d u c e r sa c c u r a c y ，u s e r sa c c u r a c y ，a n do v e r a l l a c c u r a c ya r ea n a l y z e d a sw e l la sk a p p ac o e f f i c i e n ta n dt h e i ri m p r o v e m e n ti sa n a l y z e d a tl a s t ，s o m ee x p e r i e n c ei nr e l a t e de n v i r o n m e n t a lp l a n n i n gi ss u m m a r i z e d ，w h i c hs h o w s t h eg r e a tp o t e n t i a lo fr e m o t es e n s i n ga n dg i si nt h ee n v i r o n m e n t a lm o n i t o r i n ga n d a n a l y s i s ，a d d i t i o n a l l y k e yw o r d s ：r e m o t es e n s i n g ；g e o g r a p h i c i n f o r m a t i o ns y s t e m ；m o n i t o r i n go fw a t e r q u a l i t y ；l a n du s e ；k a u t h - t h o m a st r a n s f o r m a t i o n ；a c c u r a c ya s s e s s m e n t n 湖南大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取 得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其 他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个 人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果 由本人承担。 储签名：掀笛 日期：受，。年f 月哆日 扣喈 学位论文版权使用授权书 本学位沦文作者完全了解学校有关保留、使用学位论文的规定，同意学 校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查 阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关 数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位 论文。 本学位论文属于 l 、保密口，在年解密后适用本授权书。 2 、不保密团。 ( 请在以上相应方框内打“”) 作者签名 导师签名 锄 ， 日期：土即伞年古月f ，日 日期：o 州i c 年t 月z 矿日 第1 章绪论 1 1 遥感的原理及其在环境领域的主要应用 1 1 1 遥感的基本原理 1 1 1 1 基本概念 遥感( r e m o t e s e n s i n g ) 是2 0 世纪6 0 年代发展起来的对地观测综合性技术， 其英文原义是指“遥远的感知” i , 2 1 。广义理解，泛指一切无接触的远距离探测， 包括对电磁场、力场、机械波( 声波、地震波) 等的探测。实际工作中，重力、 磁力、声波、地震波等的探测被划为物探，因而只有电磁波探测属于遥感的范畴。 狭义理解，是指应用探测仪器，不与探测目标相接触，从远处把目标的电磁波特 征记录下来，通过分析揭示出物体的特征性质及其变化的综合性探测技术【孓引。 遥感系统包括五大部分：被测目标的信息特征、信息的获耿、信息的传输与 记录、信息的处理和信息的应用。遥感系统是2 个综合性的系统，它设计到航空、 航天、光电、物理、计算机和信息科学等诸多领域，其发展与这些学科密切相关【6 8 j 。 