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.     

基于高分二号影像的城区水体提取方法研究

针对高分二号遥感影像在进行城区水体提取时,遥感影像波段数较少,造成MNDWI、CWI等方法无法使用,同时受污染的水体与裸地、建筑物、阴影难以完全区分,本文提出采用城区水体阴影指数,结合最大似然估计的方法,通过区分水体和阴影光谱特征,完成与阴影彻底分离,实现在高分二号遥感影像上城区水体的高精度提取.对比阴影水体指数(SWI)、基于植被指数和中红外通道的混合水体指数模型(CIWI)、归一化差异水体指数(NDWI)以及单通道阈值法提取结果,本文方法的处理结果提取精度更高,噪声和阴影更少,总体精度在90%以上,Kappa系数在89%以上.评价数据结果表明,本文处理方法在高分二号遥感影像的城市及周边地区水体提取上是有效可行的.     

基于案例推理的遥感影像水体信息提取方法

为了提取得到高分辨率遥感影像水体信息,以0.5 m分辨率World View-2影像为数据源,提出了一种基于案例推理的遥感影像水体信息提取方法。首先以提取到的影像上水体的光谱特征和纹理特征来构建推理案例库,采用归一化的案例相似度计算方法和案例匹配策略进行特征匹配,然后结合区域生长法和数学形态闭运算进行匹配后处理,最终完成水体信息提取。对不同类型的水体信息进行了提取试验,并与SVM方法提取水体的精度进行了对比,结果表明,文中方法的总体精度98.15%,kappa系数0.96,从而验证了方法的有效性和适用性。文中方法可以推广应用于不同遥感影像其他地物信息的提取。     

基于谷歌地球引擎的开封城区2010—2019年水体分布变化研究

为了研究开封市年际水体分布变化,选用Landsat系列多时相影像数据,在谷歌地球引擎google earth engine(GEE)云平台上结合归一化水指数、改进的归一化水指数、归一化植被指数以及归一化建筑指数构建光谱特征使用分类回归树、支持向量机、随机森林分类方法对开封市城区的水体进行提取并分析.结果表明:基于GEE云平台和机器学习的分类,能够很好地提取出开封市城区年际水体分布变化情况;开封市城区的水体面积处于不断变化中,先减少后增加,总体上趋于增加,随着城市的发展变化,城区的景观格局发生较大改变,影响开封市水体面积产生变化的主要因素是北部黄河水量的变化以及开封市近年来正在实施的"城市双修"对水体的影响;使用随机森林分类能更好地对开封市城区的水体进行提取,提取水体的最小精度为94.6％,平均总体分类精度为96.9％,平均Kappa系数为0.954.     

基于多时相遥感数据的云阴影检测算法

云阴影检测是云检测中的一个重要环节,由于其光谱、纹理特征复杂,云阴影检测一直是云检测中面临的一大难题。本文针对传统云阴影检测方法的不足,提出一种基于多时相遥感数据支持的云阴影检测算法。该算法以同一区域相近时相或不同年份相近日期的卫星遥感地表反射率数据为参考,选取云阴影和典型地表样本点,对样本点进行统计分析,据其动态确定云阴影检测的阈值,并基于云阴影样本点去除土地利用/土地覆被变化对使用该方法进行云阴影检测造成的误判。基于Landsat8OLI数据,选择不同区域碎云、薄云和厚云产生的云阴影分析该方法的有效性,重点分析水体等容易与云阴影混淆的区域。结果表明,该方法能有效识别云阴影,具有较高的整体检测精度。     

基于中分辨率遥感影像的水体信息精确提取

为了精确提取地表覆盖类型复杂、水体类型多样的山区水体信息,本文提出一种基于Landsat 8多光谱影像的综合集成的决策树分类法。该方法以决策分类树为模型框架,以分层分类的遥感地学分析思想为主线,将自动水体提取指数(AWEI)以及基于知识的缓冲区图像分割法集成到决策树分类器中进行分类。对两个典型测试区域进行精度评价,得到Kappa系数分别为0.9596和0.8960,总体精度分别为99.7792%和99.6577%。     

结合DEM与淹没频率的水库水体动态遥感提取优化方法

由于云、雪及山体阴影造成的无效地表像元影响，利用遥感影像难以获取高精度的水库水体信息动态监测结果.论文在大津法的基础上，提出了结合DEM和淹没频率约束条件对水库遥感提取结果进行优化的方法(DF优化方法).基于Landsat系列卫星影像数据，使用改进的归一化差分水体指数(MNDWI)，通过大津法初步提取水库水体信息.结合多期提取结果综合得到的淹没频率以及当期有效水体像元的淹没频率特征，填补了受云、雪等因素影响的无效像元.在此基础上综合高程及水体淹没频率信息，剔除了山体阴影及其他偶发性因素的影响.遴选全球九个不同类型水库验证了DF优化方法的有效性，结果显示DF优化方法能有效减小水库水体的提取误差.与全球水体数据集JRC MWH的直接修正结果相比，DF优化方法总体分类精度提高了13%，达到了95.67%.同时，结合同步卫星测高数据构建的水位－水面积关系模型，进一步验证了DF水面积提取结果的准确性.相较于JRC MWH的直接修正结果，DF优化方法提取结果构建的水位－水面积关系模型的RMSE降低了30%.此外，该方法可基于GEE平台实现，能快速完成长时序的水体动态提取，为全球大尺度范围内的水库相关研究提供基础.     

