基于多源多时相遥感影像的城镇扩张动态监测方法研究
多时相遥感影像变化检测方法研究进展综述
Ｓ Ｐ ＯＴ ＶＥ Ｇ ＴＡＴ Ｉ ＯＮ等传感 器可 以实现 对地 球 表 面大 部分
区域 的逐 日观测 ， 我国 ２ ０ ０ ８年发射 的环境减灾卫 星 Ａ、 Ｂ两 颗卫星 ，每两天获取覆 盖 中国 国土的多 光谱数 据 。海量 、多 时相遥感数据 的积累 ， 为实 现区域乃至全球 尺度 的土 地覆盖 变化检测等全球 变化研究提供 了重要数 据源 。 但是从多 时相 影像 中及时提取地球环境 和人 类活动 的动
＊通 讯 联 系人 ｅ － ｍａ ｉ ｌ ： ｗａ ｎ ｇ ｑ ｉ ａ ｏ ＠ｓ ｅ ｐ ａ ． ｇ ｏ ｖ ． ｃ ｎ
ｅ － ｍ ａ ｉ ｌ ： ｓ ｈ ｏ ｕ ｊ ｉ ｎ ｇ ｙ ＠１ ６ ３ ． ｃ ｏ ｎ； ｒ ｓ ｈ ｏ ｕ ｊ ｉ ｎ ｇ ｙ ＠１ ２ ６ ． ｃ ｏ ｎ ｒ
收 稿 日期 ： ２ ０ １ ３ — ０ ３ — １ ５ 。 修 订 日期 ：２ ０ １ ３ — ０ ６ － ２ ０
基 金项 目： 高分辨对地观测重大专项项 目（ ０ ５ 一 Ｙ ３ ０ Ｂ ０ ２ — ９ ０ ０ １ — １ ３ ／ １ ５ — ４ ） 和国家 自然科学基金项 目（ ４ １ １ ０ １ ３ ７ ８ ， ４ １ ２ ７ １ ３ ４ ９ ） 资助 作 者简介 ： 殷守敬 ， １ ９ ８ ２ 年生 ， 环 保部卫 星环境应用 中心工程 师
态信息仍 面临很 多挑战＿ １ ］ 。 尽 管许多学者 已经围绕多 时相遥 感 影像的变化检测方 法的研究开展 了大 量工作 ，但是这 些研 究相对分散 ，还没有形 成完 整 、 成 熟 的理论体 系 ，对相关 理
遥感影像的多时相监测方法研究
遥感影像的多时相监测方法研究在当今的科技时代，遥感技术已经成为获取地球表面信息的重要手段之一。
其中，遥感影像的多时相监测在众多领域发挥着关键作用，如环境监测、农业评估、城市规划以及灾害预警等。
多时相遥感影像能够反映出地表特征在不同时间的变化情况，为我们深入了解地球系统的动态过程提供了宝贵的数据支持。
多时相遥感影像监测的基本原理是通过对同一地区在不同时间获取的遥感影像进行对比分析，从而揭示出该地区的变化信息。
这些影像可以来自不同的传感器，具有不同的空间分辨率、光谱分辨率和时间分辨率。
为了有效地进行多时相监测，首先需要对这些影像进行预处理，包括辐射校正、几何校正和大气校正等，以确保影像之间具有可比性。
在辐射校正方面，由于传感器本身的特性以及光照条件的差异，不同时间获取的影像在辐射亮度上可能存在偏差。
通过辐射校正，可以将影像的辐射亮度值转换为具有实际物理意义的辐射量，如反射率或发射率。
几何校正则是解决由于卫星轨道、姿态以及地球自转等因素导致的影像几何变形问题，使得不同影像中的相同地物能够准确匹配。
大气校正用于消除大气对电磁波的散射和吸收影响，从而更真实地反映地表的光谱特征。
在完成预处理后，接下来就是选择合适的变化检测方法。
常见的方法包括基于像元的方法、基于对象的方法以及基于特征的方法。
基于像元的方法是最为直接和简单的方法之一。
它通过对不同时相影像中对应像元的灰度值或光谱值进行比较，来判断是否发生了变化。
例如，差值法就是计算两个时相影像对应像元值的差值，如果差值超过一定的阈值，则认为发生了变化。
这种方法的优点是计算简单，容易实现，但缺点是对噪声较为敏感，容易产生误判。
基于对象的方法则首先对影像进行分割，将其划分为具有相似特征的对象，然后比较不同时相影像中对象的属性变化。
相比基于像元的方法，基于对象的方法能够更好地考虑地物的空间特征和上下文信息，减少噪声的影响，提高变化检测的准确性。
但该方法的计算复杂度较高，对影像分割的质量要求也较高。
多源遥感数据在土地利用动态监测中的应用
多源遥感数据在土地利用动态监测中的应用作者：唐永航来源：《浙江国土资源》 2012年第7期宁波市土地勘测规划院唐永航近些年来，我国经济持续快速发展，城市化进程不断加快，取得了举世瞩目的成就，但同时在土地利用方面也呈现出新的问题，“少批多占”、“未批先建”、“批荒占耕”等违法用地现象依然存在。
