论文部分内容阅读
雪是地球表面最活跃的自然要素之一,雪对人类活动有着密切的影响。随着全球气候变化问题的日益突出,我国也深受雪灾的影响。雪灾是造成电网系统瘫痪的重要因素,2008年,一场国际上百年罕见的大面积覆冰影响了我国南方地区的十几个省,持续的雨雪天气造成输电线路大面积覆冰,输电塔不堪重负倒塌断线,电力设施遭到前所未有的破坏,这场冰灾给人民的生产生活造成了巨大的影响和损失,直接经济损失超过千亿元。因此对输电塔的积雪监测研究势在必行。随着人类科技的不断发展,遥感技术已经成为积雪监测的重要手段。常用的遥感影像包括光学遥感影像及SAR图像。由于成像机理不同,两类图像对积雪像元的识别精度互有优劣。光学遥感影像对积雪像元的识别精度较高,但经常受到天气条件的影响;SAR图像能够在恶劣的天气条件下工作,但精度较低。通常输电塔常坐落于地形复杂的山区,多变的山区气候、大面积的阴影区域等因素给光学遥感影像的积雪像元识别精度带来重大考验。常用的雪盖制图(SNOMAP)算法存在山区阴影积雪像元无法提取的重大问题。本文对SNOMAP算法进行了改进,通过引入DEM数据生成山区地表像元的地形参数、结合6S模型建立了地表、大气、传感器之间的辐射传输关系并求解阴影地表像元的真实反射率,最后利用雪盖制图算法识别积雪像元。将该算法应用于天山博格达峰和贡嘎山地区积雪像元的识别研究并对识别结果做基于混淆矩阵的精度分析,最后得出结论,该算法能够成功识别出80%阴影区域的积雪像元,并且保证了非阴影区域内积雪像元的识别精度达到80%。SAR图像能够有效的解决光学遥感影像无法在多云天气对地表成像的重大缺陷,本文针对SAR图像的积雪像元识别采用了相干性分析法,利用积雪覆盖地表相干系数低的结论识别S212省道大箐梁子段东西两侧山区的积雪像元。由于所用影像为较弱穿透性的X波段SAR图像,该方法不能有效的解决积雪像元与灌木丛分离的问题,但该方法可以作为雪盖制图的初次分类。最后,针对光学遥感影像无法区分干雪和湿雪像元的问题,本文采用协同光学遥感影像与SAR图像识别山区积雪像元的方法。通过基于地形辐射校正的SNOMAP算法识别山区总的积雪像元,利用SAR图像识别山区总的湿雪像元,最后得到祁连山部分山区干雪和湿雪像元的分类图。