基于影像融合的土地利用分类方法研究.pdf

基于影像融合的土地利用分类方法研究 曹敏 1002132105 1 研究区概况 研究区位于北京市城区东部的朝阳区（图1），朝阳区地理坐标为北纬39°49′ 至40°5′；东经116°21′至 116°38′；气候属温带大陆型半湿润季风气候，四季分 明，降水集中。年平均气温 11.6℃，最冷月 1 月份平均气温 4.6 ℃，最热月 7 月平均气温25.9 ℃，年无霜期192 天；年平均降水量581 毫米。地处北京平原， 地势从西北向东南缓缓倾斜，坡度一般在 1/1000-1/2500 之间。平均海拔34 米， 最高处海拔46 米，在大屯到洼里关西关西庄一带；最低处海拔20 米，在坝河 下游的楼梓庄沙窝村西部。朝阳区西与东城区、丰台区、海淀区相毗邻，北连 昌平区、顺义区，东与通州区接壤，南与大兴区相邻，全区面积 470.8 平方公 里，2008 年末，全区常住人口308.3 万，其中户籍人口208.5 万，外来人口99.8 万。区现行行政区划，有 23 个街道办事处，20 个乡。朝阳区工业发达，是北 京市重要的工业基地。对外交往活动频繁，是北京市重要的外事活动区。 图1 朝阳区在北京市中的位置 2 基本数据格式 本次实习采用的遥感数据是北京市TM7 个波段的数据和SPOT5 高光谱 全色影像。两种地理参考合投影已经保持一致，均为UTM-WGS84 投影。 表 1 两种数据源格式说明 数据名称 北京市 TM 数据 SPOT5 数据 传感器 TM 传感器 HRG 传感器 轨道 近极地太阳同步轨道 近极地太阳同步轨道 空间分辨率 30 米 2.5 米 时间 2004.5.19 2004.6.2 数据特点 多光谱数据 高光谱全色影像 3 研究方法 多源遥感影像融合，是指采用某种算法模型，将覆盖同一地区的 2 幅 或多幅空间配准的影像，进行信息组合匹配，获取高质量的影像信息的技 术。通常，采用低空间分辨率的多波段数据（如 TM 影像）和高空间分辨 率的全色光谱数据（如 SPOT 的Pan 波段）进行融合运算，获得既具有细致 纹理又保持丰富光谱信息的融合影像，使不同遥感数据源的优势互补，提 高图像的应用精度。 本研究利用了遥感信息复合和遥感图像分类方法，对 TM 多光谱影像 与 SPOT5 全色影像进行融合研究，再对融合图像进行土地利用分类。影像 融合明显会增加 TM 影像的信息量，故利用高空间分辨率影像与低分辨率 影像融合后再进行分类的精度，理论上应高于不融合直接利用低分辨率影 像分类的精度。本研究将验证和对比分析融合前后 TM 影像分类情况，然 后对比分类精度，并对实验结果进行定性和定量的解释和分析。 4 图像预处理步骤 4.1 几何校正 以STOP5 全色影像为基准影像，对 TM 影像进行几何校准。所给的 TM 影像包含 7 个波段的信息，在几何校正之前，采用 OIF 指数法定量选择出 最佳波段组合。根据TM7 个波段的相关性，1、2 、3 三个波段相关性高，5 、 7 两个波段相关性较高，4 波段相关性低，6 波段很少采用，因此从 123、 57 、4 三组数据中任选一种组合（表 2 ），计算得出，145 三个波段的 OIF 指数值最大（TM1 为蓝色波段，TM4 为近红外波段，TM5 为中红外波段）， 即所包含的信息量最多，因此选择 14