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SPOT-5图像的城市水体自动提取模型研究

以南京市主城区为对象,研究基于SPOT-5图像的城市地区水体信息的提取方法.分析表明,对SPOT-5的SWIR波段进行简单的阈值处理,可以清晰地将水体与阴影提取出来.在分析水体和阴影光谱特征和空间特征（形状指数等）的基础上,建立了基于SPOT-5图像的城市地区水体的自动提取决策树模型.精度验证表明,该模型的水体提取精度较监督分类的提取精度提高2.5%,尤其在具有许多建筑物阴影的局部区域,本模型的水体提取精度提高11.6%.此外,本模型还具有很好的移植性,只是在阈值大小的确定上会有部分差异.     

基于决策树方法的Landsat8 OLI影像红树林信息自动提取

基于广西山口国家红树林生态自然保护区的Landsat 8 OLI影像数据,选用广泛应用于植被液态水含量反演的归一化差值湿度指数(normalized difference moisture index,NDMI)和修正的归一化差值池塘指数(modified normalized difference pond index,MNDPI)作为分类特征,运用决策树方法进行红树林信息的自动提取。研究结果表明:红树林独特的滨海湿地生境特点,使其光谱同时包含植被和湿地信息;MNDPI和NDMI可分别反映可见光-近红外波段反射率同短波红外波段反射光谱的反差,可成功应用于湿地植被信息的提取,能有效地将红树林同其他地物相区分;采用Landsat8 OLI遥感数据,并结合NDMI和MNDPI分类特征构建的决策树模型可有效地提取红树林信息,其错分率和漏分率都较低,分别为5.34%和1.69%。     

基于GF-1卫星影像的改进SWI水体提取方法

大尺度高精度山区河流信息提取是我国干旱区水资源开发利用的关键技术,而利用遥感影像提取水资源信息存在水体与山区阴影难以区分的瓶颈。以GF-1号卫星2 m分辨率全色波段影像和8 m分辨率多光谱影像为数据源,选取新疆特克斯河流域巴喀勒克水库为研究区,提出改进的阴影水体指数法(modified shade water index,MSWI)进行水体信息提取;同时运用单波段阈值法、NDWI法、单波段法与阴影水体指数法(shade water indes,SWI)相结合的决策树分类法(简称SWI)以及单波段法与MSWI相结合的决策树分类法(简称MSWI)分别对研究区水体信息进行提取,并进行了对比分析。研究结果表明,前2种方法与SWI和MSWI法相比,效果稍差;而SWI和MSWI法分类效果较好,其中MSWI比SWI法分类总精度高0.94%,提高了高分辨率遥感影像的解译精度,可为国产高分系列卫星影像在干旱区水资源信息提取中的应用提供技术支持。     

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。     

决策树算法在西藏遥感影像分类中的应用研究

将决策树算法引入到遥感影像分类中,以提高分类的精度。首先对影像进行预处理,然后利用C5.0算法在分析地物光谱特征、纹理特征、归一化植被指数的基础上,自动提取分类规则,构建决策树,实现地物的自动分类。为验证该算法的有效性,选取西藏某地区TM影像作为实验数据,与监督分类的精度进行对比,实验结果表明,决策树分类方法能取得较好的分类效果。     

利用决策树工具的土地利用类型遥感识别方法研究

应用决策树的理论和方法,利用遥感数据及其他相关数据和资料进行土地利用信息分类。通过研究地物光谱统计特征,讨论了通过耕地指数等归一化地类指数来增强影像地类特征、结合DEM提取土地利用信息的决策树分支点的设计方法,较好地解决了水体和建筑阴影、道路等容易混淆区域的区分问题。     

特征提取和决策树法土地利用遥感分类

文章以安徽省淮南市为例,采用2005年Landsat-5 TM多光谱数据,分析地物谱间关系,选择改进归一化差异水体指数(MNDWI)、归一化植被指数(NDVI)、归一化建筑指数(NDBI)、TM4+ TM5、TM4+ TM5+TM7、DEM高程和坡度等特征值,构建决策树分类规则,完成研究区土地利用遥感分类.结果表明:MNDWI和TM4+TM5特征值能较好地区分水体与非水体;NDVI和NDBI可完成非水体区域植被与非植被信息分类;DEM和TM数据6波段和值可完成建筑用地、裸地和沙(旱)地分类;DEM和TM4+ TM5+ TM7能较好地解决耕地和园地混淆问题.决策树法分类总精度和Kappa系数分别为90.29％和0.87,相比较于最大似然分类法和基于特征提取波段的最大似然分类法,精度均有所提高.     

