摘要

　　湿地是地球表面的重要生态系统之一，近年来，因为湿地遭受到各界众多因素的影响，湿地面积正在慢慢的减少，部分湿地已经消失，这一现象的发生引起了全世界各界对于湿地的关注越来越多，各界学者开始对湿地开展了不同的调查研究，以用于湿地的保护与利用。现阶段，遥感技术已经逐渐成为湿地生态系统研究中重要的工具之一，随着遥感技术的飞速发展，使得遥感技术具有用时短、成效快的特性，能够精准的反映出地表大范围内的土地功能性的变化，能够在短时间内准确快捷的掌握湿地分布和变化信息。

　　升金湖湿地保护区是安徽省重要的自然保护区，同时也是我国有国际重要保护意义的自然保护区之一，保护区内生物种类繁多，其中水生生物资源极其丰富，因此具有较高的研究价值。本文以升金湖湿地保护区作为研究区，通过使用不同方法对研究区的土地利用类型进行分类研究。论文选用2015年4月的GF-1和Landsat-8遥感影像，利用遥感技术，参考升金湖湿地保护区的土地利用现状图、行政区划图、地形图以及DEM高程数据等资料，对升金湖湿地保护区的植被信息和土地利用类型信息进行提取方法研究，并通过不同结果的精度对比分析，得出精度最高的信息提取方法和影像。研究结果如下：

　　（1）提取研究区植被信息的方法研究。通过对Landsat-8影像进行缨帽变换，增强遥感影像信息，再结合像元二分模型，估算出NDVI,对研究区遥感影像进行植被信息的提取。同时对GF-1影像直接进行植被信息提取，得出植被分布结果图。将GF-1影像与Landsat-8影像提取的植被信息结果进行精度验证，得到GF-1影像植被信息提取的总体精度为80.25%,Kappa系数为0.7713;Landsat-8影像植被信息提取的总体精度为84.5%,Kappa系数为0.8125.

　　总结精度分析可以得出，通过缨帽变换结合NDVI值对研究区植被信息进行提取的方法精度更高，提取信息的效果更好，植被信息提取更加准确。

　　（2）使用遥感影像进行研究区土地利用分类的方法研究。对于升金湖湿地保护区的土地利用分类，通过使用GF-1和Landsat-8影像进行监督分类和非监督分类的方法提取土地利用分类信息。监督分类方法选择最大似然法和支持向量机，分别同时对GF-1和Landsat-8影像进行土地利用分类；非监督分类方法选择K均值法和ISODATA法分别同时对GF-1和Landsat-8影像进行土地利用分类，得到不同的分类结果。通过混淆矩阵和Kappa系数对分类结果进行精度验证，得到GF-1使用最大似然法的总体分类精度为88.5%,Kappa系数为0.8625,使用支持向量机的总体分类精度为89.625%,Kappa系数为0.8753,使用K均值的总体分类精度为86%,Kappa系数为0.8365,使用ISODATA法的总体分类精度为87.125%,Kappa系数为0.8501.Landat-8影像分别使用最大似然法，支持向量机，K均值和ISODATA法的总体分类精度为87.25%,89%,84.75%和85.875%,Kappa系数分别为0.8513,0.862,0.8212和0.8289.通过对分类结果的精度对比分析，可以清楚的看出，当对GF-1影像使用支持向量机方法时，得到的升金湖湿地保护区土地利用分类精度更高，分类效果更好。

　　关键词：缨帽变换；NDVI;监督分类；非监督分类；土地利用分类；升金湖湿地保护区

ABSTRACT

　　Wetland is one of the most important ecosystems on the Earth's surface. In recentyears, due to the wetland has been affected by many factors, the wetland area is slowlydecreasing, and some wetlands have disappeared. The phenomenon has aroused moreand more attention from all walks of life in the world to wetlands. Scholars from allwalks of life started to carry out different investigations and researches on wetlands forthe protection and utilization of wetlands. At this stage, remote sensing technology hasgradually become one of the important tools in the study of wetland ecosystems. Withthe rapid development of remote sensing technology, remote sensing technology has thefeatures of short time and rapid results, and can accurately reflect the land within a largearea of the surface. It can accurately reflect the functional changes of land surface in awide range, and can quickly and accurately grasp the distribution and changeinformation of wetlands in a short time.

