envi4.7 论文(用遥感的方法统计林地面积—以永吉县为例)
- 格式:doc
- 大小:426.00 KB
- 文档页数:8
如何利用遥感技术进行森林资源监测与评估森林资源对于我们的生态环境和经济发展至关重要。
随着环境问题的日益严峻和人们对可持续发展的需求不断增加,森林资源的监测与评估变得尤为重要。
遥感技术作为一种快速、高效、准确的手段,已经成为森林资源监测与评估的重要工具之一。
一、遥感技术在森林资源监测中的应用遥感技术通过获取大量的遥感图像数据,使研究者能够全面地了解森林资源的状况。
首先,遥感技术可以提供准确的森林面积和分布信息。
通过对遥感图像进行解译和分类,可以快速获取不同类型森林的分布范围和面积,并对各类森林进行统计和分析。
这样的信息对于合理规划森林资源的利用和保护至关重要。
其次,遥感技术可以提供森林的生长状态和变化情况。
通过对多时相的遥感图像进行比对和分析,可以得到森林的生长速度、植被覆盖程度等动态信息。
这样的信息对于科学管理森林资源、判断森林生态环境的健康状况以及制定相应政策具有重要意义。
此外,遥感技术还可以提供森林的生物多样性信息。
通过对遥感图像进行纹理、光谱分析,可以获得不同植被的特征参数,如叶面积指数、植被指数等。
这些参数可以反映出森林的生态环境和物种多样性的状况,为生物多样性保护和生态环境修复提供科学依据。
二、遥感技术在森林资源评估中的应用森林资源评估是对森林资源进行价值及潜力评估的重要环节,遥感技术在其中发挥着不可或缺的作用。
首先,遥感技术可以提供森林的生产潜力评估。
通过对遥感图像进行光谱信息提取和分析,可以获得森林植被的养分含量、生长速率等参数,从而评估森林的生产潜力,并为森林经济发展提供科学依据。
其次,遥感技术可以提供森林碳储量的评估。
森林是地球上最大的陆地生态系统之一,其具有重要的碳汇功能。
通过遥感技术获取的森林信息,可以结合地面采样数据,进行森林碳储量的估算。
这对于应对气候变化、制定碳交易政策具有重要意义。
此外,遥感技术还可以提供森林资源保护与监管的评估。
通过对遥感图像进行解译和分析,可以获得森林面积、破坏情况等信息,进而评估森林资源的保护状况,并为相关管理部门提供监管决策依据。
基于遥感影像的森林面积动态变化分析一、引言随着社会的不断发展,环境问题越来越受到人们的关注。
在环境问题中,森林面积的动态变化是一个重要的研究课题。
遥感技术可以获取到大面积、高分辨率、高精度的地表信息,因此在森林面积动态变化研究中具有广泛的应用前景和重要的意义。
二、基于遥感影像的森林面积检测方法1. 经验模态分解(EMD)法EMD是一种基于信号局部特征提取的方法,可以将复杂信号分解为若干个本征模态函数。
EMD法可以应用于遥感影像上,首先,利用一定的约束条件,将遥感影像分解为本征模态函数;然后,对于森林面积的本征模态函数部分进行处理,提取出许多小区域中灰度值为相同的像素点,并通过构造分类器实现森林面积的检测。
2. 改进的植被指数(IVI)法IVI法是将三个植被指数(NDVI、EVI、SAVI)进行线性组合得到的。
IVI法可以同时较好的反映土地覆盖情况和植被的覆盖情况,且不易受到大气影响。
在具体实现过程中,首先计算植被指数;然后根据经验公式构建分类器,进行森林面积的检测。
三、森林面积变化分析1. 森林面积变化趋势的统计分析通过观察时间序列上的森林面积数据,可以计算出数据的趋势,进而掌握森林面积变化的规律。
森林面积数据趋势分析的常用方法包括线性趋势分析、非线性趋势分析和B样条插值法等。
2. 森林面积变化的空间分析空间分析是认识森林面积变化的重要方法之一,因为森林面积的变化不仅仅是时间上的变化,同时还涉及到空间的变化。
在空间上,可以通过统计检验、GEE方法、GIS和RS集成等方法来分析森林面积变化的空间规律。
四、案例展示近年来,由于森林面积的减少,很多国家都开始进行森林面积的监测和治理。
