利用TM影像Band1与Band7提取水体信息

本文以北京地区TM影像为例,通过研究水体与其他地物在各个波段光谱特征的差异,对比分析常用的水体信息提取方法—NDWI和MNDWI,提出一种新的水体信息提取方法。该方法利用TM波段1和波段7归一化的比值-(Band1-Band7)/(Band1+Band7)提取水体信息。实验证明:该方法除了可以与NDWI和MNDWI一样提取植被区的水体以外,在城区水体提取中具有显著的优势。     

基于新型水体指数(NWI)进行水体信息提取的实验研究

基于遥感数据构建的水体指数模型可用于水体信息的提取。本文在对水体及其背景地物进行光谱特征分析的基础上,结合水体在近红外和中红外波段(相当于Landsat TM/ETM+影像的Band 4,Band 5和Band 7)同时具有强吸收这一典型特征,提出了一种新型的水体指数NW I(New W ater Index)。将该指数在含不同水体类型的遥感影像上进行实验,均获得了较好的提取效果。利用文献样本数据所作的实验表明,NW I具有很强的普适性,可用于水体信息的快速提取,且具有较高的精度。     

基于OLI数据与决策树法的去山体阴影水体信息提取研究

研究山区地表水体信息OLI遥感数据去阴影自动提取方法,设计基于数字高程模型与指数提取的决策树分类方法,提高水体自动识别的精度。该方法选取改进的归一化水体指数、归一化植被指数、比值植被指数、主成分分析前3个分量以及波段之间的组合运算,并结合DEM构建决策树分类规则。综合采用单波段阈值、谱间关系、植被指数和水体指数阈值完成山体水体的去阴影识别研究,与计算机自动识别分类方法比较,其精度明显提高。结果表明,决策树分类方法在精度上明显高于常用的计算机自动分类方法,可以很好地被利用于OLI遥感数据水体信息的海量、大范围提取。     

基于SAR数据的鄱阳湖水体提取及变化监测研究

以C波段Envisat ASAR和L波段ALOS PALSAR交替极化模式的数据为数据源,分析了鄱阳湖主要地物的散射特性,并分别引入纹理特征和不同极化通道间的极化差和极化比等参数增强地物的表征;应用主成分变换对地物的参数向量进行特征提取,增强水体与其他地物的差异,并在第一主成分中选择适当阈值,准确提取出不同时期的鄱阳湖水体信息。实验表明,用上述方法提取水体信息的精度比直接使用地物后向散射系数的监督分类法提取精度要高得多。通过分析和对比上述不同波段SAR数据中水体与其他类别间的Jeffries-Matusita距离可以看出,C波段SAR数据提取鄱阳湖水体的精度比L波段高。并给出了鄱阳湖水体在2007年春、夏和冬3个季节中水域面积的动态变化情况。     

基于谱间特征分析的城市建筑用地信息提取

以2003年某地区QuickBird多光谱影像为数据源,首先分析建筑用地及其他地物在QuickBird卫星影像4个波段上的光谱特征,并由此探讨其在光谱特征上的可分性。研究发现对于建筑用地等地物类型,波段2和波段4的光谱特征对比度最大,因此通过简单的波段比值运算可最大限度地增强该类地物的亮度。在此基础上,通过分析水体、裸露地的波谱特性,建立基于光谱特征的决策树模型,对研究区域建筑用地进行提取并对结果进行精度评价,结果表明,该方法总体提取效果较好。因此利用该模型可以将背景地物类型复杂的某地区建筑用地信息提取出来,并且模型受时相影响较小,只是在阈值大小上会存在一些差异。     

基于GF-5高光谱特征分析的水体提取方法研究

针对山区水体、山体阴影与裸地等地类光谱混淆性,基于高分五号(GF-5)影像数据,结合高光谱特征分析构建了山区水体决策树提取模型. 先对水体和相关干扰地类进行高光谱特征分析实现特征波段选取,应用单波段阈值法、多波段谱间关系法、归一化水指数(NDWI)法进行提取实验. 通过比较以上实验不足之处,提出了单波段阈值法与构建的阴影水体指数(SWI)相结合的决策树水体提取模型,以Google Earth高清影像为参考结合实地采样得到的混淆矩阵进行精度评价. 实验结果表明:单波段阈值法与NDWI法易将山体阴影识别为水体,受裸地影响较小;多波段谱间关系法对山体阴影有一定抑制作用,受小面积裸地影响;决策树提取模型能有效抑制山体阴影和裸地影响提取完整水体. 其总体精度为89.39%,Kappa系数为0.82,显著提升了山区水体提取精度.      

