基于水体光谱特性的赤潮分布信息MODIS遥感提取
第３
１卷，第８期 光谱学与光谱分析Ｖｏｌ．３１，Ｎｏ．８，ｐｐ
２２３３－２２３７２ ０ １ １年８月 Ｓｐｅｃｔｒｏｓｃｏｐｙ ａｎｄ Ｓｐｅｃｔｒａｌ Ａｎａｌｙｓｉｓ Ａｕｇ
ｕｓｔ，２０１１ 基于水体光谱特性的赤潮分布信息ＭＯＤＩＳ遥感提取
丘仲锋１，崔廷伟２，何宜军１＊
１．中国科学院海洋研究所，海洋环流与波动重点实验室，山东青岛 ２６６０７１２．国家海洋局第一海洋研究所，山东青岛 ２６６０７１
摘 要 赤潮监测对于赤潮治理、预防，减少赤潮危害有着重要作用。通过分析东海赤潮多发区域实测遥感反射率曲线，比较赤潮水体与非赤潮水体的光谱特性差异，发展了一种针对ＭＯＤＩＳ传感器的赤潮水体分布
信息遥感提取方法。应用实测资料对提取方法进行验证，发现在１１９组实测数据中，只有一组不能正确识别。将算法应用于ＭＯＤＩＳ卫星资料，对２００５年４月４日东海部分海区进行赤潮水体信息提取，得到三个区
域总面积约２０００ｋｍ２
的赤潮水体分布信息，赤潮水体提取结果与遥感提取的叶绿素ａ浓度有很好的对应关系，与实际观测记录对照大体吻合良好。研究表明本文的算法可有效地排除悬浮泥沙水体等干扰影响，确定可能发生赤潮的海区位置及提取海区大范围赤潮水体分布的信息。关键词 光谱；赤潮；ＭＯＤＩＳ
中图分类号：ＴＰ７９ 文献标识码：Ａ ＤＯＩ：１０．３９６４／ｊ
．ｉｓｓｎ．１０００－０５９３（２０１１）０８－２２３３－０５ 收稿日期：２０１０－１０－１９，修订日期：２０１１－０４－
１４ 基金项目：国家自然科学基金项目（
４０７０６０５９，６０８０２０８９）资助 作者简介：丘仲锋，１９７９年生，中国科学院海洋研究所副研究员 ｅ－ｍａｉｌ：ｑｉｕｚｈｏｎｇｆｅｎｇ
＠ｑｄｉｏ．ａｃ．ｃｎ＊通讯联系人 ｅ－ｍａｉｌ：ｈｅｙｊ
＠ｑｄｉｏ．ａｃ．ｃｎ引 言
赤潮暴发严重破坏我国近海生态环境，给当地经济造成重大损失。赤潮的监视监测及预测预报，对于其治理与预防，减少其灾害的危害，起着重要作用。由于赤潮分布具有空间尺度大小不一、周期短和变化快等特点，采用直接观测等常规方法面临很大局限性，而卫星遥感以实时性、大尺度、快速和长时间连续观测等优势，能在赤潮监测中起到重要作用。从２０世纪８０年代以来，卫星遥感探测赤潮的研究已经得到广泛开展。
卫星遥感赤潮信息提取主要针对赤潮发生的生物和环境条件。通过对卫星图片的校正、合成、分析及解译等处理，对处理结果进行判断分析，可以了解赤潮的特征，估算赤潮发生范围、分布面积及大体趋势等赤潮信息。
叶绿素ａ浓度常用来表征浮游植物色素浓度，海水中叶
绿素ａ浓度变化在０～１０２ ｍｇ
·ｍ－３数量级范围内。暴发赤潮时，赤潮生物浓度会产生急剧变化，表层海水的叶绿素ａ含
量通常达到１０ｍｇ·ｍ－３
以上，高者甚至可达几百ｍｇ·
ｍ－３。由于叶绿素ａ含量与浮游植物细胞密度具有良好的相关性，可以利用遥感反演的叶绿素ａ浓度来较精确地判定赤
潮的发生。Ｔａｎｇ等［１］
利用叶绿素ａ浓度赤潮监测方法研究
了１９９８年珠江口赤潮爆发情况；矫晓阳［２］
对叶绿素ａ预报
赤潮的原理进行了探讨，提出采用单一参数叶绿素ａ进行赤潮短期预报的技术。然而，这种赤潮监测方法的有效性建立在叶绿素ａ浓度精确反演的基础上，由于近海二类水体光学性质复杂，目前叶绿素ａ浓度反演精度有待进一步提高，因此叶绿素ａ浓度遥感监测赤潮方法的发展和应用受到制约。
赤潮发生时，赤潮生物大量聚集，使水体颜色发生明显变化，而水体光谱的变化特性为可见光赤潮遥感监测提供了依据。随着赤潮生物种类、密度及发展阶段的不同，赤潮水体的颜色是不同的。比如夜光藻引起的赤潮是粉红色的，中缢虫引起的赤潮是红色的，绿色角毛藻（如眼虫）引起的赤潮是绿色的，骨条藻引起的赤潮为灰褐色，而赤潮异弯藻引起的赤潮为酱油色。
利用赤潮水体光谱性质的特点进行遥感监测，目前已有成功用于ＳｅａＷｉＦＳ，ＭＯＤＩＳ，ＭＥＲＩＳ及ＦＹ－
１等卫星数据的实例发表［
３－５］。孙强等［６］
在１９９７年秋季厦门附近海域赤潮水体现场反
射光谱测量基础上，利用ＳｅａＷｉＦＳ可见光３，４，５波段离水辐射率差值资料，进行赤潮遥感监测研究；毛显谋和黄韦
艮［７］
利用多波段差值比值法，发展了针对ＳｅａＷｉＦＳ和ＦＹ－
１传感器资料的赤潮监测模型，并对东海海区进行赤潮信息提
取处理；王其茂等［８］
利用ＭＯＤＩＳ通道４与通道３的反射率
比，通道１１与通道９的离水辐射率比，再结合悬浮泥沙信息提取了渤海的海水中赤潮信息。此外，薛存金和董庆［９］针对由单一海洋参数对赤潮灾害提取的不足，提出一种多海洋参数赤潮遥感监测技术，并在渤海开展了试验研究。
本文通过分析现场实测水体光谱资料，分析提取赤潮水体的光谱特性，针对ＭＯＤＩＳ波段设置情况，设计一种利用ＭＯＤＩＳ资料遥感提取赤潮分布信息的算法，应用于东海赤潮信息提取实验。
１ 数据及处理方法
现场观测数据来自２００２年４月以来１１个航次的赤潮现场调查，研究范围主要为１２１°Ｅ～１２４°Ｅ，２７．５°Ｎ～３２°Ｎ（图１），多次观测在赤潮暴发期间进行，航次覆盖了赤潮暴发的初期、中期和末期
。
Ｆｉｇ．１ Ｒｅｓｅａｒｃｈ ａｒｅａｓ ｏｆ ｒｅｄ ｔｉｄｅ ｓｕｒｖｅｙ ｉｎ ｔｈｅ Ｅａｓｔ
Ｃｈｉｎａ Ｓｅａ ａｎｄ ｔｈｅ ｂａｔｈｙｍｅｔｒｙ（ｕｎｉｔ：ｍ）
其中叶绿素ａ浓度测量根据ＮＡＳＡ测量规范，采用现场萃取荧光法和美国Ｗａｔｅｒｓ公司生产的高效液相色谱仪ＨＰＬＣ系统（分析液氮保存样品）进行；总悬浮物测定采用ＮＡＳＡ规范介绍的重量法［１０］。
水体遥感反射率采用剖面法和水面以上测量法分别测量。采用剖面法测量时，按照美国ＮＡＳＡ ＳｅａＷｉＦＳ海洋观测规范的要求，测量得到水中下行辐照度剖面、水中上行辐亮度剖面和海面入射辐照度，通过外推方法，获得水下表层上行辐亮度和下行辐照度，从而得到水下表层遥感反射率；采用水面以上测量法测量时，选择合适的观测几何，得到离水辐亮度及水面入射总辐照度，从而得到离水遥感反射率，通过光场分布参数，进而推知水下表层遥感反射率［１１］。在研究海区中，共获得遥感反射率数据２５２组。由于实验原因，一些遥感反射率曲线没有同步实测的悬浮泥沙含量及叶绿素ａ浓度含量等资料，因此只取同步资料完好的１１９组遥感反射率光谱用作赤潮遥感监测算法的研究。对应的叶绿素ａ浓度范围是０．２５９～１０．４２ｍｇ·ｍ－３，对应总悬浮物含量范围是０．６２５～１７６２ｇ·ｍ－３。
本文首先利用实测资料来分析水体光谱特性，根据赤潮水体与正常水体光谱特性的差异，设计赤潮水体识别算法，并应用到ＭＯＤＩＳ资料进行赤潮分布信息提取实验。ＭＯＤＩＳ资料来自ＮＡＳＡ网站（ｈｔｔｐ：／／ｏｃｅａｎｃｏｌｏｒ．ｇｓｆｃ．ｎａｓａ．ｇｏｖ／），选取２００５年４月４日东海浙江海域的ＭＯＤＩＳ影像为数据源，从网站下载ＭＯＤＩＳ Ａｑｕａ Ｌ２产品，应用基于水体光谱特性的赤潮监测法进行赤潮分布信息提取处理，获得研究海区赤潮发生的位置和范围。
２ 结果和分析
２．１ 水体光谱特性
图２（ａ）给出正常水体和赤潮水体的实测离水遥感反射率光谱，通过实测离水辐射率光谱能较明显地区分赤潮水体与正常海水。赤潮水体有两个明显的反射峰，而正常海水则表现为单峰；赤潮水体的反射率低，而正常海水比较高；赤潮水体由叶绿素和黄色物质强烈吸收，在４２５～５００ｎｍ形成吸收峰，６６５ｎｍ处由于叶绿素吸收形成吸收峰，且在６８０～７００ｎｍ处有由叶绿素荧光激发形成的反射峰，而正常海水则没有这些特征；此外，正常海水光谱反射率值蓝光波段和绿光波段较高，而在红光波段较低；而赤潮水体的遥感反射率光谱则由于叶绿素浓度增高，赤潮生物密度加大，表现为海水后向散射蓝光和绿光波段的辐射量明显减小，而红光波段的辐射量相应增大
。
Ｆｉｇ．２ Ｓｐｅｃｔｒａｌ ｃｕｒｖｅｓ ｏｆ ｒｅｄ ｔｉｄｅ ｗａｔｅｒ ａｎｄ ｎｏｒｍａｌ ｗａｔｅｒ
图２（ｂ）给出了针对ＭＯＤＩＳ传感器波段设置的实测水体光谱信息。４４３和６６５ｎｍ是叶绿素光谱的两个吸收峰位置，
４
３
２
２光谱学与光谱分析 第３１卷
对应ＭＯＤＩＳ波段的中心波长为４４３和６６７ｎｍ；５６０ｎｍ波段为叶绿素的反射峰位置，对应ＭＯＤＩＳ波段的中心波长为５５１ｎｍ。赤潮发生时，水体聚集大量的浮游植物，叶绿素含量迅速增加。由于叶绿素的吸收，表现为４４３和６６７ｎｍ波段遥感反射率值明显偏小，呈现两个吸收峰；而在反射峰位置，５５１ｎｍ波段的遥感反射率呈现高值。对照图２（ｂ）和图２（ａ
