遥感地学分析.docx
《遥感地学分析.docx》由会员分享，可在线阅读，更多相关《遥感地学分析.docx（27页珍藏版）》请在冰点文库上搜索。
遥感地学分析
实验大纲
一、实验目标
《遥感地学分析》是一门快速发展的多学科融合的综合性课程。
课程的难点多，在教学中采用理论教学、对比分析、野外实习与实验遥感等多种教学手段相结合，通过实验教学环节使学生加深对知识点的理解和掌握。
本课程的实验教学围绕课程的重点与难点合理安排实验项目，逐步培养学生的理解能力、动手能力与创新能力。
本课程的重点与难点主要包括下面几个方面：
（1）区域宏观分异与遥感影像特征的关系的认识。
遥感地学分析是基于区域地理分异基础上的遥感分析方法，地理分布或目标地物的差异性和相似性决定遥感影像的反射或辐射特征，是正确理解遥感地学分析的前提。
（2）目标地物信息的提取模型的理解与掌握。
（3）综合分析能力的培养。
依据上述重点与难点，在实验环节上采取以下措施：
（1）强化课程野外实习。
充分利用遥感影像进行野外实习是解决区域差异性与相似性认识的必要措施。
本课程与相关公司合作制作了南京汤山的遥感图像，并确定该区域为课程野外实习场所，进行土地利用/覆盖、岩石类型、土壤等方面的差异性分析并结合遥感图像的影像特征认识，强化了区域差异性在遥感图像上表现的认识，从而提高学生对遥感图像的理解。
（2）充分利用遥感试验场实验，提高学生对目标地物的反射与辐射特性的认识。
结合遥感试验场的土壤、水体的反射光谱测定和土壤热红外辐射的测定和土壤、水体的化学成分分析，进一步认识不同组分对反射和辐射的影响，从而从微观上进一步理解遥感分析方法。
（3）本科学生分组参与主讲教师承担的项目，进一步提升学生的研究和综合分析能力。
二、实验计划
实验编号
实验内容
课时
1
目标地物反射波谱的测量
3
2
遥感图像典型地物波谱特征分析
6
3
典型土壤类型的波谱特征
3
4
水体波谱特征与水环境质量分析
6
5
植被波谱特征与叶面积指数、生物量分析
6
6
土地利用/覆盖信息提取
3
三、考核办法
实验的考核内容是各项实验报告。
评分方法主要依据实验报告的规范程度和分析问题是否有理有据。
实验一：
目标地物反射波谱的测量（3学时）
原理与方法
地物光谱反射率野外测定的原理可参看相应教材，这里不再进行赘述。
实习采用垂直测量的方法，计算公式如下：
（1.1）
式中：
为被测物体的反射率，
为标准板的反射率，
、
分别为测量物体和标准板的仪器测量值。
实验仪器
1可见光-近红外光谱辐射计，波长范围0.4～2.5
（有0.4～1.1
或1.3～2.5
两种仪器），以其性能稳定，便于携带，数据的提取比较容易。
表1-1列出了目前常用的光谱仪，仪器的具体使用方法可参见相关的仪器说明书。
2标准参考板（白板或灰板）。
表1-1常见的光谱辐射仪
型号
生产地
波长范围/
WDY-850地面光谱辐射计
中科院长春光机所
0.38～0.85
DG-1野外光谱辐射计
中科院安徽光机所
0.4～1.1
SRM-1200野外光谱辐射计
日本
0.38～1.2
SE-590便携式光谱辐射计
美国
0.38～1.1
WDY-2500红外地物光谱辐射计
长春
0.8～2.5
DG-2野外光谱辐射计
安徽
1.3～2.5
DW地物光谱仪
北京师范大学
0.4～1.1
ASD光谱辐射计
美国
0.1～1.0/0.4～2.5
实验目的
1学习地物光谱的测定方法；
2认识地物光谱反射率的规律；
3学习绘制地物反射光谱曲线；
实验报告
内容包括：
目的、仪器、测量目标基本信息、环境参数表、测试数据表、一组反射率曲线图、误差分析等。
实验二：
遥感图像典型地物波谱特征分析（3学时）
原理与方法
太阳辐射到达地面之后，物体除了反射作用外，还有对电磁辐射的吸收作用。
电磁辐射未被吸收和反射的其余部分则是透过的部分，即：
太阳辐射能量＝反射能量＋吸收能量＋透射能量
反射能量的大小决定了不同地物在不同电磁波波段上的反射率的大小，针对实验一测量获得的典型地物波谱数据分析其不同波长上的反射和吸收特征。
实验方法采用曲线分析法，分析典型地物的反射光谱峰谷变换。
实习仪器
学生实习机房
图象处理软件（ENVI3.5）
实验目的
1、掌握典型地物（植被、水体、裸岩等）类型的波谱特征；
