《土地利用遥感》-课件设计(公开).ppt

假设差值图像上取像元领域边长为2w+1。 △（i,j）=△G（i,j）－m　　m为△G图像的平均或中值 计算像元领域内的明度总值b(i,j)或暗度总值d(i,j) 经过明暗充填后的像元值D(i,j)为 像元窗的大小，即w大小需凭经验而定。小对较窄小地物有效，大可对较宽大地物有效，但也可能造成真实变化区的损失。 　不同时相合成图像的主成分分析法 　尽管将不同时相图像合成后可以进行多种变换，目前较为流行的是主成分分析法。 Richards首次使用这一方法是基于一种假设，即两个时相间的土地覆盖变化较小。他使用了两幅陆地卫星MSS影像，8个波段。当进行主成分分析时，发生变化的区域会在较次要的一两个主成分变换图像上反映出来，然后再采用对该图像进行阈值操作即可找出变化区。 冯通将这方法运用于TM图像得到相似的结论。这种方法的优点是将多渡段信息的变化变换集中于一两个主成分图像上，以方便对变化信息进行监测，但由于主成分变换使得到的主成分图像失去了原有各波段的物理意义。因此，有时还需要参考差值或比值图像来分析土地变化的因果关系。对合成图像应用主成分分析，有时候仍无法确定变化信息到底存在于哪个次要主成分图像中。 因此，Gong提出了另一个简单的方法，以确保变化信息集中反映在第一主成分中，以便于探测变化。这种方法的基本步骤为： (1)先对同波段不同时相的图像求差值图像 (2)对差值图像进行主成分变换； (3)在第一主成分图像上确定变化区域。 4 应用实例 4.1 全球1公里空间分辨率土地覆盖数据库的开发 进入二十世纪八十年代，随着全球环境变化研究的深入，人们越加认识到土地覆盖、土地利用及其变化对全球自然环境，特别是对气候的影响。在总结前人有关全球土地覆盖土地利用工作的基础之上，人们发现在现有的各种有关全球植被和土地覆盖分类图之间无论是类型还是数量均存在着相当大的差异。造成这些差异的原因是多种多样的，既有资料来源的不同，又有分类系统的不同和时间上的差异等。显然全球土地覆盖数据的现状不能满足全球变化尤其是气候变化研究的需要。利用卫星遥感资料，开发研制全球土地覆盖数据库的计划正是在这样的背景下产生的。 全球土地覆盖数据库的开发分为两阶段进行。 第一阶段为全球范围内卫星遥感数据的接收、处理和存档。从1991年起，在IGBP的组织协调下，由几十个国家参与对世界各地1992年4月至1993年3月间的美国NOAA极轨气象卫星数据进行接收和预处理。再由美国地球资源观测卫星数据中心对每日的NOAA／AVHRR的图像进行轨道拼接、辐射订正、几何校正、和大气校正。并将每10天的图像进行合成，制作以10天为间隔的合成图，以消除云的影响。 最终的数据产品包括了从AVHRR的5个光谱波段和有关卫星一地面—太阳之间几何关系的4个参数以及合成数据中每个像元所对应的影像获取日期。这样一套高质量的全球陆地1公里空间分辨率的卫星数据为全球土地覆盖数据库的开发提供了必要的和宝贵的基础资料。 第二阶段自1994年起至1997年共持续三年多时间。由美国内务部国家地质调查局的EROS地球资源观测卫星数据中心和美国内布拉斯加大学的科学家主持合作，并与美国航空航天总署(NASA)、美国国家环境保护署(EPA)、美国农业部森林服务局、联合国环境规划署，欧洲联盟共同研究中心以及其它机构合作，首次开发研制了全球1公里空间分辨率土地覆盖数据库。 全球1公里空间分辨率土地覆盖数据库特点 ①全球土地覆盖数据库分类系统 全球1公里土地覆盖数据库的分类系统不同于传统的土地分类系统。考虑到这一数据库用户的多种需要和广泛的应用领域，研制者没有预先制定某种固定的分类系统，而是采用了前述的“灵活土地覆盖分类”策略。 根据遥感数据本身和其它辅助数据，利用非监督分类和反复的人机交互解译分析划分出“基本土地覆盖类型单元”——季节土地覆盖单元。这种季节土地覆盖单元可以根据区域特点和不同的应用需求进行逐级归并，并纳入不同的分类系统中。这种灵活土地覆盖数据库可以满足多种不同研究和应用目的的需要。 ②全球土地覆盖数据库的基本要素 全球1公里空间分辨率土地覆盖特征数据库包括以下基本要素： A)土地覆盖类型及描述； B)季节特征，包括地物光谱和植被指数的时间序列；如季节反照率，绿度开始、峰值、绿度期等； C)地理环境要素，包括地形、高程、所处地理生态区。 全球土地覆盖数据库共包括961个季节土地覆盖单元，以及以此为基础推导出的7种全球土地覆盖分类图。这7种图的土地分类系统是近年来全球变化研究中经常采用的分类系统。季节土地覆盖单元是有关全球土地景观特征的基本单元，而其它10种分类系统是将基本单元归入到某一统一的全球分类系统中，以揭示出全球土地覆盖总体分布特征。 根据全球土地覆盖数据库，全球陆地的总面积约为145