基于空间光谱信息协同的城市不透水层提取方法比较研究

【目的】利用不同的端元提取方法及混合像元分解算法计算南京市2018年城市不透水层覆盖度,评估各方法的精度,为城市可持续发展提供可靠的基础数据支撑。【方法】采用Landsat 8 OLI遥感影像,基于像元纯度指数(pixel purity index,PPI)并考虑空间光谱信息协同提出空间像元纯度指数(spatial pixel purity index,SPPI),精炼提纯植被、裸土、高反照度不透水层及低反照度不透水层4种类型端元,利用线性混合光谱模型(linear mixed spectral model,LMM)、混合调制匹配滤波(mixture tuned matched filtering,MTMF)、双线性混合光谱模型(bilinear mixed spectral model,BMM)及BP神经网络(BP neural network,BPNN)算法提取南京城市不透水层,采用同年的Google Earth遥感影像目视解译结果对提取的不透水层丰度进行精度验证。【结果】SPPI能有效结合多光谱波段的光谱信息和全色波段的空间信息,提高端元提取精度并减少计算量;同时,基于SPPI的BP神经网络算法提取精度最高,为90.45%;而基于PPI的线性混合光谱模型精度最低,为80.62%。BP神经网络算法在复杂城市中的解混精度高于线性混合光谱模型、混合调制匹配滤波和双线性混合光谱模型。【结论】采用全色波段像元亮度空间异质性辅助提取端元的方法,用空间信息弥补多光谱波段光谱信息较少的缺点,对于改进或发展适用于中/高分辨率多光谱影像的端元提取方法具有一定的参考价值,将其与神经网络模型结合可以在城市不透水层提取中推广应用。     

面向像元-对象双尺度的不透水面遥感检测

为了改善像元级遥感不透水面提取时存在的椒盐现象，提出了一种面向像元-对象双尺度的不透水面遥感检测方法.首先基于建筑、植被、水体等多种光谱指数，在像元尺度上提取不透水面的分布范围，然后对遥感图像进行多尺度分割，并通过设置高阈值和低阈值来处理图中的碎斑和空洞.利用双尺度不透水面检测方法对天津市精武镇多年的遥感图像进行不透水面检测，结果表明，该方法检测的正确率为80%左右，漏检率低于10%，检测精度高于光谱指数方法.     

基于InSAR技术提取南昌地区不透水面信息

目前城市不透水面信息提取的研究主要基于光学遥感影像提取。但使用光学遥感手段提取不透水面信息易受到云层遮挡及光谱混淆等问题的影响。为此,提出了一种新的基于InSAR技术的图像分类方法。通过对Sentinel-1影像进行干涉分析,计算出各地物的后向散射特性中的相干系数值,然后建立随机森林并利用回归分析法获取不透水面的相干系数值分布。再以谷歌地球高清影像信息为真实样本进行分类迭代实验,通过迭代实验的分类结果精度确定相干系数值提取阈值,在像素级上提取出不透水面信息。研究结果表明,该方法提取的不透水面信息总体精度达到了92.48%。通过和实地信息对比,该方法提取结果可靠,能够利用雷达遥感提取大范围区域不透水面。     

城市不透水面信息提取及水环境效应分析——以武汉市江南三区为例

利用ETM~+和Landsat8数据,以武汉市江南三区为研究对象,采用光谱混合分解模型估算不透水面信息在空间和时间上的变化情况,并分析其水环境效应.通过MNF变换和PPI指数运算,确定高、低反照率、植被及土壤4类光谱端元,利用Landsat8新增的卷云波段去除云、土壤、沙地等噪声,利用MNDWI指数去除水体,修正后的高、低反照率组分之和即为不透水面分布估计值.结果表明:研究区14年间不透水面总体随着围湖垦殖呈放射状扩张,面积增加了52.6km2;从短期和长期两个层面,不透水面深刻地影响了城市地区的水文环境,包括地表径流的时空模式、水文循环过程,以及局部小气候;不透水面对城市地区非点源污染也具有较大影响.     