基于SPOT-5图像的城市水体自动提取模型研究

以南京市主城区为对象,研究基于SPOT-5图像的城市地区水体信息的提取方法.分析表明,对SPOT-5的SWIR波段进行简单的阈值处理,可以清晰地将水体与阴影提取出来.在分析水体和阴影光谱特征和空间特征（形状指数等）的基础上,建立了基于SPOT-5图像的城市地区水体的自动提取决策树模型.精度验证表明,该模型的水体提取精度较监督分类的提取精度提高2.5%,尤其在具有许多建筑物阴影的局部区域,本模型的水体提取精度提高11.6%.此外,本模型还具有很好的移植性,只是在阈值大小的确定上会有部分差异.     

基于GF-2高分辨率遥感影像的水体提取方法研究

针对GF-2卫星影像数据的特点,利用单波段阈值法、多波段算法、归一化水体指数(NDWI)阈值法、单波段阈值法与阴影水体指数(SWI)相结合的决策树法对刘家峡地区的水体信息进行了提取,同时提出一种单波段阈值法与增强阴影水体指数(ESWI)相结合的决策树分类法,并对以上几种水体提取的效果进行比较分析,发现单波段阈值法与ESWI相结合的决策树分类法能够有效地消除绝大部分阴影的影响,且提取效果较SWI的效果要好,NDWI与多波段算法提取效果次之,单波段阈值法提取效果较差.      

小卫星遥感影像自动提取水体方法研究

基于小卫星影像的水体信息提取方法,即用波段运算得到特征波段(PRWI),经过决策树等辅助手段提取出水体信息。通过在山东省微山湖上级坝北湖选取水体所做的试验表明,该方法在平原地区的总体提取效果较好,经检验发现其误判的像元主要是位于水体和其他地物的交界处。在山区选取山东省东周水库做的试验表明,在山区用该方法提取的小卫星水体信息和Landsat卫星的TM/ETM影像差距不大。小卫星还可以很好地用于城市规划、生态环境、土地利用和环境灾害等动态监测。     

一种基于Landsat 8的多波段组合水体指数模型

本文通过分析水体在Landsat 8数据中可见光波段和近红外波段的波谱差异,将Landsat 8数据中可见光波段作为一组,近红外波段和中红外波段作为另一组,构建了多波段组合水体指数(MBCWI)模型。基于Landsat 8数据在合肥、安康和康定地区共3景数据5种不同场景进行水体提取试验。结果表明,该模型不仅能够抑制云层、阴影、裸土、亮色地物和建筑物等对水体提取的影响,还能较好地提取出含有大量蓝藻的水体,且阈值稳定,Kappa系数优于0.968 5,总体精度高达99.69%,总体误差小于8.92%。相较于其他水体指数而言,提取精度显著提高。     

一种改进光谱角匹配的水体信息提取方法

快速、准确地从卫星遥感影像上获取水体信息已成为水资源调查及监测、湿地保护、洪涝灾害评估等领域的重要技术手段。本文以GF-4卫星的PMS传感器影像为数据源,提出了一种改进光谱角匹配（MSAM）的水体信息提取方法,以内蒙古中东部和长江中下游两个试验区为研究对象,对比分析了MSAM与单波段阈值法、NDWI阈值法、支持向量机和光谱角匹配等传统方法的水体信息提取结果,并进行了精度评价。试验结果表明,本文提出的MSAM方法不仅能准确地提取水体信息,而且能很好地区分水体与云阴影,对细小水体的提取也具有很好的效果。在内蒙古中部和长江中下游两个试验区的水体提取精度分别达到99.86%和98.37%,在5种水体提取方法中的精度最高,可以有效地提取水体信息。     

FY3B/MERSI数据的湖泊湿地面积提取对比分析

针对国产风云三系列中分辨率卫星快速有效地进行水体识别的问题,基于2011—2016年数据进行了辽宁省主要湖泊水库的光谱分析,提出了晴空条件和有云情况下分别采用归一化水体指数方法和通道值与归一化水体指数相结合方法进行湖泊水库的提取。结果表明:FY3B/MERSI湖泊光谱曲线具有水体光谱特征,具体表现为8通道的数据反射率最高,18通道数据反射率最低。通过与49景TM数据水体提取结果进行对比,FY3B/MERSI数据水体提取的面积精度达到85%以上,总体分类精度达到90%以上,Kappa系数在0.56~0.95之间。提出了简便、快捷的计算模型,为国产卫星数据的业务应用提供了初步方法。     

基于Sentinel-2的潮间红树林提取方法

位于潮间带的红树林可能在高潮时被海水淹没的特点，使得传统的植被提取方法在红树林信息提取方面存在局限性。本文在对比分析了出露的红树林、高潮水位淹没的红树林、海水水体的光谱特征后，提出了一种利用归一化潮间红树林指数（NIMI）提取潮间带红树林的方法。该指数是由植被强吸收的红波段，强反射的两个红边波段和近红外波段组成的归一化表达式。利用该指数对福建省龙海九龙江口湿地的红树林进行了分类提取，提取结果与高分二号影像目视验证和现场调查结果进行了对照。结果显示，该方法提取红树林的用户精度达到93.98%，并显著优于利用归一化水体指数（NDWI）、归一化植被指数（NDVI）及随机森林的结果。     

