利用影像纹理和阴影信息提取城市不透水面的方法——以咸阳市为例

利用2012年的咸阳市资源三号卫星影像,同时利用光谱信息和纹理信息对咸阳市的地表进行监督分类,使用阈值和开闭运算提取阴影,并通过TM影像提取NDBI等指数辅助归类,优化分类结果,提高提取不透水层信息的准确率,旨在为城市合理布局,减少城市内涝等提供基本信息。研究结果表明,利用多源遥感卫星影像,同时考虑光谱和纹理信息的分类方法进行不透水面的提取精度提高了17.2%,对阴影检测和归类处理提取精度进一步提高了2.7%,方法简便可行,结果稳定可靠;咸阳市研究区地表不透水率为30.73%,不透水率相对较低,城市生态环境较好;不透水面主要分布在渭河以北老城区。     

基于高分辨率遥感影像的城市不透水层提取研究进展浅析

不透水层是城市生态环境评价的主要元素和城市化的一个重要指标。随着高分辨率影像的大量获取和广泛使用,采用高分辨率遥感影像提取不透水层引起了广泛的关注。本文介绍了不透水层提取的研究情况,分析了高分辨率遥感影像提取不透水层的优势、存在的问题及研究进展,重点阐述了提取中的几个主要难点,包括不透水层光谱差异性大、光谱混淆、阴影及遮挡问题突出等,并分别针对这些难点对当前的研究进展进行了总结,最后对基于高分辨率影像的不透水层提取研究趋势进行了相应分析。     

基于Grabcut融合多源数据提取不透水面

快速城镇化是造成城市内涝加剧的重要原因之一。城市不透水面面积的显著增长是快速城镇化的直接表现。为了实时提供准确的城市不透水面区域情况,开展多源数据融合不透水面的提取研究,结合多光谱影像和高空间分辨率卫星影像丰富的光谱和空间信息、机载激光点云数据的高程和强度信息等优势,将基于图论的最优分割方法引入不透水面提取中,将不透水面的提取转换为不同数据源下的最优标记问题,通过多源特征融合获得更精确的提取结果。以广州市为例的研究结果表明,与传统遥感方法及单一数据提取法相比,这一方法的精度得到了明显提高,并且大大减少了提取过程中的人工干预,使算法具有更高的适应性和稳定性。     

国产“环境一号”(HJ-1)卫星遥感影像桥梁提取研究

基于桥梁与水体的空间关系,结合卫星遥感影像数据包含的多光谱和形态学特征信息,提出一种有效提取国产“环境一号”(HJ-1)卫星遥感影像桥梁目标的方法.利用国产“环境一号”(HJ-1)卫星遥感影像数据进行桥梁目标提取试验.结果表明,该方法能快速、准确、有效地提取“环境一号”卫星影像中的桥梁目标,具有一定的应用价值.     

一种提取城市多种不透水层的垂直不透水层指数

针对中低分辨率影像中不透水层的异质性及其与裸土光谱的易混性两类问题,选用蓝、近红外波段进行线性组合,构建了一种新的不透水层提取指数——垂直不透水层指数(PII)。该指数考虑了不透水层和其他地物在光谱空间的差异与不透水层的内部异质性,并以"不透水层线"与"土壤线"夹角的角平分线作为PII的参照线,实现了自适应的不透水层提取。本文将PII指数应用于武汉和北京不同场景中,并对比归一化建筑物指数(NDBI)、比值居民地指数(RRI)以及生物物理组份指数(BCI)的提取结果。试验表明:1在裸土较少、地形平坦的武汉市区域和裸土较多、地形起伏的北京市区域,PII指数均能有效减弱裸土的混淆影响,不透水层提取精度分别达到96.05%和96.76%,优于其他3种指数;2PII指数不仅增强了不透水层与其他地物的可区分性,还保持了不透水层类内的相似性,在城市不同场景中的不透水层提取精度均能达到90%以上。由于PII指数是一种线性组合形式的指数,能够根据研究区的地物光谱自适应调整指数的方程系数,从而能适用于不同研究区,在裸地较多的地区优势尤为明显。     

基于HJ-1数据和V-I-S模型的城市不透水层变化分析

选择2008年和2010年徐州市城区的HJ- 1A/1B多光谱遥感图像,利用线性光谱混合模型(LSMM)、多层感知器(MLP)神经网络和自组织映射(SOM)神经网络3种混合像元分解方法,基于V-I-S(植被-不透水层-土壤)模型提取城市不透水层.对3种方法的精度分析对比表明,MLP方法优于其他两种方法,能够比较清晰地反...     

