CBERS-02B多光谱数据在城市不透水面 估算中的可用性研究

以厦门岛为研究区,以CBERS-02B的CCD影像为数据源,采用基于可变端元的线性光谱混合模型估算了城市不 透水面组分含量,并探讨了该方法的实现过程与优势。通过端元评估确定了研究区的４个典型端元,即高反射不透水 面、低反射不透水面、高反射土壤和植被。在此基础上,以高、低反射不透水面端元的组分含量对城市不透水面含量 进行估算。精度评价结果显示：基于可变端元的方法要优于一般带全约束法;而在混合像元分解过程中加入全色波段 （band5）有助于提高模型估算精度,使得在像元尺度的精度与采用Landsat的已有报道相近,而在土地利用单元尺度实 现了对城市不透水面的无偏估计。研究实例也表明,尽管目前CBERS-02B数据在辐射定标和地理定位等方面还有待改 进,通过采用适当的处理过程和技术手段,依然能利用该数据对城市不透水面进行有效估算。     

城市不透水面遥感估算

由于人口快速增长和农村人口向城市迁移,城市不透水面积也在持续快速增长。加速的城市扩张和无监控的城市开发会导致诸多生态环境问题。本文利用Landsat影像,采用附有限制条件的线性光谱混合分解、植被覆盖度与不透水面负相关模型、监督分类三种方法对南京城区的不透水表面分布进行空间分析。通过评估这三种方法提取的不透水面的精度和分析和种方法受其主要人为因素的影响大小以及不透水面的提取过程,表明了线性光谱混合分解方法较优。     

多季相混合像元部分分解特征的不透水面分类

针对利用光谱混合分解提取不透水面特征通常受到端元类型和数量的限制,同时植被变化会影响估计精度的问题,该文提出 了一种综合季相和植被变化信息的不透水面提取框架.基于混合像元部分分解算法——混合调谐匹配滤波(MTMF),设计了多季相组合MTMF(SCMTMF)特征和多季相叠加MTMF(SSMTMF)两种策略,构造了不透水面的多季相MTMF特征,将不透水特征与多季相植被指数结合利用支持向量机实现对不透水面的精确分类.结果表明,利用多季相特征得到的不透水面提取效果相较于单季相有较明显的改善,该文所提出的策略有利于提高不透水面的估计精度.     

一种基于DELSMA模型的城市不透水面提取方法

针对线性光谱混合分解(LSMA)模型在端元个数不变的情况下易造成不透水面被高估或低估的问题,该文提出了基于影像分层的变端元线性光谱混合分解(DELSMA)模型。以城市不透水面为研究目标,采用Landsat 8陆地成像仪(OLI)影像为实验数据,对比分析DELSMA模型和LSMA模型提取的不透水面精度。与LSMA模型分解结果进行对比,DELSMA模型相关系数从0.898 2提高到0.947 3,拟合优度从0.804 7提高到0.896 3,均方根误差从0.089 5减少到0.079 1,从精度验证结果可以看出,基于影像分层的DELSMA模型对混合像元的分解效果优于LSMA模型。实验结果表明:影像分层降低了场景复杂度,有效减少了同物异谱和异物同谱的干扰;采用变端元进行混合像元分解,有效减少了计算量和地物类内差异对分解精度的影响,一定程度上提高了不透水面的提取精度。     

影像分割的城市不透水面信息提取

针对线性光谱混合分解在端元选取中的不足,该文提出了结合影像分割的线性光谱混合分解不透水面估算模型。选取植被、高反射率、低反射率、土壤4种端元,利用线性光谱混合分解和结合影像分割的线性光谱混合分解两种模型,以2010年的TM5遥感影像为数据源对哈尔滨市主城区的不透水面进行估算,并对两种模型进行了对比分析。研究结果表明:线性光谱混合分解和结合影像分割的线性光谱混合分解的平均绝对误差分别为19.84%和14.76%,说明结合影像分割的线性光谱混合分解模型比线性光谱混合分解方法的估算精度高。     

