在艾恩阿联酋提取遥感数据 分析时段遥测变化检测的自动特征模块外文翻译资料

英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

论文研究

在艾恩阿联酋提取遥感数据

分析时段遥测变化检测的自动特征模块

萨米·伊斯梅尔Elmahdy amp; Mohamed Mostafa穆罕默德

摘要 监测城市的新变化动态沙丘附近需要精确分类器技术。不像传统的监督分类技术使用 培训网站,集成的图像转换的流苏帽和自动基于光谱特征提取模块。签名提供了敏感和现实的技术 在时间和成本效益。该模块应用于艾恩区,阿拉伯联合酋长国(UAE)。的 模块由四个步骤组成的分割, 阈值和集群和计算属性。获得的绿色和分类地图被增强了 应用一个3times;3 Sobel过滤器。发现了新变化 通过结合时段遥测绿色和分类 地图。精度评估和定量分析 执行使用混淆矩阵和地面真理。的 结果显示显著增加城市和农业 的地区从1990年到1990年相比 时间从2000年到2000年。图像差异表明,植被和建筑类分别增加了7.58和20.28平方公里。本研究显示 这一形象差异和模糊逻辑的方法是最 敏感的技术检测领域的新变化动态沙丘附近。

关键字 艾恩、土地利用、变化检测、阿联酋、特征提取、K-T变换

介绍 在监测城市变化检测是一个重要的过程 发展。它提供了定量分析的空间 感兴趣的区域分布(施密特和Brisco 2013)。遥感技术在土地利用更新的使用 数据没有成功在城市地区在包裹的水平 (Zhang et al . 2007年)和检测土地覆盖/土地利用 使用时段遥测遥感数据(陈等。 2003;Zhang et al . 2007年)。

在过去的二十年里,各种各样的方法来检测 使用两个日期遥感图像不同的变化 已报告的方法。这些方法可以 分为四种通用类型(杨et al . 2012年):(1)代数方法,检测遥感图像之间的变化通过实现代数操作 同一地区的两个不同的日期。(2)分类 方法,其中包括post-classification比较, Sohl(1999);和杨罗(2002),和直接两届 分类,李叶1998。在这种方法中,准确性 变化检测的结果强烈依赖于 分类精度;(3)Transformation-based变化检测方法,如主成分分析(PCA)- 基于技术中提到Loveland et al .(2002), 多元变更检测(疯狂)变换, 结合疯狂和最大的自相关 员工分析转换技术(Michalek et al . 1993; Dewindar 2004;Schenk和Csatho 2012;斯利瓦斯塔瓦等。 2012);(4)可视化变化检测方法 可以分为两种类型:颞合成 技术,(詹et al . 2002年)和视觉interpretation-based 技术,(陈et al . 2003年)和Fung和勒(1988)。Civco完成 et al .(2002)相比,不同的土地利用和土地覆盖 变化检测方法包括传统postclassification交叉表,互相关分析, 神经网络、基于知识的专家系统withobject-oriented变化检测。Zhang et al。(2007)使用 人工神经网络(ANN)分类时段遥测 植被的地图。Gamanya et al。(2009)应用标准化、面向对象和自动分类(SOOAC) 基于模糊逻辑的方法。Ghosh et al。(2010)使用模糊 聚类算法的非监督变化检测 遥感图像和负责空间相关性 图像相邻像素之间的差异 通过比较两个图像在相同的生产 地理区域在不同的时间。Veettil(2012)描述 和比较各种城市变化检测方法 高空间分辨率图像。Maoguo et al。(2014)支撑 一个新颖的方法基于两个多瞬时不同合成孔径雷达(SAR)图像,构造 通过强度和纹理信息

在当地,Sohl(1999)研究了景观的变化 阿布扎比酋长国使用陆地卫星主题映射器 (TM)数据。Yagoup(2004)调查了发展 艾恩的城市,在阿拉伯联合酋长国(阿联酋),在1976年至2000年之间,与特定的参考 时空的关系。Yagoub和Kolan(2006)监控沿海地区土地利用和土地覆盖的变化 使用遥感阿布扎比。除了上述方法之外,一个自动特征提取模块 从时段遥测数据吸引了更多的关注 图像处理和分类领域。该方法提供了更大的灵活性类型的特性提取精度明显高于由于 其混合像素进行分类的能力。此外, 模块类型的功能提供了更多的灵活性 提取不需要培训领域 监督分类。本文的主要目的是监控土地覆盖/利用的快速变化 艾恩区,阿联酋使用时段遥测陆地卫星 图像。

