基于遥感数据的城市绿地信息提取研究进展1
吕杰，刘湘南
中国地质大学（北京）信息工程学院，北京 (100083)
E-mail：jasonlu168@https://www.doczj.com/doc/34442294.html,
摘要：本文对目前城市绿地信息提取研究现状进行了总结，对其中的利用航空遥感数据提取植被信息、卫星遥感提取植被信息、高分辨率遥感植被信息以及高光谱遥感植被信息研究进展进行了介绍，并从中分析提出遥感数据提取城市绿地信息存在的问题，对于存在的混合像元的问题，本文指出混合像元分解是解决存在问题的关键。
关键词：遥感，城市绿地，信息提取，混合像元
中图分类号：TP 7
1．引言
随着城市规模的不断扩大，自然环境正受到越来越严重的破坏，特别是大量的植被被高楼大厦取代，导致原有的生态系统严重失衡。而植被是环境的天然调节器，因此，无论在新城区还是老城区，绿化都显得尤其重要。对于土地资源极为珍贵的特大城市来说，良好的绿地规划方案可以有效地提高绿化生态环境效益。
另一方面，随着社会和经济的发展，城市化步伐在不断加快，城市规模日渐扩大，因此，城市正面临着一系列的生态和环境问题，例如城市热岛效应，沙尘暴等。为了解决这些问题，人们逐渐发现城市绿地对城市生态环境的改善有着不可替代的功效，为此，许多国家将城市绿化制定为城市可持续发展战略的一个重要内容，并将城市绿地作为衡量城市综合质量的重要指标之一。
利用遥感技术获取绿地信息成为快速、客观、准确的城市生态监测、评价、规划和管理的重要手段。目前可以利用的高分辨率遥感数据资料越来越多，高于lm 分辨率航天遥感影像和航空遥感影像己开始应用到资源调查和测图中。
2．城市绿地信息提取研究现状及存在问题
城市绿地是在人类较强干扰下生成的绿地景观，其生态效益不仅与绿地斑块的面积、空间分布有关，而且与构成绿地的植被类型密切相关（王伯荪，1987 ）。90 年代后期，景观生态学理论和方法逐渐应用到对城市绿化的研究中，这些研究为城市植被研究提供了新的研究思路和方法（高峻等，2002 ：李贞等，2000 ）。城市植被遥感信息提取为城市植被景观生态分析提供基础数据，是遥感信息提取的重要研究方向，也是城市植被学研究的重要内容（王伯荪等，1998 ）。
2.1 航空遥感影像用于植被信息提取
随着遥感技术的发展，航空影像图的信息提取比例尺已经达到了1:1000 ，由遥感图提取城市绿地率和绿化覆盖率，是一条比较成熟和现实的途径。2001 年5 月上海市已完成三次航空遥感城市绿地精细调查。2000 年山东省建设处委托中国国土资源航空物探遥感中心对山东省济南市、淄博、文登、荣成等地市进行了航空遥感城市绿化调查。大比例尺彩红外航空遥感图像具有信息量大、植物标志清楚等优点，它不仅被广泛用于植被调查，而且对植
1本课题得到国家863项目(2007AA12Z174)资助。
物生态也有较好。
在航空遥感影像中农田、草地、乔木、灌木分别表现出不同的纹理特征，一般情况下，农田和草地多为低矮的植株，植株间阴影较少，而且类型基本相同，因此在图像上均表现为纹理光滑、色彩均匀的输入图斑，但相比之下，农田的纹理值要大于草地：乔木和灌木由于植株间存在阴影，因此在图像上均表现出较粗糙的纹理图斑，但相比之下，乔木的纹理值要大于灌木（高峻等，2002 ）。
高峻运用1998 年l：10000 彩红外航空遥感图像和1：10000 上海市地形图在ARCINFO 地理信息系统软件的支持下，对上海市西南地区面积达108.31hm2的样区进行城市植被研究。以人工密林、人工疏林、人工灌丛和草本植被等4 个植被型进行城市植被信息提取，同时又根据其下的4个植被亚型进行城市植被信息提取（高峻等，2002 ）。黄慧萍，吴炳方等以高分辨率航空遥感影像为数据源，利用多尺度影像分割与面向对象影像分析方法为主要技术，利用样本多边形对象的成员函数建立训练区，自动提取大庆市城市绿地覆盖信息（黄慧萍等，2004 ）。周廷刚利用航空遥感提取城市绿化覆盖率，在公园及单位附属利用NDVI 和NCIVI植被指数绿地提取精度可达到90％以上，其中NCIVI的精度更高（周廷刚等，2003 ）。
2.2 卫星遥感影像用于城市植被提取
航空遥感与卫星遥感相比，航空影像适用于各种比例尺，可以同时完成地形测量。但该方法外业工作量大、内业处理复杂、作业周期长、投入成本高。得到的数据缺乏宏观性、整体性、成果数据缺乏现势性，多数情况下，资料多为彩色照片或红外照片，深入研究受到限制。与航空遥感相比，卫星遥感有如下优点：遥感信息源获取渠道通畅、外业工作量小、内业处理相对简单、成本低、周期短。数据宏观性和整体性强，光谱信息丰富，所以地物分辨力明显高于航空图片。能够快速周期成像，有利于动态监测和研究。
石冬雪利用比Landsat/TM 和SPOT/HRV 的高空间分辨率信息进行数据融合进行城市植被研究（石雪冬等，2001 ）。孟昭山采用ETM遥感图像的2 、3 、4 波段，分别赋红、绿、蓝色进行合成处理生成假彩色图像，利用目视解译得到大庆市乔木、灌木、人工草地、疏林地、其他绿地等面积（孟昭山等，2003 ）。
2.3 基于高分辨率遥感影像的绿地信息快速提取技术研究
目前大比例尺遥感信息提取主要以航空遥感数据为主，航空遥感数据与卫星遥感数据相比费用高、现势性差，不适于动态大范围内进行植被信息提取。用NOAA/AVHRR 数据、SPOT4 和Landsat/TM 数据土地利用授盖和植被信息提取已有不少研究成果，但其分辨率低，适于小比例尺大范围内进行植被信息提取。
高分辨率的遥感数据（包括法国的SPOT5 ，美国的Quikbird 和IKONOS卫星），由于其分辨率高、信息丰富、获取影像周期短、现势性强的特点。使其在测量信息提取、土地资源动态监测、林业资源监测等方面等到广泛的应用（管建华等，2004 ；郭志华等，2003 ）。
利用高分辨率影像在土地利用和森林立地分类中的应用和研究表明，高分辨率影像能够较客观地区别植被与其他地物，并能一定程度地区分植被结构（张华国等，2003；乔伟峰等，2003；曹建君等，2004；孙丹峰等，2002；刘慧平等，1999；楼立明等，2004；孙丹峰等，2003 ）。
SPOT5 的2.5m 全色影像与10m彩色影像融合后影像纹理清晰，用于土地利用现状图，
更新及时，地块的边界、道路形状、居民地轮廓、草场边缘等边缘特征明显，而且光谱特征显著，地物分类能力强，不同的植被种类，即耕地、草地与林地纹理、色彩区分明显，而且耕地中的早地与水浇地、菜地的形状与色调也呈明显对比．与传统的Landsat 卫星数据比较，高分辨率遥感数据有助于在小尺度上进行景观结构的研究工作，为景观结构的空间特征研究提供了适宜比例尺的数据源（1:1 万）（高群等，2004 )。利用IKONOS 对土地覆盖状况分类，草地和灌木林地等植被覆盖类型的分类精度都很高，与非植被类型的错分很少，它们的误差主要是草地和灌木林之间的错分（张华国等，2003 ）。目前利用高分辨率影像在城市绿地提取中的研究也开始受到研究者的重视。它在绿地调查中表现在宏观和微观两方面：宏观上监测整个城区绿地的分布结构，评价布局的合理性和可持续发展性，微观上分析和研究城市绿地的数量和质量，以及植被的种类。
许浩利用IKONOS 影像，用监督分类方法，获取绿地分布图，利用地面的地形图，在地理信息系统中获取地面开敞空间分布图，将绿地分布图与开敞空间分布图在相同的坐标系下叠加。计算出各规模绿地缀块的面积、所占比例和分布在各种开敞空间上的绿地缀块面积与比例（许浩等，2003 ）。
2.4 基于高光谱遥感影像信息提取技术研究
高光谱遥感是进行地表植被观测的强有力工具,研究并验证有效的算法和数据支撑技术,对于合理利用高光谱数据进行地表植被监测与分析至关重要。高光谱遥感数据具有图像－光谱合一的特点，与传统的多光谱遥感数据相比，能够更好的分类与识别各类地物。
