韓晨

摘要：水體是濕地生態(tài)系統(tǒng)中的關(guān)鍵性因子，通過遙感影像可以快速、準確地提取濕地水體信息，遙感技術(shù)已經(jīng)成為濕地調(diào)查、研究與保護的重要手段之一。而使用數(shù)據(jù)融合的遙感數(shù)據(jù)能夠比單一數(shù)據(jù)得到更精確、更完全、更可靠的圖像解譯結(jié)果。本研究使用Landsat 5 TM遙感影像，運用K-T和K-L方法對遙感數(shù)據(jù)進行變換處理，進而進行數(shù)據(jù)融合處理和非監(jiān)督分類，最后提取出洽川濕地的水體信息。通過研究表明：本期洽川濕地水體面積為63km2；在本區(qū)域當期數(shù)據(jù)下，通過數(shù)據(jù)融合可以有效排除河漫灘無水區(qū)、植物、荒地、建筑物等信息對水體的干擾，效果較好。

Abstract： Water is one of the key factors in wetland ecosystems. Remote sensing images can be used to extract wetland water information quickly and accurately. Remote sensing technology has become one of the important methods for wetland investigation， research and protection. And the remote sensing data using data fusion can be more accurate， more complete and reliable than a single data. In this study， Landsat 5 TM remote sensing images were used to transform remote sensing data using K-T and K-L methods. Data fusion and unsupervised classification were then performed. The results show that the water area of Qianchuan wetland is 63km2， and the interference of water， vegetation， wasteland， buildings and so on can be effectively eliminated by data fusion in the current data of this area.

關(guān)鍵詞：數(shù)據(jù)融合；水體提??；纓帽變換；主成分變換

Key words： data fusion；water extraction；hat cap transformation；the principal component transform

中圖分類號：TP79 文獻標識碼：A 文章編號：1006-4311（2016）31-0138-02

0 引言

濕地是重要的生存環(huán)境和自然界最富生物多樣性的生態(tài)景觀之一[1]。水體是維系濕地生態(tài)系統(tǒng)穩(wěn)定和健康的關(guān)鍵性因子之一，它在濕地形成、發(fā)育與演化的核心問題中，在濕地生態(tài)系統(tǒng)的生態(tài)過程研究中都是不可或缺的因子。所以科學(xué)、準確、快速地對濕地水體進行監(jiān)測與評價，適時掌握濕地水體的變化信息，己成為對濕地研究中的關(guān)鍵問題[2]。

遙感技術(shù)具有觀測范圍大、信息量大、實時性好、動態(tài)性強等特點，且對被觀測對象不產(chǎn)生破壞，在水體提取的研究中得到越來越多的應(yīng)用[2-3]。多源遙感數(shù)據(jù)的融合技術(shù)可以消除信息冗余和矛盾，實現(xiàn)數(shù)據(jù)的優(yōu)勢互補，降低不確定性，提高數(shù)據(jù)質(zhì)量。本研究使用Landsat 5 TM遙感影像，針對洽川濕地的具體情況進行了數(shù)據(jù)融合、水體提取實驗，研究了適合于本區(qū)域提取濕地水體信息的有效方法。

1 數(shù)據(jù)資料與研究方法

1.1 數(shù)據(jù)獲取

根據(jù)本區(qū)特點選取夏季豐水期的遙感影像進行水體提取。具體參數(shù)為Landsat 5 TM數(shù)據(jù)，成像時間為2011年7月15日，數(shù)據(jù)分辨率為30米。數(shù)據(jù)來源于地理空間數(shù)據(jù)云（http：//www.gscloud.cn）。數(shù)據(jù)自帶地理坐標信息，因此不再進行幾何校正等操作；在裁剪研究區(qū)后，進行后續(xù)數(shù)據(jù)處理。

1.2 纓帽變換

纓帽變換（Tasseled Cap Transformation，又叫K-T變換），不僅去除了原始遙感影像中各個波段之間的冗余，而且變換之后的結(jié)果有重要物理意義，且包含了影像的絕大部分信息[4]。輸出的三個分量轉(zhuǎn)變?yōu)椋毫炼取⒕G度、濕度。數(shù)據(jù)中包含了地物反射率信息、植被信息和水體信息。

