基于MODIS的LAI时间序列谱的地物分类方法研究.pdf

维普资讯 第3期，总第61期 国 土 资 源 遥 感 No．3，2004 2004年9月 15日 REMOTESENSING FOR LAND RESOURCES Sept．，2004 基于MODIS的LAI时间序列谱的 地物分类方法研究 方墨人，田庆久 (南京大学国际地球系统科学研究所，南京 210093) 摘要：利用MODIS数据所反演的每8d一景，全年共46景的时间序列叶面积指数(LAI)图像，分析江西省不同类 型地物的LAI时间序列谱，并对地物进行分类。首先，利用最小噪声比变换技术(MNF)将噪声从数据中分离；然 后，通过纯净像元指数(PPI)从LAI时间序列谱中提取5类主要地物类型终端单元(Endmember)，从而对地物进行 分类并制图；最后，结合2000年江西省兴国县1：10万比例尺的土地利用／覆盖矢量图对本研究分类结果进行检 验。结果表明，该方法的地物分类精度达到74．45％，其分类方法是有效可行的。 关键词：遥感；MODIS；LAI；地物；分类 中图分类号：TP751 文献标识码：A 文章编号：1001—070X(2004)03—0005—03 本文利用时间序列谱进行地物分类方法的优点 0 引言 是，时间序列谱每一时相的遥感数据都参与了分类， 同时，分类的过程中还考虑到混合像元的分解问题。 叶面积指数 (Leafareaindex，LAI)是生态系统 研究中最重要的结构参数之一。随着季节的变化， 1 研究区概况及数据选择 不同植被类型的LAI值发生变化，而同一区域、时间 序列相同的植被，其LAI具有相似的变化曲线(排除 1，1 研究区概况 区域性病虫害和人为砍伐的影响)。这与高光谱遥 研究区位于长江中下游南岸，处于北纬24。29 感的地物波谱特征相似，即在一定的时间序列内， 14”～3O。044O”。东经 113。3436”一118。2858”之间。 LAI曲线相近或相似的像元为相同的植被覆被。因 该地区处于北回归线附近，四季比较分明，全省森林 此，采用高光谱遥感数据处理分析方法，并利用一定 覆盖率已达50．9％，是我国主要的产林区。具代表 时间系列上MODIS数据产品(CAI)，通过植被时间 性的植被类型为亚热带常绿阔叶林、针叶林、针阔叶 序列谱变化特点，能够对研究区的地物进行分类。 混合林、常绿与落叶阔叶混合林和落叶阔叶林，山顶 关于利用时间序列植被指数进行土地覆被分类 矮林及竹林也很多。另外，还有荒山灌丛草坡、沙地 的工作前人已经做了不少研究¨ 。但一般是通过 植被及草甸植被等。 主成分分析和非监督分类的方法，这 2种方法虽能 1．2 数据资料的选取 利用大部分时间序列谱的信息，但是，前者是先通过 利用2001年MODIS1km分辨率全年数据反演 主成分变换，然后再选取前3个主成分进行分类，往 LAI的数据产品，从2001年 1月 1Et开始，每8d 往会忽略掉一些信息，时间序列谱各时相的信息将 一 幅，共46幅，经过去云处理和空间配准，叠合成一 不会全部应用到分类过程中去；后者用统计方法对 个类似具有46个波段的高光谱遥感影像文件，图像 数据集中的像元进行分类，是通过计算数据空间中 上每一个像元对应46个波段的时间序列谱。为提 均匀分布的类均值，然后用最小距离技术将剩余像 高遥感图像处理可视化效果，本研究将相应的每时 元迭代聚集，这种分类技术的精确性比较小，而且没 相LAI图像的原始值放大1O倍，同时把水体部分的 有考虑混合像元的问题。 值设为254，以便能将其独立地从图像中提取出来。 收稿 日期：2004—02—10；修订日期：2004—04—01