土地复垦工程的遥感评价系统设计.docx

土地复垦工程的遥感评价系统设计.docx

《土地复垦工程的遥感评价系统设计.docx》由会员分享，可在线阅读，更多相关《土地复垦工程的遥感评价系统设计.docx（15页珍藏版）》请在冰豆网上搜索。

土地复垦工程的遥感评价系统设计

新疆农业大学管理学院

《土地信息系统》实习报告

开设课程：

土地信息系统

实习名称：

土地复垦遥感评价系统

班级：

土地资源管理102班

实验人员姓名：

周洋学号：

103932243

实验人员姓名：

学号：

指导教师：

杨磊

批改教师签名：

杨磊

报告编号：

实验（实习）时间：

2013年1月

实验（实习）成绩：

分

（一）系统目标与总体设计1

1.1系统目标1

1.2系统设计开发原则1

1.3系统功能2

（二）系统技术路线2

2.1遥感数据的获取3

2.2遥感数据处理3

2.3提取和计算信息工程量3

2.4数据分析与评价3

2.5成果表达与表现3

（三）系统工作流程3

3.1遥感数据获取和导入3

3.2遥感数据处理3

3.3提取和计算工程量信息5

3.4数据分析与评价6

3.5数据输出与成果展示6

（四）系统模块组成8

（五）数据库8

5.1数据库设计8

5.2数据库与各个模块的联系9

（六）系统工作界面10

（七）参考文献11

（八）实验心得11

土地复垦工程的遥感评价系统

土地复垦是指采用工程、生物等措施将由于灾害或人为破坏的土地进行整治,因地制宜地使其恢复到可供利用状态的行动或过程。

土地整理是指采用工程、生物措施,对田、水、路、林、村进行综合整治,增加有效耕地面积,提高土地质量和利用效率,改善生产生活条件和生态环境的活动。

通过土地复垦整理能增加有效耕地面积,实现耕地总量动态平衡,提高土地质量、促进土地集约化利用。

土地复垦整理对于缓解人地矛盾,改善农业生产条件和生态环境,促进农村现代化建设和经济发展具有极其重要的意义。

土地复垦属于土地开发整理的一种,需要长期而复杂的社会系统工作,以获取土地利用的社会、经济、生态的协调统一为目标。

伴随着科学技术的日新月异,现代遥感（RemoteSensing）技术已步入多平台、高光谱、多时相、高分辨率、动态、快速地进行对地观测的新时期。

其在土地复垦开发整理中,主要有整理区域工程量、地面信息及土壤信息等几方面的提取研究。

土地信息提取研究主要包括土地利用类型的分类统计、作物灾害损失评价、土壤水分监测、植被指数研究、作物估产等。

（一）系统目标与总体设计

1.1系统目标结合项目研究成果,探讨应用遥感技术评价土地开发整理成果,获取项目完工后工程量完成信息,其中主要是利用遥感手段获取项目区不同覆盖物所占面积、道路等线状地物的长度等地面几何信息。

具体包括:

（1）土地平整工程:

主要指标包括项目区总面积、不同土地利用类型的面积、有效耕地的比例,用于反映现项目主要工程的完成情况。

（2）农田水利与防护工程:

主要指标包括灌排渠长度、灌排渠覆盖面积,反映项目区水利工程完成情况及布局合理性;防护方面主要是防洪林面积、防风林面积,它反映防护工程完成情况及林区布局合理性。

（3）田间道路工程:

主要指标包括道路长度、道路占地面积、道路通达度,用于反映项目区道路工程完成情况及道路布局合理性分析。

1.2系统设计开发原则

（1）完备性原则

（2）先进性原则

（3）可靠性原则

（4）实用性原则

（3）可扩充性原则

1.3系统功能

（1）具有遥感影像数据处理的功能，包括：

辐射校正和数据截取，数据融合，几何校正等。

（2）具有提取和计算工程量信息，包括：

精度分析，分类后AOI编辑，分类图斑修改等。

（2）具有对提取的工程量信息进行分析和图表输出的功能。

（二）系统技术路线

利用遥感数据的多平台、多时相、多分辨率的特性可以对复垦区土地复垦工程进行评价。

该体系需要完整的技术流程支持。

主要包括遥感影像获取、遥感数据处理、提取和计算工程信息量、数据分析与评价。

下图2-1为该系统的技术路线图。

遥感数据获取

遥感数据处理

提取和计算工程量信息

数据分析与评价

成果表达与展示

图2-1

2.1遥感数据的获取：

QuickBird卫星具有多光谱和全色两种模式,在全色波段具有0.61m的高分辨率,其多光谱的4个波段与TM的1、2、3、4的波段一致。

由于具有0.61m的高分辨率,又具有近红外波段,因此对小范围内的细部调查具有很大的优势。

同时随着我国遥感技术的发展，国产卫星的分辨率不断提高，如果分辨率满足1m以下，那么我们就可以利用国产卫星的遥感影像进行分析和评价。

这样就可以节省购买他国遥感数据的费用。

2.2遥感数据处理：

遥感数据要变为我们所需的的数据一般需要做3步处理：

遥感数据融合；遥感数据正射投影校正，裁剪拼接以及分幅。

而第二步要做的就是这一技术过程。

2.3提取和计算信息工程量：

为了利用融合、校正后的遥感影像进行复垦项目工程量计算,此过程需要对复垦要对复垦区影像数据进行自组织分类的非监督分类，然后根据现场调查资料及目视解译结果，选定区域（AOI），对非监督分类后的结果再进行图斑合并和修改，得到更加真实的复垦区的地物分类。