遥感的分类方法很多，按遥感平台可以分为地面遥感、航空遥感、航天遥感 和宇航遥感等；按传感器的探测波段可以分为紫外遥感、可见光遥感、红外遥感、 微波遥感和多波段遥感：按照工作方式可以分为主动遥感和被动遥感，非成像遥 感和成像遥感5 , 9 - t 2 1 。 1 1 1 2 影像特征 遥感影像是各种传感器所获信息的产物，是遥感探测目标的信息载体，有模 拟图像( 主要指摄影乳胶的光学记录) 和数字图像( 主要指磁盘、磁带上的电子 记录) 两种记录方式。遥感解译人员需要通过遥感影像获取三方面的信息：目标 地物的大小、形状及空阳：f 分布特点；目标地物的属性特点：目标地物的变化动态 特点。因此相应地将遥感影像归纳为三方面特征，即几何特征、物理特征和时间 特征。这三方面特征豹表现参数即为空j 白j 分辨率、光谱分辨率、辐射分辨率和肘 阳j 分辨率。 ( 1 ) 空削分辨率( s p a t i a lr e s o l u t i o n ) 又称地面分辨率。前者是针对遥感器或 图像而言的，指图像上能够详细区分的最小单元的尺寸或大小，或指遥感器区分 两个目标的最小角度或线性距离的度量。后者是针对地面而言，指可以识别的最 小地面距离或最小目标物的大小。它们均反映对两个非常靠近的目标物的识别、 区分能力，有时也称分辨力或解像力。一般可有三种表示法： a ) 像元( p i x e l ) 。指单个像元所对应的地面面积大小，单位为m 或k m 。如 美国q u i c k b i r d 商业卫星一个像元相当地面上大小为o 6 1 m 0 6 1 m 的区域，因此 其空酬分辨率称为o 6 1 m i l a n d s a t t m 一个像元相当地面上2 8 5 r e x 2 8 。5 m 的区域， 简称空间分辨率3 0 m ；n o a a a v h r r 一个像元约相当地面上l1 0 0 m x11 0 0 m 大小的区域，简称空间分辨率1 1 k r n ( 或1 k i n ) 。像元是扫描影像的基本单元。是成 像过程中或用计算机处理时的基本采样点，由亮度值表示。 b ) 线对数( 1 i n ep a i r s ) 。对于摄影系统而言，影像最小单元常通过l m m 间隔 内包含的线对数确定，单位为线对m m 。所谓线对指一对同等大小的明暗条纹或规 则间隔的明暗条对。 c ) 瞬时视场( i f o v ) 。 指遥感器内单个探测元件的受光角度或观测视野， 单位为毫弧度( m r a d ) 。i f o v 越小，最小可分辨单元( 可分像素) 越小，空间分辨率 越高。i f o v 取决于遥感器光学系统和探测器的大小。一个瞬时视场内的信息，表 示个像元。然而。在任何一个给定的瞬时视场( i f o v ) 往往包含着不止一种 地面覆盖类型。它所记录的是一种复合信号响应。因此一般图像包含的是“纯” 像元和“混合”像元的集合体，这依赖于i f o v 的大小和地面物体的空间复杂性。 这三种表示法含义相近，只是考虑问题的角度不同，可以相互转换u ”。空间 分辨率所表示的尺寸、大小，在图像上是离散的、独立的，是可以识别的a 它反 映了图像的空间详细程度，而这种空间详细程度受到选择的遥感器。记录图像的 高度等因素的影响。 ( 2 ) 光谱分辨率( s p e c t r a l r e s o l u t i o n ) 用来描述遥感信息的多波 段特性，指遥感器所选用的波段数量 的多少、各波段的波长位置、及波长 矧隔的大小。光谱分辨率由通道数、 通道中心波长和带宽这三个因素共同 决定。地物的电磁波谱见表1 1 。 对于黑，白全色航空像片，照相机 用一个综合的宽波段( o 4 0 ，7l a m ，波 段恻隔为o - 3 岬) 记录下整个可见光 红、绿、蓝的反射辐射：l a n d s a tt m 有7 个波段，能较好的区分同一物体 或不同物体在7 个不同波段的光谱响 应特性的差异。例如t m 3 ( 0 6 3 0 6 9 u m ，波段间隔为o ，0 6p m ) 就记录下了 红光区内的一个特定范围的反射辐 射。