基于遥感影像的郑州市建筑用地信息提取

以郑州市landsat ETM影像为数据源,进行建筑用地信息提取。首先,提取出归一化植被指数（NDVI）和归一化建筑指数（NDBI）影像,然后分别对所得的指数影像进行二值化,获得二值化图像,再利用叠加分析的方法对两幅指数图像进行逻辑判别,从而提取出建筑用地信息,再进行精度验证。结果表明,利用NDBI和NDVI相结合的方法弥补了单一利用归一化建筑指数的不足,同时人为干扰因素较少,是一种比较客观、准确、快捷的城市建筑用地信息提取方法。     

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.     

基于Landsat TM数据的建筑用地信息提取及变化分析

为了从Landsat TM数据中精确提取建筑用地信息并分析建筑用地信息随时间的变化特征,运用压缩数据维的方法,通过构建增强型建筑用地指数EIBI实现了对Landsat TM影像建筑用地的提取.实验结果表明:此方法对天津市2005年和2010年Landsat TM影像的提取精度达到89.66%和91.47%.基于分类计算结果可知,与2005年相比,2010年天津市新增建筑用地面积1064.35km~2,年均净增长率为11.17%.     

一种新的面向对象城市建筑物信息提取方法研究

为了提高城市建筑物信息提取精度,改进了常规的面向对象方法,以广州市白云区榕溪街区为研究区,针对其下垫面结构复杂的特性,采用多尺度分割和规则数据库结合的方法自动提取建筑物信息,并通过样本区进行了精度验证,将提取的结果与传统分类方法所得到的结果相互比较.研究结果表明:多尺度分割与构建知识库的方法对于建筑用地信息提取更为有效,与实际值更接近,总体分类精度达到87.01%,Kappa系数为0.87,为面向对象分类方法在城市建筑物信息提取的应用提供了新思路.     

基于遥感的城市化进程监测方法及其应用

【目的】利用不同分类精度的指数模型分析南京2001—2015年的城市化进程。【方法】借助2001年Landsat7 ETM+,2006、2010年Landsat5 TM及2015年Landsat8 OLI南京地区遥感影像数据,首先通过归一化差异水体指数(the modified normalized difference water index,MNDWI)提取水体信息,随后利用城市指数(the urban index,UI)、归一化建筑指数(the normalized difference built-up index,NDBI)、建筑指数(the index-based built-up index,IBI)、基于红光的建筑指数(the visible red-based built-up index,VrNIR-BI)、基于绿光的建筑指数(the visible green-based built-up index,VgNIR-BI)模型提取不透水层,结合最大类间差分法将影像分为建成区和非建成区两类,最后融合分类结果形成南京地区城市化专题地图。【结果】从验证结果来看,所有模型的总体精度均高于64.33%,其中UI、NDBI模型具有总体最高精度。UI模型精度最低69.67%(2001年),最高85%(2010年); NDBI模型精度最低72.00%(2001年),最高82.60%(2010年)。在UI模型和NDBI模型下城市化发展水平,分别从2001年的11.55%和17.66%攀升至2015年的20.50%和25.60%。【结论】在精度最高的UI指数和NDBI指数模型下,南京市除高淳区和溧水区之外的各个行政区的建成区增量前4名分别是江宁区、六合区、浦口区和栖霞区。     

南京城市热环境与土地利用关系研究

通过Landsat/TM遥感影像反演获取了南京市1988、1998、2002和2010年的地表温度和热岛强度,并进行了城市热环境变化分析。利用NDISI建筑指数获取城市建设用地信息,然后讨论城市地表温度与建筑指数的定量关系。结果表明:归一化之后的南京次高温、高温与特高温呈现明显上升趋势。随着热岛强度的分级越来越高,建设用地面积也越来越大,从定量分析来看,建设用地与地表温度呈线性正相关关系。随着建设用地面积的增加,地表温度上升速率加快。     

