面向?qū)ο蟮倪b感產(chǎn)品尺度轉換與不確定性分析.pdf

1、近年來隨著遙感應用的不斷發(fā)展,出現(xiàn)了大量不同種類的遙感數(shù)據(jù),由此引發(fā)的數(shù)據(jù)集成應用困難、多源數(shù)據(jù)同化不對應等諸多問題阻礙了遙感學科的發(fā)展,而造成這些問題的關鍵——數(shù)據(jù)間的尺度差異也成為了研究熱點。關于遙感數(shù)據(jù)的尺度研究一般分為尺度轉換與尺度效應兩部分,早期的尺度研究大多是基于像元級別的,僅僅考慮了地物的光譜信息而忽略了由像元組成的對象間的空間結構形態(tài)特征。并且目前對于面向?qū)ο蟮挠跋穹治龃蠖嗤Ａ粼谛畔⑻崛‰A段,對于提取之后的面向?qū)ο筮b感數(shù)

2、據(jù)應用較少。針對這方面研究存在的不足,本文以黑河流域的綠洲區(qū)作為研究區(qū)域,利用其地面實測數(shù)據(jù)、高分辨率TM影像數(shù)據(jù)及中低分辨率的地表特征參量產(chǎn)品(MODIS葉面積指數(shù)產(chǎn)品(LAI)與國產(chǎn)FY-3溫度日產(chǎn)品(LST)),建立了一種面向?qū)ο蟮某叨绒D換模型,將地表特征參量的實測數(shù)據(jù)與不同尺度下的遙感數(shù)據(jù)有機結合,通過面向?qū)ο蟮男畔⑻崛》椒ń匚镱悇e信息的多尺度層次網(wǎng)絡,利用與地表覆蓋類型相關的某一中間參數(shù)將地表特征參量與影像對象聯(lián)系起來

3、,實現(xiàn)特征參量的對象化,從而完成面向?qū)ο蟮某叨绒D換。并利用實驗結果通過數(shù)據(jù)擬合、對比分析,進行以對象為基本單元的尺度效應與不確定性分析,主要研究成果包括:
　　1、本研究采用區(qū)域生長算法,通過設置不同分割參數(shù),確定對象最優(yōu)分割尺度,實現(xiàn)遙感圖像的多尺度分割,獲得了不同尺度下的對象層次體系。并利用數(shù)學模糊分類方法在不同尺度對象層中提取地物信息,實現(xiàn)了面向?qū)ο蟮男畔⑻崛『陀跋穹诸?完成了本研究過程中的對象生成階段。根據(jù)混淆矩陣得到其K

4、appa系數(shù)為0.7944,整體分類精度為0.8698,取得了較好的面向?qū)ο蠓诸惤Y果。
　　2、結合地面實測的點狀數(shù)據(jù)和不同尺度下衛(wèi)星的面狀數(shù)據(jù),構建了面向?qū)ο蟮倪b感數(shù)據(jù)尺度轉換模型。首先,利用遙感數(shù)據(jù)獲取了中間參數(shù)(NDVI與地表比輻射率),并基于中間參數(shù)反演地表特征參量(LAI和LST),實現(xiàn)了特征參量的對象化。在LAI的反演過程中,采用兩次回歸分析實現(xiàn)實測點與衛(wèi)星面狀數(shù)據(jù)的擬合,使得反演結果與地面實測數(shù)據(jù)相關性達0.955,

5、提高了衛(wèi)星數(shù)據(jù)的反演精度;其次是計算大尺度下的點狀數(shù)據(jù)(MODIS LAI和FY-3 LST)與小尺度下面狀影像區(qū)域(TM影像)的對應關系,通過對象間合并實現(xiàn)地表特征參量的數(shù)據(jù)聚合完成面向?qū)ο蟮某叨绒D換;LAI和LST的尺度轉換結果與其大尺度遙感產(chǎn)品相關性分別為0.688和0.380,依據(jù)兩者結果的差異對面向?qū)ο蟪叨绒D換方法的普適性及不足進行評價與分析。
　　3、在面向?qū)ο蟮某叨绒D換過程中,不同分割參數(shù)得到的分類結果不同,不同分類

6、結果反演得到的特征參數(shù)值分布不同?？紤]到在影像分類、尺度轉換、幾何對應性三個過程中都存在誤差及不確定性,本文利用簡單的實驗過程模型,分析了地物對象在尺度變化前后的不確定性。
　　綜上所述,本文通過基于地物類別反演的方式結合面向?qū)ο笮畔⑻崛》椒▽崿F(xiàn)了針對地表特征參量的面向?qū)ο蟪叨绒D換。并根據(jù)LAI與LST的尺度轉換實驗分析了其過程中各階段尺度效應及轉換結果的不確定性,對于實現(xiàn)多源遙感數(shù)據(jù)同化、遙感產(chǎn)品真實性檢驗以及普適性的尺度轉換方