遥感技术在湖泊动态变化研究中的应用

遥感技术在湖泊动态变化研究中的应用

1遥感监测湖泊系统的意义现在，地质调查是一个主题。湖泊萎缩是人类面临的主要环境问题之一。在区域生态系统中,湖泊具有重要的生态意义。湖泊作为区域陆地水循环中的一个重要载体,对区域的水量平衡发挥重要作用。湖泊水量平衡分析计算是湖泊水文研究的基础,它为湖泊水资源开发利用、湖泊及流域的生态平衡提供重要依据。因此,研究湖泊水域动态变化,及时掌握区域水量平衡状况,可以为区域水资源可持续利用提供依据。同时,湖泊和河流紧密关联,它对河流流量具有调蓄作用。研究湖泊的动态变化规律对于洪涝灾害预报、监测、减灾及灾情评估等具有指导意义,同时为农业灌溉、区域水管理等农业规划提供依据。此外,湖泊作为一个生态系统,具有一定的生态功能,通过和陆地生态系统之间进行物质循环、能量流动和信息传递,可以形成局部小气候,调节区域气候。湖泊水域的变化是其所在流域水量平衡的综合结果,对气候变化和人类活动影响具有高度敏感性。湖泊变化是气候变化敏感的指示器。湖泊的形成与消失、扩张与收缩及其引起的生态环境变化都反映了一定地域乃至全球的构造和气候事件。因此,精确迅速地监测湖泊动态,揭示自然因素及人类活动对湖泊水域的影响规律,对合理开发、利用和保护湖泊水域有着极其重要的意义。遥感技术的诞生,使得人类对地球表层的理解推进到一个新的阶段,同时也给大范围的湖泊水域动态变化监测和相关参数的反演研究带来了便利。遥感技术能够大范围、及时快速地监测地表环境的动态变化,与传统的湖泊调查方法相比有着明显的优势,它能利用多种手段快速获得大量的地表变化信息,成为湖泊研究强有力的技术手段。湖泊水域的研究是湖泊水文相关研究的基础。遥感数据除对湖泊水域各个特征进行直接估测外,还可作为模拟湖泊水位水文模型的输入参数,从而对区域水文进行模拟。湖泊水域面积是湖泊平面形态的一个重要参数,它的时间序列能提供气候变化的记录,特别对封闭湖泊而言更能显示出这种显著的变化。湖泊作为一种土地覆盖类型,它的动态变化研究成为全球环境变化研究的重要组成部分。本文主要针对湖泊水域动态变化,从湖泊动态研究的原理和数据源、湖泊信息提取方法和遥感动态监测方法等几方面对湖泊动态变化研究的最新进展进行论述,并讨论了当前湖泊水域动态变化研究中存在的一些问题和发展的趋势。2湖泊水生动态变化的遥感监测原则和数据来源2.1近红外段地表识别的应用湖泊动态变化监测的主要任务是监测湖泊水域是否发生变化及其变化的具体状况,它包括对湖泊信息的识别与提取和对湖泊动态变化信息的检测两方面内容。前者实质是将湖泊信息与其它信息区分开来。由于水体和陆地接受太阳辐射相互作用以后,对太阳辐射的反射、吸收、散射、透射的特征差异很大,从而使其在遥感图像上的反映也迥然不同,成为区分水体和其它地物的重要基础。在可见光和近红外波段内,水体识别主要基于水体、植被、土壤等地物的光谱反射差异。水对近红外和中红外波长的能量吸收最多,该波段内的能量很少被反射,而植被和土壤对可见光波段反射极少,但对近红外反射却很高。因此,用遥感数据中的近红外和可见光波段可以方便地解决地表水域定位和边界确定等问题。微波遥感对水体鉴别也有很高的灵敏度,陆地的地表覆盖和起伏的地形,使入射微波产生较强的后向散射,被雷达天线接收,形成较明亮的影像;而水体强烈吸收微波,形成暗黑色的影像,故水陆界限分明,可以清晰地得到水面覆盖信息。地物后向散射特性的差异是主动微波遥感观测水体的基本原理。