基于RS和GIS的岩溶石漠化恶化趋势定量预测——以广西都安瑶族自治县典型岩溶石漠化地区为例

以广西壮族自治区都安瑶族自治县典型岩溶石漠化地区为例,以1999年和2009年获取的两个时相的TM数据为数据源,以遥感(RS)和地理信息系统(GIS)为技术手段和平台,以碳酸盐岩类型、土地利用类型、岩溶地貌类型、地形坡度和人口聚居密度为石漠化恶化的影响因子,运用层次分析—确定性系数(analytical hierarchy process-certainty factor,AHP-CF)法计算待预测区的石漠化恶化易发指数(rocky desertification deterioration index,RDDI),以RDDI为参数实现岩溶石漠化恶化趋势的定量预测。预测结果可为制定有前瞻性和针对性的岩溶石漠化地区生态环境保护和恢复规划提供科学依据,有利于推进石漠化防治工作的进程。     

桂林城市地面岩溶热蚀沉降遥感预测

通过对Landsat热红外波段TM6、近红外波段TM5和可见光波段TM1的综合信息图像处理，结合丫吉村岩溶水文地质试验场土层下石灰岩蚀随气温变化数据以有1987－1996年10年内桂林城市气温观测数据，发现城市热岛效应会对处于特殊岩溶地质环境中的桂林市造成一种特殊影响－－城市地面整体岩溶热蚀沉降。在此基础上，建立了桂林城市岩溶热蚀沉降动力学模型和发展演化模型，从而为开展基于t－GIS的桂林城市地面整体岩溶热蚀1沉降定量预测提供了理论与技术依据。     

都安石漠化趋势遥感分析与预测

通过遥感技术在广西都安县石漠化预测分析研究中的应用 ,讨论了应用遥感技术圈定石漠化区域与遥感地质填图的异同 ,提出了“对石漠化区域的确定也就是对满足条件DR∈DC∩DV区域的确定”的数学分析结论和两种提取石漠化遥感影像信息方案 :一种是以石灰岩波谱特性和热性质参数为基础 ,直接从TM像元亮度 (或灰度 )数据中提取石漠化影像信息的方案 ;另一种是以植被波谱影像模型和图论为基础 ,通过对DC 与DV影像区域的图形关系逻辑运算 ,间接提取出裸露石灰岩分布区域的整体图形信息 (即边界线信息 )的方案。通过试验区 1991年和1998年两种TM时相的 30× 2种像元分析法试验 ,确定出以TM6波段图像为中心波段的最佳假彩色合成增强处理方案。将此方案用于对都安县全区 1991年和 1998年两种时相的TM图像处理 ,获得了“都安地区石漠化范围正在扩展 ,而这种扩展与当地人类活动加剧有关”的研究结论。     

峰丛洼地遥感图像山体阴影缺失的克里格修复

为了解决岩溶区峰丛洼地遥感图像山体阴影区域信息“缺失”的问题,以广西壮族自治区平果县果化镇生态重建示范区典型峰丛洼地的遥感图像为例,利用地统计学的方法分析了ETM图像B3,B4,B5波段的灰度值(digital number,DN)结构特征,对3个波段阴影区域的DN值进行了修复与验证.结果表明:研究区峰丛洼地3个波段的DN值主要受内在因子的作用,有显著的空间自相关性,自相关距离都在360 m以上;各波段验证值与修复值之间都具有极其显著的相关性,平均相对误差均在0.2％以下,具有较高的修复精度;峰丛洼地山体阴影缺失信息的修复可为岩溶区生态环境监控、石漠化评估等遥感解译精度的提高提供参考.     