）可以看出，虽然光谱信息已经被大大删减，赤潮水体与正常水体的光谱特征分别变小，但还是显现明显差异，因此从光谱特征资料提取赤潮水体信息依然可能。２．２ 赤潮水体信息提取算法
由于浑浊水体中的悬浮泥沙在红光和近红外波段反射强烈，将影响赤潮水体光谱信息的正确判读，因此需要去除浑浊水体对赤潮水体信息提取的干扰。通过分析实测资料可以发现，当总悬浮物浓度含量大于１１．５ｇ·ｍ－３时，叶绿素ａ
浓度最大为２．７３ｍｇ·ｍ－３，没有赤潮发生，现场观测实验
也得到同样的结果：在高浑浊水体不暴发赤潮。比较不同颗粒物含量水体的光谱曲线可以看出，高浑浊水体６６７ｎｍ波段遥感反射率值高于４４３ｎｍ波段，而非浑浊水体的光谱曲线则没有这个特点，由此可以利用这两个波段的遥感反射率差值来判断是否高浑浊水体
Ｒｒｓ（６６７）＜Ｒｒｓ（
４４３）（１） 如果上式不成立，则水体为高浑浊水体，不可能发生赤潮，这样就可以排除浑浊水体的干扰。经过筛选后，只需要考虑对应水体悬浮颗粒物含量在０～１１．５ｇ·ｍ－３范围内的情况。
从水体光谱分析可见，４４３ｎｍ波段对应为叶绿素ａ的吸
收峰位置，由于叶绿素ａ的强吸收，赤潮水体的４４３ｎｍ波段遥感反射率值较小；５５１ｎｍ波段对应为叶绿素ａ的后向散射峰位置，由于高浓度叶绿素ａ的后向散射，导致赤潮水体遥感反射率曲线在４４０～５５０ｎｍ波段斜率大于非赤潮海域。根据水体光谱呈现出来的这些特征，可以得到如下判别式，用以区别赤潮及非赤潮水体
Ｒｒｓ（５５１）－Ｒｒｓ（４４３）ｍａｘ［Ｒｒｓ（λ）］－ｍｉｎ［Ｒｒｓ（
λ）］〉Ｃ（２） 其中，为对应ＭＯ
ＤＩＳ波段中心波长，Ｃ为常数，通过比较分析实测水体光谱曲线，取Ｃ＝０．３５，可以将赤潮水体与正常水体区分出来。
在实测１１９组遥感反射率光谱中，有９组来自叶绿素ａ
浓度大于８ｍｇ·ｍ－３
水体，已经发生赤潮或者可能发生赤
潮。将上述的赤潮水体信息提取方法应用于１１９组遥感反射率光谱，符合判据的数据有８组，都为赤潮水体光谱，没有正常水体的光谱。有一组赤潮水体光谱不能正确识别，对应站位悬浮颗粒物浓度为２．１９３ｇ·ｍ－３，叶绿素ａ浓度为８．０５９ｍｇ
·ｍ－３。从算法对实测光谱的应用结果看，赤潮水体能较好地被识别，没有出现错误判别现象。然而，结果也显示，算法会出现漏判的可能。２．３ 赤潮分布信息提取实验
２００５年４月４日的ＭＯＤＩＳ Ａｑ
ｕａ影像，在研究区域云量覆盖很少，因此选作赤潮分布信息提取实验。实验采用的是ＭＯＤＩＳ
Ｌ２产品，经过大气校正后的离水遥感反射率。应用前述的赤潮信息提取算法，对研究区域进行赤潮水体识别，获得研究海区赤潮发生的位置和范围（图３
）
。Ｆｉｇ．３ Ｒｅｄ ｔｉｄｅ ｄｉｓｔｒｉｂｕｔｉｏｎｓ ａｎｄ Ｃｈｌｏｒｏｐｈｙｌｌ ａ ｃｏｎｃｅｎｔｒａｔｉｏｎｓ ｒｅｔｒｉｅｖｅｄ ｆｒｏｍ ｔｈｅ ＭＯＤＩＳ Ａｑｕａ ｄａｔａ ｏｎ Ａｐ
ｒｉｌ ４，２００５（ｒｅｄ ｔｉｄｅ ｄｉｓ－ｔｒｉｂｕｔｉｏｎｓ ｓｈｏｗｎ ｉｎ（Ａ，Ｂ，Ｃ）ｉｎ ｔｈｅ ｌｅｆｔ ｐａｎｅｌ；Ｃｈｌｏｒｏｐｈｙｌｌ ａ ｃｏｎｃｅｎｔｒａｔｉｏｎｓ ｓｈｏｗｎ ｉｎ ｔｈｅ ｒｉｇｈｔ ｐａｎｅｌ ｗｉｔｈ ｕｎｉｔ ｍｇ·ｍ－３
） 从图３可以看出，卫星成像时刻研究区域有赤潮发生，
赤潮水体离岸较远，位于３０ｍ等深线以深的海域。通过赤
５
３２２第８期 光谱学与光谱分析
潮信息提取算法识别出的赤潮水体共有三处，分别位于图中的Ａ，Ｂ和Ｃ区域。Ａ区位于长江口以东海域，大致以１２２°
３７′，３１°３０′为中心，分布范围约５１０ｋｍ２
；Ｂ区位于马鞍列岛
以东海域，以１２３°１５′，３１°４′为中心，呈靴形分布，面积最小，大约为２３０ｋｍ２；Ｃ区面积最大，分布较广，位于渔山列
岛－大陈岛以东浙江外海区域，赤潮水体以１２２°５５′，２９°１′
为中心，分布范围的面积大约为１
３３０ｋｍ２
。为了分析赤潮水体信息提取结果，我们给出了研究海区遥感反演的叶绿素ａ浓度（图３）。叶绿素ａ浓度包含在ＭＯ－ＤＩＳ Ｌ２产品中，利用ＯＣ３算法从大气校正后的离水遥感反射率算得。从图３可以看出，赤潮水体与高叶绿素区域有较好的对应关系，特别在Ｂ区域和Ｃ区域，赤潮水体对应的叶绿素值均在８ｍｇ
·ｍ－３以上。２００５年４月初期，东海赤潮调查航次进行过程中，在东海赤潮高发区域发现赤潮，然而现场调查报告没有详细记录赤潮水体面积及分布范围，因此无法利用实际观测资料与遥感提取信息进行对照。收集相关媒体报道，２００５年４月在浙江海域发生了大规模赤潮，特别４月１日在浙江中南部海域
发生优势藻为中肋骨条藻的总面积约３
０００ｋｍ２的大规模赤潮。从现有记录及叶绿素ａ浓度对比来看，反演结果比较合理。
３ 讨 论
赤潮发生时，水体聚集大量的浮游植物，叶绿素含量迅速增加，对应于叶绿素的反射峰位置，ＭＯＤＩＳ ５５１ｎｍ波段的遥感反射率将呈现出高值。然而，赤潮水体的这一特征光谱会受到水体中悬浮颗粒物的影响：由于颗粒物的散射性质，高悬浮颗粒物含量的水体，离水遥感反射率将在红光及近红外波段呈现高值。因此，利用４４３和６６７ｎｍ波段的遥感反射率差值判断水体是否高含悬浮颗粒物，将有效排除浑浊水体对赤潮水体识别的影响。
ＭＯＤＩＳ叶绿素ａ浓度采用ＯＣ３反演算法，根据４４３，４４８和５５１ｎｍ波段的离水遥感反射率比值得到海水表层的
叶绿素ａ浓度；本文提出的赤潮水体信息提取算法，利用４４３和５５１ｎｍ波段的离水遥感反射率差值及其他光谱信息得到赤潮水体信息。通过赤潮水体信息提取算法得到的赤潮水体分布，与ＭＯＤＩＳ反演的高叶绿素ａ浓度区域有较好的对应关系，说明了本文提出的赤潮水体信息提取算法的有效性。
算法发展采用的实测资料取自海上观测站位，而卫星传
感器对应于不同空间分辨率，如ＭＯＤＩＳ空间分辨率分为
２５０和５００ｍ与１ｋｍ三种，得到的像元信息为区域平均信号。发生赤潮时，赤潮水体的形状范围极不规则，因此获得的海区卫星传感器信号中，会有很多混合像元信号，即一个像元点对应的区域既包含赤潮水体又包含非赤潮水体。本文的算法只能应用于识别像元范围内全为赤潮的水体，对于混合像元信号，赤潮检测比较困难，容易导致误判，特别对小范围的赤潮容易失去识别能力。
赤潮水体信息提取算法发展依据的是实测水体遥感反射率光谱，采用具体的光谱位置，对应卫星传感器波段的中心波长，如４４３ｎｍ或者５５１ｎｍ。实际上，卫星传感器波段有一定的光谱响应宽度，如ＭＯＤＩＳ为１０ｎｍ，通过光谱响应函数将波段范围内的反射率对应到中心波长上。因此，在将赤潮水体信息提取算法应用到卫星数据时，算法阈值应有稍微的差别。
４ 结 论
本文通过分析东海赤潮多发区域实测遥感反射率曲线，
比较赤潮水体与非赤潮水体的光谱特性差异，发展了一种针对ＭＯＤＩＳ传感器的赤潮水体分布信息遥感提取方法。应用实测资料对提取方法进行验证，发现在１１９组实测数据中，只有一组不能正确识别。将算法应用于ＭＯＤＩＳ卫星资料，对２００５年４月４日东海部分海区进行赤潮水体信息提取，
得到三个区域总面积约２
０００ｋｍ２的赤潮水体分布信息，赤潮水体提取结果与遥感提取的叶绿素ａ浓度有很好的对应关系，与实际观测记录对照大体吻合良好。研究表明本文的算法可有效地排除悬浮泥沙等水体干扰影响，确定可能发生赤潮的海区位置及提取海区大范围赤潮水体分布的信息。
本文算法通过分析研究赤潮多发海区实测水体光谱特性建立模型，属于经验型赤潮信息提取方法，在一定条件下可靠有效且简单，适用于中低悬浮物含量水体，以叶绿素ａ为主体的浮游植物引发赤潮，且赤潮水体区域较大的情况。然而，由于赤潮水体可溶和悬浮的有机质和无机质成分非常复杂，经验方法未能从机理上阐述水体中各种成分的各自光学特性，受海域及赤潮种类等限制比较明显。另一方面，基于传输方程求解的理论模型能够对水体组分光学特性进行精确阐述，但在实际应用中往往失真。将测量得到的水光学参数及经验关系与理论推导模型相结合，建立半分析半经验模型可能会取得更好的赤潮监测效果，这也是下一步将要进行的工作。
Ｒｅｆｅｒｅｎｃｅｓ
［１］ Ｔａｎｇ Ｄ Ｌ，Ｋｅｓｔｅｒ Ｄ Ｒ，Ｎｉ Ｉ Ｈ，ｅｔ ａｌ．Ｈａｒｍｆｕｌ Ａｌｇａｅ，２００３，２：８９．［２］ ＪＩＡＯ Ｘｉａｏ－ｙａｎｇ
（矫晓阳）．Ｍａｒｉｎｅ Ｆｏｒｅｃａｓｔｓ（海洋预报），２００４，２１（２）：５６．［３］ Ｈｕ Ｃ Ｍ，Ｍｕｌｌｅｒ－Ｋａｒｇｅｒ Ｆ Ｅ，Ｔａｙｌｏｒ Ｃ，ｅｔ ａｌ．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ，２００５，９７：３１１．［４］ Ａｈｎ Ｙ Ｈ，Ｓｈａｎｍｕｇａｍ Ｐ．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ
ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ，２００６，１０３：４１９．［５］ Ｇｏｗｅｒ Ｊ，Ｇｏｎｃａｌｖｅｓ Ｐ．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ
，２００８，２９（２１）：６２０９．［６］ ＳＵＮ Ｑｉａｎｇ，ＹＡＮＧ Ｙａｎ－ｍｉｎｇ，ＧＵ Ｄｅ－ｙｕ，ｅｔ ａｌ（孙 强，杨燕明，顾德宇，等）．Ｊｏｕｒｎａｌ ｏｆ Ｏｃｅａｎｏｇｒａｐｈｙ
ｉｎ Ｔａｉｗａｎ Ｓｔｒａｉｔ（台湾海峡），６
３２２光谱学与光谱分析 第３１卷
２０００，１９（１）：７０．
［７］ ＭＡＯ Ｘｉａｎ－ｍｏｕ，ＨＵＡＮＧ Ｗｅｉ－ｇｅｎ（毛显谋，黄韦艮）．Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ（应用生态学报），２００３，１４（７）：１２００．［８］ ＷＡＮＧ Ｑｉ－ｍａｏ，ＭＡ Ｃｈａｏ－ｆｅｉ，ＴＡＮＧ Ｊｕｎ－ｗｕ，ｅｔ ａｌ（王其茂，马超飞，唐军武，等）．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ
ａｎｄ Ａｐｐｌｉｃａｔｉｏｎ（遥感技术与应用），２００６，２１（１）：６．
［９］ ＸＵＥ Ｃｕｎ－ｊｉｎ，ＤＯＮＧ Ｑｉｎｇ（薛存金，董 庆）．Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｓｃｉｅｎｃｅｓ－Ｅｌｅｃｔｒｏｎｉｃｓ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ（
应用科学学报），２０１０，２８（２）：１４７．
［１０］ Ｈｏｏｋｅｒ Ｓ Ｂ，Ｚｉｂｏｒｄｉ Ｇ，Ｂｅｒｔｈｏｎ Ｊ Ｆ，ｅｔ ａｌ．Ｔｏｗｅｒ－Ｐｅｒｔｕｒｂａｔｉｏｎ Ｍｅａｓｕｒｅｍｅｎｔｓ ｉｎ Ａｂｏｖｅ－Ｗａｔｅｒ Ｒａｄｉｏｍｅｔｒｙ
．Ｉｎ：Ｈｏｏｋｅｒ Ｓ Ｂ，ＦｉｒｅｓｔｏｎｅＥ Ｒ．ＮＡＳＡ ＳｅａＷｉＦＳ Ｐｏｓｔｌａｕｎｃｈ Ｔｅｃｈｎｉｃａｌ Ｒｅｐｏｒｔ Ｓｅｒｉｅｓ．Ｍａｒｙｌａｎｄ：ＮＡＳＡ Ｇｏｄｄａｒｄ Ｓｐａｃｅ Ｆｌｉｇ
ｈｔ Ｃｅｎｔｅｒ，２００３，６．［１１］ ＴＡＮＧ Ｊｕｎ－ｗｕ，ＴＩＡＮ Ｇｕｏ－ｌｉａｎｇ，ＷＡＮＧ Ｘｉａｏ－ｙｏｎｇ，ｅｔ ａｌ（唐军武，田国良，汪小勇，等）．Ｊｏｕｒｎａｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ（
遥感学报），２００４，８（１）：３８．
Ｒｅｔｒｉｅｖｅ ｏｆ Ｒｅｄ Ｔｉｄｅ Ｄｉｓｔｒｉｂｕｔｉｏｎｓ ｆｒｏｍ ＭＯＤＩＳ Ｄａｔａ Ｂａｓｅｄ ｏｎ
ｔｈｅＣｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ Ｗａｔｅｒ Ｓｐ
ｅｃｔｒｕｍＱＩＵ Ｚｈｏｎｇ－ｆｅｎｇ１，ＣＵＩ Ｔｉｎｇ－ｗｅｉ ２，ＨＥ Ｙｉ－ｊ
ｕｎ１＊
１．Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｏｃｅａｎ Ｃｉｒｃｕｌａｔｉｏｎ ａｎｄ Ｗａｖｅｓ，Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｏｃｅａｎｏｌｏｇｙ，Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ
ｏｆ Ｓｃｉｅｎｃｅｓ，Ｑｉｎｇｄａｏ ２６６０７１，Ｃｈｉｎａ
２．Ｆｉｒｓｔ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｏｃｅａｎｏｇｒａｐｈｙ，ＳＯＡ，Ｑｉｎｇ
ｄａｏ ２６６０７１，ＣｈｉｎａＡｂｓｔｒａｃｔ Ａｆｔｅｒ ｃｏｍｐａｒｉｎｇ ｔｈｅ ｓｐｅｃｔｒａｌ ｄｉｆｆｅｒｅｎｃｅｓ ｂｅｔｗｅｅｎ ｒｅｄ ｔｉｄｅ ｗａｔｅｒ ａｎｄ ｎｏｒｍａｌ ｗａｔｅｒ，ｗｅ ｄｅｖｅｌｏｐｅｄ ａ ｍｅｔｈｏｄ ｔｏ ｒｅｔｒｉｅｖｅｒｅｄ ｔｉｄｅ ｄｉｓｔｒｉｂｕｔｉｏｎｓ ｆｒｏｍ ＭＯＤＩＳ ｄａｔａ ｂａｓｅｄ ｏｎ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｒｅｄ ｔｉｄｅ ｗａｔｅｒ ｓｐｅｃｔｒｕｍ．Ｔｈｅ ａｕｔｈｏｒｓ ｕｓｅｄ ｔｈｅ １１９ｓｅｒｉｅｓｏｆ ｉｎ ｓｉｔｕ ｏｂｓｅｒｖａｔｉｏｎｓ ｔｏ ｖａｌｉｄａｔｅ ｔｈｅ ｍｅｔｈｏｄ ａｎｄ ｆｏｕｎｄ ｔｈａｔ ｏｎｌｙ
ｏｎｅ ｏｂｓｅｒｖａｔｉｏｎ ｈａｓ ｎｏｔ ｂｅｅｎ ｄｅｔｅｃｔｅｄ ｃｏｒｒｅｃｔｌｙ．Ｔｈｅ ａｕｔｈｏｒｓｔｈｅｎ ａｐｐｌｉｅｄ ｔｈｉｓ ｍｅｔｈｏｄ ｔｏ ＭＯＤＩＳ ｄａｔａ ｏｎ Ａｐｒｉｌ ４，２００５．Ｉｎ ｔｈｅ ｒｅｓｅａｒｃｈ ａｒｅａｓ ｔｈｒｅｅ ｌｏｃａｔｉｏｎｓ ｏｆ ｒｅｄ ｔｉｄｅ ｗａｔｅｒ ｗｅｒｅ ａｐｐａｒｅｎｔｌｙ
ｄｅｔｅｃｔｅｄ ｗｉｔｈ ｔｈｅ ｔｏｔａｌ ａｒｅａｓ ａｂｏｕｔ ２ ０００ｋｍ２．Ｔｈｅ ｒｅｔｒｉｅｖｅｄ ｒｅｄ ｔｉｄｅ ｄｉｓｔｒｉｂｕｔｉｏｎｓ ａｒｅ ｉｎ ｇ
ｏｏｄ ａｇｒｅｅｍｅｎｔ ｗｉｔｈ ｔｈｅ ｄｉｓｔｒｉｂｕｔｉｏｎｓ ｏｆｈｉｇｈ ｃｈｌｏｒｏｐｈｙｌｌ ａ ｃｏｎｃｅｎｔｒａｔｉｏｎｓ．Ｔｈｅ ｒｅｓｅａｒｃｈ ｓｕｇｇｅｓｔｓ ｔｈａｔ ｔｈｅ ｍｅｔｈｏｄ ｉｓ ａｖａｉｌａｂｌｅ ｔｏ ｅｌｉｍｉｎａｔｉｎｇ ｔｈｅ ｉｎｆｌｕｅｎｃｅ ｏｆ ｓｕｓｐｅｎｄｅｄｓｅｄｉｍｅｎｔｓ ａｎｄ ｃａｎ ｂｅ ｕｓｅｄ ｔｏ ｒｅｔｒｉｅｖｅ ｔｈｅ ｌｏｃａｔｉｏｎｓ ａｎｄ ａｒｅａｓ ｏｆ ｒｅｄ ｔｉｄｅ ｗａｔｅｒ．Ｋｅｙ
ｗｏｒｄｓ Ｓｐｅｃｔｒｕｍ；Ｒｅｄ ｔｉｄｅ；ＭＯＤＩＳ（Ｒｅｃｅｉｖｅｄ Ｏｃｔ．１９，２０１０；ａｃｃｅｐｔｅｄ Ａｐ
ｒ．１４，２０１１） ＊Ｃｏｒｒｅｓｐｏｎｄｉｎｇ
ａｕｔｈｏｒ７
３２２第８期 光谱学与光谱分析
遥感影像中水面及水体信息提取方法的研究
遥感影像中水面及水体信息提取方法的研究 胡启中1，祁建勇2 （1.上海佳文比特信息科技有限公司，上海，200135；2.河北建设勘察研究院有限公司，石家庄，050031） 摘要：根据遥感影像中不同光谱波段对不同地物的反射率特征，以西洋河流域2000年春秋两期Landsat7 ETM＋遥感数据为研究对象，结合实地调查数据，利用地理信息系统及遥感数据处理系统软件平台，建立植被覆盖度对不同季节、不同程度的植被覆盖、岩土裸露及水面水体相关的特征关系、对该流域内分布的各类中小型水库塘坝的水面和水体信息的分析和提取方法进行系统的研究和验证。通过结果分析表明：根据不同时相遥感影像的光谱波段组合建立不同的处理方法可以提高季节性变化的水面及水体信息识别和提取的精度和效率。 关键词 ：遥感影像；光谱分析；水体信息；提取方法 水面及水体信息的分析和提取，一直是遥感影像分析处理及解译分类的基础性工作，在水资源调查、水环境监测、水灾害评估等许多方面得到了广泛应用。国内外很多专家学者在大规模区域尺度、高精度空间分辨率及多时相时间分辨率的遥感数据基础上对水体的提取方法做了深入研究，并提出了许多行之有效的方法。 在中小流域尺度范围上，基于中低空间分辨率的卫星遥感影像，对各类中小型水库塘坝的水面及水体信息的分析和提取是困难的，即使单一的借助专业的遥感数据处理系统软件平台进行分类解译，不仅技术性强，步骤繁多，模型构造复杂，也是费工费时费力的。水域范围精度控制和水面水体提取效率的提高一直是遥感解译水面及水体信息方法改进的驱动力。 1 Landsat7 ETM＋遥感波段光谱特征及归一化植被指数应用 遥感数据是在预定的光谱波段（波长）上获得的。美国陆地卫星7号（Landsat-7）携带的增强型专题制图仪（ETM+），包含三个可见光波段兰绿红、一个近红外波段、二个中红外波段，空间分辨率为30米；一个热红外波段，空间分辨率为60米；另加一个空间分辨率为15米的全色波段。