肖海燕利用Hymap高光谱数据，在对特征分析和地面调查的基础上,基于决策树方法和高光谱分析方法的组合对深圳市福田国家级自然保护区为进行红树林群落信息提取的实证研究，其结果证实了Hymap数据对于红树林群落类型信息提取的数据支撑能力,以及相关方法用于红树林分类研究方面的有效性（肖海燕等，2007）。刘亮以北京顺义区为研究区,研究、探讨利用高光谱遥感数据,通过逐级分层分类方法进行农作物信息提取与挖掘。通过实地对分类图进行了随机抽样检查,检查结果令人满意,各种农作物的分类精度均达到95%以（刘亮等，2006）。陈志强根据福福州市1988年的TM影像和2001年ASTER影像,在NDVI和分形几何理论方法的基础上,求取两个时期植被斑块的分形维数。结果表明从1988~2001年,随着城市发展加快,福州市植被斑块数量增大,平均面积降低,分形维数增大,说明其空间形态趋向复杂化,稳定性降低。（陈志强等，2006）。刘玫岑以2001、2003、2004三年秋季的ASTER 遥感影像为数据源,结合相应地面实测数据,使用ERDAS软件,在几何精校正的基础上用最大似然监督分类法对兵团农一师16团农耕地进行棉花种植面积提取和棉花品种(长绒棉和陆地棉)分类,结果表明:棉花种植面积提取精度达98.21%,品种分类结果表明:长绒棉实际种植面积2 964 hm2,分类面积2 768.72 hm2,分类精度达93.97%;陆地棉实际种植面积2 375.5 hm2,分类面积2 556.74 hm2,分类精度达92.91%（刘玫岑等，2005）。
王芳利用星载高光谱Hyperion数据,计算出与胁迫相关的14种高光谱植被指数,在此基础上运用BP神经网络算法建立了城市植被胁迫强度分类器,对城市植被的胁迫强度进行了识别与分析.结果表明:城市中心商住区的植被受胁迫程度明显高于城乡结合部和郊区;植被的受胁迫现象在大块绿地外围呈环状分布;构建的植被胁迫强度分类器能够较为准确地反映植被受胁迫的强度信息（王芳等，2007）。
3．存在的问题
总的来说，关于城市绿地信息提取的方法研究主要体现在前期遥感影像的选择，软件的选择。然后就是对影像的预处理，使其符合绿地专题信息提取的需要，使其作为城市规划的一部分为城市建设提供可靠参考。但是在技术的实际应用中，依然有些技术难题需要进一步的研究，比如：高光谱数据波段数量多、波幅宽度窄、光谱分辨率高，这些因素增加了对其进行大气校正的难度和工作量、高光谱波段的降维处理以及对没有对存在的混合像元进行有效的研究和处理、同物异谱和异物同谱现象使提取及评价精度下降的问题。
解决混合像元的问题需要借助于高效的混合像元分解算法和先验知识的介入，随着混合像元分解精度逐渐提高，城市绿地信息提取的精度也将会大幅度提高，从而为城市绿地规划以及绿地生态研究提供有效的技术支持。
4．城市绿地信息提取研究展望
解决混合像元的问题需要借助于高效的混合像元分解算法和先验知识的介入，随着混合像元分解精度逐渐提高，城市绿地信息提取的精度也将会大幅度提高，从而为城市绿地规划以及绿地生态研究提供有效的技术支持。
参考文献
[1] 浦瑞良，宫鹏．高光谱遥感及其运用．北京．高等教育出版社．2000
[2] 张孝灿，黄智才，赵元洪．遥感数字图像处理．杭州，浙江大学出版社．1997
[3] Chen DY, Huang JF, Thomas JJ. 2005. Vegetation water content estimation for corn and soybeans using spectral indices derived from MODIS near-and short-wave infrared bands.RemoteSensing ofEnvironment,98: 225-236
[4] Martin M . E . , et al . Determining forest species composition using high spectral resolution remote sensing data Remote Sense Environ . , 1 998 、65 : 249－254
[5] 唐伯惠，姜小光，唐伶俐星载高光谱Hyperion数据在海滩涂调查应用中的分析．地球信息科学．2004.6
[6]］朱述龙，张占佳.遥感图像获取与分析．北京，科学出版社．2000
[7] 赵英时．遥感应用分析原理与方法．北京．科学出版社．2003
[8] DattB, McvicarTR, vanNielTG,etal. 2003. Preprocessing EO-1 Hyperion hyperspectral data to support the application of agricultural indexes: Earth observing 1mission.IEEE Transactions on Geoscience and RemoteSensing,41: 1246-1259
[9] 孙家炳．遥感原理与应用．武汉．武汉大学出版社．2003
[10] Daughtry CST. 2001. Discriminating crop residues from soil by short-wave infrared reflectance.Agronomy Journal,93: 125-131
[11] 范文义，罗传文．“3S”理论与技术．哈尔滨‘东北林业大学．2003
[12] 杜华强，赵宪文，范文义．分形维数作为高光谱数据波段选择的一个指标．遥感技术与应用．2004 .2
[13]］甘甫平，王润生，杨苏明．西藏Hyperion 数据蚀变矿物识别初步研究．国土资源遥感，2002 ,4
[14] FlaglerRB. 1998. Recognition ofAirPollution Injury to Vegetation: A PictorialAtlas. Pittsburgh, PAUSA: Air andWasteManagementAssociation.
[15] Gamon JA, Serrano L, Surfus JS. 1997. The photochemical reflectance index: An optical indicator of photosynthetic radiation use efficiency across species, functional types and nutrient levels.Oecologia,112: 492-501
[16] 李小文，王锦地，植被光学遥感模型与植被结构参数化．北京，科学出版社．1995
[17] Gamon JA, Surfus JS. 1999. Assessing leaf pigmentcontent and activity with a reflectometer.New
Phytolo-gist,143: 105-117
[18] 唐世浩，禾启疆，李小文．高光谱与多角度数据联合进行混合像元分解研究．遥感学报，2003 , 5
[19] 杜培军，陈云浩，方涛．高光谱遥感数据光谱特征的提取与应用．中国矿业大学学报，2003 . 9
[20] Gao BC. 1996. NDWI: A normalized difference water index for remote sensing of vegetation liquid water
from space.Remote Sensing ofEnvironment,58: 257-266
[21] Georges R H, Fernando G L, David E. The Compact Genetic Algorithm[ J]. IEEE Transactions on Evolutionary Computation, 1999, 3(4): 287-297.
[22] 刘建平，赵英时，孙淑玲，高光谱遥感数据最佳波段选择方法试验研究．遥感信息，2001 . 1
[23] Jareckep Y. Radiometric Calibration of the Hyperion Imaging Spectrometer Instrument from Primary Stands to End-to-end Calibration[ J]. Proceedings of SPIE,2000, 4135: 254-263.
[24] 杜华强，范文义，赵宪文．荒漠化地区高光谱遥感图像地物光谱重建的研究．遥感技术与应用，2003 , 8
[25] 赵祥，刘素红，王培娟．基于高光谱数据的小麦叶绿素含量反演．地理与地理信息科学，2004 . 5
[26] Liao L, Jareckep G E. Performance Characterization of the Hyperion Imaging Spectrometer Instrument[ J].Proceedings ofSPIE, 2000, 4135: 264-275.