岩溶石山地区石漠化遥感调查技术方法研究

应用卫星TM数据,通过石漠化波谱曲线分析,选择样区进行校正、监督分类、矢量化和数据转换,实现石漠化图斑的计算机解译。     

陆地卫星五号TM图像系统纠正产品的几何精度分析

为了鉴定陆地卫星5号系统纠正TM图像产品的精度,我们以1:5万地形图为基准,对四景TM图像作了精度分析。结果表明,系统纠正后的TM图像产品,内部几何精度相当好,有较小的旋转、比例误差。采用一阶多项式即可建立TM图像和地形图之间的几何关系,其误差为1个像元左右。TM图像的大地绝对误差,可通过将整个TM图像沿x,y方向平移的方法来加以校正。     

遥感植被指数增强石漠化信息研究

由于石漠化与植被指数具有明显的相关性,选取RVI、ERVI、NDVI、PNDVI、EVI、GEVI六种遥感植被指数,利用"植被指数特征+欧氏距离+混淆矩阵"的方法对遥感植被指数增强石漠化信息的效果进行了研究.通过植被指数特征分析和欧氏距离评价了6种植被指数在不同石漠化程度之间的区分能力,并基于混淆矩阵验证了6种植被指数增强石漠化信息的有效性.结果表明,GEVI区分不同石漠化程度的效果最好,分类精度最高为85.15％,Kappa系数为0.7959;PNDVI和NDVI也表现出一定的优势.利用"植被指数特征+欧氏距离+混淆矩阵"的方法可筛选出最优的植被指数,能显著提高石漠化提取效果.该方法不仅适用于岩溶地区,在荒漠化地区同样具有借鉴意义.     

江苏近海岸水深遥感研究

以江苏近海辐射沙脊群海域为典型研究区,通过实测水深数据和水体光谱测量与分析,发现对应TM3和TM4波段的水体光谱反射率对水深信息敏感,线性相关系数分别达到-0.561和-0.694。结合多光谱遥感信息传输方程所推导出的水深信息对数反演模式,针对本研究区TM4和TM3波段数据所建立的水深预测模式的复相关系数R2为0.4793,对0-15m水深,预测水深和实测水深之间拟合较好。利用TM5波段反射率、出露沙洲反射率以及海水反射率的差异,通过建立掩膜图像,可较有效地对TM遥感图像进行水陆分离,提取TM图像中海水部分,进一步可通过常用的图像处理软件绘制每隔5m的TM水深遥感制图、等深线图。随着高空间、高光谱、高辐射分辨率遥感技术的发展,对浅海水域的水深和水下地形进行遥感探测的技术方法和应用将会不断地深入开展。     

模式识别技术在贵州岩溶山区土地利用现状调查中的应用

本文主要介绍如何利用TM图像和计算机模式识别技术,对我国南方一个地类多、地块小而分布零散的岩溶山区的土地利用现状进行调查的方法和结果,并简介了提高计算机模式识别精度的几个措施。通过工作,建立了相应的土地管理信息系统,并对调查结果进行了对比验证,证明调查精度能满足要求。     

SAR和TM图像主成分变换融合中不同主分量替换的比较

常用的主成分变换融合方法是将一种遥感图像数据代替主成分变换后的第一主成分并进行反变换,从而得到融合信息的方法。但是,信息量较高的第一主成分被替换,往往造成一定的信息损失。本文对TM2、TM3、TM4、TM5和TM7进行主成分变换,然后用RadarsatSAR影像分别替换各主成分,并对其进行反变换。研究表明,与替换第一主成分或原始图像相比,替换第四和第五主成分的结果在信息量上有很大提高,且信息增强,类别间分离度增大,分类精度提高。但是,替换第四、第五主成分的融合结果相差不大.     

基于Landsat TM数据的东平湖水体提取方法研究

文章以东平湖LANDSAT TM影像为例,根据影像各波段间的相关性以及地物在影像上的灰度差异,分别采用单波段和多波段阈值法对影像上的水体进行提取.在此基础上,结合(TM2 +TM3)-(TM4 +TM5)设定阈值和TM5单波段阈值法,提出了一种综合水体提取的方法,最后,对各方法提取的结果进行精度评价.试验结果表明:综合提取法在该研究区域具有较好的水体提取效果,极大地改善了原始单一方法的水体提取精度.     