　　Shengjin Lake Wetland Reserve is an important nature reserve in Anhui Province, and it is also one of the nature reserves of important international significance forconservation in China. There are many kinds of biological resources in the Reserve, andthe aquatic biological resources are extremely abundant. Therefore, there is a high levelof research value. In this paper, the Shengjin Lake wetland is taken as the research area, and the land use types in the study area are classified by using different methods. Thepaper selected GF-1 and Landsat-8 remote sensing images in April 2015, and usedremote sensing technology to refer to the land use status map of Shengjin Lake Wetland, administrative maps, topographic maps, and DEM elevation data, etc.to Shengjin LakeWetland. The method of extracting vegetation information and land use typeinformation was studied, and through the comparative analysis of the accuracy ofdifferent results, the information extraction method and image with the highest accuracyare obtained.The results of the study are as follows:

　　1）Study on the method of extracting vegetation information in the study area. Bytransforming the Landsat-8 image into the tasseled cap transformation, and enhancingthe remote sensing image information, the NDVI is estimated by combining the binaryimage model, and the vegetation information of the remote sensing image in the studyarea is extracted. At the same time, the vegetation information was directly extractedfrom the GF-1 image, and the vegetation distribution result map was obtained. The accuracy of the vegetation information extracted from the GF-1 image and Landsat-8image was verified. The overall accuracy of the GF-1 image vegetation informationextraction was 80.25%, and the Kappa coefficient was 0.7713. The overall accuracy ofthe Landsat-8 image vegetation information extraction was 84.5%, Kappa coefficient is0.8125.

　　Through the accuracy analysis, it can be concluded that the method of extracting thevegetation information in the study area through the tasseled cap transformation andNDVI values is more accurate, the information extraction effect is better, and thevegetation information extraction is more accurate.

　　2）Using Remote Sensing Images to Study Land Use Classification in the Study Area. For land use classification in Shengjin Lake wetland, land use classification informationwas extracted by using GF-1 and Landsat-8 images for supervised classification andunsupervised classification. The supervised classification method selects the maximumlikelihood method and support vector machine to simultaneously classify GF-1 andLandsat-8 images for land use classification. The unsupervised classification methodchooses the K-means method and the ISODATA method to simultaneously performGF-1 and Landsat-8 respectively. Images are classified by land use and differentclassification results are obtained. The accuracy of the classification results is verified by the confusion matrix andKappa coefficient. The overall classification accuracy of the GF-1 using the maximumlikelihood method is 88.5%, the Kappa coefficient is 0.8625, the overall classificationaccuracy using the support vector machine is 89.625%, and the Kappa coefficient is0.8753, the overall classification accuracy using the K-means is 86%, the Kappacoefficient is 0.8365, the overall classification accuracy using the ISODATA method is87.125%, and the Kappa coefficient is 0.8501. Landat-8 imagery uses maximumlikelihood method and support vector machine respectively. The overall classificationaccuracy of K-means and ISODATA method is 87.25%, 89%, 84.75% and 85.875%, and Kappa coefficient is 0.8513, 0.862, 0.8212 and 0.8289, respectively. Through the comparison and analysis of the accuracy of the classification results, itcan be clearly seen that when using the support vector machine method for GF-1 images, the land use classification accuracy of Shengjin Lake Wetland is higher and theclassification effect is better.

　　KEYWORDS:Tasseled Cap Transformation;NDVI;Supervised classification;Unsupervised classification;Land use classification;Shengjin Lake Wetland

目录

　　1.绪论

　　1.1研究背景

　　湿地是有固定或者流动水体的大片沼泽浅水区，可能是天然形成，也可能是人工建立。它是由土地和水系之间互相作用而产生的自然复合体，自然资源丰富，生态价值较为独特。湿地与森林、海洋一起并称为全球三大生态系统，在世界地分布较为广泛[1].在整个自然界中，湿地占据了地球表面积的6%,但是湿地所营造的生物生存环境却发挥着很大的功效作用，因此把湿地誉为“物种基因库”[2],湿地在保持生态平衡、维持生物多样性、改善被污染的环境、防止土壤被侵蚀以及清洁水资源等方面都具有独一无二的重要作用[3-4].湿地分为多种类型，根据湿地的起源，一般将湿地分为人工、自然两大湿地种类。人工湿地主要有水稻田、池塘等；自然湿地包括海滩、河流、湖泊和沼泽地等。在中国境内湿地的分布不仅是内陆、平原，高原地区同样也有分布，在同一个地区，湿地的分布类型不是单一分布，存在着多类型分布。根据我国2014年初发布的第二次全国湿地调查结果显示，我国湿地总面积为5.36×710hm2,湿地面积占国有土地面积的5.58%.

