基于神经网络和多源遥感数据的鄱阳湖湿地生物量反演研究

作者： 董磊  来源：中国科学院遥感应用研究所 年份：2009 文献类型 ：学位论文 关键词： 生物量  SAR  人工神经网络  鄱阳湖  MIMICS模型  湿地  反演 

描述：利用的人工神经网络模型和MIMICS冠层散射模型，最后基于改进后的算法模型利用多源遥感数据反演鄱阳湖湿地生物量，并制作了2007年湖区湿地生物量分布图。主要的研究内容和成果包括以下几个方面： 1.通过

全文：利用的人工神经网络模型和MIMICS冠层散射模型，最后基于改进后的算法模型利用多源遥感数据反演鄱阳湖湿地生物量，并制作了2007年湖区湿地生物量分布图。主要的研究内容和成果包括以下几个方面： 1.通过

基于神经网络和多源遥感数据的鄱阳湖湿地生物量反演研究

作者： 董磊  来源：中国科学院遥感应用研究所 年份：2009 文献类型 ：学位论文 关键词： 生物量  SAR  人工神经网络  鄱阳湖  MIMICS模型  湿地  反演 

描述：利用的人工神经网络模型和MIMICS冠层散射模型，最后基于改进后的算法模型利用多源遥感数据反演鄱阳湖湿地生物量，并制作了2007年湖区湿地生物量分布图。主要的研究内容和成果包括以下几个方面： 1.通过

全文：利用的人工神经网络模型和MIMICS冠层散射模型，最后基于改进后的算法模型利用多源遥感数据反演鄱阳湖湿地生物量，并制作了2007年湖区湿地生物量分布图。主要的研究内容和成果包括以下几个方面： 1.通过

基于神经网络和多源遥感数据的鄱阳湖湿地生物量反演研究

作者： 董磊  来源：中国科学院遥感应用研究所 年份：2009 文献类型 ：学位论文 关键词： 生物量  SAR  人工神经网络  鄱阳湖  MIMICS模型  湿地  反演 

描述：利用的人工神经网络模型和MIMICS冠层散射模型，最后基于改进后的算法模型利用多源遥感数据反演鄱阳湖湿地生物量，并制作了2007年湖区湿地生物量分布图。主要的研究内容和成果包括以下几个方面： 1.通过

全文：利用的人工神经网络模型和MIMICS冠层散射模型，最后基于改进后的算法模型利用多源遥感数据反演鄱阳湖湿地生物量，并制作了2007年湖区湿地生物量分布图。主要的研究内容和成果包括以下几个方面： 1.通过

基于神经网络和多源遥感数据的鄱阳湖湿地生物量反演研究

作者： 董磊  来源：中国科学院遥感应用研究所 年份：2009 文献类型 ：学位论文 关键词： 生物量  SAR  人工神经网络  鄱阳湖  MIMICS模型  湿地  反演 

描述：利用的人工神经网络模型和MIMICS冠层散射模型，最后基于改进后的算法模型利用多源遥感数据反演鄱阳湖湿地生物量，并制作了2007年湖区湿地生物量分布图。主要的研究内容和成果包括以下几个方面： 1.通过

全文：利用的人工神经网络模型和MIMICS冠层散射模型，最后基于改进后的算法模型利用多源遥感数据反演鄱阳湖湿地生物量，并制作了2007年湖区湿地生物量分布图。主要的研究内容和成果包括以下几个方面： 1.通过

