何曉寧，莫毅君，童俊濤

(西安航天天繪數(shù)據(jù)技術(shù)有限公司，西安 710061)

快鳥影像用于泥石流沖毀區(qū)自動(dòng)提取

何曉寧，莫毅君，童俊濤

(西安航天天繪數(shù)據(jù)技術(shù)有限公司，西安 710061)

針對(duì)泥石流沖毀區(qū)難以自動(dòng)提取的問題，該文基于快鳥(QuickBird)高分辨率影像，探討了泥石流沖毀區(qū)自動(dòng)提取方法，提出一種多信息結(jié)合自動(dòng)提取模型。該方法首先對(duì)原始反射率影像做纓帽變換，利用濕度分量和綠度分量的差得到初始泥石流沖毀區(qū)影像；其次利用閾值自動(dòng)提取技術(shù)將疑似泥石流沖毀區(qū)區(qū)域與其他地物分離，得到泥石流沖毀區(qū)候選區(qū)域；最后提取出水體信息和植被稀少地區(qū)，對(duì)泥石流沖毀區(qū)候選區(qū)域進(jìn)行掩膜運(yùn)算，得到泥石流沖毀區(qū)，并對(duì)泥石流沖毀區(qū)中的小斑塊做后處理，得到相對(duì)準(zhǔn)確的泥石流沖毀區(qū)分布范圍。實(shí)驗(yàn)結(jié)果表明，此泥石流沖毀區(qū)自動(dòng)提取模型是可行和有效的，取得了較好的結(jié)果；但對(duì)小斑塊泥石流提取的精度不高，需要加強(qiáng)研究。

泥石流沖毀區(qū)；高分辨率影像；QuickBird；掩膜；自動(dòng)提取

0 引 言

泥石流是嚴(yán)重威脅山區(qū)及山前地區(qū)居民安全和工程建設(shè)的一種地質(zhì)災(zāi)害[1]。2010年舟曲縣突發(fā)的大規(guī)模泥石流造成了重大的生命財(cái)產(chǎn)損失[2]。如何準(zhǔn)確、快速地通過遙感影像獲取泥石流災(zāi)害信息，對(duì)政府決策、災(zāi)后人員救治和減少財(cái)產(chǎn)損失具有重大意義。泥石流通常發(fā)生于地表覆蓋類型復(fù)雜多樣的區(qū)域，并且經(jīng)常伴隨著惡劣的天氣條件或地質(zhì)災(zāi)害。因此，利用遙感技術(shù)進(jìn)行泥石流沖毀區(qū)提取是及時(shí)獲取泥石流災(zāi)害信息的有效途徑。

目前，基于遙感技術(shù)的泥石流調(diào)查、預(yù)防和治理等方法的研究已經(jīng)取得了較大進(jìn)展。如王一川等[3]提出基于DEM 自動(dòng)提取泥石流溝谷邊緣線的算法，能夠較準(zhǔn)確地提取出泥石流邊緣線；白志勇[4]利用SPOT 和TM 數(shù)據(jù)融合圖像研究泥石流；蘇鳳環(huán)等[5]研究了汶川地震山地災(zāi)害的遙感快速提取方法，對(duì)大規(guī)模泥石流提取效果較好；唐川等[6]對(duì)汶川震區(qū)北川縣城泥石流源地特征進(jìn)行了遙感動(dòng)態(tài)分析；唐小明等[7]研究了基于虛擬GIS 和空間分析的小流域泥石流沖毀區(qū)地質(zhì)災(zāi)害遙感解譯；潘仲仁等[8]研究了遙感技術(shù)在成昆鐵路泥石流沖毀區(qū)溝調(diào)查中的應(yīng)用。

雖然基于泥石流的相關(guān)研究取得了較大進(jìn)展，但如何有效地全自動(dòng)提取泥石流沖毀區(qū)仍然是個(gè)問題。本文以舟曲災(zāi)區(qū)為研究區(qū)域，針對(duì)研究區(qū)內(nèi)泥石流多發(fā)的現(xiàn)象，分析了基于光學(xué)遙感數(shù)據(jù)的泥石流沖毀區(qū)提取方法，提出了基于光學(xué)數(shù)據(jù)的泥石流沖毀區(qū)自動(dòng)提取模型。

