基于ETM~+和ASTER近红外波段的水体信息提取对比

利用Landsat ETM+和ASTER近红外波段数据进行了水体信息提取,然后利用知识规则对2种提取结果进行进一步分类,并分析了波谱分辨率的差异对水体信息提取结果的影响。实验表明,基于Landsat ETM+数据的水体提取总体精度为82.4%,基于ASTER数据的水体信息提取结果总体精度为92.4%;在空间分辨率相同情况下,波谱分辨率的提高可以有效地提高水体信息提取的精度。     

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。     

一种经验型归一化差异水体指数模型

针对NDWI和MNDWI两种水体指数在水体信息提取过程中易夹杂无用背景信息的问题,该文提出一种经验型归一化差异水体指数ENDWI。利用TM影像的绿光波段、近红外波段和中红外波段构建归一化波段组合,较好的减少了建筑物和道路错提的现象,进一步消除了背景噪音,实现了对水体信息的快速提取。以南昌市六区县的TM影像作为数据源,进行实例论证,实验结果显示ENDWI方法对城区、湖泊区、河流区等局部特定水域的提取更具优势,总体分类精度分别达到了97.45%、98.07%和97.23%,提取过程简单有效,具有一定的实用价值。     

不同指数模型提取ALOS AVNIR-2影像中水体的敏感性和精度分析

以广东惠州附近水域为研究区,利用ALOS AVNIR-2多光谱数据分析水体和其他主要地物在影像上的光谱特征。构建几种常用的波谱指数,分析阈值对各种指数模型提取水体的敏感性及所能达到的最大精度。发现利用这些指数均可以较好地提取图像中的水体信息,提取效果从好到差依次是:归一化差值水体指数法(NDWI)、近红外波段分割法(NIR)、归一化差值植被指数法(NDVI)和比值植被指数法(RVI)。其中NDWI指数模型,在选择合适阈值的情况下,水体提取的总体精度最高可达98%左右,并且提取过程对阈值影响不敏感。     

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。     

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.      

利用Landsat 8 OLI进行汉江下游水体浊度反演

综合比较Landsat 8 OLI遥感影像与地面同步水质监测结果,发现Landsat 8的近红外波段与其他波段的组合和水体浊度具有较高的相关性,以此为基础运用OLI的第1、3、5波段组合建立了汉江中下游浊度的遥感反演数学模型。根据该模型生成了2013年4~11月共3幅汉江中下游浊度分布图,并进行了空间分析。精度验证表明,模型相对误差在15%左右,R2=0.71,表明运用Landsat 8 OLI可有效地监测该区域水体浊度分布情况。     

基于决策树方法的Landsat8 OLI影像红树林信息自动提取

基于广西山口国家红树林生态自然保护区的Landsat 8 OLI影像数据,选用广泛应用于植被液态水含量反演的归一化差值湿度指数(normalized difference moisture index,NDMI)和修正的归一化差值池塘指数(modified normalized difference pond index,MNDPI)作为分类特征,运用决策树方法进行红树林信息的自动提取。研究结果表明:红树林独特的滨海湿地生境特点,使其光谱同时包含植被和湿地信息;MNDPI和NDMI可分别反映可见光-近红外波段反射率同短波红外波段反射光谱的反差,可成功应用于湿地植被信息的提取,能有效地将红树林同其他地物相区分;采用Landsat8 OLI遥感数据,并结合NDMI和MNDPI分类特征构建的决策树模型可有效地提取红树林信息,其错分率和漏分率都较低,分别为5.34%和1.69%。     