鄱阳湖湿地植被的多源影像数据融合制图

作者： 纪卓娅  来源：武汉大学 年份：2009 文献类型 ：学位论文 关键词： Brovey变换  影像融合  植物群落  IHS变换 

描述：全球湿地资源由于人类的活动正以惊人的速度减少。比起高花费的野外调查，随着遥感科学以及地理信息系统的发展，基于监测植物群落的湿地管理变得更加有效率。然而，光学遥感不总是能够正确地区分出湿地植物群落。而且，湿地典型的潮湿性气候大大的降低了光学影像的质量并进一步减少了其在原本在发展中国家就难以获得的数量。作为一种解决方法，本文研究了光学影像与雷达影像的融合。这两种不同来源的影像数据中有着相互补充的信息。本文的目的就是研究两种不同的融合技术亮度，色相合饱和度（IHS）变换以及Brovey变换在区分确定湿地植物群落是否可行。 在影像数据融合之前，分别对光学影像ALOS以及ENVISAT雷达影像中的湿地植物群落（苔草，荻和狗牙根）进行最大释然法的监督分类。尽管有一些分类错误，ALOS影像的分类结果基本能够区分这三种植物群落（总体精度达到88.7%，kappa统计值达到0.86）。ALOS分类图中这三种植物群落围绕着湖呈现带状分布，但是难以看出苔草和荻哪一种更接近湖泊。在图中沙地非常清晰可见。虽然水体被归类的很准确，ENVISAT雷达影像的分类图几乎不能分辨出这三种植物群落的区别（总体精度75%，kappa0.66）。大部分的沙地都被错误的分类到水体类。用两种技术融合之后的影像分类都更加成功。在两幅融合分类图中，沙地和水体被完全的区分开来。在Brovey融合分类结果图中（总体精度达93.4%，kappa0.91），荻群落被绘制的比较分散而不是形成带状。但是苔草是最接近湖泊，跟着是荻和狗牙根的分布次序还是非常明显的。在IHS融合分类结果图中这三种植物群落被区分的非常好（总体精度94.4%，kappa0.93）。 不同传感器来源的影响融合，充分利用了相互补充的信息内容可以成功的对湿地植物群落进行制图。这种便宜而且高效监测湿地资源的方法的潜力是显而易见的。

全文：全球湿地资源由于人类的活动正以惊人的速度减少。比起高花费的野外调查，随着遥感科学以及地理信息系统的发展，基于监测植物群落的湿地管理变得更加有效率。然而，光学遥感不总是能够正确地区分出湿地植物群落。而且，湿地典型的潮湿性气候大大的降低了光学影像的质量并进一步减少了其在原本在发展中国家就难以获得的数量。作为一种解决方法，本文研究了光学影像与雷达影像的融合。这两种不同来源的影像数据中有着相互补充的信息。本文的目的就是研究两种不同的融合技术亮度，色相合饱和度（IHS）变换以及Brovey变换在区分确定湿地植物群落是否可行。 在影像数据融合之前，分别对光学影像ALOS以及ENVISAT雷达影像中的湿地植物群落（苔草，荻和狗牙根）进行最大释然法的监督分类。尽管有一些分类错误，ALOS影像的分类结果基本能够区分这三种植物群落（总体精度达到88.7%，kappa统计值达到0.86）。ALOS分类图中这三种植物群落围绕着湖呈现带状分布，但是难以看出苔草和荻哪一种更接近湖泊。在图中沙地非常清晰可见。虽然水体被归类的很准确，ENVISAT雷达影像的分类图几乎不能分辨出这三种植物群落的区别（总体精度75%，kappa0.66）。大部分的沙地都被错误的分类到水体类。用两种技术融合之后的影像分类都更加成功。在两幅融合分类图中，沙地和水体被完全的区分开来。在Brovey融合分类结果图中（总体精度达93.4%，kappa0.91），荻群落被绘制的比较分散而不是形成带状。但是苔草是最接近湖泊，跟着是荻和狗牙根的分布次序还是非常明显的。在IHS融合分类结果图中这三种植物群落被区分的非常好（总体精度94.4%，kappa0.93）。 不同传感器来源的影响融合，充分利用了相互补充的信息内容可以成功的对湿地植物群落进行制图。这种便宜而且高效监测湿地资源的方法的潜力是显而易见的。

