《利用ETM 遥感数据对西乌旗地区研究》由会员分享，可在线阅读，更多相关《利用ETM 遥感数据对西乌旗地区研究（12页珍藏版）》请在金锄头文库上搜索。
1、利用ETM 遥感数据对西乌旗地区研究摘 要:本文通过对西乌旗ETM 遥感影像进行计算机校正、拼接、裁剪、增强等一系列处理,根据影像特征结合野外实际调查建立解译标志。关 键 词： ETM 遥感数据 西乌旗 空间分布研究区概况：西乌旗全称西乌珠穆沁旗位于内蒙古自治区锡林郭勒盟东部北邻东乌珠穆沁旗,东与扎鲁特旗、阿鲁科尔沁旗、巴林左旗接壤,南部与巴林右旗、林西县、克什克腾旗接壤，西部与锡林浩特市相连。西乌旗全境地跨东经（11621，11931）、北纬（4357，4523），南北宽约145km，东西长约250km，总土地面为22960km2。西乌旗属中温带半干旱大陆性气候,受蒙古高原与海洋潮湿季风的影
2、响,冬季严寒漫长,夏季凉爽短促,春季风大并且表现为天气变化无常。全旗年均气温在01左右, 7 月份平均气温19. 5, 1 月份平均气温-19。年均积温2486. 2,5积温1954. 0；无霜期100d 左右，日照时数2893. 9h；年均降水345.8m且由东南向西北递减,因而形成了东部湿润、西部干旱的差异。全旗年均蒸发量1759. 8mm左右,为年均降水量的5 倍多。该区河流为内陆河，属乌拉盖水系，从东到西有宝日嘎斯台河等7 条河流。该旗地表水资源较丰富，总量为15980 万m3，地下水补给量为53327 万m3，地上、地下水总量为69307 万m3，占大气降水的8.8%。可开采量为14
3、658万m3，占地下水资源的27.5%。西乌旗土壤和植被情况有栗钙土、黑钙土、灰色森林土、灰色草甸土、沼泽土、粗骨土、风沙土和盐土等八个土类。东南部植被以贝加尔针茅，线叶菊，杂类草、羊草亿，贝加尔针茅，杂类草群落为主，西北部植被以小叶锦鸡，大针茅，羊草，冷篙群落为主。由于局部环境的差异，在地带性植被带内，还隐域分布着疏林、灌木、草甸和沼泽，以及水生、湿生、沙生和盐生植被等。ETM 遥感数据：遥感数据源为两景Landsat7,2002 年8 月26 日轨道号为123/29 的ETM 影像和2002 年8 月17 日轨道号为124/29 的ETM 影像拼接成的全旗ETM 影像。ETM 遥感数据的空
4、间分辨率为30m30m，影像覆盖的面积为185185km2，重复周期为16 天。ETM 遥感数据的预处理：图像数据的预处理包括图像的几何校正、量化、采样、预滤波、去噪声、增强等一系列数字图像处理。ETM 遥感影像在本研究中的预处理包括图像的几何粗精纠正、拼接、剪切、增强等步骤。ETM 遥感影像由于受地球自转、地球曲率、温度、大气等因素的影响，使得遥感影像上地物的坐标与实际地物的坐标不能够一一对应起来，所以要采用相应的地形图或是其他途径作为标准对影像进行校正，以改正影像原始数据的非系统性几何变形，目的是将原始图像数据投影到平面上，产生出一幅符合某种地图投影或图形表达的新图像。对遥感影像进行几何校
5、正,目的是配准遥感影像与实地地理空间的对应关系,即定向和定位。本次几何粗校正采用图像校图像的方法，利用ENVI 软件在遥感影像上分别选择同名控制点(GCP)，在图像上寻找道路交叉点、道路河流的拐弯点、细小田埂,水陆界线过渡线等处均匀布设45 对地面控制点,严格控制模型的平均标准误差RM小于1,地面几何误差小于30 m，校正结果能够满足研究的需要。校正、拼接过程均在ENVI 软件上进行，因为单独的一景遥感影像不能覆盖整个研究区，所以要进行两景影像的拼接，即123/29 和124/29 两景影像的拼接，拼接后影像的部分又不在研究区范围内，还得对遥感影像进行切割，图像的不规则切割在ERDAS 软件上
