基于植被指数模型的淡水湖泊湿地景观信息提取

高邮湖湿地是江苏省重要湿地之一,对生态、环境控制、调节气候和保护生物多样性具有重要意义。采用2007年的LandsatTM影像作为遥感信息源,选择影像的光谱特征和比值植被指数(RVI)、差值植被指数(DVI)、归一化植被指数(NDVI)、归一化差异绿度指数(NDGI)、土壤调节植被指数(SAVI)和最佳土壤调节植被指数(OSAVI)6种植被指数做了光谱特征分析,从而确定出最佳指数模型,并基于决策树方法,实现研究区景观信息的遥感分类。研究结果表明,决策树分类法易于综合多种特征进行遥感影像分类,植被指数参与到决策树分类中能够提高分类的总体精度,其总体精度达到79.58%,Kappa系数为0.721 0,分类结果理想且人工参与灵活。     

城市建设用地遥感信息提取方法研究

本文利用CBERS-02B影像,通过分析各个地类的光谱特征,发现了长沙市城市建设用地和其他背景地物的区别,并在此基础上选取了土壤调节植被指数(SAVI)、归一化水体指数(NDWI)和比值居民地指数(RRI)作为三个指数波段,重新进行波段组合,从而减少了波段数据的冗余,最后采用最大似然法分类,提取出城市建设用地信息,其正确率达到85.6%。     

高分辨率影像的植被分类方法对比研究

高分辨率影像的纹理信息可解决用光谱分类面临的“同物异谱”和“同谱异物”问题,更精确地分辨地物的细微变化,但将纹理作为主要信息进行植被分类的研究较少。本文以南京市钟山景区为例,利用IKONOS影像数据的纹理信息进行植被分类,并将结果与用光谱信息、植被指数信息的分类结果比较。共使用了4个灰度共生矩阵纹理量：CON（对比）、COR（相关）、HOM（同质）和MCON（改进的对比）分析各类植被的纹理表征设阈值分割;用3个植被指数：NDVI（归一化指数）、MSAVI（改进的土壤调节指数）和SAVI（土壤调节指数）（L取0.5和5）选择发现SAVI5最能区分。对纹理和指数信息均设各类型的阈值进行分割提取;基于光谱信息分别用最小距离监督分类和ISODATA非监督分类。研究中先进行数据恢复,再分别用三种信息将试验区植被分为6类：草地、竹林、常绿针叶林、常绿阔叶林、混交林和园地,最后将三种方法4个结果进行比较。精度评价的结论是：纹理信息分类的精度最高,植被指数次之,光谱信息中的非监督分类最低,纹理反映地物光谱及差异信息,可作为最佳方法用于植被分类。     

基于综合指数分析的城市建筑用地信息提取研究

以西安市长安区TM影像为例,研究关于城市建筑用地信息快速、准确提取的方法。通过对归一化差异型指数构成原理的分析,选取土壤调节植被指数（ SAVI ）、归一化水体指数（ NDWI ）和归一化差异型建筑指数（ NDBI ）来提取植被、水体和城市建筑用地专题影像,并将其构建为一幅新影像,分析新影像谱间特征,运用逻辑运算将城市建筑用地信息提取出来。本文方法总体提取效果十分有效,尤其是对于面积较大的城市建筑用地,总精度高达85．3％。综合指数法弥补了单靠某一指数提取城市建筑用地信息的不足,提取结果客观可信,是一种不经人为干预、快速有效的提取城市建筑用地的方法。     

基于决策树的漓江上游土地覆盖分类

针对山区植被分类受地形复杂、植被类型多样、验证数据获取困难等因素限制基于多光谱数据的亚热带山区土地利用/覆盖分类存在困难,探究利用物候信息对亚热带山区植被实施分类的效果。综合运用归一化植被指数(NDVI)、比值植被指数(RVI)、归一化水指数(NDWI),同时考虑到海拔高度对植被类型的影响,建立决策树模型。该模型基于多时相Landsat TM影像,利用了不同地物类型的物候特征和光谱差异,将漓江上游地区分为8种土地覆盖类型。实验结果表明,分类结果总体精度达到86.40%,Kappa系数为0.83。     

