基于LANDSAT7 ETM+遥感影像的拉萨市区地物信息提取

陈坤　于金媛　郑亚楠　李新

【摘要】采用遥感数据对地物进行识别是获取地物信息的一种重要手段。本文以西藏自治区拉萨市市区landsat ETM+遥感影像为数据源，通过局部直方图匹配算法对影像进行条带修复后，运用ENV14.8中监督分类的方法，提取拉萨市区湿地、居民地、植被、河流、裸地等地物信息，并计算kappa系数，进行精读评价。

【关键词】landsat ETM+条带修复监督分类ENVI

【中图分类号】TP391.41 【文献标识码】A 【文章编号】1672-5158（2013）04-0004-01

随着航空、航天技术的飞速发展，遥感技术成为研究全球变化、人口资源环境不可替代的先进手段。遥感影像提供了地面极为丰富和复杂的信息，因此，根据不同的专业信息需要，图像处理的流程会不同；基于不同的需求目的，选择的感兴趣的区会不同，处理的手段也就各不相同，但目的只有一个，那就是为提取出所需要的遥感影像信息服务。

图像处理工作一直是遥感处理软件的最基本的功能，是进行信息提取的基础和前提。图像处理目的是使图像变成便于理解和使用的形式，或提取某些图像特征信息供进一步分析使用。要想达到良好的影像信息提取效果，影像处理的过程非常重要。根据本次研究目的要求，在卫星影像初步判读的基础上，通过对多种资料进行分析对比，实现影像的预处理和影像数据的统计，这样就将感兴趣的某些特征强调出来，同时抑制了非重要的特征。

一、研究区概况

本文选择“一江两河”地区的拉萨市区作为研究对象，分析该区地质地貌特征，以便对图像进行合理分类。

拉萨市城关区地处雅鲁藏布江支流拉萨河中游河谷平原地区，地势南北高、中间低，区域东西跨距28公里，南北跨距31公里，面积为554平方公里，平均海拔3658米，气候属高原温带半干旱季风气候区。市域内江河年均径流量112亿立方米，湖泊储水200亿立方米，地下水丰厚，人均水量和每亩地占水量均高于中国平均水平。在人口压力下，当地居民为了维持生计而进行的薪材砍伐、过牧、开垦等土地利用行为导致了水土流失加剧，沙化面积扩大。

二、影像介绍及预处理

Landsat 7 ETM+影像共8个波段。其中多光谱波段7个，第六波段光谱分辨率为60m，123457波段光谱分辨率为30m，第8波段高分辨率全色波段，空间分辨率15m。本文采用的影像具体信息如下，可以从USGS有关网站下载。

Landsat陆地卫星系列是全球生态观测研究最系统、数据连续性最好的遥感卫星，所传回的影像在生态环境监测、自然资源调查等领域应用十分广泛。自2003年5月31日，由于增强专题制图仪的扫描线矫正器发生故障，从landsat-7发回的ETM+图像数据存在约占全景数据25%的不存在任何数据的黑色条带。但数据本身保留了良好的辐射和几何性质，修复后仍可用于一些特殊领域。

1.图像修复

本文采用局部直方图匹配算法对影像进行修复，即以一景SCL-ON的影像来修复SCL-OFF的影像。本算法较之插值法和全局直方图匹配精读较高，但算法复杂。ENVl4.8软件可运行相应的插件来进行计算，修复后再将影像重新保存进行组合。

2.图像剪切

从全国县级行政区矢量边界图中借助ArcGis软件提取出拉萨市城关区矢量边界，再据此矢量边界从一幅影像中裁剪出工程区遥感影像。因为拉萨市区湿地、城区、山坡植被很明显，选取5、4、3的波段组合进行目视区分。

3.影像融合

ETM+多光谱影像具有丰富的多光谱信息，全色波段B8具有较高的几何分辨率。将多光谱影像与全色波段进行融合，融合后即保留了多光谱的信息，又提高了影像的空间分辨率。本文采用GS方法做融合处理，结合影像来看，效果较好。

三、遥感信息提取及分类

从研究区概况可以看出，市区居民地、山坡植被、水系存在，结合研究区的特点和实地情况，将地物类型分为草地、湿地、河流、居民地、裸地及其他5种典型地物类型。为了对所分的地物在TM影像上的光谱特征差异进行比较深入的了解，对每种地物选取一定的样本，要求样本具有较好的代表性和独立性。这可以用样本可分离度来表示。

当类与类之间的可分离度大于1.9时，类的独立性很好，能够被有效的区分。从上表可以看出：植被与居民地可分离度低，地植被与湿地的可分离度较低。这是因为选用的影像为10月17日，树木开始枯黄，从光谱上不易区分湿地植被与树木。此外，市区的城市绿化的存在也导致了植被与居民地波谱响应的相似性。

监督分类采用的是最大似然法。假设每一个波段的每一类统计都呈正太分布，计算给定象元属于某一训练样本的似然度，像元最终被归并到似然度最大的一类当中。在假彩色合成的影像上选取训练样本时，通过目视解译进行，并使样本尽量分布均匀。监督分类时，以拉萨市城关区矢量边界做掩膜，使背景不参与分类。分类结果见图2。

四、结论

为定量评价分类精读，进行了分类混淆矩阵和kappa系数的计算，结果如下：

河流、湿地、植被、居民地、裸地及其他指数分别为0.99、0.75、0.73、0.95、0.69，最低的判别精读为0.7。这说明在样本的选取中有些混合象元没处理好，总体上满足要求，有待改进。本文以landsat7 ETM+遥感影像为载体，对拉萨市市辖区典型地物进行了分类提取并得出了符合精读要求的影像，验证了该遥感信息提取方法在实验区的可行性。

参考文献：

[1]李旭文.Lsndsat 7 SLC OFF ETM遥感数据下载及在太湖蓝藻水华监测中的应用[J].环境监测管理与技术，2009，21（3）：54 57

[2]于炳飞，李增华，王辉.基于Lansat7ETM的从化市遥感影像信息提取研究[J].软件导刊，2006（11）：47 49

[3]除多，张镱锂，郑度.拉萨地区土地利用变化[J].地理学报，2006，61（10）：1075 1083

[4]何报寅，丁超，杨小琴等.Landsat7ETM SLC OFF数据的修复及其在武汉东湖水质反演中的应用[J].长江流域资源与环境，2011，20（1）：89-95

[5]陈劲松，韩玲.运用ENVI提取遥感影像中的植被信息[J].测绘标准化，2005，66（21）：20-22

[6]权维俊，郭文利，叶彩华等.基于TM卫星影像获取北京市水体密度指数与植被覆盖指数的方法[J].南京气象学院学报，2007，30（5）：611-616

[7]杨鑫.浅谈遥感图像监督分类与非监督分类[J].四川地质学报，2008，28（3）：251-254