　　近年来，湿地的问题日渐突出，由于生态退化、人为破坏等因素，湿地面积逐渐较少[5].据统计，在七十年代以后，我国有一千余个天然湖泊逐渐消失，消失湖泊面积高达2.0×610hm2;同一时期，有近一半的滨海湿地消失，湿地被大量破坏，面临绝境，湿地保护与恢复工作迫在眉睫；而另一方面，中国加入《湿地公约》二十多年来，国家重点关注湿地保护与恢复工作，“湿地公约履约办公室”就是因此而成立，对湿地保护工作进行规划、执行和监督。截至2015年为止，我国被列入国际重要湿地名录的湿地已达41处，通过人们不断增强的湿地保护意识和实际湿地保护措施，我国湿地保护区不断增加，基本形成了多处国际重要湿地区、国家级湿地自然保护区以及多处以湿地公园为主的湿地保护体系。随着遥感技术的大力发展，在光谱分辨率、空间分辨率及时间分辨率等方面，遥感技术都取得了很大的进步，为湿地遥感研究提供了大量而又丰富的信息资源，特别是对于具有高空间分辨率的卫星图像，该遥感图像不仅包含丰富的地物光谱信息，而且能够清晰地识别图像中的景观结构、纹理和细节[6].这就为众多光谱相近的地物信息提取，提供了可靠的数据来源。遥感技术的飞速发展为湿地研究提供了新的思路与方法，因其快速便捷的特性以及湿地特殊复杂的生态环境，成为了湿地研究的重要工具之一，人们依靠遥感技术就可以及时准确的掌握湿地变化信息[7].

　　1.2国内外研究现状及存在问题

　　1.2.1国内外研究现状

　　（1）遥感技术研究现状遥感技术是20世纪中期兴起的一种技术手段，用于进行探测研究。其基础为电磁波的理论，使用了人造卫星及高空探测器等对目标地物进行信息收集的技术手段。在20世纪七十年代，我国的遥感科学技术事业刚刚开始起步，卫星遥感技术就已经开始运用在林业、农业以及地质学科中。在勘测森林资源方面，使用宇宙飞船拍摄的地面照片，区分林木的分布范围，从而进行森林图的绘制；对于森林火灾的探测和预防，遥感技术也慢慢的运用其中[8].八十年代中期，随着科学技术的发展，经过了科研人员的不断进步与推广，全世界120多个国家和地区都开始使用和大规模的投入对遥感技术的研究与应用，我国开展遥感技术工作的单位有130多个，涉及的专业有十多种，但是因为经费、技术等一系列因素，普及应用的程度还较低，发展应用速度相对较慢[9].1995年，加拿大的雷达卫星RADARS-1成功发射取得了重大进展，使得遥感技术又登上了一个新的台阶[10].经过多年的发展，现如今，卫星遥感技术已经发展到遥感（RS）、地理信息系统（GIS）和全球定位系统（GPS）等技术在内的空间信息技术，据不完全统计，我国已建立10多个卫星遥感地面接收站，160多个遥感机构，400多家地理信息服务企业，有十几所大学设置了该领域专业[11].目前，遥感技术已经广泛的应用于各行各业之中，在2008年开始进行的全国第二次湿地调查中，利用遥感技术对湿地信息进行调查与监测方面发挥了巨大的作用，以3S技术与湿地调查相结合的方法对全国湿地信息进行收集调查。这次湿地资源遥感判读，采用以CBERS-CCD、SPOT5和RADAR-SAT影像为遥感数据源，在GIS技术支持下对航天遥感影像数据进行判读，从而获取湿地型、面积、分布（行政区、中心点坐标）、平均海拔、植被类型及其面积、所属三级流域等信息的调查方法[12].

