地理学与自然灾害杂志
开放获取

抽象的

生态热点遥感：从多个数据源产生增值信息

Chandi Witharana1、Uchitha S. Nishshanka 和 Jagath Gunatilaka

将具有互补特征的高空间分辨率全色和高光谱分辨率多光谱图像融合在一起，为复杂的土地利用和土地覆盖类型分类提供了基础。在这项研究中，我们研究了不同的全色锐化算法在应用于包含霍顿平原国家公园 (HPNP) 的单传感器单日期和多传感器多日期图像时的表现，霍顿平原国家公园是一个高度脆弱的生态区，已被自 20 世纪 70 年代以来，斯里兰卡经历了严重的树冠枯竭。我们的目标是从多个地球观测 (EO) 数据源提供分辨率增强的多时相图像，以支持 HPNP 的长期枯萎病监测。我们选择了六种候选融合算法：布罗维变换、埃勒斯融合算法、高通滤波器（HPF）融合算法、改进的强度-色调-饱和度(MIHS)融合算法、主成分分析(PCA)融合算法和小波-PCA融合算法。这些算法应用于过去 50 年在 HPNP 上拍摄的八张不同的航空和卫星图像。使用十五个定量质量指标和目视检查方法评估融合图像的光谱和空间保真度。光谱质量指标包括相关系数、均方根误差 (RMSE)、与平均值的相对差、与标准差的相对差、光谱差异、偏差指数、峰值信噪比指数、熵、平均结构相似性指数、光谱角度映射器以及合成中的相对无量纲全局误差。使用 Canny 边缘对应评估融合图像的空间完整性，高通相关系数、Sobel 滤波边缘图像的 RMSE 以及快速傅立叶变换相关性。小波-PCA 算法表现出最差的空间改进，而 Ehlers.MIHS 和 PCA 融合算法表现出平庸的结果。就我们的多维质量评估而言，HPF 成为单传感器单数据和多传感器多数据数据融合的最佳性能算法。我们进一步检查了基于对象的图像分析框架中融合的效果。我们的主观分析表明，当将全色图像的高频信息注入低分辨率多光谱图像时，候选图像对象得到了改善。小波-PCA 算法表现出最差的空间改进，而 Ehlers.MIHS 和 PCA 融合算法表现出平庸的结果。就我们的多维质量评估而言，HPF 成为单传感器单数据和多传感器多数据数据融合的最佳性能算法。我们进一步检查了基于对象的图像分析框架中融合的效果。我们的主观分析表明，当将全色图像的高频信息注入低分辨率多光谱图像时，候选图像对象得到了改善。小波-PCA 算法表现出最差的空间改进，而 Ehlers.MIHS 和 PCA 融合算法表现出平庸的结果。就我们的多维质量评估而言，HPF 成为单传感器单数据和多传感器多数据数据融合的最佳性能算法。我们进一步检查了基于对象的图像分析框架中融合的效果。我们的主观分析表明，当将全色图像的高频信息注入低分辨率多光谱图像时，候选图像对象得到了改善。我们进一步检查了基于对象的图像分析框架中融合的效果。我们的主观分析表明，当将全色图像的高频信息注入低分辨率多光谱图像时，候选图像对象得到了改善。我们进一步检查了基于对象的图像分析框架中融合的效果。我们的主观分析表明，当将全色图像的高频信息注入低分辨率多光谱图像时，候选图像对象得到了改善。