植被覆盖度.docVIP

本文对高分辨率QuickBird 影像的全色波段和多光谱波段进行了各种融合方法的试验。结果表明：Gram-schmidt 变换法和Pansharp 变换法在保持光谱信息方面的能力强于Brovey 变换法、IHS 变换法和PCA 变换法。综合考虑各评价参数，通过视觉效果比较和定量分析可以得出：Gram-schmidt 变换法和Pansharp 变换法能够在提高原始多光谱影像的空间信息的同时尽可能地保持了多光谱影像的光谱信息，尤其以Gramschmidt 变换法对高分辨率QuickBird 影像的融合效果最好。高分辨率遥感影像融合应采用Gramschmidt方法。 本次工作获得的Qu ickb ird 卫星影像数据为预正射产品( O rtho Ready S tandard) , 带有RPC ( Rational Ploynom ial Coeffic ien,t 有理多项式系数)参数。由于工作区为中低山区峡谷区, 因此必须对Qu ickbird原始影像进行正射校正。由于获得的Qu ickb ird 数据为预正射产品, 采用有理函数模型( RationalFunction)[ 2 ] 来对Qu ickbird 原始影像进行正射校正, 即在PC IGeomatica遥感图像处理软件中采用Quickbird单景影像+ RPC + DEM + GCP 的模式, 对Quickb ird原始全色影像进行正射校正。DEM ( D igital E levat ionMode,l 数字高程模型)由数字地形图( DLG) 生成, GCP ( Ground Contro l Po in,t 地面控制点)通过GPS 实测获得。正射校正后的Qu ickbird影像满足1B1万重点调查的精度要求。研究去为山区应进行正射校正。 彩色合成波段组合为红色XS3、绿色XS2、蓝色XS1, 这种自然彩色合成方式比较符合人眼的视觉习惯, 有利于地质灾害目视解译, 然后与全色影像配准, 采用自动融合算法)，PANSHARP( Automatic ImageFusion)进行融合, 并对融合后的影像进行拉伸增强、对比度和亮度调整, 获得分辨率为0. 61m 的彩色校正图像。目的是获得彩色校正图像。配准融合后得到高分辨率彩色影像。 以Matlab为工具, 实现本文快鸟遥感图像的单波段去云处理，本文所提出的基于改进后同态滤波的像素级融合方法对云层实现了很好的去除, 与此同时无云区域地物背景区域的信息也得到了相当不错的恢复, 纹理更清晰。Matlab去云方法。 未经处理的遥感影像数据在几何位置上会存在一定误差。一是传感器误差, 卫星在运行过程中会由于种种原因产生飞行姿势的变化, 从而产生影像的几何畸变; 二是地形起伏引起的误差, 由于原始的遥感影像是采用中心投影方式而获得的, 因此, 当存在地形起伏时, 局部像点会产生位移。数据产生误差的原因，也就是需要正射校正的原因。 生成正射影像的过程就是影像重采样的过程, 对重采样方式和重采样间隔的设定会影响到正射影像的清晰程度。 由于标准等级影像校正采用的GTOPO30 DEM是一个较粗略的全球数字高程模型, 这种高程校正采用的 DEM精度太低,所以不能称为正射校正。对于这种已经过DEM校正的产品来说,如果再次用DEM做校正,不仅不会减少绝对定位误差,反倒会增大绝对定位误差。而对于预正射产品,比较适合进行正射校正,如果利用高质量的DEM、亚米级精度的GCP点和随产品发布的RPC参数进行处理,可以达到很高的定位精度。标准等级影像不再适合正射校正，而预正射等级影像适合进行正射校正。 图像融合一般可以分为像素级融合、特征级融合和决策级融合三级。像素级融合的优点是能尽可能多地保持原始数据, 提供其他融合层次所不能或难于提供的细微信息。主要局限性有: 1、处理的数据量大、实时性差; 2、 数据通信量较大, 抗干扰能力较弱; 3、配准精度要求高, 只能融合同类( 质) 传感器的图像;4、要克服低层次融合传感器原始信息的不确定性、不稳定性和不完全性, 必须在融合时有较高的纠错能力。影像融合简单分类。 常用的植被指数有归一化植被指数(NDVI) , 差值植被指数(DVI) , 比值植被指数( RVI) 和垂直植被指数( PVI )等。这些指数主要是通过将各波段反射率以不同形式进行组合来消除外在的影响因素, 这些线性组合或波段比值的指数满足特定的遥感应用[ 8- 9] 。DVI 绿地研究一般适用于Landsat MSS。RVI 对大气影响敏感, 而且当植被覆盖不够浓密时, RVI 方法的分辨率很弱。对PVI, 由于土壤背景的影 响, 当植被覆盖稀疏时, 红波段辐射增加, 近红外辐射减少,使得PVI 不能很好地提取植被信息, 这一点同于RVI。NDVI