应用ETM+影像分析佛山市绿地信息.pdfVIP

第2期 王 雪：应用ETM+影像分析佛山市绿地信息 43 2．2图像增强处理 目前，以提取植被信息为目标的图像处理方法主要有植被指数法[如归一化差值植被指数 ETM3)。采用NDVI可以有效地消除因地形影响，利于计算机分类。主成分变换是在统计特征基础上的 多维正交线性变换。ETM+图像有8个波段，数据量庞杂，利用主成分变换法进行数据压缩，可充分利 用ETM+图像的丰富信息，有利于提高解译精度。 2．3数据融合 Landsat7所携带的ETM+与TM相比，增加了一个15m的全色8波段，提高了陆地卫星的空间 分辨率和光谱分辨率，可以获得更多的地物波谱信息。本研究采用HLS变换法对ETM+第8波段的全 色影像与多光谱1，2，3，4，5，7等六个波段进行影像融合[6]，融合后可充分利用高光谱分辨率和高空间 分辨率的优势，利于图像目视解译。 先进行彩色合成。按照相关程度所反映的信息特征，可以将ETM+的8个波段分为5组：第1，2，3 波段；第4波段；第5，7波段；第6波段；第8波段。同组之间的相关性较大，不同组之间的相关性较小。 经过试验，采用4，5，3波段合成彩色图像[7]。 再利用彩色空间变换法将数字图像在RGB和HLs两套色彩表示系统之间进行相互转换来完成信 息融合n]。(1)为了使多波段图像和全色波段图像的像元大小相一致，要对多波段图像重采样，使像元大 m变为15 小由30 转换到HI．S空间，其中H分量反映光谱信息，L分量反映纹理信息，S分量反映色彩的饱和度。(3)用全 色波段图像替换经过HLS正变换以后得到的亮度分量L，并与H和S两个分量进行叠加组合处理。 (4)将上步得到的图像再进行HLS逆变换，其中L分量是全色波段图像，并且对H分量和I。分量进行 拉伸处理。 2．4遥感影像自动分类及后处理 本文通过试验选择了先进行非监督分类、然后对非监督分类的分类属性表进行人工解译并确定其 类别属性，后将经人工解译后的非监督分类的分类属性表转化成适用于监督分类的分类模板文件，再执 行监督分类的作业方法。分类目的是将绿地景观同周围地物分开，由于地球上植被的自然覆盖具有规律 性、地带性(水平、垂直)、随机性、不确定性及模糊性的特性，这些特性将给遥感影像的计算机自动分类 带来一定的困难，同样遥感影像获取时的技术手段、信号传递和影像纠正时由于采样方法和纠正模型对 影像在亮度、色调和纹理上的改变及混合像元等问题，均影响计算机的自动分类精度。在这种情况下，本 文采用目视解译、绿地资料、实地勘查相结合的方法来提高分类精度，最终确定分为26类比较符合本研 究的要求。26类中绿地景观有13类，进一步归并后将佛山市绿地划分为5大类型：公共绿地、单位附属 绿地、居住区绿地、防护绿地、农用绿地。 2．5分类精度分析 ETM+影像8波段和4，5，3波段融合后的图像上空间分辨率虽然是15m，但实际上4，5，3波段的 光谱信息没有增加，光谱分辨率仍为30m，理论上小于900 m2的绿地景观多和周围地物构成混合像 元，很难得到清晰的地物特征，给图像的解译带来困难，很难解译。它们主要是：行道树、道路两侧的道路 绿地、部分居住区绿地、小型街头绿地等。由于光谱信息中的同物异谱和异物同谱现象，也导致了分类精 度的下降。这些现象在卫星影像数据中总是占有一定的比例n]。本研究采用常规的分类精度评价方法， 选一组已知的地物作为检验区，将解译结果与参考像元作比较，得出解译精度。研究中以张槎镇农地、佛 山科技学院、中山公园作训练区，精度分别为91．12％，90．23％和89．22％。 3结果与讨论 3．1城市绿地特征分析 城市总体绿地率较高。通过遥感调查得出佛山市区绿地率为31．7％，达到建设部城市绿化规划建