是否能快速、精确地对土地利用的数量、质量分布及其变化趋势进行分析统计，将直接关系着土地利用的可持续发展与规划，新形势下要求国土资源部门更加全面、更加准确、更加快速、动态地进行土地利用的监管。
遥感，即“遥远的感知”，它利用地物对电磁波的发射、反射和吸收特性，通过传感器获取这些信息，获取地物的几何特征和物理特征。
遥感信息是地物要素的真实反映，它具有大面积同步观测的特性，为土地利用大面积同步调查提供条件；遥感数据的多时相特性，也为土地利用的动态监测成为可能；同时，遥感数据也是多种多样的，例如最常见的可见光遥感数据，以及激光雷达点云数据( LiDAR)和微波遥感数据(SAR)等，多源遥感数据大大地扩展了遥感应用的广度和深度。
遥感在我国土地利用调查与监测中的应用由来已久，例如1984年开始的采用最新航空影像数据和卫星遥感数据进行的全国土地详查工程、1999年开始的采用中、高分辨率影像数据进行的针对大中城市的土地利用动态监测、2007-2009年，全面利用3S技术进行全国第二次土地调查工程、国土资源部决定从2010年开始，在全国范围内开展以二调成果为基础的，以自然年为周期的遥感监测和土地变更调查工作。
但目前为止，在土地利用调查与监测中对遥感数据的利用多集中在光学遥感数据，综合利用多源遥感数据进行土地利用动态遥感监测非常必要。
一、多源遥感数据特点遥感技术发展迅速，种类也多种多样，主要包括光学遥感数据、微波遥感数据和LiDAR数据等等。
每类数据都有其各自的优点和局限性，多源数据的出现大大地扩展了遥感数据的应用领域和应用深度。
遥感图像多时相分析的方法与工具
遥感图像多时相分析的方法与工具遥感技术已经成为现代地学研究和应用中不可或缺的重要工具。
通过遥感图像，我们可以获取大范围、全时相的地球表面信息，从城市规划到农业生产，从环境监测到资源调查，遥感技术都发挥着重要的作用。
而在遥感图像的多时相分析方面，是地学领域中极具挑战性的任务之一，因为它要求对连续多个时间点的遥感图像进行整合和分析，从而获取地表的变化和演化信息。
一、时相分析的意义和挑战遥感图像多时相分析的意义和挑战是显而易见的。
通过对多时相图像进行对比和分析，我们可以了解地表变化的动态过程，如土地利用的演变、城市扩张的规律、植被的季节性变化等。
这些信息对于环境管理、资源规划和应急响应等决策具有重要意义。
然而，要准确地从多时相数据中提取有用的信息并解释其含义是一项复杂的任务。
二、多时相分析的基本原理在进行多时相分析之前，我们需要先对遥感数据进行预处理和校正，以确保数据的一致性和可比性。
一般而言，我们可以采用以下几种基本原理来进行多时相分析：1. 像元级变化检测：通过对同一地区的不同时相图像进行对比，我们可以检测出地表像元的变化情况。
这种方法基于像元的灰度变化或光谱反射率的变化来判断地表的变化程度。
2. 物体级变化分析：对于从空中或卫星上获取的高分辨率遥感图像，我们可以利用对象级的变化来分析地表的变化情况。
通过提取和比较不同时相图像中的对象，如建筑物、道路等，可以了解地表的演化过程。
3. 时间序列分析：这种方法通过对一系列连续时相的遥感图像进行统计和分析，来揭示地表变化的趋势和规律。
例如，我们可以计算出植被指数的时间序列，通过对比不同时间点的指数值来确定植被的季节性变化。
三、多时相分析的工具和算法在现代地学研究中，有许多工具和算法可以帮助我们进行遥感图像的多时相分析。
以下是一些常用的工具和算法示例：1. 多光谱遥感图像堆叠和融合：这种方法将多个时相的多光谱遥感图像在同一坐标系下叠加和融合，以获取全时相信息。
基于遥感的城市扩展动态分析
基于遥感的城市扩展动态分析在当今社会，城市的发展日新月异，城市扩展成为了一个备受关注的话题。
遥感技术的出现为我们深入研究城市扩展的动态变化提供了强有力的工具。
遥感，简单来说，就是在不直接接触目标物的情况下，通过传感器获取目标物的信息。
它就像是我们从高空俯瞰城市的一双“眼睛”，能够捕捉到城市在不同时期的影像和数据。