[27]］薛绮，匡纲要，李智勇，基于线性混合模型的高光谱图像端元提取．遥感技术与应用，2004 , 6
[28] XU B, GONG P, PU R L. Crown closure estimation of oak savannah in a dry season with Landsat TM imagery: comparison of various indices through correlation analysis[J].Int J of Remote Sensing, 2003, 24(9): 1811-1822
[29] GONG P, ZHANG A, CHEN J,et al. Ecological land systems classification using multisource data and neural networks:proceedingsofGIS’94, Vancouver, B. C., Canada, February 1994[C]. Toronto: GIS World, 1994,
659-664
[30] PUR L, XU B, GONG P. Oakwood crown closure estimation byunmixingLandsat TM data[J].Int J Remote Sensing, 2003, 24(22): 4433-4 445
[31] PU RL, GONGP. Wavelet transform applied to EO-1 hyperspectral data for forest LAI and crown closure mapping[J].Remote Sensing of Environment, 2004(91):212-224
[32] 陶秋香，陶华学，张连蓬，线性混合光谱模型在植被高光谱遥感分类中的应用研究．勘察科学技术，2004 .1
[33]张京红，景毅刚．遥感图像处理系统ENVI 及其在MODIS 数据处理中的应用．陕西气象，2004 .1
[34] BARRY P.EO-1Hyperion Science Data User’s Guide[M].Redondo Beach, California: TRW, 2001
[35] 李爽，丁圣彦，许叔明．遥感影像分类方法比较研究．河南大学学报（自然科学版）, 2002 .6
[36] DATT B, MCVICARTR, VAN NIEL T G,et al. Pre-processing EO-1 Hyperion hyperspectral data to support the application ofagricultural indices [J].IEEE Transactions on Geoscience andRemote Sensing, 2003,41(6):1 246-1259
[37] GOODENOUNGH D G, DYK A, NIEMANN K O. Processing Hyperion and ALI for forest classification[J].IEEETransactions on Geoscience and Remote Sensing, 2003,41(6):1 321-1331
[38] 陶秋香，赵长胜，张连蓬，植被高光谱遥感分类中一种新的非线性混合光谱模型及其解算方法．矿山测量，2004 .3
[39]童庆禧，郑兰芬，王晋年等湿地植被成像光谱遥感研究．遥感学报，1997
[40] DATT B, JUPP D. Hyperion data processing workshop: hands-on processing instruction [R]. Australia: CSIRO Earth Observation
Centre, 2004
[41] 王秀珍，黄敬峰，李云梅等．水稻生物化学参数与高光谱遥感特征参数的相关分析．农业工程学报，2003 ,19
[42] 宫鹏，浦瑞良，郁彬，不同季相针叶树种高光谱数据识别分析．遥感学报，1998 , 2
[43] 赵宪文，李崇贵．基于“3s ”的森林资源定量估测．北京．中国科学出版社，2001 [ 441 阿布都瓦斯提· 吾拉木，秦其明，朱黎江．基于6S 模型的可见光、近红外遥感数据的大气校正．北京大学学报（自然科学版）, 2004 .7
[44] John C Price. Band Selection for Procedure forMultispectralScanners[J].Applied Optics,1994,33(15):
3281-3288.
[45] 宫彦军，王艳红，禹秉熙．高光谱识别目标的光谱分离分析方法．内蒙古大学学报（自然科学版）, 2003.3 Research on the extracting Urban Green Space Information
Using Remote Sensing Data
Lv Jie，Liu Xiangnan
School of Information engineering，China University of Geosciences，Beijing (100083)
Abstract
In this paper,the author studied the research on the extracting urban green space information using remote sensing data,at first,the author summarized the extracting methods based on the using of the aerial photographs、the satellites images 、high resolution images and hyperspectral remote sensing data,then analysis the problems existed in extracting the urban green space information,finally the author proposed that the unmixing pixel is the promising way to extract urban green space. Keywords：remote sensing；urban green space；information extraction；mixed pixel decomposition 作者简介：吕杰（1982-），男，辽宁营口人，在读硕士，主要从事遥感与地理信息系统方面研究。
遥感专题信息提取与专题图制作设计报告 1.课程设计的目的和意义 本次课程设计的目的主要是为了加深理解和巩固遥感原理与应用的有关理论知识；熟悉遥感图像处理的方法和步骤，学习运用ERDAS软件对遥感图像进行几何纠正、图像镶嵌、图像融合、自动分类以及专题图制作等处理。锻炼独立分析问题和解决问题的能力，培养良好的工作习惯和科学素养，为今后工作打下良好的基础。 2.课程设计的原理和方法 2.1课程设计原理 2.1.1 图像预处理 ERDAS软件默认的文件格式是img格式，因此首先需要将实习数据由TIFF 格式转换为img格式图像。 多波段影像包含的信息量较大，实习中将6个单波段影像合成多波段影像进行处理。 Spot影像需具有地理信息，要将影像头文件信息添加进去。 2.1.2几何纠正 遥感所获取的数据，均存在几何畸变。因此需要对图像进行几何纠正。几何纠正的原理是将图像数据投影到平面上，使其符合地图投影系统。而将地图投影系统赋予图像数据的过程，称为地理参考。由于所有地图投影系统都遵循一定的地图坐标系统，因此几何纠正的过程包含了地理参考过程。在实习过程中，采用了一次多项式法进行几何纠正。 2.1.3图像镶嵌 因研究范围的要求，需要在几何上将左右两幅图像连接在一起，并且保证拼接后的图像反差一致，色调相近，没有明显的接缝。遥感影像在镶嵌之前，必