航空可见、红外成像光谱仪a v i r i s 表1 1 电磁波谱 波段波蚝 艮波 中波和短波 超短波 微波 红超远红外 1 5 1 0 0 0g m 盏掌套棼0 7 6 - 1 0 0 0 um 嚣= 段近红外0 7 曲3 ” 红o 6 2 - 4 ) 7 6l a n 橙0 5 9 - - 0 6 2u m 可黄0 5 6 0 5 9 岬 见绿0 3 8 - - - 0 7 6ut l l0 5 0 o 5 6 岬 光青0 4 7 0 5 0 p m 蓝 o 4 3 0 4 71 a m 紫0 3 8 - 0 4 3 岬 x 射线 1 0 6 1 0 31 t m ! 堑垡三! 篮唑 棚 n躲淼鹕肛卜m 有2 2 4 个波段( 0 4 2 4 5 “m ，波段间隔约1 0 n m ) ，可以捕捉到各种物质特征波长 的微小差异。光谱分辨率越高，专题研究的针对性越强，对物体的识别精度越高， 遥感应用分析的效果也就越好【l ”。但是面对大量多波段信息以及它所提供的这些 微小的差异，人们要直接地将它们与地物特征联系起来综合解译是比较困难的， 而多波段的数据分析，可以改善识别和提取信息特征的概率和精度。 分波段记录的遥感影像，可以构成一个多维向量空间，空间的维数就是采用 的波段数。图像上的一个像元，在各波段上均有一个光谱数值，因此在各波段的 图像数据( 亮度值) 就构成了一个多维向量，对应于多维向量空间上的一个点。 不同类型的地物形成不同类型的点集，这其实就是遥感影像分类和模式识别的基 础【2 0 - 2 2 。 这里要说明的是，多波段并非简单的越多越好，而要区别对待。波段分得越 细，各波段数据间的相关性可能越大，增加数据的冗余度，往往相邻波段区间内 的数据相互交叉、重复，而未必能达到预期的识别效果。同时，波段越多，数据 量越大，也给数据传输、处理和鉴别带来新的困难。因而，对于航天遥感，成本 比航空遥感高得多，往往要考虑多方受益，要有一定的应用范围，则遥感器光谱 分辨率的确定必须要综合考虑多种因素，通过大量实验数据，最后总结归纳而成。 ( 3 ) 时间分辨率( t e m p o r a lr e s o l u t i o n ) ) 是关于遥感影像间隔时间的一项性 能指标。遥感探测器按定的时间周期重复采集数据，这种重复周期( 又称回归 周期) 是由飞行器的轨道高度、轨道倾角、运行周期、轨道间隔、偏移系数等参 数所决定。这种重复观测的最小时间间隔称为时间分辨率。 时间分辨率的大小，除了主要决定于飞行器的回归周期外。还与遥感探测器 的设计等因索直接相关。例如法国s p o t 卫星虽也是极地轨道卫星，轨道高度 8 3 2 k m ，轨道倾角9 8 7 。，重复周期2 6 天，但s p o t h r v 遥感器具有倾斜观测能 力( i t 角2 7 。) ，这样便可以从不刷轨道上以不同的角度来观测地面上同点。因 而，地表特定地区的重复观测的时间间隔比其回归周期2 6 天大大缩短。在2 6 天 的周期内，中纬度地区可以观测约1 2 次，赤道可观测约7 次。纬度7 0 。处可观测 约2 8 次。根据遥感系统探测周期的长短可将时问分辨率划分为三种类型： a ) 超短或短周期时间分辨率。主要指气象卫星系列( 极轨和静止气象卫星) ， 以“小时”为单位，可用来反映一天以内的变化，探测大气海洋物理现象、突发 性灾窖监测( 地震、火山爆发、森林火灾等) 、污染源监测等b “”】。 b ) 中周期时间分辨率。主要指对地观测的资源环境卫星系列( l a n d s a t 、s p o t 、 e r s 、j e r s 、c b e r s 1 等) ，以“天”为单位，可以用来反映月、旬、年内的变化， 如探测植物的季相节律，捕捉某地域农时历关键时刻的遥感数据，以获取一定的 农学参数，进行作物估产与动态监测、农林牧等再生资源的调查、旱涝灾害监测、 气候学、大气、海洋动力学分柝等1 2 6 ”j 。 c ) 长周期时间分辨率。主要指较长时间间隔的各类遥感信息，用以反映以 “年”为单位的变化。如湖泊消长、河道迁徙、海岸进退、城市扩展、灾情调查、 资源变化等等。至于数百年、上千年的自然环境历史变迁，则需要参照历史考古 等信息研究遥感影像上留下的痕迹，寻找其周围环境因子的差异，以恢复当时的 古地理环境。 多时相遥感信息可以提供目标变量的动态变化信息。