基于GF-1遥感数据的城市水体信息提取方法研究

水体信息的高精度提取是水资源监测、调查与管理等研究领域的关键问题。本文选取国产GF-1卫星影像作为数据源,根据影像中典型地物光谱特征采用归一化水体指数法(NDWI)、多波段谱间关系法对研究区进行了水体提取,并通过结果分析提出了基于主成分分析与多尺度分割技术的综合水体信息提取方法。对以上4种方法进行对比分析,验证结果表明:归一化水体指数法易受阴影信息影响;改进的多波段谱间关系法能较为完整地提取水体信息,但受小范围阴影信息影响;主成分分析综合法总体精度较高;多尺度分割提取法能有效地分离水体信息与非水体信息,水体信息提取的效果最佳。     

无人机遥感影像林地单株立木信息提取

针对无人机遥感技术在提取单株立木信息的限制性问题，提出一种新的自动单株立木信息提取方法。对原始无人机影像进行光谱信息增强处理以突出局部细节特征；通过引入DBI指数自动化确定K-means聚类方法的最优聚类数目，进而对影像像素进行标记；通过利用高斯马尔可夫随机场模型进一步对影像进行分割；使用数学形态学算子等方法对分割结果进行后处理得到单株立木树冠信息，通过图像几何矩原理计算得到单株立木位置以作为其识别的依据。结果表明，应用该提取方法，油松林区和樟子松林区单株立木识别总体精度分别为89.52%和95.65%、单木树冠提取精度分别为81.90%和95.65%，均具有较好地适用性。该方法不需要大量的人工干预和先验知识的输入，大大提高提取方法的自动化程度。     

Channel bar feature extraction for a mining-contaminated river using high-spatial multispectral remote-sensing imagery

Mapping and monitoring changes of geomorphological features over time are important for understanding fluvial process and effects of its controlling factors. Using high spatial resolution multispectral images has become common practice in the mapping as these images become widely available. Traditional pixel-based classification relies on statistical characteristics of single pixels and performs poorly in detailed mapping using high resolution multispectral images. In this work, we developed a hybrid method that detects and maps channel bars, one of the most important geomorphological features, from high resolution multispectral aerial imagery. This study focuses on the Big River which drains the Ozarks Plateaus region in southeast Missouri and the Old Lead Belt Mining District which was one of the largest producers of lead worldwide in the early and middle 1900s. Mapping and monitoring channel bars in the Big River is essential for evaluating the fate of contaminated mining sediment released to the Big River. The dataset in this study is 1 m spatial resolution and is composed of four bands: Red (Band 3), Green (Band 2), Blue (Band 1) and Near-Infrared (Band 4). The proposed hybrid method takes into account both spectral and spatial characteristics of single pixels, those of their surrounding contextual pixels and spatial relationships of objects. We evaluated its performance by comparing it with two traditional pixel-based classifications including Maximum Likelihood (MLC) and Support Vector Machine (SVM). The findings indicate that derived characteristics from segmentation and human knowledge can highly improve the accuracy of extraction and our proposed method was successful in extracting channel bars from high spatial resolution images.     

决策树结合混合像元分解的中国竹林遥感信息提取

竹林是中国亚热带地区特殊而重要的森林资源,现有方法难以实现全国范围竹林时空分布信息快速准确提取。针对此问题,本研究利用2003年、2008年、2014年MODIS NDVI、反射率产品数据和省域Landsat分类数据,提出了基于决策树结合混合像元分解的全国竹林信息提取方法。首先,通过最大似然法获取中国林地分布信息;然后,在林地信息的基础上,构建决策树模型提取中国竹林分布信息;最后,采用线性最小二乘法混合像元分解得到中国竹林丰度图,并计算竹林面积。研究结果表明:(1)最大似然法提取的3个时期中国林地信息的生产者与用户精度均在90%以上,Kappa系数均值为0.93,为竹林信息提取奠定了基础。(2)C5.0算法构建的决策树模型能够很好的提取中国竹林时空分布信息,3个时期竹林分类精度均在80%左右。(3)在混合像元分解的基础上,统计得到的全国各省竹林估算面积与清查面积具有较高的相关性,R~2分别为0.98、0.97和0.95,RMSE范围为3.92万—9.58万ha,说明估算得到全国竹林面积与实际情况较为吻合。本研究所提出基于MODIS遥感数据运用C5.0算法决策树结合混合像元分解的方法,实现了全国竹林时空分布信息的准确提取,为全国竹林资源信息动态监测及管理提供了技术手段和数据支撑。