遥感影像分类方法在水体面积估算中的比较研究

随着遥感技术的广泛应用,利用遥感影像提取水体信息为水文研究提供了基础数据.目前进行水体提取所使用的遥感数据分辨率较低,影响了水体提取的精度.Landsat TM遥感影像主要依据水体在7个波段上光谱的不同特征以及其他地物与水体的区别,通过分析水体及背景地物的光谱值,利用单个波段或多个波段组合来提取水体信息.以昭平台水库的TM数据为例,对其进行了几种提取水体信息方法的研究.通过总体精度及Kappa系数的对比,选择最优分类方法,并将该方法用于水体面积的估算.     

长江上游MODIS影像的水体自动提取方法

利用MODIS资料,分析了长江上游不同水体及其它主要地物在1～7通道的光谱特征,分析发现,水体混合像元在可见光的光谱特征与山体的阴影、云的阴影、城镇等的光谱特征具有很好的相似性,仅采用近红外波段和红光波段的方法不能有效提取出研究区的水体.提出综合采用归一化差分水指数、积雪指数以及可见光、近红外多通道信息的方法,逐步提取出研究区的水体及混合水体像元.     

利用HJ-1卫星数据监测山区水库资源

遥感技术能够快速、宏观地获得研究区域的数据,已成为湖泊环境动态变化监测的重要技术手段。但是对于山区的湖泊和河流而言,由于沟壑众多,河道狭窄,水体像元多为混合像元,利用现有方法提取水体遥感影像难度较大。水体与植被、城市和土壤等地物在不同波段的光谱反射率的差异是利用遥感手段提取水体信息的基本原理。本文在水体光谱特征分析的基础上,描述了HJ-1卫星数据特征及所采用的山区水体信息的遥感提取方法,并以南湾水库为例,描述了利用植被指数(NDVI)方法识别水体信息的技巧:首先将HJ-1数据的第3和第4波段经过波段运算得到NDVI图像;再将两种遥感图像中NDVI值小于0的像元判识为水体,NDVI值大于0的判识为水库周围的农田,经过计算像元数量得到水体面积信息;最后在各种专业软件的支持下,结合非监督分类的水体识别效果,将水体与其他地物类型区分开来。结果表明,利用HJ-1卫星数据可有效排除其他地物的干扰,显著提高水体监测的精度。     

基于MODIS和HJ-1数据的宿鸭湖水库面积遥感监测研究

水体与植被、城市和土壤等地物在不同波段的光谱反射率的差异是利用遥感手段提取水体信息的基本原理。以宿鸭湖水库为例,在水体光谱特征分析的基础上,采用归一化植被指数（NDVI）方法提取2010年的MODIS和HJ-1遥感影像上的水体信息。首先将MODIS数据的第1和第2波段,以及HJ-1数据的第3和第4波段经过波段运算得到NDVI图像。将两种遥感图像中NDVI值为负的像元判识为水体,NDVI值为正的判识为水库周围的农田,经过计算像元数量得到水体面积信息。水体判识阈值在全年变化范围在-0．08和0．08之间。HJ-1数据具有较高的空间分辨率,水体判识的结果比MODIS数据更加精确。利用HJ—I数据水体监测结果对MODIS数据结果进行校正,使得到的监测结果同时具有较高的时间分辨率和空间分辨率。研究结果表明：利用HJ-1数据校正后的MODIS数据所测得的水域面积与实际观测得到的水库蓄水量之间的复相关系数为0．8603,显著提高了水体监测的精度,从而为大范围的水资源与水环境动态监测提供了迅速、可靠的依据。     

基于MODIS数据的水体识别指数方法的比较研究

从典型地物光谱曲线分析入手,MODIS数据的第7、2、1波段对植被、陆地、水体区分明显。本文对长三角太湖流域地区,采用MODIS数据以五种常水体识别进行水体信息提取,然后分别从目视解译效果、水体区分度的计算和提取的水体面积三方面来对这五种指数方法进行比较和评价。结果表明,在应用MODIS数据进行水体识别时,比值植被指数（RVI,Ratio Vegetation Index）和混和水体指数（CIWI,Combined Index of Normalized Difference Water Index）模型的目视解译效果较好,且CIWI指数具有水陆区分度较大和水体面积提取精度较高的优点。     