植被指数和纹理特征在影像解译中的应用

以QuickBird影像为例,分别分析了植被指数和纹理特征两大解译标志,植被指数主要介绍了比值植被指数、归一化植被指数、修正型土壤调整植被指数、差值植被指数四种,纹理特征主要基于灰度共生矩阵进行分析,并通过对比分类实验验证了这两大解译标志在遥感影像分类中的作用。     

无人机多光谱遥感结合DEM在估测植被面积中的研究

准确地估测植被覆盖度对于生态环境、自然资源评估有着重要的意义.本文通过无人机获取多光谱影像结合DEM,对拍摄区域植被面积进行估测;利用无人机遥感平台搭载的Sequoia多光谱相机获取影像数据,研究了常见的4种植被指数(归一化差值植被指数(NDVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)、绿度归一化植被指数(GNDVI))在植被面积估测中的适用性.实验结果表明,无人机多光谱影像结合DEM,在植被面积估测中具有可行性.其中,归一化差值植被指数(NDVI)可使植被从土壤、水体、阴影等复杂背景因素中分离出来,能较为准确地统计植被覆盖面积.通过无人机多光谱影像估测绿植覆盖面积,可为精细化作物管理、农业估产提供决策依据.     

基于地理探测器的合肥市热岛效应影响因素分析

地表温度是城市热岛效应的重要指标.本文利用合肥市2018年4月10日的Landsat-8 OLI影像数据,经过预处理后,采用大气校正法反演地表辐射温度,并提取研究区域的归一化差分植被指数(NDVI)、归一化差分水体指数(NDWI).通过地理探测器模型,探测地表温度和海拔、NDVI、NDWI等因子之间的影响关系.结果表明...     

基于高分一号宽幅多光谱影像的鄱阳湖湿地分类研究

典型湿地类型分类对于湿地生态环境保护和生态环境建设具有重要意义。本研究以高分一号宽幅多光谱影像数据作为数据源,以鄱阳湖典型湿地作为研究对象,进行典型湿地类型分类。研究采用主成分分析、归一化植被指数、比值植被指数和归一化差异水体指数等方法对不同湿地类型进行光谱特征分析,结果表明:高分一号宽幅多光谱影像反演的归一化植被指数和归一化水体指数能够较好地区分水体、泥滩、挺水植物和湿生植物等常见湿地类型。通过归一化植被指数将湿地类型分为植被和非植被,归一化差异水体指数将植被类型进一步分为挺水植物和湿生植物,将非植被分为水体和泥滩。构建决策树对典型湿地类型进行自动分类,经过精度评价和分析验证,该方法针对高分一号宽幅数据进行典型湿地分类总体精度能够达到82.28%,Kappa系数0.7346,优于常规的监督分类和非监督分类。     

用MODIS数据监测京津风沙源工程区植被指数的选择及合成

通过对比分析MODIS数据的标准归一化差分植被指数、土壤调节植被指数及增强型植被指数的特点,最终选择标准归一化差分植被指数(NDVI)对工程区进行监测。并阐述了最大合成法合成MODIS植被指数是一种行之有效的方法。     

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...     