鄱阳湖湿地植被的多源影像数据融合制图

作者： 纪卓娅  来源：武汉大学 年份：2009 文献类型 ：学位论文 关键词： Brovey变换  影像融合  植物群落  IHS变换 

描述：全球湿地资源由于人类的活动正以惊人的速度减少。比起高花费的野外调查，随着遥感科学以及地理信息系统的发展，基于监测植物群落的湿地管理变得更加有效率。然而，光学遥感不总是能够正确地区分出湿地植物群落。而且，湿地典型的潮湿性气候大大的降低了光学影像的质量并进一步减少了其在原本在发展中国家就难以获得的数量。作为一种解决方法，本文研究了光学影像与雷达影像的融合。这两种不同来源的影像数据中有着相互补充的信息。本文的目的就是研究两种不同的融合技术亮度，色相合饱和度（IHS）变换以及Brovey变换在区分确定湿地植物群落是否可行。 在影像数据融合之前，分别对光学影像ALOS以及ENVISAT雷达影像中的湿地植物群落（苔草，荻和狗牙根）进行最大释然法的监督分类。尽管有一些分类错误，ALOS影像的分类结果基本能够区分这三种植物群落（总体精度达到88.7%，kappa统计值达到0.86）。ALOS分类图中这三种植物群落围绕着湖呈现带状分布，但是难以看出苔草和荻哪一种更接近湖泊。在图中沙地非常清晰可见。虽然水体被归类的很准确，ENVISAT雷达影像的分类图几乎不能分辨出这三种植物群落的区别（总体精度75%，kappa0.66）。大部分的沙地都被错误的分类到水体类。用两种技术融合之后的影像分类都更加成功。在两幅融合分类图中，沙地和水体被完全的区分开来。在Brovey融合分类结果图中（总体精度达93.4%，kappa0.91），荻群落被绘制的比较分散而不是形成带状。但是苔草是最接近湖泊，跟着是荻和狗牙根的分布次序还是非常明显的。在IHS融合分类结果图中这三种植物群落被区分的非常好（总体精度94.4%，kappa0.93）。 不同传感器来源的影响融合，充分利用了相互补充的信息内容可以成功的对湿地植物群落进行制图。这种便宜而且高效监测湿地资源的方法的潜力是显而易见的。

全文：全球湿地资源由于人类的活动正以惊人的速度减少。比起高花费的野外调查，随着遥感科学以及地理信息系统的发展，基于监测植物群落的湿地管理变得更加有效率。然而，光学遥感不总是能够正确地区分出湿地植物群落。而且，湿地典型的潮湿性气候大大的降低了光学影像的质量并进一步减少了其在原本在发展中国家就难以获得的数量。作为一种解决方法，本文研究了光学影像与雷达影像的融合。这两种不同来源的影像数据中有着相互补充的信息。本文的目的就是研究两种不同的融合技术亮度，色相合饱和度（IHS）变换以及Brovey变换在区分确定湿地植物群落是否可行。 在影像数据融合之前，分别对光学影像ALOS以及ENVISAT雷达影像中的湿地植物群落（苔草，荻和狗牙根）进行最大释然法的监督分类。尽管有一些分类错误，ALOS影像的分类结果基本能够区分这三种植物群落（总体精度达到88.7%，kappa统计值达到0.86）。ALOS分类图中这三种植物群落围绕着湖呈现带状分布，但是难以看出苔草和荻哪一种更接近湖泊。在图中沙地非常清晰可见。虽然水体被归类的很准确，ENVISAT雷达影像的分类图几乎不能分辨出这三种植物群落的区别（总体精度75%，kappa0.66）。大部分的沙地都被错误的分类到水体类。用两种技术融合之后的影像分类都更加成功。在两幅融合分类图中，沙地和水体被完全的区分开来。在Brovey融合分类结果图中（总体精度达93.4%，kappa0.91），荻群落被绘制的比较分散而不是形成带状。但是苔草是最接近湖泊，跟着是荻和狗牙根的分布次序还是非常明显的。在IHS融合分类结果图中这三种植物群落被区分的非常好（总体精度94.4%，kappa0.93）。 不同传感器来源的影响融合，充分利用了相互补充的信息内容可以成功的对湿地植物群落进行制图。这种便宜而且高效监测湿地资源的方法的潜力是显而易见的。