须包含投影信息、地理坐标信息，还要有相同的波段数。当然，在挑选遥感数据时，要尽可能选择成像时间和成像条件相近的遥感图像，要求相邻影像的色调一致。 2.1.4图像裁剪 在实际工作中，经常需要根据研究工作范围对图像进行裁剪，按照ERDAS 实际图像分幅裁剪的过程，可以将图像分幅裁剪分为两种类型：规则分幅裁剪和不规则分幅裁剪。 规则分幅裁剪是指裁剪图像的边界范围是一个矩形，通过左上角和右下角两点的坐标，就可以确定图像的裁剪位置，整个裁剪过程比较简单。 不规则分幅裁剪是指裁剪图像的边界范围是任意多边形，无法通过左上角和右下角两点的坐标确定裁减位置，而必须事先生成一个完整的闭合多边形区域，可以是一个AOI多边形，也可以是ArcInfo的一个Polygon Coverage，针对不同的情况采用不同的裁剪过程。 2.1.5图像融合 图像融合是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。 2.1.6图像分类 图像分类就是基于图像像元的数据文件值，将像元归并成有限的几种类型、等级或数据集的过程。常规图像分类主要有两种方法：监督分类与非监督分类。 2.2课程设计方案
遥感信息智能化提取方法 目前，大部分遥感信息的分类和提取，主要是利用数理统计与人工解译相结合的方法。这种方法不仅精度相对较低，效率不高，劳动强度大，而且依赖参与解译分析的人，在很大程度上不具备重复性。尤其对多时相、多传感器、多平台、多光谱波段遥感数据的复合处理，问题更为突出。在遥感影像相互校正方面，一些商业化的遥感图像处理软件，虽然提供了简单的影像相互校正和融合功能，但均是基于纯交互式的人工识别选取同名点，不仅效率非常低，而且精度也难于达到实用要求。因此,研究遥感信息的智能化提取方法对于提高遥感信息的提取精度和效率具有重要意义。 1．遥感图像分类 遥感图像分类是遥感图像处理系统的核心功能之一，它实现了基于遥感数据的地理信息提取，主要包括监督分类，非监督分类，以及分类后的处理功能。非监督分类包括等混合距离法分类（Isodata）等。监督分类包括最小距离（Minimum Distance）分类、最大似然（Maximum Likehood）分类、贝叶斯（Bayesian）分类、以及波谱角分类、二进制编码分类、AIRSAR散射机理分类等。 自动分类是计算机图像处理的初期便涉及的问题。但作为专题信息提取的一种方法，则有其完全不同的意义，是从应用的角度赋予其新的内容和方法。传统的遥感自动分类，主要依赖地物的光谱特性，采用数理统计的方法，基于单个像元进行，如监督分类和非监督分类方法，对于早期的MSS这样较低分辨率的遥感图像在分类中较为有效。后来人们在信息提取中引入了空间信息，直接从图像上提取各种空间特征，如纹理、形状特征等。其次是各种数学方法的引进，典型的有模糊聚类方法、神经网络方法及小波和分形。 近年来对于神经网络分类方法的研究相当活跃。它区别于传统的分类方法在于：在处理模式分类问题时，并不基于某个假定的概率分布，在无监督分类中，从特征空间到模式空间的映射是通过网络自组织完成的，在监督分类中，网络通过对训练样本的学习，获得权值，形成分类器，且具备容错性。人工神经网络 (ANN) 分类方法一般可获得更高精度的分类结果，因此 ANN方法在遥感分类中被广泛应用，特别是对于复杂类型的地物类型分类，ANN 方法显示了其优越性。如 Howald(1989)、McClellad(1989)、 Hepner(1990)、T.Yosh ida(1994)、K.S.Chen(1995)、J.D.Paola(1997) 等利用 ANN 分类方法对 TM 图像进行土地覆盖分类，在不同程度上提高了分类精度；Kanellopoulos(1992) 利用 ANN方法对 SPOT 影像进行了多达20类的分类，取得比统计方法更精确的结果；G.M.Foody(1996)用ANN对混合像元现象进行了分解；L.Bruzzone 等 (1997) 在 TM－5 遥感数据、空间结构信息数据、辅助数据（包括高程、坡度等）等空间数据基础下，用 ANN 方法对复杂土地利用进行了分类，比最大似然分类法提高了 9% 的精度。与统计分类方法相比较，ANN 方法具有更强的非线性映射能力，因此，能处理和分析复杂空间分布的遥感信息。2．基于知识发现的遥感信息提取
遥感图像信息提取方法综述 0、遥感图像分析 遥感实际上是通过接收（包括主动接收和被动接收方式）探测目标物电磁辐射信息的强弱来表征的，它可以转化为图像的形式以相片或数字图像表现。多波段影像是用多波段遥感器对同一目标（或地区）一次同步摄影或扫描获得的若干幅波段不同的影像。 在遥感影像处理分析过程中，可供利用的影像特征包括：光谱特征、空间特征、极化特征和时间特性。在影像要素中，除色调/彩色与物体的波谱特征有直接的关系外，其余大多与物体的空间特征有关。像元的色调/彩色或波谱特征是最基本的影像要素，如果物体之间或物体与背景之间没有色调/彩色上的差异的话，他们的鉴别就无从说起。其次的影像要素有大小、形状和纹理，它们是构成某种物体或现象的元色调/彩色在空间（即影像）上分布的产物。物体的大小与影像比例尺密切相关；物体影像的形状是物体固有的属性；而纹理则是一组影像中的色调/彩色变化重复出现的产物，一般会给人以影像粗糙或平滑的视觉印象，在区分不同物体和现象时起重要作用。第三级影像要素包括图形、高度和阴影三者，图形往往是一些人工和自然现象所特有的影像特征。 1、遥感信息提取方法分类 常用的遥感信息提取的方法有两大类：一是目视解译，二是计算机信息提取。 1.1目视解译 目视解译是指利用图像的影像特征（色调或色彩，即波谱特征）和空间特征（形状、大小、阴影、纹理、图形、位置和布局），与多种非
遥感信息资料（如地形图、各种专题图）组合，运用其相关规律，进行由此及彼、由表及里、去伪存真的综合分析和逻辑推理的思维过程。早期的目视解译多是纯人工在相片上解译，后来发展为人机交互方式，并应用一系列图像处理方法进行影像的增强，提高影像的视觉效果后在计算机屏幕上解译。 1）遥感影像目视解译原则 遥感影像目视解译的原则是先“宏观”后“微观”；先“整体”后“局部”；先“已知”后“未知”；先“易”后“难”等。一般判读顺序为，在中小比例尺像片上通常首先判读水系，确定水系的位置和流向，再根据水系确定分水岭的位置，区分流域范围，然后再判读大片农田的位置、居民点的分布和交通道路。在此基础上，再进行地质、地貌等专门要素的判读。 2）遥感影像目视解译方法 （1）总体观察 观察图像特征，分析图像对判读目的任务的可判读性和各判读目标间的内在联系。观察各种直接判读标志在图像上的反映，从而可以把图像分成大类别以及其他易于识别的地面特征。 （2）对比分析 对比分析包括多波段、多时域图像、多类型图像的对比分析和各判读标志的对比分析。多波段图像对比有利于识别在某一波段图像上灰度相近但在其它波段图像上灰度差别较大的物体；多时域图像对比分析主要用于物体的变化繁衍情况监测；而多各个类型图像对比分析则包括不同成像方式、不同光源成像、不同比例尺图像等之间的对比。
面向对象的影像分类技术 “同物异谱，同谱异物”会对影像分类产生的影响，加上高分辨率影像的光谱信息不是很丰富，还有经常伴有光谱相互影响的现象，这对基于像素的分类方法提出了一种挑战，面向对象的影像分类技术可以一定程度减少上述影响。 本小节以ENVI中的面向对象的特征提取FX模块为例，对这种技术和处理流程做一个简单的介绍。 本专题包括以下内容： ??●面向对象分类技术概述 ??●ENVI FX简介 ??●ENVI FX操作说明 1、面向对象分类技术概述 面向对象分类技术集合临近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间，纹理，和光谱信息来分割和分类的特点，以高精度的分类结果或者矢量输出。它主要分成两部分过程：影像对象构建和对象的分类。
