本发明专利技术公开了一种基于AWEInsh与MNDWI指数相结合的养殖池塘信息提取方法，一、对数据进行正射纠正和几何精纠正；二、对Landsat的OLI影像进行多层多尺度分割；三、计算AWEInsh(自动化水体提取指数)和MNDWI(改进的归一化水体指数)；四、去除非水体对象；五、提取养殖池塘对象；六、导出养殖池塘对象，生成养殖池塘矢量；七、在ArcGIS软件中制作养殖池塘专题地图。准确提取养殖池塘空间分布信息；通过设定阈值逐层提取养殖池塘对象，制作养殖池塘专题地图。所得分类结果精度高，且为沿海原生湿地的萎缩或消失、自然栖息地的破坏、生物多样性的丧失、海岸带脆弱性的增加等问题提供技术借鉴。本发明专利技术对遥感影像与各种水体指数相结合快速自动提取养殖池塘信息具有实践意义。速自动提取养殖池塘信息具有实践意义。速自动提取养殖池塘信息具有实践意义。
【技术实现步骤摘要】
一种基于AWEInsh与MNDWI指数相结合的养殖池塘信息提取方法
[0001]本专利技术涉及一种基于AWEInsh与MNDWI指数相结合提取Landsat 8遥感影像的养殖池塘信息的方法。
技术介绍
[0002]水产养殖业在解决全球粮食安全和营养问题方面发挥着关键的作用。同时，水产养殖业的迅速发展也给一些发展中国家的沿海环境带来了巨大的压力。沿海养殖业的繁荣发展不可避免地会带来一系列的环境问题，例如沿海原生湿地的萎缩或消失、自然栖息地的破坏、生物多样性的丧失、海岸带脆弱性的增加等，养殖池塘的提取是解决这众多方面问题的基础，到目前为止，我们关于养殖池塘的空间分布所知甚少。因此，快速准确地绘制养殖池塘的空间分布专题地图显得尤其重要。现有的养殖池塘提取方法主要有目视解译人工判读以及利用光谱信息简单提取，目视解译虽精度较高，但费工费时，效率低下，仅利用光谱信息提取结果不够精确，难以区分其他水体地物类型，产生错分或漏分，降低养殖池塘空间信息提取的准确性。
[0003]面向对象的解译方法在解译时不仅考虑到地物的光谱信息，同时地物的几何特征和结构特征也被考虑在内，影像解译的最小单元是具有相同特征(如光谱、纹理和空间组合关系等特征)同质均一的对象。相对于传统的遥感解译方法针对影像的单个像元的特征进行解译而言，此方法突破了传统的遥感分类方法以像元为基本分类和处理单元的局限性，以含有更多语义信息的多个相邻像元组成的对象为处理单元，可以实现较高层次的遥感图像分类和目标地物提取。该方法是基于认知模型的遥感信息提取方法，更贴近人类的认知过程，已成为遥感信息提取领域主要的研究方向之一。
[0004]Landsat是1972年以来美国航空航天局(NASA)发射升空的一系列陆地资源卫星。Landsat 8卫星包含OLI(Operational Land Imager陆地成像仪)和TIRS(Thermal Infrared Sensor热红外传感器)两种传感器，含有11个波段(0.43～0.45μm,0.45～0.51μm，0.53～0.59μm，0.64～ 0.67μm，0.85～0.88μm，1.57～1.65μm，2.11～2.29μm，0.50～0.68 μm，1.36～1.38μm，10.6～11.19μm，11.5～12.51μm)。
技术实现思路
[0005]本专利技术是要解决现有的利用遥感影像提取养殖池塘信息的方法效率低或精度低等问题，而提供了一种基于AWEInsh与MNDWI指数相结合的养殖池塘信息提取方法。
[0006]基于AWEInsh与MNDWI指数相结合的养殖池塘信息提取，该方法包括以下步骤：
[0007]步骤一：对Landsat OLI数据进行预处理，包括正射纠正和几何精纠正，消除由于卫星姿态变化、地形起伏、地球自转、曲率等因素引起的地形畸变和几何畸变；
[0008]步骤二：对Landsat OLI影像进行多层多尺度分割，得到一系列分割单元，每个分割单元由空间上相邻、同质性达到80％以上的像元组成，将每个分割单元作为一个对象；
[0009]步骤三：利用处理好的遥感影像数据计算AWEInsh(自动化水体提取指数)和MNDWI(改进的归一化水体指数)；
[0010]步骤四：利用步骤三得到的AWEInsh值，确定区分低反射率水体和高反射率的非水体(建筑、植被、土壤等)的阈值，从Landsat OLI影像中去除非水体对象；