2、掌握应用遥感图像处理软件进行典型地物波谱分析方法。
3、重点分析不同植被类型光谱差异的影响因素
实验报告
内容包括：
典型地物（植被、水体、裸岩等）类型的波谱特征与遥感影像的对比分析，不同植被类型光谱差异的影响因素分析。
实验三：
典型土壤类型的波谱特征（3学时）
原理与方法
土壤的理化性质差异决定着反射波谱性质的差异性，通常来说自然状态下土壤表面的反射率没有明显的峰值和谷值，它随着波长的增长反射率逐步增加，但是由于不同的土壤类型理化性质也不相同，其反射率受到土壤质地、有机质量、土壤含水量等方面的影响。
土壤质地越细反射率越高，有机质含量越高和含水量越高反射率越低。
因此可以通过实验的方法探讨不同土壤类型的光谱特征，以及根据光谱特征分析土壤的理化性质。
实习仪器
学生实习机房
图象处理软件（ENVI3.5）
ASD野外光谱仪
实验目的
1、了解典型土壤的波谱特征；
2、分析不同土壤类型有机质含量的反射波谱特征差异；
实验报告
内容包括：
实验目的、典型土壤类型的反射率曲线图、不同土壤类型光谱差异的影响因素
实验四：
水体波谱特征与水环境质量分析（3学时）
原理与方法
水既可以吸收也可以散射通过水汽界面的波谱辐射能量（Ed），但水的散射会增加天空辐射能量（Eu），而水的吸收则会同时减少Ed和Eu。
遥感探测的波谱信息就是这种吸收和散射过程综合作用的结果。
水环境质量分析水质监测:
对所测水体的地面光谱反射率数据通过系列波谱分析处理方法，提取不同污染类型水体的特征光谱曲线，与同步测量的悬浮物浓度、高锰酸盐指数等进行相关分析，建立光谱反射率与水质指标参数之间的定量模型。
实习仪器
学生实习机房
图象处理软件（ENVI3.5）
ASD野外光谱仪
水下光谱仪
实验目的
1、掌握应用遥感图像处理软件进行水体波谱的差异性分析
2、水体环境质量的分析方法；
实验报告
内容包括：
实验目的、水体悬浮质浓度和水环境质量遥感分析。
实验五：
植被波谱特征与叶面积指数、生物量分析（3学时）
原理与方法
遥感图像上面的植被信息主要是通过绿色植物叶子和植被灌层的光谱特性以及差异变化变现出来的，选择多光谱遥感数据进行分析运算，产生某些对植被长势、生物量等有一定指示意义的数值，即是所谓的“植被指数”。
用一种简单有效的形式来实现对植被状态信息的表达，以定性和定量地评价植被覆盖、生长活力与生物量。
在植被光谱中，通常选用对绿色植物（叶绿素引起的）强吸收的可见光波段和对绿色植物（叶内组织引起的）高反射的近红外波段，通过两个不同波段数据的分析运算得到不同的植被指数，如归一化植被指数（NDVI）等。
实习仪器
学生实习机房
图象处理软件（ENVI3.5）
叶面积指数仪（WINSCANNY）
实验目的
1、掌握应用遥感图像处理软件进行植被波谱与叶面积指数、生物量测量方法。
2、掌握运用植被指数分析叶面积指数和生物量。
实验报告
内容包括：
实验目的、分析叶面积指数和生物量的区域分异。
实验六：
土地利用/覆盖变化信息提取（3学时）
原理与方法
运用监督分类方法提取区域多时相土地利用/覆盖信息，在此基础上采用不同时相的土地利用/覆盖数据进行相除或相减，探讨区域土地利用/覆盖的变化特征。
实习仪器
学生实习机房
图象处理软件（ENVI3.5）
实验目的
1、掌握对TM影像的预处理
2、掌握对土地利用/覆盖变化信息的提取分析
3、掌握土地利用/覆盖变化分析方法
实验报告
内容包括：
实验目的、土地利用/覆盖信息的提取及其变化分析。
土地利用/覆盖变化信息提取实验报告
1.实验目的
利用TM/ETM3个时相卫星数据，应用ENVI软件进行土地利用/覆盖分类，在此基础上进一步分析其动态变化特征。
2.实验内容
金华市土地利用/覆被变化信息的提取。
采用决策树分类法提取土地利用/覆被信息，它通过分析地物光谱特征和其他图像特征，充分利用高程、坡度等地理辅助信息可以有效地提高分类精度，比较适合于江南丘陵地形破碎、地物分布复杂的地区。
和传统的监督分类法相比，它可以消除园地和林地、建设用地和裸地光谱相似所带来的影响。
（1）TM影像数据的预处理。
本文的遥感数据处理主要包括大气校正、几何校正和图像增强，并利用行政边界矢量图对影像进行裁剪。
（2）土地利用变化信息提取。
