Landsat8影像在土地利用分类中的最佳波段组合研究——以湖北省恩施市为例

为提取土地利用/覆被信息,选取恩施市2015年10月的landsat8卫星OLI影像作为实验数据,在统计和分析各波段的光谱特征的基础上,计算最佳指数因子(OIF),并结合典型地物光谱特征曲线,对最佳波段组合的选择进行研究.结果表明:将最佳指数法和典型地物光谱特征分析法相结合,能客观有效地确定OLI影像的最佳波段组合;456和457两种波段组合是研究区土地利用/覆被信息提取的最佳波段组合.     

TM遥感影像植被信息提取的最佳波段组合选择——以福建省松溪至建瓯高速公路为例

以拟建福建省松溪至建瓯高速公路两侧10 km为研究区域,运用最佳指数OIF法,同时参考地物光谱特征曲线以及各波段主要应用范围,在TM遥感影像图植被信息提取过程中,探讨基于遥感技术实现植被信息提取的最佳波段组合,研究显示:145波段组合信息量最为丰富,其波段间相关性最小,为植被信息提取的最佳波段组合.在此基础上,探讨了多光谱数据中,快速、准确选取最佳波段组合,为提高植被解译的精度和工作效率提供重要依据.     

ETM+影像提取伏沙地信息的最佳波段组合——以内蒙古锡林郭勒盟西乌旗为例

 以伏沙地信息提取为研究目的，依次应用单波段信息量、相关系数矩阵、最佳指数法（OIF）、典型地物影像光谱特征曲线分析的方法，对内蒙古锡林郭勒盟西乌旗ETM⁺遥感影像数据的最佳波段选择进行研究。结果表明，第4波段信息量大，与其他波段间相关性小，作为必选波段；5、3波段次之；3、4、5波段组合的OIF较高。最后根据目视辨别认定波段（红）4、（绿）5、（蓝）3组合是针对伏沙地信息的最佳波段组合。     

TM遥感影像彩色合成最佳波段组合研究——以恩施市土地利用遥感图制作为例

TM遥感数据具有适合于中等尺度研究的空间分辨率,并相对易于获取,在土地变化研究中应用最为普遍.TM遥感数据为多光谱数据,最佳波段选取是遥感图像增强处理的关键部分,直接影响到目视解译和研究对象的信息提取.采用OIF指数法确定恩施市2000年TM遥感数据的最佳波段组合,完成土地利用遥感图制作.研究结果表明,OIF指数法易于操作,确定最佳波段组合效果较好.     

TM遥感影像的最佳波段研究——以甘肃敦煌阳关国家级自然保护区为例

选择甘肃敦煌阳关国家级自然保护区TM遥感影像为试验数据,采用最佳指数因子方法(OIF)并结合试验区地物光谱特征进行TM影像最佳波段选取的研究。结果表明:TM125波段组合为甘肃敦煌阳关国家级自然保护区TM影像的最佳波段组合,三个波段包含了较大的数据量,波段与波段之间的相关性较小,其合成的彩色影像易于目视解译,为保护区开展工作奠定了基础。     

土地利用分类中TM影像最佳波段组合选择研究

土地利用和土地覆盖变化是全球变化的主要原因,也是生态安全的重要影响因素,遥感影像以其宏观、及时的特点为土地利用分类研究领域提供了重要数据.文章分析了TM影像各波段的光谱特征,运用均值、标准差和相关系数等指标定量分析TM数据各波段和波段之间的特征,用最佳指数(OIF)来衡量各种波段组合的信息量,确定五种波段组合方案,再结合TM影像的光谱特征,最后优选出345波段组合用于土地利用分类.     

快鸟影像的自组织神经网络分类研究

快鸟影像是目前世界上空间分辨率达到亚米级的商用卫星之一,辐射亮度级为2048级、11 bit,将其转换为256级、8 bit,然后在ERDAS软件中进行多光谱、全色分辨率的融合,输出能够被MATLAB软件接受的JPG图形格式文件;基于快鸟影像有4个波段,彩用最佳指数(OIF)进行最佳组合波段的选择,经计算4、3、2组合波段的OIF值最大为76.53684,作为下一步自组织分类的图像;自组织神经网络分类在MATLAB中完成,选择函数newsom,待地物类别数为5类,网络训练最大次数为100次,对分类结果计算出了总体分类精度为83.21%,Kappa系数为78.66%.     