其中,俄罗斯的森林面积变化情况备受瞩目。
根据RS数据,俄罗斯2019年的森林面积为8.83亿公顷,统计数据显示与相邻年份相比有了一定程度的下降。
应用EMD法分析,俄罗斯2019年的森林面积为8.74亿公顷,相比于统计数据而言,更加准确。
envi遥感影像面积统计方法嘿,咱今儿就来唠唠 envi 遥感影像面积统计方法这档子事儿。
你说这 envi 遥感影像啊,就像是个神秘的大宝藏,里面藏着好多好多我们想要的信息呢!那怎么从这个大宝藏里把面积相关的信息给挖出来呢?这可得有点小技巧啦。
咱可以先把影像好好地处理一下,就像给它洗个澡,让它干干净净的,这样我们后面操作起来才更顺手嘛。
然后呢,我们得找到合适的工具,就好比战士上战场得有称手的兵器一样。
想象一下,这影像就像是一片广阔的田野,我们要统计的面积就像是田野里的一块块不同的作物区域。
我们得仔细地分辨它们,不能搞混了呀。
有时候可能会遇到一些模糊的地方,就像雾蒙蒙的天气看不清路一样,这时候可就得睁大眼睛,多琢磨琢磨。
我们可以用一些专门的算法和软件来帮忙。
它们就像是一个个小精灵,能帮我们快速准确地找到我们要的面积信息。
比如说,有一种方法就像是给影像穿上一件特殊的衣服,这件衣服能把我们关心的区域凸显出来,然后我们就能轻松地算出面积啦。
还有啊,我们得注意影像的分辨率哦。
就好比你看一幅画,如果分辨率低,那很多细节就看不清,统计面积也可能会不准确呢。
所以说,要想得到准确的结果,这一点可不能马虎。
在统计面积的过程中,可别嫌麻烦,要一遍遍地检查核对,就像做作业要认真检查一样。
万一不小心出了错,那可就麻烦啦。
而且啊,不同的影像可能需要不同的方法,这就像是不同的菜得用不同的做法,可不能一概而论。
统计完了面积,我们就像是收获了满满的果实一样,心里那叫一个美呀!这可都是我们努力的成果呢。
总之呢,envi 遥感影像面积统计方法虽然有点小复杂,但只要我们有耐心,有细心,再加上一些小技巧和合适的工具,就一定能把这个任务完成得漂漂亮亮的!咱可不能被它给难住了,要勇敢地去挑战它,对吧?。
如何利用遥感影像进行森林资源测绘与分析森林资源是地球上最重要的自然资源之一,对人类的生存和发展起着不可替代的作用。
随着遥感技术的发展和应用,利用遥感影像进行森林资源测绘与分析变得越来越重要。
本文将探讨如何利用遥感影像进行森林资源测绘与分析,并介绍相关的方法和技术。
一、遥感影像在森林资源测绘中的应用遥感影像是通过卫星、飞机等载体获取的地球表面信息的图像数据。
在森林资源测绘中,遥感影像可以提供大范围、多时相的数据,为森林资源的调查和研究提供了强大的工具。
首先,遥感影像可以用于森林面积和森林类型的测定。
通过分析遥感影像,可以获取森林面积、森林边界和森林类型等信息。
这对于制定森林保护政策和规划森林利用具有重要意义。
其次,遥感影像可以用于森林生态系统的监测和评估。
遥感影像可以提供植被指数、植被覆盖度、植被生长状况等信息,通过这些信息可以评估森林的健康状况、生物多样性和生态系统服务等。
这对于森林保护和可持续利用具有重要意义。
再次,遥感影像可以用于森林火灾的监测和预警。
通过分析遥感影像中的火点和烟雾等信息,可以实时监测森林火灾的发生和蔓延,及时采取措施进行扑救和防范。
这对于减少森林火灾的损失具有重要意义。
最后,遥感影像可以用于森林资源的动态变化分析。
通过分析遥感影像的多时相数据,可以追踪森林资源的变化情况,包括森林面积的变化、植被类型和覆盖度的变化等。
这对于森林资源的管理和保护具有重要意义。
二、利用遥感影像进行森林资源测绘与分析的方法1. 遥感影像的获取与处理首先,需要获取高质量的遥感影像数据。
可以通过卫星获取的高分辨率影像,也可以通过无人机获取的低空影像。
获取到的影像数据需要经过预处理,包括去噪、辐射校正和几何校正等,以提高数据的质量和准确性。
