基于FY-3/MERSI数据的新疆融雪性洪水灾害监测

基于风云3号(FY-3)卫星中分辨率成像光谱仪(medium resolution spectral imager,MERSI)数据的归一化差异水体指数(normalized difference water index,NDWI)和基于蓝光波段的归一化差异水体指数(normalized difference water index based on blue light,NDWI-B),通过直方图分析获取了水体指数判识阈值,并对新疆北疆沿天山一带2009—2011年发生的融雪性洪水灾害天气进行了监测。对比基于环境1号卫星CCD数据的监测结果表明:利用FY-3/MERSI的250 m空间分辨率数据可实现对新疆融雪性洪水灾害的监测,其中利用FY-3/MERSI NDWI-BFY数据的判识效果最好。     

基于GF-1遥感数据的城市水体信息提取方法研究

水体信息的高精度提取是水资源监测、调查与管理等研究领域的关键问题。本文选取国产GF-1卫星影像作为数据源,根据影像中典型地物光谱特征采用归一化水体指数法(NDWI)、多波段谱间关系法对研究区进行了水体提取,并通过结果分析提出了基于主成分分析与多尺度分割技术的综合水体信息提取方法。对以上4种方法进行对比分析,验证结果表明:归一化水体指数法易受阴影信息影响;改进的多波段谱间关系法能较为完整地提取水体信息,但受小范围阴影信息影响;主成分分析综合法总体精度较高;多尺度分割提取法能有效地分离水体信息与非水体信息,水体信息提取的效果最佳。     

基于遥感与GIS的中国湖泊形态分析

基于2010年Landsat TM/ETM数据,结合Google Earth影像和其他资料,采用面向对象的分类方法,以30 m的分割尺度对图像进行分割,并通过比值指数、归一化差值水体指数及谱间关系等指数来提取水体信息,将水体分为河渠、湖泊及水库坑塘3类,并对分类结果进行精度验证,最终得到中国湖泊空间分布信息;以此为基础,计算出反映湖泊形态的景观指数(如形状指数、近圆形指数及分维数等),并结合湖泊的面积和湖泊岸线长度来说明湖泊的基本状况及其形状的复杂程度。结果表明:利用面向对象分类方法可以得到较高的分类精度,3种类型水体分类的总精度为93%,湖泊分类精度达到90%以上;在中国内陆,面积大于1.0 km2的自然湖泊2 477个,总面积约77 934.72 km2;在5个湖区中,青藏高原湖区的湖泊面积最大,占湖泊总面积的54.34%,其形状指数和分维数均值为最小,湖泊形态比较简单;东部平原湖区降雨充沛,水系发达,其形状指数和分维数均值最大,湖泊岸线更加曲折,形态复杂多变;通过分析得出,形状指数与分维数有明显的相关性(R2=0.95),湖泊岸线分维数值越高,其形状指数越大,岸线越复杂。     

Sentinel-2和Landsat8影像的四种常用水体指数地表水体提取对比

利用卫星影像快速准确地提取湖泊等地表水体范围一直是一个重要的研究课题,其对洪涝灾害监测、水资源管理与利用等具有重要意义。Sentinel-2 MSI和Landsat8 OLI数据是目前主流的开放获取的中高空间分辨率遥感影像。以鄱阳湖区为研究对象,首先,分别使用归一化差异水体指数(normalized difference water index,NDWI)、改进的归一化差异水体指数(modified normalized difference water index,MNDWI)、自动水体提取指数(automated water extraction index,AWEIsh)和基于线性判别分析的水体指数(water index,WI2015)等4种常用的水体指数从2种影像中提取湖泊水体的分布信息;然后,分析了在同种水体指数之下2种影像提取结果的差异性和同一幅影像中4种水体指数提取结果的不同;最后,利用同期的高分一号影像目视解译的结果对水体提取结果进行了精度验证。结果表明,对于2种遥感影像,4种水体指数均能成功地提取出研究区的大部分水体; AWEIsh和WI2015的提取精度最高,在Sentinel-2和Landsat8影像上分别达到了98%和94%以上,MNDWI次之,NDWI的提取精度最低;相对而言,Sentinel-2影像提取的水体细部信息更为明显,整体提取效果优于Landsat8影像。     

直方图双峰法在遥感影像水体提取中的研究与改进

利用水体指数方法提取多光谱遥感数据中水域信息优势明显,应用广泛。然而在实现过程中,算法的选取依赖于特定的水域环境,移植性差。本文选取了我国东部5个地区冬夏两季的数据,基于Landsat 8/9卫星的光谱数据,使用改进的归一化水体指数(MNDWI)进行归一化处理,在此基础上研究了直方图双峰阈值法的不足之处并加以改进。试验结果表明,改进后的直方图双峰法提取水域信息精度明显提高,且不再依赖于特定的水域环境,适应性显著提高。     

