遙感論文開(kāi)題報(bào)告
開(kāi)題報(bào)告是指開(kāi)題者對(duì)科研課題的一種文字說(shuō)明材料。以下是小編收集的遙感論文開(kāi)題報(bào)告，歡迎查看！
開(kāi)題報(bào)告
畢業(yè)設(shè)計(jì)題目：基于ETM＋遙感影像的綠化動(dòng)態(tài)監(jiān)測(cè)方法研究
學(xué)院：武漢大學(xué)遙感信息工程學(xué)院
專業(yè)：遙感科學(xué)與技術(shù)
班級(jí)學(xué)號(hào)：
姓名：
指導(dǎo)老師：賈永紅
時(shí)間：
一． 研究目的與意義
由于人類對(duì)植被的破壞,導(dǎo)致了生態(tài)環(huán)境的惡化以及全球性的環(huán)境變化。如水土流失的加重，土壤的退化以至荒漠化等局部性的生態(tài)環(huán)境惡化、大氣二氧化碳的增加、全球變暖以及生物多樣性減少等，這些變化直接影響了人類的生存和繁衍。所以對(duì)于全球變化的研究越來(lái)越被人們所重視，特別是土地利用/土地覆蓋等方面。綠色生態(tài)系統(tǒng)在全球的碳循環(huán)過(guò)程中起著積極的作用，并且城市綠地作為城市結(jié)構(gòu)中的自然生產(chǎn)力主體，在城市系統(tǒng)中起著重要作用。因此，研究綠色植被的動(dòng)態(tài)變化對(duì)認(rèn)識(shí)全球變化，具有至關(guān)重要的作用。
把遙感技術(shù)作為一種綜合性探測(cè)技術(shù)運(yùn)用于綠化動(dòng)態(tài)監(jiān)測(cè)中，不僅能迅速獲得大量豐富的第一手信息和數(shù)據(jù)，而且能科學(xué)、準(zhǔn)確、及時(shí)地提供分析成果。不僅能提供細(xì)部地區(qū)的信息，而且能統(tǒng)觀全局。遙感技術(shù)以其宏觀性、多時(shí)相、多波段等特征為監(jiān)測(cè)和了解植被變化提供了一種新型而有效的方法，為生態(tài)規(guī)劃提供了科學(xué)依據(jù)和技術(shù)支持。
二． 國(guó)內(nèi)外現(xiàn)狀和發(fā)展趨勢(shì)
植被變化主要是地球內(nèi)部作用（土壤母質(zhì)，土壤類型等）以及外部作用（氣溫，降水等）的綜合作用的結(jié)果[1]。植被光譜特征是植被遙感的基礎(chǔ)。植被反射光譜是植被，土壤，大氣，地形，地帶性，水分含量等多種因素影響而成的綜合反映。利用遙感技術(shù)對(duì)植被變化的監(jiān)測(cè)的優(yōu)勢(shì)主要有：（1）衛(wèi)星遙感圖像具有周期性，宏觀性，現(xiàn)勢(shì)性，經(jīng)濟(jì)性的特點(diǎn)，可以用于大范圍區(qū)域的植被覆蓋監(jiān)測(cè)[2] ；（2）利用多時(shí)相衛(wèi)星影像進(jìn)行變化分析,是遙感數(shù)據(jù)應(yīng)用的重要領(lǐng)域[3]；（3）高光譜遙感數(shù)據(jù)具有波段多、信息量豐富的特點(diǎn)可以提供連續(xù)、精細(xì)的光譜信息，用于植被遙感的定量研究中[4] ；（4）多源遙感信息（多時(shí)相、多光譜、多傳感器、多平臺(tái)和多分辨率）提供的信息具有互補(bǔ)性、合作性，可以使對(duì)植被覆蓋度的定量估算更加精確、完全和可靠[5]。因此用遙感數(shù)據(jù)來(lái)進(jìn)行植被變化監(jiān)測(cè)已經(jīng)成為動(dòng)態(tài)檢測(cè)植被變化的主要手段。
由于變化檢測(cè)問(wèn)題的復(fù)雜性，遙感圖像變化檢測(cè)目前仍處于探索階段，還沒(méi)有統(tǒng)一的解決方法。但是大家比較一致的認(rèn)為：變化檢測(cè)的方法的選擇依賴于遙感數(shù)據(jù)源的類型和待檢測(cè)目標(biāo)的類型。因此，在綠化動(dòng)態(tài)檢測(cè)方面，研究者們?cè)噲D通過(guò)各種方法對(duì)植被變化檢測(cè)方法進(jìn)行探索，在變化信息發(fā)現(xiàn)方面有光譜特征變異法、差值法、差異主成分法、多波段主成分變換、主成份差異法等等，在變化信息提取方面比較有效的有閾值法、分類法、人機(jī)交互解譯法等等。