鄱阳湖湿地植被的多源影像数据融合制图

作者： 纪卓娅  来源：武汉大学 年份：2009 文献类型 ：学位论文 关键词： Brovey变换  影像融合  植物群落  IHS变换 

描述：全球湿地资源由于人类的活动正以惊人的速度减少。比起高花费的野外调查，随着遥感科学以及地理信息系统的发展，基于监测植物群落的湿地管理变得更加有效率。然而，光学遥感不总是能够正确地区分出湿地植物群落。而且，湿地典型的潮湿性气候大大的降低了光学影像的质量并进一步减少了其在原本在发展中国家就难以获得的数量。作为一种解决方法，本文研究了光学影像与雷达影像的融合。这两种不同来源的影像数据中有着相互补充的信息。本文的目的就是研究两种不同的融合技术亮度，色相合饱和度（IHS）变换以及Brovey变换在区分确定湿地植物群落是否可行。 在影像数据融合之前，分别对光学影像ALOS以及ENVISAT雷达影像中的湿地植物群落（苔草，荻和狗牙根）进行最大释然法的监督分类。尽管有一些分类错误，ALOS影像的分类结果基本能够区分这三种植物群落（总体精度达到88.7%，kappa统计值达到0.86）。ALOS分类图中这三种植物群落围绕着湖呈现带状分布，但是难以看出苔草和荻哪一种更接近湖泊。在图中沙地非常清晰可见。虽然水体被归类的很准确，ENVISAT雷达影像的分类图几乎不能分辨出这三种植物群落的区别（总体精度75%，kappa0.66）。大部分的沙地都被错误的分类到水体类。用两种技术融合之后的影像分类都更加成功。在两幅融合分类图中，沙地和水体被完全的区分开来。在Brovey融合分类结果图中（总体精度达93.4%，kappa0.91），荻群落被绘制的比较分散而不是形成带状。但是苔草是最接近湖泊，跟着是荻和狗牙根的分布次序还是非常明显的。在IHS融合分类结果图中这三种植物群落被区分的非常好（总体精度94.4%，kappa0.93）。 不同传感器来源的影响融合，充分利用了相互补充的信息内容可以成功的对湿地植物群落进行制图。这种便宜而且高效监测湿地资源的方法的潜力是显而易见的。

全文：全球湿地资源由于人类的活动正以惊人的速度减少。比起高花费的野外调查，随着遥感科学以及地理信息系统的发展，基于监测植物群落的湿地管理变得更加有效率。然而，光学遥感不总是能够正确地区分出湿地植物群落。而且，湿地典型的潮湿性气候大大的降低了光学影像的质量并进一步减少了其在原本在发展中国家就难以获得的数量。作为一种解决方法，本文研究了光学影像与雷达影像的融合。这两种不同来源的影像数据中有着相互补充的信息。本文的目的就是研究两种不同的融合技术亮度，色相合饱和度（IHS）变换以及Brovey变换在区分确定湿地植物群落是否可行。 在影像数据融合之前，分别对光学影像ALOS以及ENVISAT雷达影像中的湿地植物群落（苔草，荻和狗牙根）进行最大释然法的监督分类。尽管有一些分类错误，ALOS影像的分类结果基本能够区分这三种植物群落（总体精度达到88.7%，kappa统计值达到0.86）。ALOS分类图中这三种植物群落围绕着湖呈现带状分布，但是难以看出苔草和荻哪一种更接近湖泊。在图中沙地非常清晰可见。虽然水体被归类的很准确，ENVISAT雷达影像的分类图几乎不能分辨出这三种植物群落的区别（总体精度75%，kappa0.66）。大部分的沙地都被错误的分类到水体类。用两种技术融合之后的影像分类都更加成功。在两幅融合分类图中，沙地和水体被完全的区分开来。在Brovey融合分类结果图中（总体精度达93.4%，kappa0.91），荻群落被绘制的比较分散而不是形成带状。但是苔草是最接近湖泊，跟着是荻和狗牙根的分布次序还是非常明显的。在IHS融合分类结果图中这三种植物群落被区分的非常好（总体精度94.4%，kappa0.93）。 不同传感器来源的影响融合，充分利用了相互补充的信息内容可以成功的对湿地植物群落进行制图。这种便宜而且高效监测湿地资源的方法的潜力是显而易见的。

