珞珈一号夜间灯光影像的建设用地提取

建设用地的准确获取对了解城市建设发展、监测城市建设情况和规划空间布局有重要意义.以往的夜间灯光数据在市级以上的建设用地提取中,准确度都会受到分辨率与尺度的影响,小尺度对准确度影响更大.130 m分辨率和250 km幅宽的珞珈一号数据的出现,让城市建设用地的提取更具潜力.本研究通过整合珞珈一号夜间灯光数据与兴趣点数据以及Landsat8反演得到的地表温度数据,采用经验阈值法提取建设用地并进行精度评价.结果显示,珞珈一号影像在小尺度提取中,虽然总体精度(0.825)较高,但是误分很严重,导致Kappa系数只有0.359;通过平均值法与兴趣点数据结合提取,精度数值均有提高,但误分还是较多,Kappa系数只有0.442;在加入地表温度数据后,用LJ&LST综合指数提取建设用地,极大地改善了误分的现象,总体精度为0.874, Kappa系数达到0.620.实验表明,即使城市中存在河流,在珞珈一号数据的支持下介入地表温度的LJ&LST综合指数也可以提高建设用地的提取精度.     

基于Sentinel-2光谱与地形特征的山区森林分类——以武夷山国家公园为例

为了提高山区复杂地形条件下的森林分类精度，以武夷山国家公园为研究区开展山区森林分类研究.以Sentinel-2遥感影像作为数据源，采用多尺度分割方法进行影像分割，并通过ESP2算法选取影像的最优分割尺度.首先构造了Sentinel-2光学影像的初始27维光谱特征，通过计算随机森林Gini指标对分类特征变量进行优化，最终确定17维最优特征变量，然后将提取的研究区地形特征与最优特征变量相结合，应用随机森林算法进行森林分类.结果表明：在27维光谱特征中选取重要性排名前17的特征参与分类时，精度最高值为0.911 0，其中，Sentinel-2影像的红、红边和近红外波段及其相应的光谱指数在森林分类中有较高重要性；在不同的特征参与分类时，在参考光谱特征中依次加入红边指数和地形因子，分类的总体精度分别为88.13%、89.50%、90.87%,Kappa系数分别为0.854 6、0.871 0、0.887 8.研究证明将Sentinel-2丰富的光谱特征与地形因子相结合，可有效获取各森林地物类型在不同地形特征下的不同光谱特征，此方法在森林地物信息提取中具有较高的应用价值，为今后地形复杂的山区森林进...     

基于植被岩溶比重指数的岩溶流域岩溶信息提取——以江西省长河流域为例

利用多光谱遥感数据构建合适的指数提取岩溶信息,对于岩溶地表水文参数(如CN值)的确定、流域水文模型的应用、岩溶流域水土流失和石漠化的监测等具有重要作用。以江西省长河流域为研究区,利用Landsat 8遥感数据获取NDVI、FV(植被覆盖度)、LST(地表温度)以及卷云波段,将FV、LST和卷云波段进行主成分分析,提取第一主成分PFLC并构建PFLC-NDVI特征空间,依据该特征空间提出植被岩溶比重指数(VKPI),采用分级阈值法对VKPI值进行等级分值生成VKPI分级图,结合野外实地采集的岩溶数据进行精度验证。研究表明:野外实地采样的岩溶数据与VKPI分级图重合度比较高,总精度为77.44%,Kappa系数为0.713 4。综合了植被指数、地表温度、植被覆盖度等生物物理参数的VKPI,能够较好地提取岩溶信息,并将其与其它地物信息区分开来。     

面向对象方法的复杂地形区地表覆盖信息提取

探讨在复杂地形区基于面向对象分类方法与中等分辨率的Landsat 8 OLI影像相结合能否获得较好的信息提取精度.结果表明:单波段标准差、多波段相关系数和最佳指数因子是选择波段的较优方案,可有效减少各波段间的信息冗余量.通过对研究区进行地理分区的方式建立每一地理子区的分类层次、设定分割参数及规则,根据地物类别的分布特征引入归一化植被指数、归一化建筑物指数、改进归一化差异水体指数、数字高程模型数据、坡度等与地类相关的专题数据,以提高复杂地形区分类精度;整个流域脑山区总分类精度最高,达88.33%,Kappa系数0.86.     

