《基于影像融合的陕北黄土丘陵沟壑区土地利用动态监测》由会员分享，可在线阅读，更多相关《基于影像融合的陕北黄土丘陵沟壑区土地利用动态监测（7页珍藏版）》请在金锄头文库上搜索。
1、基于影像融合的陕北黄土丘陵 沟壑区土地利用动态监测*刘咏梅1 2杨勤科1赵牡丹1 2( 1 中国科学院、水利部水土保持研究所，陕西杨凌，7 1 2 1 0 0 ；2 西北大学城市与资源学系，陕西西安，7 1 0 0 6 9 )籀溪在陕北黄土丘陵沟壑区，采用单一传感器的遥感影像提取土地利用信息，存在着识别的土地利用类别少、某些类别混分现象较严重、分类结果的精度较低等问题。以T M 多光谱数据和S P O T 全色光谱数据的融合为例，本文提出了适宜于该地区的两种影像融合方法：主成分变换法和乘积运算法，并从影像的光谱质量、纹理信息和目视效果等方面对其进行了对比与评价。结果显示，主成分变换法为较理想的
2、融合方法。以陕北无定河流域为实验样区的土地利用自动分类结果表明，该方法的应用使土地利用各类别的提取精度都有不同程度的提高；水体、水田和城镇用地等面积较小的类别分类正确率提高了1 0 以上；坡耕地与林草地的混分明显减少，分类精度均提高了5 以上；分类总精度从8 2 0 提高到8 9 2 ，取得了良好的分类效果。本文的研究对于遥感影像融合技术的评价与应用进行了有益的探索，同时为该地区的土地利用动态监测提供了关键技术。 j 蒺馘影像融合土地利用动态监测分类陕北黄土丘陵沟壑区1引言在陕北黄土丘陵沟壑区，不合理的土地利用是造成水土流失的主要原因。该地区的土地利用中存在着农林牧用地比例失调、坡耕地面积大、
3、植被破坏严重、土地粗放经营等问题。在全区耕地中，除了少量的塬地、川地以外，坡耕地所占比例高达9 0 ；林地的覆盖率仅为4 9 9 ，草场退化、土地沙化现象日益严重。因此，应用遥感技术快速清查土地利用现状与变化信息，为调整和优化该地区传统的土地利用结构提供翔实的基础数据，对于该地区及整个黄土高原的生态环境建设与社会经济可持续发展具有非常重要的意义。单一传感器的遥感影像由于受各种条件的限制，难以满足区域土地利用动态监测的要求。在陕北黄土丘陵沟壑区，仅采用一种影像( 如常用的T M 影像) 进行土地利用自动分类，可识别的土地利用类型少，某些类别混分现象较严重，分类结果的精度较低。目前，影像融合技术由
4、于综合了多源遥感数据的信息已成为土地利用动态监测中的一项重要*中国科学院知识创新重要方向项目：黄土高原水土保持的区域环境效应研究( K Z C X 3 一S W 一4 2 1 ) ，国家自然科学基金项目( 4 0 3 0 1 0 2 7 ) 。 作者简介 刘咏梅( 1 9 7 0 一) ，女，讲师，在职博士，主要从事区域水土流失遥感监测方面的研究工作。3 7 1建壤中国水土保持探索与实践手段。近年来大量的工作着重于遥感影像融合方法的研究( P o h l 和V a nG e n d e r e n ，1 9 9 8 ；C h a v e s 、S i d e s 和A n d e r s o
5、n ，1 9 9 1 ；张炳智，2 0 0 2 等) ，然而对影像融合方法进行对比评价和应用研究的工作很少。针对陕北黄土丘陵沟壑区土地利用信息的自动提取，本文提出了两种适宜的影像融合方法，并从影像的光谱质量、纹理信息和目视效果等方面对其进行比较，确定主成分变换法为较理想的融合方法；以陕北无定河流域为实验样区的分类结果表明，以该方法对T M 与S P O T 影像进行融合，使土地利用信息自动提取的精度得到明显提高。本文的研究对于遥感影像融合技术的评价与应用进行了有益的探索，同时为该地区的土地利用变化动态监测实践提供了关键技术。2 实验样区与数据处理2 1实验样区实验样区位于陕北无定河流域内，地理