　　（2）湿地分类研究现状现阶段，基于遥感影像对湿地信息进行提取分类研究是湿地研究的一大重点，《湿地公约》中对湿地进行了分类，但是该分类的范围过于宽广，将全球所有的水系都归类在湿地之中，无法对湿地分类起到一个明确的定位[13].一开始的湿地研究，都是使用了目视解译的分类方法，对影像中的地物，凭借收集的资料和对研究区的了解以及影像中的地物特征进行分类。这种分类方法精度较高，但是耗费资源，只适用于小范围的区域分类，对于大范围的区域分类，因为资源有限，实现较为困难。1991年郎惠卿和马学惠等人对沼泽地进行详细探讨如何分类[14].1995年陈建伟提出了初步设想，他提出了“系→亚系→类→亚类→型→优势型的分级式中国湿地分类及其指标系统，将中国湿地分为海洋及沿岸、内陆、人造三个系，依次分为10类，39型，20优势型，可用于不同规模和层次的湿地资源调查和监测[15]”.季中淳[16]、陆健健提出“将湿地区域分为潮上带、潮间带和潮带湿地，并对各个湿地类型进行了定义[17]”.刘玉红、黄桂林等人对湿地景观和辽河三角洲湿地进行划分归类[18-20].近年来，我国对于湿地的研究越来越重视，对于湿地分类，“中国科学院遥感应用研究所遥感科学国家重点实验室完成了3期全国湿地分布遥感制图，将湿地类型分为滨海湿地、内陆沼泽以及人工湿地3大类和15个亚类[21]”.美国Cowardin等人提出根据不同的湿地成因类型进行分级：系、亚系、类、亚类和优势种，这个分类被美国鱼类和野生动物管理局发表使用，并且一直使用至今[22].加拿大国家湿地工作组从一些学者的工作中总结得出“湿地分为三级湿地分类系统，其中包含藓类沼泽湿地、草本沼泽湿地、河漫滩和湖滨高草腐泥湿地、森林沼泽湿地、浅水湿地5个湿地类[23]”.澳大利亚湿地类型分类采用的是Paijmans分类系统，根据水文、植被特征，采用简单明了的结构将湿地划分为类、级、亚级3个层次[24].而澳大利亚地理位置跨度较大，南北方有不同的分类系统，这对于区域不同的湿地分类又有了很好的诠释[25].

　　（3）土地利用研究现状土地利用信息资源的收集是研究土地利用变化的基础条件。土地利用是学者根据土地的特征和用途，按照一定的目的，使用一些特定的技术，对土地的自然状态转化成为人们可以控制利用的状态的一种转变过程[26-28].我国对于土地利用的研究在40年代初期就已有文献记录，1946年，杨利普，黄秉成等人对四川灌县城至汶川县映秀湾的岷江峡谷的土地利用进行了分析研究[29].高尚武对黄土高坡地面形态，分布范围和土地利用的原则进行了意见的发表[30].雷清溶对于黄河中游水土保持土地利用的原则和方法提取了自己的经验总结[31].饶浩廷对新疆灌溉地区的土地规划中发现的问题进行了探讨[32].随着土地评价越来越广泛的开展以及遥感科技的进步，更多的学者对于土地利用，唐孝谓在文章里关于土地评价的新方法和新手段提出了新看法[33].刘纪远，刘明亮等人对中国近期的土地利用变化空间格局进行了分析研究[34].刘盛和，何书金从土地利用变化的空间涵义出发，细分出3种土地利用的空间类型，“根据模型对现有的测算土地利用变化速率的数量分析和动态度模型进行了评价分析，提出了修正后的空间分析测算模型[35]”.Valbuena等人在区域尺度上、基于修正的Agent模型模拟了土地利用变化[36].Mcalpine等人从压力角度分析了土地利用与澳大利亚气候的相互作用、反馈与生态风险[28].Manandhar等人对澳大利亚新南威尔士地区最近20年以来，土地利用类型的变化，数量，优势程度进行了分析研究[37].Ruelland等人对多个源头的遥感数据及影像进行分析最近五十年来荒漠草原的土地利用变化[28].Orenstein等人指出选用模型和方法的原则在比较了土地利用的遥感与GIS方法之后[38-41].在LandUse文中指出了形式分类标准，“土地利用分类应反映人类对土地利用改造的形式，反映土地利用本身的内在自然特征[42]”.在LandUse书中提到了土地功能分类标准，“强调土地利用分类依据不同地域单元上的人类活动，即土地利用地域单元的功能或用途[43]”.Clawson和Stewart提出“将土地利用分类定义为主导的人类和土地相关的人类活动[44]”.

