一种基于TM影像的不透水面信息提取方法

针对TM影像不透水面提取的研究,通过综合分析被广泛应用于提取不透水面的归一化差异不透水面指数法和归一化差异植被指数法,从而提出一种改进的快速提取不透水面的方法--实验指数组合法,即通过将植被指数取反减去水体指数。以高分影像ZY3和可提供经纬度信息的Google Earth作为参考,将归一化差值不透水面指数、归一化差值植被指数和实验指数组合法得到的提取结果分别进行评价,获得了图像的分类精度,对比可知实验组合指数法的精度高于其他两种指数结果,其精度为88.16%。     

基于TM影像的城市绿地信息提取方法研究

基于TM遥感影像,运用ERDAS,对某地城市绿地专题信息进行了提取。实验过程中首先对图像进行预处理,然后通过四种绿地信息提取方案进行比较分析,这四种方案分别为:原始波段合成法、主成份分析法、归一化植被指数(NDVI)法和实验波段组合法。将以上几种方案的图像进行反复比较,根据研究对象的实际情况,植被景观目视效果最好的是NDVI植被指数法。对以上四种方法的彩色合成图像进行监督分类,利用目视判读的方法对TM影像的分类结果进行精度检验,由此可以看出实验波段组合法的精度最高,该方法是一种有效的绿地提取的方法。     

一种快速提取不透水面的新型遥感指数

首次采用复合波段的形式创建了归一化差值不透水面指数(normalized difference impervious surfaceindex,NDlSI).它可以用于大区域范围内快速、自动地提取不透水面信息.通过Landsat ETM 和ASTER两种影像的实验证明,新的指数能够有效地增强不透水面信息,并具有较高的提取精度.     

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。     

基于SPOT5图像的泥石流自动提取方法

在前人研究基础上,提出了一种基于SPOT5图像和DEM数据自动提取泥石流的方法。首先利用归一化差值植被指数(NDVI)、归一化差值土壤亮度指数(NDSI)和图像经主成分变换得到的第一主成分(PC1)等3种遥感指数获取新的主成分变换图像,进而利用阈值自动选取算法提取包含泥石流的裸地信息;然后基于1∶10 000的DEM数据,利用改进的沟谷中心线提取算法提取沟谷中心线,并利用数学形态学滤波算法生成沟谷范围;最后将提取的疑似泥石流图斑与沟谷范围匹配,并对矢量化后的结果进行面积、坡度和顺坡性等筛选,得到泥石流或潜在泥石流信息。实验表明,本文构建的泥石流提取模型具有较高的提取精度和效率。     

Landsat影像海岸带土地利用动态监测方法研究

海岸带土地利用变化在全球环境变化中备受关注。因此,比较分析适宜的、精度较高的土地利用动态监测方法对海岸带土地利用研究具有相当重要的意义。本文选取连云港内土地利用变化强度较大的海岸带作为研究对象,针对1986年和2013年两期Landsat影像采用图像差值法、主成分分析法和波段组合法3种差值法进行比较分析和精度评定,得出主成分分析法最适宜研究区。     

应用MSS数字图像处理进行森林资源动态监测的探讨

本文探讨了应用多时相Landsat Mss图像进行森林动态监测的方法。研究了差值图像法、比值植被指数差值法、归一化植被指数差值法、多时相主分量分析法(垂直植被指数法)和分类比较法对提取森林动态变化信息的作用。结果表明,3种植被指数法都能较好地提取植被动态信息,可用于森林面积消长的动态监测。     

一种改进的城市不透水面指数

以Landsat-8为数据源,美国波士顿为研究区,在归一化差异不透水指数(NDISI)基础上,进行热红外波段细化,提出修正归一化差异不透水面指数(Modified NDISI,MNDISI),并对二者进行比较。结果表明,NDISI得到的不透水面总体精度和OK系数分别为84.19%和0.68,MNDISI提取的不透水面总体精度和OK系数达到87.52%和0.749。MNDISI相比NDISI,提取不透水面的效果更优。     

基于改进NDBI指数法的不透水面信息提取

从对不透水面信息的光谱特征入手,分析了不透水面在Landsat ETM+遥感影像上第3、4、5、6波段与其他地类的光谱差异,发现利用归一化植被指数(NDVI)设定合适阈值可以剔除植被信息;构建了一种改进NDBI指数的不透水面信息提取算法,并以福州市为研究区,对该算法进行了验证。结果表明,与常规的NDBI指数法相比,改进后的方法能有效地将不透水面与稀疏植被、裸地区分开,大大提高了不透水面信息的提取精度。     

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。