多特征多层次Sentinel-2影像辽宁省湖库水体提取

以辽宁省为研究区,本文基于GEE遥感云平台,使用Sentinel-2遥感影像,提出了一种多特征多层次的湖库水体提取算法。该算法选择自动水体指数(AWEI_sh)和改进的归一化水体指数(MNDWI)提取水体,并利用归一化植被指数(NDVI)、归一化建筑指数(NDBI)、归一化差异红边指数(NDREI)、Sentinel-2的B8和B9波段及DEM数据多层次地消除暗地物和高亮地物噪声,对提取结果中被云雾遮挡而部分缺失的水体进行修复,最后将河流及细小像素剔除。利用此算法提取了辽宁省2017—2021年每年4、7、10月的湖库水体,并对比了不同水体提取算法及不同的水体数据产品。试验结果表明,本文算法在大尺度条件下提取水体具有良好的效果,总体精度达96%以上,可以较好地去除植被、阴影等暗像元表面,并且保证了水体信息的完整性,在大尺度水体提取方面具有一定的适用性和稳定性。     

融合随机森林模型和6种水体指数的上海市水体信息提取

为快速、准确地掌握水体分布信息,本文以上海市为研究区,基于多时相Sentinel-2卫星数据构建水体提取特征集,并采用效率高、稳健性好的随机森林模型,对研究区内的水体进行提取。水体提取特征集在现有光谱波段特征的基础上加入6种水体指数,分别为NDWI、MNDWI、AWEI_sh、WI₂₀₁₅、SWI和RWI,旨在提高水体提取精度。针对10个光谱波段特征及6种水体指数,设计了8种试验方案探究加入水体指数对于水体提取的作用。结果表明,将6种水体指数全部加入的方案精度最高,为97.910%;NDWI和RWI能提高水体提取精度、降低漏提率和误提率。     

水体指数构建及其在复杂环境下有效性研究

针对复杂环境下水体提取精度易受到低反射率地表影响的问题,本文以秦淮河流域为实验区,选用2015年10月12日ETM+影像,在水体、低反射率地表和其他地表纯净像元平均反射率基础上构建Multi-Band Water Index(MBWI)。搜集1985年—2016年已有的12种水体指数,选取南京、南宁和烟台地区3景影像中不同地表环境的6个测试点,采用基于K均值聚类的水体指数法提取水体后分析水体指数在复杂环境下的有效性。结果表明,MBWI以平均总体精度、Kappa系数、错分和漏提误差分别为98.62%、0.95、3.46%和3.74%,总体上较其他水体指数具有一定的优势;实验发现TCW(Tasseled Cap Wetness index)不能有效地消除山体阴影,TCW和AWEInsh(Automated Water Extraction Index with no shadow)误将白色高反射率建筑噪声分为水体,水体提取结果中均有低反射率非水体信息存在;水体在可见光而非水体在红外反射率较高,基于二者的差异及从绿到红外波段水体似呈递减现象构建的MBWI能有效的抑制低反射率噪声,对水文水资源的研究与应用具有一定的实际价值。     

一种基于城市水体指数与分形几何算法的OLI遥感影像水体提取方法

针对严重污染的城市水体与道路、建筑物、阴影等易于混分,以及遥感水体提取结果不连续、存在斑点问题,本文以广州市流溪河与东江水系为研究对象,基于2016年与2017年OLI遥感影像,采用本文新提出的城市水体指数法（CWI）,同时结合分形几何算法,通过设置形状面积等特征,实现城市复杂环境下的水体信息的自动提取。并与单通道算法、改进的归一化差异水体指数（MNDWI）算法、支持向量机法（SVM）与光谱角度法的水体提取结果进行对比分析。结果表明：SVM算法出现大量斑点,其次为MNDWI水体指数算法,光谱角度算法与单通道算法斑点较少,但水体提取结果不连续,部分河道漏分。本文提出的算法能够克服山体阴影、道路、建筑物等影响,实现城市污染水体以及一般水体连续、准确提取。本文的提取结果可为水资源调查、洪水灾害预测评估、水利规划、环境监测等工作提供基础数据支撑。     

多时相阴影轮廓差分辅助下的城市水体提取

如何避免水体提取中阴影信息与水体信息的混淆,是利用遥感数据提取城市水体信息需要解决的一个问题。本文以高分一号WFV图像及Landsat8 OLI图像为数据源,利用阴影轮廓的位置与形状在不同太阳高度角及太阳方位角下的差异性,提出一种基于多时相阴影轮廓差分的城市水体提取方法(WMSD)。以广州市天河区为试验区进行水体信息提取,同时运用NDWI、MNDWI及SWI指数法分别提取水体信息,进行精度对比分析。结果显示,本文所提出的WMSD方法分类精度超过88%,较NDWI法、SWI法及MNDWI法的水体提取精度分别提高了8.50%、9.50%及4.67%。说明基于阴影轮廓位置与形状的差异提取水体信息的方法能够较好地解决阴影与水体提取信息混淆的问题,为利用遥感数据提取城市地区水体提供了一个可行的处理方法。     

