论文部分内容阅读
多平台、多尺度的遥感影像提供了丰富的空间分辨率、辐射分辨率和光谱分辨率,为研究不同尺度下的城市变化提供了丰富的信息源。为了克服单一遥感数据在实际应用中的局限性,充分发挥各种遥感数据的优越性,利用遥感影像融合技术实现影像间信息互补和尺度转换,探讨不同空间尺度下城市植被覆盖度的变化,确定计算最优城市植被覆盖度的空间尺度,为评价城市生态环境状况提供正确参数。在总结国内外遥感影像融合算法研究的基础上,以多尺度多平台遥感影像为数据源,深入地研究了遥感影像融合技术。本文提出了利用直方图匹配和低通滤波对SVR算法改进的SVRFM融合算法,该算法对参与融合影像的波段数没有限制,且无需选择参考波段,计算速度快,且能较好的兼顾光谱保真度和高频信息融入度。此外,提出了基于指数提取的SVRI融合算法和以IHS算法和BT算法为基础提出了IHS-BT融合算法,改进后的算法均较原始算法在光谱保真度和高频信息融入方面有所提高。为了克服不同辐射分辨率遥感影像进行融合时由于影像像元值量化区间不同对融合效果的影响,提出了辐射分辨率规范化方法。该方法在像元值量化区间统一的基础上,将其同乘以相同的比例系数转换到更高辐射变率的量化区间,以减小融合过程由于数据位数取舍而引起的影像信息丢失。同时,还对融合影像是否必需预先进行辐射校正进行了探讨。研究表明,融合前预先进行辐射校正与融合后再进行辐射校正所获得融合影像的高频信息融入度相同,且对融合影像的光谱保真度提高不明显。因此,建议先对影像进行融合后再进行辐射校正,这样即可以减少计算工作量,又可以避免由于辐射校正模型中需要引入大气校正参数而所引起的光谱失真；同时,针对FLAASH等辐射校正模型不能进行全色影像校正的问题提供了新的解决思路。在以上研究的基础上,为了进行不同空间尺度数据的比对,提出了空间尺度统一的转换算法；利用格网法从1：500比例尺地形图提取的不同空间分辨率的植被覆盖度为参考依据,对不同辐射校正水平的植被覆盖度提取精度进行比较分析,确定植被覆盖度提取的最优辐射校正模型。采用NDVI等6种不同的植被指数对多尺度遥感影像分别进行植被提取,并利用GI模型、CR模型和GC模型进行了植被覆盖度估算。通过对实验结果的比较分析确定出利用遥感影像进行城市植被覆盖度估算时,ICM模型为最佳辐射校正模型；对于高分辨遥感影像,NDVI为植被覆盖度估算的最佳植被指数；对于中低分辨率影像,植被覆盖度估算的最佳植被指数则为RVI和MSAVI:就研究区而言GI模型比CR模型估算的植被覆盖度要准确。同时,利用地形图获取的植被覆盖度数据对多尺度遥感植被覆盖度进行尺度分析,确定4m空间分辨率为研究城市植被覆盖度的最佳空间尺度；当对不同空间分辨率遥感影像估算的植被覆盖度进行空间尺度统一时,应先进行植被覆盖度估算然后进行空间尺度转换。