一种基于DELSMA模型的城市不透水面提取方法

针对线性光谱混合分解(LSMA)模型在端元个数不变的情况下易造成不透水面被高估或低估的问题,该文提出了基于影像分层的变端元线性光谱混合分解(DELSMA)模型。以城市不透水面为研究目标,采用Landsat 8陆地成像仪(OLI)影像为实验数据,对比分析DELSMA模型和LSMA模型提取的不透水面精度。与LSMA模型分解结果进行对比,DELSMA模型相关系数从0.898 2提高到0.947 3,拟合优度从0.804 7提高到0.896 3,均方根误差从0.089 5减少到0.079 1,从精度验证结果可以看出,基于影像分层的DELSMA模型对混合像元的分解效果优于LSMA模型。实验结果表明:影像分层降低了场景复杂度,有效减少了同物异谱和异物同谱的干扰;采用变端元进行混合像元分解,有效减少了计算量和地物类内差异对分解精度的影响,一定程度上提高了不透水面的提取精度。     

基于Sentinel-2A和Landsat8的城市不透水面的提取

城市不透水面相关研究对城市的发展至关重要。为了提取城市不透水面盖度,通常采用线性光谱混合分析方法,在亚像元尺度上计算混合像元内的不透水面面积比例。由于端元光谱曲线存在误差,导致不透水面盖度提取精度较低,因而提出端元优化方案,通过Sentinel-2A影像选择比较纯净的端元,利用其光谱信息优化从Landsat8影像中选择的端元的光谱曲线,提高纯净像元光谱曲线精度。此外,结合解混结果优化方案,利用归一化植被指数(normalized differential vegetation index,NDVI)和干旱裸土指数(dry bare-soil index,DBSI),对解混结果进行优化。采用World View-2遥感影像进行样本验证,结果显示,该方法所提取不透水面盖度的精度比传统方法提高了20%,为端元选取和不透水面提取提供可靠的理论支持。     

基于混合光谱分解的城市不透水面分布估算

城市化的一个重要表现就是不透水面分布比率的上升,城市内部不透水面分布是城市生态环境的一个重要指标。对于规模较大的大城市,采用高性价比的中等分辨率影像,获取不透水面的分布,是当前国际研究的一个热点。本研究利用Landsat 7的ETM 影像,在线性光谱分解的技术上,提取了上海市的不透水面分布并对其空间特征进行了分析。研究揭示,ETM 影像对于城市尺度的信息提取,其成本是较低的;对于城市地域来说,利用植被、高反照度、低反照度和裸露的土壤四种最终光谱端元的线性组合,可以较好地模拟ETM 波谱特征,而除了水面以外的高反照度、低反照度两种最终光谱端元,可以较好地表达城市不透水表面信息。结果显示,利用中等分辨率影像对上海中心城区不透水面分布提取的精度还是令人满意的,总体上,上海市不透水面分布比率较高,不透水面分布的空间差异进一步揭示了城市土地覆被空间结构以及城市空间扩展的差异性。     

影像分割的城市不透水面信息提取

针对线性光谱混合分解在端元选取中的不足,该文提出了结合影像分割的线性光谱混合分解不透水面估算模型。选取植被、高反射率、低反射率、土壤4种端元,利用线性光谱混合分解和结合影像分割的线性光谱混合分解两种模型,以2010年的TM5遥感影像为数据源对哈尔滨市主城区的不透水面进行估算,并对两种模型进行了对比分析。研究结果表明:线性光谱混合分解和结合影像分割的线性光谱混合分解的平均绝对误差分别为19.84%和14.76%,说明结合影像分割的线性光谱混合分解模型比线性光谱混合分解方法的估算精度高。     

LSMA结合NDBI提取广州市部分城区不透水面的方法

以广州部分城区为研究区,选取2015年10月18日Landsat 8 OLI遥感影像,基于线性光谱混合分析(LSMA),结合归一化建筑指数(NDBI)优化不透水面盖度提取精度;并分别采用传统LSMA和优化LSMA提取了不透水面。在传统方法的基础上,优化LSMA利用纯净像元指数与手动端元相结合的方法提高了端元选取精度;解混后再利用NDBI阈值掩膜。经验证,传统LSMA提取不透水面盖度的均方根误差(RMSE)为0.306,与样本区的相关系数(R~2)为0.898,系统误差(SE)为0.21;优化LSMA的RMSE为0.125,与样本区的R~2为0.943,SE为-0.035,精度明显高于传统LSMA的提取精度,可为广州市不透水面环境效应研究提供更可信的数据支持。     

