本研究水域面积的提取方法分别用最大似然、面向对象、决策树三种方法对西溪湿地图像进行分类处理，比较它们提取水域面积的精度，分析比较出最合适的分类方法。最大似然法是处理图像最常用的一种监督分类方法[12]，它建立在贝叶斯准则的基础上。其分类原理是假设在光谱空间中，训练样本数据服从正态分布规律，通过计算给定像元属于各个样本的概率，将其归属于概率最大的一组[13]。决策树法是基于遥感图像及其他空间数据，通过专家经验总结、数学统计和归纳等方法，获得分类规则并进行遥感分类。其最大的特点是能够利用多源数据，但规则的获取需要花费大量时间。面向对象法是基于对象进行分类的方法，它集合临近像元为对象用来识别感兴趣的光谱要素，充分利用高分影像的光谱、形状、结构纹理等要素进行分割与分类，从而得出高精度的分类结果或者矢量输出[14]。文献综述

2.3 大气校正

2.3.1 原理

FLAASH模型是基于MODTRAN模型

发展起来的, 其大气校正基于传感器处单个像素点接受到的太阳波谱范围内(不包括热辐射)标准的平面朗伯体(或近似平面朗伯体)反射的光谱辐射亮度, 光谱辐射亮度计算公式如下[15-16]:

L = Aρ/(1一ρeS) +Bρe/(l一ρeS)+La                            ( l )

其中, L为传感器处单个像素点接收到的的辐射亮度; ρ为该像素点的地表反射率; ρe为该像素点及其周边区域的平均地表反射率;S为大气球面反照率;La为大气后散射的辐射亮度;A、B是基于大气和几何条件的系数, 与地表反射率无关.该公式中所有的变量都与波长有关,为了简化公式,公式(1)中省略了波长指数。

FLAASH模型中将传感器接收到的辐射亮度分成三部分[15-16] ,第一部分是太阳辐射经过大气照射到地表,然后经地表反射再经过大气而进人到传感器的一部分,即公式(1)中的Aρ/(1一ρeS)部分;第二部分是大气散射的一部分散射光经地表反射后进人到传感器中的部分,即公式(l )中的Bρe/(l一ρeS)部分;第三部分为La,即太阳辐射经大气散射后的一部分散射光直接经过大气而进人传感器的部分。

A、B、S和La通过MODTRAN辐射传输模型的计算获得 [15-17],它们的值由卫星观测角、太阳高度角、平均海拔高程、大气模型、气溶胶模型及能见度决定, 这些参数都可以通过其他方式或者利用标准的大气模式和气溶胶模式获取;A、B、S和La还与大气中的水蒸气含量及气溶胶光学厚度值有着密切的关系,FLAASH中利用暗目标法反演出气溶胶光学厚度，而水蒸气含量是利用MODTRAN 4模拟大气吸收并形成一个查找表,然后利用查找表逐像元估算出来的; ρ与ρe的区别在于大气散射引起的邻域效应, 如果使ρ=ρe,那么校正的过程中将会忽略邻域效应, 但在有薄雾或地表存在强烈对比的条件下会使短波波段范围内的大气校正存在明显的误差, FLAASH中利用大气点扩散函数对邻域效应进行了纠正, 主要是利用下面这个公式估算ρe:

Le≈[（A+B）ρ/（1-ρeS）]+La     来*自-优=尔,论:文+网www.youerw.com    ( 2 )

式中,Le为某像素及其周围像素的空间平均值, 可以通过原始影像计算得到.

当获得所有参数后, 就可以利用公式(1)和(2)逐个像元地求出整幅影像的真实地表反射率.

2.3.2过程

①辐射亮度的计算：为了计算地表反射率必须获得辐射亮度, 遥感影像一般是用DN值来表示, 所以要先将遥感影像的DN值转换为辐射亮度。