變化信息發(fā)現(xiàn)方面：
(1) 光譜特征變異法 是運(yùn)用多源數(shù)據(jù)的融合技術(shù)，將來(lái)自不同傳感器的遙感數(shù)據(jù)進(jìn)行融合，使變化區(qū)域呈現(xiàn)特殊的影像特征的一種方法。同一地物反映在不同影像上的光譜信息一一對(duì)應(yīng)的。因此對(duì)不同時(shí)相影像融合時(shí)，才能如實(shí)地顯示出地物的正確光譜屬性。但如果兩者信息表現(xiàn)為不一致時(shí)，那么融合后影像的光譜就表現(xiàn)得與正常地物有所差別，此時(shí)就稱地物發(fā)生了光譜特征變異。 這部分影像在整個(gè)的影像范圍內(nèi)是不正常和不協(xié)調(diào)的，可以通過(guò)目視的方法將它們選擇出來(lái)。這種變化信息提取的方法具有物理意義明顯，簡(jiǎn)潔的特點(diǎn)。
(2) 差值法 就是將兩個(gè)時(shí)相的遙感圖像相減。其原理是：圖像中未發(fā)生變化的地類在兩個(gè)時(shí)相的遙感圖像上一般具有相等或相近的灰度值，而當(dāng)?shù)仡惏l(fā)生變化時(shí)，對(duì)應(yīng)位置的灰度值將有較大差別。因此在差值圖像上發(fā)生地類變化部分灰度值會(huì)與背景值有較大差別，從而使變化信息從背景影像中顯現(xiàn)出來(lái)。
(3) 差異主成份法 兩時(shí)相的影像經(jīng)糾正、配準(zhǔn)融合及精確的空間疊置之后，先做差值運(yùn)算并取絕對(duì)值，從而得到一個(gè)差值影像。顯然，這個(gè)差值影像集中了原兩時(shí)相影像中絕大部分的變化信息，而濾除了影像中相同的背景部分，在此基礎(chǔ)上，再對(duì)差值影像作PC變換。由PC變換的特性知道，變換結(jié)果的第一分量集中影像的主要信息，而在其它分量則反映了波段的差異信息。因此，差值影像作PC變換之后的第一分量應(yīng)該集中了該影像的主要信息。
(4) 多波段主成份變換 地物屬性發(fā)生變化，必將導(dǎo)致其影像特征的變化，表現(xiàn)為某幾個(gè)波段上的灰度值發(fā)生變化，所以只要找出兩時(shí)相影像中對(duì)應(yīng)波段上灰度值的差別并確定這些差別的范圍，便可發(fā)現(xiàn)土地利用變化信息。首先將兩時(shí)相的影像各波段進(jìn)行組合形成一個(gè)兩倍于原影像波段數(shù)的新影像，然后對(duì)該影像作PC變換。由于變換結(jié)果前幾個(gè)分量上集中了兩個(gè)影像的主要信息，而后幾個(gè)分量則反映出了兩影像的差別信息，因此可以試著抽取后幾個(gè)分量進(jìn)行波段組合來(lái)提取變化信息。
(5) 主成份差異法 本方法和差異主成份法所不同之處在于影像作PC變換與差值處理的順序不一樣。要求先對(duì)兩時(shí)相的影像作PC變換，然后對(duì)變換結(jié)果作差值，取差值的絕對(duì)值為處理結(jié)果。由于在對(duì)兩影像分別作PC變換時(shí)前面的分量集中了影像里的主要信息，因此，在作影像差值時(shí)，前面分量對(duì)應(yīng)之差也就反映了原始影像中對(duì)應(yīng)的變化信息。利用這幾個(gè)差值分量作波段組合也能發(fā)現(xiàn)不同時(shí)相影像的變化。研究表明，兩時(shí)相影像作PC變換后相差的第一分量已經(jīng)涵蓋了幾乎所有的變化信息。
變化信息提取 方面：
a. 閾值法 遙感圖像中，每類地物都對(duì)應(yīng)特定的灰度域。在變化信息特征增強(qiáng)的圖像上，變化區(qū)域的灰度值與其它區(qū)域的灰度值一般是明顯不同的。因此可以根據(jù)直方圖和影像特征，交互確定變化存在區(qū)灰度域的`上下限閾值。然后利用閾值將變化發(fā)生的區(qū)域從圖像中提取出來(lái)。
