第七章遥感应用 典型地物信息的提取课件.ppt

水体遥感,水体遥感监测的主要任务：,通过对遥感影像的分析,获得水体的分布、泥沙、,有机质等状况和水深、水温等信息，从而对一个地区,的水资源和水环境等作出评价，为水利、交通、航运,及资源环境等部门提供决策服务。,水体的光谱特征,遥感器所接收到的辐射包括,水面反射光、悬浮物反射光、水,底反射光和天空散射光。,不同水体的,水面性质、水体中,悬浮物的性质和含量、水深和水,底特性等不同,，因此，传感器上,接收到的反射光谱特征存在差,异，为遥感探测水体提供了基础。,水体的光谱特征,在可见光范围内，水体的反射率总体上比较低（一般为,4%,5%,），并随着波长的增大逐渐降低，到,0.6,微米,处约,2%,3%,，过了,0.75,微米，水体几乎成为全吸收体。,因此，,在近红外的遥感影像上，清澈的水体呈黑色,。,为区分水陆界线，确定地面上有无水体覆盖，应选择,近红外波段的影像。,黄河水（泥沙含量,960mg/L),长江水（,92.5mg/L),湖水（,47.9mg/L),水体的光谱特征,含有泥沙的浑浊水体与清水比较,，光谱反射特征差异：,?,浑浊水体的反射波谱曲线整体高于清水，随着悬浮泥沙,浓度的增加，差别加大；,?,波谱反射峰值向长波方向移动（“红移”）。清水在,0.75,微米处反射率接近于零，含有泥沙的浑浊水至,0.93,微米处反射率才接近于零；,?,随着悬浮泥沙浓度的加大，可见光对水体的透射能力减,弱，反射能力加强。有时，近岸的浅水区，水体浑浊度,与水深呈一定的对应关系，浅水区的波浪和水流对水底,泥沙的扰动作用比较强烈，使水体浑浊，故遥感影像上,色调较浅。深水处扰动作用较弱，水体较清，遥感影像,上色调较深。,水体的光谱特征,含有泥沙的浑浊水体与清水比较，光谱反射特征差异：,?,波长较短的可见光，如,蓝光和绿光对水体穿透能力,较强，可反映出水面下一定深度的泥沙分布状况,。,在洪泽湖的试验表明，,0.5,0.6,微米的影像可反映,2.5m,水深的泥沙；,0.6,0.7,微米的影像可反映,1.5m,水深的泥沙；,0.7,0.8,微米影像反映,0.5m,泥沙；,0.8,1.l,微米仅能反映水面,0.02mm,厚水层的泥沙分,布状况。因此，以不同波段探测泥沙可构成水中泥,沙分布的立体模式。,水体的光谱特征,?,水中叶绿素的浓度与水体反射光谱特征存在以下关系：,?,水体叶绿素浓度增加，蓝光波段的反射率下降，,绿光波段的反射率增高；,?,水面叶绿素和浮游生物浓度高时，近红外波段仍存,在一定的反射率，该波段影像中水体不呈黑色，而,是呈灰色，甚至是浅灰色,。,?,水温可在热红外波段有明显特征,TM,图像上的水体提取,?,由于时间分辨率的限制，在洪水期难以获得无云雾,的,TM,图像，因此,TM,影像主要用于洪水灾害损失评估,和本底水体的提取。,?,从,TM,数据中提取水体信息的关键是区分水体与其他,地物的阴影，这同样需要进行不同地物各波段的光,谱值分析。,TM,图像上的水体提取,1996,年,12,月,27,日福清市,?,水体、阴影的第,5,波段明显小于第,2,波段。而其它地,物则刚好相反。在第,2,、,3,波段上，水体的灰度值大,于阴影，将这两个波段相加可以增大这种差异。在,第,4,、,5,波段上，阴影的值一般都大于水体。将这两,各波段相加，可以增大这种差异。,TM,图像上的水体提取,?,将波段,2,与波段,3,相加，波段,4,与波段,5,相加，并作,出改进后的地物波谱图。可以看出，只有水体具,有波段,2,加波段,3,大于波段,4,加波段,5,的特征。