一种基于ENVISAT ASAR、Landsat TM与DEM数据的泥炭沼泽信息提取方法

摘要

一种基于ENVISAT ASAR、Landsat TM与DEM数据的泥炭沼泽信息提取方法，本发明涉及泥炭沼泽信息提取方法。本发明解决传统方法难以对泥炭沼泽与其他沼泽类型区分的问题，该方法通过1预处理Landsat TM数据；2预处理ENVISAT ASAR数据；3对ENVISAT ASAR数据重采样；4得到ENVISAT ASAR影像；5得到坡度数据；6提取后向散射系数；7确定ENVISAT ASAR影像最佳极化方式波段；8得到分割单元；9提取特征参数；10确定最佳分类波段；11建立分类决策树；12生产土地覆盖类型矢量文件；13制作泥炭沼泽地图等步骤实现的。本发明应用于泥炭沼泽信息提取领域。

说明书

技术领域

本发明涉及一种信息提取方法，特别涉及一种泥炭沼泽信息提取方法。 

背景技术

泥炭沼泽是湿地的主要类型之一，对维持区域生态平衡和可持续发展具有重要的作用。除此之外，由于泥炭沼泽中碳储量巨大，约占全球陆地碳库的1/3，相当于大气中碳含量的75％，因而，泥炭沼泽在全球气候变化和生态系统平衡中占着举足轻重的地位。近年来，国内外专家学者已利用不同的遥感影像数据对草本湿地、森林湿地、海滨红树林湿地等湿地类型进行了空间信息提取的研究，而针对应用遥感技术提取泥炭沼泽空间分布信息的研究却相对较少。 

光学遥感数据具有光谱信息丰富、性价比高、易获取和数据处理简单的优势和特点。但是由于地表覆盖植被的影响，利用传统的中低分辨率光学遥感影像可以实现对湿地与非湿地的区分，却难以完成不同沼泽类型的区分，对不同泥炭沼泽类型的区分更是不易。雷达遥感数据相对于光学遥感数据波长更长，并且其穿云透雾的特点使其在对沼泽广泛发育的地区进行监测时，可以免受时间和气象的限制。而且，雷达影像的后向散射对成像表面的介电特性(土壤湿度、植被含水量)和几何特征(表面粗糙度)较为敏感，微波对地物的穿透能力，能够反映近地面以下的地物信息。低频的雷达波段(P波段和L波段)更适于监测以林地为主的湿地，而高频的雷达波段(C波段)适用于研究草本沼泽和泥炭沼泽。 

面向对象的解译方法在解译时不仅考虑到地物的光谱信息，同时地物的几何特征和结构特征也被考虑在内，影像解译的最小单元是具有相同特征(如光谱、纹理和空间组合关系等特征)同质均一的对象。相对于传统的遥感解译方法针对影像的单个像元的特征进行解译而言，此方法突破了传统的遥感分类方法以像元为基本分类和处理单元的局限性，以含有更多语义信息的多个相邻像元组成的对象为处理单元，可以实现较高层次的遥感图像分类和目标地物提取。该方法是基于认知模型的遥感信息提取方法，更贴近人类的认知过程，已成为遥感信息提取领域主要的研究方向之一。面向对象的解译方法是针对以往的面向像元的解译方法存在种种的不足应运而生的。目前的研究中没有提到面向对象解译方法存在的不足。 

Landsat是1972年以来美国航空航天局(NASA)发射升空的一系列陆地资源卫星。Landsat5搭载的传感器TM，含有7个波段(0.45～0.53μm，0.52～0.60μm，0.63～0.69μm，0.76～0.90μm，1.55～1.75μm，10.40～12.50μm，2.08～2.35μm)，轨道高度705km，空间分 辨率30m，重访周期16天。ENVISAT是欧空局于2002年3月发射升空的巨型环境监测卫星，ASAR(Advanced Synthetic Aperture Radar)是ENVISAT搭载的先进合成孔径雷达，它具有多模式、多极化、大幅宽、多入射角等特性。数字高程模型(Digital Elevation Model，简称DEM)，它是用一组有序数值阵列形式表示地面高程的一种实体地面模型。 

