ASTER數(shù)據(jù)在西昌市紫莖澤蘭遙感監(jiān)測中的應用研究.pdf

1、本文以西昌市為研究試點區(qū)，選擇ASTERL1B級數(shù)據(jù)和土地利用圖為數(shù)據(jù)源，首先對西昌市紫莖澤蘭分布的實際情況進行野外實地調查，獲取典型樣地及紫莖澤蘭群落指標，結合西昌市實際情況和所采用衛(wèi)星影像特征，確定了該區(qū)主要地物的分類體系；然后對ASTER原始數(shù)據(jù)進行統(tǒng)計分析，篩選出適宜波段進行圖像融合處理；同時對樣地群落特征指標與相對應的植被指數(shù)指標進行相關分析，選擇出對紫莖澤蘭群落最敏感的植被指數(shù)，并提取該植被指數(shù)的紋理信息，與篩選出的適宜波段

2、融合生成含紋理信息的融合圖像；最后運用最大似然分類法和馬氏距離分類對研究區(qū)VNIR圖像和兩種融合圖像進行共六種組合分類，自動提取目標害草信息，選擇滿足分類精度要求的最佳分類方式，初步探索出快速、準確、方便的調查紫莖澤蘭分布的方法和技術，為紫莖澤蘭實地監(jiān)測提供了重要參考依據(jù)，其主要研究結論如下： (1)通過樣地群落指標與其對應的光譜指標計算和相關分析，發(fā)現(xiàn)在NDVI、RVI和PVI三種植被指數(shù)中，RV工對于紫莖澤蘭群落敏感性最高：

3、與群落指標相關性最好，相關系數(shù)均大于0.7(最高達到0.80)，能較好反映其群落特征。 (2)對ASTER數(shù)據(jù)三種傳感器生成的三種分辨率的影像數(shù)據(jù)進行Gram-Schmidt融合處理，可以將具有較高光譜分辨率的多光譜遙感波段的空間分辨率從30m×30m提高到15m×15m，增加更多的地表地物組分信息，而光譜信息在變換前后不發(fā)生改變，確保了后續(xù)圖像分類的可靠性。 (3)對于同一融合數(shù)據(jù)源，最大似然法分類效果優(yōu)于馬氏距離法分

4、類，對融合圖像的分類，最大似然分類法的總體精度和Kappa系數(shù)分別為78.50％和0.7496，高于馬氏距離的73.70％和10.6936；對于加入紋理信息的融合圖像分類，最大似然分類法的總體精度達到90.52％，明顯高于馬氏距離的80.64％，而Kappa系數(shù)達到0.8894，高于后者的0.7741。 (4)對于同一分類方法，添加了紋理信息的最大似然分類結果優(yōu)于未添加紋理信息的分類結果，前者的分類總體精度和IKappa系數(shù)分別

5、為90.5207％和0.8894，均高于融合圖像分類的78.5047％和0.7496，以及原始VNIR分類的84.112l％和0.8149結果；而馬氏距離的分類結果，則是原始光譜VNIR的分類結果優(yōu)于添加紋理信息的融合圖像，前者的分類總體精度和Kappa系數(shù)分別為86.2483％和10.8397，高于后者的80.6409％和0.7741，無紋理信息的融合圖像分類結果最差，總體精度和Kappa系數(shù)分別等于73.6983％和10.6936。

6、 (5)從單種地物類型的分類精度來看，添加植被指數(shù)的紋理信息使可使紫莖澤蘭、草地和林地等植被相關地類的分類精度提高，這三種地物類型均是以添加紋理信息的融合圖像最大似然法的分類制圖精度最高，分別達到86.92％、73.91％和100％。 (6)經(jīng)過六種組合分類結果比較，添加紋理信息的融合圖像基于最大似然法分類結果精度最高，總體精度和Kappa系數(shù)最大，分別是90.5207％和10.8894，該精度可滿足紫莖澤蘭遙感分類與制