首先对其中的一期影像（2003年）分别采用最大似然法、决策分类树法进行分类，提取土地利用/覆被信息，并对二者的提取精度进行比较，选择精度最高者作为最终的提取方法，进而提取1988～2003年金华市土地利用/土地覆被信息。
（3）利用空间叠加获取土地利用/覆被变化的面积转移矩阵，进而通过面积转移矩阵分析土地利用/土地覆被的数量变化、空间结构变化和土地利用程度。
3.实验方案
4.数据预处理
4.1数据源
本文所采用的数据包括：
两景金华市的LandsatTM和一景LandsatETM陆地卫星影像，一景半SPOT全色影像；该地区1：
50000地形图；该地区81m*81m分辨率的数字高程模型（DEM）；1：
100万中国行政边界矢量图等。
具体的见表4-1和4-2所示。
表4-1研究区遥感影像数据
获取时间
传感器类型
数量（景）
空间分辨率（m）
2003年3月9日
SPOT-5全色
1
5
1/2
5
2003年3月26日
LandsatETM+
1-8波段
1
15m（全色）
30m（多光谱）
1996年9月6日
LandsatTM1-7波段
1
30
1988年12月5日
LandsatTM1-7波段
1
30
表4-2研究区其他资料及应用说明
数据类型
应用说明
大比例尺地形图
最新时相的1：
50000地形图，用于进行卫星遥感资料的几何校正
野外调查资料
野外控制点的测量，土地利用/覆盖分类训练样本区的调查，建立判读标志，进行分类及信息提取精度检验等工作
土地利用现状图
对比土地利用/覆盖动态变化及遥感影像分类精度参考
4.2图像预处理
数据预处理部分主要包括：
对遥感影像进行大气校正、几何纠正、以及对研究区进行边界裁剪和图像增强。
主要工作流程如下（图4-2）：
图4-2数据预处理主要技术流程
具体方法如下：
1）大气校正。
本文的大气纠正在PCI软件的ATCOR2模块中完成，以去除薄云和大气对影像光谱的影响，尤其是96年的图像，经过大气校正后，图像质量得到了很大提高。
2）几何纠正。
影像几何纠正就是将所研究影像纳入到一个地面坐标系中，方法是利用地面控制点对各种因素引起的遥感影像的几何畸变进行纠正，以便确定影像上每个像元在地面的坐标，其过程就是把目标由一个空间向另一个空间转换的过程。
3）边界裁剪。
对遥感影像进行上述处理后，利用所给的金华县行政边界矢量图边界对影像进行裁剪，分别得到1988年和1996年的TM图像以及2003年的SPOT和ETM研究区影像。
4）图像增强。
本文采用最佳指数因子分析方法对3幅多光谱影像三波段组合方案进行评价最后得出最佳波段组合。
最佳指数因子的计算公式为：
（2-1）
式中，
为i波段图像的亮度标准差，其值越大，说明数据的离散度越大，所包含的信息量越大，可分离性越高；
为三波段中任意两波段之间的相关系数，其值越小，表明图像数据独立性越高，信息的冗余度越小。
OIF越大，组合图像的信息量越大，组合方案越佳。
利用最佳指数因子分析方法计算1988、1996、2003年三幅多光谱影像的三波段组合值如下表（表4-3）：
表4-3影像最佳波段组合信息含量表
影像
OIF组合方案
421
432
532
543
752
743
754
88年TM
26.338
29.182
25.521
33.605
27.793
33.983
33.910
96年TM
32.154
34.864
16.845
36.025
16.089
36.163
25.598
03年ETM
16.240
19.483
21.121
23.240
20.880
22.592
20.427
从上表中可得知，1988年和1996年两幅TM影像的743组合值都是最大的，2003年的ETM543组合值最大，743次之，整个金华市的土地利用格局以耕地和林地等农用地为主，整个地区有较高的植被覆盖，而743组合更接近植被的真彩色，有利于植被的分类，所以三幅影像都采用743组合方案参与分类。
5土地利用/土地覆被分类
5.1监督分类法
此法的关键在于训练区的选择。
训练区的选取应与分类地区的特点和分类系统相适应。
对训练区的统计特征应进行详细的分析，以选择最有效的参数变量（谱段）参与后续的分类。
此外，应对训练区特征指标的外延性进行评估（赵英时，2003）。
