Page 152 - 遥感技术在生态环境监测中的应用研究

第五章 遥感技术在煤矿矿山地质环境监测中的应用研究

的 IKONOS 卫星影像。

②分割影像
ENVI 里的面向对象信息提取，是一种基于边缘的分割算法，主要是根据临近像素的
亮度值、纹理信息及颜色进行的影像分割，主要输入一个参数便能快速的进行多尺度的影

像分割。分割参数的选择是决定影像分割效果的重要指标，本次研究通过多次的分割效
果预览试验，我们设定塌陷坑、地裂缝、地面沉降区的分割阈值参数分别为 84.2、82.7、
79.2，这些值可以最大限度的分割出目标信息。

③合并分类影像
在进行上一步分割影像时，常常由于一些阈值过低，有些特征会被分错，同一特征地
物特征也有可能会被分成很多小图斑，这一步主要是通过合并解决这类问题。通过反复试

验，我们设置塌陷坑、地裂缝及地面沉降区的阈值 75.3、80.5、77.9，这些值有助于我们
将同类地物进行最大程度的合并提取。

④影像提炼与输出
依据研究目标地物样本的光谱特征对分类进行更进一步的提炼，最后将分类矢量文件
输出。

（3）地质灾害信息自动提取
①建立知识模型

a. 植被指数的选取
植被指数是遥感监测地面植被生长和分布的一种常用的方法。植被指数的物理基础：
植物在可见光波段有很强的吸收特性而在近红外波段却有很强的发射特性，因此利用这两

个波段值的线性和非线性等不同组合，消除地物光谱影响，可以得到很多不同的特征指数
即为植被指数。
目前，经过长期的发展，植被指数已近 20 多余种，常见的有：归一化植被指数（NDVI）、

比值植被指数（RVI）、差值植被指数（DVI）、土壤调节植被指数（SAVI）及修正型土
壤植被指数（MSAVI）等。
归一化植被指数（NDVI—Normalized.Difference.Vegetation.Inde），又称为标准化植被

指数，其计算方法为红外和近红外两个通道的反射率之差除以其之和，在使用遥感图像进
行植被指数研究中应用广泛，是指示植被生长状态、空间分布密度状况、土壤背景变化的

最佳指数，与植被分布密度呈线性相关。在中、低植被覆盖区内，该指数值随着覆盖度增
加而快速增加，达到一定的峰值时便缓慢增加，适用于对植被早中期的遥感动态监测，有
很好的空间和时相适应性，应用广泛，Rouse 等提出其公式如下：

NDVI=NIR-R/NIR+R
其中，NIR 表示近红外波段的反射率，R 表示红色波段的发射率。

-1SNDVI ≤ 1
145