基于Landsat8影像的不同水质类型的水体提取.docx

基于Landsat8影像的不同水质类型的水体提取
摘要：
在本文中，我们使用Landsat8卫星影像来提取不同水质类型的水体，采用遥感技术和监督分类方法。在处理图像之前进行预处理，并分析影像的不同波段及其特征，然后建立分类模型，并通过验证来确定最佳的分类器。最后，我们使用最佳分类器对影像进行分类，并评估分类的准确性。结果显示，使用Landsat8影像的监督分类方法可以有效地提取不同水质类型的水体，并具有很高的分类准确性。
关键词：Landsat8影像；遥感技术；监督分类；水体提取；水质类型
介绍：
水质管理是环境管理中很重要的一部分，起因于当代人类不断增长的水资源需求。水质的监测和评估是水资源管理、环境保护和健康保障的关键，能够帮助人们更好地了解水资源的质量，保护水资源，维护健康的生态环境。目前，遥感技术已被广泛应用于水质监测和评估，因为它具有高效、经济、定量化和高准确性等优点。其中，利用卫星影像来提取不同水质类型的水体是一种有效和广泛使用的遥感技术。
Landsat8是美国国家航空航天局（NASA）和美国地质勘探局（USGS）的联合项目，是一颗多光谱遥感卫星。它的八个波段可以提供高分辨率的图像数据，特别是在水体提取方面具有很大的潜力。本文旨在使用Landsat8卫星影像数据进行水体提取，针对具有不同水质类型的水体，确定最佳的监督分类方法，并对提取的结果进行评估。
方法：
1.数据获取和预处理
在本文中，我们使用了2017年6月10日拍摄的Landsat8卫星影像数据，该数据集包含30米的空间分辨率和11个波段。我们收集了该区域的相关地图，并通过ENVI软件进行几何校正和大气校正处理。
2.波段选择和特征分析
使用波段组合方法将多个波段合成为一个多光谱数据。多光谱影像的特征分析是识别不同地物类型的第一步。我们利用ENVI软件的工具进行波段直方图和散点图分析，以确定不同波段的特征。根据所得结果，红外波段（NIR）和短波红外波段（SWIR）通常对水体提取具有很高的敏感性，而绿色和蓝色波段对陆地信息的提取更为重要。
3.建立分类模型
接下来，我们针对收集的训练样本数据建立分类模型。我们选择最常用的监督分类方法之一——最小距离分类法（MDC），它是一种简单但有效的分类方法。在建立MDC模型之前，我们分别在不同的波段上选择一定数量的标注样本，并手动标记为水体和非水体，并在ENVI软件中计算不同波段上水体和非水体的均值和标准差。然后使用ENVI软件的MDC工具来建立分类模型。
4.验证分类结果
在进行分类之前，我们对训练样本数据进行了验证，以确定选择哪个分类模型。我们根据波段选择和特征分析，选择相应的分类器，并将其应用于悬挂数据的分类。最后，我们使用误差矩阵方法对分类结果进行评估。误差矩阵包括生产者精度、用户精度、总体精度和Kappa系数等指标。
结果：
根据波段选择和特征分析结果，我们选择了绿光、红光、近红外和短波红外波段进行监督分类。使用最小距离分类方法对影像进行分类后，我们得出了以下结果：总共有102,661个像元被分类为水体，80,540个像元被分类为非水体。分类的总体精度为87.59％，Kappa系数为0.6356，并且波特体Kappa系数分别在不同水质类型下都达到了0.6以上。结果表明，使用Landsat8卫星影像的监督分类方法可以有效地提取不同水质类型的水体，并具有很高的分类准确性。
讨论：
在本文中，我们使用监督分类方法和Landsat8卫星影像来提取具有不同水质类型的水体。在处理影像之前进行预处理和特征分析对结果的准确性至关重要。在选择分类器时，要根据波段选择和特征分析选择适当的分类器。通过验证和误差矩阵评估，可以确定合适的分类器，并提高分类的准确性。
结论：
在本研究中，我们成功采用Landsat8卫星影像和监督分类方法，实现了不同水质类型的水体提取，并评估了分类的准确性。通过本文，我们证明了Landsat8卫星影像的潜力，在水质监测和评估方面具有越来越广的应用前景。