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。     

Sentinel-2遥感图像的细小水体提取

基于卫星遥感的水体提取算法对面积较大的水体效果较好,应用于细小水体时受混合像元、异物同谱等因素影响,容易出现误判。Sentinel-2卫星多光谱遥感数据空间分辨率为10 m、20 m、60 m,双星时间分辨率5 d,时间和空间分辨率较高,因此本文采用了Sentinel-2绿光波段（560 nm）、红边波段（705 nm）、近红外波段（842 nm、865 nm）和短波红外波段（2190 nm）的遥感反射率,提出了一种植被红边水体指数算法RWI（Vegetation Red Edge based Water Index）。对比分析了植被、阴影、建筑物、混合像元、裸土、水体6种地物的归一化遥感反射率,从机理上解释了为什么RWI比其他水体指数具有更好的提取细小水体的效果。本文对比了常用的几种水体提取算法,包括改进的归一化差异水体指数MNDWI（Modified Normalized Difference Water Index）、多波段水体指数MBWI（Multi-Band Water Index）、自动水提取指数AWEI（Automated Water Extraction Index）,以人工目视解译的水体结果为准,对比以上几种算法得到的水体提取结果,得出RWI、MNDWI、MBWI、AWEI_sh、AWEI_nsh的面积提取差异分别为3.6%,4.2%,12.2%,8.8%,19.8%。从结果可以看出RWI算法精度最高。从影像提取结果来看,本文提出的RWI算法提取的水体边界效果更佳,而且能够一定程度上消除山体和建筑物阴影、云阴影以及混合像元的影响。同时,在2016-01—2018-12时间范围内筛选选取了共43景无云的Sentinel-2影像,利用本文提出的算法对雄安新区、神东矿区、永城矿区3个区域的细小水体分布开展了多时相分析。观察后发现每个时相的结果均十分良好,细小水体的边界区分度较高,基本没有错提、漏提,算法具有良好的适用性和稳定性。     

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TM/ETM+影像的不同水体指数对比研究

本文以草海国家级自然保护区为例,基于Landsat ETM+影像从区分度、水体错提率和面积精度3方面对比研究了NDⅥ植被指数和NDWI、MNDWI、RNDWI、NWI、NEW 5种归一化水体指数提取湿地水体信息的准确度.结果表明,NDⅥ提取水体效果较差,5种水体指数均能对水体进行有效提取,其中NWI法综合精度最高,其次是MNDWI、NEW,较差的是RNDWI和NDWI,从而为水体的快速提取提供了参考.     

基于LBV变换的GF-2影像水体提取方法

针对GF-2影像波段较少、不利于构建水体指数的问题,提出了基于LBV变换的水体提取方法。通过GF-2影像的LBV变换及其归一化,得到了物理意义明确的L、B、V变换分量;利用这三个分量计算特征分量BL、BV,构建完整水体提取方案,对阿克塞县的小苏干湖和石嘴山市某一段黄河进行水体提取。实验结果表明,相比于NIR、NDWI算法,本文算法能够更好地将水体与土壤、植被、建筑物等地物区分开来,在正确率、误提率、漏提率方面总体优于NIR、NDWI算法,提取过程简单,具有较好的应用价值。     

基于 SPOT-5影像的吴哥地区水体提取方法研究

对于一个较小研究区提取地物信息,需要更高的空间分辨率和适合的光谱信息。以柬埔寨吴哥窟西北部为研究对象,开展基于SPOT-5影像的水体信息提取方法研究。通过分析研究区内的地物光谱特征信息,发现各地物在绿色波段和短波红外波段虽然都有下降趋势,但是水体的变化程度最大。利用这个信息建立决策树的一种水体提取模型:Band3/Band41.73并且Band1Band4。通过与NDWI法、决策树模型提取精度进行对比,证明该模型提取精度有较大提高,可有效地消除水田对提取精度的影响。     

基于TM/ETM+影像的不同水体指数对比研究

本文以草海国家级自然保护区为例,基于Landsat ETM+影像从区分度、水体错提率和面积精度3方面对比研究了NDVI植被指数和NDWI、MNDWI、RNDWI、NWI、NEW 5种归一化水体指数提取湿地水体信息的准确度。结果表明,NDVI提取水体效果较差,5种水体指数均能对水体进行有效提取,其中NWI法综合精度最高,其次是MNDWI、NEW,较差的是RNDWI和NDWI,从而为水体的快速提取提供了参考。     

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.     