影像对象构建主要用了影像分割技术，常用分割方法包括基于多尺度的、基于灰度的、纹理的、基于知识的及基于分水岭的等分割算法。比较常用的就是多尺度分割算法，这种方法综合遥感图像的光谱特征和形状特征，计算图像中每个波段的光谱异质性与形状异质性的综合特征值，然后根据各个波段所占的权重，计算图像所有波段的加权值，当分割出对象或基元的光谱和形状综合加权值小于某个指定的阈值时，进行重复迭代运算，直到所有分割对象的综合加权值大于指定阈值即完成图像的多尺度分割操作。 影像对象的分类，目前常用的方法是“监督分类”和“基于知识分类”。这里的监督分类和我们常说的监督分类是有区别的，它分类时和样本的对比参数更多，不仅仅是光谱信息，还包括空间、纹理等信息。基于知识分类也是根据影像对象的熟悉来设定规则进行分类。 目前很多遥感软件都具有这个功能，如ENVI的FX扩展模块、易康（现在叫Definiens）、ERDAS的Objective模块、PCI的FeatureObjeX（新收购）等。 表1为三大类分类方法的一个大概的对比。 类型基本原理影像的最小单元适用数据源缺陷 传统基于光谱的分类方 法地物的光谱信息 特征 单个的影像像元 中低分辨率多光谱 和高光谱影像 丰富的空间信息利 用率几乎为零 基于专家知识决策树根据光谱特征、空 间关系和其他上 下文关系归类像 元 单个的影像像元多源数据知识获取比较复杂 面向对象的分类方法几何信息、结构信 息以及光谱信息 一个个影像对象 中高分辨率多光谱 和全色影像 速度比较慢
遥感影像的居民地自动提取 一、摘要 科技的飞速发展，卫星的应用也变得相当广泛，卫星遥感数据提取地物信息, 已成为遥感观测地物的一种重要手段。应用遥感图像提取居民地信息，探讨提取居民地的提取方法，可以快速得到居民地的分布情况。在当今灾害频发的时代，研究居民地的受灾情况，快速获取受灾面积等有很好的经济效益。 从遥感信息机理分析入手，首先分析了图像区域的居民地信息，应用监督分类、非监督分类，探讨了居民地的研究提取，分析它们的优缺点；在监督分类中，应用最大似然法进行提取，有较好的效果；非监督分类效果不好。本文重点应用谱间阈值法进行研究，进而提取居民地信息。并以重庆市主城区遥感图像为例，通过试验，选择合适的谱间阈值，例如：b5-b3<80，可以得到比较好的研究效果。关键字：卫星，居民地，自动提取 二、遥感影像信息提取方法 主动接收和被动接收方式是雷达影像和光学影像所代表的，它可以转化为图像的形式以相片或数字图像表现。多波段影像是用多波段遥感器对同一目标（或地区）一次同步摄影或扫描获得的若干幅波段不同的影像。应用遥感图像制图可以大致分为4个步骤：1、接收；2、预处理；3、用户应用处理；4、分析结果、图表输出。处理分析过程中，可供利用的影像特征包括：光谱特征、空间特征、极化特征和时间特性。在影像要素中，除色调、彩色与物体的波谱特征有直接的关系外，其余大多与物体的空间特征有关。像元的色调、彩色或波谱特征是最基本的影像要素，如果物体之间或物体与背景之间没有色调、彩色上的差异的话，他们的鉴别就无从说起。其次的影像要素有大小、形状和纹理，它们是构成某种物体或现象的像元色调、彩色在空间（即影像）上分布的产物。物体的大小与影像比例尺密切相关；物体影像的形状是物体固有的属性；而纹理则是一组影像中的色调、彩色变化重复出现的产物，一般会给人以影像粗糙或平滑的视觉印象，在区分不同物体和现象时起重要作用。第三级影像要素包括图形、高度和阴影三者，图形往往是一些人工和自然现象所特有的影像特征。
北京揽宇方圆信息技术有限公司 、 遥感卫星影像数据信息提取 北京揽宇方圆信息技术有限公司中科院企业,卫星影像数据服务全国领先。业务包括遥感数据获取与分发、遥感数据产品深加工与处理。按照遥感卫星数据一星多用、多星组网、多网协同的发展思路,根据观测任务的技术特征和用户需求特征,重点发展光学卫星影像、雷达卫星影像、历史卫星影像三个系列,构建由 26个星座及三类专题卫星组成的遥感卫星系统,逐步形成高、中、低空间分辨率合理配置、多种观测技术优化组合的综合高效全球观测和数据获取能力形成卫星遥感数据全球接收与全球服务能力。 (1光学卫星影像系列。 面向国土资源、环境保护、防灾减灾、水利、农业、林业、统计、地震、测绘、交通、住房城乡建设、卫生等行业以及市场应用对中、高空间分辨率遥感数据的需求,提供 worldview1、worldview2、worldview3、worldview4、quickbird、geoeye、 ikonos、pleiades、spot1、spot2、spot3、spot4、spot5、spot6、spot7、landsat5(tm、 landsat(etm、 rapideye、alos、Kompsat 卫星、北京二号、资源三 号、高分一号、高分二号等高分辨率光学观测星座。围绕行业及市场应用对基础地理信息、土地利用、植被覆盖、矿产开发、精细农业、城镇建设、交通运输、水利设施、生态建设、环境保护、水土保持、灾害评估以及热点区域应急等高精度、高重访观测业务需求,发展极轨高分辨率光学卫星星座,实现全球范围内精细化观测的数据获取能力。像国产的中分辨率光学观测星座。围绕资源调查、环境监测、防灾减灾、碳源碳汇调查、地质调查、水资源管理、农情监测等对大幅宽、快速覆盖和综合观测需求,建设高、低轨道合理配置的中分辨率光学卫星星座,实现全球范围天级快速动态观测以及全国范围小时级观测。
基于遥感数据的城市绿地信息提取研究进展1 吕杰，刘湘南 中国地质大学（北京）信息工程学院，北京 (100083) E-mail：jasonlu168@https://www.doczj.com/doc/34442294.html, 摘要：本文对目前城市绿地信息提取研究现状进行了总结，对其中的利用航空遥感数据提取植被信息、卫星遥感提取植被信息、高分辨率遥感植被信息以及高光谱遥感植被信息研究进展进行了介绍，并从中分析提出遥感数据提取城市绿地信息存在的问题，对于存在的混合像元的问题，本文指出混合像元分解是解决存在问题的关键。 关键词：遥感，城市绿地，信息提取，混合像元 中图分类号：TP 7 1．引言 随着城市规模的不断扩大，自然环境正受到越来越严重的破坏，特别是大量的植被被高楼大厦取代，导致原有的生态系统严重失衡。而植被是环境的天然调节器，因此，无论在新城区还是老城区，绿化都显得尤其重要。对于土地资源极为珍贵的特大城市来说，良好的绿地规划方案可以有效地提高绿化生态环境效益。 另一方面，随着社会和经济的发展，城市化步伐在不断加快，城市规模日渐扩大，因此，城市正面临着一系列的生态和环境问题，例如城市热岛效应，沙尘暴等。为了解决这些问题，人们逐渐发现城市绿地对城市生态环境的改善有着不可替代的功效，为此，许多国家将城市绿化制定为城市可持续发展战略的一个重要内容，并将城市绿地作为衡量城市综合质量的重要指标之一。 利用遥感技术获取绿地信息成为快速、客观、准确的城市生态监测、评价、规划和管理的重要手段。目前可以利用的高分辨率遥感数据资料越来越多，高于lm 分辨率航天遥感影像和航空遥感影像己开始应用到资源调查和测图中。 2．城市绿地信息提取研究现状及存在问题 城市绿地是在人类较强干扰下生成的绿地景观，其生态效益不仅与绿地斑块的面积、空间分布有关，而且与构成绿地的植被类型密切相关（王伯荪，1987 ）。90 年代后期，景观生态学理论和方法逐渐应用到对城市绿化的研究中，这些研究为城市植被研究提供了新的研究思路和方法（高峻等，2002 ：李贞等，2000 ）。城市植被遥感信息提取为城市植被景观生态分析提供基础数据，是遥感信息提取的重要研究方向，也是城市植被学研究的重要内容（王伯荪等，1998 ）。 2.1 航空遥感影像用于植被信息提取 随着遥感技术的发展，航空影像图的信息提取比例尺已经达到了1:1000 ，由遥感图提取城市绿地率和绿化覆盖率，是一条比较成熟和现实的途径。2001 年5 月上海市已完成三次航空遥感城市绿地精细调查。2000 年山东省建设处委托中国国土资源航空物探遥感中心对山东省济南市、淄博、文登、荣成等地市进行了航空遥感城市绿化调查。大比例尺彩红外航空遥感图像具有信息量大、植物标志清楚等优点，它不仅被广泛用于植被调查，而且对植 1本课题得到国家863项目(2007AA12Z174)资助。