基于局部非线性地理加权回归模型的地表温度降尺度算法研究

地表温度(land surface temperature, LST)是反映地表状况的一个重要参数,能对地表-大气相互作用过程进行描述。由于受到卫星热红外传感器成像条件的制约,获取的卫星热红外遥感图像存在时间分辨率、空间分辨率难以兼顾的问题,导致反演的LST数据难以得到深入应用。采用LST降尺度算法可以解决此矛盾,获得高时空分辨率的地表温度数据。目前LST降尺度模型逐步由全局模型转向局部模型,但局部降尺度模型忽略了非线性关系。针对此问题,提出基于局部非线性地理加权回归(non-linear geographically weighted regression, NL-GWR)的地表温度降尺度算法。选择合适的研究区域,并分别选取归一化差异植被指数(normalized difference vegetation index, NDVI)、归一化差异建筑指数(normalized difference build-up index, NDBI)以及数字高程模型(digital elevation model, DEM)作为辅助参数进行LST降尺度,将中分辨率成像光谱仪(moderate resolution imaging spectroradiometer, MODIS)地表温度空间分辨率从1 000 m提升到100 m,并将基于地理加权回归(geographically weighted regression, GWR)与NL-GWR模型的降尺度结果进行对比分析。实验结果表明,考虑非线性关系的NL-GWR模型要优于GWR线性模型,能够获得较低的均方根误差(1.96 ℃)和平均绝对误差(1.63 ℃)。     

基于机器学习的多源遥感影像融合土地利用分类研究

为了快速获取准确的城市土地利用信息,提高西南地区遥感影像城市土地利用分类信息提取的精度,探讨了当前快速发展的机器学习技术在该领域中的分类实验.选用昆明市主城区作为研究区域,以Landsat8与Sentinel-1A影像为原始数据,使用GS变换法对影像进行融合,使用卷积神经网络(Convolutional Neural Network,CNN)和BP神经网络(Back Propagation Network)2种分类算法对融合前后的遥感影像进行土地利用分类信息提取,对分类结果进行分析.研究结果表明:基于Landsat8和Sentinel-1A的融合影像数据的卷积神经网络分类算法具有最好的分类效果,其总体分类精度和Kappa系数分别为85.8091%,0.8124,认为基于多源遥感影像融合的卷积神经网络分类方法是获取准确的城市土地利用分类信息的一种可行的方法,可以为高原地区城市的土地利用分类提取研究参考.     

基于Landsat8数据和"珞珈一号"夜光数据的合肥建成区提取

以Landsat8数据和"珞珈一号"夜光数据为主要数据源,将遥感与地理信息科学技术相结合,对合肥建成区进行提取.首先将Landsat8相应波段分别与自身第8波段进行Gram-Schmidt变换处理,并对处理获取的新波段进行波段计算,获取土壤调节植被指数(SAVI)、改进的归一化差异水体指数(MNDWI)和改进的归一化裸露指数(MNDBI),分别代表植被、水体、建成区三类主要的土地覆盖类型,将三指数波段进行合成,通过监督分类获取整个合肥市的建成区分类图.最后运用"珞珈一号"夜光数据采用二分迭代法获取的建成区边界去除建成区分类图中远离城区的建成区和城区周边被错分为建成区的裸地或农田,获得精准的合肥市建成区.结果表明GS变化后的"三指数法"影像监督分类的精度有了较大的提升,可达93.39％,Kappa系数达到0.8670,同时"珞珈一号"夜光数据可有效地去除建成区周边裸地,使得精度提高到95.10％,Kappa系数也达到了0.9010.     

基于面向对象方法的天津市滨海新区湿地信息提取

基于天津市滨海新区2021年的Sentinel-2遥感影像数据,针对传统遥感影像湿地分类的不确定性问题,选择了面向对象分层分类的方法。采用面向对象多尺度分割算法,依据地物光谱异质性特征将遥感影像分割为光谱相似的对象,再结合不同地物的光谱指数、空间几何特征、纹理特征构建层次模型,分层提取湿地信息。分类效果同随机森林分类方法相比较,结果表明：利用面向对象的分层分类方法总体分类精度达到91.75%,Kappa系数为0.91,分类结果“斑驳现象”减少,湿地边界清晰完整。     

基于Sentinel-2影像红边光谱指数与特征优选的竹林提取研究

为了从Sentinel-2A影像中快速、准确提取竹林分布信息,以福建省永安市上坪乡竹林为研究区开展竹林提取研究.在影像分割的基础上,提取原始波段光谱、红边光谱指数、纹理3类共18个特征变量,利用随机森林Gini系数法进行特征变量重要性排序,设计5种不同特征变量组合方案,采用随机森林分类进行竹林分布信息提取.结果表明：原始波段光谱特征在Sentinel-2A影像竹林信息提取中具有重要作用,红边光谱指数特征次之,纹理特征未发挥显著作用.在红边光谱指数特征中,基于红边综合效应指数（MVIred1）构建的红边竹林指数3(BImvired1)具有良好的分类性能;利用随机森林Gini指标结合OOB泛化误差法有效减少了噪声数据的影响,筛选出最有利于竹林提取的特征变量子集,基于该特征子集的竹林分类总体精度（OA）达到94.58%、Kappa系数0.91、生产者精度（PA）为95.09%、用户精度（UA）85.54%.     

