一种改进的城市建筑用地信息提取方法及在广州地区的应用

本文对利用NDBI指数提取城市建筑用地信息的方法进行了改进。在提取NDBI、NDVI和MDWI三个指数的基础上,分析了建筑用地、植被和水体在这三个指数上的分布规律,找出提取城市建筑用地的最优指数组合方式,进而获取全新的NDBI信息。此外,本文利用2010年ALOS数据进行精度校验,结果显示整体精度较好,尤其是对高密度城市建筑信息提取更加有效,其精度达到89%。该方法提高了单纯依靠NDBI指数获取城市建筑用地信息的准确性。另外,本文采用该方法获取了广州市近20年（1990-2010）的城市建筑用地面积,并分析了其城市空间扩展趋势。研究结果表明:(1)改进的城市建筑信息提取方法是可行的,可以获取更加可靠和准确的数据;（2）20年间广州市NDBI平均值增加了0.15,建筑用地面积增长了220%。     

基于改进的NDBI指数法的遥感影像城镇用地信息自动提取

针对目前遥感影像城镇用地信息提取存在精度不高、不够客观等问题,在分析Landsat ETM影像上各主要地物光谱特征的基础上,提出了一种基于改进的归一化建筑指数(NDBI)的遥感影像城镇用地信息自动提取方法.利用南京市主城区的Landsat ETM影像对该方法进行了验证,结果表明:该方法能够有效提取研究区的城镇用地信息;相对于常规的NDBI指数法,改进后的方法消除了稀疏植被对城镇用地提取精度的影响,大大提高了城镇用地信息的精度,并具有快速、客观等优点.     

北京地区陆表温度空间分布特征与下垫面的关系

利用北京地区1999年7月1日的Landsat 7/ETM＋数据,在RS和GIS技术的支持下,以陆表温度（LST）的遥感定量反演以及土地覆盖分类为基础,用热岛比率指数（URI）表征LST的空间分布差异,用土地覆盖类型、归一化建筑指数（NDBI）、归一化植被指数（NDVI）表征下垫面性质,对北京地区LST空间分布特征与下垫面的关系进行研究.结果表明：不同土地覆盖类型的LST不同,林地、水体的LST较低,城市建设用地和裸壤的LST较高;LST变化的幅度与土地覆盖类型所占比例有关,其变化的频率与土地覆盖类型的变化的复杂程度有关;LST值与NDBI呈正相关（r=0.648 6）与NDVI呈负相关（r=-0.704 4）.     

基于BP网络研究城市扩张中的道路因素:以张家港市为例

结合GIS和BP神经网络等方法,将多幅TM遥感影像和土地利用图栅格化和数字化,抽取了道路距离、NDBI（归一化建筑指数）和NDVI（归一化植被指数）等影响因子,利用BP神经网络仿真了张家港市城市扩张侵占农用地的变化规律,以定量描述城市化过程中道路对农用地的影响.结果表明：距道路约500 m内的农转非概率高达12%,道路对周边农地减少的影响最远辐射至2 000 m处;-0.3相似文献   

城市热岛效应与地表特征参数的定量研究

本文以山东省济南市为研究区对比分析了归一化植被指数(NDVI)、归一化建筑指数(NDBI)、归一化水汽指数(NDMI)三种主要地表特征参数在表达热岛效应方面的有效性。首先利用TM影像反演地表温度,对局部区域逐像元和对区域总体分析的方法,分析了三种指数与地表温度之间的关系,结果表明:NDMI与地表温度的相关性最高,是三者之中能较好评价城市热岛效应的地表特征参数。     

城市地域地表温度与土地覆盖定量关系分析

利用Landsat TM影像,以合肥市区为研究区,采用最大似然法对合肥市影像进行土地覆盖分类,同时反演合肥市地表温度,然后计算NDVI(归一化差异植被指数)、MNDWI(改进的归一化差异水体指数)、NDBI(归一化差异建筑指数)和NDBaI(归一化差异裸土指数)4种指数.在此基础上,对合肥市城市热岛的空间分布特征、地表温度与土地覆盖类型以及各种影响因子之间的关系进行定量研究分析.结果表明,不同土地覆盖类型的地表温度存在较大差异,建筑用地和裸地是城市热岛强度的主要贡献因素,植被和水体具有较好的降温作用.地表温度与4种归一化指数的回归分析表明,它们之间存在明显的相关性.     

