遥感影像在西鞍山地质普查地形图测量工程中的应用研究

摘 要：遥感影像的应用领域较广，其中关于制作地形图是遥感影像的重要领域。随着高光谱图像和成像光谱技术的发展，遥感影像制作地形图更向着高精度和大比例尺方向发展。本文系统的阐述了使用ERDAS 9.1进行地形地物信息提取和制作地形图的基本流程，并应用快鸟高分辨率遥感影像，制作了西鞍山地质普查中所应用的地形图。

关键词：遥感影像；监督分类；非监督分类；地形图制作

1 绪论

遥感影像技术是从不同高度的遥感平台，使用遥感传感器收集地物的电磁波信息，再将其传输到地面并加以處理，从而达到对地物的识别与监测的全过程。遥感技术具有宏观概括、动态、快速的特点，成为现代资源勘查科学研究中最有效的手段之一，具有广阔的发展前景。

本文的主旨在于制作遥感影像地形图，通过遥感图像预处理和影像分类，并进行比较和分析，最终制作地形图，证明借助现代遥感技术制作地形图这一方法是可行的，从而我们能够及时得到测区地形地物信息及状况。

1.1 研究的目的与意义

遥感技术的发展，导致地图制作方法的变化。第一，改变了从大比例尺缩编小比例尺地图的传统程序，可直接绘制小比例尺地图；第二，可用不同分辨率的卫星影像进行地图更新；第三，实现准同步动态制图，摆脱调查、测绘时间不同步的困境；第四，使全球制图成为现实[1]。

1.2 研究现状

1.2.1 国内研究现状

我国在利用遥感技术编制土地利用专题图方面，也取得了明显的进展。20世纪70年代，航天遥感技术传入中国。我国在积极引进美国陆地卫星影像的同时，也发射了自己的国土普查卫星，编制了全国影像地图，开展了遥感地学分析。目前，中央和地方已在一些科研单位、高等院校与生产部门建立了相当数量且具有一定规模、拥有先进仪器设备的遥感应用、地图制图与地理信息系统项目室，拥有一批以年轻人为主体的专业队伍。

1.2.2 国外研究现状

20世纪70年代以来，遥感技术在土地利用调查与制图中得到了广泛应用，世界各国己经利用卫星遥感影像进行土地利用的制图、资源分析等研究，并取得了一定的社会和经济效益。尤其是发展中国家，资金和资料短缺，应用遥感技术可以快速、低成本地清查土地资源现状。

2 高分辨率遥感影像的预处理

遥感影像的预处理主要包括对遥感影像的几何校正，影像重采样，影像的融合三个步骤，通过对影像的预处理，可以有助于遥感影像在项目阶段的应用[2]。

2.1 遥感影像应用

本次项目所使用的遥感影像数据为2007年快鸟高分辨率遥感影像和多光谱遥感影像，获取区域为辽宁省鞍山市西鞍山地区。通过对全色遥感影像和多光谱影响的几何校正与融合，来实现项目数据的预处理。

2.2 遥感影像的几何纠正

数字图像纠正的目的是改正原始图像的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像。它的基本环节有两个：一是像素坐标变换，二是像素亮度值重采样，而实际上，这两个环节在纠正过程中是同步进行的。

像素坐标变换是通过建立纠正函数来实现的，多项式纠正法是实践中经常使用的一种方法。该法的基本思想是回避成像的空间几何过程，而直接对图像变形的本身进行数字模拟，它认为遥感图像的总体变形可以看作是平移、缩放、旋转、仿射、偏扭、弯曲以及更高次的基本变形的综合作用结果，因而纠正前后图像相应点之间的坐标关系可以用一个适当的多项式来表达。

2.3 遥感影像的融合和裁剪

多源遥感数据的融合是将多源遥感数据在统一的地理坐标系中，采用一定的算法生成一组新的信息或合成图像的过程。不同的遥感数据具有不同的空间分辨率、波谱分辨率和时间分辨率，如果将它们各自的优势综合起来，可以弥补单一图像上信息的不足。这样不仅扩大了各自信息的应用范围，而且大大提高了遥感影像分析的精度。

本次项目所使用的融合方法是基于主成分变换的图像融合方法（K-L变换法）：主成分变换融合是建立在图像统计特征基础上的多维线性变换，具有方差信息浓缩、数据量压缩的作用，可以更准确地揭示多波段数据结构内部的遥感信息，常常是以高分辨率数据替代多波段数据变换以后的第一主成分来达到融合的目的。

3 利用遥感影像制作地形图

利用遥感影像制作地形图的过程实际上就是将遥感图像中每一个像元点或每一块区域划分到若干类别中的一类。分类结果是将图像空间划分为若干子区域，每个子区域代表一种实际地物[3]。遥感图像的分类方法通常有两种：非监督分类和监督分类。

3.1 非监督分类法

监督分类的思想：首先根据类别的先验知识确定判别函数和相应的判别准则，其中利用一定数量已知类别的样本（称为训练样本）的观测值确定判别函数中待定参数的过程称之为学习或训练，然后将未知类别的样本的观测值代入判别函数，再依据判别准则对该样本的所属类别做出判定。下面介绍几种主要的非监督分类方法。

（1）最小距离分类法。最小距离分类法是以特征空间中的距离作为像素分类的依据。首先由训练组数据得出每一类别的均值向量和协方差矩阵，然后以各类的均值向量作为该类在多维空间中的中心位置。

（2）平行多面体分类法。平行多面体分类法是根据设定在各轴上的值域，在多维数据特征空间中划分出若干个互不重叠的平行多面体块段（特征子空间）。

（3）最大似然分类法。它是基于Bayes分类准则的应用最为广泛的监督分类法。这种方法主要依据光谱性质的相似和属于某类的概率最大的假设来指定每个像元的类别。最大似然分类法的基本前提是认为每一类的概率密度分布都是正态的，由每一类的均值向量和协方差矩阵可以得到它在多维正态分布密度函数，该密度函数的自变量就是一个多维向量[4]。

3.2 监督分类法

先定义分类模版，主要是有利于监督分类过程中对地物的精确分类，打开定义分类模板，利用AOI裁剪工具对不同地物进行分类、合并，构建一个比较合理的分类模板。

执行监督分类：在监督分类过程中，用于分类决策的规则是多层次的，如对非参数模板有特征空间、平行六面体等方法，对参数模板有最大似然法、最小距离法等方法。在本项目采用参数模板，利用ERDAS软件的supervised classifier功能，打开融合后的影像，并且打开保存的定义分类模板，选择好保存路径等执行监督分类。

4 结束语

近年来，随着遥感技术的发展，高分辨率卫星影像得到了广泛重视。本通过本次项目的操作和处理过程，掌握了很多专业知识以及专业软件的操作技巧，对于ERDAS IMAGINE软件有了进一步的了解。本次项目的成果比较理想，但是在提取细节上由于软件的限制，遥感影像的制约等因素，提取的效果和实际地物仍然存在一定的差距。因此在以后的学习和实习过程中，要提高软件的处理效果，影像的分类效果等，争取在遥感影像上处理的结果和实际地物的基本情况相吻合。

参考文献：

[1] 马耀峰，胡文亮，张安定，陈逢珍.地图学原理[M].北京：科学出版社，2004.

[2] 梅新安，彭望碌，秦其明等.遥感导论[M].北京：高等教育出版社，2001.

[3] 赵英时.遥感应用分析原理与方法[M].北京：科学出版社，2003.

[4] 常庆瑞，蒋平安，周勇等.遥感技术导论[M].北京：科学出版社，2004.

推荐访问： 鞍山 地形图 遥感 普查 地质

---