遥感专题信息提取作业

浅析水体遥感信息提取的几种方法摘要:本文分别介绍了MNWDI、监督分类法、主成分分析和决策树法多种不同水体遥感提取方法的过程及原理,并以特定水域的水体提取为例,比较了多种方法的实现异同,从而为在不同时期和不同用途时采用最佳的水体提取模型提供一定的依据。关键字：监督分类，主成分分析，水体提取1引言遥感图像记录了地物在空间域、时间域、光谱的变化信息，利用地物的光谱能量特征差异性和结构差异性来识别地物信息是遥感应用的一个主要方面。除了广泛应用在多种地质现象解释方面，水体提取，水体监测，水面积测算也是其中的一部分。近年来,随着高光谱数据的广泛应用,各种新理论新方法相继涌现,对传统遥感信息提取方法提出了新要求。目前利用遥感提取水体信息的方法主要有两种模式，一种是基于波段之间的相关性建立的数学模型，可以分为单波段和多波段方法，单波段法主要选取遥感影像中的近红外波段并利用阀值来提取水体信息。多波段法则主要是利用多波段的优势综合提取水体信息。另外一种模式就是基于图像统计特征，根据应用目的的不同对遥感图像执行光谱增强或辐射增强处理，以达到突出水体的信息。2利用遥感对水体提取的几种方法的研究2.1MODIS简介MODIS是美国NASA.对地观测系统(EOS)系列遥感卫星平台上的主要传感器,它具有36个光谱通道,分布在从可见光、近红外到热红外的电磁波谱范围内.其空间分辨率分别为250m、500m和Ikm,且每天可在不同时间过境4次。2.1.1水体的光谱特征水的光谱特征主要取决于水本身的物质组成,同时又受到各种水态的影响。在可见光波段0.5µm之前，水的吸收少，反射率比较低，大量投射。其中，水面反射率5%左右，并随着太阳高度角的变化呈3%~10%不等的变化。水体可见光反射包括水面反射，水体底部物质反射及水中悬浮物质（浮游生物或叶绿素，泥沙及其他物质）的反射三方面的贡献。天然水体对电磁波的吸收明显高于绝大多数其它地物,因而水体的总辐射水平低于其它地物,在彩色遥感影像上表现为暗色调。在红外波段,水体吸收的能量高于可见光波段,所以水体在近红外及中红外波段的反射能量很少,而植被、土壤在这两个波段内的吸收能量较小,且有较高的反射特性,这使得水体在这两个波段上与植被和土壤有明显的区别。利用此类特性和不同波谱间的水体光谱特征,就可以提取出水体。2.1.2归一化差异水体指数法——MNWDIMNWDI实质上是一种比值型方法，比值型指数方法的基本原理就是在多光谱波段内，寻找出所要研究地物类的最强反射波段和最弱反射波段。将强者置于分子，弱者置于分母。通过比值运算，进一步扩大二者的差距，使感兴趣的地物在所生成的指数影像上得到最大的亮度增强，而其他背景地物则受到普遍的压制，从而达到突出感兴趣地物的目的。由于水的反射从可见光到红外波段逐渐减弱，在近红外和中红外波长范围内吸收性最强，几乎无反射，因此用可见光波段和红外波段的反差构成的比值可以突出影像中的水体信息。归一化差分植被指数法NDVI和改进型归一化差分水体指数法MNDWI计算公式为NDVI=CH2−CH1CH2+CH1(1)式中，CH1和CH2分别代表MODIS波段1和波段2的地表反射率。MNDWI=CH2−MirCH2+Mir(2)式中，CH2和Mir分别都为MODIS波段2和中远红外波段的地表辐射率。在NDVI模型中，由于MODIS数据的波段1是红光区（0.62µm~0.67µm），水体反射高于植被，波段2是近红外区（0.841µm~0.876µm），植被的反射率明显高于水体。因此采用NDVI来处理可增强水陆反差。利用此特点，可通过选用阀值建立识别水体和植被、土壤的模型。在MNDWI模型中，由于建筑物等阴影在绿光和近红外波段的波谱特征与水体相似，当采用中红外波段替换近红外波段时，可以使计算出的水体与建筑物指数的反差明显增强，大大降低了二者的混淆程度，从而有利于城镇中水体信息的准确提取。2.2用监督分类法提取水体遥感影像的监督分类又称训练场法,是在已知类别的训练场地上提取各类别的训练样本,通过选择特征变量,确定判别函数或判别式,把影像中的各个像元点划归到各个给定的分类,是模式识别的一种方法。它的基本思想是:首先根据类别的先验知识确定判别函数和相应的判别准则,利用一定数量的已知类别样本的观测值确定判别函数中的待定参数,然后将未知类别的样本的观测值代入判别函数,再根据判别准则对该样本的所属类别做出判定.常用监督分类算法有:判别分析、最大似然分析、特征分析、特征曲线窗口法和图形识别等。