6、范围为东经1 0 9 。4 070 0 ”1 1 0 。1 0 0 0 ”、北纬3 7 。6 0 0 ”3 8 。1 07 0 0 ”，面积3 7 0 1 k m 2 ( 见图1 ) 。本区属典型的黄土丘陵沟壑地貌，沟蚀及重力侵蚀活跃，地面切割破碎。沟壑密度为5 6 k m k m 2 ，地面平均坡度2 8 7 。，大于2 5 。的陡坡占6 0 以上，陡坡耕地多，土壤侵蚀极为强烈，水土流失严重。图I 研究区位置示意图2 2 遥感数据根据应用目的和实际数据获取条件，本次研究采用的遥感数据主要包括：( 1 ) 1 9 9 7 年6 月1 3 日的L a n d s a tT M 影像( 7 个波段
7、，空间分辨率3 0 m ) ，已经做过几何精校正。 ( 2 ) 1 9 9 8 年9 月3 日的S P O Tp a n 全色波段影像( 空间分辨率1 0 m ) ，未做几何精校正。3 7 2三、治理技术与措施囊黼T M 6 是热红外波段，主要用于探测地物自身的热辐射特征，且该波段的分辨率为 1 2 0 m 。因此在融合前剔除T M 6 ，以T M l 5 、T M 7 六个波段和S P O T 全色波段作为融合的信息源。2 3 影像配准多源影像数据的高精度配准是影像融合的前提条件。若配准的精度低，即使采用高质量的影像和良好的算法，融合效果也很差。本研究中以已校正的T M 影像为参考影像，对S
8、 P O T 影像进行配准。配准采用几何精校正方法中的多项式校正模型：多项式阶数一2 ，重采样方法为双线性内插法，共选取控制点2 2 个，校正精度R M S = 0 3 2 像元，即地面上的3 2 m 。3 影像融合方法比较3 1 融合方法选取多源遥感影像融合，是指采用某种算法模型，将覆盖同一地区( 或对象) 的2 幅或多幅空间配准的影像，进行信息组合匹配，以获取高质量的影像信息，同时消除多传感器信息间的冗余和矛盾，降低其不确定性，减少模糊度，增强影像清晰度的技术。在遥感应用领域，通常采用低空间分辨率的多波段数据和高空间分辨率的全色光谱数据进行融合运算，获得既具有细致纹理又保持丰富光谱信息的融
9、合影像，使不同遥感数据源的优势互补，提高了遥感数据的综合应用能力。目前，在土地利用动态监测领域有多种融合算法模型，如L a b 变换、I H S 变换、B r o v e y 变换、主成分变换、乘积运算、小波变换等。黄土丘陵沟壑地貌造成了该地区特殊的土地利用结构，各类用地的面积相差悬殊，坡耕地、林草地各占土地总面积的4 0 以上，平地、水域、城镇用地等的面积仅在3 以下。在T M 影像上坡耕地和林草地光谱特征非常复杂，光谱类型均在三四十种以上；而平地、城镇用地等的斑块小而分散，光谱和纹理信息相对较弱，鉴于此，融合时尽可能减少源信息的损失对于保证各类用地，特别是小面积地类的分类精度至关重要。在众
10、多的融合算法中，主成分变换法和乘积运算法选取多波段影像的所有波段参与融合变换，在提高空间分辨率的同时保持了源数据的光谱分辨率，信息量损失最小，适用于该地区的土地利用动态监测。其算法如下： ( 1 ) 主成分变换：对T M 影像的6 个波段进行主成分变换( P C A 变换) ，用S P O T 全色波段代换主成分变换后的第一主成分，对代换后的所有波段再作一次主成分逆变换，将其变回R G B 模式生成融合影像。( 2 ) 乘积运算：将T M 影像的6 个波段分别与S P O T 全色波段进行乘积运算，生成6幅新图像，任选其中的3 个波段以R G B 模式显示。不同的融合方法适用于不同的应用目的，
11、很难用统一标准对各种算法进行定量评价。影像融合的目的是使空间分辨率和光谱信息互补，因此，本文尝试从融合影像的光谱质量、纹理信息及对土地利用解译非常重要的目视效果等方面对上述两种方法进行对比分析。3 2光谱质量融合不应造成原始多光谱数据的光谱退化，融合影像与多光谱数据对应波段的灰度差异越小，表明融合影像的光谱质量越好。其计算公式如下：3 7 3飙犯答凳淫中国水土保持探索与实践MN D n 一志蚤蚤IG 龟一F n 川I式中：M 、N 为行列数；G o ( i ，歹) ，P ( i ，J ) 为第t 波段融合后和融合前对应像元的灰度值。计算上述两种方法的融合影像与T M 影像对应波段的灰度平均差值