高频的雷达波段(C波段)适用于研究草本沼泽和泥炭沼泽是目前已有的研究已经得出的结论，本研究根据这个结论在提取泥炭沼泽时选取了C波段的雷达影像，也即是研究中所用的ENVI SAT。因为研究中只涉及用C波段的雷达影像，没有涉及其他波段的雷达影像，因而不涉及解决高频的雷达波段(C波段)适用于研究草本沼泽和泥炭沼泽的问题。 

发明内容

本发明的目的是为了解决利用传统的中低分辨率光学遥感影像难以完成泥炭沼泽与其他沼泽类型的区分的问题，而提出的一种基于ENVISAT ASAR、Landsat TM与DEM数据的泥炭沼泽信息提取方法。 

上述的发明目的是通过以下技术方案实现的： 

步骤一：对Landsat TM数据进行预处理； 

步骤二：对ENVISAT ASAR数据进行预处理； 

步骤三：对步骤二预处理完成的ENVISAT ASAR数据进行重采样，重采样后的ENVISAT ASAR数据与步骤一处理完成的Landsat TM数据的栅格大小一致； 

步骤四：利用ArcGIS软件的Georeferencing模块提供的添加控制点功能在预处理后的Landsat TM数据上选择控制点，根据控制点空间配准重采样后的ENVISAT ASAR数据，得到ENVISAT ASAR影像； 

步骤五：对DEM数据进行坡度提取，得到坡度数据； 

步骤六：结合土地覆盖类型调查样点，对步骤四完成的ENVISAT ASAR影像，提取不同土地覆盖类型在不同极化方式下雷达影像后向散射系数； 

步骤七：分析泥炭沼泽与其他不同土地覆盖类型在不同的极化方式下雷达后向散射系数的差异，确定ENVISAT ASAR影像最佳极化方式波段即进行泥炭沼泽提取的雷达影像最佳极化方式波段； 

步骤八：对预处理完成的Landsat TM数据、坡度数据以及步骤七确定的ENVISATASAR影像最佳极化方式波段进行多层多尺度分割，得到一系列分割单元； 

步骤九：对步骤八分割完成的一系列分割单元进行特征参数提取；其中，特征参数包括各波段的平均值、归一化植被指数、归一化水体指数、TM2+TM3-TM4-TM5和色调； 

步骤十：根据步骤九提取的特征参数，利用JM距离法确定最佳分类波段； 

步骤十一：根据步骤十确定的最佳分类波段，参照土地覆盖类型调查样点，建立分类决策树；其中，参照土地覆盖类型调查样点包括泥炭沼泽、草本沼泽、居住地、交通用地、农田、林地、水体土地覆盖类型； 

步骤十二：运行分类决策树，导出土地覆盖类型分类结果，并生产土地覆盖类型矢量文件；其中，土地覆盖类型矢量文件包括农田、林地、水体、居住交通用地、草本沼泽和泥炭沼泽土地覆盖类型； 

步骤十三：根据步骤十二完成的土地覆盖类型矢量文件制作泥炭沼泽专题地图；即完成了一种基于ENVISAT ASAR、Landsat TM与DEM数据的泥炭沼泽信息提取方法。 

发明效果 

将易于与泥炭信息混淆的其他沼泽类型进行区分，自动快速准确地提取中等分辨率遥感图像(Landsat TM)中的泥炭沼泽的空间分布信息，从而实现泥炭沼泽信息自动提取专题制图的方法。 

雷达影像与光学影像相结合，同时将地形因素作为泥炭沼泽的控制因子，综合利用面向对象和决策树遥感分类方法，获取对象的特征参数，通过JM距离法选取最佳分类波段，从而建立决策树完成分类，制作泥炭沼泽专题地图。 