那么，为什么要用遥感来研究城市扩展呢？首先，遥感能够提供大范围、同步的观测数据。
我们可以一次性获取整个城市甚至更大区域的信息，而不是像传统的地面调查那样只能一点一点地进行，费时费力。
其次，遥感数据具有多光谱、多时相的特点。
这意味着我们不仅能看到城市的外观，还能通过不同波段的信息了解城市的各种特征，并且能对比不同时间的影像，清晰地看到城市是如何一步步扩展的。
在获取了遥感数据后，接下来就是对这些数据进行处理和分析。
这可不是一件简单的活儿，需要运用一系列的技术和方法。
比如说，图像分类就是其中一个重要的环节。
我们要把城市中的不同地物，像建筑物、道路、绿地等区分开来，这就需要借助计算机算法和人工判读相结合的方式，以确保分类的准确性。
在分析城市扩展的过程中，有几个关键的指标是我们需要关注的。
其中，城市用地面积的增加是最直观的体现。
通过对比不同时期的城市用地范围，我们可以清楚地看到城市向外扩展了多少。
另外，城市的形状和格局变化也能反映出扩展的特点。
比如，是呈同心圆式的扩展，还是沿着交通线呈带状扩展。
以某个具体的城市为例，假设我们研究的是近二十年的发展。
通过遥感影像可以发现，在初期，城市的扩展主要集中在城市的边缘地带，新的住宅区和工业园区逐渐兴起。
随着时间的推移，城市的中心区域也开始进行大规模的改造和重建，高层建筑不断涌现。
同时，交通基础设施的改善也带动了城市向周边地区的快速扩展，形成了多个卫星城。
城市扩展带来了一系列的影响。
从积极的方面来看，它为城市的经济发展提供了更多的空间，吸引了更多的投资和产业，创造了更多的就业机会。
多时相遥感影像变化检测方法研究进展综述
多时相遥感影像变化检测方法研究进展综述1. 本文概述随着遥感技术的飞速发展，多时相遥感影像在环境监测、资源管理、城市规划等领域发挥着越来越重要的作用。
多时相遥感影像变化检测，作为遥感影像分析的核心内容之一，旨在识别和量化不同时间点获取的遥感影像之间的变化信息。
本文旨在全面回顾和评述多时相遥感影像变化检测方法的研究进展，包括传统方法和基于深度学习的方法，以及它们在各类应用场景中的性能表现。
本文首先介绍了多时相遥感影像变化检测的基本概念、研究背景和重要性。
随后，本文详细梳理了当前主流的变化检测方法，包括基于像素、基于特征和基于决策的方法，并分析了这些方法的优缺点。
特别地，本文重点关注了近年来兴起的基于深度学习的变化检测方法，如卷积神经网络（CNN）、循环神经网络（RNN）和生成对抗网络（GAN）等，并探讨了它们在提高变化检测精度和效率方面的潜力。
本文还讨论了变化检测方法在实际应用中面临的挑战，如数据异质性、变化类型多样性和计算复杂性等，并提出了可能的解决方案和未来研究方向。
通过本文的综述，我们期望为遥感科学和相关领域的研究者提供一个关于多时相遥感影像变化检测方法的全面了解，并激发新的研究思路和技术创新。
2. 多时相遥感影像基本概念多时相遥感影像，指的是在不同时间点对同一地区或目标进行多次遥感观测所获取的影像集合。
这些影像可以来自同一传感器，也可以来自不同传感器，但它们的共同点是都反映了同一地区在不同时间点的地表状况。
多时相遥感影像的获取，有助于我们深入了解地表的动态变化，如土地利用覆盖变化、城市扩张、自然灾害等。
多时相遥感影像的变化检测，就是通过对这些不同时间点的影像进行比较和分析，识别出地表发生的各种变化。
这种变化检测的方法，可以基于像素级、特征级或对象级进行。
像素级变化检测主要关注像素值的变化，通过比较不同时间点的像素值来识别变化区域特征级变化检测则提取影像中的特定特征，如纹理、形状等，通过比较这些特征的变化来识别地表变化对象级变化检测则是将影像分割为不同的对象，通过比较这些对象的变化来识别地表变化。
基于多源数据的沿海城市扩张及生态环境效应研究