基于光谱混合分解的流域不透水面提取及其动态分析——以于桥水库为例

不透水面不仅是城市非点源污染的主要来源,还是流域生态环境变化的主要因素之一。不透水面的数量、位置、几何形状、分布格局以及透水率与不透水率的比值,均影响着流域的水文环境,因此成为研究热点。本文以天津于桥水库流域为例,综合遥感(RS)与地理信息系统(GIS)技术,从流域尺度上研究1984~2013年间不透水面覆盖度的变化。在ENVI 5.1软件支持下,利用遥感影像获取1984,1994,2004和2013年4个时相的不透水面信息。采用修正后的归一化水体指数剔除水体信息,排除水体对不透水面提取精度的影响。运用线性光谱混合分析法(Linear Spectral Mixture Analysis,LSMA),提取流域不透水面覆盖度。结果表明:流域内不透水面覆盖度大多集中在1~5级,植被覆盖程度较高。近30年间不透水面比例逐年增加,2013年比1984年增加了2.802%,呈线性增长。中等分辨率的遥感影像适合流域尺度的不透水面提取的结果可作为流域水文及规划管理的重要基础性数据。     

线性/非线性光谱混合模型估算白刺灌丛植被覆盖度

及时监测干旱与半干旱区光合/非光合植被覆盖度时空变化,可以为指导荒漠化防治工程及植被衰退机制研究提供重要信息。本文以甘肃民勤典型植被白刺灌丛为研究对象,通过地面控制性光谱实验获取混合光谱、端元光谱与丰度信息,开展线性与非线性光谱混合模型(包括核函数非线性和双线性混合模型)估算光合和非光合植被覆盖度的对比研究,采用全限制最小二乘法进行模型解混,分别获取各样本数据中各类端元丰度及其精度信息,通过模型分解的均方根误差(RMSE)与地面验证精度确定用于光合和非光合植被覆盖度估算的最佳光谱混合模型,其中参考端元丰度采用神经网络(NNC)分类算法对数字影像进行分类获取。结果表明:(1)引入阴影端元的四端元模型相对于传统的三端元模型(光合/非光合植被与裸土)能有效提高光谱解混的精度,并提高光合和非光合植被覆盖度估算精度;(2)对白刺灌丛来说,光合植被、非光合植被、裸土及阴影间多重散射混合效应存在,但混合效应不够显著;考虑非线性参数的核函数非线性光谱混合模型表现略低于线性光谱混合模型,因此非线性光谱混合模型在估算白刺灌丛光合和非光合植被覆盖度时相对于线性光谱混合模型没有明显优势;(3)基于光合/非光合植被、裸土与阴影四端元的线性光谱混合模型可以实现白刺灌丛光合和非光合植被覆盖度的准确估算,光合植被覆盖度估算RMSE为0.11 77,非光合植被覆盖度估算RMSE为0.0835。     

北京城市不透水层覆盖度遥感估算

 应用线性光谱混合模型研究城市环境生物物理组成，端元的确定是其关键。城市地表同物异谱现象显著，光谱变异强烈，对于高反照率地物尤其突出。端元的光谱变异对线性光谱混合模型拟合结果产生重要影响。以同种纯净地物光谱曲线形状具有相似性为出发点，提出了一种端元优化选取方法，在此基础上计算了北京城市地表不透水层覆盖度。研究结果表明，该方法能够在一定程度上减小端元光谱变异性对线性光谱混合模型拟合结果的影响，进而提高城市不透水层覆盖度的估算精度。     

基于Sentinel-2A和Landsat8的城市不透水面的提取

城市不透水面相关研究对城市的发展至关重要.为了提取城市不透水面盖度,通常采用线性光谱混合分析方法,在亚像元尺度上计算混合像元内的不透水面面积比例.由于端元光谱曲线存在误差,导致不透水面盖度提取精度较低,因而提出端元优化方案,通过Sentinel-2A影像选择比较纯净的端元,利用其光谱信息优化从Land-sat8影像中选...     

南昌地区不透水面信息自动提取

随着城市化进程的不断加速，不透水面成为一种十分关键的地表覆盖类型之一，如何快速获取高精度的不透水面信息成为目前遥感研究的重点话题。考虑不透水面构成复杂、光谱曲线复杂的特征，本文基于决策树思想，通过建成区指数（BUAI）、改进的归一化水体指数（MNDWI），制作研究区植被、水体掩膜，并根据研究区土壤反射光谱特点制作研究区土壤掩膜。通过基于决策树思想的提取模型，结合掩膜文件，逐步剔除透水面，得到不透水面信息。结果表明：该模型提取的不透水面信息总体精度达到了98.27%，Kappa系数为0.86。通过和实地信息对比分析，认为该模型提取结果较为可靠，适用于大范围地区的不透水面信息提取。     