2.2湖泊监测的主要数据源湖泊动态研究数据源的选择是根据不同时代技术条件、研究资料的可获得性以及研究区域的尺度和地表特征等决定的。在遥感技术广泛应用前,可供研究应用的数据源主要是地形图等地图数据;在航空摄影阶段,航空摄影图片成为主要的数据源;而在卫星遥感阶段,高分辨率的陆地卫星数据则是最为常用的遥感数据源。多时相遥感数据是实现湖泊动态变化监测的重要资料,近年来高分辨率陆地卫星的应用以及高光谱遥感技术的发展为动态监测湖泊变化的发展提供了机遇。从遥感利用波段来看,湖泊动态监测的数据源可分为可见光和微波遥感数据。常用的可见光卫星传感器有NOAA-AVHRR、SPOTVGT、MODIS、LandSatTM和ETM+等,此外,一些主动微波传感器如ERS-1、ERS-2和JERS-1及Radarsat也是湖泊水域监测的重要数据源。以下主要分析几种常用数据源的特点及数据源的选择。AVHRR具有覆盖面大和观测周期短等特点,常用于建立长时间序列数据,是长时间序列湖泊动态变化研究的重要数据源。胡东生等利用LandsatMSS和TM遥感影像资料对比分析,发现NOAAAVHRR遥感数据在识别盐湖潜伏或半潜伏状况的水动态变化方面优于前者,在盐湖动态变化信息提取中表现出提取密度大、可选择性强的特点。多波段卫星影像数据是湖泊动态变化研究的最常用的数据源。MSS、TM、ETM和CBERS等多波段信息源不仅分辨率较高,而且逐渐面向大众用户免费开放,从而加大了其应用面,成为最主要的数据源。多波段影像在湖泊动态研究中的应用案例有很多,如马明国等利用多时相的LandsatMSS、TM、ETM+以及中巴资源卫星等高分辨数据和MODIS数据监测了若羌湖泊群的动态变化特征;JiangLi选取连续的多时相的Nebraska地区LandsatMSS和TM数据,建立了基于空间模型边界形状提取的湖泊变迁分析方法。微波遥感技术的发展及在湖泊动态监测中的应用,促进了湖泊动态监测的发展。微波遥感不仅可显著区分湖泊水体及周围地物,而且具有全天候全天时的探测能力,它穿云透雾的本领在水体监测尤其是洪水期阴雨天气下的湖泊水域监测具有特殊优势。主动微波传感器如ERS-1、ERS-2、JERS-1及Radarsat等,已显示出估测湖泊水域的潜力。以上数据源各有特点,在湖泊研究中一般根据研究区域特点和研究尺度来选择相应数据。AVHRR数据是目前研究大尺度区域湖泊动态研究的主要数据,同时也是、进行长时间序列变化研究的常用数据源;而MODIS则是中等尺度湖泊动态研究的重要数据源;对于小尺度范围的湖泊遥感研究,常选用分辨率较高的TM、ETM+、SPOT和IKONOS等数据。随着遥感分类技术的发展和混合像元分解技术的出现,AVHRR及MODIS等中低分辨率数据的解译精度也在不断提高,从而使其适用的尺度范围更加广泛,愈加受到人们重视。此外,针对特殊天气、特殊地域环境下光学遥感的局限,可以充分发挥微波遥感的优势,选择ERS系列、JERS-1及Radarsat等数据,为湖泊动态监测提供新的数据支持。在实际研究中,为了充分发挥各种遥感数据的优势,常常综合利用多种数据,这样既可以对比分析结果,提高解译精度,同时提高空间、时间分辨率。3湖泊水体提取方法湖泊水域信息的识别与提取是湖泊动态变化监测的基础。由于湖泊水体及周边地物和太阳辐射以及大气的相互作用过程复杂,混合像元的存在及山体阴影等各种噪声的多重干扰使得遥感成像解译判读的不确定性增加。