,TM,图像上的水体提取,?,阈值法提取水体,利用对水陆界线反映较好的,Landsat,5,的,TM,第,5,波,段，即中红外波段，通过反复试验，确定其阈值。,用,TM4,、,3,、,2,作假彩色合成影像，用目视判读的方,法检验阈值法提取水体的效果，所提取的水库和,坑塘的轮廓与目视判读的一致，宽的河流与目视,判读的基本一致，而较窄的河流没有被提取出来，,但这些河流由目视判读也难判读出来。因此，漏,提的水体非常少。同时，发现所提取的水体中有,一部分并非为真正的水体，而是山体的阴影。因,此，多提的水体较多。,TM,图像上的水体提取,?,谱间关系法提取水体,水体具有独特的谱间关系特征，即波段,2,加波段,3,大于波段,4,加波段,5,。用同样方法检验提取效果，,漏提的水体非常少，也没有发现将山体的阴影当,水体提取出来。因此，该种方法提取的水体较为,准确。,谱间关系法比单波段阈值法提取水体更具优势。尤,其是它能将水体与阴影区分开来。该方法特别适,合山区水体的提取。无论是谱间关系法还是单波,段阈值法，它们对于提取一些细小的河流都有一,定的局限性。这是因为，这些细小的河流都是以,混和像元的形式存在,。,SAR,图像上的水体提取,?,由于洪水最大淹没面积常常发生在坏天气条件下，,多光谱遥感数据不可能发挥很好的作用，因而微波,遥感成为洪水灾害监测的首选数据。但在有山区的,雷达图像上，水体与山体的阴影具有易混的亮度值，,而使得自动提取洪水淹没范围较困难。因而，现在,多采用目视判读的方法从,SAR,图像上提取洪水水体。,目视判读方法尽管可以取得较高的精度，并将水体,与阴影区别开来，但费工费时，难以满足快速监测,评估的要求。从图像复合的角度出发，,Landsat TM,图像与,Radarsat SAR,图像相结合，能有效地将洪水,淹没范围提取出来，而不会将阴影误提为水体。,SAR,图像上的水体提取,水体提取步骤,?,图像配准,?,TM,图像与地形图配准,?,SAR,图像与,TM,图像配准,?,SAR,图像的水体提取,用目视的方法在,SAR,图像上测出水体的亮度值，从而,确定水体与陆地的阈值,k,1,，,DNk,1,为水体，,DN=k,1,为,非水体（,DN,为,SAR,图像的亮度值）。,?,TM,图像上的阴影的提取,因在,TM2,上阴影的亮度值比较低，而其他地物的亮度,值比较高，测定阈值,k,2,因而有,TM2k,2,为阴影，,TM2=k,2,为非阴影。,SAR,图像上的水体提取,安徽省潜山县,1995,年,12,月,7,日,TM2,图像,1998,年,7,月,28,日,SAR,图像,SAR,图像上的水体提取,从,TM,图像上提取的阴影,从,SAR,图像上提取的水体,SAR,图像上的水体提取,水体提取步骤,?,SAR,图像的水体与,TM,图像的阴影之间的融合分析,?,将,SAR,图像的水体与,TM,图像的阴影叠加，在山区被误提,为水体的山体阴影中，有大部分都与,TM,图像的阴影重叠，,有一小部分未重叠。但未重叠的部分，均与,TM,图像的阴,影靠得很近，并且与阴影相连。为此，利用,ARC/INFO,的,GRID,模块中的,EXPAND,命令，对所提取的阴影进行扩展处,理，将扩展后的阴影与,SAR,水体进行叠加融合分析。凡,是落入阴影中的,SAR,水体，都被作为误提的水体剔除。,?,但是，对于在,SAR,图像上与阴影相连的水体而言，由于,对,TM,图像上的阴影进行了扩展处理，并用它来剔除,SAR,图像上的阴影，这就会造成将,SAR,图像上与阴影相连的,那部分中的部分水体被错误地剔除掉。因此，还需要对,这部分水体进行进一步的定界。