基于高分遥感的一种新的面向对象城市建筑物信息提取的方法研究

摘要：[目的]为了提高城市建筑物信息提取精度,本文在前人研究的基础上,针对下垫面结构复杂的城市区,提出了多尺度分割和规则数据库结合的面向对象方法,对城市区建筑物信息进行提取。[方法]该方法首先采用Full Lambda-Schedule算法对QuickBird多波段和全波段数据融合数据进行尺度分割,获取尺度分割结果;再根据光谱特征、形状特征、几何特征和纹理特征等指标建立规则知识库,利用规则数据库对尺度分割结果进行建筑物信息的提取。以广州市白云区为研究区,利用尺度分割和规则数据库结合的方法提取建筑物信息,提取结果与其它分类结果进行了比较。[结果和结论]结果表明：基于规则的面向对象的分类方法可以有效地避免传统的基于像素分类时出现的椒盐现象,避免一些错分、漏分的情况分类（如：道路和阴影）,结果更加符合人类的思维方式,与实际值更接近,总体分类精度达到87.0154%,Kappa系数为0.8714,比一般面向对象分类方法更适合作为城市建筑物专题数据库更新的有效方法。     

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TM影像的水体信息提取方法研究(英文)

以高邮湖为研究区,TM(Thematic Mapper)影像为数据源,结合常规调查数据,分别运用单波段阈值法、谱间关系法、比值法、归一化差异水体指数(NDWI)法、改进的归一化差值水体指数(MNDWI)法和混合水体指数(CIWI)法进行水体信息提取研究。并通过实验比较6种方法的优缺点,确定出最佳水体提取方法。结果表明,谱间关系法易于消除由于建筑物阴影所造成的水体误提;CIWI易于消除建筑用地所造成的水体误提;基于谱间关系法和CIWI模型,可取得较高的水体提取精度,有效地减少水体误提现象,提高水体识别的精度。研究表明,基于谱间关系法和CIWI模型相结合所提取的水体信息精度可达到95.2%。     

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CBERS影像的厦门环岛路沙滩信息提取研究

[摘要]用传统的遥感图像分类法分类时,沙滩极易与建筑用地、未利用地产生混淆,分类精度不高．本研究以2009年的CBERS-02影像为数据源,在提取和分析主要地物光谱特征的基础上,通过图像分类、谱间关系和多重阈值法对厦门环岛路的沙滩信息提取方法进行了探讨,并基于ENVIIDL进行模型设计,较好地将沙滩与易于混淆的建筑用地信息区分开来,沙滩信息提取的总体精度提高到88．72％．     

基于半监督分类乌鲁木齐市城镇用地格局演变分析

乌鲁木齐市是我国西北干旱区的特大绿洲城市,近几年来随着人口的增长与经济的发展,尤其在"一带一路"的背景下,城市的扩张十分明显,深刻地影响城市周边的生态环境。快速准确地获取城市扩张信息,并分析其驱动力机制,对于指导城市规划,优化西部生态环境与可持续发展都具有十分重要的意义。仅利用NDBI指数法提取城镇用地信息的方法具有局限性,结合半监督分类的方法,能够有效提取干旱区城市用地信息。综合研究结果,城市格局的演变受地貌、水文、人口、社会经济、规划决策等方面约束或推动的影响,体现在小部分的内部填充和发生在城市边缘土地向建设用地的转化,形成"东延西进,南控北扩"的发展格局,向北扩展成为长期发展的主要方向。     

基于RS的城市绿地及其固碳能力演变研究——以重庆市主城区为例

利用重庆市LandsatTM数据,采用归一化植被指数(NDVI)、归一化建筑指数(NDBI),提取重庆主城区绿地、建设用地等地类信息,结合区位商理论和citygreen储碳模型计算了重庆主城各区2000,2003和2007年绿地率区位商、绿地年固碳量和同碳率.结果分析表明:2000年到2007年重庆主城区绿地面积、建筑用地面积、绿地年固碳量均有不同程度增长,年均增长率分别为3.7％,13.2％和7.6％;绿地大体呈现以渝中区为极低中心,周边组团城区为较高起伏边缘的盆状空间格局;绿地固碳能力基本与绿地格局一致,且同碳能力增幅大于绿地面积增幅.研究认为,城市建设等人类活动影响城市绿地的增减,而绿地面积和绿地结构组成是影响绿地固碳能力的主要因素.     