考虑植被红边信息的多时相Sentinel-2大范围冬小麦提取研究

冬小麦是中国的主要粮食作物且种植面积年际变化较大,及时准确掌握冬小麦种植面积变化有利于国家和相关部门科学决策。遥感技术是获取大范围冬小麦种植面积数据的最有效手段。前期研究多利用多时相中低分辨率影像（如MODIS）的归一化植被指数NDVI（Normalized Difference Vegetation Index）开展大范围冬小麦种植区提取,因分辨率低导致精度难以令人满意。Sentinel-2卫星是唯一能获取3个红边波段影像的米级分辨率传感器,但应用其红边波段进行大范围冬小麦提取的研究几乎没有。本文分析了红边位置指数REPI（Red-Edge Position Index）与NDVI各自在冬小麦提取中的优势,并基于冬小麦物候特征与JM距离研究关键时相,提出一种综合多时相Sentinel-2 PERI、NDVI的大范围冬小麦提取方法,将其应用于2020年京津冀地区的冬小麦种植区提取,冬小麦总面积提取误差为-2.57%。提取结果与Google Earth高分辨率光学影像的解译结果进行比较,总体精度为94.24%,Kappa系数为0.88,相较于已有大范围冬小麦提取研究精度有明显提升,表明了本文方法的有效性。     

利用改进的归一化差异水体指数（MNDWI）提取水体信息的研究

在对M cfeeters提出的归一化差异水体指数(NDWI)分析的基础上,对构成该指数的波长组合进行了修改,提出了改进的归一化差异水体指数MNDWI(M odified NDWI),并分别将该指数在含不同水体类型的遥感影像进行了实验,大部分获得了比NDWI好的效果,特别是提取城镇范围内的水体。NDWI指数影像因往往混有城镇建筑用地信息而使得提取的水体范围和面积有所扩大。实验还发现MNDWI比NDWI更能够揭示水体微细特征,如悬浮沉积物的分布、水质的变化。另外,MNDWI可以很容易地区分阴影和水体,解决了水体提取中难于消除阴影的难题。     

综合水体指数的创建

在对NDWI和MNDWI等传统水体指数进行分析的基础上,本文提出了一种创建水体指数的新思路:将多光谱图像进行LBV和HSV等复合变换,综合利用变换前的多波段信息和变换后的新波段信息绘制地物光谱曲线,寻找水体的光谱特性,进行水体指数的创建。本文利用ETM+图像HSV变换后的Sat波段以及LBV变换后的V波段,创建了综合水体指数(SWI),并利用SWI进行了遥感影像水体信息自动提取实验。实验表明:利用SWI能准确提取水体信息,有效减少水体提取结果中的误提取像元。     

面向Sentinel-2影像的亚像元级水体提取方法

结合Sentinel-2影像及其他高分辨率卫星数据进行长序列、高频次、大范围的水面率、蓄水量、生态流量等水资源要素监测具有重要意义。为了提高水体提取精度,解决利用多源中高分辨率卫星数据提取水体时的空间尺度效应问题,本文提出了一种面向Sentinel-2影像的亚像元级水体提取方法(简称SWES)。首先利用RWI提取纯水体像元,然后利用膨胀算法提取水陆边界混合像元,最后为解决地物的类内光谱变化问题,采用考虑空间信息的多端元光谱混合分析算法(MESMA)求解水陆混合像元中的水体丰度。3个试验区的结果均表明,SWES取得了较好效果,平均RMSE为0.147,水体提取效果均优于自动亚像元水体提取方法(简称ASWM),尤其在水陆混合像元较多的坑塘养殖区。SWES在试验区获取的水体面积也有较高精度,平均相对误差为8.03%,低于ASWM的20.23%,结果表明SWES能够有效提升水域面积提取精度。     

综合水体指数的创建

在对NDWI和MNDWI等传统水体指数进行分析的基础上,本文提出了一种创建水体指数的新思路:将多光谱图像进行LBV和HSV等复合变换,综合利用变换前的多波段信息和变换后的新波段信息绘制地物光谱曲线,寻找水体的光谱特性,进行水体指数的创建.本文利用ETM+图像HSV变换后的Sat波段以及LBV变换后的V波段,创建了综合水体指数(SWI),并利用SWI进行了遥感影像水体信息自动提取实验.实验表明:利用SWI能准确提取水体信息,有效减少水体提取结果中的误提取像元.     

基于MNDWI特征空间的水体追踪识别方法研究

水体作为国土资源的关键要素,其水体面积变化在水资源调查、变化检测及大型水利设施建设评估等方面具有非常重要的意义.由于区域山体阴影、建筑等因素的干扰影响,带来域内所有湖库水体进行一次性提取的难点,文中以landsat8为数据源,研究提出一种M NDWI+水体追踪识别的方法;并以京津冀区域为例,应用本方法在该区域湖库水体的...     