用于资源、环境、灾害 的监测、预报，并为更新数据库提供保证，还可以根据地物目标不同时期的不同 特征，提高目标识别能力和精度。 ( 4 ) 辐射分辨率( r a d i a n tr e s o l u t i o n ) 指遥感器对光谱信号强弱的敏感程度、 区分能力。任何图像目标的识别，最终依赖于探测目标和特征的亮度差异，前提 条件一是地面景物本身必须有充足的对比度( 指在一定波谱范国内亮度上的对比 度) ，二是遥感仪器必须有能力记录下这个对比度。因此在遥感调查中，仪器的灵 敏度以及地面目标与背景间存在的对比度总是至关重要的。辐射分辨率即探测器 的灵敏度遥感器感测元件在接收光谱信号时能分辨的最小辐射度差，或指对 两个不同辐射源的辐射量的分辨能力。一般用灰度的分级数来表示，即最暗一最 亮灰度值( 亮度值) 间分级的数目量化级数。它对于目标识别是一个很有意义的元 素。如l a n d s a tm s s ，起初以6 b i t s ( 取值范围o 6 3 ) 记录反射辐射值，经数掂处 理把其中3 个波段扩展到7b i t s ( 取值范围0 1 2 7 ) ，而l a n d s a t t m 的7 个波段中 有6 个波段在3 0 m 3 0 m 的空间分辨率内，其数据的记录为8b i t s ( 取值范围0 2 5 5 ) ，显然t m 比m s s 的辐射分辨率更高，图像的可检测能力得到了显著有效的 增强。 对于空间分辨率与辐射分辨率雨言。有一点是需要说明的。一般瞬时视场越 大，最小可分像素越大，空问分辨率越低；但是瞬时视场越大，光通量即瞬时获 得的入射能量越大。辐射测量越敏感，对微弱能量差异的检测能力越强，则辐射 分辨率越高。因此，空间分辨率的增大。将伴随辐射分辨率的降低。高空间分辨 率与高辐射分辨率难以两全。它们之间必须有个折衷。 1 1 1 3 影像处理 影像处理分为影像校正和影像增强，前者可以看作一种预处理阶段，后者是 为了突出影像中的某些特定信息而作的处理。 ( 1 ) 影像校正包括辐射校正和几何校正。利用遥感器观测目标物辐射或反射 的电磁能量时，从遥感器得到的测星值与目标物的光谱反射率或光谱辐射亮度等 物理量是不一致的遥感器本身的光电系统特征、太阳高度、地面形态及大气条 件等都会引起光谱亮度的失真。为了正确评价地物的反射特征及辐射特征必须 尽量消除这些失真。这种消除图像数据中依附在辐射亮度里的各种失真的过程称 为辐射校正。 完整的辐射校正包括遥感器校正、大气校f ，以及太阳高度和地形校正，其 中大气校正比较困难，因为大气校正要求关于获取图像时的大气条件。这些信息 一股都因时困地而异。应当指出的是，从逻辑上讲，精确的遥感影像辐射校正是 4 很难的。因此，辐射校正常被忽视，或者仅运用一些基于图像本身的技术进行部 分校准。实际应用中，许多遥感应用分析都只需要做相对的辐射校f ，而不是绝 对的辐射校正i i ”1 4 “”。 原始遥感影像通常包含严重的几何变形，一般分为系统性和非系统性的两大 类。系统性几何变形是有规律和可以预测的，因此可以应用模拟遥感平台及遥感 器内部变形的数学公式或模型来预测。比如扫描畸变，即扫描点由扫描线中心向 两侧增大，一般原始遥感影像中间压缩，两边拉伸，则根据遥感平台的位置、遥 感器的扫描范围、使用的投影类型，可以推算其图像不同位置像元的几何位移。 非系统性几何变形是不规律的，它可以是遥感器平台的高度、经纬度、速度和姿 态等的不稳定地球曲率及空气折射的变化等等，一般很难预测。几何校正的目 的就是要纠正这些系统及非系统性因索引起的图像变形，从而使之实现与标准图 像或地图的几何整合。图像的几何纠正需要根据图像中几何变形的性质、可用的 校f 数据和图像的应用目的，来确定合适的几何纠正方法。 一般用户所获得的初级产品已经根据卫星轨道公式进行了初步校正，但由于 遥感器的位置及姿态的测量精度都不会太高，所以这种校正的效果是很有限的。 进一步的几何校正需要首先选取一定数量的地面控制点( g c p ) ，然后应用多项式 校正模型进行坐标变换，最后采用合适的重采样方法建立新的图像矩阵。 ( 2 ) 影像校正为的是消除伴随数据获取过程中的误差及变形，使遥感器记录 的数据更接近于真实值，影像增强和变换则是为了突出相关的专题信息。