因此,要准确判定湖泊水域边界及其变化状况极为复杂,有必要对湖泊水体信息的提取方法进行专门研究。关于湖泊水体信息的提取,国内外已有很多相关的研究成果。由于可见光—近红外遥感和微波遥感成像原理的差异,故将湖泊水域信息提取方法分为光学遥感提取方法以及微波遥感提取方法。3.1湖泊水体信息的计算机自动提取在可见光和近红外波段内,水体和其它地物的光谱反射差异是遥感技术提取水体的基本依据。最常规也是最准确的水体识别方法是目视解译法,但它在水体信息分布状态的描述和时间效率方面存在局限性。在此主要讨论湖泊水体信息的计算机自动提取方法,较为传统的方法包括:阈值法、色度判别法、谱间关系法、光谱混合分析法、彩色空间转化法等;随着技术的发展,近年来又有一些新的技术涌现。如神经网络、小波分析等。3.1.1传统的光学遥感提取方法是提取湖泊信息(1)水体与其它地物的分类阈值单波段阈值法基本原理是利用水体在近红外波段反射率较低,易与其它地物区分的特点,选取单一的红外波段,确定一个区分水体与其它地物的分类阈值。阈值法识别水体的优点是简便迅速,易于实现;但它只注意水体在某些波段的光谱特征,而忽略了水体在其它波段上存在的独特光谱特征。同时,该法无法将水体与山区阴影区分开来,一般只能满足4000m2以上水体的要求。采用阈值法的提取水体关键是阈值的确定,为提高水体判识的精度,对不同地区和时相的影像应采用不同的阈值。(2)水陆分隔明显的影像谱间关系法又叫波段组合法。对波段进行组合运算的目的是为了增强水陆反差,从而找出组合图像上水陆分界非常明显的影像。谱间关系法模型精度高、应用广,它可以解决阈值法无法得到理想的解译效果的问题,是水体信息提取较为理想的方法。利用谱间关系可建立的模型很多,已有不少学者对谱间关系法进行了修改和补充,取得了较为理想的结果。(3)水体提取方法多光谱波段运算法是在对目标及其周围典型地物进行分析的基础上,确定它们在各波段上光谱亮度值的异同,通过对各波段进行算术运算,找出水体提取满足的关系,从而构建水体提取模型的一种方法。进行各波段间可以减小地形及山体阴影等环境因素的影响,从而使解译者能准确提取水体。常见的有比值法、差值法、水体指数法等。利用多光谱波段运算法提取湖泊水体的关键是水体信息提取的最佳波段组合的选择与指数的确定。最常用水体提取指数为归一化水体指数NDWI,此外,XuHanqiu和曹荣龙分别对NDWI进行了优化改进,从而提高了水体提取的精度。M.MA等基于SPOTVEGETATION影像序列,综合应用NDVI和NDWI识别艾比湖水体,取得了良好的效果。(4)绿色系数和红波长的测定为了提高对水体识别的效果,Alfoldi等人于1978年提出了色度判读法,后经多人研究,得到了进一步的完善和发展。其基本原理是,利用卫星资料绿、红和红外波段的综合信息来求得绿色系数和红色系数,从而确定水体位置。色度判别法可以改善部分小水体的识别效果,然而对于更小的水体,特别是那些众多的接近或小于像元面积的水体,还是无法识别。(5)其它提取方法对于提取方法的一般要求高时,各有侧重、分由于遥感影像分辨率的限制,地物在影像上常以混合像元存在。对于一些细小水体或分类精度要求较高时,其它提取方法都有一定的局限性。对此,可通过彩色空间转化,转换到HIS空间(HIS变换),实现3个分量的重新分配,再返回到RGB空间(RGB变换)达到理想的彩色合成效果,从而减少山体阴影影响,突出了水体差别,有利于提高监督分类的精度。