“3s”技术在达县土地利用覆被动态监测中的应用研究

《“3s”技术在达县土地利用覆被动态监测中的应用研究》由会员分享，可在线阅读，更多相关《“3s”技术在达县土地利用覆被动态监测中的应用研究（51页珍藏版）》请在金锄头文库上搜索。

1、成都理工大学 硕士学位论文 “3S”技术在达县土地利用/覆被动态监测中的应用研究 姓名：杨鑫 申请学位级别：硕士 专业：地图学与地理信息系统 指导教师：杨武年 20090601 摘 要 “3S”技术在达县土地利用”技术在达县土地利用/覆被动态监测中的 应用研究 覆被动态监测中的 应用研究 作者简介：杨鑫，性别男，1984 年 7 月生，师从成都理工大学杨武年教授， 2009 年 6 月毕业于成都理工大学地图学与地理信息系统专业，获得理学硕士学 位。 摘摘 要要 中国是一个人口众多的发展中国家。随着经济的迅速发展，生态环境问题日 益突出，并成为制约我国现代化建设的重要因素之一，随着“3S”技术的

2、不断发 展和我国生态环境保护意识的加强，利用“3S”技术对生态环境进行土地利用/ 覆被动态监测变的必要和紧迫。因此，如何有效的对区域生态环境做出科学的监 测和评估，已成为我们必须解决的课题之一。本文是在“四川省生态环境遥感动 态监测”项目成果基础上完成的，以四川省达县为研究区，LandSat-5 TM 卫星 影像为主要信息源，利用 ERDAS IMAGINE、ARCGIS、ARCVIEW 等软件，对 达县地区 2000 年到 2007 年间的土地利用/覆被进行了动态监测，基本查明了达 县地区 2000 年到 2007 年的土地利用现状及变化情况。 论文主要研究成果包括以下方面: (1)建立了达

3、县 2000-2007 年土地利用/覆被动态和现状数据库，2007 年土地 利用/覆被现状数据库，修正了 2000 年土地利用/覆被现状数据库； (2)对遥感影像解译成果进行野外验证，并对与野外实际不符的少量数据进 行了修改与更新； (3)对达县生态环境监测进行了初步分析，分析表明虽然达县退耕还林工程 取得了显著成绩，但造成了耕地的剧烈减少，因此应注意保护耕地，注意经济和 环境的可持续发展。 2000 年到 2007 年， 达县完成退耕还林 122.871 km2， 大量的水田和旱地转化 为林地和建筑用地。这 7 年间达县退耕还林效果显著，林地面积从 2000 年的 26.6%增长到 30%。

4、耕地、林地、草地、水域、建设用地 5 个一级地类中，其中 只有耕地的面积净减，减少了 125.62 km2；草地面积无变化（可能受遥感图像的 影响）；面积净增的土地利用类型中，林地居首，净增 122.87 km2 ；建筑用地 面积增加 2.28 km2 ；水域面积增加 0.47 km2 。这 7 年间耕地减少迅速，因此如 何实现经济可持续性增长、保护耕地是我们面临的一项非常艰巨的任务。 摘 要 II 关键词:遥感技术 地理信息系统 全球定位系统 达县 生态环境 动态 监测 土地利用/覆被 Abstract III The Application of RS, GIS已探明矿藏 12 种，主要矿

5、藏煤、 天然气、岩盐储量分别达 2.4 亿吨、2700 亿立方米、2.1 万吨，石灰石资源分布 广、储量大。达县是国家对外开放县和省体制改革试点县，新县城已建成面积达 5.5 平方公里。 2.2 遥感图像数字处理 2.2 遥感图像数字处理 本论文以 2000 年和 2007 年的 Landsat 卫星图像为主要遥感信息源，共有 3 景，其轨道号为：127038，127039，128038。 TM 遥感图像基本参数和波段信息37如表 2-1 和 2-2 所示。 表表 2-1 TM 遥感图像基本参数表 图像类型 日期 行数列数分辨率传感器图像景数 TM5 图像 2007* 2000* 573367