提高图 像的视觉效果，使分析者能更容易地识别图像内容，从图像中提取更有用的定量 化信息。影像增强和变换通常都在图像校正和重建后进行，特别是必须要消除原 始图像中的各种噪音，否则分析者面对的只是各种增强的噪音。影像增强和变换 按其作用的空间一般分为光谱增强和空间增强两类。 a ) 光谱增强和变换对应于每个像元。与像元的空间排列和结构无关，因此 又称为点操作。它是对目标物的光谱特征一像元的对比度、波段间的亮度比进行 增强和转换，主要包括对比度增强、各种指标提取、光谱转换等。 b ) 空间增强主要集中于图像的空问特征。考虑每个像元及其周围像元亮度 之间的关系，从而使图像的空间几何特征如边缘、目标物的形状、大小、线性特 征等突出或者降低。具体方法包括各种空间滤波、傅里叶变换和比例空间的各种 变换，如小波变换等。 1 1 1 4 影像解译 遥感影像解译( i m a g e r yi n t e r p r e t a t i o n ) 是从遥感影像上获取目标地物信息的过 程1 4 , 5 1 。遥感影像解译分为两种：一种是目视解译，又称目视判读，或目视判译。 它指专业人员通过直接观察或借助辅助判读仪器在遥感影像上获取特定目标地物 信息的过程。尽管目视解译需要耗费惊人的人力、物力和时间，但直到现在，目 视解译的结果仍然被视为准确度最高的结果，常常作为计算机解译的参照数据。 另一种是遥感影像计算机解译，又称遥感影像理解，它以计算机系统为支撑环境， 利用模式识别技术与人工智能技术相结合，根据遥感影像中目标地物的各种影像 特征( 颜色、形状、纹理与空间位置) ，结合专家知识库中目标地物的解译经验和成 像规律等知识进行分析和推理，实现对遥感影像的理解，完成对遥感影像的解译。 遥感数字影像计算机解译的主要目的是将遥感影像的地学信息获取发展为计算机 支持下的遥感影像智能化识别，最终实现遥感影像理解，其核心工作是影像的计 算机分类。计算机遥感影像分类是统计模式识别技术在遥感领域中的具体应用， 关键在于提取待识剐模式的一组统计特征僮，然后按一定准贝i j 进行决策，从而对 数字影像予以识别分类。 图像分类总的目的是将图像中每个像元根据其在不同波段的光谱亮度、空间 结构特征或者其他信息，按照某种规则或算法划分为不同的类别。最简单的分类 是只利用不同波段的光谱亮度值进行单像元自动分类。另一种则不仅考虑像元的 光谱亮度值，还利用像元和其周围像元之间的空间关系，如图像纹理、特征大小、 形状、方向性、复杂性和结构，对像元进行分类。因此，它比单纯的单像元光谱 分类复杂，且计算量也大。对于多时段的图像时间变化而引起的光谱及空间特 征的变化也是非常有用的信息。如对农作物的分类中，单时段的图像无论其多少 波段，都较难区分不同作物，但是利用多时段信息，由于不同作物生长季节的差 别，则比较容易区分。另外，在分类中，也经常会利用一些来自地理信息系统或 其他来源的辅助层，比如在对城市土地利用分类中，往往会参考城市规划图、城 市人口密度图等等，以便于更精确地区分居住区和商业区。 遥感图像分类的主要依据是地物的光谱特征，即地物电磁波辐射的多波段测 量值，这些测量值可以作为遥感图像分类的原始特征变量。然而，就某些特定地 物的分类而言，多波段影像的原始亮度值并不能很好地表达类别特征，因此需要 对数字图像进行运算处理( 如比值处理、差值处理、主成分变换以及k t 变换等) ， 以寻找能有效描述地物类别特征的模式变量，然后利用这些特征变量对数字图像 进行分类。分类是对图像上每个像素按照亮度接近程度给出对应类别，以达到大 致区分遥感图像中多种地物的目的。 分类过程中采用的统计特征变量包括全局统计特征变量和局部统计特征。全 局统计特征交量是将整个数字图像作为研究对象。从整个图像中获取或进行变换 处理后获取变量，前者如地物的光谱特征，后者如对t m 的6 个波段数据进行k t 变换( 缨帽变换) 获得的亮度特征，利用这两个变量就可以对遥感图像进行植被分 类。局部统计特征变量是将数字图像分割成不同识别单元，在各个单元内分别抽 取的统计特征变量。例如，纹理是在某一图像的部分区域中，以近乎周期性或周 期性的种类、方式重复其自身局部基本模式的单元，因此可以利用矩作为特征对 纹理进行识别。 