luoxin第四章-遥感综合分析方法.ppt

第四章 遥感综合分析方法 地学相关分析方法 分层分类法 变化检测法 第一节 地学相关分析法 遥感图像反映的是某一区域特定地理环境的综合体，遥感信息综合地反映了地球系统各要素的相互作用、相互关连，在利用遥感技术手段认识地球时，就有可能考虑和利用这种信息相关。 地学相关分析就是充分认识地物之间以及地物与遥感信息的相关性，并借助这些相关性，在图像上寻找目标识别所需的相关因子，通过提取相关因子来识别目标。 第一节 地学相关分析法 相关因子选择的条件： 与目标的相关性明显； 在图像上有明显的显示或易于图像分析并提取。 主要方法： 主导因子相关分析法； 多因子相关分析法； 指示标志分析法。 一、主导因子相关分析法 地形是影响地表生态环境形成的主导性因素。 地形因子的影响或差别造成区域土壤、植被分布的差异。 地形的差别往往导致同物异谱或异物同谱现象，影响解译或分类精度。 地形主导因子相关分析方法的目的是根据地形因子影响某些地物类型光谱变异的先验知识，建立相关分析模型，提高识别地物目标的能力和精度。 1、地形因子相关分析法 以土壤自动分类为例，说明地形因子相关分析方法的工作原理与应用过程。 一般说来，仅凭遥感图像数据，直接进行土壤遥感自动分类，难以取得好的分类效果，这是因为土壤的光谱数据受到许多因素的干扰，如植被覆盖、大气条件、太阳高度角的变化、土壤表层性质的季节变化(如灌溉、施肥、返盐、翻耕等)、地表形态等。它们都影响到多光谱数据直接识别土壤的精度。 因此，在土壤遥感分类中，往往要把遥感光谱数据与常规的土壤分析方法结合起来，利用土壤形成与成土因子、成土环境间的密切关系，进行相关因子分析，以识别土壤类型。 实例1：土壤自动分类 美国农业部利用山区土壤与地形因子的密切关系，通过数字地形数据(DTM)计算得到的定量地形因子(如平均坡度、水网密度、高程偏差等)来自动识别土壤类型，取得较好的识别效果。其具体做法如下： 实例2：四川龙门山西北部植被分布与地形因子的相关性（陈瑶等2006年发表于《生态学杂志》） 摘 要：在利用GIS技术提取地形统计数据的基础上，采用关联分析和因子分析法对四川龙门山西北部的植被分布与地形因子的相互关系进行了分析。结果表明：在该区域内,植被分布与地形因子均有显著关联，其中地形因子中的海拔对植被分布的影响最大，此外，植被分布还受坡度及坡向的影响，这体现了它们通过影响水分和光照条件从而间接影响植被生长发育的特点。 （1）引言 作为生境条件的一种综合指示,地形特征是一个包括海拔、坡向和坡度等因子的多维变量；地形特征不仅决定光、热、水、土壤等植被生境中其它要素的空间分布,而且还是直接影响植被垂直带谱、群落分布以及种群格局的主导因子; 目前，利用地形特征的差异性来揭示植被空间分布规律以及了解自然因素对植被分布的影响已经在景观和群落尺度的植被格局分析中引起关注,逐渐成为植被生态学研究的一个重点领域； 本文以四川龙门山西北侧的唐家河区域为研究对象，利用遥感解译后得到的植被分布信息，结合地理信息系统中的数字高程建模方法，从数理统计的角度分析该区域内的植被类型与地形因子的相关性，以揭示二者之间紧密的相互关系,并为植被的定量化研究提供一条新的途径。 （2）研究区域及方法 研究区域自然状况:龙门山是四川省内沱江和岷江的分水岭，北起广元，南达都江堰市，全长约350km，包括龙门山、九顶山和茶坪山，为岷山东南延伸部分,同时也是四川东、西部主要气候界线之一。在其分布区域内，地形起伏较大，高差悬殊，山势陡峭，河谷深切，山脊海拔多在3500m以上，其中九顶山主峰狮子王4984m。 （3）研究方法 资料来源：2001 年3 月10日TM数据 坡度与坡向图生成：DEM生成 数据处理：采用随机选择的原则，对各类植被类型的分布斑块进行选取。每种植被类型随机抽取50 个斑块数，以各斑块几何中心位置的海拔、坡度、坡向、经度和纬度信息为有效统计数据。 （4）结果与分析 A.交叉列联表分析:交叉列联表是将观测数据按两个或更多属性 (定性变量)分类时所列出的频数表。 列联表分析是有效分析类型变量与其它变量之间相互关系的方法之一。本文利用该方法可以确定植被的分布是否与地形因子中的海拔、坡度和坡向有关联。 （3）研究方法 利用统计分析软件SPSS对列联表进行分析。在分析过程中选用皮尔逊卡方法和费希尔精确检验法得到分析结果。 从统计学上判定，龙门山西北侧的植被分布与海拔、坡度和坡向有显著关联。 B.因子分析 因子分析是主成分分析的进一步发展，是将多个实测变量转化为少数几个不相关的综合指标的多元统计方法，因此更能反映事物的本质。 （5）讨论 利用GIS技术从遥感图像中提取地形数据