研究地区 研究区从长55°05 E和56°01 E 73年23°29日和24°N在阿布扎比酋长国的东部地区,阿联酋(图1),位于约170公里 阿布扎比城市。它是最快的改变城市在阿拉伯 半岛。它已经从一个蓬勃发展的现代的沙漠绿洲 城市在短短50年(Yagoup 2004)。这是一定会的 阿曼苏丹国东部,南部和北部。它占据了一个 面积约1296平方公里,延伸到阿曼的山 东方和西方的沙丘。

根据孟et al .(1993),4个地貌 功能描述研究区:(i)的暴露出来 基岩;(2)鲁,冲积平原和鲁相关 短暂的流西侧的阿曼 山区;(iii)附近的一个广阔的冲积平原和山谷阿兰城区;和(v)近连续区域的风积沙和沙丘地貌分为有关 北部和南部沙丘区(图1)。农业是强烈的A1并增加在西南 方向。

长方形的种植森林的其他领域 发现在沙丘,沙漠平原,冲积平原,Hafeet 山,沿着道路,无论充足的地下水 发现(图1)。

图1 RGB 742波段组合的Landsat图像覆盖在DEM显示研究区域的位置

数据和方法

数据

本研究使用三个遥感数据集。 的 第一个数据集是由Landsat获得的多光谱图像 Landsat-4卫星的Themtic Mapper（TM）传感器 1990年8月28日，阿布扎比Al Ain。第二个数据集 使用的Landsat增强专题地图加上（ETM ）传感器Landsat -7获得的多光谱图像 卫星在阿联酋地区，阿布扎比，阿拉伯联合酋长国8月23日 所使用的第三个数据集是由Landsat Enhanced Thematic Mapper plus（ETM ）获得的多光谱图像 在Al Ain地区的Landsat -7卫星的传感器，阿布扎比， 阿联酋在2006年9月25日。所有遥感数据 作为地理（长/纬）投影分布，与 WGS84水平基准，目前可从热带雨林信息中心（TRFIC）数据库（http：// landsat.org/ortho/index.php）。 我们使用landsat图像由于 它们的时间和光谱分辨率以及它们的成本 有效。

方法

图像转换

作为特征提取和分类的第一步， 多时相遥感数据 使用ENVI v。4.5软件校正。然后图像 使用流苏帽进行转化。这种转变 应该应用于校准反射率数据而不是 应用于原始数字数字图像。在流苏帽， 将原始数据正交变换为新的 四维空间由土壤亮度组成 指数（SBI），绿色植被指数（GVI），黄色 东西索引（YVI）和非索引（NSI）相关联 与大气效应（Jensen 1996）。由于快速 生长和传播绿色地区在艾因市， 选择绿色植被指数（GVI）维度 监测1990 - 2006年期间植被和绿地面积的变化 单独为每个图像和监测中的变化 GVI。监测变化 通过覆盖计算的GVI地图和每个地图 以不同的颜色代码表示。使用ENVI v。4.5软件中实施的变化检测统计工具计算变化。

自动特征提取

对于精确映射，重要的是采用自动算法，其分类并自动提取 多时相遥感数据的特征。特征 提取模块，在ENVI软件中实现已被用于分类和提取 特征从多时间遥感数据。的 特征提取模块由于其能力分类而在图像分类中是敏感和逼真的 并基于空间和高分辨率从高分辨率全色或多光谱图像提取信息 光谱特征，具有较少的时间了解处理细节和更多的时间解释结果。

该模块包括四个步骤：（i）图像分割， （ii）合并段，（iii）细化段和（iv）计算属性。分割是分割的过程 通过将相邻像素分组来将图像分割成段 类似的特征值（亮度，纹理，颜色等）。的 第一步称为Scale Level，这是一个非常敏感的参数，控制段的数量和大小。重要的是要注意，良好的分割确保分类 结果更准确。

训练不同值的量表显示 图像分割的最佳值为85 重要的是要注意，一个小的Scale Level值（20） 导致过度分段，而较高的Scale Level值 （200）导致要定义更多的段并且尽可能地描绘特征的边界。 比例等级的适当值为85.较高 缩放级别，要定义的段数量越少。 第二步是细化段或阈值， 是一个光栅操作，与一个带组合 相邻段基于它们的亮度或DN值。 阈值的取值范围从79到207 最佳阈值为109。

第三步是计算属性，与之相关 空间，光谱和纹理。 属性是 基于它们的光谱特征自动计算， 纹理和对象之间的对比。 分类错误 在1990年图像通过调整独立校正 在特定问题节点处的阈值 基于验证的字段对象的分类层次 （Gamanya等人2007）。 最后，得到的分类 然后通过应用3times;3非线性Sobel滤波器（Gonzalez 和Woods 1992）。

