一种自适应阈值的水体信息提取方法研究

遥感信息中水体信息提取会受到暗色地物和阴影的影响从而导致精度不佳,同时传统的全局阈值提取方法也会造成水体细节信息提取不够精确。基于此,论文以Landsat 8多光谱影像为数据源,提出一种改进的水体指数(NIWI)算法,该方法不仅能增强水体信息,同时借助四叉树图像分块算法与改进的OSTU结合粒子群算法(PSO)高效确定最佳阈值从而得到水体信息。并将文中方法与多波段谱间关系法、归一化水体指数法(NDWI)等传统方法进行综合比对。结果表明:改进的水体指数应用于综合改进的OSTU算法能够高效准确地进行水体信息提取,针对本文实验区域水体提取精度分别可达96.8%和97.7%,为水体信息提取、土地利用调查等提供数据参考。     

山地城市扩展及生态变化遥感分析

城市化进程使植被和水体等生态资源用地日渐缩小和破碎。遥感技术由于具有宏观、快速、准确认知对象的优势在城市生态环境变化监测中发挥着日益重要的作用。本研究采用Landsat系列遥感数据,选择EIBI建筑指数提取城市建筑用地扩展信息,并运用遥感生态指数(RSEI)对龙岩市生态质量变化进行遥感评估。结果表明:1)增强的指数型建筑指数(EIBI)可有效抑制裸土信息,增强建筑用地信息,使用EIBI提取建筑用地的精度可达90%以上;2)2002—2014年为龙岩市快速发展期,建成区面积增幅达50%;生态退化面积大大超过生态改善面积;整体生态指数均值自0.684降至0.636,降幅达7.02%,建成区生态指数均值自0.370降至0.351;3)造成龙岩市生态质量退化的主要因素包括:一是城市建筑用地扩展,二是采矿工程建设和地表开挖工程建设。     

基于中等空间分辨率遥感影像的建筑用地信息提取

本研究从中等空间分辨率遥感影像（如LandsatTM影像）的地物光谱响应曲线入手,介绍分析了国内外几种常用的建筑用地提取指数构建原理．然后选取LandsatTM影像进行建筑用地提取实验,并用QuickBird和Google Earth的同期影像辅以验证．实验得出,比值居民地指数RRI,由于其作者构建时并没有对影像进行辐射校正,从而影响了提取精度和模型适用性;归一化建筑指数NDBI和差值建筑覆盖指数DBI,提取精度相对较高,但是会混有裸土、污染水体等信息;指数型建筑用地指数IBI和增强的指数型建筑用地指数EIBI,提取精度最高,达到92％．虽然EIBI期望改进IBI未能很好抑制裸土信息的问题,但实际上所构建指数并没有较好的去除裸土信息,可能是其权重选择没有普适性,所以建议建筑信息提取优先使用IBI．     

用改进的谱间关系模型提取极高山地区水体信息

东喜马拉雅南迦巴瓦峰地区地形起伏大,单一的水体谱间关系模型容易错将阴影提取为水体,并且易与冲积物、冰雪和冰水沉积物混淆。笔者以ETM 影像为信息源,采集并分析研究区地物光谱特征,以常用的水体谱间关系模型为基础,利用水体与阴影、冲积物、冰雪和冰水沉积物在可见光波段光谱值的差异及变化规律,对谱间关系法进行改进,并与阈值法结合,构建多条件谱间关系模型,用于南迦巴瓦峰地区水体信息提取。     

ASTER影像提取植被信息的NDVI与SAVI法比较——以广州花都区为例

基于ASTER遥感影像,使用IDL语言编写归一化差异植被指数(NDVI)和土壤调整植被指数(SAVI)的计算公式,对遥感影像进行处理,分别对两种方法处理后的遥感影像采用K-Means分类,经过分类后处理,提取植被信息.NDVI整体上较好地反映了不同土地覆被信息;而SAVI对于各种地类的值域较宽,反映绿色植被内部差异信息较明显,可为不同植被类型的信息提取提供方法参考.     

