遙感技術在湖泊動態變化研究中的應用

1遙感監測湖泊系統的意義現在，地質調查是一個主題。湖泊萎縮是人類面臨的主要環境問題之一。在區域生態系統中,湖泊具有重要的生態意義。湖泊作為區域陸地水循環中的一個重要載體,對區域的水量平衡發揮重要作用。湖泊水量平衡分析計算是湖泊水文研究的基礎,它為湖泊水資源開發利用、湖泊及流域的生態平衡提供重要依據。因此,研究湖泊水域動態變化,及時掌握區域水量平衡狀況,可以為區域水資源可持續利用提供依據。同時,湖泊和河流緊密關聯,它對河流流量具有調蓄作用。研究湖泊的動態變化規律對于洪澇災害預報、監測、減災及災情評估等具有指導意義,同時為農業灌溉、區域水管理等農業規劃提供依據。此外,湖泊作為一個生態系統,具有一定的生態功能,通過和陸地生態系統之間進行物質循環、能量流動和信息傳遞,可以形成局部小氣候,調節區域氣候。湖泊水域的變化是其所在流域水量平衡的綜合結果,對氣候變化和人類活動影響具有高度敏感性。湖泊變化是氣候變化敏感的指示器。湖泊的形成與消失、擴張與收縮及其引起的生態環境變化都反映了一定地域乃至全球的構造和氣候事件。因此,精確迅速地監測湖泊動態,揭示自然因素及人類活動對湖泊水域的影響規律,對合理開發、利用和保護湖泊水域有著極其重要的意義。遙感技術的誕生,使得人類對地球表層的理解推進到一個新的階段,同時也給大范圍的湖泊水域動態變化監測和相關參數的反演研究帶來了便利。遙感技術能夠大范圍、及時快速地監測地表環境的動態變化,與傳統的湖泊調查方法相比有著明顯的優勢,它能利用多種手段快速獲得大量的地表變化信息,成為湖泊研究強有力的技術手段。湖泊水域的研究是湖泊水文相關研究的基礎。遙感數據除對湖泊水域各個特征進行直接估測外,還可作為模擬湖泊水位水文模型的輸入參數,從而對區域水文進行模擬。湖泊水域面積是湖泊平面形態的一個重要參數,它的時間序列能提供氣候變化的記錄,特別對封閉湖泊而言更能顯示出這種顯著的變化。湖泊作為一種土地覆蓋類型,它的動態變化研究成為全球環境變化研究的重要組成部分。本文主要針對湖泊水域動態變化,從湖泊動態研究的原理和數據源、湖泊信息提取方法和遙感動態監測方法等幾方面對湖泊動態變化研究的最新進展進行論述,并討論了當前湖泊水域動態變化研究中存在的一些問題和發展的趨勢。2湖泊水生動態變化的遙感監測原則和數據來源2.1近紅外段地表識別的應用湖泊動態變化監測的主要任務是監測湖泊水域是否發生變化及其變化的具體狀況,它包括對湖泊信息的識別與提取和對湖泊動態變化信息的檢測兩方面內容。前者實質是將湖泊信息與其它信息區分開來。由于水體和陸地接受太陽輻射相互作用以后,對太陽輻射的反射、吸收、散射、透射的特征差異很大,從而使其在遙感圖像上的反映也迥然不同,成為區分水體和其它地物的重要基礎。在可見光和近紅外波段內,水體識別主要基于水體、植被、土壤等地物的光譜反射差異。水對近紅外和中紅外波長的能量吸收最多,該波段內的能量很少被反射,而植被和土壤對可見光波段反射極少,但對近紅外反射卻很高。因此,用遙感數據中的近紅外和可見光波段可以方便地解決地表水域定位和邊界確定等問題。微波遙感對水體鑒別也有很高的靈敏度,陸地的地表覆蓋和起伏的地形,使入射微波產生較強的后向散射,被雷達天線接收,形成較明亮的影像;而水體強烈吸收微波,形成暗黑色的影像,故水陸界限分明,可以清晰地得到水面覆蓋信息。地物后向散射特性的差異是主動微波遙感觀測水體的基本原理。