尽管空间分辨率不是较高，重采样覆盖周期16天，但其波段设置比较合理，并采集传输回大量的遥感数据，成为陆地资源调查及生态环境监测等诸多领域应用重要的遥感数据源之一。各种地物，尤其是岩石土壤、绿色植被和水面水体在可见光和红外波段附近具有明显的反射率特征。在光谱中，波段3可见光红光主要被植物吸收，同土壤和岩石相比，绿色植物的反射系数相当弱；而在波段4近红外线部分的反射却比多数其它地表覆盖物的反射要强得多[ 1 ]。水面或水体几乎吸收了近红外波段4和中红外波段5或7的全部能量使之反射率很低，同时土壤和植被在这三个波段内的吸收能量较小，而有较高的反射率，这就使得水体在这三个波段上与植被和土壤具有明显的光谱特征差异。因此在假自然色彩波段合成影像（RGB543波段组合）中，水体呈现出深蓝色及蓝色的暗色调，而土壤因其岩类基质特征呈不同浅色调，植被则呈现出相对较亮的深绿色、绿色或浅绿色色调。但由于不规则山体阴影的影响，使得近红外、中红外在阴坡面的反射能量特别低，它们在影像上也呈现出明显的暗色调；规则的铁路线、公路线等基础设施在遥感影像上也同时呈现出明显的暗色调。水面水体与山体阴影、铁路线、公路线等基础设施的光谱特征混淆使得遥感解译的普通分类方法难以准确提取水面水体信息。 归一化植被指数（NDVI），是植被指数的一种通用化指标形式，正是利用了遥感数据中近红外线和红光之间植被、水体及岩石土壤等其它地物的光谱特征，计算两波段之间的差异或比值，使之反映植被覆盖状况。因此，通过遥感数据直接计算的植被指数近一步估算植被覆盖度，在全球植被变化、作物生长状况、
MODIS影像处理流程——ok
1、同时期影像拼接、重投影、转格式（MRT） 黄土高原地区 Projected coordinate system name: Beijing_1954_3_Degree_GK_CM_108E Geographic coordinate system name: GCS_Beijing_1954 Map Projection Name: Transverse Mercator Scale Factor at Central Meridian: 1.000000 Longitude of Central Meridian: 108.000000 Latitude of Projection Origin: 0.000000 False Easting: 500000.000000 False Northing: 0.000000 北京54参考的椭圆： 椭球坐标参数：长半轴a=6378245m；短半轴=6356863.0188m 2、在Erdas中裁剪，得到研究区的原值NDVI -2000~9663 方法：aoi格式文件裁剪：在ERDAS图标面板工具条中单击Data Prep图标，Subset，打开Subset对话框。在Subset对话框中需要设置下列参数： ①输入文件名（input file） ②输出文件名（output file） ③单击aoi选中裁剪文件名：在choose aoi选项中选中文件名 ④其余的我选择默认，然后ok等结果 3、得到范围在-1~1的NDVI 方法：ENVI — Basic Tools — Band Math（波段运算，把负值去掉） 在弹出的对话框Band Math中，Enter an expression： (b1 lt 0)*0+(b1 ge 0)*(b1*0.0001)。 这个公式意思就是：要是值小于0 就乘以0，使其变为0；同时，值大于等于0的话就乘以0.0001
水体提取方法
水体提取方法简单归纳总结 一、基于MODIS影像的几种提取方法。 最常用的水体提取方法： 波段阈值法、谱间关系法（波段组合法）和多光谱混合分析法 单波段阈值法是提取水体的最简单易行的方法。 基本原理：是利用水体在近红外波段上反射率较低,易与其它地物区分的特点,选取单一的红外波段, 通过反复试验, 确定一个灰度值,作为区分水体与其它地物的阈值即可。 缺点：是无法将水体与山区阴影区分开来,提取的水体往往比实际要多。 有些文献中叙述由于阀值随时间、地点变化的不确定性使得该方法具有局限性,但对于非山区的特定时相和区域里,尤其像MODIS 这样高光谱的遥感数据, 首先应选用阈值法进行试验,因为光谱的细分已经将上述问题大大减弱。若能获得较满意的提取效果,则很容易实现水体的自动提取。 对于用阈值法确实得不到理想效果的,则可以考虑谱间关系法和多光谱混合分析法。 利用谱间关系可建立的模型很多,如对波段进行如下组合运算CH7/CH6 ,CH7/CH5, CH6/CH5, 从而找出组合图像上水陆分界非常明显的影像。以CH7/CH6为例,可以采用如下方法剔除非水体: 在ENVI 软件下输入CH7 及CH6 波段, 运用波段计算功能,将公式CH7/CH6 输入,载入影像, 在放大窗口中,手工裁取明水水域范围, 生成多边形,对各多边形赋予一个感兴趣区( AOI) 文件, 并将其输出为EN-VI 等矢量文件即可。 对波段进行组合运算的目的,是为了增强水陆反差。MODIS 数据的波段1 是红光区( 0. 62 ～0.67um) ,水体的反射率高于植被, 波段2 是近红外区( 0. 841 ～0. 876um) ,植被
遥感信息提取资料
遥感图像信息提取方法综述 0、遥感图像分析 遥感实际上是通过接收（包括主动接收和被动接收方式）探测目标物电磁辐射信息的强弱来表征的，它可以转化为图像的形式以相片或数字图像表现。多波段影像是用多波段遥感器对同一目标（或地区）一次同步摄影或扫描获得的若干幅波段不同的影像。 在遥感影像处理分析过程中，可供利用的影像特征包括：光谱特征、空间特征、极化特征和时间特性。在影像要素中，除色调/彩色与物体的波谱特征有直接的关系外，其余大多与物体的空间特征有关。像元的色调/彩色或波谱特征是最基本的影像要素，如果物体之间或物体与背景之间没有色调/彩色上的差异的话，他们的鉴别就无从说起。其次的影像要素有大小、形状和纹理，它们是构成某种物体或现象的元色调/彩色在空间（即影像）上分布的产物。物体的大小与影像比例尺密切相关；物体影像的形状是物体固有的属性；而纹理则是一组影像中的色调/彩色变化重复出现的产物，一般会给人以影像粗糙或平滑的视觉印象，在区分不同物体和现象时起重要作用。第三级影像要素包括图形、高度和阴影三者，图形往往是一些人工和自然现象所特有的影像特征。 1、遥感信息提取方法分类 常用的遥感信息提取的方法有两大类：一是目视解译，二是计算机信息提取。 1.1目视解译 目视解译是指利用图像的影像特征（色调或色彩，即波谱特征）和空间特征（形状、大小、阴影、纹理、图形、位置和布局），与多种非
遥感信息资料（如地形图、各种专题图）组合，运用其相关规律，进行由此及彼、由表及里、去伪存真的综合分析和逻辑推理的思维过程。早期的目视解译多是纯人工在相片上解译，后来发展为人机交互方式，并应用一系列图像处理方法进行影像的增强，提高影像的视觉效果后在计算机屏幕上解译。 1）遥感影像目视解译原则 遥感影像目视解译的原则是先“宏观”后“微观”；先“整体”后“局部”；先“已知”后“未知”；先“易”后“难”等。一般判读顺序为，在中小比例尺像片上通常首先判读水系，确定水系的位置和流向，再根据水系确定分水岭的位置，区分流域范围，然后再判读大片农田的位置、居民点的分布和交通道路。在此基础上，再进行地质、地貌等专门要素的判读。 2）遥感影像目视解译方法 （1）总体观察 观察图像特征，分析图像对判读目的任务的可判读性和各判读目标间的内在联系。观察各种直接判读标志在图像上的反映，从而可以把图像分成大类别以及其他易于识别的地面特征。 （2）对比分析 对比分析包括多波段、多时域图像、多类型图像的对比分析和各判读标志的对比分析。多波段图像对比有利于识别在某一波段图像上灰度相近但在其它波段图像上灰度差别较大的物体；多时域图像对比分析主要用于物体的变化繁衍情况监测；而多各个类型图像对比分析则包括不同成像方式、不同光源成像、不同比例尺图像等之间的对比。
遥感影像的居民地提取