收稿日期: 2008-03-10; 修订日期: 2008-09-30 基金项目:中国石油天然气股份有限公司科技预研项目“海域遥感油气勘探技术研究”(编号: 06-01C-01-08)和国家科技支撑计划(编号: 2006BAK30B01)。 第一作者简介: 陆应诚(1979— ), 男, 南京大学博士研究生, 主要从事高光谱遥感应用研究。E-mail: lycheng2003@https://www.doczj.com/doc/34442294.html, 。 海面油膜高光谱遥感信息提取 陆应诚, 田庆久, 宋鹏飞, 李姗姗 南京大学 国际地球系统科学研究所, 江苏 南京 210093 摘 要: 针对辽东湾海域的Hyperion 高光谱遥感数据特点, 结合海面油膜光谱与Hyperion 影像特征, 对该数据进行水陆分离与最小噪声分离(minimum noise fraction, MNF)变换处理, 在辽东湾海域MNF 波段影像的2D 散点图中, 海面油膜的出现会在其边缘形成一个异常散点区域, 可区分油膜与干扰信息,结合提取的海面油膜端元的MNF 波谱, 通过混合调制匹配滤波(mixture tuned matched filtering, MTMF)技术, 成功地提取研究区海面油膜信息, 有效监测海面油膜信息, 为海洋环境监测提供新的技术手段。 关键词: 油膜, 高光谱, 遥感, Hyperion, 辽东湾 中图分类号: X55 文献标识码: A 1 引 言 在海洋石油的遥感监测与评估中, 海面油膜是遥感探测的一个重要对象, 多光谱、热红外、雷达等诸多遥感领域均对此有一定研究(Gonzalez 等, 2006; Fingas & Brown, 1997; Labelle & Danenberger, 1997; O’Briena 等, 2005), 由于海洋背景复杂, 海面大气影响、水体对电磁波的散射与吸收作用, 海面油膜遥感信息表现为弱信息；又由于海面油膜随来源、构成种类、油膜厚度、风化程度的不同表现为不确定的遥感影像特征；这些因素对海面油膜遥感信息提取存在一定的制约。随着高光谱遥感技术的发展(童庆禧, 2003), 针对海面油膜信息的高光谱遥感探测方法技术不断得到发展(Foudan, 2003)。Palme(1994)利用小型机载成像光谱仪(CASI)数据研究1993年Shetlands 群岛溢油事件中产生的油膜和其他油污信息, 指出440—900 nm 是可以用来进行溢油油膜信息提取的有效谱段；Foudan(2003)利用机载AVRIS 高光谱数据对Santa Barbara 海岸带的油污与海面油膜进行研究, 表明分散的石油在580nm 、700nm 具有反射峰, 厚油膜在近红外波段反射率要高于薄油膜, 600—900nm 具有最大的油膜遥感探测的可能性。比较分析混合光谱分解技术(spectral unmixing)、纯净像元指数(pixel purity index, PPI)、 光谱角度制图法(spectral angle mapper, SAM)、混合调制匹配滤波(mixture tuned matched filtering, MTMF)技术等方法在海面油膜信息提取上的特点。近年来, 国内学者也不断开展海面油膜遥感研究, 赵冬至等(2000)总结了柴油、润滑油和原油等3种油膜随厚度变化的光谱特征, 指出736nm 和774nm 对不同的油类具有相同的吸收特征；张永宁等(1999, 2000)测试了几种类型油的海面波谱, 认为在海洋溢油波谱特征中0.5—0.58μm 是不同油膜最高反射率的所在位置, 并利用A VHRR 和TM 数据识别海洋溢油；陆应诚(2008, 2009)的海面油膜实验表明随油膜厚度不同, 油膜光谱特征与响应原理表现不同。 本文以辽东湾双台子河口外海域为研究区, 结合海面油膜光谱特点与海面油膜Hyperion 遥感影像特征, 通过高光谱遥感MTMF 技术方法, 提取研究区海面油膜信息。 2 Hyperion 数据预处理 研究区在辽东湾双台子河口外海域, 该区是中国重要原油生产基地——辽河油田所在地, 近年来, 辽东湾海域油田的开采与运输为海洋环境带来一定的影响。 2007-05-06获取了研究区的一景美国EO-1卫
计算机世界/2006年/7月/31日/第B15版 技术专题 Taries软件主要应用于对高分辨率遥感影像的各种信息的处理、提取与分析,是具有自主知识产权的软件产品。 遥感影像信息提取与分析 沈占锋 近年来，一系列高分辨率卫星的相继上天，高分辨率卫星遥感的应用也因此成为可能，也凸现出遥感影像数据处理的重要性日益显现。遥感影像数据处理的主要内容就是对遥感数据（主要是高分辨率遥感影像数据）进行自动（半自动）图像处理分析，从而获取人们需要的信息。 Taries软件是具有自主知识产权的软件产品，由中科院遥感所国家遥感应用工程技术研究中心下属的空间信息关键技术研发部开发。Taries软件主要应用于对高分辨率遥感影像的各种信息的处理、提取与分析，其功能包括影像的预处理、影像分割、影像分类、特征提取与表达、特征分析、目标识别等。它是集矢量和栅格于一体化的软件系统。 Taries主要功能 1. 影像处理 （1）采用几何精纠正方法：建立基于空间投影理论与有限控制点的全局自适应方法，并建立基于控制点、线、面特征的局部自适应相结合的影像几何精纠正模型。 （2）实现多源遥感影像信息的特征级融合: 在像元级、高精度的多源遥感信息分析技术基础上，发展了各种特征估计器和融合评判规则，建立特征级的多源遥感信息融合的方法以及相应的算法。 2. 影像信息提取 （1）在复杂环境中的目标信息增强: 采用具有空间自适应能力的目标特征的信息增强模型与方法，特别是弱目标信息的增强方法，并对无关背景信息进行抑制。 （2）高分辨率影像分割: 基于空间特征（包括纹理特征、形状特征和动态特征）以及高维统计特征，采用面向特征的高分辨率影像分割技术（如基于模糊集理论、EM模型、Markov模型、MCMC模型、小波分析等）。 （3）基于智能计算模型的目标特征提取: 基于神经网络、支撑向量机等智能计算模型，研究和发展针对目标的纹理特征、结构特征的提取方法，并实现相应算法。 （4）目标识别与提取系统原型: 采用组件技术，研制开发目标识别与提取软件系统原型，包括影像精处理、目标单元分割与特征提取、目标识别等模块。 3. 矢量数据显示、处理与分析 （1）兼容ArcGIS SHP等矢量数据存储格式，能够采用系统的矢栅一体化数据模型对相应的矢量数据进行读取与显示。 （2）基于底层数据模型，能够实现基于Taries软件的矢量数据的修改功能，包括基本对象（点、线、面）的增、删、改等操作。 （3）基于相应的矢量数据建立拓扑关系，并在此基础上进行相应的空间分析功能（如最优路径查询分析等）。 （4）具有常规的矢量数据显示软件的基本功能，并可在此基础开发进一步的应用（如移动目标定位与车辆跟踪系统等）。 关键技术
遥感专题信息提取与专题图制作设计报告 1、课程设计的目的与意义 本次课程设计的目的主要就是为了加深理解与巩固遥感原理与应用的有关理论知识;熟悉遥感图像处理的方法与步骤,学习运用ERDAS软件对遥感图像进行几何纠正、图像镶嵌、图像融合、自动分类以及专题图制作等处理。锻炼独立分析问题与解决问题的能力,培养良好的工作习惯与科学素养,为今后工作打下良好的基础。 2、课程设计的原理与方法 2、1课程设计原理 2、1、1 图像预处理 ERDAS软件默认的文件格式就是img格式,因此首先需要将实习数据由TIFF 格式转换为img格式图像。 多波段影像包含的信息量较大,实习中将6个单波段影像合成多波段影像进行处理。 Spot影像需具有地理信息,要将影像头文件信息添加进去。 2、1、2几何纠正 遥感所获取的数据,均存在几何畸变。因此需要对图像进行几何纠正。几何纠正的原理就是将图像数据投影到平面上,使其符合地图投影系统。而将地图投影系统赋予图像数据的过程,称为地理参考。由于所有地图投影系统都遵循一定的地图坐标系统,因此几何纠正的过程包含了地理参考过程。在实习过程中,采用了一次多项式法进行几何纠正。 2、1、3图像镶嵌 因研究范围的要求,需要在几何上将左右两幅图像连接在一起,并且保证拼接后的图像反差一致,色调相近,没有明显的接缝。遥感影像在镶嵌之前,必须包含投影信息、地理坐标信息,还要有相同的波段数。当然,在挑选遥感数据时,要尽可能选择成像时间与成像条件相近的遥感图像,要求相邻影像的色调一致。 2、1、4图像裁剪 在实际工作中,经常需要根据研究工作范围对图像进行裁剪,按照ERDAS实际图像分幅裁剪的过程,可以将图像分幅裁剪分为两种类型:规则分幅裁剪与不规则分幅裁剪。 规则分幅裁剪就是指裁剪图像的边界范围就是一个矩形,通过左上角与右下角两点的坐标,就可以确定图像的裁剪位置,整个裁剪过程比较简单。 不规则分幅裁剪就是指裁剪图像的边界范围就是任意多边形,无法通过左上角与右下角两点的坐标确定裁减位置,而必须事先生成一个完整的闭合多边形区域,可以就是一个AOI多边形,也可以就是ArcInfo的一个Polygon Coverage,针对不同的情况采用不同的裁剪过程。