2. 影像解译和分类通过影像解译和分类,可以将遥感影像中的地物进行分类和识别。
常用的分类方法包括基于像元的分类和基于对象的分类。
基于像元的分类是将影像中每个像元分为不同的类别,如森林、水体、草地等。
森林覆盖变化的遥感监测与分析方法研究引言:随着全球气候变暖和人类活动的增加,森林面临着日益严重的威胁。
了解森林覆盖变化是保护和管理森林生态系统的关键。
传统的调查方法需要大量的时间和资源,因此遥感技术成为监测和分析森林覆盖变化的有力工具。
本文将介绍森林覆盖变化的遥感监测与分析方法,包括遥感数据获取、影像处理和分类方法以及变化检测与分析。
一、遥感数据获取1.空间分辨率:空间分辨率是指遥感影像中每个像素所代表的地面区域的大小。
在监测森林覆盖变化时,较高的空间分辨率可以提供更为详细的信息,但也需要更高的成本和处理能力。
选择合适的空间分辨率取决于研究的目的和可用资源。
2.光谱分辨率:光谱分辨率是指遥感影像中不同波段的数量和宽度。
不同波段的光谱信息可以用来提取不同的地物特征。
在森林覆盖变化的研究中,可见光、红外和热红外波段对于植被的监测尤为重要。
选择合适的光谱分辨率可以提高遥感数据对森林覆盖变化的敏感性。
3.时间分辨率:时间分辨率是指在一定时间间隔内获取遥感影像的频率。
时间序列的遥感影像可以反映森林覆盖变化的动态过程。
通过分析多个时期的影像数据,可以检测森林覆盖的变化趋势和周期性。
选择合适的时间分辨率是准确监测和分析森林覆盖变化的关键。
二、影像处理和分类方法1.预处理:遥感影像的预处理包括辐射校正、大气校正和几何校正等步骤。
这些步骤旨在消除影像中的噪声和歪斜,并使影像数据与实际地面特征一致。
预处理可以提高遥感数据的可用性和可靠性。
2.特征提取:特征提取是将遥感影像中的像素转化为具有实际意义的地物特征的过程。
在森林覆盖变化的研究中,常用的特征包括植被指数、纹理特征和空间结构特征等。
这些特征可以揭示植被的生物物理和生态学特性,为后续的分类和变化检测提供基础。
3.分类方法:分类是将预处理和特征提取后的遥感影像像素划分为不同的类别的过程。
常用的分类方法包括监督分类和无监督分类。
监督分类需要先建立一个训练样本库,并利用分类器对未知像素进行分类。
遥感技术在林业资源保护中的应用案例分析引言随着人们对环境保护与生态建设的日益重视,林业资源保护成为当今重要的议题之一。
而遥感技术,作为一种高效、准确的信息获取手段,正在这一领域发挥着重要作用。
本文将通过几个实际案例,探讨遥感技术在林业资源保护中的应用。
案例一:森林覆盖度监测与评估森林覆盖度是评估一个地区生态状况和生物多样性的重要指标。
而传统的森林调查方法费时费力,且结果不够准确。
利用遥感技术,可以通过卫星或无人机获取大范围地表覆盖信息,利用影像处理软件进行图像分类和森林提取,从而实现森林覆盖度的监测和评估。
以某地区为例,通过遥感数据获取该地区的高分辨率卫星图像。
运用遥感影像处理软件,对图像进行分类,将森林区域与非森林区域进行区分。
通过遥感技术,可以得到森林覆盖度的详细数据,并对其进行评估。
在获得这些数据后,相关部门可以根据具体情况采取适当的保护措施,以实现森林资源的可持续利用。
案例二:林火监测与预警林火是破坏森林资源的主要威胁之一,灾害性林火会导致生态环境的破坏和生物多样性的丧失。
传统的林火监测方式主要依赖于人工巡逻和报告,效率低下。
而遥感技术的广泛运用,为林火监测和预警提供了新的解决方案。
利用遥感技术,可以定期获取大范围、多角度的地表温度数据。
这些数据可以用来监测森林地区的温度变化,并识别热点区域。
结合其他数据,如风向、植被密度等,可以进行林火风险评估和预警。
通过遥感技术的应用,相关部门可以及时派遣人员进行灭火,最大程度地减少林火的损失。
案例三:森林病虫害监测与防控森林病虫害是森林健康的重要指标之一。