1 研究區(qū)與數(shù)據(jù)源

QuickBird衛(wèi)星是在2001年10月18日發(fā)射成功的高分辨率商業(yè)遙感衛(wèi)星，它提供了分辨率為2.44m的紅、綠、藍(lán)、近紅外4個(gè)波段的多光譜影像和分辨率為0.61米的全色影像。對(duì)于泥石流沖毀區(qū)成像，相比低分辨率影像，高分辨率影像更能夠準(zhǔn)確地表征泥石流沖毀區(qū)的范圍。

本文研究區(qū)域?yàn)楦拭C省舟曲縣，影像獲取時(shí)間是2010-08-18，距離泥石流災(zāi)害發(fā)生時(shí)間2010-08-07較近，能夠較好地反應(yīng)泥石流沖毀區(qū)地表情況，該幅影像主要包含了泥石流沖毀區(qū)、綠地、河流、居民區(qū)和植被稀少區(qū)域這五類地物要素。圖1為2.44m分辨率的包含泥石流沖毀區(qū)地區(qū)的偽彩色合成圖，舟曲泥石流沖毀區(qū)主要分布于三眼峪和羅家峪，平均寬度達(dá)300m，從北向南流進(jìn)白龍江。

圖1 舟曲災(zāi)區(qū)的QuickBird影像及泥石流沖毀區(qū)分布

2 研究方法與處理流程

2.1 遙感影像預(yù)處理

影像預(yù)處理通常包括輻射校正、幾何校正、配準(zhǔn)等過程。本文只用到影像的輻射信息，只做輻射校正得到反射率影像即可。

2.2 泥石流沖毀區(qū)光譜特征分析

從發(fā)育過程來看，泥石流主要發(fā)育于山坡或者山溝中，發(fā)育中的泥石流沖毀區(qū)表面主要是裸露的土壤和植被稀少的地表，植被覆蓋差，與周圍植被茂密的區(qū)域有明顯的差異。即泥石流具有2個(gè)最為顯著的特征：松散物質(zhì)含水量高與植被破壞嚴(yán)重。它們在遙感影像上反映的則是土壤濕度和植被覆蓋度特征，土壤濕度可以用濕度指數(shù)反映，植被覆蓋度則可以用綠度指數(shù)進(jìn)行反演。通過濕度指數(shù)和綠度指數(shù)的光譜特征分析就能提取災(zāi)害體的光譜異常，可以進(jìn)行災(zāi)害體快速提取模型構(gòu)建[5]。

2.3 模型的構(gòu)建

模型的實(shí)現(xiàn)主要采用了影像增強(qiáng)技術(shù)、自動(dòng)閾值提取技術(shù)及掩膜技術(shù)相結(jié)合的泥石流沖毀區(qū)自動(dòng)識(shí)別提取技術(shù)。

(1)影像增強(qiáng)

通常能夠反映地物要素信息的增強(qiáng)技術(shù)包括植被指數(shù)、土壤亮度指數(shù)、濕度指數(shù)、熱度指數(shù)、水體指數(shù)、氣象指數(shù)、纓帽變換指數(shù)、經(jīng)主成分變換得到的第一主成分以及地形因子等[9-11]。在眾多因子中，本文通過對(duì)泥石流沖毀區(qū)的影像特征、地形特征和各種形成條件的對(duì)比，經(jīng)過反復(fù)試驗(yàn)，發(fā)現(xiàn)運(yùn)用纓帽變換指數(shù)能夠較好地反映泥石流沖毀區(qū)在遙感圖像上的信息。

利用文獻(xiàn)[12]中纓帽變換(Tasseled Cap)可以獲得亮度指數(shù)(BRIGHT)、綠度指數(shù)(GREEN)和濕度指數(shù)(WET)。

雖然文獻(xiàn)[12]中求解上述3個(gè)指數(shù)的公式是針對(duì)Landsat衛(wèi)星數(shù)據(jù)提出的，但是在這里仍然可以使用，依據(jù)有二點(diǎn)。第一，QuickBird的4個(gè)波段的多光譜影像和TM影像前4個(gè)波段的波長范圍一一對(duì)應(yīng)，即從電磁波對(duì)地物響應(yīng)原理上講是一樣的；第二，QuickBird是4個(gè)多光譜波段，雖然和公式的7個(gè)波段不相符，但是每次使用上述公式時(shí)并不是都必須使用全部的7個(gè)波段才能計(jì)算出3個(gè)指數(shù)，這正如文獻(xiàn)[12]所講的，利用Landsat衛(wèi)星影像計(jì)算3個(gè)指數(shù)時(shí)只需要5、4、2波段即可。