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。     

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。     

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。     

Sentinel-2影像多特征优选的黄河三角洲湿地信息提取

以北方典型河口湿地—黄河三角洲湿地为研究区,采用在特征选择和分类提取等方面具有明显优势的随机森林算法,对研究区内的湿地信息进行提取。首先基于多时相、光谱信息丰富的Sentinel-2数据生成4类不同的特征变量,包括光谱特征、植被指数和水体指数、红边指数、纹理特征;再根据以上特征构建6种不同的提取方案,对黄河三角洲湿地信息进行提取并验证不同方案的提取精度,旨在选择最佳方案改善湿地信息提取的效果。结果表明:(1)有效地使用多种特征变量是提高湿地信息提取的关键,就不同特征对湿地信息提取的贡献率而言,红边指数植被指数和水体指数光谱特征纹理特征;(2)基于随机森林算法优选的特征变量提取效果最佳,总体精度高达90.93%,Kappa系数为0.90,表明随机森林算法可以有效地进行特征选择,在特征变量数据挖掘的同时,仍能保证湿地信息提取的精度,提高运行效率。本研究为湿地信息提取在数据源选择、特征选择和方法选择方面提供了一种新思路、方法和技术手段。     

基于ASTER数据的归一化差异水体指数的建立及其应用

在分析归一化差异水体指数的基础上,根据ASTER数据不同地物的光谱特征,提出了基于ASTER数据的归一化差异化水体指数NDWIASTER1、4。并且利用这一指数进行水体信息的提取,发现这是一种简单易行结果客观有效的提取水体的方法。     

环境一号卫星高光谱数据水体信息提取方法

环境一号卫星A星上的超光谱成像光谱仪(HSI)是中国第一个高光谱成像光谱仪.为充分利用HSI数据的高光谱特性,本文以2009年10月5日的影像为研究区,得到HSI数据影像反射率,分析水体等地类光谱特征差异及选择各地类敏感波段;利用传统指数NDVI和NDWI,构建新的基于指数的水体指数IWI,试验得出,IWI指数增加了各...     

联合GEE与多源遥感数据的黑龙江流域沼泽湿地信息提取

湿地是地球上最重要的生态系统之一,在维持全球生态环境安全等方面发挥着举足轻重的作用.由于湿地独特的水文特征,传统的湿地监测需要耗费大量的人力和财力,对于大尺度的湿地信息提取更是困难重重.随着大数据和云计算的兴起,为大尺度和长时间序列的空间数据处理提供了契机.本文基于Google Earth Engine(GEE)云平台...     

空-谱角匹配与多指数法相结合的OLI遥感影像水体提取

针对复杂环境条件下水体遥感提取结果不连续且易与植被、建筑物、阴影相混淆的难题，基于Landsat 8 OLI影像，以石家庄市平山县岗南水库和宿迁市骆马湖附近河流为研究区，提出了一种空-谱角匹配与多指数法相结合的水体信息提取方法；并与单波段阈值法、归一化差分水体指数法（NDWI）、光谱角匹配法（SAM）、自动水体提取指数法（AWEI）和一类支持向量机法（OC-SVM）的水体提取结果进行对比分析和精度评定。试验结果表明，本文提出的方法兼顾了多特征之间的互补性优势，引入的空间信息有效地抑制了噪声的干扰，且以像素为基元的提取策略较好地保持了水体的边缘信息，避免了出现平滑掉细节信息的情况；与传统方法相比，本文方法受植被、建筑和阴影的干扰最小，对细小水体也具备较好的识别能力。     

A novel water index for urban high-resolution eight-band WorldView-2 imagery

Land surface water mapping is one of the most important remote-sensing applications. However, water areas are spectrally similar and overlapped with shadow, making accurate water extraction from remote-sensing images still a challenging problem. This paper develops a novel water index named as NDWI-MSI, combining a new normalized difference water index (NDWI) and a recently developed morphological shadow index (MSI), to delineate water bodies from eight-band WorldView-2 imagery. The newly available bands (e.g. coastal, yellow, red-edge, and near-infrared 2) of WorldView-2 imagery provide more potential for constructing new NDWIs derived from various band combinations. Through our testing, a new NDWI is defined in this study. In addition, MSI, a recently developed automatic shadow extraction index from high-resolution imagery can be used to indicate shadow areas. The NDWI-MSI is created by combining NDWI and MSI, which is able to highlight water bodies and simultaneously suppress shadow areas. In experiments, it is shown that the new water index can achieve better performance than traditional NDWI, and even supervised classifiers, for example, maximum likelihood classifier, and support vector machine.     

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。