鄱阳湖湿地植被的多源影像数据融合制图

作者： 纪卓娅  来源：武汉大学 年份：2009 文献类型 ：学位论文 关键词： Brovey变换  影像融合  植物群落  IHS变换 

描述：全球湿地资源由于人类的活动正以惊人的速度减少。比起高花费的野外调查，随着遥感科学以及地理信息系统的发展，基于监测植物群落的湿地管理变得更加有效率。然而，光学遥感不总是能够正确地区分出湿地植物群落。而且，湿地典型的潮湿性气候大大的降低了光学影像的质量并进一步减少了其在原本在发展中国家就难以获得的数量。作为一种解决方法，本文研究了光学影像与雷达影像的融合。这两种不同来源的影像数据中有着相互补充的信息。本文的目的就是研究两种不同的融合技术亮度，色相合饱和度（IHS）变换以及Brovey变换在区分确定湿地植物群落是否可行。 在影像数据融合之前，分别对光学影像ALOS以及ENVISAT雷达影像中的湿地植物群落（苔草，荻和狗牙根）进行最大释然法的监督分类。尽管有一些分类错误，ALOS影像的分类结果基本能够区分这三种植物群落（总体精度达到88.7%，kappa统计值达到0.86）。ALOS分类图中这三种植物群落围绕着湖呈现带状分布，但是难以看出苔草和荻哪一种更接近湖泊。在图中沙地非常清晰可见。虽然水体被归类的很准确，ENVISAT雷达影像的分类图几乎不能分辨出这三种植物群落的区别（总体精度75%，kappa0.66）。大部分的沙地都被错误的分类到水体类。用两种技术融合之后的影像分类都更加成功。在两幅融合分类图中，沙地和水体被完全的区分开来。在Brovey融合分类结果图中（总体精度达93.4%，kappa0.91），荻群落被绘制的比较分散而不是形成带状。但是苔草是最接近湖泊，跟着是荻和狗牙根的分布次序还是非常明显的。在IHS融合分类结果图中这三种植物群落被区分的非常好（总体精度94.4%，kappa0.93）。 不同传感器来源的影响融合，充分利用了相互补充的信息内容可以成功的对湿地植物群落进行制图。这种便宜而且高效监测湿地资源的方法的潜力是显而易见的。

全文：全球湿地资源由于人类的活动正以惊人的速度减少。比起高花费的野外调查，随着遥感科学以及地理信息系统的发展，基于监测植物群落的湿地管理变得更加有效率。然而，光学遥感不总是能够正确地区分出湿地植物群落。而且，湿地典型的潮湿性气候大大的降低了光学影像的质量并进一步减少了其在原本在发展中国家就难以获得的数量。作为一种解决方法，本文研究了光学影像与雷达影像的融合。这两种不同来源的影像数据中有着相互补充的信息。本文的目的就是研究两种不同的融合技术亮度，色相合饱和度（IHS）变换以及Brovey变换在区分确定湿地植物群落是否可行。 在影像数据融合之前，分别对光学影像ALOS以及ENVISAT雷达影像中的湿地植物群落（苔草，荻和狗牙根）进行最大释然法的监督分类。尽管有一些分类错误，ALOS影像的分类结果基本能够区分这三种植物群落（总体精度达到88.7%，kappa统计值达到0.86）。ALOS分类图中这三种植物群落围绕着湖呈现带状分布，但是难以看出苔草和荻哪一种更接近湖泊。在图中沙地非常清晰可见。虽然水体被归类的很准确，ENVISAT雷达影像的分类图几乎不能分辨出这三种植物群落的区别（总体精度75%，kappa0.66）。大部分的沙地都被错误的分类到水体类。用两种技术融合之后的影像分类都更加成功。在两幅融合分类图中，沙地和水体被完全的区分开来。在Brovey融合分类结果图中（总体精度达93.4%，kappa0.91），荻群落被绘制的比较分散而不是形成带状。但是苔草是最接近湖泊，跟着是荻和狗牙根的分布次序还是非常明显的。在IHS融合分类结果图中这三种植物群落被区分的非常好（总体精度94.4%，kappa0.93）。 不同传感器来源的影响融合，充分利用了相互补充的信息内容可以成功的对湿地植物群落进行制图。这种便宜而且高效监测湿地资源的方法的潜力是显而易见的。