遥感图像信息提取方法综述 遥感图像分析 遥感实际上是通过接收（包括主动接收和被动接收方式）探测目标物电磁辐射信息的强弱来表征的，它可以转化为图像的形式以相片或数字图像表现。多波段影像是用多波段遥感器对同一目标（或地区）一次同步摄影或扫描获得的若干幅波段不同的影像。 在遥感影像处理分析过程中，可供利用的影像特征包括：光谱特征、空间特征、极化特征和时间特性。在影像要素中，除色调/彩色与物体的波谱特征有直接的关系外，其余大多与物体的空间特征有关。像元的色调/彩色或波谱特征是最基本的影像要素，如果物体之间或物体与背景之间没有色调/彩色上的差异的话，他们的鉴别就无从说起。其次的影像要素有大小、形状和纹理，它们是构成某种物体或现象的元色调/彩色在空间（即影像）上分布的产物。物体的大小与影像比例尺密切相关；物体影像的形状是物体固有的属性；而纹理则是一组影像中的色调/彩色变化重复出现的产物，一般会给人以影像粗糙或平滑的视觉印象，在区分不同物体和现象时起重要作用。第三级影像要素包括图形、高度和阴影三者，图形往往是一些人工和自然现象所特有的影像特征。 1、遥感信息提取方法分类 常用的遥感信息提取的方法有两大类：一是目视解译，二是计算机信息提取。 1.1目视解译 目视解译是指利用图像的影像特征（色调或色彩，即波谱特征）和空间特征（形状、大小、阴影、纹理、图形、位置和布局），与多种非遥感信息资料（如地形图、各种专题图）组合，运用其相关规律，进行由此及彼、由表及里、去伪存真的综合分析和逻辑推理的思维过程。早期的目视解译多是纯人工在相片上解译，后来发展为人机交互方式，并应用一系列图像处理方法进行影像的增强，提高影像的视觉效果后在计算机屏幕上解译。 1）遥感影像目视解译原则 遥感影像目视解译的原则是先“宏观”后“微观”；先“整体”后“局部”；先“已知”后“未知”；先“易”后“难”等。一般判读顺序为，在中小比例尺像片上通常首先判读水系，确定水系的位置和流向，再根据水系确定分水岭的位置，区分流域范围，然后再判读大片农田的位置、居民点的分布和交通道路。在此基础上，再进行地质、地貌等专门要素的判读。 2）遥感影像目视解译方法 （1）总体观察 观察图像特征，分析图像对判读目的任务的可判读性和各判读目标间的内在联系。观察各种直接判读标志在图像上的反映，从而可以把图像分成大类别以及其他易于识别的地面特征。（2）对比分析 对比分析包括多波段、多时域图像、多类型图像的对比分析和各判读标志的对比分析。多波段图像对比有利于识别在某一波段图像上灰度相近但在其它波段图像上灰度差别较大的物体；多时域图像对比分析主要用于物体的变化繁衍情况监测；而多各个类型图像对比分析则包括不同成像方式、不同光源成像、不同比例尺图像等之间的对比。 各种直接判读标志之间的对比分析，可以识别标志相同（如色调、形状），而另一些标识不同（纹理、结构）的物体。对比分析可以增加不同物体在图像上的差别，以达到识别目的。（3）综合分析 综合分析主要应用间接判读标志、已有的判读资料、统计资料，对图像上表现得很不明显，或毫无表现的物体、现象进行判读。间接判读标志之间相互制约、相互依存。根据这一特点，可作更加深入细致的判读。如对已知判读为农作物的影像范围，按农作物与气候、地貌、土质的依赖关系，可以进一步区别出作物的种属；河口泥沙沉积的速度、数量与河流汇水区域
遥感图像土地覆被专题信息提取方法综述 邹斌文 (1中国地质大学研究生院，湖北，武汉,430074； 2中国地质大学地球科学学院，湖北，武汉，430074） 摘要：土地覆被是全球变化研究的重要内容,而专题信息获取是其研究的前提和基础,如何有效地利用丰富的遥感数据源获取高精度的土地覆被专题信息,对于实时动态监测具有重要的意义。在综合分析当前主要的遥感信息提取方法基础上,将土地覆被专题信息提取方法归纳为目视解译、基于统计分析的图像分类、多源信息复合和基于对象的专题信息提取四大类,并综述了各种方法的优缺点、适用领域和应用情况,最后对其研究方向和发展趋势进行了展望,指出地学专家知识、人工智能、非线性理论以及“面向地块”的信息提取方法是其发展方向。 关键词：土地覆被；专题信息；信息复合；地块对象 1引言 土地覆被是指地球陆地表层和近地面层的自然状态,它是自然过程和人类活动共同作用的结果。土地覆被专题信息涵盖地球表面由于自然和人为影响而形成的所有覆盖物,诸如植被、水体、建筑物、道路、露天采矿场、采石场、岩石、沉积物、冰和雪等[1]。这些专题信息对于地表—近地面系统、地球各圈层的相互作用、环境监测、全球环境变化等方面研究具有重要作用,因而土地覆被信息获取成为当前研究热点之一。 遥感具有探测范围广、获得资料的速度快、周期短、实效性强、成本低，经济效益大等优点,通过遥感影像快速提取所需土地覆被专题信息,已经成为灾害评估和环境监测等应用的有力手段。快速准确地提取出土地覆被专题信息是研究土地覆被变化的前提和关键。近年来,随着遥感数据源的日益丰富,多平台、多传感器、多分辨率的遥感图像,为土地覆被信息获取提供了新的契机;另一方面,研究人员对专题信息的快速、高精度提取方法也进行了积极探索和深入研究,将许多新思想、新方法应用到信息提取中,使得信息获取的途径多样化,同时信息提取的精度也得到极大地提高。鉴于目前的研究现状,很需要对当前用于土地覆被信息提取的数据源、专题信息提取的方法进行分析和总结,分析不同方法的优势和劣势,并进一步探讨其研究和应用趋势。 本文针对土地覆被专题信息提取的应用需求,从遥感数据源的分析与应用出发,论述了目前专题信息提取的研究现状,并对他们分别展开分析评述,最后指出了土地覆被专题信息提取的发展方向。 2多源遥感数据源 随着遥感技术的发展,越来越多的不同类型的遥感器被用于对地观测。这些多传感器、多时相、多分辨率、多频段的遥感数据,在土地覆被专题信息提取中具有自身的优势和特性,不同类型的遥感数据具有不同的应用领域、信息提取精度。准确选取适当的数据源是快速、精确地发现并提取遥感图像中所需信息的前提,土地覆被专题信息提取常用的遥感图像可以分为以下几大类:(1)多光谱和全色图像。一般来说,多光谱遥感系统分波段记录地物波谱反射、辐射特征的微弱差异,具有较高的光谱分辨率,拥有丰富的光谱信息,有助于识别各种不同
遥感技术的发展趋势及应用领域 经过数周的学习,我们的"遥感技术"课程结束了,在这课程的学习中,我们收获了很多遥感方面的知识. 随着传感器技术、航空航天技术和数据通讯技术的不断发展，现代遥感技术已经进入一个能动态、快速、多平台、多时相、高分辨率地提供对地观测数据地新阶段。 美国NOAA2005-2015国际遥感研究报告提出，“在未来10年遥感工业强壮发展”。从遥感影像的普及性看主要的发展方向： 1、携带传感器的微小卫星发射与普及 为协调时间分辨率和空间分辨率这对矛盾，小卫星群计划将成为现代遥感的另一发展趋势，例如，可用6颗小卫星在2-3天内完成一次对地重复观测，可获得高于1m的高分辨率成像光谱仪数据。除此之外，机载和车载遥感平台，以及超低空无人机载平台等多平台的遥感技术与卫星遥感相结合，将使遥感应用呈现出一派五彩缤纷的景象。 2、地面高分辨率传感器的使用 商业化的高分辨率卫星为未来发展的趋势，目前已有亚米级的传感器在运行。未来几年内，将有更多的亚米级的传感器上天，满足1比5000甚至1比2000的制图要求。如美国的OrbView-5、韩国的KOMPSAT-2等 3、高光谱/超光谱遥感影像的解译 高光谱数据能以足够的光谱分辨率区分出那些具有诊断性光谱特征的地表物质，而这是传统宽波段遥感数据所不能探测的，使得成像光谱仪的波谱分辨率得到不断提高。从几十到上百个波段，光谱分辨率也向更小的数量级发展。 从遥感影像处理技术和应用水平上看，主要发展方向： 1）多源遥感数据源的应用 信息技术和传感器技术的飞速发展带来了遥感数据源的极大丰富，每天都有数量庞大的不同分辨率的遥感信息，从各种传感器上接收下来。这些数据包括了光学、高光谱和雷达影像数据。 2）定量化：空间位置定量化和空间地物识别定量化 遥感信息定量化，建立地球系统科学信息系统，实现全球观测海量数据的定量管理、分析与预测、模拟是遥感当前重要的发展方向之一。遥感技术的发展，最终目标是解决实际应用问题。但是仅靠目视解译和常规的计算机数据统计方法来分析遥感数据，精度总提不高，