本发明基于Landsat TM数据、ENVISAT ASAR影像和DEM数据，将面向对象和决策树分类的方法应用于泥炭沼泽信息的自动提取中，将独立的像元合并成为同质的对象，对象分割过程中不仅考虑光谱特征，还考虑到纹理特征和拓扑特征，进而通过选择最优波段，建立决策树逐步得到泥炭沼泽空间分布信息。所得分类结果精度为93％，比仅已有的应用中等分辨率遥感影像提取泥炭沼泽的方法精度提高5％～8％。同时，考虑地形对泥炭沼泽分布的影响，因而分类结果具有明确的地理意义。本发明克服了以往泥炭沼泽信息提取仅应用光学影像而出现的漏分和误分现象，同时也解决了分类得到的泥炭沼泽空间信息存在“椒盐现象”、“飞地现象”，不具有明确地理意义等问题。本发明对光学影像、雷达影像与DEM相结合快速自动提取泥炭沼泽信息具有实践意义。 

附图说明

图1为具体实施方式一提出的一种基于ENVISAT ASAR、Landsat TM与DEM数据的泥炭沼泽信息提取方法流程图； 

图2是具体实施方式一提出的土地覆盖类型矢量文件制作泥炭沼泽专题地图。 

具体实施方式

具体实施方式一：本实施方式的一种基于ENVISAT ASAR、Landsat TM与DEM数据的泥炭沼泽信息提取方法，具体是按照以下步骤制备的： 

步骤一：对Landsat TM数据进行预处理； 

步骤二：对ENVISAT ASAR数据进行预处理； 

步骤三：在ArcGIS中对步骤二预处理完成的ENVISAT ASAR数据进行重采样，重采样后的ENVISAT ASAR数据与步骤一处理完成的Landsat TM数据的栅格大小一致； 

步骤四：以预处理后的Landsat TM数据为基准，在ArcGIS软件中对照预处理后的Landsat TM数据和步骤三中重采样后的ENVISAT ASAR数据，利用ArcGIS软件的Georeferencing模块提供的添加控制点功能在预处理后的Landsat TM数据上选择控制点，根据控制点空间配准重采样后的ENVISAT ASAR数据，得到ENVISAT ASAR影像； 

步骤五：利用ArcGIS软件中Spatial Analyst模块下Surface Analysis中的Aspect命令对DEM数据进行坡度提取，得到坡度数据； 

步骤六：结合土地覆盖类型调查样点，对步骤四完成的ENVISAT ASAR影像，在ArcGIS中提取不同土地覆盖类型在不同极化方式下雷达影像后向散射系数； 

步骤七：分析泥炭沼泽与其他不同土地覆盖类型在不同的极化方式下雷达后向散射系数的差异，确定ENVISAT ASAR影像最佳极化方式波段即进行泥炭沼泽提取的雷达影像最佳极化方式波段； 

步骤八：利用eCognition软件对预处理完成的Landsat TM数据、坡度数据以及步骤七确定的ENVISAT ASAR影像最佳极化方式波段进行多层多尺度分割，得到一系列分割单元，将每个分割单元作为一个对象； 

步骤九：利用eCognition软件对步骤八分割完成的一系列分割单元进行特征参数提取；其中，特征参数包括各波段的平均值、归一化植被指数(NDVI)、归一化水体指数(NDWI)、TM2+TM3-TM4-TM5、色调(R:G:B＝TM5:TM4:TM3)和色调(R:G:B＝TM4:TM3:TM2)； 

步骤十：根据步骤九提取的特征参数，利用JM距离(Jeffreys Matusita Distance)法确定最佳分类波段； 

步骤十一：根据步骤十确定的最佳分类波段，参照土地覆盖类型调查样点，利用See5.0软件建立分类决策树；其中，参照土地覆盖类型调查样点包括泥炭沼泽、草本沼泽、居住地、交通用地、农田、林地、水体等土地覆盖类型； 