3.1.2湖泊水体信息检测技术发展趋势传统的光学遥感提取水体的方法都存在一定的局限性,近年来,随着遥感分类技术的发展,湖泊水体信息的检测技术也在不断发展。水体识别的新方法包括神经网络分类法、决策树分类法、小波分析法、数学形态学方法、混合像元分解法等。(1)人工智能技术近年来迅速发展起来的人工神经网络理论为湖泊水体遥感识别提供了新途径。神经网络是模拟生物神经网络的人工智能技术,具有并行处理、非线性、容错性、自适应和自学习的特点,因而广泛应用于模式识别、信号处理和遥感分类。梁益同等应用神经网络基于NOAA图像对水体信息进行识别,表明神经网络法比阈值法具有更高的精度和效率。(2)基于知识的分层分类决策树分类法是在充分分析水体信息和其它地物直接光谱特征差异的基础上,建立分层分类树,基于知识先分类后提取的方法。决策树分类法充分利用了水体和其它地物的光谱特性差异,可以有效地提取了水体信息,但此方法需要一定的先验知识,比如同时知道水体的大小、形状、位置和纹理特征。(3)形态描述的一般算子形状描述是图像分析中重要内容之一。目标的形状可以用一些独立的参数或参数组合进行描述,也可以借助于其边界进行描述。数学形态学的基本运算是腐蚀和膨胀,利用这两种运算可以组合成多种算子,如开、闭、高帽、低帽、边缘提取等算子,达到研究所期望的结果。已有学者利用数学形态学算法实现遥感影像中水体信息的提取,并取得良好效果。(4)数据压缩和融合小波变换分析具有变焦性、信息保真性和小波基选择的灵活性等优点,常用于噪声去除、数据压缩、数据融合等方面。何智勇等针对高分辨率影像水体信息提取,利用小波技术对图像进行膨胀和去噪处理,并提出了一种多窗口线性保持技术对线性水体进行保持,最后利用水体信息的地学特征,对图像进行联合特征去噪,获取最终的水体影像信息。(5)混合像元的应用由于影像分辨率的存在以及客观世界的复杂性,使得遥感图像中的像元常常是多种地物光谱特性的综合反映。随着遥感技术的发展,湖泊水体信息的提取逐渐由像元过渡到亚像元。混合像元分解方法可以提供较高精度的软分类结果,具有很大的应用潜力。混合像元的分解最常用也是最简单的模型是线性光谱分解模型。很多学者发展了各种混合像元分解方法提取湖泊水域信息,Youichi等基于线性混合光谱分解模型,发展了一种光谱分解算法。发现该法比常规的经验方法(如单波段阈值法、比值法、波段算术运算法等)在精确估算水域参数方面更优。张洪恩等根据湖泊水体的遥感特性,发展了使用中低分辨率卫星遥感数据的混合像元分解算法,应用线性多端元混合像元分解技术,自动、快速地进行湖泊亚像元填图。胡争光等提出了一种结合双边界提取和混合象元分解的高效算法,对内蒙古地区的湖泊面积变化进行遥感监测,验证了算法的高精度和可行性。3.2水体识别后向散射利用微波遥感技术进行湖泊水体的提取,其中主动式合成孔径雷达(SAR)是主要形式。其原理是利用湖泊水体和其它地物之间后向散射特性差异来识别水体。合成孔径雷达具有高分辨率、全天候、全天时等优点,其图像的应用研究已成为该领域的研究热点。以下总结了湖泊水体提取的微波遥感方法。3.2.1阈值分割法sar传统SAR图像水体检测方法往往是基于灰度的单一阈值分割方法。它是主动式微波遥感提取水体信息的一种最为常用的技术,常用于洪水区域的提取。通常,通过一个二值算法设置一个雷达后向散射阈值,来计算确定每个像元是否是水体。雷达后向散射是传感器入射角和DN值的函数。阈值的设置依据研究区域和影像的总体光谱特征决定。