基于高光谱遥感影像的扎龙湿地植被分类研究

摘要

湿地是地球上最重要的生态系统之一，它具有巨大的生态价值、经济价值。但是随着人类经济的快速发展和水资源的不合理利用，我国自然湿地的面积正在逐年减少，原始景观格局遭到破坏，结果直接影响到湿地内部各种植被的分布情况。进二十年来人们对湿地的价值有了重新的认识，因此湿地中各种植被的综合研究与保护越来越受到重视。传统的湿地植被分类方法一般都基于多光谱影像，当不同地物的光谱特征接近时难以将其区分开来，造成在分类结果上的混淆。而高光谱影像具有上百个较窄的波段，它使得获取传统宽波段遥感中不可探测或难以区分的地物信息变成可能，从而提高了研究区植被分类的精度。
　　本文以扎龙湿地为研究区展开了以下工作：在野外实地采集了本研究分类体系中湿地主要植被类型的光谱曲线样本作为分类过程中的主要依据，其中包括，杂草类草甸、羊草、耕地、水田、芦苇、蒲草、沉水植被的地物光谱曲线；对应用到的遥感影像做了几何校正、大气校正等预处理工作；为了提高高光谱遥感影像的分辨率以便获得更多的分类依据，将其与同卫星搭载的电耦合元件传感器（Charge Coupled Device，CCD）拍摄的影像进行融合处理，应用到的融合算法有HSI变换、主成分分析、Brovey变换及Gram-Schmidt变换，根据融合的目的，从提高空间分辨率、保持光谱性质、提高清晰度和提高信息量四个方面，本文选取了五个评价指标，包括均值、标准差、信息熵、平均梯度和相关系数评价了几种融合方法的优劣性；在融合影像的基础上采用监督分类与非监督分类方法中的ISODATA算法、K-means算法、最大似然法、最小距离法以及光谱角填图法对研究区的植被分布进行了划分，根据总体分类精度和Kappa系数比较分析了不同分类方法的分类精度。
　　本研究表明：⑴研究区的主要植被类型（杂草类草甸、羊草、耕地、水田、芦苇、蒲草、沉水植被）的光谱特征存在明显差异，其中杂草类草甸的反射率最高，沉水植被的反射率最低，因此可以作为基于高光谱遥感影像分类的主要依据。⑵多源遥感影像的融合结果可以为影像分类提供更全面、更精确、更为可靠的参考信息。遥感影像融合后，既提高了空间分辨率又保持了原来的高光谱优势，这使得分类的结果可以为日后的决策、规划提供更有意义的参考。在对遥感影像进行融合的过程中Gram-Schmidt变换得到的融合影像的每个客观评价指标都相对较高不存在明显的不足，因此本文利用该方法获得的融合遥感影像对扎龙湿地植被进行分类。⑶在所有的分类方法中最大似然法的总体分类精度和Kappa系数最低，推断其原因可能是由于样本的光谱特征较正态分布有一定的偏差所引起的；在ISODATA算法中，芦苇、蒲草、水田三种植被类型被错分成草甸的像元数目较多，可能是由于这三种植被类型的光谱特征与草甸的光谱特征（尤其当草甸土壤背景含水量较大时）较为接近所引起的；在 K-means算法中，有29.5％的沉水植被类型被错分为芦苇和蒲草，这三种植被类型都以水体作为背景，其原因很可能是由于水体的光谱特征影响了这三种植被的区分；另外最小距离分类法中有较多的水田和蒲草被错分成了芦苇，不过该分类方法的总体精度较高，达到了80.71%（Kappa系数=0.775），在其他条件下的植被分类中也值得尝试；光谱角填图法的总体分类精度为89.86%(Kappa系数=0.8817）明显高于其他分类方法的分类精度。

目录

封面

目录

中文摘要

英文摘要

第1章 绪 论

1.1 研究背景和意义

1.2 国内外研究现状

1.3 研究内容及技术路线

1.4 本章小结

第2章 研究区概况与数据获取

2.1 研究区概况

2.2 数据简介

2.3植被光谱特征形成的遥感学基础

2.4本章小结

第3章 遥感影像预处理技术

3.1 几何校正

3.2 影像增强

3.3 大气校正

3.4 图像镶嵌

3.5 图像裁剪

3.6 遥感影像预处理结果

3.6 本章小结

第4章 遥感影像的融合及评价

4.1多源遥感数据的特点

4.2多源遥感影像融合的层次

4.3遥感影像像素级融合算法

4.4图像融合结果的评价

4.5 本章小结

第5章 扎龙湿地植被分类

5.1 非监督分类法

5.2 监督分类算法

5.3 分类结果与精度评价

5.6本章小结

第六章 结论与展望

6.1 结论

6.2展望

参考文献

攻读硕士学位期间发表的论文

声明

致谢