基于高光谱线性混合光谱分解识别人工地物

城市下垫面包含多种不同年代、材料和成分的人工建筑物,其光谱多样性远远超过自然环境.利用高光谱遥感数据的丰富光谱信息,可以弥补传统遥感数据源(如航片、多光谱遥感数据等)在区分城市地物所需光谱分辨率等相关信息上的不足.从光谱分析与光谱匹配技术出发对城市地物和人工目标进行精细分类,可提供城市规划、环境监测、城市变迁乃至相关社会经济等方面的信息.本研究基于Hyperion高光谱遥感数据,以广州市区为试验区,尝试用手动提取终端像元,首先对水体与植被做分层掩膜,尽可能消除其在求取参考波谱与影像波谱角度过程中的影响;继而参考约翰-霍普金斯大学提供的标准光谱库的人工建筑物波谱,对光谱角度制图方法所产生的规则影像进行密度分割,获取与参考光谱夹角最小的端元准确位置,再通过高空间分辨率影像Quick Bird数据对其进行准实地验证,尽可能提"纯"并获取相应地物影像端元;最后,应用线性光谱分解模型提取出广州市区地表物质的丰度,由丰度图设定阈值生成地物分类图.结果表明:星载高光谱数据可识别出都市人工地物中的水泥混凝土、铺路混凝土、粘土瓦屋顶、较老建筑屋顶、裸土、高反射率未知物(玻璃、金属等)、低反射率未知物(阴影)、林地、草地与水体等,其总体精度为76.2099%,Kappa系数为0.7258.     

基于粒子群优化算法的散乱点云数据配准

针对目前散乱点云数据配准算法在精度、速度和优化等方面存在的问题,提出一种基于粒子群优化算法的点云数据配准算法.该算法首先根据数据点之间曲率的相似度函数,采用粒子群优化算法在两组点云数据中搜索可以匹配的点对集合,然后用最近点迭代算法进行二次配准,实现了两组散乱点云数据的精确配准.对比实验表明,该算法配准速度快,效果好.     

应用RF和SVM的城镇土地利用面向对象分类

中尺度城镇土地资源空间信息提取是资源环境监测的重要内容。以鄂州、黄冈区域城镇为案例,基于Landsat 8数据,使用面向对象方法提取地类光谱、纹理、几何和地形特征,并应用RF和SVM算法实施城镇土地利用分类。结果表明,合理尺度分割能够增强用地类型可识别性,提升解译效率; RF和SVM算法很好地模拟了地类对象属性特征地物类别间的模式规则,RF分类模型总体精度达89. 18%,Kappa系数为86. 33%,SVM模型总体精度为88. 03%,Kappa系数为81. 60%,整体而言RF分类结果优于SVM。该方案兼具可操作性、准确性,对大中尺度的土地资源信息提取适用性良好。     

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。     

基于纹理特征的微山湖湿地信息提取研究

研究基于Landsat7 Enhanced Thematic Mapper Plus(ETM+)影像,利用典型地物的光谱特征及灰度共生矩阵的纹理特征建立分类模型,提取了微山湖地区的泥滩信息,并采用随机采样法对分类结果进行了评价,Kappa系数达到0.822 7.研究表明,单一使用光谱特征分类的方法不能够有效的区分水体与泥滩信息,而辅以纹理特征后的分类方法可以将二者区分开,并且能够达到一定的分类精度,为湿地遥感信息的分类提供了一种方法.     

基于决策树分类的桂林市岩溶地区水体遥感空间信息提取

利用landsat-7 ETM+数据,应用改进的归一化差异水体指数(MNDWI)方法提取桂林市及其周边地区水体信息的时候,发现多处喀斯特地貌山体阴影被误判成水体,显然利用单一的MNDWI无法去除这一干扰因素.考虑到水体表面的坡度比较平缓,于是结合坡度信息进行决策树分类,消除了喀斯特地貌山坡阴影产生的干扰,从而准确的提取了桂林市喀斯特地貌地区的水体信息.     

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.     