阈值法对某些低噪声、图幅较小的SAR图像的水体检测有较好效果,然而由于雷达反射回波信号的影响,SAR图像中通常都存在大量乘性噪声,因此单纯采用基于灰度的方法会由于噪声而影响水体目标检测的效果。另外,对于较大范围的SAR图像,图像中的灰度分布十分复杂,采用阈值分割方法的错分概率很大。为克服这些困难,需要发展新的提取方法,并结合其它数据源来进行分析。3.2.2湖泊水体信息提取技术利用主动微波遥感提取湖泊水体信息的关键技术是SAR影像中阴影以及斑块噪声的去除。由于阴影与水体的混淆,加上雷达图像独有的斑块噪声的干扰,使得从雷达图像上准确提取水体较为困难。由于传统的单纯依靠阈值法进行湖泊水体信息提取误差较大,因此实际应用中,需要发展新的提取技术,同时结合其它数据,对研究区水体信息进行综合提取。主要解决方法总结如下4个方面。(1)sar数据处理方法由于SAR图像中固有斑点噪声的影响,某些对于光学图像有很好效果的目标提取区域分割的方法对于SAR图像来说效果并不好。为了在保持尽量多的图像细节信息同时达到最好的斑点抑制,发展了多种噪声抑制的方法。一般有多视处理和滤波技术。多视处理以牺牲系统分辨率为代价。而传统的简单滤波,如均值滤波和中值滤波又使图像模糊。目前常用的是针对SAR图像噪声特性而发展的自适应局域统计特性的滤波方法,如Lee滤波,Kuan滤波和Frost滤波,以及Gamma-MAP滤波等。同时,新的方法不断涌现。如窦建方等针对水体目标的亮度及形状分布特征,采用序列非线性滤波处理方法,快速有效地实现SAR影像水体目标的自动提取识别。此外,小波分析方法也是一种有效的抑制噪声的方法,应用在水体信息提取中。如朱俊杰等在利用高分辨率SAR图像提取水体边缘信息时,采用了具有保持边缘特性的小波变换对图像进行噪声压制,有效地提取了水体信息。(2)sar图像水体检测方法为了克服采用传统阈值法的局限,发展了基于SAR图像中的纹理特征分析方法、机器学习分类法、数学形态学法、图像分割算法、决策树分类等多种方法,并综合应用多种分类法,实现优势互补。通过对SAR图像中的纹理特征等非灰度信息加以分析研究,并运用机器学习方法分类,可以优化SAR图像中水体目标检测效果。程明跃等采用了一种树型小波对SAR图像进行纹理分析,提高了纹理分析效率的同时尽量多地保留了原图像信息。并利用模糊加权支持向量机来检测水域信息。该方法结合了图像的灰度与纹理信息,减少了SAR图像中的噪声影响,能够适用于大幅面范围的SAR图像水体自动检测。朱俊杰等综合使用了阈值法、小波纹理分析法进行了水体信息提取的尝试,取得了较好的效果。针对SAR图像水域的检测问题,张怀利等提出了一种利用形态学和信息跟踪双模式相结合的检测方法。采用形态学的开运算,提取基本的水域轮廓,再结合改进的信息编码,进行跟踪检测,进一步精确定位水域区域。采用双模式结合的水域检测方法,可以较准确的提取SAR图像的水域区域,效果要优于单一模式的检测方法,而且跟信息熵方法相比较还提高了运算效率。此外,利用图像分割算法对水域进行提取也是一种有效的水体提取方法。朱俊杰等综合使用了块跟踪算法和蛇算法对小波噪声抑制后的平滑图像进行了水体边缘提取。先用块跟踪方法对水体边缘进行了粗提取,最后使用了蛇算法对粗边缘进行了精确的定位,实现了水体边缘的快速、自动、精确的检测,得到了很好的检测效果,是一种理想的高分辨率SAR边缘检测方法。(3)dem模拟由于SAR为侧视成像,根据象素灰度值很难将地物阴影和水体分开,因此有学者采用DEM来模拟雷达图像,从中获取山体的阴影,将水体和山体阴影分开,实现水体的检测。