改进型混合水体指数的城市水体信息提取——以宿州市为例

针对混合水体指数不易区分水体与建筑用地问题,该文对混合水体指数进行了改进。在混合水体指数中加入两个短波红外波段与其平均值的比值,构建了改进型混合水体指数。以2013年4月28日Landsat 8卫星影像为数据源,以宿州市主城区、朱仙庄与芦岭矿区为研究区,并且利用改进型混合水体指数对研究区水体信息进行提取和分析。结果表明:改进型混合水体指数能够快速、准确、有效地提取城市和矿区水体信息,其水体识别能力和识别效果比混合水体指数强;改进型混合水体指数一定程度上提高了湖泊、河流等水体信息与建设用地、植被等地物的区分度。     

利用BP神经网络提取TM影像水体

常用的水体提取方法需要设定阈值,而阈值的选择通常需要反复实验才能确定。为克服这一不足,本文提出了一种基于BP神经网络和光谱特征的水体自动提取方法。首先在TM影像中提取水体样本光谱信息、谱间关系、归一化差异水体指数以及缨帽变换(K-T变换)的第三分量(TC3)特征,然后将这4个特征作为BP神经网络的训练输入参数,最后利用训练好的网络对水体进行提取。对长沙市区TM影像进行水体提取,发现该方法组合了其他方法的优点,在不设置阈值的情况下,得到了更好的水体提取效果。     

淡水湖泊湿地水体信息提取方法

及时、准确地获得水体信息是对水资源保护、利用和可持续发展的有利支持。以洪泽湖为研究区,通过实验比较了阈值法、TM2+TM3>TM4+TM5的谱间关系法、比值法和新型水体指数法提取水体结果的优缺点。研究表明,基于谱间关系构建的新型水体指数法能有效地提取各种类型的水体,且具有很强的普适性。新型水体指数法有效地提高了水体信息提取精度,提取精度高达92.5%。     

丹江口水库面积季节变化遥感监测

基于2014年2月19日、2014年6月7日和2014年10月8日的三景资源三号卫星影像分别作为春季、夏季和秋季的代表,以河南省内的丹江口水库为研究区域,采用面向对象的遥感影像监督分类方法进行影像的分割和分类,提取出遥感影像中的水体,并结合南水北调中线工程对水域面积和周围地物的影响对这3个时期的影像进行比较和分析,得出这3个时期水域面积的变化数据。     

基于LBV变换的TM数据水体提取新方法

TM数据经典水体提取方法存在对细小水体的漏判和对山体阴影的误判两方面缺陷。本文基于LBV变换提出了B分量阈值法和LBV关系法两种新的水体提取方法。实验结果表明:两种新方法的漏分精度分别为2.54%、2.73%,误分精度分别为15.71%、13.39%,整体提取效果优于经典方法。     

快鸟影像的应用研究

随着空间技术的发展,遥感图像的分辨率越来越高。其重要性日渐显露。遥感图像处理的发展目标之一就是实现自动的识别及目标信息的自动提取。利用高分辨率的卫星(如快鸟卫星)影像识别地面目标是急需的,本文仅以遥感影像的水体提取为例。     

水体叶绿素a浓度遥感反演方法研究进展

针对水体叶绿素a浓度反演问题,从反演所需的遥感数据源、主要研究区、主要研究单位以及反演模型4个方面,系统介绍了叶绿素a浓度遥感反演的发展现状,分析了现有水体叶绿素a遥感反演方法的优缺点,提出了目前存在的问题,并对水体叶绿素a浓度反演研究进行了展望。     

基于AdaBoost算法的遥感影像水体信息提取

AdaBoost算法利用每个特征构造一个简单分类器,然后将简单分类器进行训练组合成一个强分类器。算法能够充分利用每个分类器的优势并避免其劣势,得到一个最佳判别,达到提高分类精度的目的。本文利用TM影像,将影像各波段灰度、水体指数和谱间关系特征相结合,构成提取水体的强分类器,实现水体提取。实验结果表明,算法能够非常有效地、高精度地提取水体信息。     

ASTER数据的煤矿区水体信息提取

为实现多光谱数据对煤矿区水体信息提取,以萍乡市芦新岭及周边煤矿为试验区,在国内外学者对水体指数法提取水体信息和应用的启发下,对试验区不同地物的波谱特征进行分析。本文首先利用数学统计方法建立一种ASTER数据综合归一化差异水体指数模型SWI ASTER_xy,然后利用这一模型对试验区进行水体信息提取。试验表明,该模型能够有效地提取矿区各类水体,还可以运用在ASTER数据（或其他多光谱数据）对不同区域不同地物的提取,在遥感地物定量提取上具有很好的效果和潜力,具有一定的推广价值。