基于SAR数据的鄱阳湖水体提取及变化监测研究

doi:10.6046/gtzyyg.2010.04.19

摘要
参考文献
相关文章
Metrics

全文: PDF(887 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

以C波段Envisat ASAR和L波段ALOS PALSAR交替极化模式的数据为数据源，分析了鄱阳湖主要地物的散射特性，并分别引入纹理特征和不同极化通道间的极化差和极化比等参数增强地物的表征；应用主成分变换对地物的参数向量进行特征提取，增强水体与其他地物的差异，并在第一主成分中选择适当阈值，准确提取出不同时期的鄱阳湖水体信息。实验表明，用上述方法提取水体信息的精度比直接使用地物后向散射系数的监督分类法提取精度要高得多。通过分析和对比上述不同波段SAR数据中水体与其他类别间的Jeffries-Matusita距离可以看出，C波段SAR数据提取鄱阳湖水体的精度比L波段高。并给出了鄱阳湖水体在2007年春、夏和冬3个季节中水域面积的动态变化情况。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	吴德文
	张远飞
	朱谷昌

关键词 ：遥感图像, 岩石信息, 最优密度分割

Abstract：

In order to extract the open water from the Poyang Lake by applying SAR data in different periods, the authors firstly analyzed the scattering mechanism of water，vegetation and sand，then used the texture of SAR imagery and polarized ratio and polarized difference to enhance the description of targets, and employed principal component transformation to enhance the contrast of water and other objects. With the first component，the area of open water on SAR imagery could be effectively and accurately extracted by setting up a proper threshold. The SAR images used were Envisat-ASAR and ALOS-PALSAR alternating polarization mode data. Meanwhile，after the analysis of two kinds of sample data with Jeffries-Matusita distance，ASAR data with C band could provide more accurate extraction of open water than those of PALSAR with L band. Finally，the open water of the Poyang Lake was extracted from SAR imagery in spring，summer and winter，and the changes of water area indicated the regular change of the open water of the Poyang Lake.

Key words： Remote sensing image Rock information The best density separation method

收稿日期: 2009-12-11 出版日期: 2011-08-02

TP 79

基金资助:

863计划项目（编号： 2009AA12Z102）和973计划项目（编号： 2009CB723906）共同资助。

作者简介: 王庆（1986-），男，在读硕士研究生，主要从事SAR数据信息提取、极化SAR数据处理和微波遥感应用等方面的研究。

引用本文:

王庆, 廖静娟. 基于SAR数据的鄱阳湖水体提取及变化监测研究[J]. 国土资源遥感, 2010, 22(4): 91-97.
WANG Qing, LIAO Jing-Juan. Water Area Extraction and Change Detection of the Poyang Lake Using SAR Data. REMOTE SENSING FOR LAND & RESOURCES, 2010, 22(4): 91-97.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2010.04.19 或 https://www.gtzyyg.com/CN/Y2010/V22/I4/91

［1］丁莉东，余文华，覃志豪，等. 基于MODIS的鄱阳湖区水体水灾遥感影像图制作［J］.国土资源遥感，2007（1）：82-85.

［2］于欢，张树清，李晓峰，等. 基于TM影像的典型内陆淡水湿地水体提取研究［J］. 遥感技术与应用，2008，23（3）：310-315.

［3］都金康，黄永胜，冯学智，等. SPOT卫星影像的水体提取方法及分类研究［J］. 遥感学报，2001，5（3）：214-219.

［4］孙涛，黄诗峰. Envisat ASAR在特大洪涝灾害监测中的应用［J］. 南水北调与水利科技，2006，4（2）：33-35.

［5］廖静娟，沈国状. 基于多极化SAR图像的鄱阳湖湿地地表淹没状况动态变化分析［J］.遥感技术与应用，2008，23（4）：373-377.

［6］沈国状，廖静娟. 面向对象技术用于多极化SAR图像地表淹没程度自动探测分析［J］.遥感技术与应用，2007，22（1）：79-82.

［7］朱俊杰，郭华东，范湘涛，等. 基于纹理与成像知识的高分辨率SAR图像水体检测［J］.水科学进展，2006，17（4）：525-530.

［8］殷悦，宫辉力，赵文吉. 基于SAR影像的洪水淹没范围信息提取的研究［J］.测绘与空间地理信息，2007，30（4）：50-54.

［9］郑伟，刘闯，曹云刚，等. 基于Asar与TM图像的洪水淹没范围提取［J］.测绘科学，2007，32（5）：180-181.