通過對(duì)研究區(qū)地物要素的光譜特征分析可知，濕度指數(shù)與綠度指數(shù)的差值可以有效地將泥石流沖毀區(qū)與其它地物要素予以區(qū)分，能夠極好地反映泥石流沖毀區(qū)的特征，可以直接提取到疑似泥石流沖毀區(qū)，將其表達(dá)為數(shù)學(xué)公式：

DebrisFlow=WET-GREEN

(1)

其中，DebrisFlow表示提取出的疑似泥石流沖毀區(qū)，GREEN和WET分別是文獻(xiàn)[12]中的綠度指數(shù)和濕度指數(shù)。

(2)自動(dòng)閾值提取

影像增強(qiáng)所得到的是疑似泥石流沖毀區(qū)灰度圖像，需要選擇合適閾值提取出泥石流沖毀區(qū)。研究發(fā)現(xiàn)，得到的疑似泥石流灰度圖的直方圖存在多個(gè)波峰和波谷，因此如果能得到對(duì)應(yīng)泥石流沖毀區(qū)和其它地物的波谷值，便可提取出泥石流沖毀區(qū)候選區(qū)域。在這里，采用Tasi[13]提出的基于多峰直方圖的閾值選取算法，并做了適當(dāng)改進(jìn)。

設(shè)g0(i)為原始圖像中灰度值為i的像素的數(shù)量(i=0，1，…，L)，其中L是灰度直方圖中的最大灰度，如果g0(i)>g0(i-1)并且g0(i)>g0(i+1)，那么算法就認(rèn)為在灰度值i的地方存在一個(gè)波峰。類似地，如果g0(j)

Tasi指出平均濾波器的窗口越大，處理后的直方圖越平滑，并且用大窗口的濾波器對(duì)直方圖進(jìn)行少量的卷積的效果類似于用小窗口的濾波器做大量卷積的效果。實(shí)驗(yàn)證明，大窗口濾波器會(huì)使直方圖過度平滑從而無法檢測到重要的波峰波谷，與大窗口濾波器相比較，用小窗口濾波器做大量卷積是以犧牲計(jì)算效率為代價(jià)來達(dá)到需要的平滑效果。基于以上的討論，對(duì)文獻(xiàn)[13]中的算法做了適當(dāng)修改，使得小窗口濾波器做大量卷積提高了效率，即從迭代方式和終止條件上進(jìn)行了優(yōu)化，提出了利用灰度直方圖的信息自動(dòng)計(jì)算閾值的完整算法。

此算法主要由以下3個(gè)關(guān)鍵步驟構(gòu)成：

①選擇一個(gè)窗口大小為W的平均濾波器W(u)，設(shè)當(dāng)前迭代次數(shù)k=1；

(2)

(3)掩膜技術(shù)

從自動(dòng)閾值提取得到的疑似泥石流沖毀區(qū)包含了水體信息，其原因在于，濕度信息減去綠度信息，就剩下了濕度相關(guān)地物，即有泥石流沖毀區(qū)、水體及植被稀少地區(qū)。對(duì)于水體和植被稀少地區(qū)可以將其提取出來，再運(yùn)用掩膜技術(shù)從自動(dòng)閾值提取中得到的結(jié)果中去除，便可得到較為純凈的泥石流沖毀區(qū)。

本文采用水體指數(shù)模型GNDWI[14]來提取水體，其原理是通過高斯變換將原來NDWI 中的值為0 的兩側(cè)數(shù)值中的弱信息進(jìn)行拉伸，同時(shí)壓制值靠近-1與1 的強(qiáng)信息(因?yàn)閷?duì)于河流來說其位置主要位于弱信息附近)，從而提高水體同陸地部分的可區(qū)分度，并保證提取出的水體的連續(xù)性。

分析得到的GNDWI影像知道，水體的像素值都接近于1.0，利用這個(gè)特征，設(shè)置水體提取的閾值為0.9，則可將水體有效提取。

對(duì)于植被稀少地區(qū)，查看反射率影像的像素值可發(fā)現(xiàn)，其值普遍低于泥石流沖毀區(qū)，因此可利用這一點(diǎn)去除植被稀少區(qū)域。具體可求取近紅外波段像素平均值，若近紅外波段像素值小于近紅外波段像素平均值，則該像素是植被稀少地區(qū)，否則不是。