北京城市不透水层覆盖度遥感估算

 应用线性光谱混合模型研究城市环境生物物理组成，端元的确定是其关键。城市地表同物异谱现象显著，光谱变异强烈，对于高反照率地物尤其突出。端元的光谱变异对线性光谱混合模型拟合结果产生重要影响。以同种纯净地物光谱曲线形状具有相似性为出发点，提出了一种端元优化选取方法，在此基础上计算了北京城市地表不透水层覆盖度。研究结果表明，该方法能够在一定程度上减小端元光谱变异性对线性光谱混合模型拟合结果的影响，进而提高城市不透水层覆盖度的估算精度。     

基于HJ-1卫星的桥梁信息提取方法研究

结合国产环境一号卫星遥感影像数据包含的多光谱和形态学特征信息,提出了一种有效提取该卫星遥感影像桥梁信息的方法。主要包括以下步骤：①图像预处理;②主成分分析;③图像区域分割;④数学形态学处理。利用该卫星数据进行的桥梁信息提取试验表明,该方法能快速、有效地提取影像中的桥梁信息,在交通行业中具有一定的应用价值。     

Landsat8不透水面遥感信息提取方法对比

不透水面是重要的地表覆盖类型,利用卫星遥感影像准确提取不透水面信息对于掌握地表覆盖变化具有重要意义。现有研究已提出了多种不透水面遥感信息提取指数,但目前尚缺乏对这些不透水面指数的系统对比分析。利用Landsat8卫星遥感影像,测试了目前8种主要不透水面指数的提取精度。结果表明,在现有不透水面指数中,垂直不透水层指数能够有效增强不透水面信息,不透水面提取精度最高(89. 6%),其次是比值居民地指数和生物物理组分指数(87. 5%和87. 4%),城市指数与新建筑指数提取精度再次之(82. 9%和80. 0%),归一化差值不透水面指数、归一化建筑指数和基于指数的建筑指数未能有效增强不透水面信息,提取精度较低(75. 0%)。此外,这8种不透水面指数都未能有效解决不透水面与大片裸地光谱混淆的问题,在裸地广泛分布的区域难以准确提取不透水面,平均提取精度仅为71. 0%,影响了不透水面指数的大区域应用。     

融合时间序列环境卫星数据与物候特征的水稻种植区提取

获取高精度的区域水稻种植面积对于农业规划、配置与决策具有重要意义。区域尺度的水稻面积获取依赖于高时空分辨率影像,但受卫星回访周期和气候影响,难以获取足够时间序列的高时空分辨率影像,从而影响水稻种植面积遥感提取的精度。为此,提出适应于中国南方多雨云天气地区,基于国产环境卫星(HJ-1A/1B)与MODIS融合数据的水稻种植面积提取的新方法。以洞庭湖区为实验区,利用STARFM模型融合环境卫星NDVI数据与MODIS13Q1数据,获取时间序列的环境卫星NDVI数据,利用水稻关键期的NDVI数据结合物候特征参数对水稻种植区域进行提取。结果表明,该方法能有效提取区域水稻种植的面积,水稻种植面积提取的总体精度与Kappa系数分别达到91.71%与0.9024,分类结果明显优于仅采用多光谱影像或NDVI数据。该研究为中国南方多雨云天气地区水稻种植面积提取提供了有效的方法。     

融合多源时序遥感数据大尺度不透水面覆盖率估算

不透水面信息是监测城市扩张及区域生态环境变化研究的重要指标，基于遥感技术对地表不透水面信息进行快速提取具有重要意义。传统大范围不透水面覆盖率估算模型主要基于单一遥感信息与不透水面比例之间的相关性，通过单因子回归模型实现不透水面覆盖率的估算。受限于单一遥感信息的信息量及普适性等影响，这类方法在大尺度不透水面提取中具有较大局限性，估算结果的区域适应性存在较大差异。针对该问题，本文提出基于多特征遥感信息进行不透水面估算的方法，以弥补单一特征在大范围不透水面提取中的不确定性。该方法首先以多时相MOD13Q1、MOD09A1产品、夜间灯光数据（NPP-VIIRS）和Landsat 8 OLI为遥感数据源，从不同角度构建突出不透水面信息的多个指数特征；在此基础上利用多元回归模型建立多因子不透水面覆盖率估算模型，进而实现大尺度不透水面覆盖率的遥感估算。本研究选择分布于全国范围内13个典型城市作为主要研究区对提出的模型进行了验证，结果表明：该方法能够适应不同区域不透水面覆盖率的估算，在复杂城市区域表现出较传统方法更好的效果，明显改善了城市内部不透水面覆盖率的估算精度。     