遥感影像的居民地自动提取 一、摘要 科技的飞速发展，卫星的应用也变得相当广泛，卫星遥感数据提取地物信息, 已成为遥感观测地物的一种重要手段。应用遥感图像提取居民地信息，探讨提取居民地的提取方法，可以快速得到居民地的分布情况。在当今灾害频发的时代，研究居民地的受灾情况，快速获取受灾面积等有很好的经济效益。 从遥感信息机理分析入手，首先分析了图像区域的居民地信息，应用监督分类、非监督分类，探讨了居民地的研究提取，分析它们的优缺点；在监督分类中，应用最大似然法进行提取，有较好的效果；非监督分类效果不好。本文重点应用谱间阈值法进行研究，进而提取居民地信息。并以重庆市主城区遥感图像为例，通过试验，选择合适的谱间阈值，例如：b5-b3<80，可以得到比较好的研究效果。关键字：卫星，居民地，自动提取 二、遥感影像信息提取方法 主动接收和被动接收方式是雷达影像和光学影像所代表的，它可以转化为图像的形式以相片或数字图像表现。多波段影像是用多波段遥感器对同一目标（或地区）一次同步摄影或扫描获得的若干幅波段不同的影像。应用遥感图像制图可以大致分为4个步骤：1、接收；2、预处理；3、用户应用处理；4、分析结果、图表输出。处理分析过程中，可供利用的影像特征包括：光谱特征、空间特征、极化特征和时间特性。在影像要素中，除色调、彩色与物体的波谱特征有直接的关系外，其余大多与物体的空间特征有关。像元的色调、彩色或波谱特征是最基本的影像要素，如果物体之间或物体与背景之间没有色调、彩色上的差异的话，他们的鉴别就无从说起。其次的影像要素有大小、形状和纹理，它们是构成某种物体或现象的像元色调、彩色在空间（即影像）上分布的产物。物体的大小与影像比例尺密切相关；物体影像的形状是物体固有的属性；而纹理则是一组影像中的色调、彩色变化重复出现的产物，一般会给人以影像粗糙或平滑的视觉印象，在区分不同物体和现象时起重要作用。第三级影像要素包括图形、高度和阴影三者，图形往往是一些人工和自然现象所特有的影像特征。
遥感卫星影像数据信息提取.
北京揽宇方圆信息技术有限公司 、 遥感卫星影像数据信息提取 北京揽宇方圆信息技术有限公司中科院企业,卫星影像数据服务全国领先。业务包括遥感数据获取与分发、遥感数据产品深加工与处理。按照遥感卫星数据一星多用、多星组网、多网协同的发展思路,根据观测任务的技术特征和用户需求特征,重点发展光学卫星影像、雷达卫星影像、历史卫星影像三个系列,构建由 26个星座及三类专题卫星组成的遥感卫星系统,逐步形成高、中、低空间分辨率合理配置、多种观测技术优化组合的综合高效全球观测和数据获取能力形成卫星遥感数据全球接收与全球服务能力。 (1光学卫星影像系列。 面向国土资源、环境保护、防灾减灾、水利、农业、林业、统计、地震、测绘、交通、住房城乡建设、卫生等行业以及市场应用对中、高空间分辨率遥感数据的需求,提供 worldview1、worldview2、worldview3、worldview4、quickbird、geoeye、 ikonos、pleiades、spot1、spot2、spot3、spot4、spot5、spot6、spot7、landsat5(tm、 landsat(etm、 rapideye、alos、Kompsat 卫星、北京二号、资源三 号、高分一号、高分二号等高分辨率光学观测星座。围绕行业及市场应用对基础地理信息、土地利用、植被覆盖、矿产开发、精细农业、城镇建设、交通运输、水利设施、生态建设、环境保护、水土保持、灾害评估以及热点区域应急等高精度、高重访观测业务需求,发展极轨高分辨率光学卫星星座,实现全球范围内精细化观测的数据获取能力。像国产的中分辨率光学观测星座。围绕资源调查、环境监测、防灾减灾、碳源碳汇调查、地质调查、水资源管理、农情监测等对大幅宽、快速覆盖和综合观测需求,建设高、低轨道合理配置的中分辨率光学卫星星座,实现全球范围天级快速动态观测以及全国范围小时级观测。
遥感信息智能化提取方法
遥感信息智能化提取方法 目前，大部分遥感信息的分类和提取，主要是利用数理统计与人工解译相结合的方法。这种方法不仅精度相对较低，效率不高，劳动强度大，而且依赖参与解译分析的人，在很大程度上不具备重复性。尤其对多时相、多传感器、多平台、多光谱波段遥感数据的复合处理，问题更为突出。在遥感影像相互校正方面，一些商业化的遥感图像处理软件，虽然提供了简单的影像相互校正和融合功能，但均是基于纯交互式的人工识别选取同名点，不仅效率非常低，而且精度也难于达到实用要求。因此,研究遥感信息的智能化提取方法对于提高遥感信息的提取精度和效率具有重要意义。 1．遥感图像分类 遥感图像分类是遥感图像处理系统的核心功能之一，它实现了基于遥感数据的地理信息提取，主要包括监督分类，非监督分类，以及分类后的处理功能。非监督分类包括等混合距离法分类（Isodata）等。监督分类包括最小距离（Minimum Distance）分类、最大似然（Maximum Likehood）分类、贝叶斯（Bayesian）分类、以及波谱角分类、二进制编码分类、AIRSAR散射机理分类等。 自动分类是计算机图像处理的初期便涉及的问题。但作为专题信息提取的一种方法，则有其完全不同的意义，是从应用的角度赋予其新的内容和方法。传统的遥感自动分类，主要依赖地物的光谱特性，采用数理统计的方法，基于单个像元进行，如监督分类和非监督分类方法，对于早期的MSS这样较低分辨率的遥感图像在分类中较为有效。后来人们在信息提取中引入了空间信息，直接从图像上提取各种空间特征，如纹理、形状特征等。其次是各种数学方法的引进，典型的有模糊聚类方法、神经网络方法及小波和分形。 近年来对于神经网络分类方法的研究相当活跃。它区别于传统的分类方法在于：在处理模式分类问题时，并不基于某个假定的概率分布，在无监督分类中，从特征空间到模式空间的映射是通过网络自组织完成的，在监督分类中，网络通过对训练样本的学习，获得权值，形成分类器，且具备容错性。人工神经网络 (ANN) 分类方法一般可获得更高精度的分类结果，因此 ANN方法在遥感分类中被广泛应用，特别是对于复杂类型的地物类型分类，ANN 方法显示了其优越性。如 Howald(1989)、McClellad(1989)、 Hepner(1990)、T.Yosh ida(1994)、K.S.Chen(1995)、J.D.Paola(1997) 等利用 ANN 分类方法对 TM 图像进行土地覆盖分类，在不同程度上提高了分类精度；Kanellopoulos(1992) 利用 ANN方法对 SPOT 影像进行了多达20类的分类，取得比统计方法更精确的结果；G.M.Foody(1996)用ANN对混合像元现象进行了分解；L.Bruzzone 等 (1997) 在 TM－5 遥感数据、空间结构信息数据、辅助数据（包括高程、坡度等）等空间数据基础下，用 ANN 方法对复杂土地利用进行了分类，比最大似然分类法提高了 9% 的精度。与统计分类方法相比较，ANN 方法具有更强的非线性映射能力，因此，能处理和分析复杂空间分布的遥感信息。2．基于知识发现的遥感信息提取
基于遥感数据的城市绿地信息提取研究进展
基于遥感数据的城市绿地信息提取研究进展1 吕杰，刘湘南 中国地质大学（北京）信息工程学院，北京 (100083) E-mail：jasonlu168@https://www.360docs.net/doc/f11061027.html, 摘要：本文对目前城市绿地信息提取研究现状进行了总结，对其中的利用航空遥感数据提取植被信息、卫星遥感提取植被信息、高分辨率遥感植被信息以及高光谱遥感植被信息研究进展进行了介绍，并从中分析提出遥感数据提取城市绿地信息存在的问题，对于存在的混合像元的问题，本文指出混合像元分解是解决存在问题的关键。 关键词：遥感，城市绿地，信息提取，混合像元 中图分类号：TP 7 1．引言 随着城市规模的不断扩大，自然环境正受到越来越严重的破坏，特别是大量的植被被高楼大厦取代，导致原有的生态系统严重失衡。而植被是环境的天然调节器，因此，无论在新城区还是老城区，绿化都显得尤其重要。对于土地资源极为珍贵的特大城市来说，良好的绿地规划方案可以有效地提高绿化生态环境效益。 另一方面，随着社会和经济的发展，城市化步伐在不断加快，城市规模日渐扩大，因此，城市正面临着一系列的生态和环境问题，例如城市热岛效应，沙尘暴等。为了解决这些问题，人们逐渐发现城市绿地对城市生态环境的改善有着不可替代的功效，为此，许多国家将城市绿化制定为城市可持续发展战略的一个重要内容，并将城市绿地作为衡量城市综合质量的重要指标之一。 利用遥感技术获取绿地信息成为快速、客观、准确的城市生态监测、评价、规划和管理的重要手段。目前可以利用的高分辨率遥感数据资料越来越多，高于lm 分辨率航天遥感影像和航空遥感影像己开始应用到资源调查和测图中。 2．城市绿地信息提取研究现状及存在问题 城市绿地是在人类较强干扰下生成的绿地景观，其生态效益不仅与绿地斑块的面积、空间分布有关，而且与构成绿地的植被类型密切相关（王伯荪，1987 ）。90 年代后期，景观生态学理论和方法逐渐应用到对城市绿化的研究中，这些研究为城市植被研究提供了新的研究思路和方法（高峻等，2002 ：李贞等，2000 ）。城市植被遥感信息提取为城市植被景观生态分析提供基础数据，是遥感信息提取的重要研究方向，也是城市植被学研究的重要内容（王伯荪等，1998 ）。 2.1 航空遥感影像用于植被信息提取 随着遥感技术的发展，航空影像图的信息提取比例尺已经达到了1:1000 ，由遥感图提取城市绿地率和绿化覆盖率，是一条比较成熟和现实的途径。2001 年5 月上海市已完成三次航空遥感城市绿地精细调查。2000 年山东省建设处委托中国国土资源航空物探遥感中心对山东省济南市、淄博、文登、荣成等地市进行了航空遥感城市绿化调查。大比例尺彩红外航空遥感图像具有信息量大、植物标志清楚等优点，它不仅被广泛用于植被调查，而且对植 1本课题得到国家863项目(2007AA12Z174)资助。