［10］ESA. BEST-Basic Envisat SAR Toolbox［EB/OL］. ［2009-02-10］. http://earth.esa.int/best/software/.

［11］Frost S V，Stiles A J，Shanmugan S K，et al. A Model for Radar Images and Its Application to Adaptive Digital Filtering of Multiplicative Noise［J］. IEEE Trans. Pattern Analysis and Machine Intelligence，1982，4（2）：157-166.

［12］Lopes A, Touzi R，Nezry E. Adaptive Speckle Filters and Scene Heterogeneity［J］.IEEE Transaction on Geoscience and Remote Sensing，1990，28（6）：992-1000.

［13］郭华东.雷达对地观测理论与应用［M］. 北京：科学出版社，2001.

［14］Oliver C，Quegan S. Understanding Synthetic Aperture Radar Images［M］. Boston and London：Artech House，1998.

［15］袁礼海，宋建社，薛文通，等.利用灰度和纹理特征的SAR图像分类研究［J］. 电光与控制，2007，14（4）：58-62.

［16］宋建社，郑永安，袁礼海，等.合成孔径雷达图像理解与应用［M］. 北京：科学出版社，2008.

［17］Lain H，Woodhouse. Introduction to Microwave Remote Sensing［M］.Taylor & Francis，2006.

［18］舒宁，马洪超，孙和利. 模式识别的理论和方法［M］. 武汉：武汉大学出版社，2004.

[1]	张大明, 张学勇, 李璐, 刘华勇. 一种超像素上Parzen窗密度估计的遥感图像分割方法[J]. 自然资源遥感, 2022, 34(1): 53-60.
[2]	李轶鲲, 杨洋, 杨树文, 王子浩. 耦合模糊C均值聚类和贝叶斯网络的遥感影像后验概率空间变化向量分析[J]. 自然资源遥感, 2021, 33(4): 82-88.
[3]	刘万军, 高健康, 曲海成, 姜文涛. 多尺度特征增强的遥感图像舰船目标检测[J]. 自然资源遥感, 2021, 33(3): 97-106.
[4]	王小兵. 融合提升小波阈值与多方向边缘检测的矿区遥感图像去噪[J]. 国土资源遥感, 2020, 32(4): 46-52.
[5]	刘尚旺, 崔智勇, 李道义. 基于Unet网络多任务学习的遥感图像建筑地物语义分割[J]. 国土资源遥感, 2020, 32(4): 74-83.
[6]	李宇, 肖春姣, 张洪群, 李湘眷, 陈俊. 深度卷积融合条件随机场的遥感图像语义分割[J]. 国土资源遥感, 2020, 32(3): 15-22.
[7]	蔡之灵, 翁谦, 叶少珍, 简彩仁. 基于Inception-V3模型的高分遥感影像场景分类[J]. 国土资源遥感, 2020, 32(3): 80-89.
[8]	马鸿霖, 贾伟洁, 付长亮, 李伟. 沙特阿拉伯吉达东北部地质构造与蚀变信息提取及找矿有利部位预测[J]. 国土资源遥感, 2019, 31(3): 174-182.
[9]	叶发茂, 罗威, 苏燕飞, 赵旭青, 肖慧, 闵卫东. 卷积神经网络特征在遥感图像配准中的应用[J]. 国土资源遥感, 2019, 31(2): 32-37.
[10]	谢奇芳, 姚国清, 张猛. 基于Faster R-CNN的高分辨率图像目标检测技术[J]. 国土资源遥感, 2019, 31(2): 38-43.
[11]	葛芸, 江顺亮, 叶发茂, 姜昌龙, 陈英, 唐祎玲. 聚合CNN特征的遥感图像检索[J]. 国土资源遥感, 2019, 31(1): 49-57.
[12]	张康, 黑保琴, 李盛阳, 邵雨阳. 基于CNN模型的遥感图像复杂场景分类[J]. 国土资源遥感, 2018, 30(4): 49-55.
[13]	杨萍, 李轶鲲, 胡玉玺, 杨树文. 融合相容粒理论的遥感图像检索[J]. 国土资源遥感, 2017, 29(4): 43-47.
[14]	丁海勇, 罗海滨, 郭瑞瑞. 基于非下采样轮廓变换与模糊理论的遥感图像增强[J]. 国土资源遥感, 2017, 29(3): 25-31.
[15]	徐金东, 倪梦莹, 童向荣, 张艳洁, 郑强. 一种基于多尺度稀疏分解的遥感图像融合新方法[J]. 国土资源遥感, 2017, 29(3): 51-58.

Viewed

Full text

Abstract

Cited

Shared

Discussed