通过遥感技术,可以快速、准确地监测和识别森林病虫害的发生情况,为病虫害的防控提供科学依据。
以某地区的松树枯萎病为例,通过遥感技术获取该地区的多光谱卫星图像数据。
运用遥感图像处理软件,可以对图像进行不同波段的分析,进而识别出患病的松树。
结合其他环境数据,如温度、湿度等,可以进行病虫害扩散的模拟和预测。
遥感技术在林业资源监测中的应用案例分享近年来,随着遥感技术的不断发展和应用,它已经成为了林业资源监测中不可或缺的工具之一。
遥感技术通过获取地球表面的遥感图像并利用遥感数据进行分析,使我们能够更全面、快速地了解森林的状态、变化和质量。
本文将分享几个关于遥感技术在林业资源监测中的成功案例,以展示其在林业资源管理中的重要性。
首先,遥感技术在林地变化检测中的应用。
以中国为例,中国拥有广袤的森林资源,但由于近年来人类和自然因素的影响,森林遭受到了不同程度的破坏和退化。
遥感技术通过对多时期遥感影像的比对和分析,可以准确地检测和监测森林的变化情况。
例如,在云南的某个森林保护区,研究人员利用多期遥感影像对森林面积和覆盖率的变化进行了定量监测,发现了大规模的森林退化,进一步调整了保护区的管理策略,有效保护了该地的生态环境。
其次,遥感技术在森林植被监测中的应用。
森林植被作为地球上最重要的生态系统之一,其变化情况对全球气候和生态平衡具有重要影响。
利用遥感技术可以进行森林植被的监测和评估,以了解其健康状况和生长状况。
例如,在美国国家森林监测系统中,研究人员使用卫星遥感数据对森林植被的生长情况进行了定量监测,并建立了植被生长模型,为森林资源管理和防火工作提供了重要依据。
此外,遥感技术在森林火灾监测和预警中的应用也非常重要。
森林火灾是破坏森林资源和生态环境的重要因素之一。
遥感技术通过获取森林火灾的热点和烟雾图像,可以实时监测和预警火灾的发生和扩散,为及时采取有效措施提供了重要的信息。
以澳大利亚为例,该国的森林火灾监测系统利用卫星遥感数据实时监测火灾的烟雾和热点,并通过移动应用程序向公众和相关部门发布预警信息,提高了火灾的应对效率和防范能力。
最后,遥感技术在森林资源评估和规划中的应用也具有重要意义。
通过遥感技术的协助,可以对森林资源进行定量评估和规划。
例如,在巴西亚马逊森林地区,研究人员利用遥感技术获取了该地区的森林类型、面积和分布等数据,并基于此进行了森林资源规划,从而更好地保护了该地区的生态环境和可持续利用。
遥感测量技术在林业资源管理中的应用近年来,随着遥感技术的发展和应用,其在林业资源管理中的作用日益凸显。
遥感测量技术通过获取传感器在飞行器、卫星或无人机上搭载的仪器设备,对地球表面的光谱、热量、高度等物理量进行测量和观测。
在林业资源管理中,遥感测量技术为监测林地覆盖、估算树木生长速度和量化森林碳储量等方面提供了有效的手段。
首先,遥感测量技术在林地覆盖监测中发挥着重要作用。
传统的林地执行监测通常需要耗费大量的人力物力,且周期较长,不能及时获取准确的信息。
而利用遥感技术,可以通过卫星遥感图像对林地进行快速、准确的覆盖分析。
遥感影像可以提供全面的林地覆盖信息,包括森林、草地和水域等不同类型的覆盖面积和分布。
这使得林业部门能够更好地了解当前的林地状态和变化趋势,有针对性地制定林地保护和利用计划。
其次,遥感测量技术在估算树木生长速度方面也发挥着重要作用。
在过去,人们通常需要通过人工测量样地内的树木直径和高度来得出树木生长速度。
这种方法不仅耗时费力,还容易出现误差。
而使用遥感技术,可以通过处理多时相的遥感影像,自动提取出树木冠层信息,进而得出树木高度和冠幅的变化情况。
结合地面实测数据,可以更加准确地估算出树木的生长速度以及整个林区的生长状况。
这对于林业部门来说,能够更好地了解树木的生态特征,科学规划木材的采伐和种苗的引入。
此外,遥感测量技术还可以用于量化森林碳储量。