　　1.2.2存在问题

　　湿地是陆地表面最重要的生态系统之一，同时也是最受威胁的生态系统之一，在全球大多数国家，由于社会、经济以及国家政策等多方面的原因，人们对于生态系统不断的开发利用，使得人类活动已经大幅度的影响到湿地生态系统的功能，湿地功能的破坏，因而导致湿地减少的速度逐渐加快，而生物多样性也会随着湿地的减少受到极大的影响。据IUCN统计，将近50%的全球湿地生态系统已经从地球表面消失，而亚洲近一半的湿地已经消失；从印度到马来西亚地区，有一半以上的红树林被人为砍伐殆尽，这种现象在中国也尤为突出[45].目前利用遥感影像进行湿地信息提取研究中，大多数研究都是基于某一种类型的遥感影像，开展信息提取研究，但是每一类影像都有自身的分辨率，对于地物真实的反映，会因为分辨率的大小呈现效果不一样，从而利用遥感影像进行地物分类时，因分辨率越低，分类的精度就越低，分类效果就越差。为了解决这些问题，本文尝试使用不同的湿地信息提取思路：以安徽省升金湖湿地作为本文的研究区，使用不同类型的遥感影像组合不同的分类方法对湿地土地利用类型进行分类，并对各种条件组合分类的结果精度进行评价分析；通过对湿地分类结果的比较和评价，对比湿地遥感信息提取方法，使提取湿地遥感信息更加高效、精确、稳定。

　　1.3研究目的和意义

　　1.3.1研究目的

　　本文基于升金湖湿地保护区的客观状况，使用高分一号卫星（GF-1）影像和Landsat-8（OLI）影像，根据影像中的数据，研究多种符合该研究区域的湿地信息提取方法，并通过评价分析得出一个提取湿地信息精度最高的方法。

　　1.3.2研究意义

　　随着不断加快脚步的社会发展，人类工业化的进程也在不断的加快脚步，但是，湿地生态系统却受到了极大地退化和破坏，由于湿地的重要性，受到越来越多的人们关注，所以近年来，全世界各国研究人员都在对湿地进行不同程度的研究，湿地的破坏和退化不仅是因为自然因素，还有很大一部分原因来自于人为因素。我国也不断地加大对湿地的保护力度，关注和了解湿地，通过对湿地的研究来保护和利用湿地。虽然对湿地生态系统的研究时间跨度很大并且人们在湿地研究中取得了不少的研究成果，但是关于湿地的土地利用分类问题一直没有一个统一的分类标准，就如同对于湿地，国际上还没有一个统一的定义。目前，湿地类型的分类也还没有统一的分类标准，不同国家和不同区域的学者对其各自的研究区域提出了不同的分类方法和分类系统。对湿地运用适当的方法分类，是对湿地进行资源保护，规划和利用管理的基础，也是对湿地资源进行清查以及评价工作中需要解决的基本问题[46].

　　我国现阶段，由于湿地得到各方面广泛的重视和关注，对于湿地的保护、利用和管理已经被列入重点实施关注工作之中，为了了解不同区域湿地的现状，政府部门正在积极准备开展有关于湿地资源清查和湿地监测工作。但是，由于各个湿地都使用了不同的分类方法和模型，使得分类结果和资源信息不能得到汇总。为了解决这问题，需要建立一个全国统一，合适的湿地分类系统[13].合适的分类系统会直接影响到湿地资源，实际调查，精度评价等多方面的评估研究工作，运用遥感技术对湿地信息进行提取，建立一个灵活性较大，分类全面的系统，有利于资源清查和评价工作的开展[45].