(4)sar图像的模拟光学遥感利用地物对太阳辐射的光谱反射差异来对水体和其它地物进行识别,而SAR图像依据水体和其它地物后向散射的差异成像。SAR图像独特的阴影和斑噪成为水体提取的主要障碍。有些学者利用SAR和光学影像上信息的互补,对各自图像上的水体和阴影进行复合处理,从而从SAR图像上准确而准确地提取出水体范围。利用光学图像和SAR图像进行洪水区域确定,洪涝灾害评估非常有效。3.3相关技术方面的应用近年来,随着遥感分类技术和模式识别技术的发展,湖泊水体信息的提取技术也在不断地发展,并呈现出新的特点。总体来说,基于遥感的湖泊水体提取技术呈现如下发展趋势:3.3.1多种提取技术综合应用以往常见的目视判读和阈值法提取湖泊水体的方法逐渐淘汰,取代的多为遥感图像增强处理多种方法的综合应用,这将比利用单一方法提取水体效果更佳。这在基于SAR图像提取湖泊水域信息中尤为常见。此外,随着模式识别和图像分类技术的发展,各种数学方法、非线性理论等引入到水体提取中。如数学形态学方法、神经网络、小波分析等。3.3.2光学遥感和微波遥感综合应用SAR图像和光学图像成像原理迥异、特点鲜明,这使得它们对水体提取而言各有优势。为了实现图像中信息的互补,常常进行SAR图像和光学图像的融合,进而准确而准确地提取出湖泊水域信息。3.3.3RS和GIS综合应用GIS的技术优势主要在于它的地图显示、数据管理和空间分析功能。GIS数据及空间分析技术的引入无疑为湖泊水域信息提取增加了便利。利用各种地形图数据及其它测绘数据的加入,无疑使水体提取精度更高。此外,根据雷达图像的成像参数和DEM生成相应的模拟雷达图像,还可以剔除阴影,从而实现水体的准确提取。3.3.4分析尺度进入亚像元混合像元分解技术的发展,使得湖泊水域信息提取由像元尺度进入亚像元,提取精度将更高。对于中低分辨率遥感影像提取大范围的湖泊水域而言意义更为重大。4检测方法分类利用遥感影像数据进行地表信息变化监测有多种方法,一般可分为先分类后比较和先比较后分类两种方法。实际应用中,湖泊动态变化信息的检测方法有多种。本文将这些方法概括为两大类:①不同时相的图像经独立分类后的复合比较分析方法,即为分类后比较法;②多时相图像数据经变换处理后提取变化信息的方法,又称光谱变换比较法。包括图像差值法、比值差值法、主成分分析法(PCA)以及变化向量法(CVA)等。一般应用此方法时,要结合分类方法,对变化信息的类型进行判定。因此,二者结合可称之为先比较后分类法。4.1湖泊动态变化的遥感监测方法4.1.1动态变化方法该法针对同一地区不同时期的影像先分别进行分类,然后对这些不同时期的影像的相同区域进行比较,以确定变化的类别和区域。它不仅能检测出可能的变化,而且可以给出水域动态变化的定量信息和变化类型的转化信息;同时它没有不同时序影像时相一致的条件以及影像间辐射校正、空间匹配等问题,适用于不同传感器不同季相的数据的比较。但该法必须进行多次图像分类,变化分析的精度依赖于各图像分类的精度。不同时相图像分类误差将以乘积效应传递,因此该监测方法常会夸大变化的结果。分类后比较法一般通过各种分类方法对各个时相图像分类后转化为矢量图形并在GIS技术的支持下进行叠加分析,比较识别湖泊水域变化的范围和变化的类型等信息。它在湖泊动态变化研究中应用最为广泛。4.1.2不同时相叠合分析方法该法的思路是在图像处理系统中将不同时相遥感图像的各波段数据分别以红绿蓝图像存储,从而对相对变化的区域进行显示与识别。