监督分类法中具体方法包括最小距离分类法、多级切割分类法、特征曲线窗口法和最大似然分类法，其中最大似然分类法用的最多。
最大似然分类法（maximumlikelihoodclassifier）在多类别分类时，常常采用统计学方法建立起一个判别函数集，然后根据这个判别函数集计算各待分像元的归属概率。
这里，归属概率是指：
对于待分像元x，它从属于分类类别
的（后验）概率。
设从类别
中观测到
的条件概率为
，则归属概率
可表示为如下形式的判别函数：
（3-1）
式中，
为待分像元，
为类别
的先验概率，它可以通过训练区来决定。
此外，由于上式中分母和类别无关，在类别间比较的时候可以忽略。
1）训练样区的选取与纯化
本文中采用的方法为试分类混淆矩阵分析法和J-M距离法来对所选取的训练样本纯度进行评价，通过对所得混淆矩阵进行分析，即可得到训练样本占原来各类个体总数的百分比，以确定其分类的正确率，从而也检验了训练的纯度。
在ENVI4.2中对纯化前和纯化后的训练样本区进行了分类，并以训练样本自身对分类结果进行精度检验，得到混淆矩阵。
纯化前训练样本的训练区分类混淆矩阵显示：
OverallAccuracy=92.0142%，KappaCoefficient=0.9165。
对训练样本进行纯化后，训练样本的训练区分类混淆矩阵显示：
OverallAccuracy=96.3045%，KappaCoefficient=0.9500。
在ENVI4.2中未纯化前和纯化后的训练样本区进行统计其J-M距离，结果显示：
纯化前训练样本的J-M距离，最小的是园地和林地之间的J-M距离，只有1.3208。
另外园地和耕地之间、居民点及工矿用地和未利用地之间的J-M距离也比较小，但均大于1.5。
经纯化以后，只有园地和林地之间的J-M距离仍然小于1.5。
其他均在1.8以上。
训练样本之间的可分性明显增大。
2）分类精度及结果分析
在对影像做了图像预处理后，根据影像的光谱特征，选择适当的训练样区，将土地利用分为若干不同的类别。
结合研究区的实际情况，根据目视判读选择训练样本，采用最大似然分类法（MaximumLikelihoodClassification,MLC），将金华市2003年的土地利用分为5类，即耕地、园地、林地、居民点及工矿用地、水域。
（a）1988年（b）1996年（c）2003年
图5-1金华市最大似然法土地利用/土地覆被分类图
利用上面确定的方法和已有的样本数据对研究区分类后图像进行精度估计，得到最终最大似然法的误差矩阵和各项统计指标（以2003年为例）。
表5-1最大似然法分类精度矩阵
类别
未分类
耕地
园地
林地
居民点及工矿用地
水体
未利用地
总计
未分类
0
0
0
0
0
0
0
0
耕地
0
65
8
0
0
0
0
73
园地
0
3
14
19
0
0
0
36
林地
1
1
1
94
0
0
0
97
居民点及工矿用地
0
0
0
2
14
0
0
16
水体
0
0
0
0
0
10
0
10
未利
用地
0
0
0
4
8
0
12
24
合计
1
69
23
119
22
10
12
256
表5-2最大似然法分类精度评价（％）
类别
参考总计
分类总计
正确分类数
生产精度
用户精度
未分类
1
0
0
---
---
耕地
69
73
65
94.20%
89.04%
园地
23
36
14
60.87%
38.89%
林地
119
97
94
78.99%
96.91%
居民点及工矿用地
22
16
14
63.64%
87.50%
水体
10
10
10
100.00%
100.00%
未利
用地
12
24
12
100.00%
50.00%
合计
256
256
209
总精度＝209/256＝81.64％
表5-1和5-2显示了在最大似然分类中，园地和未利用地的分类精度比较低，分别为：
38.89%和50.00%，这是因为园地、耕地、林地之间和未利用地和居民点及工矿用地之间的光谱特征很多比较相似（图5-2），从而导致误判。
尤其是林地和园地错分现象比较多，36个园地样点中，有19个被误分为林地，3个被误分为耕地。
5.2决策树分类
1）典型地物光谱分析
为了获取研究区内各种地物类型光谱特征知识，对研究区内典型地物类型进行采样并加以统计，统计结果见表5-3（以03年为例）。
