论文部分内容阅读
广东地势复杂，植被类型丰富。植被四季常绿，树种分布无明显季节性和区域性规律，在南部多为混杂，遥感影像上破碎，不同类型植被光谱差异小。广东降水充沛常年云覆盖，使利用光学遥感数据会受到云遮挡，导致分类困难。鉴于以上该地区分类的复杂性和特殊性，应用单一遥感数据提取存的困难，结合多源遥感信息优势探索对广东地区分类的方法。针对该地区地物提取存在树种间光谱差异小，树种间纹理、光谱差异均小，光学遥感数据受云雨遮挡三个方面问题，分别应用多源遥感数据作出解决方案，并取得以下成果: (1)桉树林和其它自然林分类特征差异小，但高分影像上纹理差异明显。高分影像覆盖范围小，因此利用覆盖范围大多时相TM数据和高分辨率Quickbird、DEM等数据共同提取广东省河源地区人工桉树林，取得较好的分类结果和精度。 (2)橡胶林和其它常绿阔叶林即使在高分影像上光谱和纹理差异也小，但具有一定的时相差异，因此利用MODIS的NDVI(Normalized Difference Vegetation Index，归一化植被指)数时间序列，多时相Landsat TM数据分析橡胶林季相、光谱特征，确定识别的关键时期、特征参数，构建面向对象的决策树提取。结果表明多时相遥感数据可反映橡胶的季相特征，橡胶休眠期是利用遥感方法进行橡胶提取的最佳时期。相比于单时相数据，能得到更高的橡胶林提取精度。 (3)以上高分和多时相数据会受到云雨遮挡使得不能完全获取数据，在广东地区更显著。但SAR数据不受此影响而且能反映地物极化特征，因此利用Landsat8、TerraSAR-X和多时相环境星数据结合，以雷州半岛为试验区，通过分析不同地物类型在光谱、极化以及多时相特征上的差别，进行特征提取。在此基础上融合多源遥感信息的地物特征，运用面向对象土地覆盖分类方法获取高精度的土地利用信息。