基于小波变换和K-means算法的遥感影像分类

在研究K均值聚类算法的基础上,采用小波变换辅助K均值算法对遥感影像进行分类,以此提高遥感影像的分类精度.以云南省玉溪市抚仙湖附近地区作为研究区,结合研究区的具体情况,根据查维茨最佳指数因子法OIF计算得到遥感影像的最佳波段组合,并通过对各类地物的样本图像和遥感影像进行二维小波分解,得出样本特征向量;然后利用K均值算法结合样本特征向量对遥感影像进行分类,得到分类结果并进行精度验证.再与单纯采用K均值算法的分类结果进行对比分析,结果表明:其总体精度和Kappa系数分别达到83.74%、0.7753,比单纯采用K-means算法分别高出14.26%、0.1697,尤其是林地、裸地和农田的分类精度得到了显著提高.     

基于ETM＋土地利用/土地覆盖遥感信息提取研究——以宝鸡市金台、渭滨两区为例

目的以宝鸡市金台、渭滨两区为例,利用2004年6月ETM＋遥感影像进行土地利用/土地覆盖信息提取研究。方法在遥感技术和地理信息系统技术支持下,对遥感影像各波段进行特征分析的基础上,确定最佳波段组合,采用监督分类中的最大似然分类法结合人机交互解译相结合的方法完成土地利用类型信息的提取。结果通过对分类精度进行评价,结果表明该方法的有效性。结论利用遥感影像快速、定量地提取土地利用信息的方法是进行区域土地利用监测及数据更新的有效手段。     

DEM在喀斯特山区多云背景下土地利用遥感影像解译中的应用

土地利用分类是研究土地资源,进行土地评价和土地利用/土地覆盖变化等研究的基础。利用遥感(RS)技术可对土地资源进行分类调查。以沿河县为分析样区,沿河县是典型的喀斯特山区县,常年多云多雾,给土地利用遥感解译带来较大难度。研究中以地理信息系统(GIS)技术为工作平台,利用近年ASTER影像为基础数据,采用分层提取特征波段的方法,结合数字高程模型(DEM)数据对沿河县土地利用进行了遥感分类解译。分类结果表明,多云背景下的影像数据和DEM数据相结合的方法,可以更好、更快、更有效地提取土地信息,达到较好的分类精度。     

基于OLI影像的植被覆盖信息提取技术研究 ——以南宁市邕宁区为例

文章以2017年10月28日南宁市邕宁区Landsat 8 OLI影像为数据源，利用ENVI5.3和ArcGIS10.2软件进行数据处理，将原始波段组合、主成分分析组合、衍生波段组合影像用极大似然估计方法进行监督分类，提取南宁市邕宁区的植被覆盖信息，并将分类结果在分类总体精度上相互对比，在空间和提取得到的植被面积数据上对比目视解译结果和南宁市统计年鉴提供的数据，最终确定提取植被覆盖信息的最佳波段组合。研究表明衍生波段组合提取的结果能较准确地反映南宁市邕宁区地表植被覆盖情况，为南宁市邕宁区绿地系统规划提供了参考。     

环境特征对MODIS土地覆盖分类精度影响研究——以河南省为例

特征是影响土地覆盖分类精度的重要因素.为分析基础特征不同的情况下,地形、降水等环境辅助特征对MODIS土地覆盖分类精度的影响,选取河南省为研究区,以MODIS 1-7波段天顶BRDF调整后反射率产品MCD43A4、全年EVI时间序列数据MOD13Q1及两者的组合为基础特征,MODIS地表温度产品MOD11A2、高程、坡度、年平均降水为辅助特征,构建多特征组合,并利用支持向量机进行土地覆盖分类研究.实验结果表明:(1)在基础分类特征不同的情况下,地形(高程、坡度)、地表温度的引入,均可令土地覆盖总体分类精度略有提升,提升贡献在1个百分点以内,但年平均降水对精度贡献并不稳定.(2)环境辅助特征对不同地物生产精度的贡献并不相同,在某些类别的生产精度获得提高的同时,其他类别的生产精度可能降低.     