基于FY3A/MERSI影像的几种常用水体提取方法的比较分析

随着遥感技术的飞速发展,利用遥感数据来进行水资源的监测、调查和分析已经成为一种必然的趋势。通过选取新疆博湖县境内中国最大的内陆淡水湖-博斯腾湖为研究区,FY3A/MERSI影像为数据源,利用监督分类法从Landsat-ETM+影像提取水体,提取结果作为FY3A/MERSI影像水体提取精度验证的底图。采用单波段阈值法、基于阈值的多波段谱间关系法和基于阈值的水体指数法从FY3A/MERSI影像提取研究区水体,基于混淆矩阵法,提取结果分别与Landsat-ETM+影像底图作对比分析,最终得出结论,基于阈值的水体指数法中的归一化差异水体指数法提取研究区水体的总体精度最高,为96.37%,Khat为0.915。     

基于环境小卫星CCD影像的水体提取指数法比较

针对湖北省大东湖水网水环境遥感监测需求,开展基于环境小卫星CCD影像的内陆湖库水体提取指数方法研究。以常见的3种水体识别指数为模型,参照使用TM、MODIS等典型传感器进行水体提取的波段选择方式,通过对环境小卫星CCD影像4个波段地物光谱信息的变化趋势分析,发现各波段对水体目标的区分能力;使用指数模型和相应阈值分别计算获得水体特征图像,并以目视判读结合精度评价指标的方式对提取结果进行对比分析。实验结果表明,归一化差异综合水体指数的目视判别效果最好,且具有水陆区分度高和误识别率低的特点,适用于解决水体目标快速提取问题。     

基于MODIS影像的土地覆被分类研究——以京津冀地区为例

在全球变化研究中,如何快速、准确获取土地覆被信息对该项研究有着至关重要的作用.随着遥感科学的不断发展和应用领域的深入,研究者可以利用遥感影像进行土地覆被分类研究,并且具有准确、快速、自动化等优点.本文利用MODIS数据具有的多光谱、多时相特点,以京津冀地区为例,选取2013 年全年16-day 的MOD13Q1/EVI时间序列数据、2013 年5 月份一期的MOD09Q1(1、2 波段)和MOD09A1(3-7 波段)产品,并运用时间序列谐波分析法对全年MOD13Q1/EVI 时间序列数据进行去云、去噪的平滑重建处理,使其数据更能反映物候周期性变化规律.选择谐波分析后的全年MOD13Q1/EVI 时间序列数据、MODIS数据的1-7 波段地表反射率和NDWI(归一化差异水体指数)、MNDWI(改进归一化差异水体指数)和NDSI(土壤亮度指数),构建了3 种特征变量组合方案的CART决策树,分别进行京津冀地区的土地覆被分类研究.结果表明:方案一(全年EVI 的23 个时相)、方案二(方案一+MOD09 的1-7 波段地表反射率)和方案三(方案二+MNDWI+NDSI+NDWI)的总体分类精度分别达到86.70%、89.98%、91.34%,Kappa系数分别为84.94%、88.66%、90.20%.研究表明,仅利用MODIS遥感影像自身多种分类特征和决策树方法对宏观土地覆被分类就可达到较高精度,显示了本文分类方法在实践中的可行性及MODIS数据在区域尺度土地覆被分类研究方面的优势与潜力.     

Landsat-7 ETM+与ASTER建筑指数的定量比较

城市化进程导致的城市建筑用地急剧扩张已对全球的环境资源产生了负面影响,因此亟需对其进行监测。在中尺度卫星对地观测系统中,Landsat 和ASTER数据最适合于监测城市建筑用地变化。但是迄今为止,这两种传感器数据的建筑指数之间的关系并不清楚。因此,利用三对同日过空的ETM+和ASTER影像来查明二者建筑指数(IBI、NDBI)之间的定量关系,通过回归统计分析来求出两种传感器建筑指数之间的转换方程。结果表明,ETM+和ASTER的建筑指数既有相似性,也存在着明显的差异,ASTER反演的建筑指数均值可大于ETM+达48.6%,因此二者在实际应用中不宜直接进行对比,而应通过转换方程进行转换后才能对比。分析表明,两种传感器建筑指数之间的差异是二者在NIR和SWIR波段之间的光谱差异造成的。     

基于Landsat ETM+影像的增强型裸地指数研究

针对当前大多数裸地提取指数未考虑高反射率建筑与裸地在ETM+遥感影像上的光谱相似性的问题,该文通过分析高反射率建筑与裸地的波谱特性,构建了裸地区域指数(BAI)和简化裸地区域指数(SBAI),并使用土壤调节植被指数(SAVI)和改进的归一化差值水体指数(MNDWI)消除了植被和水体的影响。在此基础上,引用建筑指数(IBI),通过指数函数图像拉伸的方法,增大裸地在BAI/SBAI与IBI上的差异,提出了增强型裸地区域指数(EBAI)和增强型简化裸地区域指数(ESBAI),将裸地正值化、背景地物负值化,克服了大多数裸地指数阈值难以确定且易受噪声影响、精度差的缺点。实验结果表明,同参与对比的指数中具有最高精度的NDBaI相比,ESBAI生产者精度和使用者精度分别提升了10.26%、9.18%,EBAI分别提升了8.08%、7.78%。     