基于波谱角分类法的沙化信息提取研究——以毛乌素沙地典型地区为例

以毛乌素沙地典型地区为例,以CBERS2、Landsat5 TM、SPOT5及 TM与SPOT5融合影像作为基本数据源,使用波谱角分类法对 该区流动沙地、半固定沙地、固定沙地和沙化耕地进行信息提取,探索和比较该方法针对不同传感器遥感影像的沙化信息提取精度 。对本研究区,不同传感器影像的沙化信息提取精度均在80%以上,其中融合影像的沙化信息提取精度最高为90.13%,SPOT5次之, 而CBERS2和TM对不同类型的沙化信息提取各有优势,但CBERS-2信息提取的精度要高于TM。这说明使用波谱角分类法提取的结果精 度与影像空间分辨率有正相关关系,即空间分辨率越高,沙化信息的提取精度也越高。     

Radiometric Correction of Multispectral Images Using Radon Transform

Satellite imagery analysis has played a key role in environmental monitoring and modeling over the past few decades. Remotely sensed multitemporal, multisensor data are often required in Earth observation applications. A common problem associated with the use of multisource image data is the gray value differences caused by non-surface factors such as different illumination, atmospheric or sensor conditions. Radiometric corrections serve to remove the effects that alter the spectral characteristics of land features, except for actual changes in ground target, becoming mandatory in multi-sensor, multi-date studies. This paper presents methodology for correction of Landsat TM images in Radon domain. We propose radiometric correction using Radon Transform based regression method. The transform domain method statistically determines correction values based on contrast between spectral properties of various homogeneous areas. TM band 1 is the band most affected by atmospheric scattering whereas TM band 5 is less affected by atmospheric scattering effect. Hence TM Band 5 is taken as the reference image. Results are assessed statistically and compared with results of popular spatial domain Regression Line Method. The application of the methods for vegetation analyses is also shown in this paper. Test results show that the method gives improved results in removal of atmospheric influence.     

Enhancing group resolution of TM6 based on multi-variate regression model and semi-variogram function

It is well known that Landsat TM images are the most widely used remote sensing data in various fields. Usually, it has 7 different electromagnetic spectrum bands, among which the sixth one has much lower ground resolution compared with the other six bands. Nevertheless, it is useful in the study of rock spectrum reflection, geo-thermal resources exploration, etc. To improve the ground resolution of TM6 to the level as that of the other six bands is a problem. This paper presents an algorithm based on the combination of multi-variate regression model with semi-variogram function which can improve the ground resolution of TM6 by “fusing” the data of other six bands. It includes the following main steps: (1) testing the correlation between TM6 and one of TM1-5, 7. If the correlation coefficient between TM6 and another one is greater than a give threshold value, then select the band to the regression analysis as an argument. (2) calculating the size of the template window within which some parameters needed by the regression model will be calculated; (3) replacing the original pixel values of TM6 by those obtained by regression analysis; (4) using image entropy as a measurement to evaluate the quality of the fused image of TM6. The basic mechanism of the algorithm is discussed and the V C++ program for implemeting this algorithm is also presented. A simple application example is given in the last part of this paper, showing the effectiveness of the algorithm.     

基于遥感和GIS的三江平原农业景观空间格局与土地利用变化研究

 在遥感和GIS技术支持下，运用景观生态学的基本理论与方法，结合土地利用/土地覆被变化特征，通过分析景观类型的斑 块大小、数量与形状特征以及主要景观要素间的转化关系，定量反映了1996~2000年三江平原景观数量结构与空间格局的变化。研 究表明，该时期人类活动的强度较大，耕地面积显著增加和林地、沼泽湿地面积逐渐减少相对应，林地、草地和沼泽湿地向较分散 小块分布发展，景观整体呈现破碎化的趋势。     

基岩裸露区蚀变岩遥感信息的提取方法

笔者利用与金属矿化相关的蚀变岩的TM多波段图像像元亮度值曲线的双峰特性(TM3和TM5为高值),以柳沟峡地区为样区,进行了提取蚀变岩遥感信息的方法研究,改进了Crosta信息提取方法,认为用TM1+TM2、TM4/TM3、TM5、TM7组合进行主分量分析所获得的蚀变岩遥感异常图效果最佳。将该方法用于北祁连山西段,疏勒河以东9000km2区域内蚀变岩遥感信息提取,其结果是：在103处已知矿产地中的86处有蚀变岩遥感异常信息显示,符合率达83.5%,进而预测了找矿靶区115处。     