多光谱光学遥感影像水体提取模型

地表水监测是遥感的重要基础应用.光学遥感水体提取的原理是基于不同的地物具有不同的光谱反射特性,某些地物(冰雪、阴影、云)因为与水体具有相似的反射特性导致提取分类失败.本文针对传统水体指数在水体提取时出现错分、漏分的问题,提出一种归一化多波段水体指数NDMBWI.分别用3个试验对本文指数的稳定性进行测试.试验1的区域为西藏林芝地区,数据源为同一时相的Landsat 8、Sentinel 2卫星影像,试验结果验证了本文指数抑制冰雪的能力,本文指数的Kappa系数为0.86、总体精度为0.93、错分误差为0.03、漏分误差为0.12、制图精度为0.97、生产者精度为0.88,均优于已有的指数.试验2的数据源为高分一号,以香港迪士尼为试验区域,在存在少量云的环境下进行水体提取,证明了本文指数能抑制云及其云下阴影.试验3提取了多个地区的水体,验证了本文水体指数的稳定性.本文使用多源光学遥感影像验证了NDMBWI的可行性,不需额外借助辅助数据,即可排除雪、云、阴影的影响,能够更加有效地自动化提取水体,可推广到海岸带资源研究、冰川变化、内陆湖泊变化等领域.     

高潜水位煤矿区沉陷水体信息提取

针对高潜水位煤矿区煤炭开采后极易形成大面积的沉陷积水区,且沉陷水体信息易与矿区其他地物混淆的问题,该文提出了针对高潜水位矿区水体信息提取的增强型改进归一化水体指数(E-MNDWI).对研究区典型地物光谱进行分析,将E-MNDWI应用于Landsat系列数据,并对比验证该指数与改进归一化水体指数(MNDWI)的精度水平.研究结果表明:矿区投入运行后,利用E-MNDWI提取沉陷水体的精度普遍较MNDWI高,总体精度在90％以上,Kappa系数大于80％.选取高分1号数据作为验证数据源,发现E-MNDWI的计算面积精度高达93.07％.与其他水体指数对比,E-MNDWI的综合精度最高.E-MNDWI对于山区和平原水体提取具有较好的效果,能够消除山体阴影和其他物体倒影的影响.     

Integrated remote sensing and GIS study for hydrogeomorphological mapping and delineation of groundwater potential zones in Khallikote block,Ganjam district,Orissa

The present study attempts to delineate different groundwater potential units using remote sensing and geographic information system (GIS) in Khallikote block of Ganjam disrict, Orissa. Thematic maps of geology, geomorphology, land use and land cover, drainage density, lineament density, slope and DEM (digital elevation model) were prepared using the Landsat Thematic Mapper data in 3 spectral bands, band 7 (mid-infrared light), band 4 (near-infrared light), Band 2 (visible green light). Relationship of each layer to the groundwater regime has been evaluated through detailed analysis of the individual hydrological parameters. The SMCE (Spatial Multi-Criteria Evaluation) module in ILWIS (Integrated Land and Water Information System) supports the decision-making process for evaluating the ground water potential zones in the area. The study shows that more than 70% of the block is covered by medium to excellent category having good ground water potential.     

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。     

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。     

基于深度卷积神经网络的云检测方法

本文将Fmask云检测结果作为标记样本对深度卷积神经网络进行训练以实现云检测。在仅利用可见光波段和近红外波段的前提下,本文方法的云检测总体精度达到87.65%,高于Fmask的86.92%,而且单景Landsat 8影像的识别用时18 s,远低于Fmask的72 s,具有更高的精度和效率。另外,该方法适用于不同的地表土地覆盖类型,具有很强的泛化能力,是一个通用性强的算法,为进一步的遥感应用打下基础。     

Landsat 8热红外数据定标参数的变化及其对地表温度反演的影响

Landsat系列卫星上的TIRS热红外传感器数据已被大量应用,针对TIRS数据的地表温度反演也相继开发出一些算法,并有一些研究对TIRS数据的定标及其地表温度反演算法的精度进行了对比。本文主要就TIRS热红外传感器定标参数的变化,结合这些定标参数变化的时间点对有关地表温度反演算法的适用性和有效性进行分析,特别是对劈窗算法是否适合当前的TIRS数据进行了讨论,以使用户能够对Landsat 8 TIRS热红外数据的正确使用有进一步的认识。总的看来,由于视域外杂散光的影响,TIRS数据的定标精度仍达不到设计目标,TIRS第11波段的不确定性仍成倍大于TIRS 10波段。因此,在Landsat团队未彻底解决这一问题之前,同时用TIRS第10、第11这两个差距较大的波段构成的劈窗算法来反演地表温度,其精度存在较大的不确定性,US6-S团队仍在致力于改进第11波段的精度,改进后的波段可以用劈窗策法。目前应以TIRS第10单波段的方式来反演地表温度为宜。     