2.2湖泊監測的主要數據源湖泊動態研究數據源的選擇是根據不同時代技術條件、研究資料的可獲得性以及研究區域的尺度和地表特征等決定的。在遙感技術廣泛應用前,可供研究應用的數據源主要是地形圖等地圖數據;在航空攝影階段,航空攝影圖片成為主要的數據源;而在衛星遙感階段,高分辨率的陸地衛星數據則是最為常用的遙感數據源。多時相遙感數據是實現湖泊動態變化監測的重要資料,近年來高分辨率陸地衛星的應用以及高光譜遙感技術的發展為動態監測湖泊變化的發展提供了機遇。從遙感利用波段來看,湖泊動態監測的數據源可分為可見光和微波遙感數據。常用的可見光衛星傳感器有NOAA-AVHRR、SPOTVGT、MODIS、LandSatTM和ETM+等,此外,一些主動微波傳感器如ERS-1、ERS-2和JERS-1及Radarsat也是湖泊水域監測的重要數據源。以下主要分析幾種常用數據源的特點及數據源的選擇。AVHRR具有覆蓋面大和觀測周期短等特點,常用于建立長時間序列數據,是長時間序列湖泊動態變化研究的重要數據源。胡東生等利用LandsatMSS和TM遙感影像資料對比分析,發現NOAAAVHRR遙感數據在識別鹽湖潛伏或半潛伏狀況的水動態變化方面優于前者,在鹽湖動態變化信息提取中表現出提取密度大、可選擇性強的特點。多波段衛星影像數據是湖泊動態變化研究的最常用的數據源。MSS、TM、ETM和CBERS等多波段信息源不僅分辨率較高,而且逐漸面向大眾用戶免費開放,從而加大了其應用面,成為最主要的數據源。多波段影像在湖泊動態研究中的應用案例有很多,如馬明國等利用多時相的LandsatMSS、TM、ETM+以及中巴資源衛星等高分辨數據和MODIS數據監測了若羌湖泊群的動態變化特征;JiangLi選取連續的多時相的Nebraska地區LandsatMSS和TM數據,建立了基于空間模型邊界形狀提取的湖泊變遷分析方法。微波遙感技術的發展及在湖泊動態監測中的應用,促進了湖泊動態監測的發展。微波遙感不僅可顯著區分湖泊水體及周圍地物,而且具有全天候全天時的探測能力,它穿云透霧的本領在水體監測尤其是洪水期陰雨天氣下的湖泊水域監測具有特殊優勢。主動微波傳感器如ERS-1、ERS-2、JERS-1及Radarsat等,已顯示出估測湖泊水域的潛力。以上數據源各有特點,在湖泊研究中一般根據研究區域特點和研究尺度來選擇相應數據。AVHRR數據是目前研究大尺度區域湖泊動態研究的主要數據,同時也是、進行長時間序列變化研究的常用數據源;而MODIS則是中等尺度湖泊動態研究的重要數據源;對于小尺度范圍的湖泊遙感研究,常選用分辨率較高的TM、ETM+、SPOT和IKONOS等數據。隨著遙感分類技術的發展和混合像元分解技術的出現,AVHRR及MODIS等中低分辨率數據的解譯精度也在不斷提高,從而使其適用的尺度范圍更加廣泛,愈加受到人們重視。此外,針對特殊天氣、特殊地域環境下光學遙感的局限,可以充分發揮微波遙感的優勢,選擇ERS系列、JERS-1及Radarsat等數據,為湖泊動態監測提供新的數據支持。在實際研究中,為了充分發揮各種遙感數據的優勢,常常綜合利用多種數據,這樣既可以對比分析結果,提高解譯精度,同時提高空間、時間分辨率。3湖泊水體提取方法湖泊水域信息的識別與提取是湖泊動態變化監測的基礎。由于湖泊水體及周邊地物和太陽輻射以及大氣的相互作用過程復雜,混合像元的存在及山體陰影等各種噪聲的多重干擾使得遙感成像解譯判讀的不確定性增加。因此,要準確判定湖泊水域邊界及其變化狀況極為復雜,有必要對湖泊水體信息的提取方法進行專門研究。