步骤十二：在eCognition软件运行分类决策树，导出土地覆盖类型分类结果，并生产土地覆盖类型矢量文件；其中，土地覆盖类型矢量文件包括农田、林地、水体、居住交通用地、草本沼泽和泥炭沼泽等土地覆盖类型； 

步骤十三：在ArcGIS软件中的Layout View模式下，根据步骤十二完成的土地覆盖类型矢量文件制作泥炭沼泽专题地图(泥炭沼泽专题地图示意图如图2所示)；即完成了 一种基于ENVISAT ASAR、Landsat TM与DEM数据的泥炭沼泽信息提取方法如图1。 

本实施方式效果： 

将易于与泥炭信息混淆的其他沼泽类型进行区分，自动快速准确地提取中等分辨率遥感图像(Landsat TM)中的泥炭沼泽的空间分布信息，从而实现泥炭沼泽信息自动提取专题制图的方法。 

雷达影像与光学影像相结合，同时将地形因素作为泥炭沼泽的控制因子，综合利用面向对象和决策树遥感分类方法，获取对象的特征参数，通过JM距离法选取最佳分类波段，从而建立决策树完成分类，制作泥炭沼泽专题地图。 

本实施方式基于Landsat TM数据、ENVISAT ASAR影像和DEM数据，将面向对象和决策树分类的方法应用于泥炭沼泽信息的自动提取中，将独立的像元合并成为同质的对象，对象分割过程中不仅考虑光谱特征，还考虑到纹理特征和拓扑特征，进而通过选择最优波段，建立决策树逐步得到泥炭沼泽空间分布信息。所得分类结果精度为93％，比仅已有的应用中等分辨率遥感影像提取泥炭沼泽的方法精度提高5％～8％。同时，考虑地形对泥炭沼泽分布的影响，因而分类结果具有明确的地理意义。本实施方式克服了以往泥炭沼泽信息提取仅应用光学影像而出现的漏分和误分现象，同时也解决了分类得到的泥炭沼泽空间信息存在“椒盐现象”、“飞地现象”，不具有明确地理意义等问题。本实施方式对光学影像、雷达影像与DEM相结合快速自动提取泥炭沼泽信息具有实践意义。 

具体实施方式二：本实施方式与具体实施方式一不同的是：步骤一中对Landsat TM数据进行预处理过程为： 

(1)在泥炭沼泽分布范围内，确定泥炭沼泽的Landsat TM数据的轨道号，根据轨道号下载覆盖泥炭沼泽分布范围的Landsat TM数据； 

(2)为消除地形畸变，利用Landsat TM数据对应地区的DEM数据对Landsat TM数据进行正射纠正，得到正射纠正后的Landsat TM数据； 

(3)为消除几何畸变，利用地形数据，在ERDAS软件中选取地面控制点，对正射纠正后的Landsat TM数据进行几何精纠正得到预处理后的Landsat TM数据。其它步骤及参数与具体实施方式一相同。 

具体实施方式三：本实施方式与具体实施方式一或二不同的是：步骤二中对ENVISAT ASAR数据进行预处理过程： 

(1)在Landsat TM数据范围覆盖范围内，下载试验所用ENVISAT ASAR精细图像一级数据(ENVISAT ASAR APP Level 1B级数据)(极化方式为HH和HV)； 

(2)对ENVISAT ASAR精细图像一级数据进行辐射定标即将ENVISAT ASAR精细图 像一级数据的DN值转化为后向散射系数(单位为dB)，得到辐射校正的ENVISAT ASAR数据；其辐射定标公式如下： 

${\sigma }_{\mathrm{ij}}^0=10·{\log }_{10}\left[\frac{{\mathrm{DN}}_{\mathrm{ij}}^2}{K}\sin \left({\theta }_{\mathrm{ij}}\right)\right]$

