测绘
12
测绘科学 第31卷
编制。90年代后期又一次进行了北京市土地利用调查与制图。第二次土地利用调查与制图,按照《土地利用现状调查技术规程》规定,按土地用途划分耕地、园地、林地、牧草地、居民点及工矿用地、交通用地、水域、其他用地等8个一级类型,按利用方式划分46个二级类型。我们参考两次土地利用调查与制图所采用的土地利用分类系统,同时考虑2m和2 5m分辨率的彩色影像的识别功能和改革开放以来土地利用结构的变化,并结合昌平区土地利用分布状况和变化特点,将北京市昌平区的土地利用类型按土地用途划分为耕地、园地、林地、牧草地、水域、城乡建设用地、工矿用地、交通用地、特殊用地、未利用土地等10个一级类型,按利用方式划分40个二级类型。对土地利用类型作了一些调整:一级类型中将工矿用地、特殊用地单独列出;对城乡建设用地做了较详细划分,区分了 城镇居住与商业用地 、 教育与科研用地 、 农村居民地 等类型,新增了 新型住宅区与别墅小区 、 在建/待建用地 ;在交通用地中增加了 高速公路 类型;在特殊用地中增加了 旅游与休闲用地 (包括旅游景点、高尔夫球场、度假村等)、 自然保护区与森林公园 等。从而使土地利用类型的划分更具有实用性和时代特征。
3 卫星遥感影像的纠正、融合及监督分类
所采购的各个不同时期的俄罗斯SPIN 2和法国SPOT 5遥感影像数据均为原始数据,都需要进行几何与投影纠正和一定的影像增强处理。而且北京市昌平区的每个时期的数据,都由两景(有的还是不同季节)拼接,因此增加了纠正处理的工作量和难度。纠正处理与拼接之后,还要分别将2m或2 5m的全色影像数据同5m和10m的多波段影像数据进行融合,以便获取2m或2 5m的彩色影像,有利于目视直观分析判读和监督分类。本研究的数据处理在遥感图像处理软件ERDAS8 7、PCI8 0,地理信息系统软件Arc Info以及ArcView的支持下共同完成。3 1 遥感图像处理
3 1 1 数据预处理:包括消除条纹和噪声影像,波段配准,
几何纠正,辐射校正,校正到高斯 克吕格坐标系
本次试验利用了DEM数据,采用共线方程纠正法来纠正。具体做法是:利用1:5万地形图,在ArcGIS中生成DEM,在DEM中选取180个点作为控制点,80个点作为误差检查点,其中一半左右的点分布在山区。我们以这些点纠正的残差大小来判别纠正的精度和效果。这三个年份的影像纠正的结果如下(表1):
表1 1986年、1998年和2004年的遥感
影像纠正残差表(单位:像元)
1986年(SPIN 22m影像)Dx
Dy
Dx
Dy
1998年
(SPIN 22m影像)Dx
Dy
Dx
Dy
2004年
(SPOT 52 5m影像)Dx
Dy
Dx
Dy
控制点残差检查点残差控制点残差检查点残差控制点残差检查点残差山区2 31 81 91 62 82 32 12 31 11 30 91 0平原0 70 90 750 881 21 31 11 30 30 40 20 3
从以上结果可以明显看出:利用共线方程纠正法对高
分辨率的影像进行纠正精度较高;山区的纠正精度比平原低;SPOT 5的分辨率虽然低于SPIN 2,但SPOT 5的纠正误差明显低于SPIN 2影像,可能与SPIN 2影像来源于光学底片扫描有关。3 1 2 图像处理
1)图像融合
融合后的影像同单一信息源相比,清晰度得到提高,最大限度地利用了多种资料的不同特性,使图像同时具有
较高的光谱和空间分辨率;改善了图像特征识别的精度和分类精度,增强多重数据分析和环境动态监测能力;改善了遥感信息提取的现势性和可靠性,有效地提高了资料使

用率。
本次工作的主要目的是对各期的遥感影像进行目视解译和计算机分类,故采用基于像元级遥感影像的融合方法。融合方法有多种,我们采用IHS变换方法。它是基于IHS色彩模型和应用广泛的融合变换方法(图1)。
2)图像增强处理图1 多源遥感图像融合技术框图
为使图像特征得
