基于NDVI阈值法的森林冰冻受灾范围精确提取

快速提取森林冰雪受灾范围,有利于准确掌握森林受灾情况,为此类灾害性气候事件防灾减灾、森林资源管理和生态保护提供科学依据。本文利用2001-2007年NDVI数据,提取灾前植被NDVI参考值和正常波动范围,结合2008年NDVI数据提取冰雪冻灾范围。该方法弥补了基于单一时相的传统方法（NDVI差值法）忽略植被指数正常波动的问题,分像元提取植被NDVI正常波动范围,使提取结果更加客观合理。与传统方法提取结果对比,省级尺度的验证结果相同（即森林受灾率均为34.72%,而实地调查森林受灾率35.3%）,但2种方法在县市行政单元提取的森林受灾率相差较大。NDVI阈值法提取的森林冰雪受灾范围主要分布于湖南省南部地区,北部地区分布相对较少,而传统方法提取结果主要分布于湖南省北部地区,南部地区分布相对较少。根据实地考察资料显示,相比于传统方法,NDVI阈值法提取结果与实际森林冰雪冻灾空间分布信息更接近,精度更高,更适合于区域大尺度提取森林冰雪受灾范围。     

城市建成区多源遥感协同提取方法研究

城市建成区边界是城市研究重要的基础信息,也是落实城市功能空间布局、实施界限管控的前提。DMSP/OLS夜间灯光数据已被广泛应用于城市建成区的提取,但由于受饱和、扩散及低分辨率问题的影响,导致仅依靠DMSP/OLS NTL映射城市建成区仍然是一个巨大的挑战。本文以京津冀为例,采用MODIS NDVI和DMSP / OLS夜光数据相结合解决NTL影像的饱和及扩散问题,提取城市建成区潜在范围,并辅以Landsat NDVI数据,采用本文提出的最大自相关双阈值方法进行自适应修正,最后采用目视解译对结果进行验证。实验结果表明,多源遥感协同方法提取城市建成区的总体精度和kappa系数分别为92.9%和0.88,在空间分布和统计数据中均有较高的有效性和可靠性。     

基于夜晚灯光数据和Google Earth的城市建成区提取分析

夜晚灯光数据已被广泛应用于提取城市建成区的研究,由于灯光具有溢出特性,因此确定最佳灯光阈值成为研究热点。本研究中总结4种常用最佳阈值确定方法的特点,并使用Google Earth影像空间比较法,确定夜晚灯光数据提取城市建成区的最佳阈值。由于地形、交通等因素影响城市形态,城市形态影响夜晚灯光数据提取城市建成区的最佳阈值大小,因此,根据城市形态将阈值结果分为2类,并得到块状城市和带状城市建成区的最佳灯光阈值分别为43和 47。Google Earth影像空间比较法与其他方法相比具有不受统计数据限制,以及简易操作等优势,且从形态上对城市建成区提取结果进行空间比较;其次,根据城市形态对最佳阈值结果分类,使不同类型的城市建成区提取结果更准确。该方法适用于在地形复杂、形态多样的大尺度空间中提取城市建成区。     

干旱区植被覆盖度提取模型的建立

本文通过分析遥感提取植被覆盖度的经验模型法、植被指数法和混合像元分解法,归纳了它们各自的优势、精度和存在的问题,指出了影响应用较广泛的植被指数转换法精度是全植被覆盖像元的选取。在此基础上提出了植被指数转换法的改进模型一利用高分辨率卫星图像的最大NDVI值作为均一像元的NDVI值替换中等分辨率卫星图像的NDVI值,建立植被覆盖度提取模型,从而通过中等分辨率卫星图像获取大范围植被覆盖度的方法。经实践检验,该方法简单、实用,适合于利用中等分辨率卫星图像进行大范围宏观监测。     