HJ-1B卫星遥感影像的积雪识别

针对国产卫星HJ-1B数据积雪像元识别的问题,该文分析了归一化差分积雪指数法和改进的归一化差分积雪指数法的优缺点,并根据积雪与其他地物的光谱特征变化幅度的差异性,提出了一个仅用HJ-CCD数据作为数据源的积雪识别方法。实验中,选取了两块不同特征的影像进行试验,以神经网络分类结合目视解译方法的提取结果作为标准进行精度评价。结果表明,该文提出的方法操作简单,能快速、准确地识别区域积雪覆盖面积。     

多特征多层次Sentinel-2影像辽宁省湖库水体提取

以辽宁省为研究区,本文基于GEE遥感云平台,使用Sentinel-2遥感影像,提出了一种多特征多层次的湖库水体提取算法。该算法选择自动水体指数(AWEI_sh)和改进的归一化水体指数(MNDWI)提取水体,并利用归一化植被指数(NDVI)、归一化建筑指数(NDBI)、归一化差异红边指数(NDREI)、Sentinel-2的B8和B9波段及DEM数据多层次地消除暗地物和高亮地物噪声,对提取结果中被云雾遮挡而部分缺失的水体进行修复,最后将河流及细小像素剔除。利用此算法提取了辽宁省2017—2021年每年4、7、10月的湖库水体,并对比了不同水体提取算法及不同的水体数据产品。试验结果表明,本文算法在大尺度条件下提取水体具有良好的效果,总体精度达96%以上,可以较好地去除植被、阴影等暗像元表面,并且保证了水体信息的完整性,在大尺度水体提取方面具有一定的适用性和稳定性。     

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。     

基于规则的高分影像不透水层提取技术研究

为满足城市环境评价、城市规划监测、城市水循环评价对城市不透水层检测的需求,本文以国产高分卫星多光谱数据为研究基础,提出了一种新颖的基于规则的高分辨率多光谱影像不透水层提取方法,该方法利用归一化指数模型,融合对象统计特征,制定综合判定规则,可有效提升城市区域不透水层的提取精度。同时利用国产卫星数据,选择了典型的10个城市进行实验验证,取得了良好的效果。该方法可广泛应用于城市外轮廓提取、城市环境评估、城市扩展评估等研究领域。     

基于分层分类法提取城市裸地信息

城市裸地通常面积较小且分散分布,其光谱特征与建筑用地相似,传统监督分类方法很难准确提取。采用分层分类思想,利用改进后的归一化水体指数和归一化植被指数分别提取水体、植被后并去除,再利用光谱特征分析实现建筑用地和裸地分离,最后提取出城市裸地。以武汉市主城区为研究区,选取Landsat7/ETM+和Landsat8/OLI影像,分层分类法裸地提取精度分别达到94.5%和96%,而作为对比实验的监督分类法裸地提取精度分别为89%和90%,可见,分层分类法可以较高的精度提取城市裸地信息。     

基于Sentinel-2的潮间红树林提取方法

位于潮间带的红树林可能在高潮时被海水淹没的特点，使得传统的植被提取方法在红树林信息提取方面存在局限性。本文在对比分析了出露的红树林、高潮水位淹没的红树林、海水水体的光谱特征后，提出了一种利用归一化潮间红树林指数（NIMI）提取潮间带红树林的方法。该指数是由植被强吸收的红波段，强反射的两个红边波段和近红外波段组成的归一化表达式。利用该指数对福建省龙海九龙江口湿地的红树林进行了分类提取，提取结果与高分二号影像目视验证和现场调查结果进行了对照。结果显示，该方法提取红树林的用户精度达到93.98%，并显著优于利用归一化水体指数（NDWI）、归一化植被指数（NDVI）及随机森林的结果。     

GEE平台和CART方法的北京市土地解译

针对传统遥感影像解译效率较低、人力物力需求量大等问题,该文以谷歌地球引擎为依托平台,利用Landsat5TM影像,采用分类回归树算法对2010年北京市土地覆被/土地利用类型开展了解译研究,并从类型构成、类型混淆和空间一致性3个方面将解译所得LUC-2010产品与Globeland30-2010产品进行空间一致性分析。研究表明,谷歌地球引擎(GEE)平台通过编程运算,数据处理速度极快,大幅提高工作效率。解译产品与训练样本交叉验证的学习精度为94.2%。两套产品总体对比发现,林地、水体和耕地的空间一致性比率分别为84.28%、74.75%和73.56%;林地、水体和人工地表的地类纯净度分别为87.23%、77.04%和72.97%;总体分布空间一致性为74.0%。两套产品局部对比发现,LUC-2010产品分类结果更准确和精细,精度更高。     

基于GF-2高分辨率遥感影像的水体提取方法研究

针对GF-2卫星影像数据的特点,利用单波段阈值法、多波段算法、归一化水体指数(NDWI)阈值法、单波段阈值法与阴影水体指数(SWI)相结合的决策树法对刘家峡地区的水体信息进行了提取,同时提出一种单波段阈值法与增强阴影水体指数(ESWI)相结合的决策树分类法,并对以上几种水体提取的效果进行比较分析,发现单波段阈值法与ESWI相结合的决策树分类法能够有效地消除绝大部分阴影的影响,且提取效果较SWI的效果要好,NDWI与多波段算法提取效果次之,单波段阈值法提取效果较差.      