以加强,并使图像变得清晰,易于识别,提高影像的可解译程度,提高信息分类精度,对融合后的图像进行线性拉伸、灰度变换等增强处理。它通过线性拉伸方程把原图像较窄的亮度范围拉伸到全幅射亮度级0 255范围,使图像的亮度范围扩大,提高了图像的对比度和清晰度,突出图像细节部分,有利于各种土地利用类型的判读。3 2 遥感影像计算机监督分类处理
1)分类方法
目前已形成了多种分类方法和算法,给遥感数据的广泛使用提供了有效的手段。数字图像的计算机分类是指依据被分类地物的光谱特征,找出能够反映被识别各类地物光谱(亮度)差异的特征波段,建立分类识别模式,进行分类。主要的分类方式有监督分类和非监督分类两种。
监督分类是指人为干预下的训练样本选取过程,依据训练样本的亮度特征建立 判别函数 ,进行预分类;再依据预分类结果,调整训练样本,以便取得更好的分类结果。
本次试验采用监督分类方法对北京市昌平区2004年10月的SPOT 52 5m分辨率的融合影像进行分类处理。由于遥感影像本身的空间分辨率和异物同谱或者同物异谱的现象存在,仅采用单一的分类方法无法取得较好的分类效果。因此,我们同时采用多种监督分类方法来进行处理。具体采用ERDASIMAGE8 6分类模块中的监督分类模块来进行监督分类,其步骤主要为:建立训练区,评价训练区,完成初步分类图,检验分类结果,分类结果和分类特征统计分析。
此次分类根据全国土地利用分类标准来建立训练区,目视解译的四十个类型归并为:园地、居民点及工矿、建设用地、道路用地、旱地、有林地、水体、水浇地、湿地、灌丛林、疏林地、苗圃、草地、荒草地、菜地、裸露岩石、道路和阴影等。建立好初始训练区后,要对训练区进行评价、删除、更名、与其他训练区合并等操作,通过不断修改来完善训练区并以此进行监督分类。
由于类型较多,并且同一个土地利用类型可能由影像特征不同的多个影像区组成。因此,在实际的监督分类中,最初选定的土地利用类型为105种。以草地为例对影像采集的样本进行评估,通过混淆矩阵图我们可以直观的看到草地1占了所选取的绝大部分的像元,草地5和草地6同样也是占了所选取像元的绝大部分比率。同样对混淆矩阵中所有的其他类别做出分析,所得出的误差总体百分比都是比较好的,训练区的精度基本符合分类要求。
2)监督分类结果分析与精度评价
把原始SPOT 5影像和已经矢量化好的矢量图与分类结
第31 卷第 6 期 2006 年 11 月 测绘科学 Science of Surveying and M app ing 高分辨率卫星遥感影像在土地利用变化动态监测中的应用廖 克①③ , 成夕芳 ,...
结合乐清市土地调查的具体实践,对高分辨率卫星遥感影像在土地利用调查和动态监测中的应用进行探讨。以高分辨率卫星影像作为信息源,应用3S技术,进行土地利用调查和动态...
9+8 # 9+/8 高分辨率卫星遥感影像在土地利用变化动态监测中的应用廖C 克 "# ,成夕芳 " ,吴健生 $ ,陈文惠 # ( "中国科学院地理科学与资源研究所, ...
, 2001 高分辨率卫星遥感数据在 土地利用动态监测中的应用研究杨清华, 齐建伟,...灰度分布范围及其直 方图特征, 总结不同土地 利用覆盖类型与融合图像变化信息的...
() 116 ◎图形、像、式识别◎图模 高分辨率遥感影像 土地 利用 动态 监测 ... 阶段 就是 第三 以遥感卫星影像作为主要数据源 , 结合遥感影像 的动态变化监...
价格昂贵,周期较长;第三阶段就是以遥感卫星影像作为主要数据源,结合遥感影像的动态变化监 测技术实现土地利用的动态监测阶段,目前正处于关键技术研究和应用阶段I习。...
周期较长; 第三阶段就是 以遥感卫星影像作为主要数据源, 结合遥感影像的动态变化监 测技术实现土地利用的动态监测阶段, 目前正处于关键技术研 究和应用阶段[2]...
高分辨率卫星遥感影像在土地利用变更调查中的应用_天文/地理_自然科学_专业资料...土地利用动态监测的技术方法及问题 烨 nique for t he Multispect ral ...
高分辨率卫星遥感影像在土地利用变更调查中的应用_天文/地理_自然科学_专业资料...土地利用动态监测的技术方法及问题 结束语 本项目研究针对传统土地利用现状变更...
热门文档