ASTER衛(wèi)星數(shù)據(jù)在林業(yè)上的應(yīng)用研究——在提取主要樹種分布信息和高程信息中的探討.pdf

1、ASTER是美國最先進(jìn)的衛(wèi)星之一Terra(EOS-AM1)搭載的對(duì)地觀測傳感器，它不僅具有15米的高空間分辨率，而且有從可見光到遠(yuǎn)紅外的14個(gè)觀測波段，并且每一景圖像都包含了一個(gè)立體像對(duì)，可以生成高分辨率的立體地面景觀模型。相比較之下，SPOT數(shù)據(jù)具有較高的地面分辨率，但其圖像的光譜分辨率較低，所以，一般不適宜處理較窄光譜地物類型，陸地衛(wèi)星TM圖像，從空間分辨率上比SPOT圖像低，但TM圖像具有較多的光譜波段，對(duì)于森林植被地物類型的識(shí)

2、別提取也是可行的，TM系列采集數(shù)據(jù)的手段單一，依賴多波段、垂直視獲取地表信息。 進(jìn)行森林資源的管理需要及時(shí)準(zhǔn)確地掌握和監(jiān)測森林資源的數(shù)量變化和空間分布的信息，雖然ASTER衛(wèi)星遙感圖像具有很高的性能指標(biāo)，但是對(duì)原始數(shù)據(jù)需要進(jìn)行哪些數(shù)據(jù)處理，從中如何提取我們所需要的森林資源信息，國內(nèi)尚未見報(bào)道，這些都需要在理論上和方法上加以探討和研究，并努力將所得結(jié)果用于實(shí)踐。 為此目的利用ASTER數(shù)據(jù)進(jìn)行了兩大方面的的研究：一個(gè)內(nèi)容是

3、判別主要樹種分布信息上的應(yīng)用研究；另一個(gè)內(nèi)容是利用其立體像對(duì)提取研究區(qū)高程(DEM)信息上的應(yīng)用研究。 本文圍繞以上兩個(gè)研究內(nèi)容的其中之一-探討利用ASTER數(shù)據(jù)提取樹種信息的研究上，基于Visual C++開發(fā)平臺(tái)，進(jìn)行了以下幾個(gè)方面的工作： (1)對(duì)存儲(chǔ)有ASTER遙感圖像數(shù)據(jù)的NCSA-HDF-4.1r3文件，以二進(jìn)制的方式進(jìn)行了讀程序設(shè)計(jì)，并以Windows位圖格式進(jìn)行了程序設(shè)計(jì)。參照ASTER用戶手冊(cè)，開發(fā)了讀

4、取ASTER衛(wèi)星數(shù)據(jù)和存取Windows標(biāo)準(zhǔn)圖像BMP文件格式專門圖像處理程序；提取了研究區(qū)的圖像數(shù)據(jù)分別是波段1、波段2、波段3N和波段3B。 (2)大氣效應(yīng)問題的粗校正程序設(shè)計(jì)。具體進(jìn)行了灰度圖像線性變換程序設(shè)計(jì)，開發(fā)了和利用灰度直方圖觀察圖像灰度密度分布和亮度最小值計(jì)算，主要目標(biāo)是消除了大氣程輻射的影響，增強(qiáng)灰度圖像的對(duì)比度。 (3)幾何精校正程序設(shè)計(jì)。開發(fā)和利用了多項(xiàng)式擬合的數(shù)學(xué)摸型，用雙線性插值的重采樣算法，把

5、生成的20m圖像數(shù)據(jù)與20m研究區(qū)地形圖精確配準(zhǔn)。幾何精校正的精度控制在了1個(gè)像元以內(nèi)。 (4)RGB色彩模式下的彩色合成程序，8位圖像和24位圖像格式轉(zhuǎn)化程序設(shè)計(jì)。可以對(duì)研究區(qū)尺寸相同的波段1、波段2、波段3N，以RGB的模式自由組合，合成研究區(qū)24位彩色圖像。 (5)光譜變換程序設(shè)計(jì)。實(shí)現(xiàn)RGB色度學(xué)顏色模型到HLS視覺顏色模型變換，以及采用Matlab7設(shè)計(jì)的主成份分析(PCA)變換的程序設(shè)計(jì)。從遙感圖像目視解譯上

