森林开采动态监测

森林开采的遥感动态监测首先介绍一下什么是遥感动态监测，就是从不同时间或在不同条件下获取的遥感图像中，识别和量化地表类型的变化、空间分布状况和变化量的过程。地表的信息变化一般有两种情况（我是搞海洋的，不介绍海洋方面的，只介绍陆地表面的变化）：一种是转化（这种我的理解是一种土地覆盖类型与另一种土地覆盖类型的转化，如草地变成农田，森林转变为农场-这里介绍以下“土地覆盖”和“土地利用”，就拿植被来讲，在土地覆盖中只分出各种植被类型，而在土地利用中的森林必须分出“防护林”、“建筑用林”、“城市绿化环保”等几种），一种是改变（像是森林的密度改变，或者是农田由于各种状况而引起的变化，这种是本质没有发生变化）。遥感动态监测大致分为三个步骤：数据预处理变化信息检测变化信息提取（因为非专业人员并不懂我们所做的工作，我们只有想干旱图或降水量图等一系列的专题图一样）反正最终的结果就是出来专题图数据预处理方面：需要考虑不同时相的遥感数据不同的因素，我就能想起来这些，传感器类型的差异（这个一般不用考虑，咱们的数据有限），最重要的是时相的差异而引起的扫描时的天气状况、传感器的观测角的影响（主要是对地形的影响），图像的各种分辨率的影响（是否需要重采样），配准的程度，其中最重要的是时相的差异和配准的程度，其实在本科期间咱们也没有考虑大气等其他因素的影响，我们做的时候主要是一种传感器的图像数据，要是不一样，就必须进行重采样，进行完上一步后，下一步一般是看看不同时相的数据的直方图，若是两幅图像的直方图都比较好，则直接进行“直方图匹配”（因为直方图匹配的过程就是两幅图像的不同大气状况、传感器观测角的影响和天气状况的不同引起的本来没有变得区域要是不进行直方图匹配的话，就就会误认为是变化的-即两幅图像的亮度值中值，标准差等都不同，会引起差错，），但是要是一幅图像的直方图比较“瘦,高”或是有，则需先进行“直方图均衡化或是直方图正态化”，一般的数据都进行过预处理（咱们的数据一般都是二级的），再进行直方图匹配，因为直接进行直方图匹配好像是很难的（我记得有一次我做就不行），直方图方面的处理最终的结果使不同时相的数据的直方图基本成同一种形状，影像数据的各种数学统计值基本是相同的。下一步是不同时相数据的高精度配准，有相对配准和绝对配准两种，到这一步最好是相对配准（因为后面有一步应该是和矢量图的叠合，做成专题图的时候，还要和矢量图进行匹配，所以这一步进行绝对配准我感觉是没有必要的），相对配准也就是实现image到image的几何校正。进行完几何校正后，基本上前期的数据预处理已完成。将变化信息从遥感影像中检测出来方面：方法有很多种。以前在一本书上见过，加上今年考研期间上的王萍老师的遥感地学分析中也讲了一些。1.直接比较法 最常见的方法，蒋经过配准的遥感影像中像元值直接进行运算或变换处理，找出变化的区域。a图像比值或差值法因为具体的说就是未变化的在差值影像上相减值是趋向于零，也就是得出的像元亮度值是+0.005（这个只是假设值），而在比值影响上是趋向于一也就是像元亮度值是1+0.005（和上面一样这些值都是一个假设，具体值应该结合影像的统计值），当然可以进行直接的图像运算（在ENVI中的基本工具_basic tools菜单中用band math功能，在ERDAS中的 interpreter/utilities/operators功能均可实现），当然也可以先做各种指数，再对指数进行运算，例如森林开采的动态监测中可以先做两年的植被指数（NDVI或EVI）再对植被指数进行运算。b.光谱特征变异法同一地物反映在一时相图像上的信息与其反映在另一时相图像上的光谱信息是一一对应的，当将不同时相的图像进行融合时，如同一地物在两者上的信息表现不一致，那融合的图像中此地物的光谱就表现的与正常地物的光谱有所差别（不过得对比原来的两时相的影像数据），这一般是变化的区域。c假彩色合成主要是抓住了当地物发生变化，相同的传感器获得的同一地区的不同时相的影像在图像灰度值方面上表现出很大的差异，所以进行假彩色合成后会表现出来，具体方法好像是将其中一个时相的一个波段付给红色通道，将另一时相的数据的与前一时相的同一个波段分别付给蓝光和绿光通道，形成假彩色，这样变换后好像是发生变化的区域呈现红色（具体什么颜色忘了）其他方法还有很多，想不起来了，当然还有分类后比较，直接分类。变化信息提取方面：我们当时在王萍老师的实习课上是用的手工数字化，将变化的信息提取出来，我们当时用的ArcGIS中的重分类方法（不过老师说不允许用）还有用各种分类方法，反正最终是制成伪彩色图像。下一步一般是密度分割，划分出等级，紧接着是和矢量图叠合，因为只做出一幅变化图像，别人不知道这是哪，光给人经纬度，我