ETM图像水体信息提取
ETM图像水体信息提取 仇大海1，田淑芳1，吴亚玲2 1中国地质大学（北京）遥感教研室北京市（100083） 2北京鼎峰同惠工业技术有限公司北京市（100098） E-mail：qdh12011@https://www.360docs.net/doc/f11061027.html, 摘要：本文应用云南省南部地区的ETM遥感影像图，对该区域内的水体信息进行提取。以G48C004002为典型示范区，结合交互式矢量化和野外验证成果对各种方法进行分析选优，最后提出了一种水体提取的新方法：缨帽变换湿度分量法，经验证该方法满足提取要求。本文还对去除影响因素进行了深入的探讨，例如对于阴影的去除和混合像元影响的去除。关键词：信息提取，缨帽变换，遥感，阈值 中图分类号：K909 1. 引言 本论文基于中国地质调查局2005年项目《中国陆域边界云南瑞丽江—大盈江中下游地区基础地质遥感调查》。工作区北部与青藏高原相连，南到中缅、中老、中越边界，东西横跨1200km，南北纵跨800km，地理坐标位于东径97°30′—106°10′，北纬21°00′—28°00′，总面积约400000km2，涉及1∶25万比例尺地形图34幅。该工作区属于我国西南多云多雨地区，气候湿润，雨量充沛，植被茂盛，水量丰富。工作所采用的ETM数据共25幅。本文以1：25万标准分幅G48C004002为例（如图1），讨论遥感方法在提取水体中的实用性。 图1 G48C004002 ETM（742）彩色合成示意图 随着人类活动规模的增强，人类影响环境能力越来越显著，生态地质环境也快速地发生着变化，主要表现在干旱、洪涝、泥沙淤积河道、水土流失和滑坡、泥石流地质灾害时有发生等。这些变化直接威胁着该地区的经济发展，同时也影响着邻国的环境变化，容易引起国际纠纷，不利于和平稳定的周边环境。因此该区域内的水体信息调查尤为重要，水体信息调查为环境评估和地质灾害的预防和治理提供依据。 该区域面积较大、环境复杂，用传统的工作方法很难满足要求，而遥感技术以其大面积、同步观测的优势发挥了在该区域内水体调查的优势，因此如何采用最优的遥感方法结合GIS 等多种技术提取水体信息就成了本文论述的重点。研究过程中使用了1999年和2001年的ETM遥感数据、当地的地形图、地质资料、气象资料等等。主要的工作思路如下图：
短时记忆的信息提取实验报告
短时记忆的信息提取方式 于尧 （西南大学心理学部，重庆，400715） 摘要本实验旨在通过模仿Sternberg（1966）的短时记忆的信息提取经典实验，了解短时记忆的信息提取方式。本实验选取西南大学心理学部本科三年级学生89人作为被试，在心理学部机房利用PsyKey心理教学系统3.2中“短时记忆的信息提取”程序完成实验。实验为两因素被试内实验设计，按记忆集大小共六种呈现给被试，要求被试在特定时间识记，之后再呈现一个数字，要求被试判断是否是刚才识记过的，并按键反应，程序会自动记录被试的在不同水平下再认的反应时间和正确率。通过SPSS19.0进行数据分析，得出结果：记忆集对短时记忆信息提取没有影响；反应类型对短时记忆信息提取有显著影响。进而得出结论：短时记忆的信息提取并不是系列全扫描，也不是Stermberg假设中的任何一种信息提取方式。 关键词短时记忆信息提取 1 前言 Atkinson和Shiffrin（1968）提出了记忆系统的多存储模型（the multi-store model of memory），将记忆看作一个系统，按照信息在系统内储存的时间可以划分为三个不同的子系统：感觉记忆（sensory memory）、短时记忆和长时记忆，且这三个子系统在信息的储存量、保持时间、储存形式（或通道）、提取方式、遗忘规律以及在信息加工过程中所处的位置等许多方面均存在不同。其中，短时记忆是指在刺激作用终止后，对信息保持到几十秒直至一分钟左右的记忆（郭秀艳，2004），是操作性的、正在工作的、活动着的记忆（王甦、汪圣安，2006）。不论是何种记忆系统，其信息的提取方式都是一个极受关注的问题，因为记忆的最终目标是信息的提取利用。在越来越奉行效率至上的近代，短时记忆的信息提取在近几十年更是始终被认为是认知心理学研究的重要课题之一。 所谓信息提取，指把储存在假定的记忆系统中的特定信息取出来以便使用（朱智贤，1989），即将短时记忆中的项目回忆出来，或者当该项目再度呈现时能够再认，都是短时记忆的信息提
遥感ENVI水体信息提取实验
遥感ENVI水体信息提取实验
实习一：水体信息提取姓名：XXxx 学号：!!!!!!!!!!!!!!!!!!! 专业：地理信息科学 教师：XXXXX 成绩：
环境与规划学院 二〇一六年四月 实验报告 一实验目的 学习水体光谱的征曲线，掌握应用遥感图像处理软件进行水体波普的差异性分析。 掌握水体提取的常用方法；能够使用ENVI 软件进行水体信息提取。 二实验内容 遥感探测的水体波谱信息：水可以吸收也可以散射通过水汽界面的波谱辐射能量（Ed），但水的散射会增加天空辐射能量（Eu），而水的吸
收则会同时减少Ed和Eu。 遥感影像记录了地表物体的反射信息及其自身向外的辐射信息。相对于其他地物而言，水体在整个光谱范围内都呈现出较弱的反射率。 在近红外、中红外及短波红外部分，水体几乎吸收了去不得入射能量，因此水体在这些的反射率特别低，而土壤、植被、建筑物等在这些波段吸收能量较小，具有较高的反射率，是的水体与他们具有明显的区别。 水体信息提取有助于确定水体边界、了解水域面积变化、水文水资源要素，提取结果可用于水资源信息统计及相关的辅助决策 三实验方案 单波段法（阈值）； 多波段法（谱间关系法、比值法、归一化差异水体指数（NDWI）、改进的归一化差异水体指数（MNDWI） 1．图像预处理 （1）辐射定标：将DN值转成辐亮度
File--->open image file--->。。。。MTL.txt--->spectral--->Preprocessing--->C alibration Utilities--->Landsat Calibration--->（选择文件），OK--Radiance，File，choose（选择保存地址并命名），Ok （2）BSQ转成BIL Basic Tools-->Convert data （BSQ、BIL、BIP）-->-BIL，choose（选择保存地址并命名），Ok （3）Flaash大气校正 Spectral--->Preprocessing--->Calibr ation Utilities--->Flaash —>
ASTER遥感影像水体信息提取方法研究