6、进行。完整的西乌旗ETM 遥感影像如图1 所示。图1 西乌旗ETM 标准假彩色遥感影像对遥感图像进行增强目的是改善遥感图像的人眼视觉效果,使目标地物的影像差异或特征充分凸显,有效地将目标地物从整个遥感图像信息中突出出来。在对遥感图像进行分析时,为了使遥感图像内容能够容易确切的被分析人员识别出来,就需要按照分析的目的对遥感图像数据进行某种意义上的加工,使得遥感图像的可判读性充分提高。图像增强可以改善图像的显示质量,有利于信息的提取和识别，从方法上说,则是设法摒弃一些认为不必要或干扰的信息,而将所需要的信息突出出来。显然,这可以通过调整遥感图像直方图,进行像元亮度值之间的数学运算处理,或是数学变换
7、等方法来实现。遥感图像增强处理从方法原理上可以分以下几种主要方法:彩色增强处理、反差增强处理、滤波增强处理、比值增强处理。本研究中采用聚焦分析，使用聚焦分析后我们发现林地、草地、沙地等地物信息更加突出。聚焦分析法对图像数值进行多种分析，基本算法是在所选择的窗口范围内，根据所定义的函数，应用窗口范围内的像元数值计算窗口中心像元的值，从而得到增强的目的。在ERDAS 图表面板工具，单击Interpreter 图表/Spatial Enhancement/Focal Analysis 命令，打开FocalAnalysis 对话框。确定、定义输入输出文件，输出数据流类型为Unsigned 8 bit，
8、窗口大小为3x3，输出数据忽略0 值，单击OK 执行。增强后的影像如图2 所示。图2 聚焦分析法增强后的西乌旗ETM 遥感影像研究区ETM 遥感影像解译标志的建立：对影像进行解译是从遥感影像上获取有用信息的有效手段，由于遥感影像包含的信息内容十分庞大，影像的分辨率低，有些信息不能直观的从影像上读取出来，相同的信息分布的区域又不同，所以要很好的判读出影像的信息，首先必须对遥感影像进行解译标志的建立。建立解译标志的依据是遥感图像特征与实地情况对应的逻辑关系6。建立解译标志,可以帮助我们确定那些分布在不同地区、相同时相的遥感图像上与已知地类色调、结构、纹理等各方面相同,但又不能到达地区地类的属性。这
9、样不仅减少了野外工作量,节省人力财力,提高效率,而且也提高了判读工作的准确程度和质量。通过解译标志的建立将使遥感为地理信息系统提供更可靠的多视场、多方位、多层次、多方式信息。遥感图像的判读标志是指地物在影像上反映出的不同影像特征。判读标志也分为直接判读标志和间接判读标志，直接判读标志包括影像的色调、形状、大小、阴影、纹理等组合的图案特征。本研究中主要根据影像的色调、纹理、形状等要素对遥感影像进行解译。色调是电磁辐射能量在影像上的模拟记录，在黑白像片上表现为灰阶，在彩色像片上表现为色别和色阶。纹理是地物影像轮廓内的色调变化频率。点状、粒状、线状的细部结构以不同的色调呈一定的频率出现，组成轮廓内的
10、影像特征这往往是解译地物的重要标志。形状可以很好的帮助解译人员判断、识别地物的类别。本研究中，ETM 遥感图片的地面分辨率是30m，所以像水体、城镇、盐碱地、林地、沙地、草地等地物类型可以直接从影像上判读出来，解译标志也比较好建立。野外调查数据带有经纬度和植被类型的描述，将野外调查伏沙地样点的经纬度在ERDAS 软件上输入，在视窗上会有“十字”形的定位显示，查看野外调查样点的植被组成结合遥感影像在该点的色调、纹理、形状、地势起伏等情况判定伏沙地的类型，剔除有歧义的样点，以免误判为伏沙地。如地理坐标为4418N， 11742E 的样点处地势较为平坦，植被为麻花头、野韮、扁蓄豆、影子草等，腐殖质层