几种TM影像的水体自动提取方法比较

本文对几种常用的TM影像水体方法进行论述,并提出了两种水体自动提取方法,一种是将TM2+TM3>TM4+TM5的谱间关系法与IHS彩色空间构建模型相结合提取水体;另一种是基于卫星图像数据的LBV变换与归一化植被指数NDVI的遥感影像水体信息自动提取的方法。并通过实验比较几种方法的优点和缺点,IHS彩色空间构建模型的方法可以有效地提高细小水体提取的精度,LBV变换与NDVI相结合的方法可以准确地区分水体与低密度覆盖的水植混合区。     

Enhancing group resolution of TM6 based on multi-variate regression model and semi-variogram function

［1］Castleman K R.Digital image processing.Englewood Cliffs,NJ:Prentice Hall,1996 ［2］Carr J R,Miranda F P.Spectral and texture classification of single and multiple band images.Computers & Geosciences,1996,22(8):849～865 ［3］Chen S P,Zhen W.Conciseness of remote sensing mineral resources exploration.Science and Technology Publishing House,1994(in Chinese) ［4］Costanitini M,Farina A,Zirilli F.The fusion of different resolution of SAR images.Proceeding of IEEE,1997,85(1):139～146 ［5］Dong Q,Fang H L.The use of variogram in remotely sensed images.Journal of Remote Sensing and Application,1997,12(1):7～13(in Chinese) ［6］De Jong S M,Burrongh P A.A fractal approach to the classification of Mediterranean vegetation types in remotely sensed images.PE & RS,1995(61):1 041～1 053 ［7］Fang H L,Qian G H.Fusion of ADEOS-AVNIR panchromatic and multispectral image data using principle component analysis.Journal of Remote Sensing and Application,1998,13(3):48～53(in Chinese) ［8］Franklin S E,Wulder M A,Lavigne M B.Automated derivation of geographic window size for use in remote sensing digital image texture analysis.Computers & Geosciences,1996,22(6):665～673 ［9］He J G,Zhu C G.Methods for data fusion between satellite-boarded SAR and multi-satellite remote sensing.Journal of Earth-science Information,1997 (16):29～33(in Chinese) ［10］Jia Y H.A data fusion method for spatial resolution enhancement of remotely sensed multi-spectral images.Journal of Remote Sensing and Application,1997,12(1):19～33(in Chinese) ［11］Jin G L,Qiu Z C.A research on information amount of multi-spectral images.Acta Geodaetica et Cartographica Sinica,1992,21(2):101～107(in Chinese) ［12］Kang Y H.Theories of data fusion.Xi‘an:Xi‘an Electronic University Press,1997(in Chinese) ［13］Li H,et al. Multi-sensor image fusion using the wavelet transform.Graphical Models and Image Processing,1995,27(3):235～244 ［14］Liu J G.Digital image processing of remotely sensed imagery data.Imperial College of Science,Technology and Medicine,1997 ［15］Liu J G,McM J.Moore:Pixel block intensity modulation: adding spatial detail to TM band 6 thermal imagery.Int.J.Remote sensing,1998,19(13):2 477～2 491 ［16］Lou Z,Zhu C G.Multi-variate statistics fusion of TM images.Journal of Aero-computational Technology,1998,28(3):40～42(in Chinese) ［17］Peng W N.Statistical methods for geo-data processing.Wuhan:Wuhan College of Geology,1983(in Chinese) ［18］Richard J R.Remote sensing digital image processing.an introduction,Berlin:Springer-Verlag,1999 ［19］Wang R S.Image understanding.Changsha:National Defense University Press,1995(in Chinese) ［20］Winkler G.Image analysis.Random Fields and Dynamic Monte Carlo Methods (A Mathematical Introduction),Berlin:Springer-Verlag,1995