湿地遥感影像分类途径.docx

湿地遥感影像分类途径1引言海滨湿地是指发育在海岸带附近并且受海陆交互作用的湿地是陆地生态系统和海洋生态系统的交错过渡地带广泛分布于沿海海陆交界、淡咸水交汇地带是一个高度动态和复杂的生态系统［1］。江苏盐城海滨湿地属于典型的淤泥质海岸湿地类型由于海岸的不断淤长海滨湿地植物覆被类型比较丰富多样景观格局处于不断演变之中［2］。遥感技术是获取地表覆盖信息的有效技术手段目前广泛用于湿地研究中并取得了显著的成果［3－5］。采用何种方法对湿地遥感信息进行有效提取以达到理想精度要求一直是湿地遥感研究的重要内容。目前湿地遥感信息提取中难度最大的是对湿地植物覆被类型的有效识别其方法研究成为湿地遥感信息提取的难点与热点［3－5］。而针对不同的遥感数据源学者们采取的方法各异。如于欢等［6］选取ALOS遥感影像为数据源通过对其波段的光谱及纹理特征进行分析采用非监督、监督及面向对象分类方法对三江平原湿地信息进行提取。那晓东等［7］以Landsat卫星影像为数据源利用回归树集中挖掘分类规则对湿地类型进行分类研究。牛明香等［8］利用TM数据提出了单红外阈值法和改进的监督分类相结合方法对湿地进行分类。从目前的研究进展来看湿地遥感分类研究采用的数据源大部分都是TM、SPOT等影像而利用ALOS数据的研究并不多。本文针对江苏海滨湿地的时空分布特征选择ALOS影像为数据源其原因是保护区核心区面积较小空间分辨率较高的ALOS影像更适合而不选用波段与之相似的Landsat卫星数据。另外相比于分辨率相同的SPOT等影像ALOS影像在图像纹理特征方面如反映地物类别空间特征的差异性和纹理信息的丰富程度均比SPOT5等影像强并且小图斑的面积精度也优于SPOT等影像［9］；从时间选择来看由于11月份海滨湿地的盐蒿呈现红色与其他湿地植被类型的色差比较明显是湿地遥感信息提取的较好时机。而选用的ALOS数据在2006年11月9日恰好在海滨湿地过境故采用分辨率高、性能好、价格低的秋季ALOS影像作为本次研究的数据源最为合适。为此针对海滨湿地植物覆被类型遥感信息分类难度大以及湿地植物覆被类型之间的生态交错带信息难以正确识别的问题综合考虑光谱信息、空间信息并附加知识规则和GIS规则对海滨湿地进行遥感分类方法研究为海滨湿地研究提供重要的科学支撑。2研究区概况江苏盐城国家级珍禽自然保护区核心区是目前残留的典型淤泥质海滨湿地代表具有丰富多样的湿地类型。该区域位于新洋港和斗龙港出海河之间［10］地理位置位于33度25′0″～33度42′40″N120度26′40″～120度44′40″E面积为203．57km2基本保持自然景观状态。湿地植物覆被类型包括芦苇群落、大米草群落、盐蒿群落等［11］。研究区位置如图1所示。3数据源采用的数据为ALOS数据重访周期为46d卫星轨道为太阳同步。AVNIR－2传感器可以接收4个波段的数据分别为蓝波段（0．42～0．50μm）、绿波段（0．52～0．60μm）、红波段（0．61～0．69μm）、近红外波段（0．76～0．89μm）。多光谱分辨率10m全色波段空间分辨率2．5m。为了更准确地提取信息还采用了其他相关辅助资料包括1∶400000江苏省海岸土地利用图以及野外调查时38个点GPS数据。3．1数据预处理本文采用ENVI下的FLAASH模块对ALOS影像进行大气校正。FLAASH是基于MODT－RAN4大气校正模块可以从多光谱遥感影像中复原地物的地表反射率是多光谱能量影像反射率反演的首选大气校正模型［12］。影像几何校正通常选取图像上有定位识别明显的标志如道路交叉点、河流岔口等GPS记录点为控制点。采用二次多项式变换和最邻近像元重采样的方法对原始影像进行几何纠正RMS小于0．5个像元。3．2湿地分类系统的建立根据研究区湿地类型的特征综合考虑遥感影像数据的可解译性建立湿地土地利用／覆被分类系统见表1。4对ALOS影像的非监督分类针对本研究区特点海岸带地物在遥感影像上的光谱比较复杂。选择的训练区不可能包括所有的光谱类型也就是说有一部分像元会出现漏分的现象。所以本文采用人机交互的非监督分类方法算法是重复自组织数据分析技术（ISODATA）。4．1分类的过程及结果海岸带地物的波谱相关性较大也就是"同物异谱"和"异物同谱"的情况比较多。鉴于这种情况使用非监督分类时一般设置分类的数目比最终分类数量多3～4倍再进行合并防止错分漏分以提高分类精度。本次研究初始分类数定为30类输出分类图像后再对30类地物进行合并找到最佳的合并方案然后再对其进行重新合并。把原始影像和分类的结果进行对比并且参考1∶40