基于多源数据的沿海城市扩张及生态环境效应研究Coastal Urban Expansion and Its Eco-environmental Effects Using Multi-source DataWANG Zhenxing 1,LIU Dong 1,WANG Min 1,YU Yiping 1(1.College of Resources and Environmental,University of Chinese Academy of Sciences,Beijing 100049,China)Abstract:Taking Qingdao for example,we used DMSP/OLS,NPP/VIIRS,MODIS and statistical data from 2000to 2019to analyze the urban expansion process and spatio-temporal evolution characteristics,and revealed the ecological effects in the process of urban expansion by calculat-ing the vegetation indexes and heat island intensity.The results showed that during the past 20years,the built-up area of Qingdao City expanded from the coastal area to the inland area,showing the development characteristics of “the core urban area expanding,and the surrounding towns rapidly rising ”.The vegetation indexes of built-up area showed an upward trend,with the increasing area concentrated in the municipal district and the decreasing area mainly distributed in the urban edge and emerging towns.The urban heat island intensity showed an increasing trend and was in the weak heat island state from 2000to 2019.The strong heat island was distributed in the built-up area with a gradually increase trend.There was a positive correlation between nighttime light index and heat island effect,especially in urban built-up area.There was no significant correlation between nighttime light index and vegetation index.This study can provide policy basis for the development of Qingdao and other coastal cities.Key words:multi-source data,urban expansion,ecological effect,nighttime light image,Qingdao City（1.中国科学院大学资源与环境学院，北京100049）王振兴1，刘东1*，王敏1，于依萍1收稿日期：2022-11-08。
利用多时相遥感影像分析密云县植被动态变化
积减 少４ ４ ． ４ ４ ％， 减少面积为 ９ ９ ４ ７ ． ９ ４ ２ ４ ｈ ｍ ； 在这 １ ７ ａ中， 密云县地表植被没有遭到严重的破坏 ， 但一 些区域植被