在很多情况下，利用少量特征就可以进行遥感图像的地学专题分类，因此需 要从遥感图像竹个特征中选取k 个特征作为分类依据( 这罩n k ) ，这一过程称为特 征提取。特征提取要求所选择的特征相对于其他特征更便于有效地分类，使图像 分类不必在高维特征空间里进行，其变量的选择需要根据经验和反复的实验来确 定。 统计特征变量可以构成特征空间，多波段遥感图像特征变量可以构成高维特 征空间。一般蜕来，高维特征空间数据量大，但这些信息中仅包含少量的样分类 信息。为了抽取这些最有效的信息，可以通过变换把高维特征空间所表达的信息 内容集中在一到几个变量图像上。主成分变换可以把互相存在相关性的原始多波 段遥感图像转换为相互独立的多波段新图像，雨且使原始遥感图像的绝大部分信 息集中在变换后的前几个组分构成的图像上，实现特征空间降维和压缩的目的。 根据分类过程中人工参与程度可以将计算机解译分为监督分类、非监督分类 以及两者结合的混合分类等。值得提到的是，在实际分类中，并不存在一个单一 “正确”的分类形式。选择哪种方法取决于图像的特征、应用要求和能利用的计 算机软硬件环境。 监督分类( s u p e r v i s e dc l a s s i f i c a t i o n ) ，又称训练分类法，即用被确认类别的样本 像元去识别其他未知类别像元的过程。已被确认类别的样本像元是指那些位于训 练区的像元。在这种分类中，分析者在图像上对每一种类别选取一定数量的训练 区，计算机计算每种训练样区的统计或其他信息，每个像元和训练样本作比较， 按照不同规则将其划分到和其最相似的样本类。 非监督分类( u n s u p e r v i s e dc l a s s i f i c a t i o n ) ，也称为聚类分析或点群分析。即在多 光谱图像中搜寻、定义其自然相似光谱集群组的过程。非监督分类不需要人工选 择训练样本，仅需极少的人工初始输入，计算机按一定规则自动地根据像元光谱 或空间等特征组成集群组，然后分析者将每个组和参考数据比较，将其划分到某 一类别中去。长期以来，已经发展了近百种不同的自然集群算法，如i s o d a l 阪、 链状方法等5 1 。 1 1 2 遥感在环境领域的应用 1 1 2 1 土地利用 覆盖的遥感 全球土地利用，土地覆被变化研究在可持续发展中占有重要地位。人们通过对 与土地有关的自然资源的利用活动，改变地球陆地表面的覆被状况，其影响不只 局限于当地，而远至于全球。加强自然与社会科学的综合研究，已成为众多学者 的共识，而土地利用土地覆被变化可以说是自然与人文过程交叉最为密切的问题， 所以“国际地圈与生物圈计划”( i g b p ) 和“全球环境变化人文计划”( h d p ) 将其列 为核项目之一【”。”。 针对土地利用土地覆被本身的变化，i g b p 和h d p 共同制定的土地利用 土地覆被变化科学研究计划中提出了三个研究重点【l ”j ： a ) 土地利用的变化机制。通过区域性个例的比较研究，分析影响土地使用 者或管理者改变土地利用，土地覆被变化经验模型： b ) 土地覆被的变化机制。主要通过遥感图像分析，了解过去2 0 年内土地覆 被的空间变化过程，并将其与驱动因子联系起来，建立解释土地覆被时空变化和 推断末来1 0 到2 0 年的土地覆被变化的经验性诊断模型； c ) 区域和全球模型。 在这三个研究重点中关于土地利用t 土地覆被变化的机制对于解释土地覆被的 时空变化和建立土地利用土地覆被的预测模型起到关键作用，是研究的焦点问题。 所以遥感技术也是全球土地覆被利用研究的关键技术b o g 。 借助遥感和地理信息系统手段建立的土地覆被空间变化模型，具有实时、空 间表达详尽和与全球环境变化的其它模型连接容易等优点。应用的核心是紧密结 合遥感和g i s 来建立各种尺度的“土地覆盖利用数据库”。通过对土地覆被变化的 遥感观测，结合土地利用变化的地面调查，可以建立驱动因子一土地利用土地覆 被变化的诊断模型及今后5 至2 0 年土地覆被变化的经验性预钡0 模型。联合国环境 署( u n e p ) 、美国、日本在土地利用土地覆被研究中都将遥感技术作为关键技术加 以采用。 