關于湖泊水體信息的提取,國內外已有很多相關的研究成果。由于可見光—近紅外遙感和微波遙感成像原理的差異,故將湖泊水域信息提取方法分為光學遙感提取方法以及微波遙感提取方法。3.1湖泊水體信息的計算機自動提取在可見光和近紅外波段內,水體和其它地物的光譜反射差異是遙感技術提取水體的基本依據。最常規也是最準確的水體識別方法是目視解譯法,但它在水體信息分布狀態的描述和時間效率方面存在局限性。在此主要討論湖泊水體信息的計算機自動提取方法,較為傳統的方法包括:閾值法、色度判別法、譜間關系法、光譜混合分析法、彩色空間轉化法等;隨著技術的發展,近年來又有一些新的技術涌現。如神經網絡、小波分析等。3.1.1傳統的光學遙感提取方法是提取湖泊信息(1)水體與其它地物的分類閾值單波段閾值法基本原理是利用水體在近紅外波段反射率較低,易與其它地物區分的特點,選取單一的紅外波段,確定一個區分水體與其它地物的分類閾值。閾值法識別水體的優點是簡便迅速,易于實現;但它只注意水體在某些波段的光譜特征,而忽略了水體在其它波段上存在的獨特光譜特征。同時,該法無法將水體與山區陰影區分開來,一般只能滿足4000m2以上水體的要求。采用閾值法的提取水體關鍵是閾值的確定,為提高水體判識的精度,對不同地區和時相的影像應采用不同的閾值。(2)水陸分隔明顯的影像譜間關系法又叫波段組合法。對波段進行組合運算的目的是為了增強水陸反差,從而找出組合圖像上水陸分界非常明顯的影像。譜間關系法模型精度高、應用廣,它可以解決閾值法無法得到理想的解譯效果的問題,是水體信息提取較為理想的方法。利用譜間關系可建立的模型很多,已有不少學者對譜間關系法進行了修改和補充,取得了較為理想的結果。(3)水體提取方法多光譜波段運算法是在對目標及其周圍典型地物進行分析的基礎上,確定它們在各波段上光譜亮度值的異同,通過對各波段進行算術運算,找出水體提取滿足的關系,從而構建水體提取模型的一種方法。進行各波段間可以減小地形及山體陰影等環境因素的影響,從而使解譯者能準確提取水體。常見的有比值法、差值法、水體指數法等。利用多光譜波段運算法提取湖泊水體的關鍵是水體信息提取的最佳波段組合的選擇與指數的確定。最常用水體提取指數為歸一化水體指數NDWI,此外,XuHanqiu和曹榮龍分別對NDWI進行了優化改進,從而提高了水體提取的精度。M.MA等基于SPOTVEGETATION影像序列,綜合應用NDVI和NDWI識別艾比湖水體,取得了良好的效果。(4)綠色系數和紅波長的測定為了提高對水體識別的效果,Alfoldi等人于1978年提出了色度判讀法,后經多人研究,得到了進一步的完善和發展。其基本原理是,利用衛星資料綠、紅和紅外波段的綜合信息來求得綠色系數和紅色系數,從而確定水體位置。色度判別法可以改善部分小水體的識別效果,然而對于更小的水體,特別是那些眾多的接近或小于像元面積的水體,還是無法識別。(5)其它提取方法對于提取方法的一般要求高時,各有側重、分由于遙感影像分辨率的限制,地物在影像上常以混合像元存在。對于一些細小水體或分類精度要求較高時,其它提取方法都有一定的局限性。對此,可通過彩色空間轉化,轉換到HIS空間(HIS變換),實現3個分量的重新分配,再返回到RGB空間(RGB變換)達到理想的彩色合成效果,從而減少山體陰影影響,突出了水體差別,有利于提高監督分類的精度。3.1.2湖泊水體信息檢測技術發展趨勢傳統的光學遙感提取水體的方法都存在一定的局限性,近年來,隨著遙感分類技術的發展,湖泊水體信息的檢測技術也在不斷發展。