森林是地球上最重要的碳汇之一,对于缓解全球气候变化具有重要作用。
然而,传统方法下森林碳储量的估算需要耗费大量的人力物力,且结果往往存在较大的误差。
利用遥感技术,通过获取林地的光谱信息和冠层结构,可以估算出林地的生物量并进而计算出森林碳储量。
这种方法能够快速、准确地估算森林碳储量,为科学制定气候变化政策提供重要依据。
值得一提的是,近年来,随着无人机技术的发展和成熟,遥感测量技术在林业资源管理中的应用得到了进一步的拓展。
无人机能够低空飞行,获取更详细的图像信息,并且可以灵活地根据需要进行航迹规划。
引言随着遥感技术的发展, 遥感数据的分辨率不断提高,遥感影像已经成为探测地物目标综合信息最直观、最丰富的载体. 本文分别采取了主成份分析法、规一化植被指数N DVI提取法和监督分类法等三种方法对永吉县的林地识别提取,综合比较三种方法的优劣,然后取平均值,最终得出永吉县林地面积。
一:预处理1. 1 数据准备本文选择吉林省永吉县2003年5月31日Landsa t 7 ETM +遥感图像数据。
L andsat 7ETM + 图像含有8个波段, 1、2、3、4、5、7 波段分别为可见光、近红外和短波红外波段, 波长依次为0. 4787, 0.5610, 0. 6614, 0. 8346, 1. 65, 2. 208um, 地面分辨率为30m。
8 波段为全色波段, 波长为0. 5 - 0. 9um, 地面分辨率为15m。
6 波段为热红外波段, 波长为10. 4- 12. 5um, 地面分辨率为60m。
1 .2 几何校正几何校正, 即图像级别中的几何精校正,主要方法是多项式法。
方法机理是通过若干控制点,建立不同图像间的多项式空间变换和像元插值运算, 实现遥感图像与实际地理图件间的配准, 达到消减以及消除遥感图像的几何畸变, 是获取第3个级别遥感数据的重要方法。
原理见附录图1.2在ENVI遥感软件中, 对于一次线性变换, 当采集到4个控制点以上时,软件系统就会自动推算控制点的变换值和RMS , 可以很好地辅助控制点的编辑。
当RMS值都小于等于1时,控制点的精度控制在一个像素大小上,几何校正效果较好。
在条件允许的条件下, GCP数目要远远大于最小数目, 可以是其的6倍。
本文采用二次多项式纠正,选取了18个校正点,最后的RMS约等于0.75,在一个像元内,精度良好。
1.3 图像像元灰度值重采样经过上述图像像元坐标的空间变换, 得到对应于实际地面或无几何畸变的图像坐标, 图像上每个像元都有了无几何畸变的坐标值。
随后需要做的是给每个像元赋亮度值。
如何利用遥感技术进行森林资源调查与评估遥感技术与森林资源调查与评估近年来,随着遥感技术的快速发展,利用遥感技术进行森林资源调查与评估变得越来越重要和可行。
遥感技术广泛应用于环境监测和资源管理等领域,对于评估森林资源的分布、类型、结构和生态功能等方面提供了有力的工具和数据。
首先,通过遥感技术可以获取大规模、连续、时序性的影像数据。
遥感技术可以通过人造卫星、航空影像或者地面监测设备获取高分辨率的图像,在一定程度上弥补了传统野外调查的局限性。
通过对不同时间、不同空间的影像数据进行比较和分析,可以有效监测森林资源的变化和动态。
这对于进行森林生态系统的监测、研究和评估是非常有帮助的。
其次,遥感技术可以提供森林资源的各种空间信息。
森林作为一个复杂的生态系统,包含着丰富的生物多样性和地理信息。
通过遥感技术可以获取到森林的空间分布、面积、边界、形状以及不同类型森林的数量和分布等信息。
这些信息对于科学合理地规划和管理森林资源具有重要意义。
另外,遥感技术还可以提供有关森林的生长状态、植被覆盖度、树木高度、群落结构等方面的数据,为森林资源的评估和利用提供了参考依据。
此外,遥感技术可以辅助进行森林病虫害监测和预警。
森林病虫害是森林生态系统中的重要问题,对生态环境和经济利益都具有显著的影响。
