英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

全球陆地水的高分辨率遥感测绘

陆地水是土地覆盖的重要组成部分之一，是气候不可或缺的重要基础资料变化研究，生态环境评估，宏观调控分析等。本文介绍了土地整体研究全球土地覆盖遥感制图方案中的水。通过收集和处理Landsat TM / ETM ，中国的HJ-1卫星图像等，该程序实现了30米分辨率的全球多光谱图像的有效叠加为两个基年，即2000年和2010年，图像整形精度满足要求1：200000 和两个周期的图像配准误差控制在1个像素内。索引被设计和根据30 m分辨率下水体的光谱特征和几何形状合理选择水分信息，通过结合基于像素的分类方法的简单和容易的操作，精心设计的方法被提取出来通过面向对象的分类方法综合运用各种规则和知识，最后分类结果通过人机交互进一步优化和改进，实现了高分辨率全球水的遥感测绘。完成的全球陆地水资源数据结果包括全球陆地30-水2000和Global Land 30-water 2010是全球范围内分辨率最高，分辨率最高的分类结果自我评估的准确率为96％。这些数据是开展相关研究如分析的重要基础数据空间分布格局，揭示区域差异，研究时空涨落规律，注意生态环境的健康。

土地覆盖是指地球上的各种事物表面和它们的天然特性和特征的复合物功能。其空间分布影响物质和能量直接在地球表面循环，而在地球表面循环变化反映了人类活动和气候的影响全面改变自然环境（Bartholo-meacute;等人，2005; Defourny等，2006）。到目前为止，国际上已发展了六套全球土地覆盖数据，其中包括四套全球1公里的土地覆盖数据，受美国地质调查局（USGS）（拉夫兰地区）的支持2000），马里兰大学（UMD）（Hansen等人，2000），波士顿大学（BU）（Friedl等，2002）和欧盟委员会联合研究中心（JRC）（Fritz等，2003）。和欧洲航天局（ESA）完成了全球土地覆盖数据（GLOBCOVER）2005年和2009年通过全球合作。整体而言，现有的分类系统，分类精度，更新频率等为6套全球土地覆盖数据产品无法满足需求全球变化研究和地球系统模型。除此之外，全球土地覆盖数据发展空间和空间较高时间解决方案将成为国际议程。它在“北京宣言”中明确提出地球观测组织（GEO）全体会议认为全球高空间分辨率的土地覆盖数据产品通过合作和发展来发展已纳入GEO 2012-2015工作计划。中国启动了国家“863”重大计划“全球土地”覆盖遥感地图和关键技术重新设计，搜索“，其中主要研究任务是使用具有空间分辨率的多光谱遥感影像30米进行十大主要遥感测绘类型如陆地水，湿地，人造草地，农田，林地，草地，灌木等2000年和2000年基准年并开发全球土地覆盖数据产品这两个时期的分辨率为30米。

就全球陆地水资源开采而言，波士顿大学 - sity提取了1公里reso-通过使用MODIS图像和水系中的河流系统显然是不连续分布的（Friedl等，2002）;生成全球湖泊湿地数据库（GLWD）由世界野生动物基金会（WWF）和卡塞尔大学提供通过MGLD，DCW和其他数据库显示，对全球水资源的贡献（Lehner等，2004）。在近年来，一些国际组织和研究各机构开始研究并提取全球陆地水资源数据空间分辨率更高。例如，NASA-JPL生成全球陆地水矢量数据（SWBD2005）2005年使用90米电网间隔的SRTM数据，但是由于范围有限，数据无法覆盖全球范围SRTM数据;在马里兰大学的基础上SWBD2005数据，生成全球250米的陆地水面膜栅格数据（Carroll等，2009）使用解释结果2005年的250米MODIS影像。目前有学者主要集中在分类算法研究和部分在30 m空间分辨率的水萃取过程中进行试验，并没有进行30米遥感地图 - 在全球范围内开展了全球范围内的陆地水资源评估（Xu等，2006; Sheng等，2008; Michishit等，2012）。中国完成了高分辨率遥控研究感知全球陆地水域的绘图并开发出了这个地图世界上第一套全球土地水资源数据产品，小时分辨率为30米（Global Land 30-water 2000和2000Global Land 30-water 2010）。

1水提取的技术过程

基于程序的分类系统设计，水在这种类型的土地覆盖遥感制图是指积聚的水分自然产生或artifi - 适用于地球表面，不被任何物体覆盖植被包括河流（运河），湖泊，水库等;水这个程序的类型不涉及海，冰，雪，土地或稻田。出现了水遥感绘图的困难主要来自光谱多样性，形态多样性和季节性变化因素。清澈的水很容易识别因为它的光谱反射率低于其他光谱反射率地面物体;然而，在全球范围内，频谱特性 - 由于水质复杂多样，牵引算法不通用且不能保证为世界不同地区绘制准确度。对于例如，浅水河流中的水或含量高的水的沉积物总是伴随着光谱信息，裸土，富营养化水总是伴随而来的，与植被的光谱信息相结合（图1），而高纬度地区受太阳高度影响的水量是容易与丘陵混淆，因为后者的再利用率低，反射功能。水具有不同的形状，包括sur-脸形，线形，编织形状，水有在不同领域和差异方面有着广泛不同的特征，由于年份和海平面波动的影响，儿子（图2），这对功能提出了更高的要求提取，样本选择，质量控制等，在提取全球陆地水的技术方面，形成更复杂。