(4)泥石流沖毀區(qū)后處理

經(jīng)過上述各種處理之后，除了泥石流沖毀區(qū)外，還有其他很多小斑點(diǎn)，這部分不是泥石流沖毀區(qū)，因此需要采用一定的窗口大小對(duì)小斑點(diǎn)進(jìn)行后處理。

3 泥石流沖毀區(qū)自動(dòng)提取與實(shí)驗(yàn)分析

3.1 泥石流沖毀區(qū)自動(dòng)提取流程

本文基于VS2008軟件平臺(tái)開發(fā)泥石流沖毀區(qū)自動(dòng)提取算法，其技術(shù)流程如圖2所示。

圖2 泥石流沖毀區(qū)自動(dòng)提取流程圖

其主要計(jì)算步驟如下：

①由纓帽變換獲得濕度和綠度分量，并利用二者差值計(jì)算獲得初始泥石流沖毀區(qū)影像：對(duì)于QuickBird影像，這里采用4、3、2波段獲得濕度和綠度分量；

②計(jì)算獲得原始灰度直方圖，記錄溝谷數(shù)目為N并存儲(chǔ)各溝谷所對(duì)應(yīng)的灰度值；

③若溝谷數(shù)目N>N0(N0為最終需要的溝谷數(shù)目，一般設(shè)置為2)，則轉(zhuǎn)到④，否則轉(zhuǎn)到⑥；

④用窗口大小為W的平均濾波器對(duì)當(dāng)前直方圖進(jìn)行濾波：對(duì)于QuickBird影像選擇W=5；

⑤記錄得到最新的溝谷數(shù)目N并存儲(chǔ)各溝谷所對(duì)應(yīng)的灰度值，并轉(zhuǎn)到③；

⑥當(dāng)不滿足N>N0判斷條件時(shí)，溝谷最小值對(duì)應(yīng)的灰度便是閾值；

⑦根據(jù)⑥得到的閾值對(duì)①得到的初始泥石流沖毀區(qū)影像進(jìn)行分割，得到泥石流沖毀區(qū)候選區(qū)域影像；

⑧通過GNDWI計(jì)算獲得初始水體區(qū)域影像；

⑨若初始水體區(qū)域影像的灰度值>0.9，則轉(zhuǎn)到⑩，否則也轉(zhuǎn)到⑩；

⑩若初始水體區(qū)域影像的灰度值>0.9，則將水體影像對(duì)應(yīng)的區(qū)域賦值為1；否則將水體影像對(duì)應(yīng)的區(qū)域賦值為0；

3.2 實(shí)驗(yàn)分析

對(duì)QuickBird反射率影像進(jìn)行纓帽變化得到濕度分量WET和綠度分量GREEN，進(jìn)行WET-GREEN處理得到的初始泥石流沖毀區(qū)影像，如圖3所示。從影像可看出，亮度值較高的地方為泥石流沖毀區(qū)區(qū)域。

對(duì)圖3進(jìn)行自動(dòng)閾值分割獲得的泥石流沖毀區(qū)候選區(qū)域，如圖4所示，包含了泥石流沖毀區(qū)、水體及植被稀少的區(qū)域，還有部分建筑。

進(jìn)行GNDWI計(jì)算獲得初始水體區(qū)域影像，如圖5所示，亮度值較高的區(qū)域?yàn)樗w區(qū)域影像。通過分析發(fā)現(xiàn)，該影像水體的值基本都大于0.9，因此對(duì)初始水體區(qū)域影像按照此閾值進(jìn)行分割得到水體影像，如圖6所示。到水體影像中不僅包含了水體還包含了建筑、路、植被稀少地區(qū)等信息，糾其原因是由于QuickBird的波段數(shù)目少，在僅有4波段的情況下，水體和有些建筑、路、植被稀少地區(qū)的光譜信息很接近，很難區(qū)分。但這并不影響水體提取結(jié)果，因?yàn)楹竺孀龅氖茄谀み\(yùn)算，多提取出的建筑、路、植被稀少地區(qū)不影響結(jié)果。

