基于LANDSAT7 ETM+遙感影像的拉薩市區地物信息提取

陳坤　于金媛　鄭亞楠　李新

【摘要】采用遙感數據對地物進行識別是獲取地物信息的一種重要手段。本文以西藏自治區拉薩市市區landsat ETM+遙感影像為數據源，通過局部直方圖匹配算法對影像進行條帶修復后，運用ENV14.8中監督分類的方法，提取拉薩市區濕地、居民地、植被、河流、裸地等地物信息，并計算kappa系數，進行精讀評價。

【關鍵詞】landsat ETM+條帶修復監督分類ENVI

【中圖分類號】TP391.41 【文獻標識碼】A 【文章編號】1672-5158（2013）04-0004-01

隨著航空、航天技術的飛速發展，遙感技術成為研究全球變化、人口資源環境不可替代的先進手段。遙感影像提供了地面極為豐富和復雜的信息，因此，根據不同的專業信息需要，圖像處理的流程會不同；基于不同的需求目的，選擇的感興趣的區會不同，處理的手段也就各不相同，但目的只有一個，那就是為提取出所需要的遙感影像信息服務。

圖像處理工作一直是遙感處理軟件的最基本的功能，是進行信息提取的基礎和前提。圖像處理目的是使圖像變成便于理解和使用的形式，或提取某些圖像特征信息供進一步分析使用。要想達到良好的影像信息提取效果，影像處理的過程非常重要。根據本次研究目的要求，在衛星影像初步判讀的基礎上，通過對多種資料進行分析對比，實現影像的預處理和影像數據的統計，這樣就將感興趣的某些特征強調出來，同時抑制了非重要的特征。

一、研究區概況

本文選擇“一江兩河”地區的拉薩市區作為研究對象，分析該區地質地貌特征，以便對圖像進行合理分類。

拉薩市城關區地處雅魯藏布江支流拉薩河中游河谷平原地區，地勢南北高、中間低，區域東西跨距28公里，南北跨距31公里，面積為554平方公里，平均海拔3658米，氣候屬高原溫帶半干旱季風氣候區。市域內江河年均徑流量112億立方米，湖泊儲水200億立方米，地下水豐厚，人均水量和每畝地占水量均高于中國平均水平。在人口壓力下，當地居民為了維持生計而進行的薪材砍伐、過牧、開墾等土地利用行為導致了水土流失加劇，沙化面積擴大。

二、影像介紹及預處理

Landsat 7 ETM+影像共8個波段。其中多光譜波段7個，第六波段光譜分辨率為60m，123457波段光譜分辨率為30m，第8波段高分辨率全色波段，空間分辨率15m。本文采用的影像具體信息如下，可以從USGS有關網站下載。

Landsat陸地衛星系列是全球生態觀測研究最系統、數據連續性最好的遙感衛星，所傳回的影像在生態環境監測、自然資源調查等領域應用十分廣泛。自2003年5月31日，由于增強專題制圖儀的掃描線矯正器發生故障，從landsat-7發回的ETM+圖像數據存在約占全景數據25%的不存在任何數據的黑色條帶。但數據本身保留了良好的輻射和幾何性質，修復后仍可用于一些特殊領域。

1.圖像修復

本文采用局部直方圖匹配算法對影像進行修復，即以一景SCL-ON的影像來修復SCL-OFF的影像。本算法較之插值法和全局直方圖匹配精讀較高，但算法復雜。ENVl4.8軟件可運行相應的插件來進行計算，修復后再將影像重新保存進行組合。

2.圖像剪切

從全國縣級行政區矢量邊界圖中借助ArcGis軟件提取出拉薩市城關區矢量邊界，再據此矢量邊界從一幅影像中裁剪出工程區遙感影像。因為拉薩市區濕地、城區、山坡植被很明顯，選取5、4、3的波段組合進行目視區分。

3.影像融合

ETM+多光譜影像具有豐富的多光譜信息，全色波段B8具有較高的幾何分辨率。將多光譜影像與全色波段進行融合，融合后即保留了多光譜的信息，又提高了影像的空間分辨率。本文采用GS方法做融合處理，結合影像來看，效果較好。

三、遙感信息提取及分類

從研究區概況可以看出，市區居民地、山坡植被、水系存在，結合研究區的特點和實地情況，將地物類型分為草地、濕地、河流、居民地、裸地及其他5種典型地物類型。為了對所分的地物在TM影像上的光譜特征差異進行比較深入的了解，對每種地物選取一定的樣本，要求樣本具有較好的代表性和獨立性。這可以用樣本可分離度來表示。

當類與類之間的可分離度大于1.9時，類的獨立性很好，能夠被有效的區分。從上表可以看出：植被與居民地可分離度低，地植被與濕地的可分離度較低。這是因為選用的影像為10月17日，樹木開始枯黃，從光譜上不易區分濕地植被與樹木。此外，市區的城市綠化的存在也導致了植被與居民地波譜響應的相似性。

監督分類采用的是最大似然法。假設每一個波段的每一類統計都呈正太分布，計算給定象元屬于某一訓練樣本的似然度，像元最終被歸并到似然度最大的一類當中。在假彩色合成的影像上選取訓練樣本時，通過目視解譯進行，并使樣本盡量分布均勻。監督分類時，以拉薩市城關區矢量邊界做掩膜，使背景不參與分類。分類結果見圖2。

四、結論

為定量評價分類精讀，進行了分類混淆矩陣和kappa系數的計算，結果如下：

河流、濕地、植被、居民地、裸地及其他指數分別為0.99、0.75、0.73、0.95、0.69，最低的判別精讀為0.7。這說明在樣本的選取中有些混合象元沒處理好，總體上滿足要求，有待改進。本文以landsat7 ETM+遙感影像為載體，對拉薩市市轄區典型地物進行了分類提取并得出了符合精讀要求的影像，驗證了該遙感信息提取方法在實驗區的可行性。

參考文獻：

[1]李旭文.Lsndsat 7 SLC OFF ETM遙感數據下載及在太湖藍藻水華監測中的應用[J].環境監測管理與技術，2009，21（3）：54 57

[2]于炳飛，李增華，王輝.基于Lansat7ETM的從化市遙感影像信息提取研究[J].軟件導刊，2006（11）：47 49

[3]除多，張鐿鋰，鄭度.拉薩地區土地利用變化[J].地理學報，2006，61（10）：1075 1083

[4]何報寅，丁超，楊小琴等.Landsat7ETM SLC OFF數據的修復及其在武漢東湖水質反演中的應用[J].長江流域資源與環境，2011，20（1）：89-95

[5]陳勁松，韓玲.運用ENVI提取遙感影像中的植被信息[J].測繪標準化，2005，66（21）：20-22

[6]權維俊，郭文利，葉彩華等.基于TM衛星影像獲取北京市水體密度指數與植被覆蓋指數的方法[J].南京氣象學院學報，2007，30（5）：611-616

[7]楊鑫.淺談遙感圖像監督分類與非監督分類[J].四川地質學報，2008，28（3）：251-254