目前主要的水分类算法主要包括：利用30米空间分辨率遥感进行牵引图像包括：（1）单波段阈值法，提取水（Rundquist等，1987; Work等，1976）基于水的强光谱特征的阈值近红外波段吸收（NIR）; （2）水分指数方法，主要通过绿光建立水体指标波段，NIR，中红外波段（MIR）和其他charac-包括简单比率指数（Jordan，1969），NDWI指数（McFeeters，1996），MNDWI指数（Xu等人，2006; Xu，2005）等，并通过设置来提取索引阈值; （3）基于统计的分类方法和机器学习，包括非ISODATA（Sivanpil-lai等，2010）监督分类，最大似然 - 罩法监督分类（Sheng et al。，2008），等等。; （4）基于信息的先验决策树分类方法，例如，提取各种类型的水（Cao等人，2005;徐等人，2008）通过设置歧视功能 - 特征频带，索引或辅助信息并根据分布特征去除阴影（Sun et al。，2012）该地区有99.2％的水（Niu等，2009）坡度小于8°; （5）面向对象方法，提取 - （Blaschke，2010; Luo等，2009）空间和水体的连续分布特征，（Frohn等，2005; Van der Werff等，2008）考虑到目标的紧凑性，性能或连接性和其他功能。大多数这些水提取方法可以实现a只有在特定图像条件下才能实现良好的分类效果或某些区域，并且机械应用困难任何方法来生成合理的分类结果全球范围内的全球多源分类基本图像以及复杂和多样的光谱特征和水的几何形状。面对这一挑战，采用多分类方法的分类和提取过程（图3）全球陆地水体的遥感测绘。通过这个过程，指标被设计和选择合理地基于光谱特征和几何形状30米分辨率的水，水的信息是在ad-通过基于像素的简单和容易操作的优势分类方法和综合利用var-通过面向对象的分类来确定规则和知识，阳离子方法，最后进行分类结果通过人机交互的方式进行优化和改进，行动，从而实现高分辨率遥感地图 - 全球水的平衡。此外，制定了水分类和提取的排放权根据30米分辨率遥控感应器的水位特征，形象和参照水的要求映射为1：100000和1

2处理全局图像和参考

采用30米全球水域的遥感图像数据这两个时期的遥感测绘主要是Landsat TM / ETM 图像和中国的HJ-1卫星图像。Landsat图像在乐队编号方面具有优势，图像质量，分类效果等，并被用作2000年和2010年的主要分类图像，以及中国的HJ-1卫星图像被用作补充2010年基准年Landsat影像未涵盖的区域，实现全球30米多光谱的有效叠加这两个时期的图像。以下原则是服从于选择形象：优先考虑im-年龄与云量低于20％的植被生长季节（4月至9月为北方邦 - 南部半球和十月到明年三月，球体），图像阶段不会超过基准年之前或之后的三年。所有Landsat TM / ETM 图像均可从中下载EROS数据中心和L1T处理级别，以及该级别产品平面误差为75米。共171个精确度超出限制的图像再次得到纠正通过图像进行精确检测。中国的HJ-1图像是指具有广阔视野的遥感图像根据其中的成像特征，collin-基于拉格朗日函数的基于面向方程的模型插值是通过研究提出的，对卫星轨道安装给予了充分的考虑，姿态拟合，镜头失真矫正等，因此guar-高精度的全球几何整形HJ-1图像。 Landsat TM / ETM 的注册错误这两个时期的图像经过检查和重复校正优于1个像素，而在注册 - Landsat TM / ETM 和HJ-1遥感之间的关系图像优于1.5像素。通过使用1：50000 DOM（在中国境内）和高分辨率卫星图像（外部中国），统一收集286个检验点用于评估几何校正精度的全球尺度全球30米图像。平面相对于inspec-点为31.23米，最大误差为61.76米。它表明空间定位精度为30米遥控用于全球取水的感测图像符合重建1：200000映射的要求。Landsat TM5卫星的老化导致其减少全球覆盖能力，这在很大程度上造成了困难为2010年基准年获得全球30米影像必须使用Landsat 7 ETM 数据缺乏带宽实现全球30米多光谱遥感影像的有效叠加，2010年基准年的年龄。该研究提出相邻类似的像素插值算法，计算内插像素的校正光谱值