西安城市扩张及其驱动力分析

随着人口的增长与经济的发展,尤其我国西部城市在西部大开发的背景下,大中城市的扩张十分明显,深刻地影响城市周边的生态环境。如何快速准确地获取城市扩张信息,并分析其驱动力机制,对于指导城市规划,优化西部生态环境与可持续发展都具有十分重要的意义。作者分别采用了监督分类法和归一化裸露指数 (NDBI) 法提取了西安市的城市边界信息,并对二者进行对比分析,认为监督分类法提取的城市边界信息较为准确。在此基础上通过对相关统计资料的分析,认为西安市城区快速扩张与西部大开发以来西安市固定资产投资额的大幅增加以及经济的快速发展有密切的关系,此外人口的增加、交通等基础设施的发展也是重要的驱动因素。     

归一化水汽指数与地表温度的关系

城市热岛的遥感研究,传统上主要利用归一化植被指数作为指标来评估地表温度-植被之间的关系。本研究探讨了以归一化水汽指数作为评估其与地表温度关系的适应性,比较了归一化水汽指数和归一化植被指数在表达城市热岛效应方面的效力。利用"单窗算法"和3个不同时段的TM/ETM+数据获取了珠江三角洲核心区域的地表温度分布图,分析了两种指数与地表温度之间的关系。对局部区域逐像元和对区域总体分析的结果表明:不同时段的地表温度与归一化水汽指数之间均存在较强的线性关系,而地表温度与归一化植被指数之间的线性关系相对较弱。说明在城市化的环境下,与传统上常用归一化植被指数作为指标来定量分析地表温度相比,归一化水汽指数提供了一种互补的、甚至更加有效的衡量指标。     

干旱地区植被指数(VI)的适宜性研究

以位于典型干旱区的甘肃河西地区石羊河下游的民勤绿洲为例,对NDVI、SAVI、MSAVI和GEMI等4种VI(植被指数)受土壤背景光谱影响的程度和探测低盖度植被的能力进行了对比研究。通过分析VI提取植被信息时植被土壤噪音比的变化发现,植被覆盖较低条件下VI提取植被信息总体受土壤背景光谱影响程度较低,相比而言,GEMI提取植被信息中受土壤背景影响最小,其他3种VI的区别不太明显。通过分析不同VI随植被覆盖度增加的反映速率变化及不同覆盖条件下不同VI的取值范围的变化发现,NDVI探测低盖度植被的能力最强,GEMI次之。GEMI可能是干旱地区植被探测较适宜的植被指数。     

利用遥感信息决策树方法分层提取荒漠化土地类型的研究探讨

选择甘肃省民勤县绿洲作为典型荒漠化区域,根据荒漠化土地分类体系确定决策树的结构及各类地物在树形中的位置。基于各类地物的光谱反射特性和图象数据反映的综合特征,采取相应的识别和提取方法,以最大限度地利用遥感数据源。对于非荒漠化土地分类,利用土壤调节植被指数、阈值数字信号统计可以分离成一类树枝;而重点讨论的3种荒漠化土地类型的分层分类,则相继采用光谱特征提取、几何特征提取、纹理特征提取、监督分类以及植被指数等复合识别指标进行分枝。结果表明:利用决策树分层提取法可以有效地排除和避免提取地物时所有多余信息的干扰及影响,目标明确。同时,为提高分类的精度,开展野外遥感调查和特征分析是极其重要的。     

