论文部分内容阅读
随着我国经济快速持续发展,我国工业固体废物的产量也持续增长,这些持续增长的工业固体废物已经成为我国当前环保工作迫切需要关注和解决的重大问题。为了发现并且监测这些工业固体废物,传统的地面监测手段已不能满足当今环境保护的需要,而遥感具有大范围、低成本、空间连续性以及实时监测等优势,为监测工业固体废物提供了一个有效的手段。为了识别并监测工业固体废物堆场,本文利用专业遥感影像分类软件eCognition的面向对象的方法来对遥感影像进行工业固体废物的识别和信息提取。本文以我国贵州省福泉的磷石膏和松桃的锰渣为例,通过环境一号星、SPOT-5以及ASTER数据,对它们分别进行了识别以及信息提取并做了分析。本文采用的面向对象的识别方法包括以下几个步骤:(1)选择合适的数据源,对遥感图像进行处理,包括大气纠正、影像镶嵌、影像裁剪等。(2)将研究区遥感影像用多尺度分割的方法分割,得到一个个影像对象。(3)建立遥感解译标志库,为遥感解译提供样本参考和先验知识。(4)通过遥感解译标志库,我们分析了不同对象特征的异质性,根据这些特征的异质性,建立了面向对象的决策树规则集。基于这个决策树规则集,工业固体废物就能够从遥感影像上自动识别出来。(5)利用ArcGIS的统计方法,提取磷石膏、锰渣尾矿库以及周边敏感目标的信息,初步分析锰渣、磷石膏对周边环境可能造成的影响。通过面向对象的决策树分类方法,磷石膏可以很好的从环境星数据上识别出来。用ASTER数据识别锰渣,用到了主成分分析的方法,可是有一部分光谱特征很相近的破碎的河流以及植被混淆了进去。用高分辨率SPOT-5数据建一套规则集识别锰渣,虽然精度还不如ASTER影像,但是利用它的纹理特征能很好的区分植被与河流,识别的结果与ASTER数据识别的结果结合起来分析能提高识别锰渣的精度。最后通过地面调查的数据验证了识别后的结果。实验表明,利用面向对象的方法,能够有效的识别工业固体废物。