[0011]步骤五：在Landsat OLI影像中，去除步骤四所提取的非水体对象后得到所需的水体对象，结合养殖池塘的光谱特征、纹理特征、拓扑特征以及指数特征值(MNDWI)逐步判定并提取养殖池塘对象；
[0012]步骤六：导出养殖池塘对象，生成养殖池塘矢量；
[0013]步骤七：在ArcGIS软件中制作养殖池塘专题图。
[0014]本专利技术的优点
[0015]本专利技术将面向对象的遥感图像分类方法应用于养殖池塘的提取中，将独立的像元合并成为同质的对象，提取水体信息的过程中，引入自动化水体提取指数，提取水体方便快捷，在提取养殖池塘信息的过程中利用光谱特征、纹理特征、拓扑特征以及改进的归一化水体指数(MNDWI)相结合的方法，准确提取养殖池塘空间分布信息；通过设定阈值逐层提取养殖池塘对象，制作养殖池塘专题地图。所得分类结果精度高，且为沿海原生湿地的萎缩或消失、自然栖息地的破坏、生物多样性的丧失、海岸带脆弱性的增加等问题提供技术借鉴。本专利技术对遥感影像与各种水体指数相结合快速自动提取养殖池塘信息具有实践意义。
附图说明
[0016]图1是本专利技术所述的基于AWEInsh与MNDWI指数相结合的养殖池塘信息提取方法的流程框图；
[0017]图2是实施例中养殖池塘信息提取结果图。
具体实施方式
[0018]步骤一：下载Landsat OLI数据。为消除地形畸变，利用试验区的DEM 数据对Landsat OLI影像进行正射纠正；为消除几何畸变，利用地形数据，在ERDAS软件中选取地面控制点，对正射纠正后的影像进行几何精纠正；
[0019]步骤二：利用eCognition软件对Landsat OLI影像进行多层多尺度分割，得到一系列分割单元，每个分割单元由空间上相邻、同质性达到80％以上的像元组成，将每个分割单元作为一个对象。表1显示在面向对象分类过程中多尺度分割的参数设置；
[0020]表1.
[0021][0022]步骤三：利用处理好的遥感影像数据计算AWEInsh(自动化水体提取指数)和MNDWI(改进的归一化水体指数)；
[0023]AWEInsh计算方法为：
[0024]AWEInsh＝4
×
(ρ
green
‑
ρ
SWIR 1
)
‑
0.25
×
ρ
NIR
+2.75ρ
SWIR 2
ꢀꢀꢀ
公式(1)
[0025]LSWI计算方法为：
[0026]MNDWI＝(ρ
green
‑
ρ
SWIR 1
)/(ρ
green
+ρ
SWIR 1
)
ꢀꢀꢀ
公式(2)
[0027]其中，green为遥感影像的绿光波段，NIR为遥感影像的近红外波段， SWIR 1为短波红外1，SWIR 2为短波红外2。
[0028]步骤四：利用步骤三得到的AWEInsh值，确定区分低反射率水体和高反射率的非水体(建筑、植被、土壤等)的阈值，从Landsat OLI影像中去除非水体对象；根据已有水体样点，并通过一系列的试验发现，当AWEInsh 阈值设置为1000时可以95％以上区分水体和非水体对象；
[0029]步骤五：在Landsat OLI影像中，去除步骤四所提取的非水体对象后得到所需的水体对象，结合养殖池塘的光谱特征、纹理特征、本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.基于AWEInsh与MNDWI指数相结合的养殖池塘信息提取方法，其特征在于基于AWEInsh与MNDWI指数相结合的养殖池塘信息提取方法按照以下步骤进行：步骤一：对Landsat OLI数据进行预处理，包括正射纠正和几何精纠正，消除由于卫星姿态变化、地形起伏、地球自转、曲率等因素引起的地形畸变和几何畸变；步骤二：对Landsat OLI影像进行多层多尺度分割，得到一系列分割单元，每个分割单元由空间上相邻、同质性达到80％以上的像元组成，将每个分割单元作为一个对象；步骤三：利用处理好的遥感影像数据计算AWEInsh(自动化水体提取指数)和MNDWI(改进的归一化水体指数)；步骤四：利用步骤三得到的AWEInsh值，确定区分低反射率水体和高反射率的非水体(建筑、植被、土壤等)的阈值，从Landsa...
【专利技术属性】
技术研发人员：任春颖，高晓倩，刘盼，陈琳，王宗明，贾明明，
申请(专利权)人：中国科学院东北地理与农业生态研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。