盖 度 发 生 了 明显 的 变化 ． 水域面积明显减少。 关 键 词 变化 分 析 ； 归 一化 植 被 指数 ； 植被盖度 ； 假 彩 色合 成 ； 密云 县 分类号 Ｓ ７ １ ５ ． ３
赵 泰 安 彭道 黎
（ 北京林业大学 ， 北京 ， １ ０ ０ ０ ８ ３ ）
摘 要 利 用 多 时相 遥 感 影 像 对 密云 县 植 被 动 态 变化 发 展 过 程 进 行 分 析 ， 为 当地 气候 变化 和 水 土 保 持 提 供 科 学依 据 。 研 究 中以 ３幅 Ｔ Ｍ ／ Ｅ Ｔ Ｍ、 密 云 县 大 比 例 尺 地 形 图为 基 础 。 应 用 相 关 的 遥 感 软件 对 ３幅影 像 进 行 归 一 化 植 被指数（ Ｎ Ｄ Ｖ Ｉ ） 及 像 元 植 被 盖 度 的提 取 ， 结 合假 彩 色合 成 原理 ， 将提取后的 Ｎ Ｄ Ｖ Ｉ 影 像 及 植 被 盖 度 影 像 分 别 进 行 假 彩 色（ Ｒ Ｇ Ｂ ） 合成 ， 将 密云 县 植 被 的 变化 分 为 ８种 类 别 。 密 云 县 植 被 稳 定 的 区域 占 ｌ ８ ． ２ ６ ％， 面积 为 ４ ０ ９ ０ ２ ． ２ １ ｈ ｍ ． 其 中 高植 被 覆 盖 区域 占 １ ２ ． ２ ５ ％， 面积 为 ２ ７４ ３ ９ ． ６ ５ ； 植 被 不稳 定 的 区域 占 ８ １ ． ７ ４ ％， 面积为 １ ８ ３ １ ５ ０ ． ５ ４ ｈ ｍ ： 水域 面
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于多源多时相遥感影像的城镇扩张动态监测方法研究1周小成，汪小钦，吴波，励惠国1福州大学福建省空间信息工程研究中心，福州（350002）2空间数据挖掘与信息共享教育部重点实验室，福州（350002）Email：zhouxc@摘要：利用遥感技术来动态监测城镇扩展己成为一个重要的研究和应用领域。
基于TM和ASTER多源多时相遥感影像和地形数据，以福建省漳州市区为示范区，探讨城镇建筑用地扩张遥感监测的一般方法。
研究认为，对于ASTER影像，综合利用非监督分类、多时相植被指数、城镇建筑用地的地形分布等知识建立分类决策规则，可以有效提取城镇建筑用地信息，精度不低于90%；另外，针对徐涵秋TM影像三指数法应用到示范区城镇建筑用地提取时的混淆问题，提出了利用城镇建筑用地时空扩张知识、多时相植被指数知识，改进TM 三指数城镇建筑用地提取方法的思路，最终提取的城镇建筑用地信息满足城镇建筑用地动态变化分析的精度要求。
关键词：城镇建筑用地；遥感；TM；ASTER；动态监测1.引言RS和GIS技术在过去的20年里得到迅速的发展，利用卫星对地观测技术来动态监测城市扩展己成为一个重要的研究和应用领域。
不少国内外学者研究出多种利用遥感影像提取和分析城市扩张变化的技术。
Seto（2003）[1]以多时相TM影像为例，比较了ARTMAP神经网络与最大似然法分类方法进行城市变化检测的效果。
认为ARTMAP神经网络比传统的最大似然法（MLC）方法更精确；Schottker（2004）[2]利用三个时相的Landsat TM数据检测德国威斯特伐利亚40年来城市发展变化；Rashed（2005）[3]利用多时相遥感影像，提出利用光谱混合分析法（SMA）测量埃及开罗市城市形态组成的变化模式。
Onana（2005）[4]使用多时相ENVISAT/ERS SAR图像和多光谱HRV Spot光学影像进行融合来识别热带雨林地区喀麦隆杜阿拉城市动态变化；潘剑君（1997）[5]用两个时期的Landsat TM遥感图象，经过图象自动分类识别和两个时相遥感图象的交叉分析处理，对江苏省扬中市的土地利用状况进行了动态监测；杨存建 (2001)[6]通过对不同类型居民地的遥感影像特征、光谱特征和空间关系分析，从而发现居民地的光谱特征知识、空间关系知识，建立了基于知识的TM遥感图像居民地信息提取模型；祝善友（2002）[7]以不同时相的TM和中巴卫星影像为主要信息源，对不同时相、不同遥感平台的两幅图象进行数据融合，提取与城市扩展动态变化有关的参数因子；吴宏安（2005）[8]分别采用了监督分类法和归一化裸露指数(NDBI)法提取了西安市的城市边界信息，并对二者进行对比分析，认为监督分类法提取的城市边界信息较为准确；徐涵秋（2005）[9][10]通过对城市土地利用类型的分析,选取了归一化差异建筑指数（NDBI）、修正归一化差异水体指数（MNDWI）[11]和土壤调节植被指数（SA VI）三个指数，采用简单的最大似然分类或谱间分析方法，提取的城市建筑用地信息精度可达91.2%。