通过遥感技术可以及时探测和分析森林病虫害的发生程度和分布范围。
同时,遥感技术还可以结合地理信息系统,进行定量分析和模拟,为病虫害的预测和预警提供科学依据。
最后,遥感技术在森林资源调查与评估中还可以与其他辅助方法相结合。
例如,通过遥感技术获取到的图像数据可以与地面调查数据相结合,进行验证和校正。
同时,遥感技术还可以与气象数据、地形数据等多源数据融合,提高森林资源调查与评估的精度和可靠性。
这种多源数据融合的方法可以有效地综合利用各种信息,提高森林资源调查与评估的效率和精度。
综上所述,遥感技术对于森林资源调查与评估具有重要的意义和应用价值。
引言
随着遥感技术的发展, 遥感数据的分辨率不断提高,遥感影像已经成为探测地物目标综合信息最直观、最丰富的载体. 本文分别采取了主成份分析法、规一化植被指数N DVI提取法和监督分类法等三种方法对永吉县的林地识别提取,综合比较三种方法的优劣,然后取平均值,最终得出永吉县林地面积。
一:预处理
1. 1 数据准备
本文选择吉林省永吉县2003年5月31日Landsa t 7 ETM +遥感图像数据。
L andsat 7ETM + 图像含有8个波段, 1、2、3、4、5、7 波段分别为可见光、近红外和短波红外波段, 波长依次为0. 4787, 0.5610, 0. 6614, 0. 8346, 1. 65, 2. 208um, 地面分辨率为30m。
8 波段为全色波段, 波长为0. 5 - 0. 9um, 地面分辨率为15m。
6 波段为热红外波段, 波长为10. 4- 12. 5um, 地面分辨率为60m。
1 .
2 几何校正
几何校正, 即图像级别中的几何精校正,主要方法是多项式法。
方法机理是通过若干控制点,建立不同图像间的多项式空间变换和像元插值运算, 实现遥感图像与实际地理图件间的配准, 达到消减以及消除遥感图像的几何畸变, 是获取第3个级别遥感数据的重要方法。
原理见附录图1.2
在ENVI遥感软件中, 对于一次线性变换, 当采集到4个控制点以上时,软件系统就会自动推算控制点的变换值和RMS , 可以很好地辅
助控制点的编辑。
当RMS值都小于等于1时,控制点的精度控制在一个像素大小上,几何校正效果较好。
在条件允许的条件下, GCP数目要远远大于最小数目, 可以是其的6倍。
本文采用二次多项式纠正,选取了18个校正点,最后的RMS约等于0.75,在一个像元内,精度良好。
1.3 图像像元灰度值重采样
经过上述图像像元坐标的空间变换, 得到对应于实际地面或无几何畸变的图像坐标, 图像上每个像元都有了无几何畸变的坐标值。
随后需要做的是给每个像元赋亮度值。
因为已知的图像数据是有几何畸变的像元亮度值, 并没有校正后的无几何畸变的像元亮度值。
所以需要通过数学上的重采样方法计算出校正后像元位置的亮度值, 形成无几何畸变的遥感数据。
本文选择双向线性内插法对永吉县遥感影像重采样。
1 . 4永吉县矢量裁切
首先在ArcGis中将永吉县矢量化,得到永吉县边界矢量图层(.shp)。
在ENVI中打开经过几何校正的遥感影像,导入永吉县边界矢量图层,转化为ROI,通过BasicTools工具中的Subset via ROI实施不规侧裁剪,最终得到永吉县栅格遥感影像,见附录图1.4。
二:永吉县林地提取
2.1主成份分析提取法
主成分分析( Principal components analysis, PCA) 在数学上又称K-L
变换. 在遥感应用领域, 是以图像的统计特性为基础, 除去波段之间的多余信息, 将具有相关性的多波段数据压缩到比原波段更有效的少数几个波段上, 达到信息综合与增强的目的. 应用主成分分析方法, 把试验区多波段数据在尽可能地不失去信息的同时, 将相关的多波段信息通过数学转化成不相关的信息, 增强地物光谱的差异性, 从而快速的提取出林地信息.
