洞庭湖濕地變化信息檢測(cè)與提取技術(shù)研究.pdf

1、濕地是水陸系統(tǒng)相互作用形成的自然綜合體，有著豐富的自然資源與獨(dú)特的生態(tài)價(jià)值。由于影像數(shù)據(jù)源、分類算法、濕地類型波譜易混淆等多種因素影響，目視解譯效率低下，定量化程度不高，因此濕地遙感變化信息檢測(cè)并識(shí)別一直都是遙感動(dòng)態(tài)監(jiān)測(cè)的技術(shù)難點(diǎn)之一。
　　本文以東洞庭湖為研究區(qū)，探索GF-1遙感影像對(duì)濕地資源變化信息檢測(cè)的最優(yōu)算法，通過標(biāo)準(zhǔn)差、信息熵以及最佳指數(shù)(OIF，Optimum Index Factor)，分析GF-1遙感影像適用于濕地

2、變化信息提取的最佳波段組合;利用偽不變特征點(diǎn)（PIF，Pseudo Invariant Feature）方法對(duì)不同時(shí)期的影像進(jìn)行相對(duì)輻射校正;選取歸一化植被指數(shù)(NDVI，Normalized Differential Vegetation Index)、第一主分量以及GF-1影像的四個(gè)波段，運(yùn)用圖像差值算法、圖像比值算法、分類后比較算法進(jìn)行兩期影像變化信息檢測(cè)，找出適合濕地植被類型的最優(yōu)檢測(cè)算法;結(jié)合影像特征，分別進(jìn)行單一尺度規(guī)則分類

3、、分層分類以及監(jiān)督分類，找出適合濕地變化信息提取的最優(yōu)算法;利用C＃編程語言構(gòu)建框架，結(jié)合ArcEngine開發(fā)組件與IDL(Interface Description Language)語言整合變化信息檢測(cè)過程中的算法，對(duì)GF-1數(shù)據(jù)實(shí)現(xiàn)一鍵式處理，快速提取濕地變化信息。主要研究結(jié)果如下:
　　(1)研究綜合考慮光譜特征與信息量大小，通過標(biāo)準(zhǔn)差、信息熵、最佳指數(shù)3個(gè)定量評(píng)價(jià)指標(biāo)判斷，確定GF-1遙感影像最佳波段組合為432組合。

4、
　　(2)基于偽不變的特征點(diǎn)方法進(jìn)行影像的相對(duì)輻射校正，提高了變化檢測(cè)的精度。對(duì)多時(shí)相遙感影像進(jìn)行幾何精校正，誤差為0.49，選定了基準(zhǔn)影像和目標(biāo)影像并生成了二維散點(diǎn)圖，計(jì)算兩期影像的變化像元相關(guān)系數(shù)，創(chuàng)建了每個(gè)波段的線性回歸方程，根據(jù)線性回歸方程對(duì)目標(biāo)影像重采樣，使得目標(biāo)影像的輻射值與基準(zhǔn)影像大致相同。
　　(3)圖像差值算法優(yōu)于基于支持向量機(jī)的影像分類后檢測(cè)算法。引用NDVI植被指數(shù)波段與第一主分量波段，利用圖像差值算

5、法，設(shè)置變化等級(jí)閾值，對(duì)遙感影像進(jìn)行分割，根據(jù)兩期影像亮度值相似性原則為分割依據(jù)，將各亮度值統(tǒng)計(jì)到相應(yīng)變化區(qū)域，并進(jìn)行聚類處理，平滑核的值越大，平滑尺度越大，經(jīng)過反復(fù)驗(yàn)證，Smooth Kernel Size設(shè)置為3，Aggregation Min Size設(shè)置為30，采用直方圖積累區(qū)間確定變化閾值，以累計(jì)區(qū)間為對(duì)象，將變化信息增加的閾值設(shè)置為0.3，信息減少的閾值設(shè)置為0.2，變化檢測(cè)結(jié)果最佳。
　　(4)配合專家知識(shí)的規(guī)則分類

6、的信息提取算法最優(yōu)。通過分析GF-1的多光譜數(shù)據(jù)各個(gè)波段的光譜與紋理特征、NDVI以及歸一化水體指數(shù)(NDWI，Normalized Difference Water Index)，構(gòu)建分類規(guī)則。3類分類算法中，精度最高的為分層分類方法，總體精度為89.62％。
　　(5)研發(fā)了一套一鍵式、快速提取濕地變化信息系統(tǒng)。系統(tǒng)實(shí)現(xiàn)了GF-1遙感影像的輻射定標(biāo)、幾何校正、相對(duì)輻射校正等預(yù)處理，并集成了濕地變化信息檢測(cè)與識(shí)別相關(guān)算法，從影像