,水体提取步骤,?,与阴影相连部分水体的进一步定界,?,从,TM,图像上提取本底水体，提取模型为：,（,TM2+TM3,）,(TM4+TM5)-k1,TM2=k2,?,利用,ARC/INFO,中的,GRID,模块,EXPAND,命令对本底,水体进行扩展。并用它来切取最初从,SAR,图像中,提取的水体。最后，将从,TM,图像中提取的阴影,与所切取到的水体进行叠加分析，减去阴影部,分，从而得到了由于阴影扩展而丢掉的那部分,水体。,?,并将这部分水体与去阴影后的,SAR,图像水体进行,叠加，从而得到最终提取的水体。,SAR,图像上的水体提取,居民地特征提取,?,?,?,?,研究意义,AVHRR,影像上的居民地识别提取,TM,图像上的居民地识别提取,SAR,图像上的居民地识别提取,研究意义,?,?,?,?,为灾害评估提供所需居民地空间分布信息,为了解人地关系服务,为社会、经济和人文等数据的空间化服务,为居住用地监测以及人居环境建设服务,AVHRR,影像上的居民地识别提取,?,AVHRR,影像上居民地的影像特征分析,在,3,（红）、,2,（绿）、,1,（蓝）假彩色合成图像上可以,看出，特大城市、大城市、中等城市，无论是位于山区,还是平原，都能在影像上识别出来。这些城市在影像上,呈暗灰蓝色，当其周围为农田时，其周边呈灰蓝色，当,为森林时，呈浅黄色，当为水体时，呈红色。城市的外,部轮廓清楚明显，城市的内部的色调比较一致，而内部,纹理特征不明显。城市的形状一般为斑块状。县城一级,的城镇，以及小城市在,NOAA,影像上需要仔细识别才能识,别出来。一般面积在,6,平方公里以上的县级城镇在,NOAA,影像上只有几个像元，呈点斑状，其外部轮廓已经很不,清楚了。在其像元中，只有,1,到,4,个像元与周边像元有一,定的区别，比较容易识别。而其他周边像元都是以混合,像元的形式存在。此时的城镇已无纹理可见了。,AVHRR,影像上的居民地识别提取,?,AVHRR,影像上居民地的影像特征分析,对于面积在,2km,2,以下的乡镇、村一级的居民地，已完全与周围地,类混淆在一起，在,NOAA,影像上难以辨别出来。城市与城市之间,的相对位置清晰可见，特大城市、大城市、中等城市、小城市、,县城等之间的城镇体系结构关系也容易识别出来。,通过对各种类型的城市及其它地物进行典型光谱采样，据其均值,绘制如下光谱曲线图,AVHRR,影像上的居民地识别提取,特征波段组合,地类,特大城市,大城市,中等城市,小城市,2-1,1-3,1-5,5-2,1+2+3,2,1+3,-1,1,-1,1,24,25,27,28,-2,0,0,3,3,-1,1,-4,65,66,71,69,29,31,32,33,36,35,39,36,城镇,云,深水体,浅水体,云与水,农地,林地,总体,0,-19,-6,30,59,-45,1,-5,-56,-1,24,62,72,153,90,34,58,11,38,95,79,-8,-12,6,37,2,-47,9,38,-24,2,-59,-34,6,-31,-19,67,46,-12,-6,17,99,108,85,56,90,12,31,45,62,32,87,77,40,62,58,AVHRR,影像上的居民地识别提取,?,基于光谱知识的居民地提取模型,通过对采样数据进行,波段组合分析,，建立模型如下：,CH,2,?,CH,1,?,K,CH,1,?,CH,3,提取居民地、水体和云,剔除水体,CH,1,?,CH,2,?,CH,3,?,K,1,剔除云,CH,5,?,CH,2,?,K,2,剔除少量水陆混合像元,注意：因,AVHRR,空间分辨率的限制，提取精度有限。