全国土地利用数据遥感信息提取土地利用数据说明北京揽宇方圆信息技术有限公司是中国科学院系统的遥感影像数据服务企业，专注于遥感影像数据一站式的基础卫星数据服务、卫星影像数据处理服务。 土地利用数据时间：1985年、1990年、1995年、2000年、2005年、2010年、2015年 土地利用数据源：Landsat TM影像Landsat ETM影像 土地利用数据遥感信息的提取：根据影像光谱特征，利用ARCGIS、易康软件、ENVI软件等，同时参照有关地理图件，对地物的几何形状，颜色特征、纹理特征和空间分布情况进行分析，提取土地利用信息。 土地利用/覆被变化信息的提取。采用arcgis与易康结合，它通过分析地物光谱特征和其他图像特征，充分利用高程、坡度等地理辅助信息可以有效地提高分类精度，比较适合于地形破碎、地物分布复杂的地区。基于Landsat TM遥感影像，采用全数字化人机交互遥感快速提取方法，同时参考国内外现有的土地利用/土地覆盖分类体系，以及遥感信息源的实际情况，将遥感影像进行解译并进行验证将土地利用数据类型划分为6个一级分类，24个二级分类以及部分三级分类的土地利用/土地覆盖数据产品，并结合本项目制定土地利用数据产品分类体系。 目视解译侧重于人的知识的参与，为了减少由于不同人员的主观差异性所造成的误差，提高遥感判读精度，因此建立统一解译标志是十分
必要的。根据影像光谱特征，结合野外实测资料，同时参照有关地理图件，对地物的几何形状，颜色特征、纹理特征和空间分布情况进行分析。 一、TM影像数据的预处理。遥感数据处理主要包括大气校正、几何校正和图像增强，并利用行政边界矢量图对影像进行裁剪。 二、土地利用变化信息提取。首先对其中的一期影像分别采用人工解译的方法，然后利用易康开始分类。 三、数据集成 对数据形式特征（如格式、单位、分辨率、精度）等和内部特征（特征、属性、内容等）做出全部或部分的调整、转化、合成、分解等操作，形成充分兼容的数据库。包括空间、属性和时间等对对象数据特征的处理。 四、质量控制方法 （1）遥感影像纠正采用投影变换方法（PROJECT），控制点要选择比较明显的地物，如道路交差点，坝址等，并与地形图相对应，分布要均匀，尽可能多的选择控制点，误差控制在一个像元，TM影像纠正的方根误差（a RES error）小于0.01，MSS影像纠正的方根误差（a RES error）小于0.08。 （2）地形图纠正采用有限元方法（Finite Element）。①经纬网 偏差不超过一个像素，②经线方向的方里网误差不超过2个像素，③纬线方向的方里网不超过3个像素。 （3）专题信息矢量化采用人机交互判读实现，分为基于遥感影像 的专题信息和分为基于地形图的专题信息。遥感影像解译精度保证耕地、
遥感原理与应用课程设计—“遥感专题信息提取与专题图制作”设计报告 学院遥感信息工程学院 班级 学号 姓名 日期2012年2月21日
一、课程设计的目的和意义 本次课程设计的目的主要是为了加深理解和巩固遥感原理与应用的有关理论知识；要求我们会运用专业遥感软件，通过对遥感影像进行各种处理以及专题信息提取等综合应用，培养独立分析问题和解决问题的能力。本次实习的意义在于锻炼我们的独立自主能力，培养良好的工作习惯和科学素养，为今后工作打下良好的基础。 二、课程设计方案和流程 1、实验数据介绍 地点：XX地区 传感器类型：TM1、3、4、5、6、7波段影像；空间分辨率：30米、120米； SPOT影像，分辨率10米。 说明文件：Readme.txt，SPOT影像投影信息、大地坐标、分辨率。 2、硬软件介绍 本次实习使用的软件主要为ERDAS软件。ERDAS IMAGINE是美国ERDAS 公司开发的专业遥感图像处理与地理信息系统软件。在图像处理方面，直观的操作步骤使用户操作起来非常灵活方便。IMAGINE的窗口提供了卷帘、闪烁、设置透明度以及根据坐标进行窗口关联功能，方便多个相关图像的比较。ERDAS IMAGINE 为不同的应用提供了250多种地图投影系统，还有非常方便的坐标转换工具。新开发的专家分类器，为高光谱、高分辨率图像的快速高精度分类提供了可能。此工具突破了传统分类只能利用光谱信息的局限，可以利用空间信息辅助分类。 3、总体方案 本次实习给定的是XX地区的相关波段的TM图，我想采用分类融合技术，利用各个波段的TM图像进行影像融合，分别提取该区域的水系、植被、居民地，以这三种地类的面积或周长等要素作为研究对象，进而制作出XX地区的土地利用专题图。 详细步骤如下： （1）、确定专题要素：XX地区水系、植被、居民地这三中地类的面积以及分布情况。 （2）、格式转换：先将源图像.tif格式的文件转换成.img格式的文件，便于软件进行处理。
影像信息提取 ——目视解译 遥感影像通过亮度值或像元值的高低差异（反映地物的光谱信息）及空间变化（反映地物的空间信息）来表示不同地物的差异，这是区分不同影像地物的物 理基础。 目前影像都是基于数字，影像信息的提取方法的发展历程可分为如图1所示， 目前这四类方法共存。 图1 影像信息提取发展阶段 这一专题讲解的是人工解译，也是目前国内使用最多的一种影像提取方法，如土地调查、地质调查等。这类方法非常灵活，但需要一定的经验，特别是像地 质解译等，对业务专业要求比较多。 本专题分以下内容： ??●遥感图像解译基本概念 ??●遥感图像解译预处理 ??●解译标志的建立 ??●解译关键问题
遥感图像解译 人们对地表物体的有关领域，如土地利用存在一种先验知识，在遥感图像寻找对应关系。然后，根据遥感图像的影像特征推论地表物体的属性。这一过程就称之为遥感图像的解译，也叫遥感图像的判读。 解译的任务就是从图像上认识，辨别影像与地物的对应关系、判断、归类、地物目标，并用轮廓线圈定它们和赋予属性代码，或用符号、颜色表示属性。 进行图像解译时，把图像中目标物的大小、形状、阴影、颜色、纹理、图案，位置及周围的系统称之为解译的八要素。 （1）大小：拿到图像时必须根据判读目的选定需要的比例尺。根据比例尺的大小，可以预先知道图像上多少毫米的物，在实际距离中为多少米。 （2）形状：由于目标物不同，在图像中会呈现出特殊的形状。用于图像判读的图像通常是垂直拍摄的，所以必须记住目标的成像方式。因为即使同样为树木，针叶林的树冠呈现为圆形，而阔叶树则形状不同，从而可以识别出二者。此外，飞机场，港口设施、工厂等都可以通过它们的形状判读出其功能。 （3）阴影：由于判读存在于山脉等阴影中的树木及建筑时，阴影的存在会给判读者造成麻烦，信往往会使目标丢失。但另一方面，在单像片判读时，利用阴影可以了解铁塔及桥、高层建筑物等的高度及结构。 （4）颜色：黑白像片从白到黑的密度比例叫色调（也叫灰度）。用全色胶片拍摄的像片中，目标物按照其反射率而呈现出白一灰一黑的密度变化。例如，同样为海滩的沙子，干的沙子拍出来发白，而湿沙则发黑。在红外图像上，水域 拍出来是黑色的，而植被则发白。 （5）纹理：也叫结构，是指与色调配合看上去平滑或粗糙的纹理的粗细程度，即图像上目标物表面的质感。草场及牧场看上去平滑，造林后的幼树看上去像铺了天鹅绒，针叶树林看上去很粗糙。这种纹理也是判读的线索。 （6）图案：根据目标物的有规律的排列而形成的图案。例如，住宅区的建筑群，农田的垄、高尔春球场的路线和绿地，果树林的树冠等。以这种图案为线 索可以容易判别出目标物。 （7）位置及与周围的关系：在（1）-（6）上加上各区域的地理特色及判读者的专业知识等，就可以确定解释的结果。 解译的操作步骤: （1）影像预处理 （2）初步判读，建立判读标志 （3）野外调查或资料验证 （4）详细判读及其更新目标的定性、定位