地表反射率遥感数据支持的火烧迹地面积提取

生物质燃烧排放大量烟雾和温室气体对于全球气候变化有显著影响，而准确及时地提取火烧迹地面积对于火灾补救、植被恢复、估算大气排放至关重要。中分辨率成像光谱仪MODIS较高的时间分辨率可以快速获取全球每日的火烧迹地产品，但对于小型和破碎度高的火烧迹地的遗漏率比较高。据此，本研究融合MODIS与Landsat-8 OLI(Operational Land Imager陆地成像仪)的时空优势，提出了基于地表反射率数据集支持的火烧面积提取算法。首先，使用MODIS地表反射率产品MOD09GA构建燃烧日期前后在红、绿、蓝、近红外和短波红外的先验地表反射率数据集。然后，采用自适应遥感图像时空融合算法(Spatial and Temporal Adaptive Reflectance Fusion Model, STARFM)以及线性拟合的方法对MODIS与Landsat-8地表反射率数据进行空间和光谱一致化处理。最后，运用自动阈值的方法厘定火烧区域的最佳阈值。此外，通过选取4个不同的燃烧规模样地/样区验证了该算法的火烧迹地面积提取准确率在75%以上。本研究将MODIS的高时间分辨率和Landsat-8...     

基于Google Earth Engine和NDVI时序差异指数的作物种植区提取

为提高农作物种植信息遥感监测的效率,扩展数据适用范围,本文提出了一种基于时间序列NDVI差异指数的作物种植区提取方法。随着海量遥感与云计算的发展,Google Earth Engine作为一个全球尺度地理空间分析云平台,弥补了单机计算耗时长的不足,为快速遥感分类带来了新机遇。基于Google Earth Engine平台,以河南省开封市杞县为研究区,以2019—2020年杞县地区多时相Sentinel-2影像为数据源,结合物候信息,根据不同作物在时间序列NDVI曲线上的差异构建NDVI时序差异指数,从而提取作物种植区,区分不同作物类型,并与其他方法进行了精度验证和对比。结果表明：① NDVI时序差异指数法以作物物候信息为基础,与GEE高性能的计算能力相结合,形成了作物种植信息快速提取框架,可以方便快捷地进行作物种植区提取,较本地处理具有明显优势;② 杞县冬小麦和大蒜种植区有明显的空间分异性,冬小麦种植区主要集中在研究区西北部以及南部的农村居民点周围,而杞县大蒜则由于产品流通需要,主要集中在研究区中部以及东北部,居民点较为密集,交通便利的城市周边;③ 与时间序列支持向量机法和最大似然法相比较, NDVI时序差异指数进行作物种植区提取的总体精度达到83.72%, Kappa系数为0.67,分别比最大似然法提高了10.02%和0.21,比支持向量机法提高了4.18%和0.09,表明该方法能更高效率,更高精度地提取作物种植信息,实现区域作物种植信息的高效准确监测。总体来看,该方法在一定程度上可拓展遥感数据在农业领域的应用范围,具有推广价值。     

水土流失区马尾松林植被提取的土壤调节指数分析

为实现水土流失区植被遥感信息的准确提取,本文采用2007年ALOS 10 m多光谱影像,利用土壤调节植被指数SAVI和MSAVI,对福建长汀水土流失区马尾松林不同植被覆盖密度的3个实验区进行植被提取,并选用不同的土壤调节因子（L=0.25,0.5,0.75,1）做实验,将结果和以NDVI植被指数提取的结果进行对比,分析了提取效果及受土壤噪音的影响程度。实验表明,SAVI指数能提高水土流失区的植被提取精度。在中、低植被覆盖区,其提取的总精度比NDVI高出2%~7%,Kappa系数高出7%~18%;而土壤调节因子L的取值对植被信息的提取也呈现出一定的规律性,即：随着L从0向1递增,SAVI提取稀疏植被的能力上升而探测阴坡植被的能力下降。总体来看,对于低植被覆盖和中等植被覆盖地区,可分别用SAVI（L取0.75）和SAVI（L取0.5）来提取植被信息,对于高植被覆盖区,仍可直接用NDVI进行植被信息提取;研究发现MSAVI在植被信息提取中并不具有特别的优势。     