1.3 主成分變換

主成分變換（Principal Component Transforma，又叫K-L變換），使主要信息和噪聲分離，減小了數(shù)據(jù)的冗余度、去除了波段之間的相關(guān)性。本文在主成分變換中，只保留特征值最大的第一分量[4]。

1.4 數(shù)據(jù)融合

為了實現(xiàn)數(shù)據(jù)融合，使用波段組合（Layerstack）命令，將上述K-T和K-L變換后的數(shù)據(jù)組合成一個文件。具體是將亮度數(shù)據(jù)、綠度數(shù)據(jù)、濕度數(shù)據(jù)、第一主成分數(shù)據(jù)組合成一個多波段數(shù)據(jù)，為后期的分類操作做準備。結(jié)果數(shù)據(jù)見圖1。

1.5 非監(jiān)督分類

將融合后的多波段數(shù)據(jù)應(yīng)用到遙感圖像分類中，可以提高分類精度。本研究使用非監(jiān)督分類法進行分類操作，進而提取濕地的水體信息。具體參數(shù)是使用迭代自組織數(shù)據(jù)分析技術(shù)（Iterative Self-Organizing Data Analysis Technique，ISODATA），它根據(jù)數(shù)據(jù)本身的特征進行分類[5]。最后從分類數(shù)據(jù)中獲得濕地水體數(shù)據(jù)。

2 實例研究

2.1 研究區(qū)概況

洽川濕地位于陜西關(guān)中平原東部的合陽縣境內(nèi)，面積128km2，地處黃河中游秦、晉交匯處，洽川濕地南北長10km，東西寬2-4km。研究區(qū)遙感圖見圖1。

2.2 結(jié)果分析

使用上述研究方法，使用ENVI軟件進行操作，獲得當期研究區(qū)的濕地水體數(shù)據(jù)。見圖2。

通過對圖2的分析，可以看出：洽川濕地水體信息包含黃河水體、河漫灘的潛水區(qū)域，總計像元個數(shù)為70079個，面積為63km2。本方法的優(yōu)點在于，針對本研究區(qū)域的遙感數(shù)據(jù)，可以將黃河水體、濕地淺水和內(nèi)陸湖泊提取出來。同時能夠排除河漫灘無水區(qū)、植物、荒地、建筑物等信息對水體的干擾，水體提取效果較好。

3 結(jié)語

基于遙感數(shù)據(jù)的融合技術(shù)，本文研究了融合纓帽變換數(shù)據(jù)和主成分變換數(shù)據(jù)的非監(jiān)督分類方法，并應(yīng)用于洽川濕地水體數(shù)據(jù)的提取之中。由于地物信息的復(fù)雜性，每種方案都有各自的適用范圍，其參數(shù)有所不同。研究表明：針對本區(qū)域的本期數(shù)據(jù)，此方法可以比較好的提取濕地水體信息，同時克服河漫灘無水區(qū)、植物、荒地、建筑物等信息對水體的干擾，水體提取效果較好。

參考文獻：

[1]楊永興.國際濕地科學(xué)研究的主要特點、進展與展望[J].地理科學(xué)進展，2002，21（2）：111-120.

[2]于歡，張樹清，李曉峰，等.基于TM影像的典型內(nèi)陸淡水濕地水體提取研究[J].遙感技術(shù)與應(yīng)用，2008，23（3）：62-67.

[3]張倩，李國慶，于文洋.基于MODIS數(shù)據(jù)的水體提取算法研究與實現(xiàn)[J].南水北調(diào)與水利科技，2009，7（3）：51-54.

[4]林川，宮兆寧，趙文吉.基于中分辨率TM數(shù)據(jù)的濕地水生植被提取[J].生態(tài)學(xué)報，2010，30（23）：6460-6469.

[5]趙英時.遙感應(yīng)用分析原理與方法[M].北京：科學(xué)出版社，2013：60-69.