b. 分類法 由于變化信息往往呈多態(tài)分布，單純用閾值法很難準(zhǔn)確地將變化區(qū)域從背景影像中分離開(kāi)來(lái)，這時(shí)可以采用分類法。分類方法有多種，通常采用監(jiān)督分類。利用監(jiān)督分類提取變化信息時(shí)，訓(xùn)練樣區(qū)的選擇最為關(guān)鍵。首先要分析變化信息特征增強(qiáng)的圖像的特點(diǎn)，如果各類變化信息的影像特征差別明顯，就將每類的變化信息都選出一個(gè)樣區(qū)進(jìn)行分類。但是當(dāng)圖像中不同類型變化信息影像特征差別不明顯時(shí)，須將變化類型做適當(dāng)?shù)暮喜ⅲ员ＷC分類精度。
c. 人機(jī)交互解譯法 即通過(guò)人機(jī)交互解譯，從變化信息特征增強(qiáng)的圖像中手工描繪出變化區(qū)域，并結(jié)合土地利用現(xiàn)狀圖和實(shí)地調(diào)查確定變化類型。解譯的基本要素包括色調(diào)、顏色、大小、形狀、紋理、結(jié)構(gòu)、高度、陰影、組合構(gòu)型和所處的地理位置等。人機(jī)交互解譯最大優(yōu)點(diǎn)是靈活，并且由于加入了解譯者思維和判斷，信息提取精度相對(duì)較高。在目前計(jì)算機(jī)自動(dòng)分類精度尚不能完全滿足工作需要時(shí)，人機(jī)交互解譯仍是一種非常重要 [6]。
由于以上方法都有一定的適用范圍，存在局限性，我們?cè)趯?shí)際運(yùn)用時(shí)，必須將幾種方法進(jìn)行融合，或者根據(jù)自己的需要對(duì)某種方法進(jìn)行改進(jìn)，使其最大程度的滿足我們的要求。
三． 研究?jī)?nèi)容和方法
本次畢業(yè)設(shè)計(jì)利用2002年和2005 年的TM影像,通過(guò)分別計(jì)算亮度指數(shù)和綠度指數(shù),建立“亮度－綠度指數(shù)”(BI－GVI) 平面, 進(jìn)而計(jì)算在這個(gè)平面上兩種不同時(shí)相的圖像產(chǎn)生的變化向量，再根據(jù)變化向量的方向和大小，對(duì)變化類型進(jìn)行分類，進(jìn)而得到綠地的變化分類信息。為了獲得對(duì)比信息我們也建立了“亮度—垂直植被指數(shù)”(BI－PVI)平面，同樣通過(guò)變化向量分析法獲取變化信息。
植被的動(dòng)態(tài)變化，在遙感影像上主要表現(xiàn)為亮度的不同和植被指數(shù)變化。用TM數(shù)據(jù)為例來(lái)說(shuō)，基本原理如下：
1．計(jì)算綠度指數(shù)（GVI）
1984年，Crist和Cicone對(duì)TM數(shù)據(jù)的6個(gè)波段（除TM6外）做了纓帽變化。通過(guò)這個(gè)變換獲得的6個(gè)分量中前3個(gè)分量與地物有著明確的關(guān)系，分別定義亮度（Brightness）、綠度（Greenness）和濕度（Wetness），而本次設(shè)計(jì)就選用第二分量作為綠度指數(shù)。采用下列公式做纓帽變化，從而獲得綠度指數(shù)圖像。
GVI=-0.2728TM1-0.2174TM2-0.5508TM3+0.7221TM4
+0.0733TM5-0.1648TM7 -0.7310
2．計(jì)算亮度指數(shù)(BI)和垂直植被指數(shù)（PVI）
本文采用了戴昌達(dá)等人提出的方法,該方法的核心思想是在采用了“垂直植被指數(shù)(PVI) ”概念的基礎(chǔ)上,建立“亮度－垂直植被指數(shù)”平面。亮度指數(shù)公式如下：
BI =1/3*[ ( TM3) 2 + ( TM4) 2 + (TM5)2 ]1/2
其中，BI為圖像的亮度指數(shù)，TM3、TM4、TM5分別為T(mén)M影像第3，4，5波段的亮度值。
為了計(jì)算垂直植被指數(shù)，首先在影像中分別對(duì)土地利用可以肯定的非植被區(qū)（湖泊、長(zhǎng)江、建筑物、道路）,進(jìn)行采樣擬合“非植被線”。為了能夠?qū)崿F(xiàn)植被的分離,在TM3—TM4 平面中計(jì)算每一個(gè)像元到“非植被線”的距離D , D 被作為垂直植被指數(shù)PVI ,D 越大,說(shuō)明是植被的可能性就越大; D 越小,就說(shuō)明可能性越小。