从资源3号卫星影像中提取厦门市不透水面信息

不透水面是城市地区的典型特征,不透水面的增加导致了水质恶化、城市热岛效应等一系列生态环境问题.选用高分辨率资源3号遥感影像,利用面向对象的方法,进行厦门市不透水面信息的提取.为突出不透水面的信息,将影像进行主成分变换、提取归一化植被指数和归一化水体指数,将第一主成分、归一化植被指数和归一化水体指数合成为新的影像;根据最小不透水面的面积原则,确定最优的分割尺度,结合形状、光谱等信息,对合成后的影像进行多尺度分割;再在最优尺度分割结果的基础上进行分类,并将阴影作为分类体系中单独一类,获得不透水面、裸土、水体、植被、阴影的分类结果;利用真实世界地物的形状特征和邻近关系特征,对阴影区域进行判别及合并,获得不透水面,并根据实地观测,对提取结果进行精度评价,不透水面提取的精度达80%.     

北京市五环内不透水面变化研究

基于北京市2000年增强型专题制图仪和2010年专题绘图仪遥感影像,利用线性光谱混合分析模型对两幅影像实施亚像元分解,获取城市不透水面的空间较为精确的分布情况。在此基础上,结合研究区土地利用和实地资料,利用归一化建筑指数与混合光谱分析的方法,对北京市近10年来不透水面动态变化格局进行分析,研究城区不透水面的变化情况。研究结果表明:基于混合像元分析的不透水面变化信息提取方法是行之有效的。10年间北京五环内不透水面覆盖度总体上随着城市化进程呈现放射状扩张,城市建设是形成不透水面的重要驱动力之一。     

基于线性光谱混合分析的城市不透水层分布估算

利用遥感图像进行城市不透水层分布的估算,在监测城市环境和规划城市发展等方面有着非常重要的作用.采用全约束的线性光谱混合模型,用3种方法(像元纯度指数、归一化的像元纯度指数和结合地表温度辅助分析的归一化像元纯度指数)分别从Landsat 7 TM/ETM+影像中分解得到上海市中心城区的不透水层分布,并比较了2002～2008年的上海市中心城区不透水层分布的变迁.结果表明,利用这3种方法分解得到不透水层的精度依次递增;总体来说,上海市不透水层分布比率较高.从2002～2008年不透水层分布变化来看,上海市的城市化有显著向外环线外区域扩张的趋势.     

基于线性光谱分解方法的森林选择性砍伐与再生监测研究- 以巴西亚马逊森林为例

以巴西亚马逊热带森林为例,在Landsat TM、ETM+影像提取光合植被(PV)、非光合植被(NPV)、土壤(soil)端元光谱的基础上,利用线性光谱分解模型得到端元地物丰度,进而设计合理的检测规则实现了选择性森林砍伐与森林再生所产生的森林变化监测。结果表明,基于线性光谱分解的方法能够以较高精度准确检测出选择性砍伐与森林再生,是森林变化宏观监测的有效手段之一。     

典型喀斯特山地城市不透水面时空格局

以贵阳市主城区为研究区,利用基于植被覆盖度提取法和线性光谱混合分析法分别提取研究区不透水面信息;通过精度对比,选用最优方法提取研究区1996、 2007、 2017年的不透水面信息,并结合标准差椭圆法和相关扩展指标探讨不透水面的时空演变。结果表明:在喀斯特地区利用线性光谱混合分析法提取不透水面信息效果较好;1996—2017年间研究区不透水面的空间分布趋势经历了从西南—东北分布变化为正北—正南分布,再变化为西南—东北分布的过程;不透水面扩展模式前期主要以单级为核心向四周发散,随时间推移转变为多中心扩展,并伴随大量"飞地"的出现。     

基于SVM和线性光谱混合模型的城市不透水面丰度提取

不透水面丰度的提取在城市环境监测和规划研究中具有重要价值.基于2006年7月30日合肥市TM影像数据,运用支持向量机(SVM)监督分类与线性光谱混合模型(LSMM)相结合的方法提取研究区不透水面丰度值,并与单一运用线性光谱混合模型提取结果进行比较.研究结果表明:支持向量机监督分类和线性光谱混合模型相结合的方法RMSE为12.8%,提取精度高于线性光谱混合模型,该方法提高了城市不透水面丰度提取的精度.