根据邻近相似像素的相似光谱特征设置合理的时空距离权重，类似像素频谱在邻域中的类似变化随着时间和其他假设条件，因此准确恢复缺乏图像的像素值，精确的多光谱图像插值。而且在TM / ETM 区域中具有最高光谱相似性的像素对应Landsat 7 ETM SLC-off频带用于内插（Chen等，2011）获得带恢复的1354个Landsat 7 ETM 图像。全球30米分类图像的有效覆盖通过优化和处理实现两个阶段。2000年基准年共有10270幅图像，包括Landsat TM和ETM 图像。有9907Landsat TM和ETM图像以及2,640 HJ-1图像2010年基准年，主要使用HJ-1图像云，雪和缺失地区的补充图像。请参阅图8了解这两个时期的图像叠加。为了提高水分解释的准确性，引用了很多被收集，如全球1：1000000基础地球 - 图形底图数据库（江湖），4套全球1公里土地覆盖产品，全球300米2套高分辨率的土地覆盖产品，全球250米的陆地用水掩模光栅数据，全球90米SRTM和30米ASTERGDEM和全球湖泊湿地数据;另外，30米还在一些地区收集了高分辨率的土地覆盖数据，如欧洲CLC（Corine Land Cover），NLCD（National土地覆盖数据集），中国土地利用数据等对比分析表明，SRTM 90 m DEM高于30 m ASTERGDEM数据。基于全面使用SRTM DEM（该地区60°N-56°S），30米ASTER GDEM作为补充对于未覆盖区域（83°-60°N和56°-83°S）要求全球覆盖的DEM数据。主要使用DEM计算地表坡度数据，作为基础数据用于面向对象的取水和质量检查。收集的各种尺度的全球土地覆盖数据和精度，1：1000000数据等主要用作a参考。引用的处理包括坐标转型，类型转型，准确性评估，主要目的是帮助技术人员区分水类型。如果采用综合优化的方法当地土地覆盖数据具有一致的分辨率和高度准确性，如CLC，NLCD和中国的土地利用数据，水的多边形轮廓可以调整以作出结果匹配基础图像的水域范围。

3提取水信息

为提高出水精度并减少工作量，从三个方面开展了详细的研究，即像素提取，物体过滤和人机交互 - 从而保证了水分提取过程实现多种分类方法的整合并对所有环节实施严格的质量控制。基于对不同自动控制系统的分析比较遥感图像分类算法水三种基于像素的自动分类方法，即监督分类法，先验信息 - 基于树的决策树提取方法，lihood面具萃取法，都是通过制定根据光谱特征（纯水，沉积物 - 含浑浊水和富营养化水）和空间 - 时间特征（几何形状和相位差）全世界不同地区的水，他们被用于全球水体遥感中的分类水提取映射。至于自动分类的结果，pol-ygons通过使用eCogni-用于清除细碎的多边形，消除盐和胡椒效应，并获得基于对象的水分类 - 结果结果。同时，知识规则已经习惯了快速定位可能存在质量问题的多边形通过空间操作，方便人工验证和处理。方便的人机交互 - 建立检查环境并进行检查编辑基于对象的水分类结果图像通过图像，包括逐个检查多边形，多边形的协调，边缘匹配等获得高精度的水分类结果。参考图4为过程和方法。

水可以大致分为三种类型：纯水，富营养水和含沉积物的混浊水ac-根据水反射光谱曲线的形式。带状复合图像中的纯水呈深蓝色M / ETM 7,4和3，该谱具有高吸收各波段反射率低，光谱曲线为整体来看低;含沉积物的混浊水轻乐队M / ETM 7,4和3的合成影像中的蓝色光谱反射率高于纯水的沉积物反射的原因，从带1逐渐变为带4，但突然下降在5和6带，这使得水像浅水河，容易与周围裸露的土壤混淆，而没有明显的边界;富营养化水体呈红色带4，3和2，类似于植被的光谱，吸收底部存在于带3和反射峰中存在于4带，但总体反射率较低与植被。

水指的是一个波动很大的土地覆盖类型，所以通过遥感技术获取的图像可以只能表明某种状态下的水资源信息。受制于全球遥感的能力形象，很难统一阶段（Gong et al。，2013）用于获取全球30米遥感数据，从而实现水在不同时间具有广泛不同的特征图像（例如潮湿的季节和干燥的海水的特征），并导致时空差异很大相同水的信息。

针对光谱差异，尺度差异，相位差异，以及全球土地用水和基础设施等问题对现有的水体遥感提取算法，一些综合的提取方法，例如先前的信息 - 基于mation的决策树水提取方法，maxi-妈妈可能性面膜水提取方法和培训基于样本的监督分类方法，通过研究相结合，马蒂克水提取。技术人员可以选择和应用方法具有最高的效率和最高的精度 -

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[25029]，资料为PDF文档或Word文档，PDF文档可免费转换为Word