鄱阳湖湿地植被的多源影像数据融合制图

作者： 纪卓娅  来源：武汉大学 年份：2009 文献类型 ：学位论文 关键词： Brovey变换  影像融合  植物群落  IHS变换 

描述：全球湿地资源由于人类的活动正以惊人的速度减少。比起高花费的野外调查，随着遥感科学以及地理信息系统的发展，基于监测植物群落的湿地管理变得更加有效率。然而，光学遥感不总是能够正确地区分出湿地植物群落。而且，湿地典型的潮湿性气候大大的降低了光学影像的质量并进一步减少了其在原本在发展中国家就难以获得的数量。作为一种解决方法，本文研究了光学影像与雷达影像的融合。这两种不同来源的影像数据中有着相互补充的信息。本文的目的就是研究两种不同的融合技术亮度，色相合饱和度（IHS）变换以及Brovey变换在区分确定湿地植物群落是否可行。 在影像数据融合之前，分别对光学影像ALOS以及ENVISAT雷达影像中的湿地植物群落（苔草，荻和狗牙根）进行最大释然法的监督分类。尽管有一些分类错误，ALOS影像的分类结果基本能够区分这三种植物群落（总体精度达到88.7%，kappa统计值达到0.86）。ALOS分类图中这三种植物群落围绕着湖呈现带状分布，但是难以看出苔草和荻哪一种更接近湖泊。在图中沙地非常清晰可见。虽然水体被归类的很准确，ENVISAT雷达影像的分类图几乎不能分辨出这三种植物群落的区别（总体精度75%，kappa0.66）。大部分的沙地都被错误的分类到水体类。用两种技术融合之后的影像分类都更加成功。在两幅融合分类图中，沙地和水体被完全的区分开来。在Brovey融合分类结果图中（总体精度达93.4%，kappa0.91），荻群落被绘制的比较分散而不是形成带状。但是苔草是最接近湖泊，跟着是荻和狗牙根的分布次序还是非常明显的。在IHS融合分类结果图中这三种植物群落被区分的非常好（总体精度94.4%，kappa0.93）。 不同传感器来源的影响融合，充分利用了相互补充的信息内容可以成功的对湿地植物群落进行制图。这种便宜而且高效监测湿地资源的方法的潜力是显而易见的。

全文：全球湿地资源由于人类的活动正以惊人的速度减少。比起高花费的野外调查，随着遥感科学以及地理信息系统的发展，基于监测植物群落的湿地管理变得更加有效率。然而，光学遥感不总是能够正确地区分出湿地植物群落。而且，湿地典型的潮湿性气候大大的降低了光学影像的质量并进一步减少了其在原本在发展中国家就难以获得的数量。作为一种解决方法，本文研究了光学影像与雷达影像的融合。这两种不同来源的影像数据中有着相互补充的信息。本文的目的就是研究两种不同的融合技术亮度，色相合饱和度（IHS）变换以及Brovey变换在区分确定湿地植物群落是否可行。 在影像数据融合之前，分别对光学影像ALOS以及ENVISAT雷达影像中的湿地植物群落（苔草，荻和狗牙根）进行最大释然法的监督分类。尽管有一些分类错误，ALOS影像的分类结果基本能够区分这三种植物群落（总体精度达到88.7%，kappa统计值达到0.86）。ALOS分类图中这三种植物群落围绕着湖呈现带状分布，但是难以看出苔草和荻哪一种更接近湖泊。在图中沙地非常清晰可见。虽然水体被归类的很准确，ENVISAT雷达影像的分类图几乎不能分辨出这三种植物群落的区别（总体精度75%，kappa0.66）。大部分的沙地都被错误的分类到水体类。用两种技术融合之后的影像分类都更加成功。在两幅融合分类图中，沙地和水体被完全的区分开来。在Brovey融合分类结果图中（总体精度达93.4%，kappa0.91），荻群落被绘制的比较分散而不是形成带状。但是苔草是最接近湖泊，跟着是荻和狗牙根的分布次序还是非常明显的。在IHS融合分类结果图中这三种植物群落被区分的非常好（总体精度94.4%，kappa0.93）。 不同传感器来源的影响融合，充分利用了相互补充的信息内容可以成功的对湿地植物群落进行制图。这种便宜而且高效监测湿地资源的方法的潜力是显而易见的。