基于Landsat-8影像的西安市地表温度遥感反演与影响因子研究

基于西安市的Landsat-8数据,采用单通道算法进行了地表温度(LST)的反演,并通过实测LST值对反演精度进行了评价,同时分析了LST与不同地表类型、归一化植被指数(NDVI)以及归一化建筑指数(NDBI)之间的关系.结果表明,单通道算法反演LST精度较高,反演结果能较好地反演西安市LST的空间分布特征;不同地表类型对应的LST有明显的差异,城镇建设用地LST最高,农用地LST最低;通过在东西方向/南北方向剖面线上分别对NDVI、NDBI与LST进行线性拟合,发现NDVI与LST呈负相关线性关系, NDBI与LST呈正相关线性关系,进一步说明植被对地表起到了一定的降温作用,城镇建筑则加剧了城市热岛效应.     

桂林市主城区建设用地扩张时空动态特征分析

以快速城市化的桂林市主城区为案例,利用Landsat系列遥感影像数据源,通过构建归一化植被指数(NDVI)、归一化建筑指数(NDBI)和修正归一化水体指数(NDWI),并对这3个指数波段进行假彩色合成;运用最大似然监督分类法分别提取1991—2013年3期建设用地信息,借助ARCGIS工具对城市建设用地空间分布与扩展特征进行系统分析,结果表明:桂林市城市化扩展进程日益加快,主城区建设用地面积和扩展强度指数均呈增大趋势。不论从城市建设用地总体空间格局,还是从各个城区、城市方位、缓冲区以及地形条件等角度分析,城市后期(2006—2013年)的建设用地扩展明显快于前期(1991—2005年)。目前,随着桂林市城市化的不断推进,城乡过渡地带的高新技术产业园区、工业园区以及南部远郊区的雁山大学城和卫星城镇,都已成为城市建设用地扩张的热点区域。     

基于高分影像限定化NDVI的园林城市遥感解译关键技术研究

利用Pléiades(普莱亚)高分辨率影像,融合单波段影像和多光谱影像,改进了省级园林城市遥感解译技术.使用限定化归一化植被指数(NDVI),结合统计规律,在绿地信息提取过程中引入蓝光波段,较好地提取了绿地信息,结合恩施市鹤峰县地域特点,完成了园林城市遥感指数的计算,解译出公园绿地、附属绿地、生产绿地、防护绿地和其他绿地,在此基础上,提出了国家园林城市的遥感解译技术的方法与步骤及在土地覆盖土地利用中绿地信息提取方法.     

基于数学形态学的遥感影像人工草地提取研究

以内蒙古自治区太仆寺旗为研究区,基于Landsat 8 OLI遥感影像,采用数学形态学方法构建了太仆寺旗人工草地提取模型.对内蒙古自治区太仆寺旗2013年8月23日的遥感影像进行了几何精校正、辐射定标、大气校正等预处理,并进行了归一化植被指数NDVI计算.在分析太仆寺旗人工草地几何特征的基础上,采用数学形态学方法对NDVI梯度图像进行了边缘检测,得到了边缘NDVI梯度图,并对其进行了二值化处理.基于圆环形结构元素构建了太仆寺旗人工草地提取模型,从NDVI梯度图的二值图像中提取了形状规则的圆形人工草地,并与太仆寺旗人工草地实际数目与面积进行了比较.结果表明,提取数目精度达到93.73%,提取面积精度达到92.16%,说明本文提出的基于遥感影像与数学形态学的人工草地提取模型,可有效地提取太仆寺旗的人工草地.     

石家庄市主城区热岛特征及变化分析

城市热岛效应是城市化进程带来的突出问题。基于Landsat数据和辐射传导方程法反演出地表温度,分析2004-2020年石家庄市主城区热岛变化,结合土地利用和标准差椭圆得出热岛扩张情况,并研究地表温度与归一化植被指数(Normalized Difference Vegetation Index,NDVI)、建筑指数(Normalized Difference Built-up Index,NDBI)和温度植被干旱指数(Temperature Vegetation Dryness Index,TVDI)的相关性,为国土空间优化布局提供理论依据。结果表明,2004-2020年平均地表温度、最低地表温度均有所升高;热岛主要集中在市中心、鹿泉区、藁城区和栾城区的城镇点,以及铜冶镇,建筑用地和热岛扩张趋势一致,并向着西北和东南方向扩张;地表温度与NDVI呈现负相关,与NDBI、TVDI呈现正相关,建筑用地是地表温度升高的主要因素之一,植被覆盖度和地表湿润度可以调控地表温度。     

条件植被温度指数在华北平原干旱监测中的应用

以华北平原部分地区为研究区域,应用MODIS多时段卫星遥感数据进行了归一化植被指数和地表温度的计算和反演,应用条件植被温度指数对研究区域2003-2006年每年5月上旬的干旱进行了监测.以监测结果为基础,在时间和空间分布上分析了研究区域的旱情.应用降水量数据和土壤表层含水量数据对干旱监测结果进行了验证,结果表明VTCI与最近1个月的降水量具有显著的线性相关性,VTCI与土壤表层含水量有较好的线性相关性,验证了VTCI是一种近实时的干旱监测方法.     