原始波段经主成分变换后,得到一组6个新的变量, 变换后的新波段各主分量所包含的信息呈逐渐较少的趋势, 据已有的研究成果, 对TM 的主成分分析, 取第一、第二、第三主分量就包含了95%以上的信息,故经过主成分变换后的图像中包含了比原始波段内容丰富的信息, 起到特征增强作用。
故原始影像在ENVI中经过主成份变换后,明显增强了林地的信息,然后选取第一主成分,采用密度分割法分离出林地。
分离后影像见附录图2.1。
2.2规一化植被指数N DVI提取法
规一化植被指数N DVI [ ( IR- R) / ( IR+ R) ] 是遥感影像分类识别中最为广泛应用的指数之一, 它是红外光与可见红光谱段组合的产物, N DVI 与高密度的地表植被覆盖呈正相关, 对土壤和水体则趋于零, 较高的N DV I 值反映了较强的树木长势及林地密度。
在ENVI中选择永吉县TM影像的 3.4波段,添加波段运算公式(b1-b2)\(b1+b2)到波段运算列表,然后分别选择第四和第三波段为b1和b2,得到NDVI指数图像(0-1图),见附录图2-2。
(其中黑色部分为植被)
2.3监督分类提取法
监督分类方法。
首先需要从研究区域选取有代表性的训练场地作为样本。
根据已知训练区提供的样本,通过选择特征参数(如像素亮度均值、方差等) ,建立判别函数,据此对样本像元进行分类,依据样本类别的特征来识别非样本像元的归属类别。
监督分类的关键是训练样本和训练场地的选择,其选择的质量关系到分类能否取得良好的效果。
本文采用的是最大似然分类法。
它是图像处理中最常用的一种监督分类方法,它建立在Bayes 准则的基础上,偏重于集群分布的统计特性,分类原理是假定训练样本数据在光谱空间的分布是服从高斯正态分布规律的,做出样本的概率密度等值线,确定分类,然后通过计算标本( 像元) 属于各组( 类) 的概率,将标本归属于概率最大的一组。
本文以永吉县遥感影像的7、4、2波段模拟假彩色图像合成RGB 进行显示,根据图像的光谱特征,通过人工判读把图像中的地物分为5类:林地、旱地、水田、水体和其他。
然后通过绘制多边形选择感兴趣区进行样本的选取,每类地物的感兴趣区均用不同颜色加以区别。
分类后在经过聚类分析、过滤分析和去除分析等分类后处理,使分类结果达到最优。
然后统计可分离性精度,均大于1.9,分类效果良好。
最后将林地以外的其他土地类型合并为一类,取名为“其他”,得到两种土地类型,见附录图2.3。
三:结论
如何提高遥感影像分类精度,准确的计算出某种土地类型的面积,一
直是众所关注的热点问题。
每种分类方法都有最适合应用的范围和自身的局限性,没有一种是最普遍最佳的方法,所以必须灵活应用,综合应用多种分类方法,并且与其他图像处理技术结合起来实现最大精度的土地类型提取。
本文主要介绍了主成份分析法、规一化植被指数N DVI法、监督分类中的最大似然法等四种分类方法,并分别统计了每种分类的结果,最后取其平均值作为最终的结果,最终统计表格见附录表1。
附录:
图1.2
图1.4
图2.1
图2.2
2.3。