常见卫星数据格式及其处理方法.docxVIP

landsat 【数据准备】 波段选择 各土地利用类型信息的提取与地表植被的覆盖状况有很大关系，不同的利用类型有其特有 的植被覆盖特征，因此波段选择应选定对绿色植被有较好反映的波段。根据作物种植面积提取 的需要，为在影像上突出不同的作物系，应选择对作物信息比较敏感的波段。 时相选取 选择适宜的时相，首先可以强化目标植被信息，其次可以提高与土地利用变化关系的显著 性，第三可以弱化其他因子的干扰，从而降低遥感信息中的不确定性，在信息的处理和订正方 面减小难度。 耕地主要是种植农作物的土地，根据我国北方农作物种植的物候特征及以往对研究区耕地 各种农作物物候历的分析，认为依据冬小麦光谱信息进行耕地信息提取最为适宜，中国北方冬 小麦生育期从前一年9月至第2年6月，在此期间，绝大部分冬小麦种植区，有一个草木枯黄 的时期。因此，提取耕地信息最适宜的时相是11月中旬到12月中旬和第2年3月上旬至4月 上旬2个时间段。 Landsat数据预处理 遥感影像预处理的主要目的是对图像中无关的信息进行消除，恢复可用的真实信息，最大 限度地简化数据，增强可用信息的可检测性，从而改进特征识别，提高提取的可靠性。 我们可以下载到的Landsat影像多数为一级产品，数据格式多为经典的TIFF格式（其中包 括多个波段和影像文件，一个质量评估文件和一个TXT格式的元数据，质量评估文件主要包括 传感器的运行环境参数，元数据包含拍摄时间，太阳高度角，经纬度等信息）。 在针对landsat数据进行研究时，需首先对其进行几何校正，经过波段合成得到合成数据， 然后对研究区的景影像镶嵌得到覆盖研究区区的完整影像图，通过裁剪获得研究区影像，最后 将合成的数据与全色波段数据融合，获取空间分辨率较为精确的影像。 【增强处理】 波段合成 波段组合不仅可以扩展地物波段的差异性，表现差异显示的动态范围，还可以扩展肉眼观 察的可视性，提高地物的可判读性，使判读结果更为科学合理。土地利用现状信息提取与地面 覆盖特征有很大的关系，考虑到绿色植物的光谱特性，进行研究时遥感影像多数选择R、G、B 波段合成的图像（类似于彩色红外图像，是一种标准假彩色图像），它的地物丰富、鲜明、层次 好，可用于植被分类、识别，植被显示红色。R、G、B波段合成的图像适用于农业，植被类型 较丰富，对裸地信息进行增强，可以与有作物的耕地区分。 反差增强 目前的研究多采用ENVI软件进行遥感影像的处理，ENVI软件系统内部在打开遥感影像时 会自动进行了细微的线性拉伸，经过拉伸处理后，遥感影像合成的假彩色图像加大了地物差异， 层次更加分明，更易于识别土地利用信息。 3.3图像融合 对影像进行融合增强处理可以使图像的目视效果达到最佳，方便正确提取耕地信息。由于 Landsat数据中全色波段Band8的空间分辨率是15m，其余波段空间分辨率是30m，为了能够使 两者进行融合，在融合前，必须将空间分辨率30m的影像重采样成空间分辨率为15m的影像后 再进行影像的融合。 【信息提取】 目视解译 Landsat数据为中等分辨率影像，进行数据融合后，影像的空间分辨率达到较高水平，能 够看清很多影像上显示的地物外廓，这时我们可以通过解译标志和地理知识，结合资源信息专 题类型提取标志，直接在影像图上对各种体表特征进行识别和分类解译，在屏幕上进行地物勾 画，取得耕地的矢量图。目视解译的方法有着较高的精度，但是往往会浪费大量的时间和人力。 非监督分类 根据目视解译的初步判断，我们可以将地物分为耕地、林地、裸地、水体、城乡建设用地、 道路用地、未利用地和其他等种类。在实际的分类过程中，由于耕地包含了水田、水浇地、旱 地等多种用地类型，因此影像上表现为麦田、裸露沙地以及水稻田等不同的光谱特征，适宜采 用人机交互式的非监督分类，设置较大数目的分类类别，对得到的分类结果对比相应的土地详 查变更土地利用现状图进行逐步分类，同类的进行合并，减少分类类别，直至获得理想的分类 结果。目前的研究多采用ENVI非监督分类ISODATA (重复自组织数据分析技术)法°ISODATA 法首先对数据空间中均匀分布的类均值计算，然后用最小距离技术迭代聚合剩余像元，均值在 每次迭代时都重要新计算，并由所得的新均值对像元再分类。 监督分类 进行监督分类时可采用ENVI软件中监督分类的波谱角分类法。波谱角分类法以物理学为基 础，通过对终端光谱向量和像元的矢量在n维空间中的角度进行比较，把像元分配到相应的区 间，角度值的大小决定了分类的精确与否。为了保证分类的精度，在选取样本前，应先对Landsat 数据的波段合成图像进行了投影变化、几何校正、特征变换、光谱增强等处理，并结合耕地的 光谱特征进行训练样区选择，并且训练样区的选择在目标地物面积较大的中心选取。 精度评价 面积精度检验