乌鲁木齐市主城区绿量的遥感估算

对2008年8月覆盖乌鲁木齐市主城区的IKONOS遥感影像进行预处理提取植被信息,再用代表性样地法采集主城区乔木树种的样点数据计算主城区绿量,选定归一化植被指数(NDVI)、土壤调节植被指数(SAVI)、修正土壤调节指数(MSAVI)和比值植被指数(RVI)做为自变量,以实测样本数据作为应变量,采用多元回归分析法建立基于遥感影像的乌鲁木齐市绿量遥感估算模型:Y=449.6NDVI+285.82SAVI-161.51,R=0.67,绿量与植被指数之间存在一定的相关关系(F=15.4872F0.05=6.07),模型有一定的可行性。     

RS-based research on the relationship between vegetation development and groundwater in upper-middle reaches region of the Yellow River basin

The relationship between the groundwater and the surface eco-environment in arid area is very close. In this paper, the authors extracted normalized difference vegetation index (NDVI) and vegetation conditional ratio (VCR) from MODIS images, and analyzed the relationships among NDVI, VCR and the measured data of groundwater of the same location in the research region. Based on this, the depth of groundwater suitable for vegetation growth in the upper-middle reaches of the Yellow River basin has been calculated. The results show that the depth of groundwater suitable for vegetation growth in the research region ranges from 0.8 to 4.5m, and the optimal groundwater depth is 1.2m. The method developed in this study is applicable to research the relationship between the groundwater and land surface vegetation environment on large-scale in arid area.     

玛多地区基于植被指数对土壤水分的反演

采用Landsat5影像数据对青海省果洛州玛多地区植被指数和地表温度进行提取,通过地面同步测定土壤水分含量,分析三者之间的相关关系。结果发现:归一化植被指数(NDVI)与土壤水分在植被盖度较低时,二者之间存在较为明显的负相关关系r=-0.655;地表温度与土壤水分呈负相关关系r=-0.932,3种关系模型中线型模型拟合效果最好R2=0.769 0;引入变量植被温度指数TVI并对其与土壤水分做相关分析,结果发现土壤水分与TVI之间的相关系数r=-0.906,二者之间存在明显的负相关关系,3种关系模型中,幂指数模型的决定系数最高R2=0.855 0,TVI与土壤水分的拟合效果较温度与土壤水分的好,因此利用植被指数对区域土壤水分的反演是可行的。     

基于遥感影像光谱分析的蓝藻水华识别方法

利用Landsat-7 ETM+遥感影像数据,以淀山湖为例,在分析蓝藻和其他典型地物影像光谱曲线及其特征的基础上,构建归一化蓝藻指数(NDI_CB),有效地从浑浊水体中提取蓝藻信息.通过k-均值非监督分类结果可以发现,构建的归一化蓝藻指数较传统的归一化差值植被指数(NDVI)和比值植被指数(RVI)更加适用于提取低密度蓝藻空间分布信息.在此基础上,基于遥感影像光谱特征和归一化蓝藻指数,采用了支持向量机的分类识别模型,最终得到淀山湖区域蓝藻的空间分布范围与面积,通过发现在某一特定时间蓝藻分布的规律,为蓝藻预警和治理的生态学分析提供了及时、有效和客观的依据.     

3种NDVI遥感数据产品在大别山区的对比分析

选取GIMMS、MODIS、SPOT/VEGETATION 3种NDVI(归一化植被指数)遥感数据产品,分析它们在大别山区域的空间分布和时序变化.结果表明:(1)在空间分布上,3种NDVI数据的格局大致相同,MODIS NDVI和SPOT/VEGETATION NDVI的空间分布吻合度更高;MODIS传感器的波段宽度窄、空间分辨率高、变化范围大、分布分散.(2)在时序变化上,3种NDVI数据的季节变化步调基本一致,幅度相当,MODIS NDVI和SPOT/VEGETATION NDVI数据更能清晰地反映NDVI对降水响应约有1个月的滞后这一现象;GIMMS NDVI能清晰准确地反映地面植被覆盖的变化情况;SPOT/VEGETATION NDVI的动态范围比GIMMS NDVI和MODIS NDVI的动态范围大.