其中，为第i行第j列像元的后向散射系数；DN_ij为第i行第j列像元的原始强度数值；θ_ij是第i行第j列像元的雷达波入射角度；K即为绝对定标系数； 

(3)为消除地形畸变，利用ENVISAT ASAR数据对应地区的DEM数据采用距离多普勒成像算法(Range-Doppler)对辐射校正ENVISAT ASAR数据进行地形纠正； 

(4)为消除影像噪声，应用Enhanced Lee滤波器(窗口大小3╳3像元)对地形校正完成的ENVISAT ASAR数据进行空间滤波处理。其它步骤及参数与具体实施方式一或二相同。 

具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：步骤四中空间配准误差控制在0.5个像元以内。其它步骤及参数与具体实施方式一至三之一相同。 

具体实施方式五：本实施方式与具体实施方式一至四之一不同的是：步骤七中进行泥炭沼泽提取的雷达影像最佳极化方式波段具体为：通过统计不同土地覆盖类型在HV和HH极化方式下的后向散射系数的平均值进行对比后向散射系数间的差异明显的作为最佳极化方式波段。其它步骤及参数与具体实施方式一至四之一相同。 

具体实施方式六：本实施方式与具体实施方式一至五之一不同的是：步骤八中每个分割单元由空间上相邻和同质性达到80％～100％的像元组成。其它步骤及参数与具体实施方式一至五之一相同。 

具体实施方式七：本实施方式与具体实施方式一至六之一不同的是：步骤九中利用eCognition软件对步骤八得到的一系列分割单元进行特征参数提取的归一化植被指数(NDVI)和归一化水体指数(NDWI)为： 

$\mathrm{NDVI}=\frac{\mathrm{TM}4-\mathrm{TM}3}{\mathrm{TM}4+\mathrm{TM}3},\mathrm{DNWI}=\frac{\mathrm{TM}2-\mathrm{TM}4}{\mathrm{TM}2+\mathrm{TM}4};$

其中，TM2为Landsat TM传感器的第2波段，TM3为Landsat TM传感器的第3波段，TM4为Landsat TM传感器的第4波段。其它步骤及参数与具体实施方式一至六之一相同。 

具体实施方式八：本实施方式与具体实施方式一至七之一不同的是：步骤十中JM距离法(Jeffreys Matusita Distance)计算公式如下： 

${\mathrm{JM}}_{\mathrm{ij}}=\sqrt{2(1-e^{-b_{\mathrm{ij}}})};$

$b_{\mathrm{ij}}=1/8{(m_i-m_j)}^t\frac{c_i+c_j}{2}(m_i-m_j)+1/2\ln \frac{|(c_i-c_j)/2|}{{\left|c_i\right|}^{1/2}{\left|c_j\right|}^{1/2}};$

式中i与j分别代表任意两种不同的分类类型；b_ij为i类分类类型与j类分类类型间的巴氏(Bhattacharyya)距离；m_i表示i类分类类型的均值向量，m_j表示j类分类类型的均值向量；C_i代表i类分类类型的协方差矩阵，C_j代表j类分类类型的协方差矩阵；根据JM计算结果确定选用坡度值(0°～42.43°)、归一化植被指数(NDVI)(-1～1)、TM2+TM3-TM4-TM5(-200.67～37.77)和色调(R:G:B＝TM5:TM4:TM3)(0～1)为参与分类波段。其它步骤及参数与具体实施方式一至七之一相同。 

采用以下实施例验证本发明的有益效果： 

实施例一： 

本实施例一种基于ENVISAT ASAR、Landsat TM与DEM数据的泥炭沼泽信息提取方法，具体是按照以下步骤制备的： 

步骤一：对Landsat TM数据进行预处理： 

(1)在泥炭沼泽分布范围内，确定泥炭沼泽的Landsat TM数据的轨道号，根据轨道号下载覆盖泥炭沼泽分布范围的Landsat TM数据，轨道号为P119R26，时间2010年6月11日； 