其中03年耕地按耕地l（主要为水田）和耕地2（主要为旱地）两类采样，水体分为水体1（河流）和水体2（水库和坑塘水面）两类采样。
88年图像上由于存在大量山体阴影，因此阴影也列为单独一类进行采样。
表5-303年典型地物样本亮度值统计表
地物
波段
耕地
耕地2
园地
林地
居民点及工矿用地
水体1
水体2
未利
用地
B1
最小值
4.00
14.00
8.00
0.00
9.00
0.00
5.00
1.00
最大值
40.00
41.00
29.00
24.00
90.00
47.00
35.00
101.00
均值
21.06
24.22
15.76
7.56
28.75
31.25
14.25
36.07
均方差
4.03
3.58
2.88
2.85
5.93
4.29
4.49
9.45
B2
最小值
10.00
21.00
13.00
0.00
16.00
0.00
9.00
8.00
最大值
59.00
62.00
47.00
32.00
101.00
79.00
55.00
118.00
均值
35.87
35.57
24.21
15.29
38.35
48.38
19.87
57.00
均方差
5.54
4.68
4.06
3.52
7.38
8.28
7.71
12.52
B3
最小值
10.00
18.00
11.00
0.00
18.00
0.00
6.00
13.00
最大值
76.00
67.00
57.00
32.00
117.00
81.00
63.00
138.00
均值
35.28
38.36
23.38
13.52
45.31
46.64
15.37
72.54
均方差
6.67
6.13
5.79
3.56
9.19
9.43
7.99
18.70
B4
最小值
25.00
19.00
22.00
0.00
17.00
0.00
0.00
17.00
最大值
109.00
90.00
72.00
67.00
82.00
65.00
63.00
95.00
均值
71.20
42.12
46.43
41.88
36.78
13.18
5.40
64.83
均方差
10.28
8.47
6.08
9.52
7.70
8.43
5.75
10.54
B5
最小值
30.00
11.00
20.00
0.00
24.00
0.00
4.00
26.00
最大值
117.00
110.00
102.00
92.00
172.00
99.00
95.00
167.00
均值
75.43
47.58
60.50
47.75
67.18
14.43
10.41
106.08
均方差
9.26
17.83
9.77
11.62
12.11
11.34
7.21
18.14
B7
最小值
16.00
7.00
12.00
0.00
19.00
0.00
1.00
23.00
最大值
97.00
89.00
80.00
59.00
163.00
75.00
68.00
155.00
均值
47.24
31.01
35.74
24.51
60.71
10.59
7.52
86.17
均方差
9.46
13.23
8.59
7.13
11.64
8.38
5.26
16.75
通过03年典型地物样本亮度值统计可以得到03年典型地物样本波谱响应曲线：
图5-203年典型地物样本波谱响应曲线
2）决策树的构建
对于03年图像：
由于水体和阴影的低反射率，尤其是在长波部分更明显。
因此可以利用TM4/TM3的比值来区分大部分林地。
然后通过缨帽变换的亮度分量可以区分大部分耕地，剩下的耕地、园地和林地可以通过地学辅助知识如高程和坡度信息来加以区分。
最后通过分析得到03年的分类决策树：
图4-503年分类决策树
依据同样的原理，通过分析分别得到88年和96年的分类决策树：
图5-696年分类决策树
图5-788年分类决策树
3）分类精度及结果分析
通过决策树分类以及分类后的合并处理最后得到三个时期的土地利用/覆被分类图：
（a）1988年（b）1996年（c）2003年
图5-8金华市决策树分类法土地利用/土地覆盖分类图
通过分层采样和已有的样本数据对研究区分类后图像进行精度估计，得到最终决策树的误差矩阵
升级会员 