洪涝淹没范围的遥感监测研究

通过对NOAA/AVHRR遥感图像数据的地物光谱特征和水体信息的分析 ,结合水体光谱和空间特征 ,确定洪涝淹没范围的自动提取模型。     

洪涝淹没范围的遥感监测研究

通过对NOAA／AVHRR遥感图像数据的地物光谱特征和水体信息的分析，结合水体光谱和空间特征，确定洪涝淹没范围的自动提取模型。     

基于TM卫星影像获取北京市水体密度指数与植被覆盖指数的方法

以北京市为研究区域,分析了该区域的TM(Thematic Mapper;专题制图仪)卫星影像特征,探讨了水域、农田、林地、草地、城市用地以及云和云影在TM的7个波段上的光谱可分性,提出了NDCI(Normalized Difference Cloud Index;归一化云指数),分析建立了基于NDCI、NDVI(Normalized Difference Vegetation Index;归一化植被指数)、NDBI(Normalized Difference Built-up Index;归一化建筑指数)、MNDWI(Modified Normalized Difference Water Index;改进型归一化水体指数)和坡度数据的简单决策树模型,对研究区的几类主要地物、云和云影的信息进行了提取,并对结果进行了精度评价.在GIS支持下计算了水域、林地、草地和农田的面积,计算了北京市2005年第3季度的水体密度指数和植被覆盖指数.结果表明:该方法的总体提取效果较好,在分类过程中阈值的选取简单、有效,分类结果能够满足计算水体密度指数和植被覆盖指数的要求,从而将遥感技术运用到生态质量气象评价中去,并取得了较为满意的结果.     

东北区域水体密度指数估算方法

水体密度指数是生态质量气象评价的一个重要指标。该文提出了一种利用MODIS遥感数据估算水体密度指数的方法,首先利用水体与地物遥感光谱特性的差异,对指示性水体的面积进行精确识别和提取;通过选择不同时相MODIS数据与地而水文观测资料建立统计关系模型,实现对区域水环境面积的估算;最后计算归一化权重系数,实现东北地区水体密度指数的估算。     

柳州新一代天气雷达通风系统的改进措施

通过对1994年8月4日与2004年9月16日若尔盖湿地TM影像1～5波段和7波段数据以及归一化植被指数(INDVI)、归一化水指数(INDWI)、归一化水分指数(INDMI)和改进的归一化水指数(IMNDWI)的分析,选择通道7、4、3合成假彩色图作为若尔盖湿地的目视解译图,确定了湿地的TM影像标志.分析结果表明,第7波段能较好地将沙地与其它地物区分,改进的归一化水指数与归一化植被指数之差是非常有效的水体提取因子.还制定了若尔盖湿地主要地物的自动判识流程.判识结果与目视解译结果非常吻合,1994年比1984年湖泊面积,沼泽湿地面积明显减小,而沙化地面积扩大.     

基于MODIS数据的水稻种植面积提取研究进展

概述了水稻种植面积监测遥感数据源的应用变化、特征指数和时相选取以及遥感分类方法的发展,分析了MODIS影像在水稻种植面积遥感提取技术方面的研究进展及发展方向。结果表明：MODIS具有高光谱、高时间分辨率和多时相等特点,在大尺度上提取水稻种植面积上,可提高作物识别和监测的精确度与工作效率,节约成本,有着其他遥感数据无法相比的优势,应用MODIS数据提取水稻种植面积,取得了较好的效果。水稻遥感的最佳时相可以选择移栽期和孕穗期,利用对水体和植被较为敏感的波段或植被指数（如NDVI、LSWI和EVI）进行水稻识别,并提取种植面积。传统的遥感图像分类方法如监督分类和非监督分类,算法成熟、操作简单,是目前应用较多的方法。近年来发展起来的分类新方法,如决策树分类法、专家系统分类法、神经网络分类法,支持向量机法等,能够更准确地提取目标地物,对图像分类有不同程度的改进,在实际应用中通常和传统分类方法结合起来使用;多时相分析法与高时间、高分辨率多光谱影像的结合可以获取较高精度的作物种植面积数据,与传统分类方法相比有较大提高。利用MODIS对单一的或大面积的水稻种植面积提取效果较好,但对于地块破碎的种植面积估算尚难达到满意的结果,添加其他的辅佐数据如高程、坡度等,并结合MODIS数据的多时相特点分类等方法,可提高遥感影像分类的精度。     

城区高光谱遥感数据假彩色波段组合研究

高光谱数据具有波段数目多、波段宽度窄、数据量庞大等特点，如何根据具体的应用目的，在众多的波段中选取最佳波段组合用于假彩色合成，对于有效进行高光谱数据处理、分析及信息提取至关重要。以面阵推帚式机载超光谱成像仪(PHI)获得的上海市黄浦江附近复杂地表高光谱图像数据为例，分析了图像所包含的信息量、各通道之间的相关性以及影像上各地物的光谱特征，选出了那些包含信息量大、相关性小、光谱差异大的波段子集，然后再结合协方差矩阵特征值法、最佳指数法和波段指数法波段组合方法选出了高光谱遥感图像的最佳波段组合。     

基于MODIS植被指数的太湖蓝藻信息提取方法研究

有效地提取蓝藻水华信息对分析蓝藻动态分布有重要意义,而卫星遥感技术是进行太湖水质监测与保护的措施之一.本文以2007年7月25日Terra/MODIS数据为主要数据源,用比值植被指数(Irv)、归一化植被指数(Indv)和增强型植被指数(Iev),研究提取太湖蓝藻信息.结果表明:植被指数可以有效提取遥感影像中的蓝藻水华信息,其中Indv是应用效果较好的植被指数之一;在掩膜处理后,用Indv提取了太湖蓝藻的面积分布信息,效果较好;此外,选取Indv为测试变量,利用决策树分类法,有效地把蓝藻水华高浓度覆盖区、中浓度覆盖区和轻浓度覆盖区分开来,为准确掌握太湖蓝藻发生、发展趋势和发生程度提供可靠信息.     