基于张量局部保持投影的城市不透水面提取

针对城市不透水面提取在海绵城市建设中的迫切需求,提出将张量局部保持投影(Tensor Locality Preserving Projections,TLPP)算法应用于高分辨率光学遥感影像的城市不透水面提取中。以南昌市为研究区,以SPOT-7影像为数据源,基于TLPP算法对纹理特征和光谱指数构成的数据集进行特征提取,再采用大津法(Otsu)对获取的新特征进行阈值分割,实现城市不透水层面提取。结果表明:TLPP算法能够很好的利用张量形式的纹理特征和光谱指数以及数据的空间几何结构,获取有利于城市不透水面提取的新特征,为海绵城市建设提供有效的专题数据。     

基于MODIS-NDVI时序数据集的面向对象分类提取广西耕地面积的方法研究

研究提取耕地的方法是为了提高耕地提取的高效性,直接目视解译时山体阴影和水体难以区分,建设用地和未种植的耕地难以区分,本文主要以2015年的Landsat 8遥感影像,借助辅助数据DEM及MODIS-NDVI等多源数据基于eCognition平台应用多阈值分割、多尺度分割将影像进行分割成对象,再分别用阈值法、归一化水体指数(NDWI)、增强的指数型建筑指数(EIBI)等将坡度大于25度的地区、水体、建设用地剔除。最后利用影像的波段特点及MODIS-NDVI值进行多次提取研究区耕地,以达到较高精度的分类方法。利用总体面积精度及空间分布进行精度评价。其总体面积精度达到98.84%,且提取出的耕地分布情况符合作物的种植规律。     

基于多源数据的云贵高原湖泊水体提取方法对比研究

选取云南省内典型的高原湖泊——滇池、洱海为研究区,以TM影像、OLI影像与GF-1影像为数据源.对于TM和OLI影像,采用NDWI、MNDWI、EWI、NWI和AWEIsh指数法提取水体,结果表明五种方法均提取出水体轮廓,AWEIsh对滇池水体的提取效果最好,提取水体完整,并有效抑制了山体阴影,其总体精度为91.71%,Kappa系数为0.88;EWI与AWEIsh对洱海水体提取效果较好,水体边界清晰,周边细小水体没有漏提,并且有效抑制了阴影及云层,其总体精度达到90%以上,Kappa系数分别为0.87和0.88.对于GF-1影像,采用单波段阈值、多波段谱间关系、NDWI、SWI指数法提取滇池流域的水体,对四种方法提取结果进行对比,结果表明NDWI法的提取效果最好,水体信息提取完整、边界清晰,有效抑制了阴影的影响,其总体精度为90.36%,Kappa系数为0.82.     

基于决策树模型的面向对象方法的遥感湿地信息提取

以宁夏回族自治区中卫市与腾格里沙漠边缘及其毗邻区域为研究区,运用基于决策树模型的面向对象方法,对图像融合后15m分辨率的Landsat 8 OLI遥感影像进行湿地信息提取研究,并与基于对象的最大似然法的分类结果进行比较,结果表明,基于决策树模型的面向对象法相比于基于对象的最大似然法的湿地分类总体精度提高了18.45%,Kappa系数提高了0.17,分类结果精度显著提高。     

中分辨率遥感影像土地利用覆被信息自动提取研究——以太原市区Landsat8影像为例

"土地利用/土地覆被"(简称LUCC)是全球环境变化研究的热点问题之一,遥感技术是LUCC研究的重要手段,遥感影像LUCC信息的高精度自动提取成为众多专家学者关注的重要研究领域.Landsat系列卫星影像是最早且最为广泛使用的中分辨率陆地遥感影像.文章以2013年2月发射的Landsat8卫星的OLI影像为研究对象,利用ENVI软件,对太原市区的土地利用/土地覆被信息分别用最大似然法和决策树分类法实现自动提取,并进行精度比较.结果表明:最大似然法提取的总体精度为69.33%,Kappa系数为0.605 5,主要是耕地与林地、草地、建设用地以及建设用地与裸地的混分、错分现象较为严重,造成分类精度较低;而决策树分类法的自动提取通过确定适当的判别规则,使地类间的混分、错分现象明显改善,分类总体精度提高到91.33%,Kappa系数达到0.892 3,各土地利用类型的分类精度均有一定提高.     

基于Landsat8地表温度反演 ——以淮河上游为例

选用Landsat 8TRIS 10数据,采用改进后的普适性单通道算法对淮河流域上游地区卫星影像进行亮度温度反演.利用可见光波段、近红外波段对研究区的地表发射率进行计算,结合大气水分含量反演出研究区真实地表温度,反演精度较高,结果表明改进后的普适性单通道算法在中尺度区域适用性较好.探讨了中、大尺度区域地表温度反演可能面临的问题.     