Developing detailed age-specific thematic maps for coffee (Coffea arabica L.) in heterogeneous agricultural landscapes using random forests applied on Landsat 8 multispectral sensor

Coffee is a commodity of international trade significance, and its value chain can benefit from age-specific thematic maps. This study aimed to assess the potential of Landsat 8 OLI to develop these maps. Using field-collected samples with the random forest classifier, splitting coffee into three age classes (Scheme A) was compared with running the classification with one compound coffee class (Scheme B). Higher overall classification accuracy was obtained in Scheme B (90.3% for OLI and 86.8% for ETM+) than in Scheme A (86.2% for OLI and 81.0% for ETM+). The NIR band of OLI was the most important band in intra-class discrimination of coffee. Landsat 8 OLI mapped area closely matched farm records (R^2?=?0.88) compared to that of Landsat 7 ETM+ (R^2?=?0.78). It was concluded that Landsat 8 OLI data can be used to produce age-specific thematic maps in coffee production areas although disaggregating coffee classes reduces overall accuracy.     

Land cover classification using Landsat 8 Operational Land Imager data in Beijing,China

The successful launch of Landsat 8 provides a new data source for monitoring land cover, which has the potential to significantly improve the characterization of the earth’s surface. To assess data performance, Landsat 8 Operational Land Imager (OLI) data were first compared with Landsat 7 ETM + data using texture features as the indicators. Furthermore, the OLI data were investigated for land cover classification using the maximum likelihood and support vector machine classifiers in Beijing. The results indicated that (1) the OLI data quality was slightly better than the ETM + data quality in the visible bands, especially the near-infrared band of OLI the data, which had a clear improvement; clear improvement was not founded in the shortwave-infrared bands. Moreover, (2) OLI data had a satisfactory performance in terms of land cover classification. In summary, OLI data were a reliable data source for monitoring land cover and provided the continuity in the Landsat earth observation.     

Optical and radar data comparison and integration: Kenya example

The purpose of this study was to evaluate the relative classification accuracies of four land covers/uses in Kenya using spaceborne quad polarization radar from the Japanese ALOS PALSAR system and optical Landsat Thematic Mapper data. Supervised signature extraction and classification (maximum likelihood) was used to classify the different land covers/uses followed by an accuracy assessment. The original four band radar had an overall accuracy of 77%. Variance texture was the most useful of four measures examined and did improve overall accuracy to 80% and improved the producer’s accuracy for urban by almost 25% over the original radar. Landsat provided a higher overall classification accuracy (86%) as compared to radar. The merger of Landsat with the radar texture did not increase overall accuracy but did improve the producer’s accuracy for urban indicated some advantages for sensor integration.     

ZY-3 MUX传感器数据的缨帽变换系数推导

缨帽变换是一种实用性都很强的遥感影像增强方法,已被成功地应用于各种遥感领域。然而,对于缺少中红外波段的4波段高分卫星传感器,采用常规的Gram-Schmidt正交化方法难以推导出缨帽变换的湿度分量,即便少量推导出湿度分量的算法也存在着结果失真的问题。因此,开展针对4波段传感器缨帽变换系数的推导,提出了先确定湿度分量、再确定亮度和绿度分量的逆推算法,并将其应用在ZY-3 MUX传感器数据上。实验结果表明:(1)逆推方法可以有效地推导出ZY-3 MUX缨帽变换的湿度分量,较好地解决了前人研究中出现的湿度分量失真问题;(2)新方法求出的3个分量的散点在其三维特征空间中呈现典型的"缨帽"特征,较于传统的GramSchmidt正交化方法,新方法的散点在水体、植被和建筑用地/裸土之间的空间分布位置可以更好地相互分离,不会造成不同地类之间的混淆;(3)采用新方法所得到的缨帽变换系数的精度好于传统的Gram-Schmidt正交化方法,体现在新方法具有较高的R值和较低的RMSE误差。本研究可为ZY-3 MUX数据提供一套有效的缨帽变换系数,同时也为缺乏中红外波段的高空间分辨率遥感影像提供一种新的缨帽变换系数推导方法,解决了常规GramSchmidt正交化方法无法准确表示湿度分量的问题。