基于水体指数的密云水库面积提取及变化监测

密云水库作为北京市惟一的地表饮用水源地,监测其水面的变化可服务于政府的管理和决策。本文在分析地物光谱特征的基础上,利用TM影像的短波红外波段(TM5)和红光波段(TM3),构造了修订型归一化水体指数(RNDWI)来提取水库水面。RNDWI法能够削弱混合像元因素和山体阴影的影响,精确地提取出水陆边界,甚至可以提取出狭窄条状水体。比较RNDWI、改进归一化差异水体指数(MNDWI)及单波段法的水库水面面积提取精度,发现单波段法精度低,MNDWI法精度高,而RNDWI法精度最高。并基于RNDWI法利用TM影像监测了密云水库近二十年的水面面积动态变化,1996年时面积最大(152.306km2),近十年水库面积逐渐减少,2004年面积最小(56.632km2)。     

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。     

基于小型无人机可见光遥感的蓝藻识别研究

以无人机航拍获取的可见光影像为数据源,研究小面积水域中蓝藻的提取方法。首先采用无人机获取可见光影像,运用4种可见光植被指数对图像进行运算,提出了用于蓝藻识别的可见光归一化差异植被指数与增强型红绿差值植被指数,以人工目视解译统计得到的蓝藻面积作为判别依据。结果表明:利用增强型红绿差值植被指数对湖泊中蓝藻的分类及提取,精度可达95.89%,Kappa系数为97.03,质量稳定,精度较高。     

Analysing spatio-temporal footprints of urbanization on environment of Surat city using satellite-derived bio-physical parameters

Our study examines the relationships among various environmental variables in Surat city using remote sensing. Landsat Thematic Mapper satellite data were used in conjugation with geospatial techniques to study urbanization and correlation among satellite-derived biophysical parameters namely, normalized difference vegetation index (NDVI), normalized difference built-up index (NDBI), normalized difference water index (NDWI), normalized difference bareness index (NDBaI) and land surface temperature (LST). A modified NDWI (MNDWI) was used for extracting areas under water. Land use/land cover classification was performed using hierarchical decision tree classification technique using ERDAS IMAGINE Expert classifier with an accuracy of 90.4% for 1990 and 85% for 2009. It was found that city has expanded over 42.75 sq.km within two decades. Built-up, fallow and sediment land use classes exhibited high dynamics with increase of nearly 200% and 50% and decrease of 55% respectively from 1990 to 2009. Vegetation and water classes were less dynamic with 20% decrease and 15% increase. The transformation of land parcels from vegetation to built-up, vegetation to fallow and fallow to built-up has resulted in increase of LST by 5.5 ± 2.6°C, 6.7 ± 3°C and 3.5 ± 2.9°C, respectively.     

Evaluation of NDWI and MNDWI for assessment of waterlogging by integrating digital elevation model and groundwater level

Accurate information on the extent of waterlogging is required for flood prediction, monitoring, relief and preventive measures. The rule-based classification algorithms were used for differentiating waterlogged areas from other ground features using Resourcesat-2 AWiFS satellite imagery (Indian Remote Sensing Satellite with spatial resolution of 56 m). Two spectral indices normalized difference water index (NDWI) and modified normalized difference water index (MNDWI) were used for extracting waterlogged areas in Sri Muktsar Sahib district of Punjab, India. These indices extracted the waterlogged areas (cropped areas inundated with water) but the water features were less enhanced in the NDWI-derived image (when compared with MNDWI-derived image) due to negative values of NDWI and, mixing of water with built up features. The water features were more enhanced with MNDWI and the values of MNDWI were positive for water features mixed with vegetation. The overall accuracy of waterlogged areas extracted from the MNDWI image was 96.9% with the Kappa coefficient of 0.89. The digital elevation model (DEM) was extracted from ASTER-GDEM. The relationships among depth to the water table recorded before the incessant rain in the region, DEM and classified MNDWI images explained the differences in the extent of waterlogging in various directions of the study area. These results suggest that MNDWI can be used to better delineate water features mixed with vegetation compared to NDWI.     

基于GF-6的可可西里典型湖泊水体面积提取方法研究

湖泊是气候变化的敏感指示器,快速准确地获取湖泊水体信息对区域气候变化研究、区域生态环境保护和治理具有重要意义。本文基于高分六号(GF-6) WFV数据,以可可西里地区4个湖泊为研究对象,分别采用单波段法、波段差值法、归一化差异水体指数(NDWI)法提取了水体面积,并以目视解译所得结果作为参考标准,对不同方法的提取结果进行了精度评价。结果表明,单波段法易受浅水区水体影响,但受积雪的影响较小,而波段差值法和NDWI法受积雪影响较大;NDWI法虽能有效提取浅水区水体,但仍受一定程度湖底沉积物的影响;波段差值法与单波段法和NDWI法相比,能有效区分浅水区水体和背景地物。     

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。