收稿日期:2008206204;修订日期:2008208225 基金项目:安徽省教育厅自然科学基金资助项目(K J 2007B219);安徽省教育厅教学研究项目(2007J YXM208)。 作者简介:黄海波(1982-)男,硕士研究生,主要从事遥感图像处理、土地利用/覆盖变化研究。E 2mail :hhb1001@https://www.360docs.net/doc/f11061027.html, 。 ASTER 遥感影像水体信息提取方法研究 黄海波1,2,赵 萍1,2,陈志英1,郭 伟1,2 (1.安徽师范大学国土资源与旅游学院,安徽芜湖 241000; 2.安徽师范大学GIS 重点实验室,安徽芜湖 241000) 摘要:以安徽省芜湖市为试验区,首先对试验区水体和其它各类地物的光谱特征进行分析,探讨水体在ASTER 遥感影像各个波段与其它地物之间的可分性,然后经过反复实验和分析,构建了基于波段阈值和谱间关系的水体提取模型:B2>B3,B1+B6<127,B3+B4<54和B3<24,最后将该方法提取结果与非监督分类、监督分类和植被指数法提取结果进行评价和比较。实验结果表明该方法可较好地提取研究区各类水体,分类精度明显优于传统提取方法,且简单实用,但在对光谱特征分析过程中样本点选取要求较高。 关 键 词:ASTER ;水体信息提取;谱间关系 中图分类号:TP 79 文献标志码:A 文章编号:100420323(2008)0520525204 1 引 言 水资源分布的调查与监测是控制水污染和生态 保护的前提,而卫星数据具有监测范围广、获取周期 短、地物信息丰富的特点,对调查与监测水资源分布 起着重要的作用。国内外众多学者对水体遥感专题 信息的提取进行了研究,如Bartolucci [1]等通过对 Landsat MSS 数据的研究,指出MSS 波段中近红外 波段为提取水体的最佳波段;秦其明[2]等通过像素 的重组,在区域分割和边界跟踪的基础上,对卫星图 像进行水体形状特征的抽取与描述,实现不同水体 类型的识别;陈华芳[3]等对Landsat ETM +影像,分 别采用了阈值法、差值法和阈值法的结合运用、多 波段谱间关系法和阈值法的结合这3种方法对湿 地进行识别;王志辉,易善祯[4]通过对5种不同水体提取模型(RV I ,NDV I ,NDWI ,MNDWI ,NDSI )原理分析,结合具体实例(洞庭湖水域)进行水体遥感提取来说明5种方法提取水体的差异,从而确定在不同时期和不同用途时所采用最佳的水体提取模型。本文从水体的遥感信息光谱特征入手,分析各地物类型在ASTER 数据各个波段所记录的波谱信息情况差异,探讨水体与其它地物的区分方法。ASTER 是搭载在Terra 卫星上的星载热量散发和反辐射仪,于1999年12月18日发射升空,由日本国际贸易和工业部制造。ASTER 通过从可见光到热红外14个频道获取整个地表的高分辨解析图像数据-黑白立体照片,为多个相关的地球环境资源研究领域提供科学、实用的卫星数据。其主要参数如表1[5]。 表1 ASTER 卫星主要参数表 T able 1 Main parameters table of ASTER satellite 波段 B1B2B3N B4B5B6B7B8B9B10B11B12B13B14波长(um )0.52 0.630.76 1.6 2.145 2.185 2.235 2.295 2.368.1258.4758.92510.2510.950.630.69 0.86 1.7 2.185 2.225 2.285 2.365 2.438.4758.8259.27510.9511.65分辨率(m )15 15153030303030309090909090第23卷 第5期2008年10月遥 感 技 术 与 应 用REMOTE SENSIN G TECHNOLOGY AND APPLICATION V ol.23 N o.5 Oct.2008
海面油膜高光谱遥感信息提取_陆应诚
收稿日期: 2008-03-10; 修订日期: 2008-09-30 基金项目:中国石油天然气股份有限公司科技预研项目“海域遥感油气勘探技术研究”(编号: 06-01C-01-08)和国家科技支撑计划(编号: 2006BAK30B01)。 第一作者简介: 陆应诚(1979— ), 男, 南京大学博士研究生, 主要从事高光谱遥感应用研究。E-mail: lycheng2003@https://www.360docs.net/doc/f11061027.html, 。 海面油膜高光谱遥感信息提取 陆应诚, 田庆久, 宋鹏飞, 李姗姗 南京大学 国际地球系统科学研究所, 江苏 南京 210093 摘 要: 针对辽东湾海域的Hyperion 高光谱遥感数据特点, 结合海面油膜光谱与Hyperion 影像特征, 对该数据进行水陆分离与最小噪声分离(minimum noise fraction, MNF)变换处理, 在辽东湾海域MNF 波段影像的2D 散点图中, 海面油膜的出现会在其边缘形成一个异常散点区域, 可区分油膜与干扰信息,结合提取的海面油膜端元的MNF 波谱, 通过混合调制匹配滤波(mixture tuned matched filtering, MTMF)技术, 成功地提取研究区海面油膜信息, 有效监测海面油膜信息, 为海洋环境监测提供新的技术手段。 关键词: 油膜, 高光谱, 遥感, Hyperion, 辽东湾 中图分类号: X55 文献标识码: A 1 引 言 在海洋石油的遥感监测与评估中, 海面油膜是遥感探测的一个重要对象, 多光谱、热红外、雷达等诸多遥感领域均对此有一定研究(Gonzalez 等, 2006; Fingas & Brown, 1997; Labelle & Danenberger, 1997; O’Briena 等, 2005), 由于海洋背景复杂, 海面大气影响、水体对电磁波的散射与吸收作用, 海面油膜遥感信息表现为弱信息；又由于海面油膜随来源、构成种类、油膜厚度、风化程度的不同表现为不确定的遥感影像特征；这些因素对海面油膜遥感信息提取存在一定的制约。随着高光谱遥感技术的发展(童庆禧, 2003), 针对海面油膜信息的高光谱遥感探测方法技术不断得到发展(Foudan, 2003)。Palme(1994)利用小型机载成像光谱仪(CASI)数据研究1993年Shetlands 群岛溢油事件中产生的油膜和其他油污信息, 指出440—900 nm 是可以用来进行溢油油膜信息提取的有效谱段；Foudan(2003)利用机载AVRIS 高光谱数据对Santa Barbara 海岸带的油污与海面油膜进行研究, 表明分散的石油在580nm 、700nm 具有反射峰, 厚油膜在近红外波段反射率要高于薄油膜, 600—900nm 具有最大的油膜遥感探测的可能性。比较分析混合光谱分解技术(spectral unmixing)、纯净像元指数(pixel purity index, PPI)、 光谱角度制图法(spectral angle mapper, SAM)、混合调制匹配滤波(mixture tuned matched filtering, MTMF)技术等方法在海面油膜信息提取上的特点。近年来, 国内学者也不断开展海面油膜遥感研究, 赵冬至等(2000)总结了柴油、润滑油和原油等3种油膜随厚度变化的光谱特征, 指出736nm 和774nm 对不同的油类具有相同的吸收特征；张永宁等(1999, 2000)测试了几种类型油的海面波谱, 认为在海洋溢油波谱特征中0.5—0.58μm 是不同油膜最高反射率的所在位置, 并利用A VHRR 和TM 数据识别海洋溢油；陆应诚(2008, 2009)的海面油膜实验表明随油膜厚度不同, 油膜光谱特征与响应原理表现不同。 本文以辽东湾双台子河口外海域为研究区, 结合海面油膜光谱特点与海面油膜Hyperion 遥感影像特征, 通过高光谱遥感MTMF 技术方法, 提取研究区海面油膜信息。 2 Hyperion 数据预处理 研究区在辽东湾双台子河口外海域, 该区是中国重要原油生产基地——辽河油田所在地, 近年来, 辽东湾海域油田的开采与运输为海洋环境带来一定的影响。 2007-05-06获取了研究区的一景美国EO-1卫
遥感影像水体提取实验
基于高分一号卫星多时相数据的洪水监测 摘要：本文利用两幅高分一号多光谱影像数据，通过ENVI4.8软件，采用NDVI对黑龙江地区水体进行了提取，并在图像上展示了水体变化区域，计算了水体变化面积。结果表明：9月9日黑龙江水域面积比8月27日增加了226.6822 km。最后又采用了假彩色合成法展示了水体增加区域。结果表明：两种方法对水体变化信息的提取具有一致性。 1 数据介绍 本作业获得了两幅高分一号TIF数据，分别是8月27日，9月9日。每幅影像有4个波段，查阅资料得知：1波段波长为0.45-0.52um，属于蓝、青光，2波段波长为0.52-0.59um，属于黄、绿光，3波段波长为0.63-0.69um，属于红光，4波段为0.77-0.89，属于近红外。 图1 0827影像信息图2 0909影像信息 2 研究区域 由所给数据的经纬度坐标可知，研究区域为抚远县，其地处黑龙江、乌苏里江交汇的三角地带。地理方位是东经133° 40′ 08″至