地理单元划分对城市热环境响应规律的影响——以北京为例

尺度效应及空间异质性决定了同一种影响因子在不同地理单元中对生态过程的作用程度存在差异。论文选择城市热环境效应这一典型城市生态过程为研究对象,针对地理单元划分对热环境效应响应规律研究较少的现状,选择土地利用分类、网格、街区、局地气候区4种地理单元,选取常用景观组分指标——归一化差值植被指数(normalized difference vegetation index, NDVI)、不透水面比例(impervious surface area, ISA)和改进的归一化差值水体指数(modified normalized difference water index, MNDWI)为热环境影响因子,探究不同地理单元中城市热环境对景观组分响应规律的差异。以POI数据重新定义的北京市城区为研究区,结果表明：① 单因子与地表温度Pearson相关性分析得出街区和网格作为划分单元,各影响因子与地表温度相关性较高;② 利用多因子回归方法更适合于地表温度空间分异的解释,植被和不透水面比例因子的组合在4 km网格单元,植被、水体组合及植被、水体、不透水面比例的因子组合在局地气候区单元对地表温度空间分异的解释力度最强。论文为北方大城市热岛影响因素选择提供依据,充实了不同尺度热环境效应响应规律的案例研究,并为城市生态环境效应选择适当研究单元提供依据。     

Albedo-NDVI特征空间及沙漠化遥感监测指数研究

利用遥感数据和野外调查数据分析了沙漠化与地表定量参数之间的关系,提出了Albedo-NDVI特征空间的概念以及基于Albedo-NDVI特征空间的沙漠化遥感监测模型,即沙漠化遥感监测差值指数模型(DDI)。这个模型充分利用了多维遥感信息,指标反映了沙漠化土地地表覆盖、水热组合及其变化,具有明确的生物物理意义。而且指标简单、易于获取,有利于沙漠化的定量分析与监测。     

Land use/land cover (LULC) classification with MODIS time series data and validation in the Amur River Basin

There is a need for improved and up-to-date land use/land cover (LULC) data sets over an intensively changing area in the Amur River Basin (ARB) in support of science and policy applications focused on understanding of the role and response of the LULC to environmental change issues. The main goal of this study was to map LULC in the ARB using MODIS 250-m Normalized Difference Vegetation Index (NDVI), Land Surface Vegetation Index (LSWI), and reflectance time series data for 2001 and 2007. Another goal was to test the consistency of the classification results using relatively coarse resolution MODIS imagery data in order to develop a methodology for rapid production of an up-to-date LULC data set. The results on MODIS land cover were evaluated using existing land use/cover data as derived from Landsat TM data. It was found that the MODIS 250-m NDVI data sets featured sufficient spatial, spectral and temporal resolution to detect unique multi-temporal signatures for the region’s major land cover types. It turned out that MODIS 250 NDVI time series data have high potential for large-basin land use/land cover monitoring and information updating for purposes of environmental basin research and management.     

近30a来福州盆地中心的城市扩展进程

位于福州盆地中心的福州市在城市化进程的推动下,城市空间快速扩展。利用多时相遥感影像和IBI建筑用地指数获得的建筑用地信息表明,福州市建成区在1976~2006年的30a间面积增加了105km²,增幅达到3.2倍。由于金山、快安等新城区的形成和马尾区的扩展,整个福州城区从西到东几乎连成一片,城市扩展经历了先慢后快,先北、后东、西的扩展历程。研究发现,福州城市的空间扩展并不属于工业主导型,而是第三产业推动型。城市空间的快速扩展已给福州带来了一定的环境资源问题,其中最突出的就是城市热岛效应与城市建筑用地总量控制问题。     

Identification of land cover/land use changes in the greater area of the Preveza peninsula in Greece using Landsat satellite data

This study investigates the Land Use & Land Cover (LULC) changes in a coastal area of the southwest part of Epirus region, called Preveza, situated in North-western Greece. Remote sensing imagery coming from the Enhanced Thematic Mapper (ETM+) sensor on board at the Landsat 7 satellite platform is used for this purpose. More specifically, we identified LULC changes in this environmentally sensitive coastal area, using Landsat image scenes for the dates of June 19th, 2000 and July 22nd, 2009. During this period, there was an increasing tourist activity and a high growth in the construction sector of the study area. The land-use changes were identified, examining several vegetation indices and band combinations, along with the implementation of different well-known classification techniques. The Normalized Difference Vegetation Index (NDVI) and the Brightness Index (BI) have proved to be the most suitable indices to successfully identify discrete land surface classes for this study area. Regarding the classifiers, a series of traditional and modern algorithms were tested. The Artificial Neural Networks (ANNs) and the Support Vector Machines (SVMs) gave improved results in comparison to other more traditional classification techniques. The best overall accuracy for the study area was achieved with the SVM classifier and reached 96.25% and 97.15% on the dates of June 19th, 2000 and July 22nd, 2009 respectively. The classification results depicted notable urbanization, small deforestation and important LULC changes in the agriculture sector, indicating a rapid coastal environment change in the region of interest.