英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料
红树林湿地遥感识别
摘要
红树林湿地已成为重要和热点近年来湿地研究对象。因为远程遥感技术已经逐渐应用于红树林资源的调查,红树林遥感识别的研究是有重要的现实和理论意义的。本文介绍了红树林遥感识别技术的处理、分类方法和特性提取方法的数据来源。我们也分析了现有的弱点,最后我们提出了一些相关建议和对未来的预测。
爱思唯尔有限公司的选择出版于2010年/ESIAT2011会议上组织委员会发表的同行评审的责任
关键词:红树林;遥感;识别。
引言
红树林、珊瑚礁、上升流和沿海湿地被称为世界上四个最富有成效的自然生态系统[1]。红树林湿地,作为重要的湿地之一,已成为主要的研究国际湿地生物多样性保护和生态保护的对象。这项有调查重要的生态和经济价值[2,3]。本文描述了当前红树林的遥感识别、数据平台、技术处理、分类和特性提取的数据来源、并分析其缺点。最后,我们提出了一些建议和对未来的前景。
红树林湿地的遥感识别组件
信息和数据来源
主要的数据来源包括:Landsate TM、ETM,现货,SAR、CBERS-1CCD和MODIS卫星数据等等。TM和现场图像是最广泛使用的数据。当李夏等等(2006)[4]通过TM和SAR图像融合的研究区域红树林群落分类和生物量估计研究了遥感分析珠江的红树林湿地的演变;在研究红树林的毁灭南中国海沿岸和孟加拉湾,等等(2001)[5]用TM图像作为信息源,提出沿海红树林遥感图像和红树林外观基本结构参数;至于西盟的红树林塔港口在新西兰,高J(1999)[6],TM图像作为数据源,调查时采用最大似然分类方法。所有的红树林分为两种主要类型:郁郁葱葱的类型和肖类型;Rasolofoharinoro M把SPOT1和SPOT2作为信息资源,使用结合调查部分和主要的区域性调查地点的方法。他得出一个结论,映射精度,植物的变化是跟处理方法和获取卫星数据的季节有密切的关系[7]。根据李等(2003)根据数据(CBE 1,76,645 CCD),获得红树林资源分布和知识类型的区别。腾俊华等(1997)[8]结合DTM数据和TM数据madea分类研究海南红树林。
红树林湿地遥感分类方法
监督分类
监督分类是基于统计识别函数,根据典型的示例培训方法得出的。换句话说,根据已知训练领域提供的样本,作为决策规则通过选择其他参数而得到特征参数。发展判别功能分类的图像分类是模式识别的一种方法。无人管理的分类称为聚类分析。一般的聚类算法首先选择模型点数为集群中心。每个中心代表一个类别,根据一些相似点措施,使每个模式代表它的类型来集中于群中心。
视觉观察
它也被称为分类的经验。研究人员根据红树林生长的基础上的表面特征的几何特征和周围的环境来区分。这是结合遥感图像颜色、光线、几何特征、地理位置来调查和航拍的。然后通过人机交互式解释和建立各种表面特征和卫星图像的对应数字图像的相关特点使用眼睛的颜色,外观和解释的区别。这是常用的遥感分类的红树林。
人工神经网络
它被称为神经网络或连接模型,我们可以调整权重的神经元网络连接。用非程序性和非结构性来实现表达和推理。需要训练和测试类似于监督分类的遥感数据从辅助和遥感数据提取有用的信息,算法是分布式和并行信息处理模型。
分类的专家
专家系统是一个智能计算机程序系统,。其内部含有大量的部分专家的知识和经验水平。我们可以利用知识和人类专家的解决问题的方法来处理这方面的问题。它是根据同一个领域的一个或多个专家提供的知识和经验,理性和判断监视人类专家的决策过程,以便解决需要人类专家处理的复杂的问题。
乐队组合方法
乐队组合方法在植被遥感识别中被广泛使用,效果更好。它是基于红树林的物理特性和光谱特红树林。利用不同波段之间的结合,来突出最明显光谱特性的区别。它包括植被指数、乐队比和本金成分分析等方法。植被指数(Blasco et al.1986;乔杜里1990;詹森etc.1991),包括正交归一化植被指数NDVI指数(tassled帽转换)。乔杜里[9]利用陆地卫星TM近红外波段B5、B7的比率:((B5-B7)/(B5 B7))。Blasco等从红色和红外点x乐队2,3,计算归一化的归一化植被指数=((B3-B2)/(B3 B2))。詹森等等副[10]调查数据从四个不同的领域植被指数从现场获得XSm把图像分类的比例。