(2)为消除地形畸变，利用Landsat TM数据对应地区的DEM数据对Landsat TM数据进行正射纠正，得到正射纠正后的Landsat TM数据； 

(3)为消除几何畸变，利用地形数据，在ERDAS软件中选取地面控制点，对正射纠正后的Landsat TM数据进行几何精纠正得到预处理后的Landsat TM数据； 

步骤二：对ENVISAT ASAR数据进行预处理； 

(1)在Landsat TM数据范围覆盖范围内，下载试验所用ENVISAT ASAR精细图像一级数据(ENVISAT ASAR APP Level 1B级数据)(极化方式为HH和HV)，时间为2010年7月2日； 

(2)对ENVISAT ASAR精细图像一级数据进行辐射定标即将ENVISAT ASAR精细图像一级数据的DN值转化为后向散射系数(单位为dB)，得到辐射校正的ENVISAT ASAR数据；其辐射定标公式如下： 

${\sigma }_{\mathrm{ij}}^0=10·{\log }_{10}\left[\frac{{\mathrm{DN}}_{\mathrm{ij}}^2}{K}\sin \left({\theta }_{\mathrm{ij}}\right)\right]$

其中，为第i行第j列像元的后向散射系数；DN_ij为第i行第j列像元的原始强度数值；θ_ij是第i行第j列像元的雷达波入射角度；K即为绝对定标系数； 

(3)为消除地形畸变，在NEXT 4C软件中，利用ENVISAT ASAR数据对应地区的DEM数据采用距离多普勒成像算法(Range-Doppler)对辐射校正ENVISAT ASAR数据进行地形纠正； 

(4)为消除影像噪声，应用Enhanced Lee滤波器(窗口大小3╳3像元)对地形校正完成的ENVISAT ASAR数据进行空间滤波处理； 

步骤三：在ArcGIS中对步骤二预处理完成的ENVISAT ASAR数据进行重采样，重采样后的ENVISAT ASAR数据与步骤一处理完成的Landsat TM数据的栅格大小一致，栅格大小为30m×30m； 

步骤四：以预处理后的Landsat TM数据为基准，在ArcGIS软件中对照预处理后的Landsat TM数据和步骤三中重采样后的ENVISAT ASAR数据，利用ArcGIS软件的Georeferencing模块提供的添加控制点功能在预处理后的Landsat TM数据上选择控制点，根据控制点空间配准重采样后的ENVISAT ASAR数据，得到ENVISAT ASAR影像；空间配准误差控制在0.5个像元以内； 

步骤五：利用ArcGIS软件中Spatial Analyst模块下Surface Analysis中的Aspect命令对DEM数据进行坡度提取，得到坡度数据； 

步骤六：结合土地覆盖类型调查样点，对步骤四完成的ENVISAT ASAR影像，在ArcGIS中提取不同土地覆盖类型在不同极化方式下雷达影像后向散射系数； 

步骤七：分析泥炭沼泽与其他不同土地覆盖类型在不同的极化方式下雷达后向散射系数的差异，确定ENVISAT ASAR影像最佳极化方式波段即进行泥炭沼泽提取的雷达影像最佳极化方式波段： 

通过统计不同土地覆盖类型在HV和HH极化方式下的后向散射系数的平均值如表2： 

表2 

进行对比发现，在HV极化方式下泥炭沼泽与其他地物类型后向散射系数间的差异比在HH极化方式下泥炭沼泽与其他地物类型后向散射系数间的差异更为明显的作为最佳极化方式波段，因而选择ENVISAT ASAR影像HV极化方式波段。另外，在HH极化方式下草本沼泽和泥炭沼泽的后向散射系数相差0.88dB，而在HV极化方式下两者的后向散射系数相差3.44dB，由此本研究适用于研究草本沼泽； 

