基于像元分解区域地表覆盖信息提取

摘要：延河流域地处陕北黄土高原中部,流域内沟壑纵横,地形复杂、地表破碎,土壤侵蚀严重。运用遥感特征指标将研究区域分割成两个子图像区,基于线性光谱混合模型(Linear Spectral Mixture Model,LM),利用IDL编写的程序,对延河流域3景TM影像分区混合像元分解,并基于像元内类型的面积比例生成土地利用类型图,估算植被盖度,基于建立的亚像元C因子估算模型,研究区的经验C因子值,计算流域的植被覆盖与管理因子。经过对分解的亚像元各类型丰度及其估算的植被盖度、植被覆盖与管理因子值定性、定量评价,分析像元异质性对估算结果的影响,以下主要:(1)基于ACC和MNF变换,确定影像端元(endmember)的最佳数量为5类;参考4m的IKONOS影像、运用MNF和PPI法选择“纯净”像元作为各种典型覆盖类型的端元,分别确定各子图像区的端元组合及其光谱反射率。在自主编写的IDL程序下,对两个子图像区独立像元分解。对分解结果的误差图分析、各endmember的分量值与IKONOS影像、TM自身相应特征指数的性分析以及土地利用分类精度评价,分析均LM分解精度较好,提取的丰度信息可靠,该方法能应用于本研究区域中,是提取亚像元信息可行、的方法。(2)基于LM的林地和草地丰度综合估算像元的植被盖度,其估算结果与NDVI具有的线性关系,且在高植被覆盖区域,NDVI值的增加,前者增加的梯度大于中等植被覆盖区域。本实验结果与基于NDVI最大、最小值经验估算的植被盖度具有良好的性,系数高达0.9025。但研究区域内,混合像元分解法比NDVI指数法的结果整体偏低,偏低的均值为0.0617,与实验中草地端元的选择有关系。实验,基于LM估算延河流域的植被盖度是一种的方法,其结果在提取高覆盖的植被信息比NDVI指数法更具优势。(3)延河流域各个土地利用类型经验C因子值,本实验基于混合像元分解的端元类型的丰度,运用本实验的亚像元C因子值估算模型,估算研究区域的植被覆盖与管理因子。利用NDVI估算植被盖度、土地利用类型图、经验估算,以此作为对比研究。本实验估算C因子值是连续变化的,较后者更实地C因子变化情况。两种方法计算结果的偏差约为0.0249,但两者的系数高达0.9314,两者整体上具有较好的一致性。两种结果之间的差异来源主要包括:(1)植被盖度估算方法;(2)利用像元内端元的丰度。植被盖度估算方法造成混合像元分解法的C因子整体偏大于NDVI法,约0.0706。植被盖度估算方法的不同,造成了林地和草地的C因子值估算结果中混合像元分解法大于NDVI植被指数法。运用像元端元的丰度计算,使得前者小于后者,差值的均值约为-0.0457。各种土地利用类型对差异的响应不同。对于土地利用类型的丰度未占绝对优势的情况下,像元异质性越强,两种估算方法差异就越大。关键词：延河流域论文线性混合光谱模型论文植被盖度论文植被覆盖与管理因子论文

致谢5-6

摘要6-8

ABSTRACT8-13

章 绪论13-18

1.1 研究和13-14

1.1.1 研究背景13-14

1.1.2 目的14

1.2 研究内容14-15

1.3 研究方法和技术路线15-16

1.4 研究数据16-18

1.4.1 遥感影像数据16-17

1.4.2 辅助数据17-18

章 混合像元分解方法18-28

2.1 混合像元18

2.2 混合像元分解模型18-23

2.2.1 选择线性光谱混合模型18-19

2.2.2 线性光谱混合模型介绍19-20

2.2.3 端元选取方法20-22

2.2.4 混合像元分解小结22-23

2.3 线性光谱混合模型的应用23-27

2.3.1 估算植被盖度23-25

2.3.2 土地覆盖分类25

2.3.3 估算植被覆盖与管理因子25-27

2.4 研究中存在的问题和不足27-28

章 研究区域概况和遥感数据预处理28-35

3.1 研究区域概况28-29

3.2 遥感数据介绍29-31

3.2.1 Landsat TM 影像29-30

3.2.2 IKONOS高清影像30-31

3.3 遥感数据处理31-35

3.3.1 TM影像像元值转换成大气顶层反射率31-32

3.3.2 图像配准32-33

3.3.3 建立子图像区33-34

3.3.4 IKONOS影像分类34-35

章 混合像元分解提取亚像元土地覆盖信息35-56

4.1 端元选择35-38

4.1.1 确定端元数量35-36

4.1.2 选择端元36-38

4.2 线性混合像元分解及结果分析38-46

4.2.1 子图像1 分解结果38-40

4.2.2 子图像2 分解结果及阴影处理40-41

4.2.3 LM结果41-46

4.3 分解精度评价46-55

4.3.1 误差图分析46-47

4.3.2 土地利用分类结果评价47-50

4.3.3 基于IKONOS的端元丰度误差评价分析50-52

4.3.4 性分析52-54

4.3.5 精度评价总结54-55

4.4 小结55-56

第五章 混合像元分解的应用56-72

5.1 植被盖度56-59

5.1.1 NDVI指数法估算植被盖度56

5.1.2 LM模型估算植被盖度56-57

5.1.3 对比分析57-59

5.1.4 小结59

5.2 计算植被覆盖与管理因子59-72

5.2.1 基于NDVI的像元级估算59-60

5.2.2 基于林地和草地丰度的像元级估算60

5.2.3 基于LM的亚像元级估算60-63

5.2.4 植被盖度估算方法对C因子估算的影响分析63

5.2.5 像元异质性对C因子估算的影响分析63-67

5.2.6 LM-C与NDVI-C差异分析67-69

5.2.7 总结与讨论69-72

第六章 和讨论72-74