后分类和变化检测

基于类别比较的分类后变化检测使用三个分类完成 1990-2000和2000-2006日期的图像。 1990年 和2000个分类图像组合在一起， 导致十个变化检测类。 然后，对每个分类图像进行精度评价 使用混淆矩阵和比较分类 J印度Soc遥感（2016年2月）44（1）：1-10 3与地面真相信息和土地覆盖的Al 艾因市。 在每种情况下，总精度，生产者和 用户精度，卡帕系数，混淆矩阵等 报告了佣金和遗漏的错误 （Congalton 1991）。 分类图被校正 视觉上，使用高分辨率Quickbird图像和 选定地点的现场调查。

图2 1990年，2000年和2006年绿色植被指数（GVI）图和RGB组合图（d）显示了1990 - 2006年绿色地区的变化 在Al Ain市及其邻近地区

结果

图像变换和分类 图2，图3和图4示出了从1990年，2000年和2006年图像产生的获得的绿度和分类图 使用流苏帽转化为GVI和分类图。共生产了十个班 通过提出的模块。类被表示在 不同的颜色代码，以方便视觉辨别和突出变化的方向。所有类的2000和2006的图像是在整个井 视觉识别。但是，商场建设和植被 类型，然而，在土地上没有很好的歧视 图片。城市和农业区内和 周围艾因市被明确识别，显示 在1990年至2006年期间在城市中心的高度集聚。在同样的上下文中，高密度 的商业和住宅和城市植被区 显示艾因市相对增加。在另一 手，有一个相对减少的裸地 沙丘，碳酸盐岩裸露土地和裸地 沙漠平原。

图3 1990年和2000年的分类图像来源于多时相遥感数据a，b和c图像差异突出显示Al的变化 Ain地区在1990年（蓝色）到2000年（红色）期间，并显示土地覆盖类，特别是绿地的快速增长

图4 使用所提出的方法a，b和c，从多时段遥感数据得到的2000和2006年分类图像 差异图像突出显示期间Al Ain地区的变化 从2000年（红色）到2006年（蓝色）显示快速增长 并涵盖裸沙地如沙丘和碳酸盐的土地征用

高密度区域被有效地分类在 LANDASAT图像的ETM 收购2000年和 2006年与1990年收购的TM的图像相比 由于后来的传感器的高灵敏度和精度。 的 不同类别之间的歧视表现良好 2000年和2006年的图像与1990年的图像相比。 在另一方面，低密度的住宅和商业 区域和绿地被清楚地分类和区分 在1900年的图像比2000年和2006年的图像由于 选择的阈值水平与1990图像良好地执行。 但 阈值水平需要在2000年和2000年调整 2006图像。 。

后分类和变化检测

使用混淆矩阵进行准确度评估的后分类。 精度评估的结果列于表1中。2006年和2000年的图像有一个 比1990年图像更高的精度。 1990年分类 图像具有86.68％的最低准确度和kappa值 0.83，而2006年和2000年分类图像有 总体精度分别为92.4％和92.8％（表1）。 然而，该程序不能检测植被和作物的类型，因为数据的低分辨率

1990年分类图像的低精度可能是 归因于TM-4卫星传感器的低灵敏度 注册和培训错误。 基于类别比较的后分类变化检测使用 1990年，2000年和2006年的三个变换图像。 基于地面数据，使用Tasseled Cap技术GVI精确检测绿色区域。 将1990和2000变换的图像组合在一起，得到十个 变化检测类。 红色的细微差别 和绿色相应的农业活动的膨胀和那些小花园对齐道路很难 辨析。 在结果映射中，红色突出显示 2006年植被变化，蓝色突出 2000年的植被变化和绿色亮点 1990年的变化。

白色突出了没有经历过的区域 相当大的变化（图2）。最重要的变化 已经注意到在这方面是部分减少的 在南部和西南部的现有裸地区 的Al Ain区，这些部分被识别为开发区。后来这些地区被重新利用为定居点，水产养殖场和农业用地。从 图6 2,3和4，观察到农业和农场 地区普遍存在于南部和西南部 沿沙漠平原和Wadis。另一方面，住宅 沿NE-SW观察到商业建筑物 趋势Wadi Al Ain。分散的村庄和农业区 在沙丘，碳酸盐岩和沙漠平原的贫瘠土地上也观察到了地下水。通过 2000年和2006年，约55平方公里的裸地转变为农场和度假村（Hafeet山

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[27341]，资料为PDF文档或Word文档，PDF文档可免费转换为Word