植被调节下的干旱区不透水面覆盖率遥感估算方法

基于DMSP/OLS夜间灯光数据的居住区指数模型（HSI）广泛应用于区域尺度城市不透水面扩张监测。但是,在干旱区由于受到裸岩、沙漠、戈壁等低植被覆盖区干扰,HSI算法的精度和适应性受到了一定的影响。为解决这一问题,本文利用植被覆盖度作为调节系数,对灯光数据与植被指数进行动态调整,构建了适用于干旱区的城市植被调节不透水指数（VAISI）;然后采用SVR模型,通过机器学习的方法构建了城市不透率参考数据与VAISI之间的非线性关系模型,实现对干旱区区域尺度不透水面覆盖率估算;最后,对模型估算结果进行了精度验证和比较分析。试验结果表明：在干旱区,VAISI解决了由于灯光溢出问题及城市周边裸土等低植被覆盖等因素导致的城市周边裸土像元不透率估算过高问题,一定程度上提高了城市内部不透水面空间分布信息的表达能力,有效克服了非灯光区估算结果高于背景值的现象。平均相关系数R由0.69提升到0.79,RMSE由0.17降至0.14。     

Landsat8不透水面遥感信息提取方法对比

不透水面是重要的地表覆盖类型,利用卫星遥感影像准确提取不透水面信息对于掌握地表覆盖变化具有重要意义。现有研究已提出了多种不透水面遥感信息提取指数,但目前尚缺乏对这些不透水面指数的系统对比分析。利用Landsat8卫星遥感影像,测试了目前8种主要不透水面指数的提取精度。结果表明,在现有不透水面指数中,垂直不透水层指数能够有效增强不透水面信息,不透水面提取精度最高(89. 6%),其次是比值居民地指数和生物物理组分指数(87. 5%和87. 4%),城市指数与新建筑指数提取精度再次之(82. 9%和80. 0%),归一化差值不透水面指数、归一化建筑指数和基于指数的建筑指数未能有效增强不透水面信息,提取精度较低(75. 0%)。此外,这8种不透水面指数都未能有效解决不透水面与大片裸地光谱混淆的问题,在裸地广泛分布的区域难以准确提取不透水面,平均提取精度仅为71. 0%,影响了不透水面指数的大区域应用。     

综合典型地表组成的城市地表温度估算

针对单一的地表物质组成并不能充分反映城市地表热环境特点这一问题,该文基于热混合影像,利用线性光谱分解方法获取地表组成信息,然后利用光谱分解热混合、线性回归、决策树方法估算地表温度。结果表明:只研究单一地表组成对地表温度的影响,有可能扩大其环境效应;决策树模型在不同规则下能更好地模拟地表温度的空间异质性;光谱分解热混合模型只需要两组数据即可估算出不同地表覆盖下的地表温度,且估算精度较其他模型高;光谱分解热混合模型和多元回归模型结合4种地表组成监测其对地表温度的影响,决策树方法通过不透水面、水体、植被预测地表温度,前两者估算精度比后者高,因此综合考虑城市典型地表组成能更好反映其对地表温度的作用。     

LSMA结合NDBI提取广州市部分城区不透水面的方法

以广州部分城区为研究区,选取2015年10月18日Landsat 8 OLI遥感影像,基于线性光谱混合分析(LSMA),结合归一化建筑指数(NDBI)优化不透水面盖度提取精度;并分别采用传统LSMA和优化LSMA提取了不透水面。在传统方法的基础上,优化LSMA利用纯净像元指数与手动端元相结合的方法提高了端元选取精度;解混后再利用NDBI阈值掩膜。经验证,传统LSMA提取不透水面盖度的均方根误差(RMSE)为0.306,与样本区的相关系数(R~2)为0.898,系统误差(SE)为0.21;优化LSMA的RMSE为0.125,与样本区的R~2为0.943,SE为-0.035,精度明显高于传统LSMA的提取精度,可为广州市不透水面环境效应研究提供更可信的数据支持。     

城市不透水表面遥感估算研究

作为城市化水平的关键指示因子，不透水表面已经被广泛应用在城市生态环境评估中。利用TM影像，采用附有限制条件的线性光谱混合模型对北京城区的不透水表面分布进行空间分析。通过高反照率、低反照率、植被及土壤4类光谱端元的线性组合表征城市土地覆盖类型，综合剔除噪声影响后的高、低反照率分量，估算北京城区不透水表面分布。研究结果表明：利用附有限制条件的线性光谱分解得到的RMS平均值为0．003428。其不透水表面分布结果与同期spot-5对比验证，R2为0．932，均方根误差为0．086，结果令人满意。     