在湖泊动态监测中,选择不同时相的遥感图像的特定波段分别赋予红、绿、蓝色,发生变化的湖泊水域在不同时相的图像中其亮度值会有所变化,可在叠合图像上得到清晰的显示。这种叠合分析方法可以直观地显示两到三个不同时相的变化区域,而且可支持多种数据源,增加了遥感信息量,便于变化区域的自动提取,但它无法定量确定变化的类型和大小。该法在湖泊水域动态变化研究中应用较多,在洪水灾害监测应用中同样广泛。4.1.3基于图像分辨率的湖泊主动变化检测该法通过对多幅同地区相同坐标系统和辐射标准的不同期影像对应像元进行代数运算,并将其与设定阈值进行比较,从而达到变化检测的目的。算法简单、方便易行,对变化比较敏感,可以避免分类过程导致的误差,并且可以直接体现变化信息。但该法只注重变化像元的提取,而不能提供各时期变化的类别信息;且容易受遥感数据成图质量、波谱特征差异等客观条件的影响。因此只能通过选择同传感器同季相数据来尽量减小噪声。利用图像代数运算检测法进行湖泊变化检测,其基础是要进行图像的几何配准和辐射标准化处理,关键是选择合适的运算波段组合和确定图像运算的阈值。几何配准图像与图像间的几何配准精度对动态监测的最终结果有着直接影响,是影响动态监测成败的重要因素。申邵洪等提出一种基于KI算法的多时相ASAR影像水面信息变化检测方法。该法采用对数—比率算子生成前后时相差异影像,同时采用基于GG分布KI直方图单阈值分割算法进行水面信息自动变化检测,具有自动、快速、精确的特点。4.1.4消除图像内部相关性主成分分析法可以将众多的信息压缩到少数几个特征向量上,并使信息损失达到最小;它还可以很好地消除图像内部各波段间的相关性,抑制因图像内部相关性引起的噪声。主成分分析法的缺点是比较复杂,并且得出的结果只能反映变化的分布和大小,没有地物的分类信息,难以解释其实际意义。该法在湖泊动态变化研究中已有成功的案例。4.1.5时间序列分析时间序列分析主要是指对一个区域进行一定时间段内的连续遥感观测,提取图像有关特征并分析其变化过程与发展规律。首先要根据检测对象的时相变化特点来确定遥感检测的周期,从而选取合适的遥感数据。以往基于遥感传感器数据的时间序列数据分析主要集中于使用粗分辨率的AVHRR,而随着中等分辨率的MODIS的出现,时间序列分析得以在较高分辨率的遥感图像中应用。这些数据一般具有较高的时间分辨率。根据湖泊水域信息可以建立其随时间变化的序列,从而分析湖泊动态变化信息,甚至还可以用回归分析等数学方法对其动态变化状况进行数学模拟。时间序列分析可以很好地分析湖泊水域的动态变化过程,还能预测其变化的发展趋势。但实现时间序列分析,要求遥感监测数据有一定的积累。一般要数十年的遥感数据,才能获得有价值的连续变化信息。时间序列法在湖泊动态变化研究已有成功的应用案例。4.2分类后分析方法中图像分析模型的选择在目前的湖泊动态变化研究中,分类后比较法仍然是当前湖泊动态变化监测中主要应用的方法。但由于分类后比较法对各个时相序列的图像的分类精度过分依赖,为了提高监测的精度,不得不应用各种新的方法。随着遥感动态检测方法的发展和高分辨率遥感的进步,当前湖泊动态变化监测有了新的发展。4.2.1根据图像变换处理方法进行选择分类检测当前的动态监测方法不再局限于单一方法的应用,其中“光谱变换比较”和“分类后比较”相结合的混合监测方法得到了广泛地应用。由于多时相数据经图像变换处理后提取变化信息的方法一般不能获得变化类型信息,因此,常需结合分类方法,对变化信息的类型进行判定。