11、较薄，母质为沙质，我们从野外调查数据上认定该地为典型草原伏沙地，地理坐标为4423N， 11810E 的样地点处阴坡以黄柳、蓝刺头、褐沙蒿、黄芪等乔木、灌木为主，腐殖质层较厚，母质为沙质我们从野外调查数据上认定该地为林地伏沙地，地理坐标为 4418N，11743E，的样地点处植被以湿草甸类型的马莲、苔草、隐子草、野韭群落为主，我们从野外调查数据上认定该地为湿地伏沙地，该处地势较为平坦，腐殖质层较薄，母质为沙质。在计算机上输入典型草原伏沙地的经纬度，影像上该处颜色为暗红色、青色、金黄色，色调不均匀，纹理粗糙，影像呈现出不规则蜂窝状，输入林地伏沙地的经纬度，影像上该处颜色呈暗红色、金黄色，色调不均
12、匀，纹理比较粗糙，影像呈现不规则蜂窝状，地势稍有起伏，周围林地广布，输入湿地伏沙地的经纬度，影像上该处颜色为鲜红、灰白、金黄色，色调不均匀，纹理比较粗糙，影像呈现不规则八宝粥状，地势较为平坦，周围有水域分。经反复核实判定，最后建立伏沙地类型的解译标志。各地物类型解译如表所示。西乌旗地物类型解译表地物类型水体颜色和色调蓝黑色调,色调均匀,饱和纹理均质细腻、清晰形状环状、条带状空间分布地势低洼处,整个旗内大量分散分布典型图像地物类型盐碱地颜色和色调泛白、浅灰、蓝灰色纹理粗糙形状形状呈不规则的片状、条带状空间分布主要分布在湖泊周围和有水域分布的区域典型图像地物类型城镇颜色和色调灰色和灰蓝红白杂色，色
13、调不均匀纹理极其粗糙形状内部规则、边缘模糊的斑块状空间分布多条道路交汇处有河流水域分布的地方典型图像地物类型农田颜色和色调粉红、暗红，色调均匀变化纹理比较细腻形状规则的长方形斑块状，边界清晰空间分布全旗内水系、水域城镇附近大面积分布典型图像地物类型林地颜色和色调深红色，边缘、背阴处色调变暗纹理内部纹理细腻，边缘较粗糙形状形状不规则空间分布东北部、东南部山地区，河流两岸大面积分布典型图像地物类型沙化草地颜色和色调青色、红色、灰白色，色调变幅大纹理粗糙形状不规则条带状空间分布旗西南部大面积集中分布典型图像地物类型沙地颜色和色调浅黄、白色、浅粉泛白，色调不均匀变化纹理局部细腻，整体粗糙形状波纹状或不
14、规则图形空间分布旗中部地势平坦处典型图像监督分类解译：监督分类的优点是精确度高,准确性好,与实际类别吻合较好，缺点是工作量大，适用范围是有先验知识时使用该方法。监督分类主要有最小距离分类、马氏距离分类、Parallelpipe、神经元网络分类、模糊分类、Fisher 判别分类，最大似然法等方法。最大似然法也称为贝叶斯(Bayes)分类,是基于图像统计的监督分类法,也是典型的和应用最广的监督分类方法。本研究中，利用最大似然法，在ERDAS 图表面板工具中单击Classifier 图表，打开Signature editor 窗口，调整属性字段。应用AOI 绘图工具在原始图像获取分类模板信息，然后添加的工具列表中，在图像上绘制多个属性相同的模板，最后选中这些模板将这些模板合并成一个综合的新模板，然后删除选中的那些模板，经反复加载、合并、命名，直至所有的类的模板建立完成，最后保存执行监督分类。分类后需要对小斑进行删除或合并，对相同类型地物进行人为合并。监督分类结果如图所示。监督分类组长：王鹏（数据的下载和论文的编写）组员：玉清 高雅静 王佳男 秦国雄（图像的几何粗精纠正、拼接，剪切、分类）