圖3 進(jìn)行WET-GREEN處理得到的初始泥石流沖毀區(qū)影像

圖4 自動(dòng)閾值分割獲得的泥石流沖毀區(qū)候選區(qū)域

圖5 進(jìn)行GNDWI計(jì)算獲得初始水體區(qū)域影像

對(duì)于植被稀少地區(qū)，查看反射率影像的像素值可發(fā)現(xiàn)，其值普遍低于泥石流沖毀區(qū)區(qū)域，因此可利用這一點(diǎn)去除植被稀少區(qū)域。具體可以取近紅外波段像素平均值作為比較基準(zhǔn)，若近紅外像素值小于近紅外波段像素平均值，則該像素是植被稀少地區(qū)，否則便不是，由此得到圖7。

如此便提取出了水體和植被稀少區(qū)域，用這二者對(duì)得到的泥石流沖毀區(qū)候選區(qū)域進(jìn)行掩膜，便得到泥石流沖毀區(qū)區(qū)域，如圖8所示。

泥石流沖毀區(qū)區(qū)域有很多小斑點(diǎn)，這部分不是泥石流沖毀區(qū)，因此需要采用一定的窗口大小對(duì)小斑點(diǎn)進(jìn)行后處理。對(duì)于QuickBird影像采用5*5的窗口進(jìn)行小斑點(diǎn)后處理，最終得到泥石流沖毀區(qū)區(qū)域，如圖9所示。

圖6 閾值分割獲得水體區(qū)域影像

圖7 植被稀少區(qū)域的影像

圖8 泥石流沖毀區(qū)影像

圖9 去除小斑點(diǎn)的泥石流沖毀區(qū)影像

根據(jù)舟曲泥石流沖毀區(qū)災(zāi)后調(diào)查可知，泥石流沖毀區(qū)主要分布于三眼峪和羅家峪，平均寬度達(dá)300m由北向南流進(jìn)白龍江。從提取的結(jié)果可知，三眼峪和羅家峪的大片泥石流沖毀區(qū)被準(zhǔn)確提取，其他地區(qū)的小塊泥石流沖毀區(qū)也被提取出，實(shí)驗(yàn)結(jié)果表明，本文的算法有效。

4 結(jié)束語

本文根據(jù)泥石流沖毀區(qū)的特點(diǎn)即含水量較高和綠度指數(shù)較低的特點(diǎn)，利用影像增強(qiáng)、自動(dòng)閾值提取、掩膜處理和泥石流沖毀區(qū)后處理技術(shù)建立了泥石流沖毀區(qū)快速提取模型。根據(jù)建立的模型對(duì)舟曲泥石流沖毀區(qū)進(jìn)行了快速提取，取得了較好的效果，最關(guān)鍵的是提出了自動(dòng)閾值提取的模型，使得能夠自動(dòng)處理獲得閾值。

研究存在的缺陷主要表現(xiàn)在：(1)泥石流沖毀區(qū)的活動(dòng)尺度具有一定的變化范圍，處理大型泥石流沖毀區(qū)具有較好效果；對(duì)于小型泥石流沖毀區(qū)，由于其寬度范圍較小，像上僅表現(xiàn)為幾個(gè)像元，因而提取效果不太理想。(2)提取出的泥石流沖毀區(qū)包含小斑塊，主要是由于這些區(qū)域雖然沒形成泥石流沖毀區(qū)，但是也是泥石流沖毀區(qū)的成分，在光譜特性上沒有差別。雖然對(duì)提取出的泥石流沖毀區(qū)影像做了后處理，但后處理后的效果仍然有瑕疵，需要進(jìn)一步加強(qiáng)研究。

綜上所述，利用影像增強(qiáng)、自動(dòng)閾值提取及掩膜技術(shù)建立泥石流沖毀區(qū)自動(dòng)快速提取的模型是可行和有效的，本次研究為泥石流沖毀區(qū)的自動(dòng)識(shí)別模型建立進(jìn)行了有益的探索。

[1] 吳平，鄭文曉.泥石流的形成條件及其防治措施[J].西部探礦工程，2008(3)：4-5.

[2] 余斌，楊永紅，蘇永超，等.甘肅省舟曲8.7特大泥石流沖毀區(qū)調(diào)查研究[J].工程地質(zhì)學(xué)報(bào)，2010，18(4)：437-444.