　　本文研究区域升金湖湿地保护区中湖区面积达13300hm2,因为湖区面积较大，单单依靠人力资源对湖区进行野外实地勘测收集数据是一项巨大的工程，在多方面造成资源的浪费和流失，而且对于数据的科学性没有保障。因此，本文运用遥感技术对升金湖湿地保护区信息进行监测，该方法可充分分析升金湖湿地保护区的土地利用类型分布，合理利用资源，同时也节省了人力物力资源，在短时间内，就可以实现对湿地类型组成以及植被信息分布等内容的提取，该方法现在已经成为全球环境变化检测途径之一。

　　1.4研究内容

　　本研究选用2015年4月的GF-1和Landsat-8OLI遥感影像数据，选取升金湖湿地保护区作为研究对象，实验研究区选择升金湖湿地，首先通过建立升金湖湿地保护区的土地利用分类系统，确定研究区内地物分类，根据植被的NDVI值，对遥感影像中植被信息进行提取，然后根据分类系统中各个地物所呈现的异同，对不同类型的遥感影像进行不同分类方法的信息提取。最后在验证该研究区内得出的分类结果，对经过分类得出的土地利用类型分类结果进行分析和评价，确定精度最高的湿地遥感影像分类模式。

　　1.4.1基于不同影像的湿地植被信息提取

　　通过对Landsat-8影像进行缨帽变换，增强影像的光谱特性，结合像元二分法估算出的植被覆盖指数，对遥感影像中的植被信息进行提取，通过比较分析不经过缨帽变换的GF-1影像提取结果，得出最优的遥感影像提取植被信息方法。

　　1.4.2基于不同影像的土地利用分类方法研究

　　使用监督分类的两种分类方法和非监督分类的两种方法分别对GF-1影像和Landsat-8进行土地利用类型分类，通过对各种方法组合影像得出的分类结果进行精度验证，评价和分析，得出本文土地利用类型分类精度最高，分类效果最好的影像。

　　1.5技术路线

　　（1）对本文研究需要用到的试验数据和遥感影像进行收集、挑选，进行外业调查，记录野外实测数据，实地调查数据导出、合并和整理，并对这些数据进行简单分类处理。

　　（2）对实验所需的影像进行预处理：包括遥感影像的影像合成、几何校正、影像裁剪，并对预处理的影像通过外业调查的实测点进行验证。

　　（3）经过对Landsat-8影像进行缨帽变换处理，再结合NDVI提取植被信息，得到植被提取结果；同时对GF-1影像提取植被信息结果。

　　（4）使用最大似然法和支持向量机方法、K均值和ISODATA方法分别对GF-1影像和Landsat-8影像进行土地利用类型分类，并得出分类结果

　　（5）对于实验分类结果进行精度验证评价，分析整体精度和各类别精度，最后得出本文分类精度最高的方法和分类效果最好的影像。

【由于本篇文章为硕士论文，如需全文请点击底部下载全文链接】

　　2.研究区概况
　　2.1自然环境概况
　　2.1.1地理位置
　　2.1.2发展历史
　　2.1.3地质地貌
　　2.1.4气候土壤水文
　　2.2动植物资源
　　2.2.1动物资源
　　2.2.2植物资源
　　2.3社会经济概况

　　3.数据来源及处理
　　3.1数据准备
　　3.1.1遥感数据及特征
　　3.1.2遥感影像获取
　　3.1.3土地利用外业调查
　　3.2影像的预处理
　　3.2.1影像合成
　　3.2.2几何校正
　　3.2.3影像裁剪
　　3.3湿地土地利用类型分类系统的建立

　　4.基于不同遥感影像提取湿地植被信息
　　4.1基于缨帽变换的植被特征提取
　　4.1.1缨帽变换原理及方法
　　4.1.2基于缨帽变换的Landsat-8影像植被特征提取
　　4.2基于NDVI提取遥感影像中植被信息
　　4.2.1归一化植被指数
　　4.2.2像元二分模型
　　4.2.3基于不同遥感影像的植被信息提取
　　4.3基于遥感影像的多特征湿地植被信息提取研究
　　4.3.1精度验证
　　4.3.2两种遥感影像植被信息提取结果对比分析
　　4.4本章小结

　　5.基于不同遥感影像湿地土地利用分类信息提取
　　5.1基于监督分类方法提取湿地土地利用分类信息
　　5.1.1最大似然法
　　5.1.2支持向量机
　　5.1.3基于不同遥感影像的监督分类信息提取
　　5.2基于非监督分类方法提取湿地土地利用分类信息
　　5.2.1K均值法
　　5.2.2ISODATA法
　　5.2.3基于不同遥感影像的非监督分类信息提取
　　5.3结果分析及精度验证
　　5.3.1监督分类方法的结果分析
　　5.3.2非监督分类方法的结果分析
　　5.3.3不同影像及分类方法的结果对比分析
　　5.4本章小结