3．計(jì)算變化向量
用以上的任意的一套分量建立一平面,不同時(shí)相的影像上的像元點(diǎn)都可以在這一平面內(nèi)找到一個(gè)與之對(duì)應(yīng)的點(diǎn)。對(duì)于不同影像上的同名地物點(diǎn),我們可以求出“變化向量”A 。A = ( P2X－P1X , P2Y－P1Y) ,通過(guò)變化向量模的大小就可以描述變化的多少，而變化向量的方向可以反映變化區(qū)域的類別。
4．變化分類及輸出分類圖
引起地面植物和亮度變化的因素很多，最主要的有作物種類、長(zhǎng)勢(shì)、土壤類別、耕地變成非耕地或非耕地變成耕地等等。為了檢測(cè)植被的變化，首先將變化向量大小拉伸到[0，255],然后確定二值化的閾值來(lái)發(fā)現(xiàn)植被變化部分。在變化向量的方向上，把360度劃分為4個(gè)區(qū)間，可以得到4個(gè)變化類別，最后得到植被變化分類圖。
四． 進(jìn)度安排
本畢業(yè)設(shè)計(jì)將分為四個(gè)主要階段進(jìn)行，其進(jìn)度安排如下：
第一階段：2006年3月1日－3月31日，相關(guān)資料收集，文獻(xiàn)閱讀，制定畢業(yè)設(shè)計(jì)方案；
第二階段：2006年4月1日－4月30日，算法實(shí)現(xiàn)階段，主要是將理論算法用VC＋＋程序?qū)崿F(xiàn)；
第三階段：2006年5月1日－5月20日，對(duì)畢業(yè)設(shè)計(jì)進(jìn)行理論和實(shí)驗(yàn)兩方面的總結(jié)，整理實(shí)驗(yàn)結(jié)果，撰寫(xiě)畢業(yè)論文；
第四階段：2006年5月20日－6月2日，論文答辯。
五． 主要文獻(xiàn)和資料
1．《遙感原理與應(yīng)用》………………… 武漢大學(xué)出版社 孫家炳
2．《Visual C++數(shù)字圖像處理》………………… 人民郵電出版社 何斌，馬天予，王運(yùn)堅(jiān)，朱紅蓮
3．《遙感圖像的應(yīng)用處理與分析》………………… 清華大學(xué)出版社 戴昌達(dá)，姜小光，唐伶俐
4．《植被變化監(jiān)測(cè)方法研究》畢業(yè)論文………………… 余卉，2005
5．《基于ETM＋遙感影像的南京市城市綠地的動(dòng)態(tài)監(jiān)測(cè)》………………… 鄭光，田慶久，李明詩(shī)
6．《廈門(mén)市植被變化的遙感動(dòng)態(tài)分析》………………… 徐涵秋，陳本清
參考文獻(xiàn)
[1] 孫紅雨，王長(zhǎng)耀，牛鉦，布和敖斯?fàn)枴Ｖ袊?guó)地表植被覆蓋變化及其與氣候因子關(guān)系－基于ＮOAA 時(shí)間序列數(shù)據(jù)分析。遙感學(xué)報(bào)，1998，2（3）：204-209
[2] Zhou L, Tucker C, Kaufmann R, et al. Variations in northern vegetation activity inferred from satellite data of vegetation index during 1981 to 1999 [J]. Journal of Geophysical Research, 2001, 106, 20069-20083
[3] 馬明國(guó)，王雪梅，角媛梅, 陳賢章�；赗S與GIS的干旱區(qū)綠洲景觀格局變化研究——以金塔綠洲為例。中國(guó)沙漠，2003，23（1），53-58
[4] 陳述彭，童慶禧，郭華東，等。遙感信息機(jī)理研究。北京，科學(xué)出版社。
【遙感論文開(kāi)題報(bào)告】相關(guān)文章：
國(guó)貿(mào)論文開(kāi)題報(bào)告03-19
物流論文開(kāi)題報(bào)告02-24
口譯論文開(kāi)題報(bào)告12-21
電大論文開(kāi)題報(bào)告11-18
論文開(kāi)題報(bào)告須知03-19
施工論文開(kāi)題報(bào)告02-07