基于夜间灯光数据的长沙市城市建成区提取结果对比分析

为了提高基于夜间灯光影像的城市建成区提取精度,本研究以长沙市为例,在两种灯光校正方法纠正的DMSP/OLS夜间灯光影像基础上构建灯光修正指数,选用突变检测法探测城市提取的最佳阈值,并利用该阈值对2010年长沙市城市建成区进行提取.最后,根据2010年长沙市土地利用数据以及Google Earth影像,选用混淆矩阵与空间...     

基于Landsat-8监督分类与非监督分类的土地利用分类方法比较

本文以遥感监督分类和非监督分类原理为研究基础,采用2018年Landsat-8遥感影像作为基本数据源,利用监督分类和非监督分类中的最大似然和ISODATA分类法对宿州市埇桥区遥感影像进行处理,最后对分类的结果进行精度评价。通过分析可知,监督分类的分类效果更好,非监督分类虽然精度较低,但其不需要先验知识,所以分类速度更快。因此,在分类时,要根据实际情况来选择合适的分类方法。     

基于遥感和GIS的德州市德城区建成区扩展变化及驱动力分析

基于遥感和GIS技术,利用德州市1997—2017年4期TM(OLI)遥感影像,提取德城区近20年的城市建成区.引入扩展强度指数和紧凑度指数等数学方法,分析了德城区近20年城市用地的时空变化特征,并结合社会经济指标数据,对研究区建成区的扩展变化及驱动力进行了分析.结果表明,在研究期内,德城区建成区的面积增加了1.77倍,平均年增长3.30km2.城市向东扩展显著,城市重心东移,造成德城区建设用地的时空扩张特征的驱动力主要有人口、经济、交通和政策因素,其中政策因素对城市时空形态的演变具有决定性作用.     

基于“珞珈一号”夜光遥感影像的粤港澳大湾区城市空间形态分析

利用"珞珈一号"夜间灯光影像,分别采用简单阈值法与植被调节的城市夜间灯光指数法提取粤港澳大湾区城市建成区.对比两种提取方法,植被调节的城市夜间灯光指数法可以削弱"珞珈一号"影像的过饱和现象,减少由于影像的"溢出"导致的误提取.计算并对比大湾区内城市建成区的景观指数发现,不同城市的建成区分布存在不同模式:广州、深圳、香港作为大湾区发展核心,城市区域向外扩展;东莞、佛山、澳门、中山、珠海的城市建成区紧凑性高,空间分布组成完整;肇庆、江门、惠州在大湾区内的发展程度低于其他城市,城市建成区斑块面积小,相距较远.研究证明了利用"珞珈一号"夜光遥感影像可以有效揭示粤港澳大湾区的城市空间形态,为该地区城市规划政策提供了依据.     

基于不透水面的海南港口城市扩张分析

利用Landsat TM与OLI影像,结合V-I-S模型与线性光谱混合模型,综合NDBI、SAVI等指数,提取海南省海口市和三亚市的不透水面信息,并分析其空间变化特征.结果显示,近15年(1999~2015)来两市不透水面均呈现由沿海向内陆扩张的趋势.海口市不透水面主要向南部和西部扩张,三亚市不透水面扩张方向较分散.海口和三亚城市扩张速度较快,两市不透水面占两市的面积比例均增长了2倍以上.两市人口、GDP、不透水面均逐年增长,但人口增长较为平缓,GDP与不透水面增长较为显著.实验表明,将线性光谱混合模型与NDBI、SAVI指数相结合,可在一定程度上减少裸土、盐碱地等对不透水面信息的干扰,改善不透水面的估算效果.     

基于Landsat8 OLI影像的哈尔滨市辖区水体信息提取方法对比分析

以Landsat8 OLI影像为数据源,以哈尔滨市辖区为研究范围,采用阈值法、NDWI指数法、MNDWI指数法以及EWI指数法,对研究区内水体信息进行提取.以人机交互结果作为研究区内水体信息真实值,通过查全率、查准率以及虚警率三个指标对提取结果进行精度评价.结果表明,四种提取方法都能够将大面积水体信息完整提取出来,但是在虚警率以及信息的细节处理上,EWI指数法以及MNDWI指数法在查全率达到0.9以上的同时,能够将虚警率保持在0.1以下.EWI指数法,在对细小河流的提取方面,以及降低居民地等地物的噪声影响方面在几种算法中表现最为优异,是最适合该研究内的水体提取算法.     

基于决策树方法的遥感影像分类

以齐齐哈尔市辖区为研究区域,利用分类回归树（Classification and Regression Tree,CART）算法从训练样本数据集中挖掘分类规则,集成遥感影像的光谱特征、纹理特征和地学辅助数据建立研究区的决策树模型.用实测的GPS样本点对分类结果进行精度验证,并与最大似然监督分类方法（Maximum Likelihood Classification,MLC）进行对比.结果表明,基于CART的决策树分类结果的总精度和Kappa系数分别为82.24％和0.77,分类精度较MLC监督分类方法有明显提高,有较好的分类效果.     

基于改进型不透水表面指数的城市V-I-S特征研究——以兰州市为例

为了更好的利用光谱指数特征对城市V-I-S地表覆被格局特征进行研究,在深入分析研究区基本组分地表覆被类型特征后,通过创建改进型归一化差值不透水表面指数(MNDISI),并结合改进型归一化差异水体指数(MNDWI)、土壤调节植被指数(SAVI),以及不同地表覆被类型在近红外和短波红外波段的平均反射率值等六组参数作为主要特征,基于Landsat TM影像,在面向对象的最邻近分类器中进行城市V-I-S基本组分地表覆被类型信息的提取与分类,精度评价得出生产者精度、用户精度、总体精度和Kappa系数分别达到92.5%、88.4%、87.5%和0.85以上.结果证明该方法实现了大范围区域城市V-I-S基本组分地表覆被类型信息和格局特征的自动准确提取.     

基于遥感影像的水体提取方法对比

本文北京市密云水库为例,基于landsat 8 OLI影像,采用归一化水体指数NDWI、归一化差异水体指数MNDWI、增强型水体指数EWI、修订型水体指数RNDWI、新型水体指数NWI、新型水体指数NEW 6种水体指数定量的对水体进行提取。结果显示,NDWI提取情况较差,其它5种方法都能很好的提取出水体,其中水体指数NWI精度最好,其余四种精度大致相同,都较为理想。     

结合空-谱信息的高光谱图像分类方法

针对传统高光谱遥感图像分类中单纯利用光谱信息而忽略空间信息这一情况,研究空间信息在分类中的两种有效利用方法:其一是先基于方向线理论提取空间特征,然后将其与光谱特征相结合进行高光谱图像分类;其二是采用空间邻域信息继续对分类结果进行智能性修正。实验结果表明,空间信息的利用有助于进一步提高高光谱图像的分类精度。