水體識別的新方法包括神經網絡分類法、決策樹分類法、小波分析法、數學形態學方法、混合像元分解法等。(1)人工智能技術近年來迅速發展起來的人工神經網絡理論為湖泊水體遙感識別提供了新途徑。神經網絡是模擬生物神經網絡的人工智能技術,具有并行處理、非線性、容錯性、自適應和自學習的特點,因而廣泛應用于模式識別、信號處理和遙感分類。梁益同等應用神經網絡基于NOAA圖像對水體信息進行識別,表明神經網絡法比閾值法具有更高的精度和效率。(2)基于知識的分層分類決策樹分類法是在充分分析水體信息和其它地物直接光譜特征差異的基礎上,建立分層分類樹,基于知識先分類后提取的方法。決策樹分類法充分利用了水體和其它地物的光譜特性差異,可以有效地提取了水體信息,但此方法需要一定的先驗知識,比如同時知道水體的大小、形狀、位置和紋理特征。(3)形態描述的一般算子形狀描述是圖像分析中重要內容之一。目標的形狀可以用一些獨立的參數或參數組合進行描述,也可以借助于其邊界進行描述。數學形態學的基本運算是腐蝕和膨脹,利用這兩種運算可以組合成多種算子,如開、閉、高帽、低帽、邊緣提取等算子,達到研究所期望的結果。已有學者利用數學形態學算法實現遙感影像中水體信息的提取,并取得良好效果。(4)數據壓縮和融合小波變換分析具有變焦性、信息保真性和小波基選擇的靈活性等優點,常用于噪聲去除、數據壓縮、數據融合等方面。何智勇等針對高分辨率影像水體信息提取,利用小波技術對圖像進行膨脹和去噪處理,并提出了一種多窗口線性保持技術對線性水體進行保持,最后利用水體信息的地學特征,對圖像進行聯合特征去噪,獲取最終的水體影像信息。(5)混合像元的應用由于影像分辨率的存在以及客觀世界的復雜性,使得遙感圖像中的像元常常是多種地物光譜特性的綜合反映。隨著遙感技術的發展,湖泊水體信息的提取逐漸由像元過渡到亞像元。混合像元分解方法可以提供較高精度的軟分類結果,具有很大的應用潛力。混合像元的分解最常用也是最簡單的模型是線性光譜分解模型。很多學者發展了各種混合像元分解方法提取湖泊水域信息,Youichi等基于線性混合光譜分解模型,發展了一種光譜分解算法。發現該法比常規的經驗方法(如單波段閾值法、比值法、波段算術運算法等)在精確估算水域參數方面更優。張洪恩等根據湖泊水體的遙感特性,發展了使用中低分辨率衛星遙感數據的混合像元分解算法,應用線性多端元混合像元分解技術,自動、快速地進行湖泊亞像元填圖。胡爭光等提出了一種結合雙邊界提取和混合象元分解的高效算法,對內蒙古地區的湖泊面積變化進行遙感監測,驗證了算法的高精度和可行性。3.2水體識別后向散射利用微波遙感技術進行湖泊水體的提取,其中主動式合成孔徑雷達(SAR)是主要形式。其原理是利用湖泊水體和其它地物之間后向散射特性差異來識別水體。合成孔徑雷達具有高分辨率、全天候、全天時等優點,其圖像的應用研究已成為該領域的研究熱點。以下總結了湖泊水體提取的微波遙感方法。3.2.1閾值分割法sar傳統SAR圖像水體檢測方法往往是基于灰度的單一閾值分割方法。它是主動式微波遙感提取水體信息的一種最為常用的技術,常用于洪水區域的提取。通常,通過一個二值算法設置一個雷達后向散射閾值,來計算確定每個像元是否是水體。雷達后向散射是傳感器入射角和DN值的函數。閾值的設置依據研究區域和影像的總體光譜特征決定。