6、看，在進(jìn)行屏幕樣本選取訓(xùn)練時(shí)，主要靠地物的明度、對(duì)比度、顏色和紋理等特征識(shí)別地類，選擇HLS色彩空間更加符合人的視覺特性；它將明度(L)與反映色彩本質(zhì)特征的兩個(gè)參數(shù)-色調(diào)(H)、飽和度(S)分開，而L表示了光照強(qiáng)度或亮度，H表示了色度，反映了該顏色最接近的光譜波長，使得圖像處理的時(shí)候能夠針對(duì)性更強(qiáng)。一般當(dāng)圖像上有陰影或光線變化比較大的時(shí)候，都選取這種色彩空間來對(duì)圖像進(jìn)行處理。 (6)彩色合成圖像的有監(jiān)督模式分類器的程序設(shè)計(jì)和精度

7、評(píng)價(jià)程序設(shè)計(jì)。具體采用了兩個(gè)簡單分類器——最短距離(Least-Distance)分類法、以及貝葉斯(Bayes)分類法。 本文圍繞第二研究內(nèi)容一探討利用ASTER數(shù)據(jù)提取高程信息的研究上，基于Visual C++開發(fā)平臺(tái)，進(jìn)行了以下幾個(gè)方面的工作： (1)對(duì)在研究內(nèi)容一中讀取的立體像對(duì)3N、3B進(jìn)行了核線校正處理。核線校正計(jì)算在NASA-ASTER校正模塊的支持下效果較好。 (2)核線立體像對(duì)的分割及直方圖均衡

8、化程序設(shè)計(jì)?；叶葓D像的均衡化的程序設(shè)計(jì)，使得灰度圖像數(shù)據(jù)的分布接近均勻分布，提高灰度圖像信息量，達(dá)到清晰圖像的目的，同時(shí)也有利于圖像間的比較運(yùn)算?；叶葓D像均衡化是立體像對(duì)匹配前的必須處理程序。 (3)立體匹配計(jì)算模型的應(yīng)用。分別計(jì)算了Matthies于1989年提出來的SSD立體匹配計(jì)算數(shù)學(xué)模型，以及計(jì)算了Andrea Fusiello于1997年提出的改進(jìn)型SSD立體匹配計(jì)算數(shù)學(xué)模型一SMW模型，立體匹配結(jié)果表明SMW模型效果

9、好。 (4)視差灰度分塊圖像的拼接程序設(shè)計(jì)和研究區(qū)DEM的生成。 (5)應(yīng)用Microsoft Direct3D SDK9模塊形成的立體圖像效果的程序設(shè)計(jì)。 研究的結(jié)果： (1)本文完整實(shí)現(xiàn)了研究區(qū)主要樹種信息和高程信息提取的全部過程，以此結(jié)果作為技術(shù)基礎(chǔ)，為將來林業(yè)遙感應(yīng)用提供基礎(chǔ)性質(zhì)的工作和必要輔助數(shù)據(jù)參考。 (2)疊加了高度圖像的，一定分類精度條件下的研究區(qū)主要樹種分布圖像后，就可以生成主要

10、樹種沿高程分布的立體景觀圖像，對(duì)掌握森林資源的分布情況有一定的參考。 (3)貝葉斯(Bayes)分類方法是所選擇比較的兩類分類方法中綜合效果最好的。而決定貝葉斯分類精度的兩個(gè)判決指標(biāo)：一是該林地樣本的先驗(yàn)概率的大?。涣硪粋€(gè)是該林地的樣本利用參數(shù)估計(jì)的正態(tài)分布密度函數(shù)能不能很好地?cái)M合該類樣本。在案例1中，個(gè)別樹種如油杉林地的分類正確率為0％，相比較下，云南松樣本符合Bayes統(tǒng)計(jì)特性，分類精度達(dá)到了58.4％。而最短距離法(Least-D

11、istance)由于其本身統(tǒng)計(jì)方法上的局限，只考慮類中心(均值)，不管其它統(tǒng)計(jì)特征，造成分類精度不高和誤判。因此，樹種分類問題上不僅要考慮光譜特征分類，而且要考慮專家知識(shí)決策分類系統(tǒng)的聯(lián)合來提高精度。 存在的問題和展望： (1)只用基于光譜特征的樹種分類方法，總體效果并不好，因此需要深入研究不同尺度圖像融合和各種變換等增強(qiáng)光譜的可分性外，需要引入專家知識(shí)分類決策系統(tǒng)等許多問題，共同提高樹種的總體分類精度問題。 (