鄱阳湖湿地植被的多源影像数据融合制图

作者： 纪卓娅  来源：武汉大学 年份：2009 文献类型 ：学位论文 关键词： Brovey变换  影像融合  植物群落  IHS变换 

描述：全球湿地资源由于人类的活动正以惊人的速度减少。比起高花费的野外调查，随着遥感科学以及地理信息系统的发展，基于监测植物群落的湿地管理变得更加有效率。然而，光学遥感不总是能够正确地区分出湿地植物群落。而且，湿地典型的潮湿性气候大大的降低了光学影像的质量并进一步减少了其在原本在发展中国家就难以获得的数量。作为一种解决方法，本文研究了光学影像与雷达影像的融合。这两种不同来源的影像数据中有着相互补充的信息。本文的目的就是研究两种不同的融合技术亮度，色相合饱和度（IHS）变换以及Brovey变换在区分确定湿地植物群落是否可行。 在影像数据融合之前，分别对光学影像ALOS以及ENVISAT雷达影像中的湿地植物群落（苔草，荻和狗牙根）进行最大释然法的监督分类。尽管有一些分类错误，ALOS影像的分类结果基本能够区分这三种植物群落（总体精度达到88.7%，kappa统计值达到0.86）。ALOS分类图中这三种植物群落围绕着湖呈现带状分布，但是难以看出苔草和荻哪一种更接近湖泊。在图中沙地非常清晰可见。虽然水体被归类的很准确，ENVISAT雷达影像的分类图几乎不能分辨出这三种植物群落的区别（总体精度75%，kappa0.66）。大部分的沙地都被错误的分类到水体类。用两种技术融合之后的影像分类都更加成功。在两幅融合分类图中，沙地和水体被完全的区分开来。在Brovey融合分类结果图中（总体精度达93.4%，kappa0.91），荻群落被绘制的比较分散而不是形成带状。但是苔草是最接近湖泊，跟着是荻和狗牙根的分布次序还是非常明显的。在IHS融合分类结果图中这三种植物群落被区分的非常好（总体精度94.4%，kappa0.93）。 不同传感器来源的影响融合，充分利用了相互补充的信息内容可以成功的对湿地植物群落进行制图。这种便宜而且高效监测湿地资源的方法的潜力是显而易见的。

全文：全球湿地资源由于人类的活动正以惊人的速度减少。比起高花费的野外调查，随着遥感科学以及地理信息系统的发展，基于监测植物群落的湿地管理变得更加有效率。然而，光学遥感不总是能够正确地区分出湿地植物群落。而且，湿地典型的潮湿性气候大大的降低了光学影像的质量并进一步减少了其在原本在发展中国家就难以获得的数量。作为一种解决方法，本文研究了光学影像与雷达影像的融合。这两种不同来源的影像数据中有着相互补充的信息。本文的目的就是研究两种不同的融合技术亮度，色相合饱和度（IHS）变换以及Brovey变换在区分确定湿地植物群落是否可行。 在影像数据融合之前，分别对光学影像ALOS以及ENVISAT雷达影像中的湿地植物群落（苔草，荻和狗牙根）进行最大释然法的监督分类。尽管有一些分类错误，ALOS影像的分类结果基本能够区分这三种植物群落（总体精度达到88.7%，kappa统计值达到0.86）。ALOS分类图中这三种植物群落围绕着湖呈现带状分布，但是难以看出苔草和荻哪一种更接近湖泊。在图中沙地非常清晰可见。虽然水体被归类的很准确，ENVISAT雷达影像的分类图几乎不能分辨出这三种植物群落的区别（总体精度75%，kappa0.66）。大部分的沙地都被错误的分类到水体类。用两种技术融合之后的影像分类都更加成功。在两幅融合分类图中，沙地和水体被完全的区分开来。在Brovey融合分类结果图中（总体精度达93.4%，kappa0.91），荻群落被绘制的比较分散而不是形成带状。但是苔草是最接近湖泊，跟着是荻和狗牙根的分布次序还是非常明显的。在IHS融合分类结果图中这三种植物群落被区分的非常好（总体精度94.4%，kappa0.93）。 不同传感器来源的影响融合，充分利用了相互补充的信息内容可以成功的对湿地植物群落进行制图。这种便宜而且高效监测湿地资源的方法的潜力是显而易见的。