遥感影像的技术处理。
我们应该进行处理技术来纠正这个错误。它将消除或改正辐射错误造成的图像畸变。就像可以校准传感器辐射的陆地卫星多光谱扫描的辐射校准一样,使用内部校准源和校准楔。还有大气效应的校正也可以通过测量的辐射通量和图像密度来反映出来，并为了正确而做数据回归分析。
提取信息的红树林
红树林形象解释的特点 [11]。
由于红树林的分布特性,通常位于沿海潮间带和纬向部分形状和清晰的边界，有水运行。统一的图像颜色是暗的。质地光滑,细腻,树冠密度非常高。我们通过图像映射主要识别的整体轮廓红树林的分布。
多源遥感数据的集成。
遥感图像融合[12]是由先进的图像处理技术的复杂多源遥感图像。常用的集成methodsof集成一样遵循[13]:Brovey变换融合、主成分变换融合,融合的产物,小波变换融合。红树林分辨率遥感影像可以通过改进集成,还可以减少或抑制多个视图。这可能就是不完全、不确定性和错误存在于环境解释。它通过图像特性的准确性改进的。
识别和分类
特殊的红树林的光谱性质。
红树林周期性洪水由于其生长环境不同光谱gharacteristics树木和植被。它有一个强大的收蓝色和红色的颜色的作用。根据研究报告[14],460 nm ~ 502 nm“槽区”,反射的约3%
绿色区域的红外反射率高,在526 ~ 580海里有一个绿色的光反射，峰值反射率约为8 - 9%,700 ~ 745 nm之间红红外波段的过渡带“红边”的特点,显示反射率急剧增加,反射率从5%降至40%到50%。在700 ~ 930 nm之间反射峰值反射率为40% ~ 58%。乐队在785 ~ 830 nm反射峰值反射率约为45%到55%。我们可以使用这个特性来提取红树林的信息,以及学会从其他绿色植物提取技术和方法。
红树林遥感,基于叶面积指数。
红树林叶面积指数的定量的分析是指红树林的能量交换的分析。生态系统是一个重要的结构特征变量，可以用来估算生物量红树林和害虫评估。它还描述树冠变量的重要特征。因此,使用遥感获得红树物种的叶面积指数是一个重要的手段红树林的研究为红树林的生态参数提供了依据。
基于植被指数的红树林遥感。
光谱植被指数的信息可以根据植物状态信息的表达光谱信息得到，它包括定性和定量评价的植被覆盖率,生物量、生长与活力和生态参数。它还包括归一化植被指数NDVI、比值植被指数RVI,流苏帽变换等等。这一些植物指标归一化植被指数最广泛应用于红树林的遥感。它经常作为一个红树林生物量提取的重要参数进行分类Mahmoud A. Saleh Isodata使用非监督分类方法提取AbuMinqar红海与QuikBird岛红树林的高分辨率卫星图像信息和图片，监测未来岛红树林的变化，建立QuikBird基线数据库,选择甲基红乐队,CH4计算近红外归一化植被指数NDVI =(CH3-CH4)/(甲基 CH4)。
基于纹理的红树林遥感。
随着高分辨率卫星图像广泛用于纹理分析红树林的特点， 红树林监控变得的最重要。它不仅是传统的分类方法低精度,而且估计错误的领域。据方舟子生辉[15]分类红树林的调查基于Ikonos数据,当他从红树林中提取信息,引入纹理特征来区分红树林和芦苇相似的光谱特征，他们反射不同粗糙度的表面和胶片颗粒结构。它用标准差和纹理测量20times;20窗口,200times;200的培训计算出红树林和里德纹理,效果是显著的。
遥感识别的问题。
少的应用集成的数据源的应用程序的解释方法过时了。大多数应用技术主要依靠传统的目视判读方法。虽然这个方法很简单,但它需要更高的图像解决方案翻译和劳动密集型,信息采购周期长,质量的解决方案也限制的经验和熟悉地区的翻译。使用TM(单一数据源遥感分析和监控不准确和红树林群落的分类结果是令人不满意的。更多的错误的监控和低精度。在实际的研究中,我们直接解释主要来自红树林遥感图像划分分区。我们少与现场调查。它导致差异phenimenon一些区段。因为我们可以受到各种各样的东西,比如GPS定位控制点的选择、形象本赛季的情况,对红树林的保护状态。此外,分布和生长状况红树林受到许多因素的影响。因此很难满足,获得良好的分类的结果。
