遥感影像数字喀斯特地貌信息提取.docx

遥感影像数字喀斯特地貌信息提取摘要：数字地貌是数字地貌制图及其应用研究适应信息化发展的必然要求。本文利用ALOS影像通过对各种形态特征的反复判读和比较建立喀斯特地貌解译的遥感解译标志；通过面向对象技术进行喀斯特地貌的自动提取；对于自动提取的喀斯特类型利用遥感影像的纹理、形状、大小等特征进行人工目视解译对遥感影像进行喀斯特地貌自动分类及信息提取为今后建立数字喀斯特地貌信息系统奠定基础。关键词：数字地貌喀斯特遥感解译面向对象1引言地貌是自然地域综合体的主导要素它直接影响甚至决定着其他要素的分布特征作为生态与环境复杂物质体系中的一项最基本的要素地貌明显控制着地球表层水分与热量的地域再分配并间接影响着土壤、植被以及物质迁移和生态系统的演替与发展[1]。喀斯特地貌是我国典型地貌之一其分布十分广泛几乎各省、自治区和直辖市都有面积大小不等的碳酸盐类岩石出露其中西南地区喀斯特地貌尤为典型[2]。贵州处于我国西南部连片喀斯特的核心部位占全省面积的61.9%；它不仅是贵州地质生态环境的主体并以其脆弱的环境、多样的类型和鲜明的特色蜚声海内外[3]。将其作为研究对象对今后研究全国甚至全球的喀斯特地貌具有重要意义。喀斯特地貌除了美学价值所具备的经济意义之外在战略上亦有其重要意义[4]。2实验方法及研究技术流程2.1实验方法本研究以地理信息系统、遥感、地貌学等学科的原理为理论基础应用遥感分析、野外调查、比较分析、空间分析等分析方法并与实验验证相结合研究关岭县喀斯特地貌形态类型包括个体形态类型和组合形态类型[6]。2.2研究技术流程本文借助遥感影像和DEM数据在ArcGIS9.3和TitanImage7.0操作平台下对关岭县遥感影像进行喀斯特地貌自动分类及人工修正。具体步骤如下：（1）根据1：20万水文地质图确定喀斯特与非喀斯特地貌单元界线。（2）在确定了关岭县地貌的分布范围后利用关岭县的ALOS影像通过各种影像特征（色调、色彩、形状、大小、阴影、纹理、图形、位置、相关布局的等）以及反复判读和比较按照个体和组合两大类型建立喀斯特形态类型的遥感影像解译标志库。（3）利用面向对象分类技术采用多次度分割方法对关岭县进行分类。（4）根据多尺度分割结果以地质图、地形图、DEM生成的TIN数据为基础进行人工进行修正。3面向对象分类3.1面向对象遥感影像分类面向对象分类是基于对象的遥感分析模块图像分析的基本处理单元不是单个像素而是影像分割后提取的影像对象。相对于单个像素均质的影像对象提供的除光谱特征外还有形状、纹理等特征信息。多尺度分割是对影像对象提取的一个专利技术。它可以以不同尺度、高质量的提取影像对象（粗和细的级别）。这种技术适合具有纹理信息的影像例如SAR、高分辨率卫星影像或者航空数据。它适合于根据特定的任务从影像数据中提取有意义的原始数据对象。多尺度影像分割从任一象元开始采用自下而上的区域合并算法形成对象。以下为多尺度分割各参数说明：光谱因子（Sp）：这个标准定义了影像对象的光谱值相对形状标准在整个均质度中占的百分比改变它的值为1可以导致完全使用光谱的均质性；形状因子（Sh）：除了光谱信息面向对象分类还考虑了对象的形状优化对象的均质度；紧密度（Co）：利用紧凑度来优化影像对象；平滑度（Sm）：利用光滑边界优化影像对象；分割尺度（Se）：尺度参数是一个抽象的术语可以决定结果影像对象最大的异质度。异质度标准包含两个主要部分：颜色标准和形状标准。在分割的全部过程中整个影像被分割了。基于不同的颜色和形状的异质性或均质性的可调整标准生成了影像对象。3.2人工解译由于喀斯特地貌类型的多样性自动分类的结果与实际地貌类型的某些地方还存在出入。在这种情况下需要结合地质图、由DEM生成的TIN图、坡度图、历史地貌图及相关的文字资料运用目视解译的方法进行对比、分析和修正。喀斯特个体地貌类型参考地形图、地质图和历史地貌图进行人工解译。4结果分析通过此次遥感解译关岭布依族苗族自治县喀斯特个体类型中峰丛洼地所占比重最大丘峰台地所占比重最小。峰林主要集中在关岭中部区；孤峰则分布在关岭县东部区；落水洞出现于永宁镇、顶云乡、花江镇和板贵乡；泉点除了坡贡镇和顶云乡均有分布；关岭县西部喀斯特区域主要为峰丛洼地型喀斯特东部区域地貌类型较为多样分布有峰林盆地、峰丛洼地、峰丛谷地、峰丛峡谷等。5结论与讨论5.1结论本论文从面向对象分类的角度利用关岭县的ALOS遥感影像进行多尺度分割