应用时间序列EVI的MERSI多光谱混合像元分解

针对风云3数据的特点,本文将EVI生长曲线引入多光谱混合像元的分解。首先,利用Landsat8 OLI影像,采用支持向量机的分类方法,提取研究区域的耕地信息,利用该信息对风云MERSI数据进行掩膜处理,获得研究区域的耕地影像。接着,利用MERSI时序影像,计算像元EVI值,通过SG滤波,构建农作物(端元)和混合像元的EVI生长曲线。通过实地调查,获取研究区的农作物端元,尤其对主要的农作物玉米,在空间上均匀选取了14个端元。然后,采用传统的方法,将14种玉米端元生长曲线分别与其它端元组合,进行混合像元分解。发现分解的效果差异很大,提取的玉米种植面积从191.90 km2到574.83 km2不等。为提高分解精度,借用光谱匹配(光谱夹角最小)的方法(用生长曲线代替光谱曲线)自适应选择与混合像元EVI曲线最相似的玉米端元作为组合端元,进行混合像元分解。结果得到玉米的种植面积为589.95 km2,比传统方法的最好(相对)精度提高了2%。     

CBERS-02B多光谱数据在城市不透水面 估算中的可用性研究

以厦门岛为研究区,以CBERS-02B的CCD影像为数据源,采用基于可变端元的线性光谱混合模型估算了城市不 透水面组分含量,并探讨了该方法的实现过程与优势。通过端元评估确定了研究区的４个典型端元,即高反射不透水 面、低反射不透水面、高反射土壤和植被。在此基础上,以高、低反射不透水面端元的组分含量对城市不透水面含量 进行估算。精度评价结果显示：基于可变端元的方法要优于一般带全约束法;而在混合像元分解过程中加入全色波段 （band5）有助于提高模型估算精度,使得在像元尺度的精度与采用Landsat的已有报道相近,而在土地利用单元尺度实 现了对城市不透水面的无偏估计。研究实例也表明,尽管目前CBERS-02B数据在辐射定标和地理定位等方面还有待改 进,通过采用适当的处理过程和技术手段,依然能利用该数据对城市不透水面进行有效估算。     

多季相混合像元部分分解特征的不透水面分类

针对利用光谱混合分解提取不透水面特征通常受到端元类型和数量的限制,同时植被变化会影响估计精度的问题,该文提出 了一种综合季相和植被变化信息的不透水面提取框架.基于混合像元部分分解算法——混合调谐匹配滤波(MTMF),设计了多季相组合MTMF(SCMTMF)特征和多季相叠加MTMF(SSMTMF)两种策略,构造了不透水面的多季相MTMF特征,将不透水特征与多季相植被指数结合利用支持向量机实现对不透水面的精确分类.结果表明,利用多季相特征得到的不透水面提取效果相较于单季相有较明显的改善,该文所提出的策略有利于提高不透水面的估计精度.     

基于Landsat 8数据的城市不透水面及其与热环境的关系研究

利用Landsat8数据,以成都市为研究对象,采用光谱混合分解模型研究估算成都市的不透水面分布信息。通过MNF变换和PPI指数运算,确定高、低反照率,植被及土壤四类光谱端元,并利用Landsat8新增的卷云波段去除云、土壤、沙地等噪声和MNDWI指数去除水体。修正后的高、低反照率组分含量之和即为不透水面含量的估计值。通过将不透水面信息与利用TIRS11波段反演的地表温度进行回归分析,发现两者呈正相关。     

最小二乘混合像元分解的端元丰度信息提取研究

针对无约束最小二乘混合像元分解算法提取地物端元丰度出现的局限性问题,通过野外实地采集的地物光谱数据建立研究区典型的地物波谱库,以Landsat OLI影像作为主要数据源,在经过Gram-Schmidt(GS)影像融合的基础上,利用纯净像元指数(PPI)及基于几何顶点的端元提取技术提取研究区典型地物端元,最后通过完全约束的最小二乘混合像元分解算法完成对研究区典型地物端元丰度的提取。结果较好地解决了无约束最小二乘混合像元分解算法提取的端元丰度信息出现负值的情况,并且提高了典型地物丰度信息提取的精度。完全约束最小二乘混合像元分解算法的RMSE误差均控制在0.174 913左右,在很大程度上提高了混合像元分解精度及实用性。     

