融合K―T和K―L数据的洽川湿地水体提取.doc

1、1融合 KT 和 KL 数据的洽川湿地水体提取摘要：水体是湿地生态系统中的关键性因子，通过遥感影像可以快速、准确地提取湿地水体信息，遥感技术已经成为湿地调查、研究与保护的重要手段之一。而使用数据融合的遥感数据能够比单一数据得到更精确、更完全、更可靠的图像解译结果。本研究使用 Landsat 5 TM 遥感影像，运用 K-T 和 K-L 方法对遥感数据进行变换处理，进而进行数据融合处理和非监督分类，最后提取出洽川湿地的水体信息。通过研究表明：本期洽川湿地水体面积为 63km2；在本区域当期数据下，通过数据融合可以有效排除河漫滩无水区、植物、荒地、建筑物等信息对水体的干扰，效果较好。 Abstra

2、ct： Water is one of the key factors in wetland ecosystems. Remote sensing images can be used to extract wetland water information quickly and accurately. Remote sensing technology has become one of the important methods for wetland investigation， research and protection. And the remote sensing data

3、using data fusion can be more accurate， more complete and reliable than a single data. In this study， Landsat 5 TM remote sensing images were used to transform remote sensing data using K-T and K-L methods. Data fusion and unsupervised classification were then performed. The results 2show that the w

4、ater area of Qianchuan wetland is 63km2， and the interference of water， vegetation， wasteland， buildings and so on can be effectively eliminated by data fusion in the current data of this area. 关键词：数据融合；水体提取；缨帽变换；主成分变换 Key words： data fusion；water extraction；hat cap transformation；the principal comp

5、onent transform 中图分类号：TP79 文献标识码：A 文章编号：1006-4311（2016）31-0138-02 0 引言 湿地是重要的生存环境和自然界最富生物多样性的生态景观之一1。水体是维系湿地生态系统稳定和健康的关键性因子之一，它在湿地形成、发育与演化的核心问题中，在湿地生态系统的生态过程研究中都是不可或缺的因子。所以科学、准确、快速地对湿地水体进行监测与评价，适时掌握湿地水体的变化信息，己成为对湿地研究中的关键问题2。 遥感技术具有观测范围大、信息量大、实时性好、动态性强等特点，且对被观测对象不产生破坏，在水体提取的研究中得到越来越多的应用2-3。多源遥感数据的融合技

6、术可以消除信息冗余和矛盾，实现数据的优势互补，降低不确定性，提高数据质量。本研究使用 Landsat 5 TM 遥感影像，针对洽川湿地的具体情况进行了数据融合、水体提取实验，研究了适合于本区域提取湿地水体信息的有效方法。 1 数据资料与研究方法 31.1 数据获取 根据本区特点选取夏季丰水期的遥感影像进行水体提取。具体参数为 Landsat 5 TM 数据，成像时间为 2011 年 7 月 15 日，数据分辨率为 30米。数据来源于地理空间数据云（http：/） 。数据自带地理坐标信息，因此不再进行几何校正等操作；在裁剪研究区后，进行后续数据处理。 1.2 缨帽变换 缨帽变换（Tasseled

7、 Cap Transformation，又叫 K-T 变换） ，不仅去除了原始遥感影像中各个波段之间的冗余，而且变换之后的结果有重要物理意义，且包含了影像的绝大部分信息4。输出的三个分量转变为：亮度、绿度、湿度。数据中包含了地物反射率信息、植被信息和水体信息。 1.3 主成分变换 主成分变换（Principal Component Transforma，又叫 K-L 变换） ，使主要信息和噪声分离，减小了数据的冗余度、去除了波段之间的相关性。本文在主成分变换中，只保留特征值最大的第一分量4。 1.4 数据融合 为了实现数据融合，使用波段组合（Layerstack）命令，将上述 K-T和 K-L

8、 变换后的数据组合成一个文件。具体是将亮度数据、绿度数据、湿度数据、第一主成分数据组合成一个多波段数据，为后期的分类操作做准备。结果数据见图 1。 1.5 非监督分类 4将融合后的多波段数据应用到遥感图像分类中，可以提高分类精度。本研究使用非监督分类法进行分类操作，进而提取湿地的水体信息。具体参数是使用迭代自组织数据分析技术（Iterative Self-Organizing Data Analysis Technique，ISODATA） ，它根据数据本身的特征进行分类5。最后从分类数据中获得湿地水体数据。 2 实例研究 2.1 研究区概况 洽川湿地位于陕西关中平原东部的合阳县境内，面积 1

9、28km2，地处黄河中游秦、晋交汇处，洽川湿地南北长 10km，东西宽 2-4km。研究区遥感图见图 1。 2.2 结果分析 使用上述研究方法，使用 ENVI 软件进行操作，获得当期研究区的湿地水体数据。见图 2。 通过对图 2 的分析，可以看出：洽川湿地水体信息包含黄河水体、河漫滩的潜水区域，总计像元个数为 70079 个，面积为 63km2。本方法的优点在于，针对本研究区域的遥感数据，可以将黄河水体、湿地浅水和内陆湖泊提取出来。同时能够排除河漫滩无水区、植物、荒地、建筑物等信息对水体的干扰，水体提取效果较好。 3 结语 基于遥感数据的融合技术，本文研究了融合缨帽变换数据和主成分变换数据的非

10、监督分类方法，并应用于洽川湿地水体数据的提取之中。由于地物信息的复杂性，每种方案都有各自的适用范围，其参数有所不5同。研究表明：针对本区域的本期数据，此方法可以比较好的提取湿地水体信息，同时克服河漫滩无水区、植物、荒地、建筑物等信息对水体的干扰，水体提取效果较好。 参考文献： 1杨永兴.国际湿地科学研究的主要特点、进展与展望J.地理科学进展，2002，21（2）：111-120. 2于欢，张树清，李晓峰，等.基于 TM 影像的典型内陆淡水湿地水体提取研究J.遥感技术与应用，2008，23（3）：62-67. 3张倩，李国庆，于文洋.基于 MODIS 数据的水体提取算法研究与实现J.南水北调与水利科技，2009，7（3）：51-54. 4林川，宫兆宁，赵文吉.基于中分辨率 TM 数据的湿地水生植被提取J.生态学报，2010，30（23）：6460-6469. 5赵英时.遥感应用分析原理与方法M.北京：科学出版社，2013：60-69.