不同指数模型提取ALOS AVNIR-2影像中水体的敏感性和精度分析

以广东惠州附近水域为研究区,利用ALOS AVNIR-2多光谱数据分析水体和其他主要地物在影像上的光谱特征。构建几种常用的波谱指数,分析阈值对各种指数模型提取水体的敏感性及所能达到的最大精度。发现利用这些指数均可以较好地提取图像中的水体信息,提取效果从好到差依次是:归一化差值水体指数法(NDWI)、近红外波段分割法(NIR)、归一化差值植被指数法(NDVI)和比值植被指数法(RVI)。其中NDWI指数模型,在选择合适阈值的情况下,水体提取的总体精度最高可达98%左右,并且提取过程对阈值影响不敏感。     

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%。     

基于随机森林的GF-2影像土地利用分类研究

高分二号卫星是我国自主研制的第一颗亚米级遥感卫星。其影像因信息丰富、纹理清晰等特点,被广泛应用于土地利用分类研究中。随机森林是一个包含多个决策树的分类器,是遥感影像土地利用分类方面的一种有效方法。针对单纯的随机森林方法在土地分类中存在的错分的情况。本文基于灰度共生矩阵提取影像纹理信息,同时利用影像的归一化差分植被指数(Normalized Difference Vegetation Index,NDVI),将影像的归一化差分植被指数和纹理信息相结合,采用随机森林的方法进行土地利用分类并得到了较高的分类精度。实验证明了该方法对高分辨率卫星遥感影像的土地利用分类具有较好的效果。     

基于遥感影像的湖泊湿地识别研究

选取江苏湖泊作为研究区,利用Landsat 7 TM数据,结合相关的统计资料和数据,选用归一化植被指数和最优土壤调节指数,以决策树为主的混合分类方法进行湖泊湿地识别研究。     

基于TM/ETM+影像的不同水体指数对比研究

本文以草海国家级自然保护区为例,基于Landsat ETM+影像从区分度、水体错提率和面积精度3方面对比研究了NDVI植被指数和NDWI、MNDWI、RNDWI、NWI、NEW 5种归一化水体指数提取湿地水体信息的准确度。结果表明,NDVI提取水体效果较差,5种水体指数均能对水体进行有效提取,其中NWI法综合精度最高,其次是MNDWI、NEW,较差的是RNDWI和NDWI,从而为水体的快速提取提供了参考。     

基于MODIS影像多特征的CART决策树分类

以山东省为研究区域,利用2009年9月MODIS的8 d合成波段反射率产品MOD09,选择特征变量植被指数(NDVI、EVI)、NDWI、NDMI、NDSI及辅助信息DEM,通过选取其中的影像特征组合来确定分类方案,构建各波段组合的CART决策树,对MODIS影像进行分类,得到CART决策树的最优波段组合。结果表明,特征变量DEM、NDVI、EVI对分类结果贡献较大;将CART决策树的分类结果与其相对应的最大似然分类结果进行比较可知,基于影像多特征的CART决策树分类方法能明显提高分类精度。     

基于TM/ETM+影像的不同水体指数对比研究

本文以草海国家级自然保护区为例,基于Landsat ETM+影像从区分度、水体错提率和面积精度3方面对比研究了NDⅥ植被指数和NDWI、MNDWI、RNDWI、NWI、NEW 5种归一化水体指数提取湿地水体信息的准确度.结果表明,NDⅥ提取水体效果较差,5种水体指数均能对水体进行有效提取,其中NWI法综合精度最高,其次是MNDWI、NEW,较差的是RNDWI和NDWI,从而为水体的快速提取提供了参考.     

遥感组合指数与不同分类技术结合提取农业用地方法

多光谱遥感影像因具有丰富的波谱信息,提高了地表覆盖的辨识能力,利用遥感数据高精度自动提取专题信息是目前研究的热点和难点。本文以北京市ASTER影像为例,通过对城市生态环境中土地类型及其光谱特征规律分析,组合归一化差异植被指数、修正归一化差异水体指数和归一化差异建筑指数三种指数,制作组合指数新影像。对组合指数影像采用基于支持向量机的面向对象分类方法进行农业用地信息提取,同时将该方法分别与基于原始影像、组合指数影像的最大似然及支持向量机的分类方法进行对比分析。实验结果表明:组合归一化差异指数影像压缩了数据维数,降低了覆盖地物相关性,易于农业用地信息提取。对组合指数影像采用基于支持向量机的面向对象分类方法精度达95.701%。     

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。