组合核支持向量回归提取高光谱影像不透水面

由于城市地表组成的复杂性,基于单核函数的支持向量回归模型很难满足精度。本文结合空间-光谱组合核函数和支持向量回归,提出了一种提取高光谱影像不透水面丰度的改进算法。首先从高光谱遥感图像上提取波谱特征和多通道灰度共生矩阵空间纹理特征,选取研究区10%像元特征数据作为训练数据,以线性加权求和核为多核组合方式,建立结合光谱信息和空间信息的组合核支持向量回归模型。然后,用生成的回归模型预测未知像元不透水面丰度值。最后,对实验结果进行评价。在模拟数据试验中,本文算法比单核回归均方根误差平均降低1.4%,决定系数比单核回归平均提高0.6%。在Hyperion数据两组试验中,该算法比单核回归均方根误差平均降低1.8%,决定系数比单核回归平均提高11.7%。模拟和真实两种高光谱数据实验中,本文算法均得到了空间形态上更准确的不透水面结果,单核回归结果存在失真现象。研究结果表明:本文算法能够有效提取城市不透水面丰度,与单核方法相比有较明显的精度提升。     

基于多源高分辨率遥感影像的2 m不透水面一张图提取

不透水率是衡量城市生态环境状况的一个重要指标。当前全球范围内仅有1 km和30 m分辨率尺度的不透水面专题信息,无法满足城市尺度水文模型建模、海绵城市规划和建设需求。提出了图谱信息融合的不透水面提取模型,实现了基于深度学习的不透水面提取新方法,研制了不透水面遥感全流程提取和监测软件。基于多源高分辨率遥感影像首次完成了中国31个省（直辖市、自治区）的2 m不透水面专题信息提取,形成全国不透水面一张图,为海绵城市和生态城市的建设提供了基础数据支撑和技术监测手段。     

城市不透水面遥感估算

由于人口快速增长和农村人口向城市迁移,城市不透水面积也在持续快速增长。加速的城市扩张和无监控的城市开发会导致诸多生态环境问题。本文利用Landsat影像,采用附有限制条件的线性光谱混合分解、植被覆盖度与不透水面负相关模型、监督分类三种方法对南京城区的不透水表面分布进行空间分析。通过评估这三种方法提取的不透水面的精度和分析和种方法受其主要人为因素的影响大小以及不透水面的提取过程,表明了线性光谱混合分解方法较优。     

Improving impervious surface estimation: an integrated method of classification and regression trees (CART) and linear spectral mixture analysis (LSMA) based on error analysis

Classification and regression tree (CART) has been widely implemented to estimate impervious surface, an important indicator of urbanization and environmental quality. Although the CART algorithm gains higher overall accuracy than linear regression models, only very few studies have noticed that reliability of CART is affected by systematic errors. Especially, CART typically overestimates impervious surfaces in low-density urban areas and underestimates them in high-density urban areas. The primary objective of this study is to develop an improved integrated method to estimate impervious surface with higher accuracy by reducing the systematic errors of CART. This improved method was applied to three urban areas, Chicago (United States), Venice (Italy), and Guangzhou (China) to examine its effectiveness. When compared with the conventional CART, overall mean average error (MAE) and root mean square error (RMSE) of improved method are decreased by 22.64% and 20.93%, respectively, and R² rises from 0.9 to 0.96. In high-density impervious surfaces, where intensely developed urban area is located, the MAE and RMSE for the improved method are 0.066 and 0.088, respectively, largely improved from 0.100 to 0.130. Since accurate estimation of high-density impervious surfaces is the fundamental issue for monitoring and understanding the urban environment, the improved method demonstrated in this study is significant.     

基于光谱混合分解的流域不透水面提取及其动态分析——以于桥水库为例

不透水面不仅是城市非点源污染的主要来源,还是流域生态环境变化的主要因素之一。不透水面的数量、位置、几何形状、分布格局以及透水率与不透水率的比值,均影响着流域的水文环境,因此成为研究热点。本文以天津于桥水库流域为例,综合遥感(RS)与地理信息系统(GIS)技术,从流域尺度上研究1984~2013年间不透水面覆盖度的变化。在ENVI 5.1软件支持下,利用遥感影像获取1984,1994,2004和2013年4个时相的不透水面信息。采用修正后的归一化水体指数剔除水体信息,排除水体对不透水面提取精度的影响。运用线性光谱混合分析法(Linear Spectral Mixture Analysis,LSMA),提取流域不透水面覆盖度。结果表明:流域内不透水面覆盖度大多集中在1~5级,植被覆盖程度较高。近30年间不透水面比例逐年增加,2013年比1984年增加了2.802%,呈线性增长。中等分辨率的遥感影像适合流域尺度的不透水面提取的结果可作为流域水文及规划管理的重要基础性数据。     