这就使得这种“先利用光谱变换比较探测变化区域,再进行图像分类确定变化类型”的方法得到广泛应用。4.2.2关于光谱变化向量分析法为了解决多时相图像光谱变比较法不能获得变化类型信息的问题,出现了一些新的动态监测方法。其中,变化向量分析方法被认为是一种极具潜力的分析方法,正越来越受到人们的重视。光谱变化向量分析法是基于不同时间图像之间的辐射变化,着重对各波段的差异进行分析,确定变化的强度与方向特征。变化向量法不仅可以避免分类后比较法多次分类费时费力,误差累积等缺陷,而且与其它像元光谱的直接变换比较方法相比,可以利用较多甚至全部的波段来探测变化像元,并提供变化像元的类型信息。但由于其存在变化阀值较难确定、缺乏有效的变化类型识别方法等不成熟的地方,因此,目前它主要应用于土地利用动态变化监测中,而在湖泊动态变化研究中应用较少,但其发展潜力是巨大的。4.2.3时间序列分析法近年来,15~30m高分辨率的卫星数据逐步免费开放,为湖泊的动态研究提供了便利的数据源保障,使得长时间湖泊变化序列的重建更加容易,从而也使得时间序列分析法得到了更多地使用。相应地,出现了应用回归分析等数理统计方法来对湖泊动态变化及其变化原因进行数学模拟分析的研究。4.2.4湖泊水体信息GIS中根据等深线和高程数据建立的DEM数据作为辅助信息可以方便湖泊水体信息的提取,提高水体的解译精度;同时GIS的空间分析功能为提取湖泊动态变化信息的提供帮助,例如GIS的叠加分析功能常用于湖泊动态变化信息的提取。5理论方法体系目前,遥感在内陆湖泊动态变化研究中的应用有了长足的发展,形成了一定的理论方法体系。但它仍存在一些问题,对这些问题的解决,也是今后研究的方向和热点。5.1建立湖泊数据库及统一的全球数据集由于多波段遥感源出现于20世纪70年代,因此,在此之前的遥感资料主要是机载遥感数据,其它的湖泊研究数据资料主要是地形图等测绘数据。机载遥感数据一般是根据特定的调查目的而获得的,而地形图的更新时间间隔也较长。因此,完整而详细的湖泊时间序列数据较难获得。同时,这些数据源以多种数据形式存在,其空间分辨率常不一致,有些数据存在分辨率较低的问题。针对这些问题,一方面需要涉及多源数据的集成问题,包括多源遥感数据的融合和遥感与非遥感数据的集成问题;另一方面有必要建立一个完整的全球湖泊变化数据库,对湖泊资源进行统一的管理。当前的湖泊数据库大多是基于区域性的,数据源复杂多样且不完整,很少存在包含位置、范围及其它属性信息和空间信息且基于全球尺度的开放水体数据集。对此,Charon通过对里海的遥感研究,建立起了这些地区季节与年季变化的时间序列遥感数据库,并进一步提出要用遥感技术对全球的湖泊、湿地和河流的水文与气候进行研究的设想。BernhardLehnera等也提出了开发包含空间数据和属性数据的基于全球尺度的湖泊数据库的构想。目前我国现有的湖泊数据库主要为中科院南京湖泊所建立的中国湖泊数据库。然而该库的数据源年代久远,数据缺失严重,只涉及到了面积较大的1000个湖泊,同时没有实现空间和属性库的统一。因此基于一个较大尺度,如全国尺度、全球尺度上的湖泊水域信息调查,调查湖泊的最新大小、数量、位置分布等状况,并对其动态变化进行监测和研究是很有必要的。同时可以建立全球湖泊动态变化数据库作为全球环境动态变化数据库的一部分,结合全球气候变暖、全球环境变化等问题,分析湖泊环境变化的气候效应,研究全球性气候、环境等问题。5.2湖泊检测数据处理