基于综合权重水体指数的水体提取研究——以鄱阳湖为例

Landsat TM/ETM+影像具有时空分辨率高(16 d,30 m)的特点,并且水体信息丰富,被广泛用于水体提取和水资源实时监测。近年来,构建水体指数是Landsat TM/ETM+影像提取水体信息成熟有效的方法。从现有水体提取指数出发,以鄱阳湖地区作为试验区,构建综合权重水体指数(Comprehensive weight water index,CWWI)。通过实验,利用归一化水体指数(NDWI)、新型水体指数(NWI)、改进的归一化水体指数(MNDWI)和综合权重水体指数(CWWI)四种水体指数进行鄱阳湖地区的水体提取,影像整体水体提取的精度分别为89.00%,91.00%,90.50%,93.00%。结果表明,综合权重水体指数能够用于进行水体提取,并且水体提取综合精度最高。     

基于随机森林算法的赣南柑橘果园遥感信息提取

选择春、秋季低云量Landsat-8卫星遥感影像,构建包含有多光谱地表反射率、光谱指数、几何纹理和地形因子的分类特征集,通过随机森林分类算法开展赣南柑橘果园空间分布遥感制图研究.研究结果表明:利用春季影像提取的柑橘果园整体精度为91.12%,Kappa系数为0.88,优于秋季影像提取结果;随机森林算法在赣南柑橘果园识别制图中具有较高的分类精度和较好的适用性,利用降维的分类特征提取柑橘果园也具有较高精度;赣南柑橘果园面积约1 794.26 km~2,具有一定比例的陡坡种植现象,寻乌、信丰、安远等3县的柑橘果园呈现规模化、连片化的景观.     

基于改进分割算法的退耕地树冠信息提取

优化特征空间和改进分割算法是基于面向对象技术实现退耕地树冠信息准确提取的重要环节,同时也是高分影像地物识别研究中需迫切解决的问题。为此,以北京张山营镇部分区域的QuickBird影像为数据源,根据光谱阈值实现一级分割得到林地区域,同时采用区域进化的区域增长算法对改进均值滤波算法去噪声处理后的全色波段执行二级分割,最后结合形状、光谱、纹理指标构建的特征空间完成了树冠信息提取。结果表明:改进分割算法总体精度达91.5%,Kappa系数为0.836 2,分别较传统方法提高了15.5%和0.120 4。     

基于Landsat 8数据反演地表发射率的几种不同算法对比分析

为了分析研究不同地表发射率反演算法的精度和适用性,文中选取西安市的遥感影像Landsat 8为基础数据,运用ENVI,ArcGIS等软件,首先对Landsat 8数据进行预处理,提取西安市的NDVI影像;然后,建立决策树模型得到西安市地表分类影像,并基于像元二分模型反演得到植被覆盖度,基于NDVI得到4种不同算法的地表发射率;最后,以精度0. 01的MODIS LSE产品为标准数据,从像元尺度上对比分析了4种算法的精度,并依据回归决策树方法的分类结果,对比分析了不同算法在各类地表覆盖类型上的发射率反演差异。结果表明:在像元尺度上,植被指数混合模型法与NDVI~(TEM)改进算法精度较高且较为接近;从不同下垫面的反演差异来看,在植被区域4种算法之间的差异较小,而对于水体区域,4种算法之间的差异较大;从反演方法的适用性而言,植被指数混合模型法与NDVI~(TEM)改进算法较为适合本研究区。     

不同等级土壤遥感分类的尺度匹配性探讨

采用Landsat5 TM遥感影像为数据源,以湖北省江汉平原之潜江市为试验区,探讨同一遥感信息源下对不同等级的土壤分类的尺度匹配性.以Landsat5 TM遥感影像和两个级别的土壤类型图(土壤亚类及土属)为基础数据,集成主成分分析、归一化植被指数等图像处理技术,提取多种影像特征建立土壤分类特征数据集;采用最大似然监督分类方法对潜江市不同级别的土壤分别进行遥感分类;并利用混淆矩阵方法对分类结果分别进行精度验证.结果表明:土属的总体分类精度较高,达到92.79%,Kappa系数为0.919 5;土壤亚类相对较低,总体分类精度只有84.71%,Kappa系数为0.820 1.可见土壤遥感分类具有显著的尺度适宜性特征,在两个级别的土壤分类实验中,Landsat5 TM更适宜土壤的最基层的土属类型划分.在土壤遥感分类时,应首先探讨土壤类型等级与遥感影像的尺度匹配性.