步骤八：利用eCognition软件对预处理完成的Landsat TM数据、坡度数据以及步骤七确定的ENVISAT ASAR影像最佳极化方式波段进行多层多尺度分割，得到一系列分割单元，将每个分割单元作为一个对象；每个分割单元由空间上相邻和同质性达到80％～100％的像元组成。显示在面向对象分类过程中多尺度分割的参数设置如表1所示： 

分割尺度 彩色因子 形状因子 光滑度 紧致度 8 0.9 0.1 0.6 0.4

步骤九：利用eCognition软件对步骤八分割完成的一系列分割单元进行特征参数提取；其中，特征参数包括各波段的平均值、归一化植被指数(NDVI)、归一化水体指数(NDWI)、TM2+TM3-TM4-TM5、色调(R:G:B＝TM5:TM4:TM3)、色调(R:G:B＝TM4:TM3:TM2)； 

一系列分割单元进行特征参数提取的归一化植被指数(NDVI)和归一化水体指数(NDWI)为： 

$\mathrm{NDVI}=\frac{\mathrm{TM}4-\mathrm{TM}3}{\mathrm{TM}4+\mathrm{TM}3},\mathrm{DNWI}=\frac{\mathrm{TM}2-\mathrm{TM}4}{\mathrm{TM}2+\mathrm{TM}4};$

其中，TM2为Landsat TM传感器的第2波段，TM3为Landsat TM传感器的第3波段，TM4为Landsat TM传感器的第4波段； 

步骤十：根据步骤九提取的特征参数，利用JM距离(Jeffreys Matusita Distance)法确定最佳分类波段；JM距离法(Jeffreys Matusita Distance)计算公式如下： 

${\mathrm{JM}}_{\mathrm{ij}}=\sqrt{2(1-e^{-b_{\mathrm{ij}}})};$

$b_{\mathrm{ij}}=1/8{(m_i-m_j)}^t\frac{c_i+c_j}{2}(m_i-m_j)+1/2\ln \frac{|(c_i-c_j)/2|}{{\left|c_i\right|}^{1/2}{\left|c_j\right|}^{1/2}};$

式中i与j分别代表任意两种不同的分类类型；b_ij为i类分类类型与j类分类类型间的巴氏(Bhattacharyya)距离；m_i表示i类分类类型的均值向量，m_j表示j类分类类型的均值向量；C_i代表i类分类类型的协方差矩阵，C_j代表j类分类类型的协方差矩阵；JM距离的取值范围为0～2.0之间，当值大于1.9时说明地物之间的可分性较好；根据JM计 算结果确定选用坡度值(0°～42.43°)、归一化植被指数(NDVI)(-1～1)、TM2+TM3-TM4-TM5(-200.67～37.77)和色调(R:G:B＝TM5:TM4:TM3)(0～1)为参与分类波段。 

步骤十一：根据步骤十确定的最佳分类波段，参照土地覆盖类型调查样点，利用See5.0软件建立分类决策树；其中，参照土地覆盖类型调查样点包括泥炭沼泽、草本沼泽、居住地、交通用地、农田、林地、水体等土地覆盖类型； 

步骤十二：在eCognition软件运行分类决策树，导出土地覆盖类型分类结果，并生产土地覆盖类型矢量文件，泥炭沼泽提取精度为93％；其中，土地覆盖类型矢量文件包括农田、林地、水体、居住交通用地、草本沼泽和泥炭沼泽等土地覆盖类型； 

步骤十三：在ArcGIS软件中的Layout View模式下，根据步骤十二完成的土地覆盖类型矢量文件制作泥炭沼泽专题地图(泥炭沼泽专题地图示意图如图2所示)；即完成了一种基于ENVISAT ASAR、Landsat TM与DEM数据的泥炭沼泽信息提取方法。 

本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。