135° 5′20″,北纬47° 25′30″至48° 27′40″。 图3 研究区域的百度卫星地图 2 水体提取方法选择 单波段：水体在近红外波段的反射率很低，所以可以设置阈值进行提取。 归一化水体指数 )/()(NIR Green NIR Green NDWI ρρρρ+-= 归一化植被指数 )/()(NDVI Re Re d NIR d NIR ρρρρ+-= 但单波段方法中阈值的设置需要反复调整，而高分一号数据的1、2波段不完全是蓝、绿光，而3、4波段完全是红、近红外。所以选择归一化植被指数提取水体。-1= 实习一：水体信息提取姓名：XXxx 学号：!!!!!!!!!!!!!!!!!!! 专业：地理信息科学 教师：XXXXX 成绩： 环境与规划学院 二〇一六年四月 实验报告 一实验目的 学习水体光谱的征曲线，掌握应用遥感图像处理软件进行水体波普的差异性分析。 掌握水体提取的常用方法；能够使用ENVI软件进行水体信息提取。 二实验内容 遥感探测的水体波谱信息：水可以吸收也可以散射通过水汽界面的波谱辐射能量（Ed），但水的散射会增加天空辐射能量（Eu），而水的吸收则会同时减少Ed和Eu。 遥感影像记录了地表物体的反射信息及其自身向外的辐射信息。相对于其他地物而言，水体在整个光谱范围内都呈现出较弱的反射率。 在近红外、中红外及短波红外部分，水体几乎吸收了去不得入射能量，因此水体在这些的反射率特别低，而土壤、植被、建筑物等在这些波段吸收能量较小，具有较高的反射率，是的水体与他们具有明显的区别。 水体信息提取有助于确定水体边界、了解水域面积变化、水文水资源要素，提取结果可用于水资源信息统计及相关的辅助决策 三实验方案 单波段法（阈值）； 多波段法（谱间关系法、比值法、归一化差异水体指数（NDWI）、改进的归一化差异水体指数（MNDWI） 1．图像预处理 （1）辐射定标：将DN值转成辐亮度 File--->open image file--->。。。。MTL.txt--->spectral--->Preprocessing--->Calibration Utilities--->Landsat Calibration--->（选择文件），OK--Radiance，File，choose（选择保存地址并命名），Ok （2）BSQ转成BIL Basic Tools-->Convert data （BSQ、BIL、BIP）-->-BIL，choose（选择保存地址并命名），Ok （3）Flaash大气校正 Spectral--->Preprocessing--->Calibration Utilities--->Flaash—> 基于MODIS数据的水体提取研究 马丹 福建农林大学资源与环境学院，福建福州（350002） 摘要：通过分析遥感图像各类地物的光谱特征和水体在中等分辨率的EOS/MODIS上的波谱特征，确定水体最为明显的波段组合，研究如何从不同时期(枯水期、丰水期)的中等分辨率MODIS遥感影像提取水体的方法。实验表明：遥感图像经空间变换后再利用相同的方法提取的水体更容易区分水体和阴影，产生的噪声也少，提取的水体范围更准确、计算的水域面积精度更高，重点以武汉市的梁子湖为例对水体提取范围和精度进行了比较和分析。 关键词：MODIS影像；水体；阈值；色彩变换 1 引言 MODIS是被动式成像分光辐射计，是Terra和Aqua卫星上都装载有的重要的传感器，MODIS数据廉价实用，数据涉及的波段范围广，这些数据对地球科学的综合研究和对陆地、大气、海洋进行分门别类的研究有较高的使用价值[1]。MODIS数据有36个通道，覆盖了从可见光、近红外到热红外的光谱区间。利用水体在可见光波段、近红外波段的特殊光谱性可以提取有关水体信息。 水资源是一种非常重要的资源，它也是一个独立的环境因子，被人们格外的重视。水体的面积监测是调查水资源的一个重要的方面，也是洪水灾害检测的重要内容。因此利用遥感影像的波谱特征和水体在影像上的特性，研究自动化的提取水体的方法，获取它的范围甚至其它的特征，是十分有意义的工作。 2 水体的光谱特征 从宏观的角度看，陆地上水体主要表现为湖泊、河流、沟渠、水库、池塘和沼泽地等，可分为面状水体和带状、线状水体。在卫星遥感影像上，湖泊、水库、池塘大致表现为一块面状的等值区域，河流、沟渠表现为线形结构。 在MODIS图像上，对于水体来说，水体几乎全部吸收了近红外和中红外波段内的全部入射能量，所以水体在近红外和中红外波段的反射能量很少，而植物、土壤在这两个波段内的吸收能量较少，而且又较高的反射特性，这就使得水体在这两个波段上与植被、土壤有明显的区别。水体在这两个波段上呈现出暗色调，而土壤、植被则呈现出较亮的色调。在可见光绿波段内，图像上记载的反射信息主要有来自水面、水中悬浮物质和水体底部物质的反射，由于水体在绿波段的反射率较高而呈现浅灰色色调，在该波段水体与周边的植被较难区分。关于水体的吸收和辐射特性，不仅与其本身的性质有关，而且还与其所含物质的类型和大小有关。一般地，进入清澈水体的大部分阳光在水下2 米内被吸收，吸收的程度取决与波长。近红外波段在水体1/10 米深处就被吸收，使得在近红外影像上，即使是浅水也是暗的影像色调。可见光波段的吸收会因为研究水体的特征变化而变化。从透过水体拍摄水底的详细程度来看，透射力最好的是在0.48-0.60 微米之间的绿波段。 3 水体信息的提取 3.1图像预处理 原始图像为MODIS数据，存在不同程度、不同性质的几何形态畸变和辐射量的失真等 计算机世界/2006年/7月/31日/第B15版 技术专题 Taries软件主要应用于对高分辨率遥感影像的各种信息的处理、提取与分析,是具有自主知识产权的软件产品。 遥感影像信息提取与分析 沈占锋 近年来，一系列高分辨率卫星的相继上天，高分辨率卫星遥感的应用也因此成为可能，也凸现出遥感影像数据处理的重要性日益显现。遥感影像数据处理的主要内容就是对遥感数据（主要是高分辨率遥感影像数据）进行自动（半自动）图像处理分析，从而获取人们需要的信息。 Taries软件是具有自主知识产权的软件产品，由中科院遥感所国家遥感应用工程技术研究中心下属的空间信息关键技术研发部开发。Taries软件主要应用于对高分辨率遥感影像的各种信息的处理、提取与分析，其功能包括影像的预处理、影像分割、影像分类、特征提取与表达、特征分析、目标识别等。它是集矢量和栅格于一体化的软件系统。 Taries主要功能 1. 影像处理 （1）采用几何精纠正方法：建立基于空间投影理论与有限控制点的全局自适应方法，并建立基于控制点、线、面特征的局部自适应相结合的影像几何精纠正模型。 （2）实现多源遥感影像信息的特征级融合: 在像元级、高精度的多源遥感信息分析技术基础上，发展了各种特征估计器和融合评判规则，建立特征级的多源遥感信息融合的方法以及相应的算法。 2. 影像信息提取 （1）在复杂环境中的目标信息增强: 采用具有空间自适应能力的目标特征的信息增强模型与方法，特别是弱目标信息的增强方法，并对无关背景信息进行抑制。 （2）高分辨率影像分割: 基于空间特征（包括纹理特征、形状特征和动态特征）以及高维统计特征，采用面向特征的高分辨率影像分割技术（如基于模糊集理论、EM模型、Markov模型、MCMC模型、小波分析等）。 （3）基于智能计算模型的目标特征提取: 基于神经网络、支撑向量机等智能计算模型，研究和发展针对目标的纹理特征、结构特征的提取方法，并实现相应算法。 （4）目标识别与提取系统原型: 采用组件技术，研制开发目标识别与提取软件系统原型，包括影像精处理、目标单元分割与特征提取、目标识别等模块。 3. 矢量数据显示、处理与分析 （1）兼容ArcGIS SHP等矢量数据存储格式，能够采用系统的矢栅一体化数据模型对相应的矢量数据进行读取与显示。 （2）基于底层数据模型，能够实现基于Taries软件的矢量数据的修改功能，包括基本对象（点、线、面）的增、删、改等操作。 （3）基于相应的矢量数据建立拓扑关系，并在此基础上进行相应的空间分析功能（如最优路径查询分析等）。 （4）具有常规的矢量数据显示软件的基本功能，并可在此基础开发进一步的应用（如移动目标定位与车辆跟踪系统等）。 关键技术遥感ENVI水体信息提取实验
基于MODIS数据的水体提取研究
遥感影像信息提取与分析_沈占锋