,TM,图像上的居民地识别提取,?,居民地在,TM,影像上的机理分析,?,农村普通居民地,其房屋宽度大部分不超过,28.5m,，长度有可能超过,28.5m,，,影像记录的通常是房屋及其周围的空地、散,生树木组成的混合像元。,由于这些地物的尺寸及其,配置在空间上的变异，从而导致农村居民地像元灰,度值的空间变异，在居民地与周边地类交界处，又,会出现居民地与周围地类相混合的混合像元，这些,混合像元降低了农村居民地提取的精度。居民地内,部没有明显的纹理特征，与农村居民地相连的道路,难以识别出来。,TM,图像上的居民地识别提取,?,居民地在,TM,影像上的机理分析,?,村镇级居民地,在镇的核心区一般多为,2,3,层的楼房、平房等，,房顶多为水泥平顶、瓦盖尖顶。一般房屋间有,比较窄的空地，空地一般多为泥土面，部分为,水泥面。居民地内也有一些散生的树木等绿地。,因此居民地的像元多由水泥房顶、瓦顶、水泥,路面、裸土地、绿地、散生树木等所构成的混,合像元，其组成的空间变异导致像元灰度值的,空间变异。在边缘区的像元类似于乡村居民地,的像元，,在居民地与周围地类接边处，有居民,地与周围地类混合而成的混合像元。,TM,图像上的居民地识别提取,图中青灰,色的斑块,即为村镇,级居民地，,其内部有,一定的纹,理特征,，,基本可以,识别到与,其相连的,道路。,TM,图像上的居民地识别提取,?,居民地在,TM,影像上的机理分析,?,县城,由于高楼大厦的影响，有可能出现水泥房顶的,纯净像元，此外也会出现纯净的水域像元和绿,地像元。高大的房屋会造成房屋与房屋之间有,很多阴影。因而县城一级的居民地，其像元一,般是由水泥顶、水泥路面、散生林木、绿草地、,裸地以及阴影等所组成的混合像元，其组成比,例的变化以及空间配置结构的变化就造成了这,些像元的空间变异。,在县城的边缘区同样会出,现类似于乡镇一样的的混合像元,。,图中县,城呈灰,色的斑,块状，,有辐射,状的道,路与其,相连，,其内部,有一定,的纹理,特征。,TM,图像上的居民地识别提取,?,居民地在,TM,影像上的机理分析,?,城市,水泥房顶的纯像元更多，由于有宽阔道路，因,而也会出现水泥道路的纯像元。由于公园的存,在，会出现纯的水体像元和绿地像元。由于建,筑物更加高大，从而使得房屋之间的阴影就比,城镇更多了。但是，,大多像元仍然是混合像元，,其组成比例的差异就导致了像元灰度值的空间,变化。,在城市边缘处，有类似于县城乡镇一样,的混合像元，有辐射状的道路与其相连，其内,部有一定的纹理特征。,TM,图像上的居民地识别提取,?,居民地在,TM,影像上的机理分析,?,居民地光谱信息在时间维上的变化主要是由裸地及其间的树,木、竹子、绿地等在时间维上的变化所致。而房屋、裸露地,面，尤其是水泥地面及房顶在时间维上基本上没有大的变化，,但是也有一些微弱的变化。这包括，因太阳的照射，导致一,天中，早中晚的表面温度的不一致，从而导致其在散射、发,射上的变化。此外由于降雨导致其表面温度和湿度上的差异，,从而导致居民地光谱特征的变化，但是这种变化是因降雨而,引起的，因而与降雨有较强的相关性。所以，,居民地在时间,维上的变化主要是由居民地内的植被所致,。,居民地在时间,维上的变化周期、强度与植被的生长周期及强度的变化相,关,。对于建筑物密集，植被较少的居民地而言，其年际变化,较小。,TM,图像上的居民地识别提取,?,居民地在,TM,影像上的机理分析,?,在平原地区，居民地四周一般为农田、部分居民地,周围有水塘。居民地之间有道路相连通，道路有利,于居民地的识别。但是窄于,10m,宽的道路在,TM,影像,上一般难以识别，除非道路周围长满了很好的植被。,居民地与周围农田的区别，主要在于农田里生长着,植被，植被的光谱特征与裸地、房屋的光谱特征明,显不同。