基于遥感的土地利用分析

1个回答
展开全部
摘要 # 目前,对土地利用遥感动态监测自动发现的方法较多,总的来说还处于探索阶段
本节的主要目的是在对影像数据处理的基础上,对已有的各方法进行归纳、分析、评价。
## 3.2.1 差值法
差值法就是将两个时相的遥感图像相减。其原理是:图像中未发生变化的地类在两个时相的遥感图像上一般具有相等或相近的灰度值,而当地类发生变化时,对应位置的灰度值将有较大差别。因此在差值图像上发生地类变化部分灰度值会与背景值有较大差别,从而使变化信息从背景影像中显现出来。
## 3.2.2 主成份分析法[3]
主成份分析是基于变量之间的相互关系,在尽量不丢失信息的前提下,利用线性变换的方法实现数据压缩。在光谱特征空间中突出物理意义显著的指数,监测地表覆盖物的动态变化程[4,5]。根据做PCA变换的具体操作的不同,该方法又有以下几种方式:
### 3.2.2.1 差异主成份法
两时相的影像经纠正、配准融合及精确的空间叠置之后,先对影像作相差取绝对值处理,从而得到一个差值影像。在此基础上,再对差值影像作PC变换。
### 3.2.2.2 多波段主成份变换
首先将两时相的影像各波段进行组合形成一个两倍于原影像波段数的新影像,然后对该影像作PC变换。由于变换结果前几个分量上集中了两个影像的主要信息,而后几个分量则反映出了两影像的差别信息,因此可以试着抽取后几个分量进行波段组合来提取变化信息。
### 3.2.2.3 主成份差异法
本方法和差异主成份法所不同之处在于影像作PC变换与差值处理的顺序不一样。要求先对两时相的影像作PC变换,然后对变换结果作差值,取差值的绝对值为处理结果。
## 3.2.3 变化矢量分析法
变化矢量分析法要求对两时相的影像分别做缨帽变换,取变换结果的第一和第二分量,根据影像转换的经验系数对上面的两对分量做旋转变换以使结果分别对应两时相的绿度(greenness)和亮度brightness)值,我们把它们记作G和B。以G值为横轴,B为纵轴的坐标系中,通过以下的公式计算变化矢量的方向分量S(Saturation)和幅度分量H(Hue):变化矢量结果中的V分量(Value)由新旧两时相影像作PC变换后取其第一分量而来。为表达变化信息,要将HSV空间的三个分量转换为RGB三色进行显示。
咨询记录 · 回答于2024-01-08
基于遥感的土地利用分析
# 目前,对土地利用遥感动态监测自动发现的方法较多,总的来说还处于探索阶段,本节的主要目的是在对影像数据处理的基础上,对已有的各方法进行归纳、分析、评价。 ## 3.2.1 差值法 差值法就是将两个时相的遥感图像相减。其原理是:图像中未发生变化的地类在两个时相的遥感图像上一般具有相等或相近的灰度值,而当地类发生变化时,对应位置的灰度值将有较大差别。因此在差值图像上发生地类变化部分灰度值会与背景值有较大差别,从而使变化信息从背景影像中显现出来。 ## 3.2.2 主成份分析法[3] 主成份分析是基于变量之间的相互关系,在尽量不丢失信息的前提下,利用线性变换的方法实现数据压缩。在光谱特征空间中突出物理意义显著的指数,监测地表覆盖物的动态变化程[4,5]。根据做PCA变换的具体操作的不同,该方法又有以下几种方式: ### 3.2.2.1 差异主成份法 两时相的影像经纠正、配准融合及精确的空间叠置之后,先对影像作相差取绝对值处理,从而得到一个差值影像。在此基础上,再对差值影像作PC变换。 ### 3.2.2.2 多波段主成份变换 首先将两时相的影像各波段进行组合形成一个两倍于原影像波段数的新影像,然后对该影像作PC变换。由于变换结果前几个分量上集中了两个影像的主要信息,而后几个分量则反映出了两影像的差别信息,因此可以试着抽取后几个分量进行波段组合来提取变化信息。 ### 3.2.2.3 主成份差异法 本方法和差异主成份法所不同之处在于影像作PC变换与差值处理的顺序不一样。要求先对两时相的影像作PC变换,然后对变换结果作差值,取差值的绝对值为处理结果。 ## 3.2.3 变化矢量分析法 变化矢量分析法要求对两时相的影像分别做缨帽变换,取变换结果的第一和第二分量,根据影像转换的经验系数对上面的两对分量做旋转变换以使结果分别对应两时相的绿度(greenness)和亮度brightness)值,我们把它们记作G和B。以G值为横轴,B为纵轴的坐标系中,通过以下的公式计算变化矢量的方向分量S(Saturation)和幅度分量H(Hue):变化矢量结果中的V分量(Value)由新旧两时相影像作PC变换后取其第一分量而来。为表达变化信息,要将HSV空间的三个分量转换为RGB三色进行显示。
# 3.2.4 光谱特征变异法 光谱特征变异法是运用多源数据的融合技术,将来自不同传感器的遥感数据进行融合,使变化区域呈现特殊的影像特征的一种方法。以上的几种方法的核心部分都是变化信息的提取,由此来发现土地利用中的变化信息并产生出变化模板,用此模板来指导目视判读及人工解译。 # 3.3 变化区域的提取 通过遥感影像处理的复杂性我们发现,在处理不同影像时单一的变化信息提取的方法得到的模板反映不了所有的地类变化信息,所以要求对变化信息的提取进行几种方法的结合处理。实践表明比较有效的方法为阈值法、分类法、人机交互解译法、组合法。
# 4、验证过程及结果分析 ## 4.1 研究区概况及数据源 六景镇位于横县西北部,是横县的新兴的工业基地,同时也是广西小城镇建设的重点镇、自治区小康示范镇、全国重点镇,是南宁市工业卫星城和市域副中心城市。本课题研究范围主要是六景镇所辖的全部土地,总2005年影像2010年影像。 ## 4.2 验证区变化信息提取 本文的试验中选取了六景镇的数据进行土地利用动态遥感监测的变化信息提取,运用2005年10月03日和2010年12月28日的TM影像,主要使用了差值法、主成份分析法来提取变化信息,试验中对两时相的数据进行了以下处理。 ### 4.2.1 数据预处理 2005年和2010年的遥感影像已经进行了配准,因此主要根据研究区域的范围对遥感影像进行切割。 ### 4.2.2 土地利用变化信息发现方法的选取 - 差值法:如图1 - 差异主成份法:如图2 - 多波段主成份变换:如图3 - 主成份差异分析法:如图4 对各种方法处理的结果进行分析后,可以看出采用差值法处理的效果相对比较好(如图1)。因此我选择这种方法处理后的数据进行下一步的操作。 ### 4.2.3 土地利用变化信息提取 结合两时相的遥感影像和六景镇的二调影像数据,对用差值法处理后的数据进行监督分类,分类后的结果图如下:结果分析:对影像进行差异主成份分析后,结合2010年城镇土地利用调查数据以及六景二调的影像,可以从影像中知道土地利用变化的主要流向,主要是农用地转变成建设用地。 ## 5、结论 本文结果表明采用主成份分析的方法,再辅以变化模板的变化信息提取方法能满足土地利用动态遥感监测的需要,同时也证实了变化信息提取方法的可行性,动态监测变化信息自动发现方法的发展趋势表现为: (1)充分利用已有的各种资料数据,提高数据室内处理精度,再结合野外调查进行数据的抽样调查和验证不能确定的变化图斑。 (2)利用影像进行数据处理时,应尽量利用现有的影像数据。 (3)由于各方法发现的变化信息可能不一致,因此应将各方法自动发现的变化信息进行综合处理,充分利用各方法的优缺点,提高数据处理精度,而且要能同时得到变化信息前后时相的类型属性。
下载百度知道APP,抢鲜体验
使用百度知道APP,立即抢鲜体验。你的手机镜头里或许有别人想知道的答案。
扫描二维码下载
×

类别

我们会通过消息、邮箱等方式尽快将举报结果通知您。

说明

0/200

提交
取消