本研究在总结前人研究方法的基础上，以TM、ASTER多源多时相遥感影像为数据源，以福建省漳州市区为研究示范区，提出城镇扩展遥感动态监测的一般思路和方法，并对徐涵秋三指数法用于研究示范区的问题进行了分析，提出了相应的解决方法。
1本课题得到国家自然科学基金（60602052）和福建省科技重大专项（50304827）的资助。
2.示范区概况和数据源本研究选择漳州市区为示范区探讨城镇扩展遥感动态监测的方法。
漳州市区包括芗城区和龙文区，市区总面积约390km2。
2003年市区人口52.8万。
市区地势西北高，东南低。
最高峰天宝山的三尖峰，海拔高度928.8米，与五凤（峰）山（775米）、金沙大岭（574米）连绵形成天然屏障，东南地势平坦。
本研究所采用的遥感影像数据源见表1：表1 研究中所用到的遥感影像Table1 remote sensing data in the study时代数据类型时相轨道号分辨率1989年TM 1989-11-2930m120-431998年TM 1998-12-0830m120-432001年 ETM＋ 2001-04-12 120-4330m／15m2003年 ASTER 2003-01-28 34 15m辅助数据有：漳州市行政界线图层，1:5万DEM数据，坡度、坡向数据。
根据以上数据源情况，本研究将开展示范区1989年－1998年－2003年间的城镇扩展遥感动态监测，2001年的影像作为辅助影像进行信息提取。
3.研究方法与技术路线研究中主要用于提取城镇建筑物信息的影像有ASTER和TM影像。
对于TM影像城镇建筑物或居民地信息的提取研究比较多,而对ASTER影像城镇建筑用地信息提取方法的研究还较少。
遥感信息的有效提取方法存在的一个问题是普适性较差。
本研究在利用前人快速提取方法提取城镇建筑用地信息时，精度均难以满足动态监测的要求。
非监督分类的结果表明，火烧迹地、裸岩、休闲地、河滩地和城镇建筑用地信息混淆比较严重。
监督分类训练区难以选取，费时费力，分类结果的混淆现象仍然严重。
利用徐涵秋三指数方法[9][10]进行提取的结果也不理想。
因此，根据本专题的研究目的和数据源状况，在借鉴前人有效的研究方法基础上进行，对于前人研究方法应用到示范区的问题进行分析，并采用基于知识的方法进行改进，从而实现城镇扩展遥感动态监测的目的。
研究中所采用的遥感和GIS平台有ERDAS8.7,ARCGIS9.0。
3.1 遥感图像预处理遥感图像预处理包括影像几何校正、配准和辐射校正。
首先对2001年的ETM＋全色影像进行几何校正。
然后利用校正好的ETM+全色影像配准1989年、1998年TM影像以及2003年的ASTER影像。
控制点的数量一般都控制在30-40之间，配准后的误差RMS均小于0.5个像元。
由于ASTER影像的波段比较多，考虑到4-9波段相关性较大，于是对4-9波段进行主成分（PC）分析，选取前2个主成分分量PC1和PC2，这2个波段所含的信息量占整幅图像的99%。
将这两个主成分重新采样成15m ，然后把ASTER影像的1-3波段、重新采样后的PC1和PC2共5个波段进行叠加，作为后续分析处理的数据源。
最后，利用直方图最小值法对各时期影像进行辐射校正。
3.2 城镇建筑用地扩张知识发现为了改善城镇建筑用地遥感信息提取的精度，需要在前人研究方法上进行改进，以满足示范区城镇扩展分析的精度要求。
因此，充分研究城镇建筑用地的光谱知识和时空分布知识非常必要。