,对在河边有一些沙石滩，由沙、泥、石,混合在一起，其比例达到一定情况时，其光谱特,征与居民地的光谱特征类似。但沙石滩一般沿河,流两岸分布，有时在河流中央，以江心州的形式,出现，可以剔除,。,TM,图像上的居民地识别提取,?,居民地及背景地物的光谱特征分析,?,分别对城市、县城、乡镇、集村、水体、水田、河滩地、菜,地、道路在图像上进行光谱采样（成都平原,7,月,1,日），利用,采样数据作地物光谱曲线。,TM,图像上的居民地识别提取,?,居民地及背景地物的光谱特征分析,?,根据采集数据及光谱曲线图得知：,TM1,：道路,河滩地,河流,居民地（城市,县城,乡镇,集村）,菜地,水田，居民地与河流、菜地易混。,TM2,：同,TM1,。,TM3,：道路,河滩地,城市,河流,乡镇,县城,集村,菜地,水田，城市,与河滩地、河流，乡镇与河流,集村与菜地易混。,TM4,：菜地,水田,集村,道路,乡镇,河滩地,县城,河流,城市,TM5,：道路,菜地,集村,河滩地,乡镇,城市,县城,水田,河流,TM6,：,城市,县城,乡镇,集村,河流,水田,河滩地,菜地,道路,TM7,：道路,城市,乡镇,河滩地,县城,集村,菜地,水田,河流,TM,图像上的居民地识别提取,?,居民地及背景地物的光谱特征分析,?,根据采集数据及光谱曲线图得知：,城市：,TM6TM1,TM5TM4,TM3TM2TM7,县城：,TM6TM1,TM5TM4,TM2TM3TM7,乡镇：,TM6TM1,TM5TM4,TM3TM2TM7,集村：,TM6TM1,TM5TM4,TM2TM3TM7,河流：,TM6TM1TM4TM2TM3TM5TM7,水田：,TM6TM4TM1TM5TM2TM3TM7,滩地：,TM6TM1,TM5TM4,TM3TM2TM7,菜地：,TM6TM4TM1TM5TM2TM3TM7,道路：,TM6TM1,TM5TM4,TM3TM2TM7,TM,图像上的居民地识别提取,?,居民地及背景地物的光谱特征分析,?,对于城市、县城、乡镇，有,TM2,、,3,、,4,、,7,比较接近,的特征，而其它地物没有类似特征。,典型城镇光谱剖面,TM,图像上的居民地识别提取,?,居民地及背景地物的光谱特征分析,?,对于集村，,TM3TM7,且,TM5TM4,TM,图像上的居民地识别提取,?,基于光谱知识的居民地提取模型,?,城镇：,TM5TM4,TM4-TM7K,1,TM6K,2,?,集村,TM4-TM5K,1,TM3-TM7K,2,TM,图像上的居民地识别提取,?,对于山区,TM,影像的居民地识别,可以在,GIS,支持下,通过分析居民地分布与土地利用类型、坡度、坡,向、高程等之间的关系，建立模型。,SAR,图像上的居民地识别提取,?,居民地的微波遥感机理,居民地的微波雷达遥感是通过向居民地发射微波，,微波波束经居民地反射、散射后，被传感器接收、,记录、并成像，影响居民地回波强度的有雷达系统,参数和居民地自身的参数。居民地自身的参数主要,有表面粗糙度和复介电常数。居民地对雷达波束的,反射包括相对光滑表面的镜面反射，中等粗糙面的,漫反射，以及粗糙面的各向同性散射。此外，居民,地内部的角反射和谐振效应使得雷达回波信号非常,强，从而使得居民地在雷达图像上呈现出非常亮的,亮斑，这是区别居民地与其他地物的主要特征。,SAR,图像上的居民地识别提取,?,居民地的微波遥感机理,就角反射而言，有单面角、双面角、三面,角的反射。,?,当房屋顶为相对光滑表面，且雷达入射波束与,房屋顶垂直时，即可产生单面角反射。,?,当地面和房屋的墙体相互垂直，且均为相对光,滑表面，雷达入射波束与地面和墙体的交线垂,直时，就构成了双面角的反射。