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。     

城市不透水表面遥感估算研究

作为城市化水平的关键指示因子，不透水表面已经被广泛应用在城市生态环境评估中。利用TM影像，采用附有限制条件的线性光谱混合模型对北京城区的不透水表面分布进行空间分析。通过高反照率、低反照率、植被及土壤4类光谱端元的线性组合表征城市土地覆盖类型，综合剔除噪声影响后的高、低反照率分量，估算北京城区不透水表面分布。研究结果表明：利用附有限制条件的线性光谱分解得到的RMS平均值为0．003428。其不透水表面分布结果与同期spot-5对比验证，R2为0．932，均方根误差为0．086，结果令人满意。     

流域尺度的不透水面遥感提取

一个地区的不透水面覆盖度不仅是该地区城镇化程度重要指示因子,也是该地区生态环境状况的重要指示因子.现有的不透水面遥感提取方法,多集中在城区尺度上.而流域尺度上快速、准确的不透水面遥感提取方法在国内外还鲜有研究.本研究以覆盖海河流域同一季节的Landsat影像为数据源,利用已有土地利用数据集中的道路、城市、农村和工业用地...     

Prior-knowledge-based spectral mixture analysis for impervious surface mapping

In this study, we developed a prior-knowledge-based spectral mixture analysis (PKSMA) to map impervious surfaces by using endmembers derived separately for high- and low-density urban regions. First, an urban area was categorized into high- and low-density urban areas, using a multi-step classification method. Next, in high-density urban areas that were assumed to have only vegetation and impervious surfaces (ISs), the vegetation–impervious model (V–I) was used in a spectral mixture analysis (SMA) with three endmembers: vegetation, high albedo, and low albedo. In low-density urban areas, the vegetation–impervious–soil model (V–I–S) was used in an SMA analysis with four endmembers: high albedo, low albedo, soil, and vegetation. The fraction of IS with high and low albedo in each pixel was combined to produce the final IS map. The root mean-square error (RMSE) of the IS map produced using PKSMA was about 11.0%, compared to 14.52% only using four-endmember SMA. Particularly in high-density urban areas, PKSMA (RMSE = 6.47%) showed better performance than four-endmember (15.91%). The results indicate that PKSMA can improve IS mapping compared to traditional SMA by using appropriately selected endmembers and is particularly strong in high-density urban areas.     

Enhancing endmember selection in multiple endmember spectral mixture analysis (MESMA) for urban impervious surface area mapping using spectral angle and spectral distance parameters

Successful retrieval of urban impervious surface area is achieved with remote sensing data using the multiple endmember spectral mixture analysis (MESMA). MESMA is well suited for studying the urban impervious surface area because it allows the number and types of the endmembers to vary on a per-pixel basis, thereby, allowing the control of the large spectral variability. However, MESMA must calculate all potential endmember combinations of each pixel to determine the best-fit one. Therefore, it is a time-consuming and inefficient unmixing technology, especially for hyperspectral images because these images have more complicated endmember categories. Hence, in this paper, we design an improved MESMA (SASD-MESMA: spectral angle and spectral distance MESMA) to enhance the computational efficiency of conventional MESMA, and we validate this new method by analyzing the Hyperion image (Jan-2011) and the field-spectra data of Guangzhou (China). In SASD-MESMA, the parameters of spectral angle (SA) and spectral distance (SD) are used to evaluate the similarity degree between library spectra and image spectra in order to identify the most representative endmember combination for each pixel. Results demonstrate that the SA and SD parameters are useful to reduce misjudgment in selecting candidate endmembers and effective for determining the appropriate endmembers in one pixel. Meanwhile, this research indicates that the proposed SASD-MESMA performs very well in retrieving impervious surface area, forest, grass and soil distributions on the sub-pixel level (the overall root mean square error (RMSE) is 0.15 and the correlation coefficient of determination (R²) is 0.68).     

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。     

利用雷达干涉数据进行城市不透水层百分比估算

人工不透水层是城市地区的重要特征.作为城市生态环境的关键指数,不透水层百分比(Impervious Surfaces Percentage, ISP)常用于城市水文过程模拟、水质面源污染及城市专题制图等研究中.本文利用ERS-1/2 重复轨道雷达干涉数据,采用分类与回归树(CART)算法探究了雷达遥感在城市ISP估算中的可行性和潜力,并与SPOT5 HRG光学遥感图像的估算结果进行了分析比较.香港九龙港岛实验区的初步研究结果表明,雷达干涉数据在城市不透水层研究中具有一定的应用潜力,特别是裸土和稀疏植被的ISP估算结果要好于光学遥感,这主要得益于雷达干涉数据(特别是长时间相干图像)在人工建筑物和裸土或稀疏植被之间具有很强的区分能力,另外,雷达干涉数据和光学遥感数据间的融合能够提高ISP估算精度.     

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。