基于GF-1遙感濕地類型提取研究.pdf

1、目前，濕地資源作為一種與森林、海洋生態(tài)系統(tǒng)同樣地位的重要自然資源，它的變化和可持續(xù)保護利用是地球科學核心內容的重要部分。利用遙感技術在濕地區(qū)域進行監(jiān)測成為越來越重要的手段，可以解決濕地研究中一些科學問題，如濕地類型信息、濕地景觀信息、濕地變化特征等。通過這些研究可以推動濕地區(qū)域生態(tài)資源保護和發(fā)展，從而保障政府對濕地保護工程和保護區(qū)建設的科學、正確的決策。
　　研究選擇東洞庭湖作為主要的研究區(qū)，以GF-1遙感影像為數(shù)據(jù)源，對所采用的

2、遙感數(shù)據(jù)源進行預處理，再進行最佳波段組合、最佳融合方法分析，然后將遺傳算法技術和Fisher判別法引入濕地類型提取，一方面優(yōu)化支持向量機算法實現(xiàn)濕地類型高精度提取，另一方面采用Fisher判別法對濕地類型進行簡單、高效、自動提取;最后對四種算法的提取結果進行分析評價，旨在分析出適用于GF-1遙感影像濕地類型提取的最優(yōu)算法，完善濕地類型提取算法體系，為今后濕地遙感研究提供依據(jù)。主要研究結果如下:
　　(1)最佳波段組合分析研究

3、>　　研究綜合考慮光譜特征與信息量大小，通過標準差、信息熵、最佳指數(shù)3個定量評價指標以及目視效果判斷，確定GF-1遙感影像最佳波段組合為RGB=432。
　　(2)最佳融合方法分析研究
　　融合效果評價采用了定量評價的方式，從光譜繼承性和空間融入度兩方面分析融合效果，采用了均值、相關系數(shù)、熵、標準差、梯度五個指標分別對主成分變換融合、Gram-Schmidt融合和基于平滑濾波亮度調整融合的結果進行定量評價。在光譜繼承性和空間

4、融入度上SFIM融合法都要優(yōu)于其他融合方法，SFIM既能提高空間分辨率，又很好的保留了光譜信息，有利于信息提取，對于GF-1號遙感影像來說SFIM是一種較好的融合方法。
　　(3)遺傳算法優(yōu)化的支持向量機
　　對支持向量機和遺傳算法優(yōu)化的支持向量機提取結果進行精度評價，支持向量機的總體精度83.79％，kappa系數(shù)0.7985，遺傳算法優(yōu)化的支持向量機的總體精度88.14％，kappa系數(shù)0.8527，兩者總體精度相差4.

5、35個百分點，kappa系數(shù)相差0.0542，提取時間基本一致。充分說明，遺傳算法優(yōu)化的支持向量機在濕地類型提取上的有效性，且提取精度明顯提高。
　　(4) Fisher判別法自動提取
　　在GF-1號遙感影像濕地類型提取時間上，F(xiàn)isher判別法收斂性大為改善，數(shù)據(jù)迭代次數(shù)明顯減少，提取速度提升顯著，提取結果只需要49秒。在大批量影像處理上Fisher判別法優(yōu)勢明顯，既能滿足了總體精度要求，也能大大縮短濕地類型提取時間。<

6、br>　　(5)濕地類型提取算法比較
　　通過實驗得出:總體精度上遺傳算法優(yōu)化的支持向量機與面向對象決策樹最高為88.14％，其次是Fisher判別法總體精度85.17％，支持向量機總體精度最低83.79％;遺傳算法優(yōu)化的支持向量機Kappa系數(shù)最高0.8572，其次是面向對象決策樹和Fisher判別法Kappa系數(shù)分別為0.8217、0.8129，支持向量機的Kappa系數(shù)最低0.7985，這充分說明遺傳算法優(yōu)化的支持向量機在濕