閾值法對某些低噪聲、圖幅較小的SAR圖像的水體檢測有較好效果,然而由于雷達反射回波信號的影響,SAR圖像中通常都存在大量乘性噪聲,因此單純采用基于灰度的方法會由于噪聲而影響水體目標檢測的效果。另外,對于較大范圍的SAR圖像,圖像中的灰度分布十分復雜,采用閾值分割方法的錯分概率很大。為克服這些困難,需要發展新的提取方法,并結合其它數據源來進行分析。3.2.2湖泊水體信息提取技術利用主動微波遙感提取湖泊水體信息的關鍵技術是SAR影像中陰影以及斑塊噪聲的去除。由于陰影與水體的混淆,加上雷達圖像獨有的斑塊噪聲的干擾,使得從雷達圖像上準確提取水體較為困難。由于傳統的單純依靠閾值法進行湖泊水體信息提取誤差較大,因此實際應用中,需要發展新的提取技術,同時結合其它數據,對研究區水體信息進行綜合提取。主要解決方法總結如下4個方面。(1)sar數據處理方法由于SAR圖像中固有斑點噪聲的影響,某些對于光學圖像有很好效果的目標提取區域分割的方法對于SAR圖像來說效果并不好。為了在保持盡量多的圖像細節信息同時達到最好的斑點抑制,發展了多種噪聲抑制的方法。一般有多視處理和濾波技術。多視處理以犧牲系統分辨率為代價。而傳統的簡單濾波,如均值濾波和中值濾波又使圖像模糊。目前常用的是針對SAR圖像噪聲特性而發展的自適應局域統計特性的濾波方法,如Lee濾波,Kuan濾波和Frost濾波,以及Gamma-MAP濾波等。同時,新的方法不斷涌現。如竇建方等針對水體目標的亮度及形狀分布特征,采用序列非線性濾波處理方法,快速有效地實現SAR影像水體目標的自動提取識別。此外,小波分析方法也是一種有效的抑制噪聲的方法,應用在水體信息提取中。如朱俊杰等在利用高分辨率SAR圖像提取水體邊緣信息時,采用了具有保持邊緣特性的小波變換對圖像進行噪聲壓制,有效地提取了水體信息。(2)sar圖像水體檢測方法為了克服采用傳統閾值法的局限,發展了基于SAR圖像中的紋理特征分析方法、機器學習分類法、數學形態學法、圖像分割算法、決策樹分類等多種方法,并綜合應用多種分類法,實現優勢互補。通過對SAR圖像中的紋理特征等非灰度信息加以分析研究,并運用機器學習方法分類,可以優化SAR圖像中水體目標檢測效果。程明躍等采用了一種樹型小波對SAR圖像進行紋理分析,提高了紋理分析效率的同時盡量多地保留了原圖像信息。并利用模糊加權支持向量機來檢測水域信息。該方法結合了圖像的灰度與紋理信息,減少了SAR圖像中的噪聲影響,能夠適用于大幅面范圍的SAR圖像水體自動檢測。朱俊杰等綜合使用了閾值法、小波紋理分析法進行了水體信息提取的嘗試,取得了較好的效果。針對SAR圖像水域的檢測問題,張懷利等提出了一種利用形態學和信息跟蹤雙模式相結合的檢測方法。采用形態學的開運算,提取基本的水域輪廓,再結合改進的信息編碼,進行跟蹤檢測,進一步精確定位水域區域。采用雙模式結合的水域檢測方法,可以較準確的提取SAR圖像的水域區域,效果要優于單一模式的檢測方法,而且跟信息熵方法相比較還提高了運算效率。此外,利用圖像分割算法對水域進行提取也是一種有效的水體提取方法。朱俊杰等綜合使用了塊跟蹤算法和蛇算法對小波噪聲抑制后的平滑圖像進行了水體邊緣提取。先用塊跟蹤方法對水體邊緣進行了粗提取,最后使用了蛇算法對粗邊緣進行了精確的定位,實現了水體邊緣的快速、自動、精確的檢測,得到了很好的檢測效果,是一種理想的高分辨率SAR邊緣檢測方法。(3)dem模擬由于SAR為側視成像,根據象素灰度值很難將地物陰影和水體分開,因此有學者采用DEM來模擬雷達圖像,從中獲取山體的陰影,將水體和山體陰影分開,實現水體的檢測。