然后对这些地物分类进行计算和分析。

2.4数据分析与评价：

经过上一步，我们已经可以得到复垦整理总面积、复垦整理后不同土地利用类型的面积、土地斑块密度等内容，此步就是对这些结果进行统计分析然后以EXCEL表格和图表的形式表现出来。

2.5成果表达与表现：

此步是成果的表现，一是直接输出分类处理后的影像图片和EXCEL分析表，一是上传到网络上通过webgis网站进行发布。

（三）系统工作流程

3.1遥感数据获取和导入

前期可以购买国外的遥感卫星数据，当我们的遥感卫星分辨率达到要求时可以用我们国家自己的遥感卫星数据。

3.2遥感数据处理

3.21辐射校正和数据截取：

运用TitanImage影像处理技术。

消除原始影像数据中依附在辐射亮度里的各种失真首先进行辐射校正。

如果得到的数据范围广、数据量大、考虑到工作量及处理方法,可选择性地将包含试验区在内的较小范围的数据从原始数据中截取出来。

。

其中多光谱影像以蓝（1波段）、绿（2波段）及红（3波段）波段组合显示。

3.22数据融合：

为提高影像的空间分辨率、清晰度和平面精度,以便判读和识别,采用Pansharpening法将QuickBird多光谱数据和全色数据先进行融合处理。

影像纹理特征介于主成份变换和IHS变换之间,光谱退化最小,同时也较高程度地保持了高几何分辨率的空间信息,融合效果是低空间分辨率的光谱信息和高空间分辨率的空间信息二者之间权衡最好的一种融合方法。

影像融合的过程,伴随着影像空间的各像元亮度值重新计算—重采样。

3.23几何校正：

因为我们采用的卫星遥感数据的分辨率较高,则要求用于纠正的参考图的比例尺也要相应地增大。

常用的1：

10000地形图数据不能满足其作为控制点的精度要求,1：

500地形图比较合适,但现有的l：

500地形图数据非常有限,不能覆盖全部研究区。

为了提高精度,采用GPS测量方法实测地面控制点。

用选取的地面控制点（GCP）进行影像的校正,选用多项式校正模型，二维多项式数学模型为:

其中:

aij、bij为待定系数;n为多项式的阶数;Fx、Fy为校正畸变函数。

多项式的系数利用K个GCP数据按最小二乘原理来求得。

一般来说,多项式的阶数n与GCP的个数N的关系为N=（n+1）（n+2）/2。

GCP的数目K不得少于N个。

根据所需精度以及选取的地面控制点数,在进行精校正时选取二次多项式校正模型。

在2个已知点和10个GPS解算点中选取均布的8个点作为校正点,其余4点作为校正后的检验点。

将选取的8个点添加为控制点,执行二次多项式校正。

几何精校正的第二步是要取得变换后各像元的亮度值。

此过程也就是像元亮度值的重采样。

研究中采用双三次插值法进行重采样。

3.3提取和计算工程量信息

3.31自组织分类

根据实际的地表覆盖情况,地物异质情况,拟定最终的分类数，一般包括植被覆盖田、低洼田、旱田、道路、沟渠、林地、居民地等。

但进行自组织分类时,既要能够满足自组织分类的要求,又不致分类结果过于复杂。

3.32分类后处理

分类后处理的目的是要根据实际需要,通过合并分类或者图斑修改,把自组织分类的结果进行整理,使之实现拟定的分类目标。

利用TitanImage的影像分类进行分类后处理:

（1）分类后编辑:

分类后编辑的主要功能是将分类后的各类别进行颜色的修改、类的命名以及赋予一定的属性值。

（2）精度分析:

精度分析操作用来计算分类后图像数据与实际地面数据的偏差。

（3）图斑归并:

将分类后结果中包含像元数小于某一给定值的类别进行归并。

（4）分类合并:

将实际上是同类地物,而在一开始分类时分为不同地物类型的类别进行合并,使得同种地物称为一类。

（5）分类统计:

统计不同地物类别的面积,包含像元数以及所占比例。

（6）分类后AOI编辑:

初始分类后,分类情况复杂的某些区域,可以在参照原始影像或者其它实地资料图的基础上,划定感兴趣区域（AOI）,在该功能下,进行特殊处理,使分类结果尽可能接近真实地面情况。

（7）分类图斑修改:

经过以上几步分类后处理,如果还有一些图斑没有按照实际情况进行分类,可以在此功能下进行修改,使之变为需要的颜色,从而实现较完整的分类。

图4-1为分类结果的概念图

图4-1分类结果概念图

3.33计算工程量

利用TitanImage的影像分类工具进行分类后统计工作,把分类结果进行指标值的提取。

3.4数据分析与评价

通过统计出来的复垦总面积，复垦整理后不同土地利用类型的面积（包括道路，沟渠，林地，居民点，耕地等）以及土地斑块密度可以对土地平整工程进行评价。

通过统计出来的灌、排渠长度，灌、排渠覆盖面积以及灌区布置可以对灌溉设施布局合理性进行分析，从而对农田水利工程进行评价。

通过计算统计出的道路长度，道路通达度（包括道路密度，与区外道路及居民点衔接情况）对田间道路工程进行评价。

通过计算同济出的防风林面积，防洪林面积可以对农田防护工程进行评价。

3.5数据输出与成果展示

对于数据分析与评价后的数据数据以EXCEL统计表的方式输出，对于分类后的影像数据则可以以多种图片格式输出展示，另外这些数据都可以在webgis网站上进行展示。

图4-2即为在webgis网站上展示的概念图

图4-2

综上所述,下图4-3是所有的工作流程图

数据分析与处理

数据输出与成果展示

分类后处理

自组织分类

计算工程量

辐射校正

遥感数据获取

数据截取

数据融合

几何校正

分类结果图

图4-3

（四）系统模块组成

根据土地复垦工程评价的流程分析及系统需求分析，对本系统设计以下功能模块如图3-1。

因为土地复垦工程的遥感评价主要涉及遥感影像数据的处理和信息的提取和输出，所以我们设计了遥感数据处理、工程量信息提取和计算、分析及图表输出、网上发布四个模块。

遥感数据处理模块主要负责对获取的遥感影像进行处理分析，工程量信息提取和计算模块则负责对处理后的影像数据进行需要信息计算和提取。

分析及图表输出模块负责将提取的信息进行统计分析导出分析表。

而网上发布模块则并通过WebGIS网站来进行成果的发布。

图：

3-1

（五）数据库

5.1数据库设计

通过以上分析，可将该系统的数据库分为两部分，一部分为分类后的影像数据，而另一部分为提取后的各类系数数据。

影像数据是影像处理分类后的各种类型图片，系数数据则是各类评估的数据，面积、长度或者密度。

5.2数据库与各个模块的联系

如图

图5-1

（六）系统工作界面

对于遥感影像处理模块我们设计如下工作界面

对于工程量信息的提取和计算模块，我们设计了如下工作界面

对于分析图表输出模块，我们设计了如下界面

而网上发布的模块则如图4-2所示。

（七）参考文献

[1]叶宝莹白中科孔登魁于英娜.安太堡露天煤矿土地破坏与土地复垦动态变化的遥感调查［J］北京科技大学学报,2008,09第30卷30期

[2]郭云开陈正阳彭悦邢凡胜王钦.土地复垦工程的遥感评价［J］遥感技术与应用,2008,06第23卷3期

[3]叶宝莹白中科包妮沙.矿区土地复垦遥感动态监测体系构建［J］遥感技术与应用,2008,04第19卷2期

[4]陈龙乾，郭达志，胡召玲等，徐州矿区土地利用变化遥感监测及塌陷地复垦利用研究，地理

科学进展，2004，Vol.23，No.2，10-15.

[5]陈华丽，陈刚，李敬兰等，湖北大冶矿区生态环境动态遥感监测，资源科学，2004，Vol.26，

No.5，132-138.

[6]胡振琪，谢宏全，基于遥感图像的煤矿区土地利用/覆盖变化，煤炭学报，2005，Vol.30，No.1，44-49.

（八）实验心得

第一次进行这种地理信息系统的设计，一开始感觉很新鲜，对这项工作很好奇，但当老师开始给我们讲解这个项工作时，我突然发现这件事好复杂，需要牵扯到好多好多的知识。

于是开始大量的看论文，前后总参考了超过10篇论文感觉头脑里似乎有了一个关于土地复垦工作的思路，但是还不是很清楚。

于是我找到老师和他交流了我的想法，他开始觉得我这个想法不太现实，不建议我花时间去思考。

但转念一想应该要鼓励学生创新，于是帮我理清了思路并鼓励我往深入里面思考。

于是我就在老师的带领下一步一步有了以上的这个系统。

虽然其中有很多波折，但看到最后自己完成的的成果，感觉征服了整个世界。

最后还是要感谢杨磊老师的认真指导和耐心讲解，也感谢学院给我们这样一个弥足珍贵的实习的机会。