论文部分内容阅读
石油作为人类最主要的能源之一,其泄漏造成的土壤污染已经威胁到人类的身体健康及生存环境。准确高效的污染检测是有效开展污染治理及修复的前提,遥感技术的发展恰为土壤石油污染检测提供了更为快捷、便利的新手段。本文基于遥感技术,结合石油类物质的光谱特征,利用实测石油污染土样光谱数据及ASTER遥感影像,对土壤中石油类含量的光谱反演和异常信息的遥感提取进行了研究。首先,在石油污染试验区采集土壤样本,获取采样点的地理位置及石油类含量数据,并利用AvaField地物光谱仪进行室内测量获取土样高光谱数据;然后,针对土样光谱数据和石油类含量数据,通过多种光谱变换分析,采用相关性分析和多元逐步分析法,确定土壤中石油类物质的光谱特征参数,建立多元线性统计模型及BP神经网络模型,并对模型进行精度检验及对比分析,证明了BP神经网络模型在土壤中石油类含量的模拟及预测方面的可行性及优势性;其次,针对ASTER遥感影像采用FLAASH模型完成大气校正,获取地物真实反射率后,利用MNF和PCA对影像光谱数据进行去噪压缩,采用灰度共生矩阵法提取纹理特征,用SVM法对光谱特征和纹理特征的合成影像进行分类识别;最后,对分类后的裸地采用主成分分析法和光谱角法完成石油类含量异常信息的遥感提取,制作完成石油类含量异常信息提取图,并利用实测数据对提取结果进行验证。通过试验证明,BP神经网络能较好地模拟土壤中的石油类含量与光谱数据之间的关系,用于建立土壤石油类含量光谱反演模型具有其优势性。通过采用辅以MNF变换和纹理特征的支持向量机分类可以提高遥感分类精度。利用ASTER遥感影像提取的石油类含量异常信息符合实际,证明借助遥感手段获取土壤石油类含量异常信息是可行的,但是精度还有待于进一步提高。