6、6430m TM 3 *据杨武年等，“四川省生态环境遥感动态监测技术报告”（2007）。 第 2 章 研究区遥感图像数字处理 9 表表 2-2 TM 遥感图像的波段信息列表 波段号 波段 频谱范围(m) 分辨率 (m) TM5 图像 B1 Blue-Green 0.45 0.52 30 B2 Green 0.52 - 0.60 30 B3 Red 0.63 - 0.69 30 B4 Near IR 0.76 - 0.90 30 B5 SWIR 1.55 1.75 30 B6 LWIR 10.40 12.5 60 B7 SWIR 2.08 - 2.35 30 首先以 2000 年图像为基准对 2

7、007 年的图像进行几何精校正， 并分别对两期 图像进行裁剪和镶嵌处理，得到 2000 年和 2007 图像。然后用辐射水准归一化法 将 2007 年影像校正到 2000 年影像的辐射水平上。最后进行图像增强处理（如： 图像色彩调整以及最佳波段组合） 。 2.2.1 遥感图像的预处理 图像恢复又称图像预处理， 它是处理由于一个或多个质量降级原因而记录下 来的影像，使处理后的图像能最好地接近原始景物。在遥感图像数字处理中，为 了取得良好的处理效果，所处理的图像必须经过几何校正(几何粗校正和几何精 校正)、辐射校正以及噪声压抑等处理后，才能根据实际待研究问题的需要进行 其它的处理(如图像的增强处理

8、和图像的分类处理等) 71-73 。 另外，由于时间、太阳光强及大气状态的变化,或者遥感器本身的不稳定性, 致使获取不同遥感图像上的对比度及亮度值存在差异,因而有必要对多景相邻图 像进行遥感数据的预处理过程,这有助于后期所需相关指数的一致性提取与准确 评价2。TM 遥感图像预处理的目的主要是对遥感图像进行噪声滤除，更好的利用 预处理后的遥感图像所反映的地物目标波谱特性进行反演、统计和分析1。 2.2.2 遥感图像辐射水准归一化处理 大气辐射校正方法大致分为绝对辐射校正和相对辐射校两大类。需要传感器 定标参数，大气校正参数和相应的校正算法(对于相对平坦地区，可不考虑地形 起伏引起的辐射畸变)。利

9、用辐射传输方程进行辐射校正需要考虑成像时的传感 器本身误差和大气影响，可实际应用中相关的校正参数往往难以正确测定并获 取，特别在影像成像时大气影响剔除方面，很多学者都作了深入的研究，已有多 种校正算法用于校正由气溶胶引起的大气散射(可见光近红外区) 和水蒸气引起 的吸收(热红外区)，但通常只能得到近似解7-8 、11。因此，需要相关参数来校正 传感器和大气影响的绝对辐射校正方法通常难以实现。 在这种情况下，相对辐射校正是常采用的方法，相对辐射校正是采用多时相 影像的地物灰度值代替地物反射辐亮度或反射率进行的校正9。相对辐射校正主 成都理工大学硕士学位论文 10 要通过选择一个参考影像， 将同一

10、地区的其他不同时相影像和参考影像进行灰度 匹配校正，影像间同一地物相同的灰度值代表其相同的反射辐亮度或反射率，从 而减小传感器、大气条件和太阳辐射的影响。多时相影像的相对辐射校正可消除 或减小“外源差异”的影响，即消除或减小地物辐射量和大气状况等差异对影像 分类造成的影响。 相对辐射校正方法主要有基于统计方法的辐射校正，最暗目标法辐射校正和 统计回归法辐射校正 3 种方法统计回归法： 基于统计方法的辐射校正：该方法有不同形式，主要特点是基于参考影像和 被校正影像的各种统计特征量进行的两影像之间的相对校正， 这些统计特征量有 灰度变化范围、灰度均值、标准方差及其他统计量10。 最暗目标法(也称直

11、方图平移法)：由于传感器本身的误差一般由生产单位根 据传感器参数进行校正，所以通常只考虑大气影响造成的畸变。该方法主要将影 像中最暗地物(如水体)不随时间变化这一假设，其对应的反射率也没变化，将每 个波段影像中最暗地物灰度值置于零。设影像中最暗地物的灰度值为 d，则将整 幅影像像元的灰度值减去 d 这一减少影像中大气散射影响的校正方法就是最暗 目标辐射校正法37。 该过程相当于将原影像直方图平移至直方图坐标原点， 如范 海生等采用此方法进行 TM 影像相对辐射校正并在此基础上提取攀枝花仁和区 土地利用变化信息48。 辐射水准归一化处理方法36属于线性回归法。 这种方法的基本思想就是选取 一些可