地表不透水面信息遥感的主要方法分析

全球范围内的城市扩张已使得大量的不透水面取代了以植被为主的地表自然景观,并给生态环境带来了明显的负面影响。不透水面作为一个影响生态环境的关键因子已引起了全社会的广泛关注。如何及时快速地掌握不透水面的空间分布信息,准确无误地量化不透水面的动态变化信息,是城市规划、环境保护亟待解决的现实问题。而遥感以其快速、大范围、多尺度、可重复的对地观测优势为解决这一问题提供了很好的解决方案。不透水面遥感研究经过近十几年的发展已有了长足的进步,多种针对不透水面信息反演的遥感创新技术与方法被相继提出。本文重点分析了这些针对遥感不透水面提出的创新技术,详细地指出了它们的优势和不足,并在此基础上总结了中国遥感工作者在不透水面遥感方面的研究工作。当前许多不透水面信息的反演精度都可以达到85%以上,但是不透水面与裸土和阴影信息的混淆仍是困扰不透水面信息精准反演的主要问题。由于大部分不透水面材料具有和砂土石同源的特点,因此在现有影像光谱分辨率不足的情况下,单靠光谱是很难进一步提高不透水面信息的反演精度,而借助LiDAR等其他辅助数据,将有望帮助解决这一瓶颈问题。     

京津冀城市群1990—2015年城区时空扩展监测与分析

城区作为城镇化表征的重要指标,在城镇化时空扩展分析中有着重要的意义。然而,目前城区边界存在相关概念混杂导致对其认识缺乏统一、划定标准和数据来源缺乏一致性、遥感监测所用影像分辨率较低、以建设用地（不透水面）替代城区等问题。针对上述问题,参考住房和城乡建设部的建成区概念和城区地域分布范围,充分挖掘高分辨率遥感影像展现的城市景观和形态等空间可视化特征,从城市实际建设完成情况出发,本文提出了基于高分辨率影像和地理信息资料辅助的城区半自动化提取方法。获取了京津冀城市群153个县级以上城市的1990、2002、2015年的遥感影像、多元地理信息参考资料,开展了该区域的城区边界提取,并从时空扩展过程、城区空间形态及结构变化、城区扩展协调性、城区扩展占用土地类型4个方面对京津冀城市群1/4世纪的城镇化过程进行了统计分析。提出的技术方法和监测分析结果对于城镇化发展监测和城市规划实施评估具有重要的参考价值。     

一种新的增强型不透水面指数

针对西北干旱地区城市不透水面提取存在的局限性以及阈值确定的繁琐性等问题,该文提出了一种新的增强型不透水面指数(ENDISI)。基于Landsat8_OLI影像,以兰州市建成区为例进行不透水面信息提取,总体精度达到88.5%,结果较为理想。相比于已有的不透水面指数,ENDISI可以有效避免西北干旱区沙土、裸露山体的影响,适用性更强;采用"0"作为提取不透水面的阈值,简单、客观并且提取精度高。综上表明,ENDISI可用于西北干旱地区城市不透水面信息的高效提取。     

复杂环境下高分二号遥感影像的城市地表水体提取

水体指数可以抑制背景噪声和提高地表水体的可分性,已经广泛用于地表水体提取。传统FCM聚类算法考虑了地物的不确定性,但没有顾及地物的邻域空间信息,对背景异质性比较敏感。针对传统FCM聚类算法的不足,提出一种可变邻域的区域FCM聚类算法。由于复杂环境下高分二号(GF-2)遥感影像的城市地表水体具有复杂异质背景和不确定性的特点,本文利用水体指数和区域FCM聚类算法的优点,提出一种整合水体指数和区域FCM的城市地表水体自动提取算法,该算法主要步骤包括:(1)去除影像阴影后计算归一化差分水体指数NDWI(Normalized Difference Water Index);(2)区域FCM聚类算法;(3)整合水体指数和区域FCM聚类的城市地表水体自动提取算法。最后采用两景GF-2高分辨率遥感影像(广州和武汉)进行实验,验证了该算法的有效性,并与经典地表水体提取算法进行对比分析。实验结果表明:该算法具有较高的水体提取精度,城市地表水体边界既具有较好的区域完整性又保持了局部细节,同时对城市地表水体复杂背景噪声具有较好的抑制作用,有效减少传统FCM聚类算法的"胡椒盐"现象。