(4)sar圖像的模擬光學遙感利用地物對太陽輻射的光譜反射差異來對水體和其它地物進行識別,而SAR圖像依據水體和其它地物后向散射的差異成像。SAR圖像獨特的陰影和斑噪成為水體提取的主要障礙。有些學者利用SAR和光學影像上信息的互補,對各自圖像上的水體和陰影進行復合處理,從而從SAR圖像上準確而準確地提取出水體范圍。利用光學圖像和SAR圖像進行洪水區域確定,洪澇災害評估非常有效。3.3相關技術方面的應用近年來,隨著遙感分類技術和模式識別技術的發展,湖泊水體信息的提取技術也在不斷地發展,并呈現出新的特點。總體來說,基于遙感的湖泊水體提取技術呈現如下發展趨勢:3.3.1多種提取技術綜合應用以往常見的目視判讀和閾值法提取湖泊水體的方法逐漸淘汰,取代的多為遙感圖像增強處理多種方法的綜合應用,這將比利用單一方法提取水體效果更佳。這在基于SAR圖像提取湖泊水域信息中尤為常見。此外,隨著模式識別和圖像分類技術的發展,各種數學方法、非線性理論等引入到水體提取中。如數學形態學方法、神經網絡、小波分析等。3.3.2光學遙感和微波遙感綜合應用SAR圖像和光學圖像成像原理迥異、特點鮮明,這使得它們對水體提取而言各有優勢。為了實現圖像中信息的互補,常常進行SAR圖像和光學圖像的融合,進而準確而準確地提取出湖泊水域信息。3.3.3RS和GIS綜合應用GIS的技術優勢主要在于它的地圖顯示、數據管理和空間分析功能。GIS數據及空間分析技術的引入無疑為湖泊水域信息提取增加了便利。利用各種地形圖數據及其它測繪數據的加入,無疑使水體提取精度更高。此外,根據雷達圖像的成像參數和DEM生成相應的模擬雷達圖像,還可以剔除陰影,從而實現水體的準確提取。3.3.4分析尺度進入亞像元混合像元分解技術的發展,使得湖泊水域信息提取由像元尺度進入亞像元,提取精度將更高。對于中低分辨率遙感影像提取大范圍的湖泊水域而言意義更為重大。4檢測方法分類利用遙感影像數據進行地表信息變化監測有多種方法,一般可分為先分類后比較和先比較后分類兩種方法。實際應用中,湖泊動態變化信息的檢測方法有多種。本文將這些方法概括為兩大類:①不同時相的圖像經獨立分類后的復合比較分析方法,即為分類后比較法;②多時相圖像數據經變換處理后提取變化信息的方法,又稱光譜變換比較法。包括圖像差值法、比值差值法、主成分分析法(PCA)以及變化向量法(CVA)等。一般應用此方法時,要結合分類方法,對變化信息的類型進行判定。因此,二者結合可稱之為先比較后分類法。4.1湖泊動態變化的遙感監測方法4.1.1動態變化方法該法針對同一地區不同時期的影像先分別進行分類,然后對這些不同時期的影像的相同區域進行比較,以確定變化的類別和區域。它不僅能檢測出可能的變化,而且可以給出水域動態變化的定量信息和變化類型的轉化信息;同時它沒有不同時序影像時相一致的條件以及影像間輻射校正、空間匹配等問題,適用于不同傳感器不同季相的數據的比較。但該法必須進行多次圖像分類,變化分析的精度依賴于各圖像分類的精度。不同時相圖像分類誤差將以乘積效應傳遞,因此該監測方法常會夸大變化的結果。分類后比較法一般通過各種分類方法對各個時相圖像分類后轉化為矢量圖形并在GIS技術的支持下進行疊加分析,比較識別湖泊水域變化的范圍和變化的類型等信息。它在湖泊動態變化研究中應用最為廣泛。4.1.2不同時相疊合分析方法該法的思路是在圖像處理系統中將不同時相遙感圖像的各波段數據分別以紅綠藍圖像存儲,從而對相對變化的區域進行顯示與識別。