12、以肯定在各年份都没有发生明显变化且波谱特性比较稳定的地物， 分析这 些地物在各年份各波段影像上的灰度值差异，然后以某年份影像为基准，拟合出 辐射水准归一化线，再分别对其他各年的影像进行归一化计算，获得这些年份的 新影像数据，就能基本上消除照度差异对地物目标动态变化的干扰。李召良等在 撒哈拉大沙漠的实验研究5进一步证实了这种方法的实用性。 本文采用了上述中的辐射水准归一化处理方法，以时相 1TM 影像作为参考 影像，校正时相 2TM 影像。具体步骤：先将两幅配准好的影像 Link 后在其上采 集了 200 对相同位置的地物点，在 SPSS 软件中作回归分析，得到一线性变换函 数，在 ERDAS

13、IMAGING 软件中用该函数建模对时相 2TM 影像各波段(不包括 TM6 热红外波段)进行计算， 产生新影像， 即将时相 2TM 影像归一化到时相 1TM 的辐射水平上。 在实际处理过程中，应以影像灰度具有较大动态变化范围的图像作为参考影 像，使校正后的影像灰度范围增大。处理结果如图 2-1 与 2-2。 第 2 章 研究区遥感图像数字处理 11 图图 2-1 辐射校正前的 2007 年达县图像 图图 2-2 辐射校正后的 2007 年达县图像 2.2.3 图像增强处理 图像增强的目的是为了提高图像的可判读性， 使分析者易于从视觉上读取图 像内容。有些地区的图像可能会被云雪覆盖，或因噪音的

14、影响而使分析者很难判 读，为了更好的读取这些地区的信息，我们必须对图像进行增强处理。具体方法 是：先把有云的区域排除在外，对无云的图像进行处理，最后把处理后的图像和 排除在外的云再叠加在一起， 以避免对整幅图像进行色彩调整时云或雪对图像色 彩的影响。在分离出图像中有云部分的图像时，在 ERDAS 8.7 下，首先从图像 上确定云或雪的灰度值范围， 根据云或雪的灰度值范围将云或雪的范围选择出来 生成灰度图。用该灰度图对原图像进行掩模操作，将有云或雪的范围去掉，然后 对无云的图像进行 STANDARD DEVIATIONS(2.0)拉伸， 使图像的信息更加丰富 和突出33 。增强处理前后图像如图

15、2-3 和 2-4 所示。 图图 2-3 增强处理前图像 图图 2-4 增强处理后图像 成都理工大学硕士学位论文 12 2.2.4 图像假彩色合成 尽管TM图像有7个波段，但单一波段只能获得单调的黑白影像。由于人眼对 黑白的分辨能力有限，即使图像的比例尺合适，也不能将图像所含信息全部 感知，也就在一定程度上影响到地质解译效果。而彩色图像具有丰富的色彩，它 包括颜色、饱和度及明度三个要素。其中任一要素变化所形成的色彩差异均可能 被人眼所感知，因而人眼对彩色影像的分辩能力远远超过黑白影像，故图像的彩 色增强处理是改善视觉效果、提高图像分辨力不可缺少的手段之一。在图像的 彩色增强处理中，常用的方法是

16、假彩色合成，即选取3个波段，分别赋予红、绿、 蓝三原色后进行数字合成处理。此中，如何将参加假彩色合成的3个波段进行科 学选择及合理组合，对遥感地质解释及信息量的最大获得是至关重要的3。 在TM图像中，各个波段都有不同的针对性，对不同地物有不同的灵敏度。 TM1对水体的穿透射性强，能够区分土壤和植被，区分人造地物类型；TM2可探 测植被绿色反射率，可区分植被类型；TM3为叶绿素的主要吸收波段，用于识别 植物类型，了解植被覆盖度；TM4对水陆边界较敏感，对绿色植被有高反射值， 对植被的覆盖程度显示效果较好；TM5处于水的吸收带，反映含水量敏感37。针 对TM图像这一特性，为了更好更准的提取出土地利用/覆被信息，就