论文部分内容阅读
面源污染物的产生、源强分布、输移过程、削减吸纳和陆地生态系统的结构与功能密切相关，其中与植被和土地利用联系紧密。面源污染己逐渐成为滇池污染的主要来源，本文以滇池流域为研究区域，采用2009～2010年高空间分辨率的SPOT5遥感影像为基础数据，在对影像进行特征统计分析和预处理的基础上，基于ENVI平台利用计算机识别分类技术，解析滇池流域植被(土地利用)现状信息，为全流域生态系统空间结构特征的分析提供最新基础信息。研究结果如下：
(1)通过对SPOT5影像统计特征后，计算不同波段组合的最佳指数(OIF)，排列顺序为波段432〉波段431〉波段312〉波段412，结合标准差、信息量、相关系数的计算结果，得出对于SPOT5而言，原始波段最佳的彩色合成组合是波段4、波段3、波段2。
(2)基于FLAASH模型对多光谱影像进行辐射校正，辐射校正后使NDVI值较显著增加。大气校正后红光波段反射率降低，近红外波段反射率增加。比较DN值、辐射亮度值L和表现反射率值ρ计算出的NDVI值，发现只有由表现发射率值ρ计算出的NDVI值能较好的反映地物的实际情况，说明对影像进行辐射校正是非常重要的。
(3)对比不同融合方法的影像融合效果，并进行主观定性评价和客观定量的评价，融合后的影像更好地反映了各地物的细节特征。在提高空间分辨率能力上效果较好的为PCA、Gram-Schmidt法；在保持光谱特征的完整性上，HIS和基于小波的PCA法较好。每种融合方法都在一定程度上扭曲了原始多光谱信号，因此采用J-M距离对不同融合的影像进行典型地物的可分性评价，最终得出基于PCA融合方法是滇池流域SPOT5影像最佳的融合方法。
(4)依据基于面源污染控制的植被(土地利用)类型分类系统，应用面向对象分类方法，对影像进行初级分类，并与传统基于像元的方法分类结果进行比较，表明：面向对象方法有很强抗噪声能力，有效避免了常规影像分类方法所具有的“椒盐现象”；总体分类精度最高，达到83.25％，比基于融合影像的监督分类提高了17.52%，比基于波段组合影像的监督分类提高了9.3%，并且Kappa系数达到了0.8171。本文在面向对象法初级分类结果的基础上，利用ENVI特征统计和滑块试验，依据影像特征的可分性建立人工林、传统农业耕地和水体再分类的模糊规则，对分类结果进行精度评价，总体分类精度由大到小的顺序为：水体〉传统农业耕地〉人工林，人工林精度最小仅为68.6%。