1 1 2 2 植被遥感 植被在地球占有很大的比例，陆地表面的植被常是遥感观测和记录的第一表 层，是遥感图像反映的最直接的信息，也是人们研究的主要对象。作为地理环境 重要组成部分的植被，与一定的气候、地貌、土壤条件相适应，受多种因素控制， 对地理环境的依赖性最大，对其他因素的变化反映也最敏感。因此，人们往往可 以通过遥感所获得的植被信息的差异来分析那些图像上并非直接记录的隐含在植 被冠层以下的其他信息，如水土资源、蚀变带与矿藏、地质构造、自然历史环境 演变遗留的痕迹等3 3 , 1 2 0 , 1 2 8 】。 植物内部所含的色素、水分以及它的结构等控制着植物特殊的光谱响应。同 时，植被在生长发育的不同阶段( 从发芽一生长一衰老) ，从其内部成分结构到外 部形态特征均会发生一系列周期性的变化。这变化是以季节为循环周期的，故称 之为植物季相节律。植物季相节律从植物细胞的微观结构到植物群体的宏观结构 上均会有反映，致使植物单体或群体的物理光学特征也发生周期性变化，因此有 可能通过多光谱遥感信息获得植物及其变化的信息，直接监测植被长势、病虫害 状况以及进行森林、草场制图、生物量估算等多方面研究。 陆地植被是那些关系到人类生存的生物地球化学循环中的关键因子。例如全 球碳循环中陆地植被尤其是热带或北纬地区的陆地植被十分关键【1 0 ”。植被通过 光合作用吸收c 0 2 ，将碳短期储积在时内或较长期的储积在根部，这一过程对大 气中c 0 2 含量和同益严重的“温室效应”均是至关重要的。通过遥感可以观察植 被宏观变化，进一步分析影响这些变化的生态环境因子间的相互作用和整体效应， 从而可以对于那些对人类生存有特殊意义的生念区如热带雨林、半干旱区农牧交 错地带等进行变化监测和专题研究。 植物遥感研究由来已久，早期的研究主要集中在植物及土地覆盖类型的识别、 分类与专题制图等。随后，则致力于植物专题信息的提取与表达方式上，提出了 多种植被指数，并利用植被指数进行植被宏观监测以及生物量估算一包括作物估 产、森林蓄积量估算、草场蓄草量估算等。随着定量遥感的逐步深入，植被遥感 研究已向更加实用化、定量化方向发展，对以n d v i 为代表的植被指数的研究是 植被遥感的核心内容，已经提出的植被指数模型多达数十种1 0 5 , 1 0 7 , 1 2 9 , 1 3 1 。深入研 究植被指数与生物物理参数( 叶面积指数，叶绿素含量，植被覆盖度，生物量等) 植被指数与地表生态环境参数( 气温、降水、蒸发量、土壤水分等) 的关系，才 能提高植物遥感的精度，从而进一步探讨植被在地表物质能量交换中的作用。 1 1 2 3 水环境遥感 对水体来说，水的光谱特征主要是由水本身的物质缎成决定，同时又受到各 种水状态的影响。在可见光波段0 , 6 址m 之前，水的吸收少、反射率较低、大量透 射。其中，水面反射率约5 左右，并随着太阳高度角的变化呈3 1 0 不等的 变化；水体可见光反射包含水表面反射、水体底部物质反射及水中悬浮物质( 浮游 生物或叶绿素、泥沙及其他物质) 的反射3 方面的贡献。对于清水，在蓝一绿光波 段反射率4 5 ，0 6n m 以下的红光部分反射率降到2 3 ，在近红外、短波 红外部分几乎吸收全部的入射能量，因此水体在这两个波段的反射能量很小。这 一特征与植被和土壤光谱形成十分明显的差异，因而在红外波段识别水体是较容 易的。出于水在红外波段( n i r 、s w i r ) 的强吸收，水体的光学特征集中表现在 可见光在水体中的辐射传输过程。它包括界面的反射、折射、吸收、水中悬浮物 质的多次散射( 体散射特征) 等。这些过程及水体“最终”表现出的光谱特征又是由 多种因素决定的。包括水面的入射辐射、水的光学性质、表面粗糙度、日照角度 与观测角度、气水界面的相对折射率以及在某些情况下还涉及水底反射光等【6 0 l 。 在电磁波与水体相互作用的辐射传输过程中，到达水面的入射光包括太阳直 一光和天空散射光( 天空光) ，其中约3 5 被水面直接反射返回大气，形成水面散 射光。这种水面反射辐射带有少量水体本身的信息，它的强度与水面性质有关， 如表面粗糙度、水面浮游生物、水面冰层、泡沫带等；其余的光经折射、透射进 入水中，大部分被水分子所吸收和散射，以及被水中悬浮物质、浮游生物等所散 射、反射、衍射形成水中散射光，它的强度与水的混浊度相关，即与悬浮粒子的 浓度和大小有关( 随粒径相对于光辐射波长的大小，可以产生瑞利和米氏不同的散 射) 。