MODIS巢湖水体叶绿素a浓度反演模型

对大面积水体进行水质遥感监测是比较典型的水体环境监测手段。该文利用地物光谱仪测定了巢湖水面的光谱反射率, 收集了相应时间的MODIS数据, 经过预处理之后, 首先分析了巢湖水面光谱特征, 并对实测水体反射率与实测叶绿素a之间的关系进行统计拟合计算。在经过MODIS大气校正后, 得到1~7通道的地表反射率。利用大气校正后的EOS/MODIS数据, 选择最佳通道组合, 定义了叶绿素a指数I_Chla, 建立了MODIS巢湖叶绿素a浓度的反演模型, 检验得到相关系数为0.5079。     

基于MODIS数据的水稻种植面积提取研究进展

概述了水稻种植面积监测遥感数据源的应用变化、特征指数和时相选取以及遥感分类方法的发展,分析了MODIS影像在水稻种植面积遥感提取技术方面的研究进展及发展方向。结果表明：MODIS具有高光谱、高时间分辨率、多时相等特点,在大尺度上提取水稻种植面积上,可提高作物识别和监测的精确度与工作效率,节约成本,有着其他遥感数据无法相比的优势,应用MODIS数据提取水稻种植面积,取得了较好的效果。水稻遥感的最佳时相可以选择移栽期和孕穗期,利用对水体和植被较为敏感的波段或植被指数（如NDVI、LSWI和EVI）进行水稻识别,并提取种植面积。传统的遥感图像分类方法如监督分类和非监督分类,算法成熟、操作简单,是目前应用较多的方法;近年来发展起来的分类新方法,如决策树分类法、专家系统分类法、神经网络分类法,支持向量机法等,能够更准确地提取目标地物,对图像分类有不同程度的改进,在实际应用中通常和传统分类方法结合起来使用;多时相分析法与高时间、高分辨率多光谱影像的结合可以获取较高精度的作物种植面积数据,与传统分类方法相比有较大提高。利用MODIS对单一的或大面积的水稻种植面积提取效果较好,但对于地块破碎的种植面积估算尚难达到满意的结果,添加其他的辅佐数据如高程、坡度等,并结合MODIS数据的多时相特点分类等方法,可提高遥感影像分类的精度。     

基于MODIS遥感数据的混合像元分解技术研究和应用

使用郑州市MODIS（Moderate-Resolution Imaging Spectroradiometer）遥感数据,运用线性混合模型,对MODIS遥感数据进行混合像元分解技术研究。探讨了MODIS遥感数据的预处理、线性光谱分解模型、图像端元组分反射率的求取方法。把结果与分辨率较高的Landsat ETM＋图像分类结果进行对比,并根据得到的均方根误差（RMS;Root Mean Square）进行分析表明,利用这种像元分解方法得到的结果较为理想,MODIS数据可以有效地应用于遥感动态监测和土地覆盖分类研究。     

卫星反演积雪信息的研究进展

综合分析了积雪信息反演的主要遥感信息源和提取方法。在光学遥感方面，应用较广的主要是改进型甚高分辨率扫描辐射仪（AVHRR）资料和中分辨率成像光谱仪（MODIS）资料；提取积雪信息大多是根据积雪在可见光波段的高反射率和近红外波段的低反射率，并通过建立回归模型反演积雪面积和深度。由于传感器的改进，MODIS卫星资料在空间分辨率、积雪反演算法等方面明显优于AVHRR资料。光学仪器受云层和大气的影响很大，由于云和积雪在可见光和近红外波段上都具有高反射率。并且由于云层的遮挡。云下的地表信息不能被光学遥感仪器所接收到。微波遥感方面，被动微波遥感仪如微波辐射计成像仪（SSM／I）、高级微波扫描辐射计（AMSR—E）等可以全天候穿过云层进行监测，具有光学仪器所没有的优势，并通过提取地表的亮温差，建立雪深反演模型得到积雪深度。被动微波传感器存在分辨率低。无法监测浅雪区信息等问题。另外影响地表微波亮温的因素很多，这些都在一定程度上影响了反演结果的精确度。主动微波遥感仪如合成孔径雷达、微波散射计等利用积雪与其它地物的后向散射系数的不同来识别积雪，但也同样存在分辨率低等问题。最后探讨了卫星反演积雪信息中仍然存在的问题和进一步发展的方向。