淤泥质潮滩湿地类型遥感识别分类方法与应用

依据江苏盐城国家珍禽自然保护区淤泥质潮滩湿地影像特征,快速提取高精度潮滩湿地地物信息对湿地生态保护具有重要的意义。本研究以2010年TM影像为数据源,针对海滨湿地植物覆被类型复杂,以及湿地植物类型之间的生态交错带信息难以识别等问题,综合运用植被NDVI指数、波段反射率特征、环境特征和生态条件,逐级分层分类及人工选取阈值等方法,较好地解决了淤泥质潮滩湿地分类问题。结果表明,与同一时期的监督分类相比较,在识别植被交错带植被覆被类型和零星分布的植被斑块的类型方面更具优势,分类精度有明显提高。通过ROI训练区,选取了3126个包括所有类型的样本进行精度检验,分类精度达到95.87%。该方法弥补了单一分类方法的不足,对快速、高精度地提取淤泥质潮滩地物类型具有重要的参考价值和实践意义。     

融合LiDAR数据与高分影像特征信息的建筑物提取方法

建筑物是城市环境中的主要地物类型,从高分影像等数据中自动提取建筑物对于提升土地利用变化检测、城市规划与土地执法等业务的质量与效率具有重要意义。本文针对现有建筑物提取方法存在的边界提取不精确的问题以及采用手工特征表达图像信息的局限性,融合LiDAR数据与高分影像两种数据源的特征信息,提出一种基于SegNet语义模型的建筑物提取新方法。首先,对LiDAR数据预处理得到数字表面模型（DSM）、数字地形模型（DTM）、归一化数字表面模型（nDSM）,利用高分影像NDVI值去除nDSM中部分树木点,得到结果影像nDSM_en;其次,分别获取LiDAR数据回波强度、表面曲率以及高分影像NDVI值 3个特征构建特征图像训练SegNet语义模型,利用训练得到的模型完成建筑物初始提取;最后,采用阈值法分割nDSM_en得到影像对象,利用影像对象约束建筑物初始提取结果,完成建筑物精提取。在以ISPRS 官方提供的标准数据集（数据采集的地理区域为德国Vaihingen,采集时间2008年7—8月）为样本的实验中,本文方法在像素层次的平均查全率、平均查准率和提取质量分别为96.4%、94.8%和91.7%;针对面积大于50 m ²的建筑物对象,上述3个指标均为100%。实验结果表明：本文提出与实现的建筑物提取方法更好地利用了反映建筑物与非建筑物本质差异的特征信息,有效地实现了2种数据源的相对优势互补,提高了建筑物的检测与提取精度。     

POI辅助下的高分辨率遥感影像城市建筑物功能分类研究

城市建筑物是城市的重要组成部分,对城市建筑物进行功能分类可以为城市功能区划分提供有利依据,辅助政府部门对城市规划、土地利用、资源、人口等方面的分布与分配进行管理与决策,有助于推进城镇化建设的可持续发展。仅利用目前的遥感分类技术难以对高分辨率遥感影像的城市建筑物信息进行功能分类,然而将遥感、互联网兴趣点（Point of Interest, POI）数据以及GIS技术有效地结合在一起,可以更为细致地分析城市信息,不仅实现了建筑物功能分类,而且提高了分类的准确率与可信度。本文首先选取卷积神经网络（Convolutional Neural Networks, CNN）方法对高分辨率遥感影像数据进行建筑物提取;然后,对POI数据的城市商服、公建和住宅用地进行核密度分析;最后分别统计每个建筑物3种用地的核密度平均值,并将该值设置为此建筑物的属性值,并结合POI数据的实际情况选择具有最佳功能分类精度的属性值作为阈值提取3种用地信息,从而完成不同功能的城市建筑物分类。精度评价结果表明,该方法对3种用地的提取效果良好,分类精度达到86%以上。     