基于Landsat遥感影像的黑河干流中游湿地信息提取

基于Landsat卫星遥感影像,将一种新的水体自动提取指数(AWEI_nsh/AWEI_sh)运用于湿地信息提取,并通过箱型图统计方法自动获取了12种相关变量的阈值范围.结果表明:利用该水体自动提取指数和归一化植被指数,结合数字高程模型建立决策树模型,可对研究区内的湿地信息进行有效提取,且2000,2014年的遥感影像湿地信息提取精度分别为83%、93%,提取方法可用于大范围湿地研究.     

基于ETM影像的水体信息自动提取与分类研究

在综合分析各种水体信息提取方法的基础上,以烟台市为例,利用ETM遥感影像数据,通过光谱特征分析和NDVI识别水体信息,并在各种专业软件的支持下,将水体与其它地物类型区分开来,实现水体信息的自动提取,最后利用形状指数、面积以及其它特征对水体进行分类,并对分类结果做出精度评价.     

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GF-1卫星WFV数据的全国建设用地自动监测技术研究

该文以国产高分一号卫星WFV数据为数据源,采用面向对象分类技术,研究面向全国范围的宏观监测信息提取技术及系统实现。一方面,研究了大尺度上利用高分遥感影像和面向对象分类技术进行宏观监测信息提取一整套技术方法,并对其中的建设用地进行了重点研究。另一方面,在集群计算环境下,利用高分一号卫星WFV数据,实现基于面向对象的宏观监测信息自动提取,并重点对建设用地提取结果进行了验证,验证结果显示分类精度优于80%。该研究提高了利用中等分辨率影像进行宏观监测的准确性及时效性,为合理利用和管理土地资源提供决策支持信息,支撑土地利用业务化应用。     

基于多时相Landsat8数据的南方丘陵区典型地物信息提取－以秦淮河流域为例

以南方丘陵区秦淮河流域为研究区,采用多时相Landsat8遥感影像进行典型地物的光谱采样。根据典型地物光谱特征统计结果,针对各地类特点选取最优的指数提取模型,最终形成具有分层提取特点的决策树分类模型。结果表明:1借助植物的物候特征,采用多时相遥感影像进行水田与植被的划分能够取得较好效果;2秦淮河流域水田与旱地交错分布,水田主要分布于秦淮河河流洼地,夏季的水田与旱地光谱特征差异最明显,是遥感信息提取最好的时间,短波红外波段为水的吸收波段,在区分水田与旱地信息上具有明显优势;3归一化植被指数NDVI可区分农田信息与非农田信息,但由于部分绿化程度好的建筑用地在光谱信息上与农田存在一定的相似性,仍然存在一部分明显的误分现象,采用裸土指数BSI可以有效地将这部分建筑用地从农田信息中剔除;4建筑用地与裸地的混分问题是土地利用信息提取的难点之一,研究中尝试了多种指数模型与监督分类方法,结果显示监督分类方法在区分建筑用地与裸地信息方面效果最好;5决策树分类模型较单一的监督分类方法总体精度提高了23.1%。     

基于大数据的城市土地利用分类研究——以西宁市为例

以西宁市为例，基于宜出行和兴趣点（points of interest，POI）2类常用大数据以及最大似然、支持向量机和神经网络3种常用分类方法，开展了城市土地利用分类研究．通过对比不同数据与方法组合下的城市土地利用分类精度，确定了提取城市土地利用信息的最优数据组合方式和分类方法．并基于分类结果对西宁市的城市土地利用格局进行了分析．结果显示，基于POI和宜出行数据的神经网络分类方法获取的研究区城市土地利用信息精度最高，总体精度为71.25%，Kappa系数为0.62．主要原因在于综合POI和宜出行可以更加充分地反映不同土地利用类型的特征，而神经网络可以有效综合多源大数据的信息．因此，基于多源大数据和神经网络为快速有效地获取城市土地利用信息提供了有效途径，具有较大的应用潜力．