论文部分内容阅读
土地覆被分类与识别是遥感应用领域的基本问题之一。蒙河流域气候湿润，降雨充沛，由于热带气旋影响，云覆盖量大，遥感影像云污染比例高，造成影像在蒙河流域地区无效像元间隔大。此外，充分的光热和水分条件致使蒙河流域作物种植时间不固定，给基于单幅影像的土地覆被分类造成困难。 本研究针对蒙河流域遥感影像云量大、下垫面复杂多变的特点，基于高时间分辨率的MODIS数据和中高空间分辨率的Landsat8OLI数据，发展基于时序遥感的时间维信息挖掘方法和多源时空信息融合方法，以提高遥感土地覆被分类和识别精度。主要研究内容包括: (1)基于曲线相似度的蒙河流域土地覆被分类研究 利用具有高重访特征的MODIS时间序列NDVI数据，引入动态时间规整（Dynamic Time Warping，DTW）技术，通过与地物标准NDVI时序曲线相似度对比进行模糊分类，充分挖掘高频率遥感的时态维信息，在一定程度上解决了因下垫面季节性变化引起的分类误差，提高土地覆被分类精度，一定程度上解决了因复杂下垫面造成的同物异谱/同谱异物难题。 (2)基于改进时序相似度匹配方法的蒙河流域耕地信息提取 耕地是蒙河流域最主要的土地覆被类型，因此了解耕地作物类别以及种植模式、提高耕地提取精度对于实际应用具有较大意义。为此，为进一步提高耕地信息提取精度，研究提出了一种基于开放边界局部加权的DTW距离方法(OLWDTW)比较时序相似性，进行蒙河流域耕地提取。其原理是在应用基于时序相似性的方法进行作物提取时，利用整条像元时序曲线与参考时序曲线作对比。虽然整条曲线中非生长季曲线能提供一些信息例如土壤背景等，但是作物提取中较为关键的识别期为作物生长期，因此本研究在时序相似性比较上对作物生长期进行了加权，从而提高了耕地信息提取精度。 (3)基于多源数据决策级融合的蒙河流域土地覆被分类研究 由于MODIS数据空间分辨率低，所以景观破碎度较高的小面积地物斑块提取的精度受到很大限制。为此，研究将空间分辨率较高的Landsat数据与时间分辨率较高的MODIS数据进行决策级融合。在融合过程中考虑到土地异质性因素的重要性，故将其叠加上权重因子，即将Landsat分类结果与MOIDS分类结果进行线性加权求和。 本研究通过对高重访、低分辨率遥感数据时态维信息的挖掘以及对不同分辨率多源遥感数据的信息融合，为进一步开展基于高时空分辨率遥感信息挖掘和融合研究奠定了基础，在土地覆被分类及变化检测应用中具有良好的前景。