地理国情普查中地表覆盖信息提取技术研究

地理国情普查的开展,促使地表覆盖信息提取技术向智能化、高效化发展;以西藏地区作为研究区域,选用2011年11月空间分辨率为0.5 m的WorldView_2影像作为数据源,采用目视解译、计算机自动解译、计算机人工交互解译3种遥感信息提取方法进行土地覆盖信息提取;通过实验对比分析,3种解译各具优势与不足,分类结果精度与遥感影像质量与解译区地形复杂程度和目标地物种类息息相关,在地理国情普查过程中需要综合使用.     

利用TM影像提取土地利用/覆被信息的最佳波段研究

以土地利用/土地覆被信息的提取为目的,选定武汉市江夏区的TM遥感影像为试验数据,在对其信息特征进行统计与分析的基础上,通过采用最佳指数因子(OJF)并综合试验区地物光谱特征的分析方法进行TM 影像最佳波段选取的研究.结果表明:TM543波段组合为土地利用/覆被遥感中TM 影像的最佳波段组合,其合成的假彩色影像具有很好的...     

多光谱遥感数据最佳波段选择的研究

分析了最佳波段选择的最佳指数方法,并指出该方法的不足之处.在实践过程中,根据多光谱遥感数据各波段用途、研究区地物的光谱特征及最佳指数来考虑最佳波段的选择,取得了比较好的效果.     

TM遥感影像信息及最佳波段组合研究

以山东省龙口市为研究区域,通过对2006年的TM遥感影像数据信息进行分析,计算各个波段的协方差和相关系数,得出TM的7个波段中5、7波段包含的信息量最为丰富,但是两个波段信息的"重复性"和"冗余性"也相当大,3个可见光之间的相关性也很高.从计算的10种组合波段的OIF值表明,含有一个可见光,一个近红外和一个中红外波段组合最佳,所包含地物信息也最丰富.     

ETM+遥感影像最佳波段融合质量评价

利用最佳指数(OIF)法得出泉州市2001年ETM+遥感数据的最佳波段组合为波段5、4、2;采用乘积变换、Brovey变换、HIS变换、小波变换等4种典型的融合方法,分别进行ETM+最佳波段组合影像与ETM+全色波段影像的融合;计算融合后影像与原始影像之间的相关系数,从空间相关系数、光谱相关系数2个方面进行定量和定性评价.结果表明,Brovey融合后的影像信息损失最小、对于光谱保真性最好,小波变换融合方法次之;而小波变换融合后影像对于空间分辨率的改善效果最好,Brovey融合方法次之.针对本研究区,在4种融合方法中,Brovey变换和小波变换融合方法是最佳的选择.     

基于多波段影像特征的土地利用分类

利用Landsat TM遥感影像,在ENVI4.2软件的支持下,分析了甘肃省张掖市TM多波段地物影像特征,建立解译标志,利用监督分类方法对该区域土地利用进行分类。     

基于GIS的土地利用动态监测：以民勤试验区为例

以甘肃省民勤县城关镇毗邻的４个乡镇为典型试验区,利用遥感与ＧＩＳ相结合的技术方法,重点监测了近１０年来该地区土地利用的具体变化状况。并在地物光谱研究的基础上,提出了适合试验区实际情况的遥感波段组合（ＴＭ Ｒ１Ｂ４Ｇ６）和分类方法（贝叶斯方法）。对该实验区而言,这种波段组合效果最佳,贝叶斯分类的总精度也达到８８．５１％。对经制图综合而获得的土地利用专题信息,通过数据转换、软件接口与不同时期的土地利用     

面向对象的多层次规则分类地物遥感信息提取方法试验分析研究

监测土地覆盖变化是目前高分辨率遥感的重要应用领域，城市覆盖地物变更速度快、地物类型复杂，使用传统方法提取监测难度较大。针对此问题，选择云南省大理白族自治州上官镇为研究区，以GF-2 PMS遥感影像为数据源；采用面向对象的方法对研究区进行最优分割尺度分割，选取最优特征组合用于构建模糊分类规则，分层次进行地物提取，最终获得研究区地物类型分布图。运用混淆矩阵方法进行精度评价，面向对象的多层次规则分类法提取分类效果良好，分类总体精度达79.95%,Kappa系数为0.74。与基于像元的分类方法和单一尺度下面向对象的提取分类法相比，面向对象的多层次规则分类法精度明显提高，说明本方法运用于复杂地物提取分类具有较好可行性。