论文部分内容阅读
地表覆盖变化是全球变化研究的重要组成部分，也是最核心的地表资源环境要素信息。目前全球或全国范围内地表覆盖的遥感自动监测主要以低分辨率遥感数据为主(300m-1000m)，而这些产品存在空间分辨率低、时间跨度短、有大量的混合像元，且各产品存在较大的系统差异。而利用中分辨率卫星数据（如Landsat数据）进行地表覆盖监测，还依赖于人工目视解译和逐景人工监督分类，中分辨率地表覆盖自动分类与动态更新是对地观测的前沿热点问题和难点之一。本文在中分辨率时序卫星数据定量化处理的基础上，结合我国青藏高原区域的地表覆盖实际情况，研究地表覆盖的定量遥感自动监测方法。首先，本文研究了中分辨率、时序遥感卫星数据定量化处理，集成大气辐射传输模型和相对辐射归一化模型，解决了中分辨率卫星遥感数据定量化处理的关键技术难点，并提供定量化的遥感卫星时序反射率数据产品。其次，根据已有地表覆盖遥感产品，结合地面调查数据，研究并建立研究区不同地表覆盖类型的光谱、时相特征等遥感先验知识模型和分类规则，发展地表覆盖的时序定量监测模型与算法。最后，在青藏高原的腹地——玛多地区，开展地表覆盖变化的时序定量遥感探测研究，解决中分辨率地表覆盖遥感监测的自动化难题，为我国地表覆盖变化遥感监测提供一种全新的技术方法。论文具体研究内容和结论包括以下几个方面: 1开展了Landsat数据的大气校正研究:利用多源协同反演思想，结合准同步的MODIS(Moderate Resolution Imaging Spectrometer)大气参数产品和6S(Second Simulation of a Satellite Signal in the Solar Spectrum)辐射传输模型，开展了Landsat数据大气校正研究。由于MODIS大气参数产品分辨率较高(0.05°)，可以反映遥感图像覆盖范围内大气状况的空间差异，因此可以有效的减小和消除遥感影像中的大气效应。利用地面实测反射率和同步MODIS反射率对大气校正结果进行了验证，结果显示论文提出的这种方法反演得到的Landsat地表反射率具有较高的精度。与地面实测数据相比，所有波段的R2的均值0.773，RMSE(Root Mean Square Error)的范围为0.013～0.059。 2研究了长时序Landsat数据的定量化方法:针对长时序Landsat数据中部分历史数据缺乏大气观测资料的特点，本文在传感器定标和地形辐射校正基础上，结合大气校正和相对辐射归一化，提出了一种长时序Landsat系列卫星数据的反射率反演方法:对于2000年之后获取的数据，利用同步的MODIS大气参数和6S辐射传输模型对其进行大气校正;对于2000年之前的数据则以2000年以后时相相近的反射率数据作为参考影像，对2000年的以前的Landsat数据进行相对辐射归一化处理。研究区12景Landsat数据处理结果表明，这种长时序处理方法可以解决历史影像无大气观测资料的问题，获得一致性较好的长时序定量化地表反射率数据集，12景数据中不变地物6个光学波段的反射率最大误差为0.041。 3基于分类特征扩展的Landsat分类研究:论文在时序Landsat定量化处理基础上，以一景Landsat反射率数据作为参考影像并提取样本的分类特征，然后将分类特征应用到其他Landsat反射率数据进行自动分类，结果显示，这种方法可有效用于和参考影像物候差异较小的影像进行分类，分类结果的总体精度大于80％。 4基于MODIS时序反射率光谱先验知识的Landsat分类研究:利用相同分类特征对不同Landsat反射率数据进行自动分类时，分类特征和Landsat数据之间的物候差异会引起分类误差。论文建立了地物的MODIS时序反射率光谱先验知识来反映植被的物候变化，然后选择物候差异最小的MODIS反射率光谱对Landsat数据进行分类。验证结果表明，利用时序反射率光谱先验知识可以对定量化处理后的长时序Landsat数据进行自动分类，分类总体精度为76.51％～84.61％。 论文的特色和创新点主要包括以下三个方面: 1提出一种结合MODIS大气参数和6S辐射传输模型的Landsat逐像素大气校正方法，以及结合这种大气校正方法和相对辐射归一化处理的长时序反射率反演方法。 2提出基于分类特征扩展的Landsat自动分类方法:以一景Landsat反射率数据作为参考数据，并选择训练样本提取分类特征，然后将分类特征应用于其它时间获取的Landsat数据进行自动分类。 3提出了基于MODIS先验特征的Landsat定量遥感分类算法，从MODIS反射率数据中提取地物的时序反射率光谱特征，并应用于Landsat数据进行自动分类。