6.总结

　　6.1总结

　　遥感技术是以电磁波理论为基础，利用各种卫星携带的传感仪器对远距离地物辐射和反射的电磁波信息进行采集、处理和成像，从而对地面上的物体进行探测和识别的一种技术手段，是20世纪60年代兴起的一种探测技术，随着科技的快速发展，遥感技术被越来越多的应用在各个研究领域。本文通过遥感影像的技术手段对升金湖湿地保护区土地利用分类的方法进行研究，利用了ENVI和ERDAS软件结合分类方法，对2015年4月的升金湖湿地保护区土地利用分类信息进行提取研究，并通过对各种方法结合不同遥感影像得出的分类结果进行对比分析，主要结果如下：

　　（1）分类模型的确立。在进行湿地信息提取前，需要对研究区进行资料收集，通过对研究区的了解，根据资料确立分类模型，将研究区地物分成8大类，分别为水域、水田、旱地、林地、草滩地、泥滩地、芦苇滩地以及建设用地，给后续研究提供分类的标准。

　　（2）使用缨帽变换结合NDVI方法提取研究区植被信息。对于经过预处理的影像，进行缨帽变换，增强影像光谱信息，提取湿地植被信息精度更高。根据光谱影像中的植被信息在多维光谱空间中对影像做的正交变换，是一种影像信息增强的方法，因现阶段没有一个确定的Landsat-8影像进行缨帽变换的模型，但是Landsat-8影像的大部分波段与ETM+影像相似，可以使用ETM+模型对Landsat-8影像进行缨帽变换，再基于NDVI对影像进行植被信息提取，得到的提取结果未进行缨帽变换的GF-1影像进行精度评价对比分析，得到使用缨帽变换结NDVI的方法对影像进行植被信息提取的精度更高。

　　（3）使用不同方法对研究区土地利用分类。使用监督分类与非监督分类方法对研究区不同类型遥感影像（GF-1和Landsat-8影像）进行湿地土地利用类型分类，监督分类结合GF-1影像对研究区土地利用分类精度更高。本文选取监督分类的最大似然法和支持向量机，非监督分类的K均值和ISODATA方法，根据建立的分类模型，分别对GF-1和Landsat-8影像进行研究区土地利用类型分类，得到不同的分类结果，通过对不同分类结果进行精度评价分析，得出对GF-1影像使用支持向量机方法进行土地利用分类的结果精度更高，分类效果更好。

　　6.2讨论

　　本论文以升金湖湿地保护区作为研究对象，对湿地植被信息和土地利用类型进行提取研究，对得到的提取结果进行精度评价对比分析，得出最优提取方法与提取信息最佳影像。由于时间限制与所学知识的不足，对于研究还存在一些问题：

　　（1）进行不同遥感影像的湿地信息提取研究时，只选用了两种类型的遥感影像进行研究，选择较少，对比度不够，可以增加更多类型的影像进行对比研究，得出的结果更加全面，研究内容更加丰富。

　　（2）在对研究区进行土地利用分类的过程中，一些地物由于资料不完全，影像分辨率问题难以确定，对于提取的分类结果，存在一定的误差，分类精度相对较低，可通过对研究区的信息了解，使用分辨率较高的影像，从而提高分类结果的精度。

　　（3）受所学知识的限制，对于监督分类和非监督分类方法，可以选取更多的方法对影像进行信息提取，增加对比度，丰富内容。

　　（4）本文只选取了2015年4月的高分一号影像和Landsat-8OLI影像进行信息提取，单一的年份和时相，不能体现土地利用分类的变化，对于研究区的变化没有体现。对于将遥感技术运用在湿地信息提取的研究中，本文只是运用了一些方法进行研究探讨，在今后的科研中，可以更加深入的研究有关遥感技术在湿地方向上的技术运用，为湿地研究提供更加精确的数据来源。

　　参考文献

【由于硕士论文篇幅较长，此页面不展示全文，如需全文，请点击下方下载全文链接】

TAG标签： 缨帽变换     NDVI     监督分类