,?,当地面和房屋的墙体相互垂直，且均为相对光,滑表面时，可以由地面、墙体和墙体构成三面,角反射。,SAR,图像上的居民地识别提取,?,居民地的微波遥感机理,在城市里，并排的高楼大厦，其平行的墙面可以,构成谐振腔。,居民地内部的复介电常数是影响,回波强度的另一个目标参数。,总之，居民地的雷达影像特征，,由居民地内的镜面反射、漫反射、,各向同性散射，以及其角反射和,谐振效应等的强度和空间配置决,定，同时也与雷达系统参数如波,长、入射角和极化方式有关。,SAR,图像上的居民地识别提取,?,Radarsat SAR,上居民地影像特征,?,县级以上的城镇，无论其所处的位置是在山区还是平原，,都能准确地识别出来，这些城镇在雷达图像上都是以亮,斑的形式表现出来的，存在于暗色调的背景之中，亮斑,的内部间杂着浅灰色、暗灰色的斑块。其中亮斑是由城,镇中的角反射和谐振效应所引起。浅灰色的斑块是由城,镇中如草地、树木等属于中等粗糙面的地物所致。其暗,斑是由城镇中如水泥、沥青以及平地等相对光滑表面所,致。其周围多为浅灰色、暗灰色的背景。在这些背景中,还有一些面积比较小的亮斑。这些亮斑多为集村。从图,像上可以粗略地判读出整个城镇的轮廓。但是，城镇里,的街道难以识别出来。,SAR,图像上的居民地识别提取,?,Radarsat SAR,上居民地影像特征,?,乡镇一级的居民地也基本能准确识别，其影像,特征为亮色调的斑块存在于暗色和浅灰色的背,景中，在亮斑的内部间杂一些浅灰色斑块。,?,集村和散村，大多数可以识别到。由于其斑快,小，在亮斑的内部很少间杂有浅灰色斑块。其,亮斑是居民地中的角反射或谐振效应所引起，,特别是当房屋为尖顶时，将会有一面角的存在。,也有的集村或散村，由于其表面的粗糙度、房,屋的朝向、房顶等原因，而没有较好的角反射。,难以表现出亮斑，而与背景相混淆，难以识别,出来。,SAR,图像上的居民地识别提取,?,Radarsat SAR,上居民地影像特征,?,在山区，除了居民地表现出亮色调外，还有部,分山坡表现出亮色调。形成这些亮色调的原因,是，当山坡与雷达波束垂直时，雷达接收到较,强的回波，这种色调的亮度与居民地比较一致，,这就使得难以通过亮度值将它们与居民地区分,开来。但是他们在形状上是有所差别的。居民,地一般呈斑块状，而山坡所产生的亮色调多以,亮线或亮带的形式存在，且面积较大，有一定,的走向，在其旁边有带状的比居民地周围更暗,的暗带存在。同时在空间上，这些亮带的密度,较大。根据这些特征很容易将他们与居民地区,分开来。,SAR,图像上的居民地识别提取,?,居民地与背景地物亮度值分析,对,Radarsat SAR,图像上的各种典型地类进行采样，,并对采样数据进行统计，得到典型地物的亮度均,值、中值、方差、最小值和最大值，,地类,城镇,均值,134,中值,121,方差,57,最小值,28,最大值,255,样点数,2413,集村,林地,农地,水体,97,55,48,15,90,49,48,15,33,21,11,3,25,18,22,6,255,152,84,27,1110,2012,774,3085,山坡,总体,117,56,112,54,27,23,59,0,218,255,363,SAR,图像上的居民地识别提取,?,居民地提取模型,通过采样数据分析得知居民地易与山坡混,淆，但在一般情况下，山坡的亮斑临近有,形状相似的暗斑存在，为山坡的阴影，且,其亮度值比居民点中的暗斑低，据此可以,同时提取亮斑和暗斑，并利用空间配置关,系建立提取模型。,IF DN=K THEN,居民地,IF ZW=1 THEN,非居民地,DN,为像元亮度值，,ZW=1,表示亮斑周围有大面积的阴影。,