论文部分内容阅读
土地覆盖类型的分布影响着地球生态系统中的物质和能量交换,通过遥感手段建立全球及区域尺度的大面积土地覆盖类型数据库对全球变化的研究意义非常。我国的环境变化速率较大,土地覆盖变化研究是全球变化研究的焦点,但我国的大面积土地覆盖研究还比较滞后。本文在MODIS遥感数据支持下,对中国区域尺度上的土地覆盖分类图的空间分辨率、参加分类的分类特征选取等问题进行了研究。
通过研究可以得到如下结论:
(1)MODIS数据的自身融合,可以提高MODIS低空间分辨率波段(B3-7)(500m)的空间分辨率。特别是利用信息量比较丰富的近红外波段(B2),更能够提高融合影像的空间分辨率和信息量。通过光谱保真度和土地覆盖分类总精度进行融合影像的评价,可以得出SFIM变换在光谱失真较小的情况下能够较大程度地提高土地覆盖分类精度,且该变换算法简单,易于操作,对同源遥感器数据之间的融合也不存在配准误差的影响。所以使用SFIM变换,用B2对其它波段进行融合,可以作为提高MODIS空间分辨率,用于改善土地覆盖分类结果的一种有效手段。
(2)总的来看,MODIS影像用于土地覆盖分类的最佳时相是地物光谱区别较大的春季。MODIS的多光谱波段对土地覆盖分类的贡献不同,同时由反射率提取的特征指数如EVI、NDWI、NDSI等加入到光谱中,可以使土地覆盖分类的总精度提高。多光谱和多时相信息的结合,可以使分类精度迅速提高。因此,在MODIS影像的土地覆盖分类应用中,结合时相和光谱信息可以选择尽量少的输入波段来达到分类精度的要求。
(3)在中国区域范围内,用MODIS多时相的NDVI数据加入7波段反射率和NDWI、NDSI等特征指数进行分辨率为250米的土地覆盖分类制图,得到了效果较好的1:100万中国土地覆盖图,这弥补了之前缺乏中等分辨率土地覆盖分类过渡产品的缺点。