在湖泊動態監測中,選擇不同時相的遙感圖像的特定波段分別賦予紅、綠、藍色,發生變化的湖泊水域在不同時相的圖像中其亮度值會有所變化,可在疊合圖像上得到清晰的顯示。這種疊合分析方法可以直觀地顯示兩到三個不同時相的變化區域,而且可支持多種數據源,增加了遙感信息量,便于變化區域的自動提取,但它無法定量確定變化的類型和大小。該法在湖泊水域動態變化研究中應用較多,在洪水災害監測應用中同樣廣泛。4.1.3基于圖像分辨率的湖泊主動變化檢測該法通過對多幅同地區相同坐標系統和輻射標準的不同期影像對應像元進行代數運算,并將其與設定閾值進行比較,從而達到變化檢測的目的。算法簡單、方便易行,對變化比較敏感,可以避免分類過程導致的誤差,并且可以直接體現變化信息。但該法只注重變化像元的提取,而不能提供各時期變化的類別信息;且容易受遙感數據成圖質量、波譜特征差異等客觀條件的影響。因此只能通過選擇同傳感器同季相數據來盡量減小噪聲。利用圖像代數運算檢測法進行湖泊變化檢測,其基礎是要進行圖像的幾何配準和輻射標準化處理,關鍵是選擇合適的運算波段組合和確定圖像運算的閾值。幾何配準圖像與圖像間的幾何配準精度對動態監測的最終結果有著直接影響,是影響動態監測成敗的重要因素。申邵洪等提出一種基于KI算法的多時相ASAR影像水面信息變化檢測方法。該法采用對數—比率算子生成前后時相差異影像,同時采用基于GG分布KI直方圖單閾值分割算法進行水面信息自動變化檢測,具有自動、快速、精確的特點。4.1.4消除圖像內部相關性主成分分析法可以將眾多的信息壓縮到少數幾個特征向量上,并使信息損失達到最小;它還可以很好地消除圖像內部各波段間的相關性,抑制因圖像內部相關性引起的噪聲。主成分分析法的缺點是比較復雜,并且得出的結果只能反映變化的分布和大小,沒有地物的分類信息,難以解釋其實際意義。該法在湖泊動態變化研究中已有成功的案例。4.1.5時間序列分析時間序列分析主要是指對一個區域進行一定時間段內的連續遙感觀測,提取圖像有關特征并分析其變化過程與發展規律。首先要根據檢測對象的時相變化特點來確定遙感檢測的周期,從而選取合適的遙感數據。以往基于遙感傳感器數據的時間序列數據分析主要集中于使用粗分辨率的AVHRR,而隨著中等分辨率的MODIS的出現,時間序列分析得以在較高分辨率的遙感圖像中應用。這些數據一般具有較高的時間分辨率。根據湖泊水域信息可以建立其隨時間變化的序列,從而分析湖泊動態變化信息,甚至還可以用回歸分析等數學方法對其動態變化狀況進行數學模擬。時間序列分析可以很好地分析湖泊水域的動態變化過程,還能預測其變化的發展趨勢。但實現時間序列分析,要求遙感監測數據有一定的積累。一般要數十年的遙感數據,才能獲得有價值的連續變化信息。時間序列法在湖泊動態變化研究已有成功的應用案例。4.2分類后分析方法中圖像分析模型的選擇在目前的湖泊動態變化研究中,分類后比較法仍然是當前湖泊動態變化監測中主要應用的方法。但由于分類后比較法對各個時相序列的圖像的分類精度過分依賴,為了提高監測的精度,不得不應用各種新的方法。隨著遙感動態檢測方法的發展和高分辨率遙感的進步,當前湖泊動態變化監測有了新的發展。4.2.1根據圖像變換處理方法進行選擇分類檢測當前的動態監測方法不再局限于單一方法的應用,其中“光譜變換比較”和“分類后比較”相結合的混合監測方法得到了廣泛地應用。由于多時相數據經圖像變換處理后提取變化信息的方法一般不能獲得變化類型信息,因此,常需結合分類方法,對變化信息的類型進行判定。