多尺度林业遥感数据融合技术的应用研究

论文摘要

由于地理现象的等级层次性和地表的复杂性,带来了遥感研究的空间尺度问题,尺度理论作为地理信息科学的基础理论,也是地理数据的基本性质之一。目前高空间分辨率传感器的发展趋势,造成了遥感信息海量化的现状。林业遥感作为遥感的分支之一,同样有着等级层次的特征,如何融合利用这些冗余的多尺度数据资源,从而提高林业遥感应用中的精度,已经成为全世界林业科技工作者急需解决的问题之一。遥感图像反映的是地学环境的综合性与复杂性特征,而数学方法则是最有力的分析工具。因此,本论文采用数学的方法,根据不同遥感数据源空间分辨率不同的特点,以尺度相关理论为基础,利用多源信息融合理论,挖掘多尺度林业遥感数据的冗余性及互补性,研究多尺度林业遥感数据融合技术的应用问题。基于多源信息融合的优势和制约因素,围绕着尺度的关键问题,本研究以森林资源信息为对象,以像素→特征→决策三个不同的融合级别为主线,研究的主要内容如下：1.在数据预处理阶段,根据不同的数据特点,采用了不同的几何校正模型,比较选择了合理的地形辐射校正方法,从而解决了融合中信息类型的高度相异性和内容的模糊性难题。2.通过一系列的方法,来降低多尺度数据融合带来的复杂性,这些方法包括了波段组合选择、基于景观生态学的廊道思路对研究区域进行区域分割等。3.通过多个评价指标对常用的像素级融合方法进行比较分析,选择了适合的融合方法,据此实现了六种不同空间尺度的多光谱数据源,扩展了光谱空间的覆盖范围。4.针对面向对象分割的评价准则,通过构造平均分割评价指数,得到最优分割尺度参数,从而获得最佳的分割对象集,这不仅丰富了分割评价方法的研究,也将面向像素的传统分析方法转变为面向对象的研究。5.根据尺度研究的关键问题,选择了其中的三个主要内容：最优尺度选择、尺度效应、尺度依赖进行了研究。通过对传统的局部变异和变异函数进行改进,从空间角度为遥感影像的选择提供了客观依据；利用分形几何理论中的分形维数,对遥感的尺度效应提供了研究；基于不同尺度间的对象继承关系,以灰度线性可加性为条件,对不同数据源之间的依赖关系进行了量化研究,并得到了不同尺度针对不同景观区域类型的依赖关系,也使得不同尺度间拓扑关系的研究建立在科学的量化基础上。6.基于尺度依赖的研究成果,通过构造多尺度的对象约束融合模型,在不改变尺度应用抽象程度的基础上,利用知识分类的结果,实现了不同尺度之间的融合,而实验结果也证明了多尺度融合对林业遥感的贡献程度,这也是本研究的主要创新点。

论文目录

• 摘要
• ABSTRACT
• 1 引言
• 1.1 背景
• 1.2 多源信息融合
• 1.2.1 融合的概念与优势
• 1.2.2 信息融合的级别、结构和方法
• 1.2.3 信息融合的关键问题
• 1.3 尺度概念与商业遥感卫星的发展趋势
• 1.3.1 尺度的概念
• 1.3.1.1 空间分辨率（spatial resolution）
• 1.3.1.2 时间分辨率（temporal resolution）
• 1.3.1.3 光谱分辨率（spectral resolution）
• 1.3.2 常用的遥感影像
• 1.3.2.1 Landsat系列
• 1.3.2.2 SPOT系列
• 1.3.2.3 QuickBird
• 1.4 尺度问题
• 1.4.1 最优尺度选择
• 1.4.2 尺度效应
• 1.4.3 尺度依赖与尺度域
• 1.4.4 语义尺度
• 1.4.5 尺度转换
• 1.5 林业遥感
• 1.6 问题的提出
• 1.7 研究的目的、方法、内容、技术路线和创新点
• 2 数据准备
• 2.1 自然概况
• 2.1.1 地理位置与自然条件
• 2.1.2 森林植被
• 2.2 实验区概况
• 2.3 数据源
• 2.3.1 测绘数据
• 2.3.2 地面样点数据
• 2.3.3 遥感数据
• 3 遥感数据的预处理
• 3.1 遥感影像的几何校正
• 3.1.1 坐标系选择
• 3.1.2 椭球体参数的求解
• 3.1.2.1 基准面的定义
• 3.1.2.2 基准面的求解
• 3.1.3 几何校正
• 3.1.4 校正处理及数据分析
• 3.1.5 小结
• 3.2 地形辐射校正
• 3.2.1 坡度与坡向的计算
• 3.2.2 太阳方位参数
• 3.2.3 常见校正模型
• 3.2.4 校正数据比较分析
• 3.2.5 小结
• 3.3 波段组合
• 3.3.1 OIF指数的计算
• 3.3.2 研究数据的波段相关分析
• 3.3.3 小结
• 3.4 本章小结
• 4 遥感影像的像素级融合及尺度的构造
• 4.1 融合方法
• 4.2 评价指标与结果
• 4.2.1 评价指标
• 4.2.2 评价结果
• 4.3 融合数据分析
• 4.4 关于尺度的调整
• 4.4.1 SPOT5Fuse的尺度问题
• 4.4.2 SPOT5Fuse影像的重采样
• 4.5 本章小结
• 5 分割技术与评价
• 5.1 景观生态学与区域分割
• 5.1.1 景观生态学基础
• 5.1.2 波段的代数运算
• 5.1.3 区域形成方法
• 5.1.4 同质性分析
• 5.1.5 区域分割结果分析
• 5.1.6 小结
• 5.2 面向对象的图像分割
• 5.2.1 图像分割的定义
• 5.2.2 图像分割的方法
• 5.2.3 图象分割的意义
• 5.2.4 面向对象的eCognition分割算法
• 5.2.5 最优分割尺度
• 5.2.6 最优分割尺度评价指数
• 5.2.7 最优分割尺度评价结果
• 5.2.8 小结
• 5.3 本章小结
• 6. 尺度相关问题
• 6.1 最优尺度选择
• 6.1.1 问题的产生
• 6.1.2 最优尺度确定方法
• 6.1.2.1 局部变异
• 6.1.2.2 变异函数
• 6.1.3 不同方法的比较分析
• 6.1.4 实验结果
• 6.1.5 最优尺度算法改进
• 6.1.6 结果分析
• 6.1.7 小结
• 6.2 尺度效应分析
• 6.2.1 尺度效应的研究情况
• 6.2.2 分形理论
• 6.2.3 分形和形状信息的结合
• 6.2.4 信息维数的计算方法
• 6.2.5 小结
• 6.3 不同数据源的尺度依赖关系
• 6.3.1 尺度依赖的概念
• 6.3.2 不同尺度间对象的线性依赖分析
• 6.3.3 小结
• 6.4 本章小结
• 7. 多尺度数据融合分类及其评价
• 7.1 基于知识融合的分类
• 7.2 森林资源语义的定义
• 7.3 模糊分类中的隶属度
• 7.4 多尺度的对象约束融合模型
• 7.5 研究结果的精度评价
• 7.6 本章小结
• 8. 研究结果与讨论
• 参考文献
• 附录
• 个人简介
• 导师简介
• 在读期间发表的论文
• 致谢