森林植被动态变化信息的遥感检测

本文以云南省泸水县为例,探讨了利用遥感技术从LANDSAT TM图像中检测森林植被动态变化的方法。该方法,首先对1988年的LANDSAT TM图像进行几何校正,并将1999年的L ANDSAT TM图像与其配准。其次,分别从1988年和1999年的L ANDSAT TM图像中提取植被指数。然后,将1999年的植被指数减去1988年的植被指数,得到植被指数差值图像。最后,利用目视识别的方法,在植被指数差值图像上确定森林植被增加和减少的阈值,从而提取出森林植被的动态变化信息。由于云和雪的影响,造成一些伪变化的信息,为此,进一步将云和雪的信息提取出来,并将这部分伪变化信息掩模掉。该研究表明,此法可以简单有效地将森林植被的动态变化信息予以检测.     

沿海防护林非线性波段比的遥感快速提取及变化分析

本文以福建省漳浦县沿海区域为研究对象,利用2005年的CBERS-02数据和2000年的ETM+数据,进行沿海防护林快速提取研究。通过分析沿海防护林和沿海地区其他典型地物在原始波段、归一化植被指数ND-VI和非线性波段比NLBR的光谱特征,提出了适用于不同传感器的沿海防护林快速提取方法。研究发现,综合利用NDVI大于阈值1和NLBR小于阈值2,可以实现沿海防护林的快速提取,而阈值可以根据NDVI和NLBR的散点图确定。该方法对具有绿、红和近红外3个波段的不同传感器数据均有一定的参考价值。研究区2000年²005年间,沿海防护林减少的面积是增加面积的1.46倍,政府相关部门应该加大对防护林的管理和建设力度,增强沿海地区防御自然灾害的能力。     

基于图分割的高分辨率遥感影像建筑物变化检测研究

建筑物是城市地理数据库中最容易发生变化和最需要更新的部分,其更新工作量巨大,因此开展对高分辨率遥感影像中的建筑物进行自动提取和变化检测研究具有重要的意义.本文以精确提取变化建筑物的位置和轮廓为目标,基于图分割提出一种高分辨率遥感影像建筑物变化检测方法.首先,将遥感影像中的每个像元映射成图的顶点,利用像元之间的距离阈值构造图的边,综合利用位置,灰度和边缘3种特征计算边的权值,将遥感影像的分割转化为图的分割,并用归一化图分割方法得到分割对象集合;然后,以长宽比和矩形度作为约束条件,对2期遥感影像中的分割对象集合进行筛选,提取建筑物对象;最后,根据2期影像中建筑物之间的空间,面积和格局关系识别建筑物的变化类型(包括新增,消失和改建),并对其进行可视化表达.为了验证本文方法的有效性,分别以深圳市的WorldView影像和北京市的QuickBird全色影像为数据源,从中选取13组具有代表性的子影像进行实验.结果表明,本文提出的方法对配准精度较低的影像组具有一定的适应性,容许的配准误差达到20个像元(10 m),平均查准率和平均查全率分别达到93.16%和87.90%.     

Integrating TM and ancillary geographical data with classification trees for land cover classification of marsh area

The main objective of this research is to determine the capacity of land cover classification combining spectral and textural features of Landsat TM imagery with ancillary geographical data in wetlands of the Sanjiang Plain, Heilongjiang Province, China. Semi-variograms and Z-test value were calculated to assess the separability of grey-level co-occurrence texture measures to maximize the difference between land cover types. The degree of spatial autocorrelation showed that window sizes of 3×3 pixels and 11×11 pixels were most appropriate for Landsat TM image texture calculations. The texture analysis showed that co-occurrence entropy, dissimilarity, and variance texture measures, derived from the Landsat TM spectrum bands and vegetation indices provided the most significant statistical differentiation between land cover types. Subsequently, a Classification and Regression Tree (CART) algorithm was applied to three different combinations of predictors: 1) TM imagery alone (TM-only); 2) TM imagery plus image texture (TM+TXT model); and 3) all predictors including TM imagery, image texture and additional ancillary GIS information (TM+TXT+GIS model). Compared with traditional Maximum Likelihood Classification (MLC) supervised classification, three classification trees predictive models reduced the overall error rate significantly. Image texture measures and ancillary geographical variables depressed the speckle noise effectively and reduced classification error rate of marsh obviously. For classification trees model making use of all available predictors, omission error rate was 12.90% and commission error rate was 10.99% for marsh. The developed method is portable, relatively easy to implement and should be applicable in other settings and over larger extents.     