水体混浊度愈大，水下散射光愈强，两者呈正相关；衰减后的水中散射光部 分到达水体底部( 固体物质) 形成底部反射光，它的强度与水深呈负相关，且随着水 体混浊度的增大，而减小。水中散射光的向上部分及浅海条件下的底部反射光共 同组成水中光或称离水反射辐射。水中光、水面反射光、天空散射光共同被空中 探测器所接收探测结果是波长、高度、入射角、观测角的函数，其中前两部分 9 包含有水的信息，因而可以通过高空遥感手段探测水中光和水面反射光，以获得 水色、水温、水面形态等信息，并由此推测有关浮游生物、混浊水、污水等的质 量和数量以及水面风、浪等有关信息【7 3 - 7 5 。 1 l 2 4 大气环境遥感 大气遥感是利用遥感器监测大气结构、状态及变化。大气遥感器除测量气温、 水蒸汽、大气中的微量成分气体、气溶胶等的三维分布以外，还用来进行风的测 量及地球辐射收支的测量等【4 9 。5 。影响大气环境质量的主要因素是气溶胶含量和 各种有害气体。这些物理量通常不可能用遥感手段直接识别。水汽、二氧化碳、 臭氧、甲烷等微量气体成分具有各自分予所固有的辐射和吸收光谱，所以实际上 是通过测量大气的散射、吸收及辐射的光谱而从其结果中推算出来的。通过对穿 过大气层的太阳( 月亮、星星) 的直射光，来自大气和云的散射光，来自地表的 反射光，以及来自大气和地表的热辐射进行吸收光谱分析或发射光谱分析，从而 测量它们的光谱特性来求出大气气体分子的密度。测量中所利用的电磁波的光谱 范围很宽，从紫外、可见、红外等光学领域一营扩展到微波、毫米波等无线电波 的领域。大气遥感器分为主动式和被动式，主动方式中有代表性的遥感器是激光 雷达，被动式遥感器有微波辐射计、热红外扫描仪等。 气溶胶是指悬浮在大气中的各种液态或固态微粒，通常所指的烟、雾、尘等 都是气溶胶。气溶胶本身是污染物，又是许多有毒、有害物质的携带者，它的分 布在一定程度上反映了大气污染的状况。对于大气污染，需定性或定量地发现大 气中的有害物质，可以用可调谐激光系统作主动探测，也可用多通道辐射计探测， 回为绝大部分空气污染分子的光谱都在2 - - 2 0 t t m 的红外波段、这些光谱可用作吸 收或辐射测量。测定气溶胶含量可采用多通道粒于计数器，它能反映出大气中气 溶胶的水平分布和垂直分布。利用遥感图像也呵分析大气气溶胶的分布和含量。 有害气体通常指人为或自然条件下产生的二氧化硫、氟化物、光化学烟雾等 对生物有机体有毒害的气体。有害气体通常不能在遥感图像上直接显示出来，只 能利用间接解译标志一植物对有害气体的敏感性来推断某地区大气污染的程度和 性质。除植物的颜色以外，还可通过植物的形态、纹理和动态标志加以综合判断1 5 “。 对城市环境而畜，城市热岛也是一种大气热污染现象。红外遥感图像能反映 地物辐射温度的差异，可为研究城市热岛提供依据。根据不同时相的遥感资料， 还可研究城市热岛的日变化和年变化规律【5 ”。总结城市热岛与下垫面性质的相关 关系，可从城市规划入手，制约那些形成城市热岛的因素，防止城市环境的进一 步恶化。对于地面污染，例如农田遭受污染之后，作物的生长将起特殊变化，地 下水的污染也会引起地面植被的变化，与正常生长区的作物有不同的光谱表现。 多光谱成像仪能监测这些变化、从而圈定地面污染分布范围，进一步对地面污染 作出预防规划p “。 o 1 2 2 5 灾害遥感监测 可持续发展要求任何社会经济活动不能以造成环境恶化为代价，如何有效地监 测、评估灾害的发生、发展及其危害成为当今一大难题。减灾和救灾中面临的主 要问题一是不能及时准确获取灾情现状和发展的信息，二是不同行政、管理部门 上报的灾情评估数据差异较大。针对洪涝、林火、雪灾和地震等突发性自然灾害 的特点，我国在“八五”期间建立了重大自然灾害遥感监测评估系统。该系统具 有信息量非常大、判断和反应的时间十分短促、精度高的特点自1 9 9 1 年以来成功 地对我国太湖流域、淮河、黄河、珠江等流域的多次灾害进行了监测，特别是1 9 9 5 年对江西都阳湖、湖南洞