[3] 王一川，秦軍.基于DEM 自動(dòng)提取泥石流溝谷邊緣線算法的試驗(yàn)[J].四川測繪，2006，29(1)：28-31.

[4] 白志勇，秦軍.陸地衛(wèi)星SPOT、TM 數(shù)據(jù)復(fù)合影象在泥石流調(diào)查中的應(yīng)用[J].水土保持學(xué)報(bào)，2001，15(1)：116-119.

[5] 蘇鳳環(huán)，劉洪江，韓用順.汶川地震山地災(zāi)害遙感快速提取及其分布特點(diǎn)分析[J].遙感學(xué)報(bào)，2008，12(6)：956-963.

[6] 唐川，丁軍，梁京濤.汶川震區(qū)北川縣城泥石流沖毀區(qū)源地特征的遙感動(dòng)態(tài)分析[J].工程地質(zhì)學(xué)報(bào)，2010，18(1)：1-7.

[7] 唐小明，馮杭建，趙建康.基于虛擬GIS 和空間分析的小流域泥石流沖毀區(qū)地質(zhì)災(zāi)害遙感解譯——以嵊州市為例[J].工地質(zhì)科技情報(bào)，2008，27(2)：12-16.

[8] 潘仲仁，曹林英.遙感技術(shù)在成昆鐵路泥石流沖毀區(qū)溝調(diào)查中的應(yīng)用[J].鐵道工程學(xué)報(bào)，2006(增刊)：237-242.

[9] 江振藍(lán)，沙晉明，楊武年.基于GIS 的福州市生態(tài)環(huán)境遙感綜合評(píng)價(jià)模型[J].國土資源遙感，2004(3)：46-48.

[10] 李洪義，史舟，沙晉明，等.基于人工神經(jīng)網(wǎng)絡(luò)的生態(tài)環(huán)境質(zhì)量遙感評(píng)價(jià)[J].應(yīng)用生態(tài)學(xué)報(bào)，2006，17(8)：1475-1480.

[11] 江振藍(lán)，沙晉明.植被生態(tài)環(huán)境遙感本底值研究——以福州市為例[J].福建師范大學(xué)學(xué)報(bào)(自然科學(xué)版)，2008，24(4)：80-85.

[12] 楊存建，劉紀(jì)遠(yuǎn)，黃河，等.熱帶森林植被生物量與遙感地學(xué)數(shù)據(jù)之間的相關(guān)性分析[J].地理研究，2005，24(3)：473-479.

[13] TSAI D M. A fast thresholding selection procedure for multimodal and unimodal histograms[J].Pattern Recognition Letters，1995，16(6)：653-666.

[14] 沈占鋒，夏列鋼，李均力，等.采用高斯歸一化水體指數(shù)實(shí)現(xiàn)遙感影像河流的精確提取[J].中國圖象圖形學(xué)報(bào)，2013，18(4)：421-428.

Application of QuickBird Remote Sensing Imagery in Automatic Extraction of Debris Flow Destroyed Area

HE Xiao-ning，MO Yi-jun，TONG Jun-tao

(Xi'anSpaceMappingDataTechnologyCo.，Ltd，Xi'an710061)

Aiming at the automatic extraction problem of debris flow destroyed areas，this study discusses an automatic extraction method of debris flow destroyed area based on QuickBird high resolution remote sensing imagery，and proposes an automatic extraction model of multi-information combination.Firstly，use a tasseled cap transformation for the original reflectance images to calculate moisture component and greenness component，and then use the difference of them to get the initial debris flow destroyed area image；Secondly，use automatic extraction technology to get threshold for separating suspected debris flow destroyed image from other surface features，and then get candidate debris flow destroyed image；Finally，extract the water and sparse vegetation areas to perform mask operation on candidate debris flow destroyed image for getting debris flow destroyed area，and perform post-processing for small spots in the debris flow destroyed area to get relatively accurate debris flow destroyed area.The experimental results show that the proposed model is feasible and effective，and achieves good results；the extraction accuracy of small debris flow is not high，which needs to be strengthened.

debris flow destroyed area；high-resolution image；QuickBird；mask；automatic extraction

2014-08-05

2014-10-19

何曉寧(1987—)，男，碩士，工程師，主要從事遙感地物提取、高光譜遙感方面的研究。

E-mail：flyhxn@126.com

10.3969/j.issn.1000-3177.2015.05.012

P237

A

1000-3177(2015)141-0077-06