结合植被覆盖度指数的土地覆盖分类方法研究

基于Landsat 8 OLI反射率数据,结合定量遥感反演植被覆盖度（fractional vegetation cover, FVC）提取的植被物候特征数据,对比了神经网络、支持向量机和随机森林3种土地覆盖分类方法．结果表明:随机森林分类方法具有较好的结果,反射率结合植被特征数据的分类方法的总体精度为85.52%,Kappa系数为0.8212,比仅用反射率的土地覆盖分类总体精度提高了3.45百分点,Kappa系数提高0.0429;植被覆盖度提取的植被特征数据能有效改善耕地、草地和裸地的制图精度和用户精度,对林地与水体的用户精度分别提高了7.79百分点与1.81百分点,灌木与人造地表的制图精度分别提升了7.69百分点与0.59百分点．整体来看,结合植被覆盖度及其派生植被特征进行土地覆盖信息的提取,在简单易行的同时,为提高分类精度提供了有效支持．      

面向对象的黄河源典型区湿地信息提取

以黄河源玛多县为实验区,遥感TM影像和DEM为数据源,在研究区湿地定义、成像机制及其地学规律分析的基础上确定了湿地遥感提取的分类体系和湿地信息提取的有效特征（包括光谱、纹理、地形和结构特征）,并构建了面向对象的遥感湿地提取方法.实验显示:该方法湿地提取的总精度为90.13％,Kappa系数为88.33％,比常用的最大似...     

基于粒子群和神经网络的珠江口叶绿素a浓度反演

由于近岸河口地区水体复杂的光学特性,以往Ⅰ类水体的叶绿素a反演方法已不再适用.因此,文章提出基于粒子群和BP神经网络的近岸河口地区复杂水体叶绿素a定量反演方法.利用2015年11月以及2016年5月2次现场实测高光谱和水体叶绿素a浓度数据,对光谱数据进行平滑处理,建立叶绿素a浓度的PSO-BP神经网络反演模型,并与波段比值、三波段、改进三波段和四波段反演模型进行对比分析.结果表明,经过粒子群优化的BP神经网络模型反演精度最高,模型总体相对误差低于20%,比常规波段组合模型更适合近岸河口复杂水体的叶绿素a反演;改进三波段和四波段模型的拟合效果较好,但易出现较大偏差,在近岸河口类复杂水体估算能力有限.     

基于QuickBird数据的输电线路径优选中地表信息提取

针对输电线路径优选的目标,利用QuickBird数据,基于地物类型光谱特征分析,结合遥感影像的纹理特征,采用决策树分类算法,提取影响输电线路径选择的主要地物要素.研究影响输电线选线的相关要素(如居民区、道路、水体等)及其背景地物要素(如耕地、空地等)的光谱特征和纹理特征,确立以4个波段亮度值、归一化植被指数(NDVI)和纹理对比度参数作为特征变量,建立了基于光谱和纹理组合的决策树分类模型,有效地实现居民地、道路和水体信息的提取,并将自适应滤波方法用于分类后处理,优化了分类结果.总体精度由82.09%提高到92.83%,Kappa系数由0.760 8提高到0.904 1.该精度能够满足输电线路径初选优化的要求,为提取影响输电线路径初选地物要素提供了高效快速的技术方法和基础地理数据.     

基于地面LiDAR点云的北川县城震害建筑物提取研究

北川县城在汶川地震后变成一片废墟,本文以北川县城扫描获取的地面激光雷达数据为实验数据,在介绍地面LiDAR点云基本特征、面向对象方法思路的基础上,将面向对象方法引入到地面LiDAR点云建筑物提取中,从而实现了震害建筑物的自动提取。通过对比分析插值生成的特征的不同,构建适合于LiDAR点云震害建筑物提取的特征规则集,基于面向对象方法对北川地震遗址地面LiDAR数据进行震害建筑物识别,对结果进行分析,震害建筑物提取总体精度达92.3%,Kappa系数为0.873,提取精度满足地震遥感应急评估的需求,为震害评估增添新的可用遥感数据源。     

基于地面激光雷达技术点云的北川县城震害建筑物提取研究

北川县城在汶川地震后变成一片废墟。以北川县城扫描获取的地面激光雷达数据为实验数据,在介绍地面LiDAR点云基本特征、面向对象方法思路的基础上,将面向对象方法引入到地面LiDAR点云建筑物提取中,从而实现了震害建筑物的自动提取。按照LiDAR点云数据建筑物的属性进行特征插值分解,通过分析震害建筑物在不同特征上的表现,构建适合于LiDAR点云震害建筑物提取的特征规则集。基于地面LiDAR数据提取北川地震遗址震害建筑物信息。结果表明:震害建筑物提取总体精度达92.3%,Kappa系数为0.873,提取精度满足地震遥感应急评估的需求,为遥感震害评估增添新的可用数据源。