這就使得這種“先利用光譜變換比較探測變化區域,再進行圖像分類確定變化類型”的方法得到廣泛應用。4.2.2關于光譜變化向量分析法為了解決多時相圖像光譜變比較法不能獲得變化類型信息的問題,出現了一些新的動態監測方法。其中,變化向量分析方法被認為是一種極具潛力的分析方法,正越來越受到人們的重視。光譜變化向量分析法是基于不同時間圖像之間的輻射變化,著重對各波段的差異進行分析,確定變化的強度與方向特征。變化向量法不僅可以避免分類后比較法多次分類費時費力,誤差累積等缺陷,而且與其它像元光譜的直接變換比較方法相比,可以利用較多甚至全部的波段來探測變化像元,并提供變化像元的類型信息。但由于其存在變化閥值較難確定、缺乏有效的變化類型識別方法等不成熟的地方,因此,目前它主要應用于土地利用動態變化監測中,而在湖泊動態變化研究中應用較少,但其發展潛力是巨大的。4.2.3時間序列分析法近年來,15~30m高分辨率的衛星數據逐步免費開放,為湖泊的動態研究提供了便利的數據源保障,使得長時間湖泊變化序列的重建更加容易,從而也使得時間序列分析法得到了更多地使用。相應地,出現了應用回歸分析等數理統計方法來對湖泊動態變化及其變化原因進行數學模擬分析的研究。4.2.4湖泊水體信息GIS中根據等深線和高程數據建立的DEM數據作為輔助信息可以方便湖泊水體信息的提取,提高水體的解譯精度;同時GIS的空間分析功能為提取湖泊動態變化信息的提供幫助,例如GIS的疊加分析功能常用于湖泊動態變化信息的提取。5理論方法體系目前,遙感在內陸湖泊動態變化研究中的應用有了長足的發展,形成了一定的理論方法體系。但它仍存在一些問題,對這些問題的解決,也是今后研究的方向和熱點。5.1建立湖泊數據庫及統一的全球數據集由于多波段遙感源出現于20世紀70年代,因此,在此之前的遙感資料主要是機載遙感數據,其它的湖泊研究數據資料主要是地形圖等測繪數據。機載遙感數據一般是根據特定的調查目的而獲得的,而地形圖的更新時間間隔也較長。因此,完整而詳細的湖泊時間序列數據較難獲得。同時,這些數據源以多種數據形式存在,其空間分辨率常不一致,有些數據存在分辨率較低的問題。針對這些問題,一方面需要涉及多源數據的集成問題,包括多源遙感數據的融合和遙感與非遙感數據的集成問題;另一方面有必要建立一個完整的全球湖泊變化數據庫,對湖泊資源進行統一的管理。當前的湖泊數據庫大多是基于區域性的,數據源復雜多樣且不完整,很少存在包含位置、范圍及其它屬性信息和空間信息且基于全球尺度的開放水體數據集。對此,Charon通過對里海的遙感研究,建立起了這些地區季節與年季變化的時間序列遙感數據庫,并進一步提出要用遙感技術對全球的湖泊、濕地和河流的水文與氣候進行研究的設想。BernhardLehnera等也提出了開發包含空間數據和屬性數據的基于全球尺度的湖泊數據庫的構想。目前我國現有的湖泊數據庫主要為中科院南京湖泊所建立的中國湖泊數據庫。然而該庫的數據源年代久遠,數據缺失嚴重,只涉及到了面積較大的1000個湖泊,同時沒有實現空間和屬性庫的統一。因此基于一個較大尺度,如全國尺度、全球尺度上的湖泊水域信息調查,調查湖泊的最新大小、數量、位置分布等狀況,并對其動態變化進行監測和研究是很有必要的。同時可以建立全球湖泊動態變化數據庫作為全球環境動態變化數據庫的一部分,結合全球氣候變暖、全球環境變化等問題,分析湖泊環境變化的氣候效應,研究全球性氣候、環境等問題。5.2湖泊檢測數據處理