3.2.1非监督分类知识非监督分类的优点是不存在漏提的现象，因此，在类别合并时，确保将含城镇建筑用地信息的类别合并到一起，而不考虑其他地类的混淆。
可在非监督分类获取的城镇建筑用地信息基础上研究剔除多提信息的方法，从而达到提高精度的目的。
3.2.2时相知识本研究的城镇建筑用地包括：居民地、开发用地、交通用地。
城镇扩展的一般特点是：城镇范围不断扩大，在扩展期间建筑用地转化为其他用地类型的数量可以忽略不计。
那么，在提取示范区1998年和1989年TM影像上城镇信息时，可以利用2003年的城镇建筑用地范围限定提取范围，这样可以避免相当一部分混淆信息，从而保证早期影像城镇信息准确有效的提取。
因此，首先完全、准确，有效的提取2003年ASTER影像城镇建筑用地信息至关重要。
这一提取思路在城镇扩展遥感动态监测中更具可行性。
此外，由于单一时相的弱点，在ASTER影像的分类提取上，存在城镇建筑用地信息和休闲裸地的混淆，而2001年的TM影像由于时相较好，ASTER影像上为休闲裸地的区域，TM影像上植被覆盖较好，因此可以考虑利用多时相植被指数阈值来消除休闲裸地的混淆。
3.2.3地形分布知识流域城镇建筑用地在地形上存在一定的特点，分析发现，示范区城镇建筑用地海拔基本不会超过100m，坡度小于20°，利用这两个规则可以极大的减少火烧迹地、裸岩与建筑用地的混淆。
3.3 2003年ASTER影像城镇建筑用地信息提取根据上面分析的城镇建筑用地时空分布知识和提取思路，采用如下步骤提取ASTER影像的城镇建筑用地。
⑴非监督分类首先利用非监督分类方法提取城镇建筑用地，分类时设置类别数为30，分类完成后，合并出城镇用地信息，分类结果的特点是完全包含城镇用地信息，但混淆有火烧迹地、裸岩、休闲地、河滩地信息。
将结果影像二值化，1代表非监督分类提取的城镇建筑用地信息，0代表背景信息。
⑵ASTER－NDVI阈值分析采用NDVI的目的是进一步消除影响城镇建筑用地提取的有关信息。
ASTER－NDVI计算公式为：ASTER-NDVI＝(b3-b2)/(b3+b2)将上式获取的ASTER影像的NDVI拉伸到unsigned 8bit[0-255]简单分析发现，NDVI<135时，可以确保提出全部城镇信息。
由于影像时相为2003年1月28日，处于冬季，休耕地较多，而休耕地和城镇信息光谱特征类似，导致植被指数也很接近。
因此利用NDVI阈值难以剔除休闲裸地。
因此，本影像的NDVI在辅助城镇建筑用地信息提取时的作用微弱。
由于ASTER影像时相为2003年1月28日，休闲耕地较多，导致NDVI阈值对于消除休闲裸地的影响的效果欠佳。
而2001年4月份的TM影像植被覆盖均较好，休闲裸地很少，可以利用该期影像的植被指数（NDVI）阈值来消除休闲裸地和城镇建筑用地的混淆。
简单分析发现，TM影像NDVI＜140可以满足消除2003年影像上休闲裸地和城镇建筑用地混淆的要求，同时不影响2003年影像城镇用地信息的提取范围。
⑷主成分分析（PCA）为了消除九龙江下游河滩地和城镇建筑用地的混淆，通过对覆盖该区域的2003年1月28日ASTER影像1-9波段进行主成分分析，发现沙滩地有PC2－PC3＜40的规则，而城镇建筑用地没有这一特点。
以此可以利用这一规则最大限度的将城镇建筑用地和河流沙滩地相区分。
⑸地形分析前面分析已经知道，示范区城镇建筑用地海拔基本不会超过100m，坡度基本小于20°。
而这两条地形知识可以有效消除火烧迹地、裸岩石砾地与城镇建筑用地的混淆。
通过以上⑴⑵⑶⑷⑸的分析，在ERDAS8.7的专家分类器中建立图1的ASTER影像城镇建筑用地专题信息提取规则。
提取结果表明，非监督分类结果中混淆的其他信息得到了有效的剔除。
图1 2003年ASTER影像漳州市区城镇建筑用地提取知识规则Fig1.Knowledge rule extracting build-up of Zhangzhou city using ASTER image in 20033.4 TM影像城镇建筑用地信息提取3.4.1徐涵秋三指数法对于TM影像城镇建筑物或居民地信息的提取研究比较多。