监督分类的优点是分类结果与实际地物吻合较好,但工作量较大,且要求训练区域具有典型性和代表性,适合于有先验知识时使用。2.3基于图像统计特征的水体面积提取图像的统计特征主要反映在它的纹理特征上。细小地物在影像上有规律地重复出现，它反映了色调变化的频率，纹理形式很多，包括点、斑、格、垅、栅。在这些形式的基础上根据粗细、疏密、宽窄、长短、直斜和隐现等条件还可以再细分为更多的类型。每种类型的地物在影像上都有本身的纹理图案，因此，可以从影像的这一特征识别地物。纹理反映的是亮度的空间变化情况。在水体的提取方面，可以利用遥感影像上水体的颜色、水体的轮廓等特征分析水体的深浅、含沙量以及所含物质的不同。主成分分析在数学上又称K-L变换。在遥感应用领域，是以图像的统计特性为基础，除去波段之间的多余信息，将具有相关性的多波段数据压缩到比波段更有效的少数几个波段上，达到信息综合与增强的目的。经主成分变换后的图像包含了比原始波段内容丰富的信息，起到特征增强作用；同时，在多波段图像处理中，可以用少数几个正交的主成分作为新的数据通道，来代替相关性较大的多个原始波段，从而起到降维和数据压缩的作用。2.4用决策树法提取水体决策树归纳是经典的分类算法。它采用自顶向下递归的各个击破方式构造决策树。树的每一个结点上使用信息增益度量选择测试属性.可以从生成的决策树中提取规则。在理论上,决策树隶属于专家智能决策支持系统,介于研发人员和应用人员之间,已成为专家系统和数据挖掘领域的核心分析工具lsl。决策树是分类结构的形象表达,此树由连接的节点所组成.存在两种类型的节点:决策节点和叶子节点.决策节点用以存放被检验的运算表达式,叶子节表MODIS两个波段的技术特征波段波段范围对应光谱光谱辐射率(W/m2.m.sr)信噪比空间分辨率1620nm~670nm红光21.8128250m2841nm~876nm近红外24.7201点存贮的是父母点的运算结果。分支决策树如下图所示，每一结点只有一个父节点和两个或多个子结点，根据设定的合适阀值可以对遥感影像进行分类，并制作出掩膜，从而提取水体。3实例应用3.1水体提取利用MODIS数据提取水体结果利用专业遥感图像处理软件ENVI对MODIS数据进行定标、几何校正、条带去噪、BOWTIE校正、重采样等一系列数据预处理,并运用前面所述的几种方法,对水域进行波段运算和监督分类,研究实现决策树,最后制作水体掩膜,提取出水体。在TM的一景图像上裁剪了一部分图像，应用MNWDI指数方法原理，在ERDASIMAGINE8.4的Interpreter/Utilities/Operators模块下进行波段的运算，提取结果如下图：在ENVI中选择训练区，生成ROI选择Classification-Supervised-MaximumLikelihood在ProbabilityThreshold文本框中填0.95输入保存文件名后点击OK开始分类目视监督分类结果是否满意对结果进行裁剪、掩膜，提取水体是否3.2为了准确提取水体信息，提高提取的精度。首先TM1,TM2,TM3,TM4,TM5,TM7进行波段合成，然后对影像采用主成分分析法进行光谱增强，增强水体特征后，再采用最大似然发进行非监督分类，提取水体信息。提取结果如下图：4小结在水体提取的整体效果方面,用三种不同方法均能较好地提取主体水域。但总体上用MNDWI工提取的水体信息最多,其中包括了支流水体信息,而用监督分类法和决策树法都漏提了部分支流水体。在提取小面积水体方面,MNDWI对水面宽度较窄的河流等小水体混合像元的提取效果最好,其余几种方法均会误提或漏提支流信息。对于面积稍大的支流,监督分类法的提取效果也较好,而决策树法在提取水体信息效果一般。主成分分析法增强了地物的波谱差异，适合于对同种类别在进行细微区分，例如可以利用主成分分析法区分含泥沙量不同的水体，以及探测水体表面藻类的分布情况。改进的措施，最大似然判别法是典型的和应用最广的监督分类方法。但是传统的人工采样方法由于工作量大,效率低,对训练区选择要求很高,加上人为误差的干扰,其分类结果的精度较差。可以利用GlS数据来辅助Bayes分类,提高分类精度,再通过建立知识库,以知识来指导分类的进行,可以减少分类错误的发生,这是提高其分类信息提取精度的有效途径.虽然决策树法是一种很好的遥感信息提取方法,但是由于MODIS自身分辨率的限制,水体光谱特征与其它地物混淆,结果并不十分理想。如果研究需要,可以通过设置多层阐值,使提取结果更为精确,但是比较繁琐。所以,针对不同应用研究目的,可以选择最佳的水体提取方法,以获得最快捷和最好的效果。