精度的要求。
难以区分的红树林类型。因为大部分的空间分辨率遥感数据本身不高,而且有很大的相似之处的光谱红树林的社区。他们很难区分各种社区红树林森林。
少的比较不同的方法和地区。
有一些比较研究当前的红树林遥感的不同方法的湿地。而且它只关注单个地区的比较，它缺乏的红树林湿地生态系统动态监测系统全面的比较研究的不同方法。此外,在一个区域比较分析,一些横向区域的比较分析,也缺乏对区域的纵向比较分析。
建议和展望
提高专业知识和技能。
我们应该熟悉的现实研究领域,并结合遥感和实地调查在一起。我们也应该可以使用GPS的测量位置,公平分配控制点选择训练区。综合利用类型的数据作为信息来源。当我们
应该充分利用人工智能信息提取功能.enhangce分类解释能力和准确性。
提高多个数据的融合,用各种各样的模型来估计。
在传统的统计分析模型中,将某些地质分析、不确定性分析和情报分析技术集成的数理统计分析和系统理论,控制理论、信息理论、决策理论、人工智能等数理技术，可以建立一个新的遥感影像判读模型,它可以改善检测精度遥感技术。我们应该将3 s技术和数据集成技术互相交流。多平台、多传感器、多角度航天遥感系统监视地表变化，快速变化的信息可以提供丰富的数据的访问资源。
各种遥感识别方法的组合。
选择两个或两个以上的分类,以满足研究区域红树林的特征和需求。各种方法都有自己的优势,所以我们应该学习每个方法的问题,学习不同的方法可以增加不同地区之间的对比研究，比较横向和纵向分析, 监测精度的准确性。这将提供快速、可靠的技术去支持红树林湿地的土地覆盖变化的监测。
确认
这项研究是由国家自然科学基金的项目(没有具体的研究基础。30970482)和国家公共工程(没有具体的研究基础。201104072)支持的。崔海山是相应的作者。
引用
[1]风扇Hangqing:红树林-沿海环境管理。(广西科学技术出版社、广西2000)。
[2]张Qiaomin,隋朱淑真。在中国红树林湿地资源及其保护。自然杂志资源,2001,16(1):几个。
[3]王Shugong。沿海湿地的现状及其保护在广东省。重庆的环境科学,1998,20(1):4。
[4]李夏,王凯,王Shugong。进化珠江红树林湿地遥感分析。地理,2006,61(1):保险。
[5]Blasco F,Aizpuru M,蒙古包C:湿地生态和管理。Vol.9-3(2001),p.255 - 266
[6]高J.A:Int.J。远程Sensing.Vol.20-14(1999),p.2823 - 2833。
[7]Rasolofoharinoro M,Blasco F,贝兰M F,等。国际远程Sensing.Vol.19-10杂志》(1998),p.1873 - 1886。
[8]腾Junhua,刘昱,顾余。聪明的红树林遥感分类。台湾杂志海峡,1997,(3):331 - 331。
[9]乔杜里M。U:23日遥感国际研讨会的诉讼环境,编辑遥感数据的数字分析formonitoring Sun-derbans的红树林的生态地位Banglades。曼谷,ICRSE(1990)。
[10]Jensen J R,无性系分株E,戴维斯B,et al。Geocartography International.Vol。2(1991),p.13-21。AuSthOoNr玲娜Xmuee / F Perio ecte adli。a / EPnrovicreodnima eEnntvailr oSncimenencetasl S0c我(e2n0c1e1s)1000 0(2 - 001010)2287 - 2293 2293冯石
[11](王
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[32009]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