城市绿量的遥感估算与热岛效应的相关分析——以北京市五环区域为例

 本研究以遥感分析北京城市绿地对地表温度的影响,研究包括绿地提取、绿量估算、地表温度反演,地表温度和绿量相关分析。并以高精度Rapid Eye遥感影像,提取了五环内的绿地面积(197.3km²,占城区总面积的29.6%),且估算绿量总值为2450.7km²。同时用2009年7月20日的Landsat5 TM 6波段数据进行地表温度反演,低温区、中温区、次热岛和热岛区域所占的五环内城区面积的比例分别为12.3%,34.7%,40.4%和12.6%。绿量和地表温度呈负相关关系:y=-1278.7x+60650,城市绿地可以使城区平均温度降低2.6℃。     

Detecting Global Vegetation Changes Using Mann-Kendal(MK) Trend Test for 1982–2015 Time Period

Vegetation is the main component of the terrestrial ecosystem and plays a key role in global climate change. Remotely sensed vegetation indices are widely used to detect vegetation trends at large scales. To understand the trends of vegetation cover, this research examined the spatial-temporal trends of global vegetation by employing the normalized difference vegetation index(NDVI) from the Advanced Very High Resolution Radiometer(AVHRR) Global Inventory Modeling and Mapping Studies(GIMMS) time series(1982–2015). Ten samples were selected to test the temporal trend of NDVI, and the results show that in arid and semi-arid regions, NDVI showed a deceasing trend, while it showed a growing trend in other regions. Mann-Kendal(MK) trend test results indicate that 83.37% of NDVI pixels exhibited positive trends and that only 16.63% showed negative trends(P 0.05) during the period from 1982 to 2015. The increasing NDVI trends primarily occurred in tree-covered regions because of forest growth and re-growth and also because of vegetation succession after a forest disturbance. The increasing trend of the NDVI in cropland regions was primarily because of the increasing cropland area and the improvement in planting techniques. This research describes the spatial vegetation trends at a global scale over the past 30+ years, especially for different land cover types.     

基于亮度补偿的遥感影像阴影遮挡道路提取方法

在基于高分辨率遥感影像的道路提取中,阴影遮挡是导致提取的部分或整段道路缺失的重要因素,严重制约了道路提取的自动化过程,因此探索适用性强的阴影情况下道路提取方法对地图数据生产和地理大数据研究具有重要意义。本文针对传统的阴影系数修正方法难以消除植被、建筑上的阴影对道路提取带来的干扰,选用路面颜色不一、地物干扰少的郊区影像与地物丰富、路面地物阴影干扰严重的市区影像开展研究,提出了基于亮度补偿的阴影遮挡道路的提取方法。首先,在图像预处理的基础上,利用HSI阈值分割获取阴影区域;其次,在削弱蓝色分量信息后采用亮度补偿方法实现像素点空间域增强以及阴影区信息的恢复,在增大道路面阴影与周围环境差异的基础上,借助高效的分割算法实现阴影道路提取;最后,通过和由K-means聚类分割获取的非阴影道路进行合并,经细化处理最终实现阴影遮挡道路的完整提取。实验结果表明,此方法提取郊区与市区影像中阴影道路的正确率在80%以上,该方法能有效地提取阴影遮挡道路,消除其他阴影的干扰,降低阴影道路提取时的斑块破碎度,较好的保留道路的主体。