Fuzzy ARTMAP算法在城市不透水面估算中的应用研究

为了克服线性光谱混合分析模型的缺陷,兼顾Landsat ETM+和Quickbird遥感数据多源信息及Fuzzy ARTMAP神经网络自适应学习的优势,提出了利用Fuzzy ARTMAP方法来估算城市不透水面覆盖度(ISP)。以武汉市为例,结果表明,与线性光谱混合分析模型相比,基于Fuzzy ARTMAP神经网络方法估算结果精度较高,与实际城市不透水面覆盖度分布范围一致。     

泰安市区不透水面覆盖度遥感估算研究

区域不透水面覆盖度是该区域城镇化程度、生态环境状况的重要指示因子。针对传统线性混合像元分解丰度图经常出现负值或者大于1的情况,采用完全约束最小二乘混合像元分解方法,利用泰安市市区Landsat8 OLI遥感影像提取了其不透水面分布状况,运用高分辨率遥感影像随机采样进行了精度检验,并对该区域不透水面空间特征进行了分析。结果表明:该文方法对泰安市市区不透水面分布提取的精度较高;植被、水体、高和低反照率不透水面4种光谱端元的线性组合,可以较好地模拟OLI影像的波谱特征;高、低反照率不透水面两种光谱端元可以很好地表达泰安市市区不透水面信息。     

融合多源时序遥感数据大尺度不透水面覆盖率估算

不透水面信息是监测城市扩张及区域生态环境变化研究的重要指标，基于遥感技术对地表不透水面信息进行快速提取具有重要意义。传统大范围不透水面覆盖率估算模型主要基于单一遥感信息与不透水面比例之间的相关性，通过单因子回归模型实现不透水面覆盖率的估算。受限于单一遥感信息的信息量及普适性等影响，这类方法在大尺度不透水面提取中具有较大局限性，估算结果的区域适应性存在较大差异。针对该问题，本文提出基于多特征遥感信息进行不透水面估算的方法，以弥补单一特征在大范围不透水面提取中的不确定性。该方法首先以多时相MOD13Q1、MOD09A1产品、夜间灯光数据（NPP-VIIRS）和Landsat 8 OLI为遥感数据源，从不同角度构建突出不透水面信息的多个指数特征；在此基础上利用多元回归模型建立多因子不透水面覆盖率估算模型，进而实现大尺度不透水面覆盖率的遥感估算。本研究选择分布于全国范围内13个典型城市作为主要研究区对提出的模型进行了验证，结果表明：该方法能够适应不同区域不透水面覆盖率的估算，在复杂城市区域表现出较传统方法更好的效果，明显改善了城市内部不透水面覆盖率的估算精度。     

主流城市不透水面信息提取方法评价及分析

选取库尔勒城区为研究区,以2014年RapidEye为数据源,在基本数据处理的基础上,采用主流的不透水面提取方法(线性光谱混合模型:LMSA;主成分分析方法:PCA、NDVI二元法)提取2014年库尔勒市城区的不透水面信息。然后整理地理国情普查成果指标,转换为实际的不透水面信息作为检验样本,评价3种方法的提取精度,确定适宜新疆典型城市的不透水面提取方法。结果表明:LSMA总体精度、Kappa系数及提取效果最佳,NDVI二元法次之,PCA最低。LSMA法虽然局部识别效果较破粹、小图斑居多,但能提取出PCA及NDVI二元法敏感性较差的地块,推广性较强。     

基于混合光谱分解的城市不透水面分布估算

城市化的一个重要表现就是不透水面分布比率的上升,城市内部不透水面分布是城市生态环境的一个重要指标。对于规模较大的大城市,采用高性价比的中等分辨率影像,获取不透水面的分布,是当前国际研究的一个热点。本研究利用Landsat 7的ETM 影像,在线性光谱分解的技术上,提取了上海市的不透水面分布并对其空间特征进行了分析。研究揭示,ETM 影像对于城市尺度的信息提取,其成本是较低的;对于城市地域来说,利用植被、高反照度、低反照度和裸露的土壤四种最终光谱端元的线性组合,可以较好地模拟ETM 波谱特征,而除了水面以外的高反照度、低反照度两种最终光谱端元,可以较好地表达城市不透水表面信息。结果显示,利用中等分辨率影像对上海中心城区不透水面分布提取的精度还是令人满意的,总体上,上海市不透水面分布比率较高,不透水面分布的空间差异进一步揭示了城市土地覆被空间结构以及城市空间扩展的差异性。