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。     

基于归一化植被指数的城市热岛效应分析

植被指数模型的应用领域已经愈加广泛,利用陆地地表温度反演与归一化植被指数在空间变化上具有相反趋势的特点,将归一化植被指数引入到城市热岛效应现象评价中。基于CBERS CCD遥感影像数据源,通过阈值划分及水体提取建立人工决策树,对城市热岛效应进行定量分析与总体评价,建立一定的评价指标,为城市的环境监测、管理及规划提供依据。     

基于 C4.5决策树的多特征遥感分类方法

以钱塘江流域为研究区域,利用2010年ETM,MODIS和DEM多源数据,进行土地利用分类研究。在分析土地类型的光谱特性和植被指数年度变化基础上,运用光谱指数法和代数法从数据中提取各种土地覆被类型特征。利用WEKA软件平台下的C4.5决策树算法构建决策树分类模型,对钱塘江流域土地覆被类型进行分类研究,取得较高的分类精度。     

GF-2影像中不同水体指数模型提取精度及稳定性分析

针对GF-2卫星影像数据的特点，选取了临夏回族自治州境内两个不同研究区域，分别采用单波段阈值法、归一化差分植被指数法（NDVI）及其他3种水体提取指数法（NDWI、SWI、MSWI）对两个研究区进行水体提取试验。通过分析比较各水体指数模型中阈值对水体提取精度和稳定性的影响，发现研究区1（城区）中单波段阈值法提取效果最高达到71.29，且稳定性较好。研究区2（山区）中MSWI方法提取精度最高为95.76，稳定性较单波段法次之。本文试验为GF-2影像在不同区域进行水体提取时选择不同模型及阈值时提供可靠的参考依据。     

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。     

南昌地区不透水面信息自动提取

随着城市化进程的不断加速，不透水面成为一种十分关键的地表覆盖类型之一，如何快速获取高精度的不透水面信息成为目前遥感研究的重点话题。考虑不透水面构成复杂、光谱曲线复杂的特征，本文基于决策树思想，通过建成区指数（BUAI）、改进的归一化水体指数（MNDWI），制作研究区植被、水体掩膜，并根据研究区土壤反射光谱特点制作研究区土壤掩膜。通过基于决策树思想的提取模型，结合掩膜文件，逐步剔除透水面，得到不透水面信息。结果表明：该模型提取的不透水面信息总体精度达到了98.27%，Kappa系数为0.86。通过和实地信息对比分析，认为该模型提取结果较为可靠，适用于大范围地区的不透水面信息提取。     

基于指数图像的城镇建设用地信息识别与提取——以岳阳市为例

以岳阳市Landsat ETM+影像为信息源,分析了典型地物的光谱特征及可分性,将地物种类归并为建设用地、植被、水体三大类,分别选用归一化裸露指数( NDBI)、重归一植被指数(RDVI)和改进的归一化水体指数(修改后的NDWI)作为三种地类的指示因子,通过阈值分割、掩膜处理去除了非建设用地区域的噪音信息,得到了比较准...     

利用国产GF-1卫星数据实现山区细小河流河宽的自动提取

以国产GF-1卫星影像为数据源，选取皇甫川流域内山区细小河流密集的上游1421 km²作为研究区域，针对因山区河流河道狭窄、形态复杂等导致的河流边界提取难度大、精度差、河宽无法自动提取的难题，首先利用改进的变异系数法筛选水体指数，再采用改进的决策树法结合DEM河网精确获取河流边界，最后通过自动化河宽提取算法实现对山区细小河流及其河宽的自动提取。结果表明，本文方法对山区河流判别的总体精度为89.5%，有效地排除了山体阴影等地物的干扰。对河宽为0~10 m的极细河流，本文方法提取河宽的误差为18.54%；10~30 m的细小河流，提取误差为12.07%。