12、见表1 。表1两种方法的融合影像与T M 影像的灰度平均差值方法波段1波段2波段3波段4波段5波段6主成分变换法2 3 3 3 61 6 4 7 70 9 0 53 3 9 1 81 1 9 2 419 4 7乘积运算法2 5 1 2 71 9 3 4 54 0 0 62 1 2 2 14 7 0 13 4 4 2 7影像灰度的标准差是描述影像光谱特征的另一个重要参数，两种融合影像与T M 影像对应波段的灰度标准差对比见图2 。波段 一T M 影像一主成分变换法I 乘积运算法图2 融合影像、T M 影像的标准偏差表1 和图2 显示，主成分变换融合除波段4 外，其他波段与T M 的灰度平均差值均
13、小于乘积运算融合；主成分变换融合与T M 对应波段标准差的差异也都小于乘积运算融合，而且两者的变化规律一致，表明主成分变换融合的影像灰度值分布特征与T M 影像更接近。因此，在光谱质量方面，主成分变换法优于乘积运算法。3 3 纹理信息图像像元的灰度值有规律地变化而呈现的特性称之为纹理。融合中加入了全色波段的高分辨率空间信息，使像元灰度值的变化频率加快，影像的细节和纹理特征增强。目前对影像的空间纹理难以用特定的参数进行衡量。在此采用滤波的方法，即用5 5 的模板分别对T M 影像、两种融合影像和S P O T 全色波段影像进行高通滤波，获得滤波图像来提取纹理信息。其模板算法如下：首先，对T M
14、影像和两种融合影像的纹理信息进行对比，图3 显示，融合影像比原T M 影像的纹理信息明显增加，而主成分变换融合的纹理细节又明显优于乘积运算法。其3 7 4一一一一一一一一一一11 丛11一一J _一一一一一一一一一一一一 瑚m三、治理技术与措施鋈薹熟次，计算融合前后纹理信息的相关程度，即分别求取两种融合影像的滤波图像与S P O T的滤波图像之间的相关系数( 见表2 ) ，相关系数越大，表明越多的S P O T 纹理信息被融 合到相应的波段上。图3T M 影像与两种融合影像的纹理信息对比( 口) T M 影像，( 6 ) 乘积运算法；( f ) 主成分变换法表2 两种融合影像的滤波图像与S P
15、 O T 的滤波图像之间的相关系数方法波段1波段2波段3波段4波段5波段6主成分变换法0 8 9 5 8O 9 5 4 2O 9 5 8 9O 9 5 5 10 9 6 8 80 9 4 2 1乘积运算法O 7 6 6 70 9 4 6 7O 9 3 5 10 5 7 6 90 9 4 3 40 9 1 9 4从相关系数的对比可见，主成分变换融合的影像与S P O T 在空间信息上的相关性均大于乘积运算法，表明其融合了更多的S P O T 空间信息。3 4目视效果融合影像的目视效果是影响土地利用自动分类精度的一个重要因素。与原T M 影像、乘积运算融合的影像相比，主成分变换融合的影像纹理细节明
16、显增强，色调突出，植被覆盖清晰；水域与其他地类的光谱差异增大，轮廓明显；城镇内部结构信息增强，形状清楚，小城镇的可辨度明显提高；川道中不同农田地块的色调对比增强，边界变的明显；沟壑细节增强，冲沟清晰可辨；林草地、坡耕地的色调信息增强。融合影像对比见图4 。( 6 )图4 融合影像对比：彩色合成为4 3 2 ( R G B )( n ) T M 影像；( 6 ) 乘积运算法；( c ) 主成分变换法3 7 5十婕芦善建壤中国水土保持探索与实践通过对两种融合方法的比较研究，主成分变换融合从光谱质量、纹理信息及目视效果等方面均优于乘积运算法，是陕北黄土丘陵沟壑区土地利用动态监测中较好的融合方法。 4 土地利用自动分类4 1分类方法以主成分变换法融合的影像为信息源对实验样区进行土地利用自动分类。根据本地区土地资源调查分类系统和影像的分辨力，确定土地利用为7 个类别：水田，平旱地，坡耕地，林草地，水域，城镇用地，沙地。在本研究中采用了混合分类方法，即先进行
