1.2 国内外研究现状

从遥感影像中提取植被信息的方法有很多种,比如归一化植被指数(NDVI ) 与波段组合法、原始波段合成法、HIS 变换融合法、植被指数(VI)提取法以 及基于知识库分类法的植被提取、分级分类提取法等其他植被提取方法。其中原 始波段合成法和植被指数法是植被信息提取中使用相对较多的方法。在原始波段 合成法中,一般是利用人自身的经验来定性分析,并选择出满足信息提取条件的 波段数据。如 Landsat7 的 TM4(近红外波段)、TM3(红色波段)和 TM2(绿 色波段)都可以适当反映植被信息。所以植被覆盖的遥感解译通常采用 RGB432 彩色合成[5]。马明国等人通过目视解译方法来提取金塔绿洲植被等信息就是利用 TM 影像的 432 原始波段合成法,景观格局的变化情况也被他们研究了出来。 由此可见这种方法还是能够较好地用于植被信息得提取。除去波段包括信息量的 多少和波段间关联性的深浅,这个方法的优点便是能够直接组合使用[6]。提取的 植被信息精度较低是它的缺点。文献综述

在植被指数提取法中,广泛的使用植被指数可检测植被覆盖度极其发展状 况。国内外专家研究表明在遥感影像植被提取和分类中,植被指数法可达较高精 度。VI 是指在 0.65µm 处植被的叶绿素会进行强吸收,并利用红外与近红外波段 的线性组合或比值来显示植被的信息状态。差值植被指数 (DVI)、归一化植被 指数 (NDVI)、绿度植被指数(GVI)、比值植被指数 (RVI) 、垂直植被指数(PVI) 等都是很常见的植被指数。为了消除外在因素的影响,以不同形式组合各波段反 射率便是这些指数法的关键。一些特殊的遥感应用便需要这些波段比值指数或线 性组合。差值植被指数又被称作环境植被指数 (EVI),因为其对变化的土壤背 景的敏感度,而被经常用于植被环境检测。它对于植被生态环境的监测很有利。 NDVI 经常被用来研究区域和全球植被状态,相对来说,它不管对低密度还是高 密度植被覆盖都较为敏感。太阳辐射、大气辐射、环境辐射影响了辐射亮度,而 各波段辐射亮度值的加权和决定了 GVI,所以外界条件对 GVI 的影响很大。RVI 方法只适用于植被覆盖浓密的影像,而且其很容易受大气的影响。PVI 有一点同 RVI,遇见稀疏的植被覆盖时,近红外辐射减小,红波段辐射增加,并不能进行 监测[7]。研究表明,NDVI 是最优先考虑的遥感监测指数。赵鹏祥等人用了差值 运算、植被指数、密度分割三种影像增强方法进行了比较,证明了植被信息提取 用植被指数进行效果较好。

为了提取植被信息,也可用很多常见的遥感影像分类方法。20 世纪 80 年代, 统计模式识别方法进行计算机分类遥感图像很常见。它是利用影像里地物光谱特 征来分类影像中,主要被分为非监督分类和监督分类。非监督分类是指人们只借 遥感影像上地物光谱特征的分布规律,而对分类过程不提前加以任何先验知识。

ISODATA 算法聚类和 K-均值聚类法分析是常见的算法。马飞虎等利用实际数据 的试验并实现了海底底质分类,这些都是在 ISODATA 算法基础之上的[8]。监督 分类也叫训练分类法,它是一个未知类别像元被样本中已知类别像元识别出的过 程。训练区里的像元便是被确认类别的样本像元。在它当中最常用的方法有最大 似然法。王琳等人为了解译出盐城市不同时期的土地利用图,用了最大似然法识 别并提取植被信息。这样做很大程度上避免了“混合像元”的不确定因素,并且 降低了“异质同像”的误判率[9]。

20 世纪 90 年代后,出现了决策树分类法、多源信息融合分类法、面向对象 分类法等大量遥感图像分类方法。利用整体数据集从上往下逐级细分来模拟人工 分类过程的一种分类方法便是决策树分类法。杨曦光等利用 SPOT 5 卫星数据, 以山东省荣成市镆铘岛为例,探讨了基于决策树方法的海岛土地利用类型的遥感 分类,得到了较好的分类结果[10]。来!自~优尔论-文|网www.youerw.com

上一篇:高分影像水体提取的方法研究
下一篇:基于MODIS的土地利用覆盖变化检测

汽车服务行业基于B2B3.0模式的供应链服务

基于多案例分析法的跨境...

基于4I理论的网络营销策略...

基于互联网+的医疗旅游发...

老年人性犯罪的原因探析基于AGIL模型的分析

基于新媒体的社交关系对企业的影响和建议

社区化跨境电商口碑营销研究基于AISAS模式

LiMn1-xFexPO4正极材料合成及充放电性能研究

麦秸秆还田和沼液灌溉对...

互联网教育”变革路径研究进展【7972字】

ASP.net+sqlserver企业设备管理系统设计与开发

老年2型糖尿病患者运动疗...

新課改下小學语文洧效阅...

网络语言“XX体”研究

我国风险投资的发展现状问题及对策分析

张洁小说《无字》中的女性意识

安康汉江网讯