【作者】 周学林
【关键词】 湿地植被 高光谱遥感 鄱阳湖 影像融合 光谱特征
【导师姓名】樊哲文;刘小生
【学位名称】硕士
【学位年度】2012
【授予单位】江西理工大学
【分类号】 Q948.1;|TP751
【录入时间】2017-05-14
【全文传递】获取全文
【摘要】遥感技术用于湿地植被识别、分类等湿地植被监测领域的研究很多,基于多光谱遥感影像的大量研究取得了较好的成果。但传统的多光谱数据通常仅有几条特定的光谱通道,且其光谱分辨率较低。然而,反映物质差别的特征光谱的吸收峰或反射峰的宽度一般在5-50nm 左右,且越精细的物质分类就需要越高的光谱分辨率。当前研究人员对湿地植物的高光谱特性还未进行充分的地面研究,还没有一个完善的湿地植物光谱库可以用于遥感识别。其次,单一的遥感数据不能完全反映地物信息,高空间分辨率遥感影像空间分辨率高,但其光谱信息有限；高光谱遥感影像的光谱分辨率高,但其地面分辨率有限,且较容易受到大气的影响,不能精确识别出地物的面积等信息,利用多源遥感数据及融合影像,可实现不同遥感信息源间的信息互补,以提取出更多的信息,使解译的精度得到改善,并提高利用率和可靠性。 本研究利用获得的鄱阳湖区多种遥感数据,在“3S”技术的支撑下,与地面观测数据综合处理分析相结合,对鄱阳湖湿地植被分布的类型、面积、分布情况等进行调查、分析和研究,从而为湿地资源的分布提供本底资料数据,为研究和管理鄱阳湖湿地提供多层次信息及科学的分析,为湿地生态环境的保护和合理利用、鄱阳湖湿地植被遥感调查、遥感分类及遥感制图提供科学依据。 论文首先对采集的地面植被光谱反射数据进行处理、分析,并建立湿地植被光谱数据库,在此基础上选择合适的高光谱遥感数据和高空间分辨率遥感数据。对遥感数据进行预处理后,按照感兴趣区的范围裁剪适合的研究区,分别就高光谱影像和高光谱与高空间分辨率的融合影像进行植被分类。其中高光谱影像的植被分类采用SAM、ISODATA、以及SAM+ISODATA 结合的分类法进行分类；融合影像首先综合分析研究出最优的融合法,并对该融合法采用高光谱影像的植被分类法进行植被分类。通过研究,得出如下结论。 (1) 研究的7种植物光谱特征符合植被光谱的特征,相对较容易区分,在部分波长范围内虉草和南荻的光谱特征曲线出现混淆。植被光谱的二阶导数特征可在7个最佳波段：685.8nm,692.4nm,698.6nm,704.3nm,737.5nm,746.2nm,957.1nm识别研究的植被。 (2) 高光谱影像分类中SAM分类法的解译精度略高于ISODATA分类法的解译精度。就影像解译出的植被类型而言,SAM分类法能识别出4种,而ISODATA分类法仅能识别出3种。就单一解译出的植被类型而言,不同的分类法识别出的植被的精度略有差异,总体上虉草的分类精度最高,南荻其次。 (3) 高光谱与高分辨率影像融合所采用的三种融合方法中,小波变换的融合质量最佳,Gram-Schmidt融合法最低。对于单波段而言,主成分分析对于影像的第53号波段融合质量最佳,而小波变换对于第85波段和108波段的融合质量最佳。 (4) 基于高光谱与高空间分辨率影像的融合影像的植被分类精度和识别出的植被种类均高于基于高光谱遥感影像的植被分类精度和识别出的植被种类；融合影像的分类精度有86.75%、识别出植被种类有6种；而高光谱影像的分类精度为79.12%、识别出植被种类有4种。...
【全文】遥感技术用于湿地植被识别、分类等湿地植被监测领域的研究很多,基于多光谱遥感影像的大量研究取得了较好的成果。但传统的多光谱数据通常仅有几条特定的光谱通道,且其光谱分辨率较低。然而,反映物质差别的特征光谱的吸收峰或反射峰的宽度一般在5-50nm 左右,且越精细的物质分类就需要越高的光谱分辨率。当前研究人员对湿地植物的高光谱特性还未进行充分的地面研究,还没有一个完善的湿地植物光谱库可以用于遥感识别。其次,单一的遥感数据不能完全反映地物信息,高空间分辨率遥感影像空间分辨率高,但其光谱信息有限；高光谱遥感影像的光谱分辨率高,但其地面分辨率有限,且较容易受到大气的影响,不能精确识别出地物的面积等信息,利用多源遥感数据及融合影像,可实现不同遥感信息源间的信息互补,以提取出更多的信息,使解译的精度得到改善,并提高利用率和可靠性。 本研究利用获得的鄱阳湖区多种遥感数据,在“3S”技术的支撑下,与地面观测数据综合处理分析相结合,对鄱阳湖湿地植被分布的类型、面积、分布情况等进行调查、分析和研究,从而为湿地资源的分布提供本底资料数据,为研究和管理鄱阳湖湿地提供多层次信息及科学的分析,为湿地生态环境的保护和合理利用、鄱阳湖湿地植被遥感调查、遥感分类及遥感制图提供科学依据。 论文首先对采集的地面植被光谱反射数据进行处理、分析,并建立湿地植被光谱数据库,在此基础上选择合适的高光谱遥感数据和高空间分辨率遥感数据。对遥感数据进行预处理后,按照感兴趣区的范围裁剪适合的研究区,分别就高光谱影像和高光谱与高空间分辨率的融合影像进行植被分类。其中高光谱影像的植被分类采用SAM、ISODATA、以及SAM+ISODATA 结合的分类法进行分类；融合影像首先综合分析研究出最优的融合法,并对该融合法采用高光谱影像的植被分类法进行植被分类。通过研究,得出如下结论。 (1) 研究的7种植物光谱特征符合植被光谱的特征,相对较容易区分,在部分波长范围内虉草和南荻的光谱特征曲线出现混淆。植被光谱的二阶导数特征可在7个最佳波段：685.8nm,692.4nm,698.6nm,704.3nm,737.5nm,746.2nm,957.1nm识别研究的植被。 (2) 高光谱影像分类中SAM分类法的解译精度略高于ISODATA分类法的解译精度。就影像解译出的植被类型而言,SAM分类法能识别出4种,而ISODATA分类法仅能识别出3种。就单一解译出的植被类型而言,不同的分类法识别出的植被的精度略有差异,总体上虉草的分类精度最高,南荻其次。 (3) 高光谱与高分辨率影像融合所采用的三种融合方法中,小波变换的融合质量最佳,Gram-Schmidt融合法最低。对于单波段而言,主成分分析对于影像的第53号波段融合质量最佳,而小波变换对于第85波段和108波段的融合质量最佳。 (4) 基于高光谱与高空间分辨率影像的融合影像的植被分类精度和识别出的植被种类均高于基于高光谱遥感影像的植被分类精度和识别出的植被种类；融合影像的分类精度有86.75%、识别出植被种类有6种；而高光谱影像的分类精度为79.12%、识别出植被种类有4种。