基于双极化差值指数的城市建筑用地信息提取研究

以福州市城区ENVISAT ASAR影像为例,研究城市建筑用地信息准确快速提取的原理和方法。通过对影像主要地物类型的极化特征分析,构建基于双极化雷达后向散射差值指数以突显城市建筑用地信息,并采用面向对象方法进行分类。该方法与基于单极化得到的分类结果相比,提高了精度。研究结果表明,该方法是一种快速准确提取城市建筑用地信息的有效方法,这为极化雷达影像数据在城市建筑用地方面的应用研究提供了一个新思路。     

基于TM影像的城市建筑用地信息提取方法研究

本文选用金华市Landsat TM影像为研究的数据源,在归一化裸露指数基础上,利用归一化植被指数提取出非植被信息,通过图像二值化、叠加分析以及掩膜处理去除了低密度植被覆盖区域的噪音信息,自动提取了金华城市建筑用地信息。研究结果表明,归一化裸露指数和归一化植被指数相结合的方法弥补了单一利用归一化裸露指数来提取城市建筑用地信息的不足,提高了提取精度,而且结果客观可信,是一种不经人为干预的、快速有效的提取城市建筑用地方法。     

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。     

建筑用地变化的福州市地理国情监测

为了更加有效地监测建筑用地变化,服务城市扩展研究,该文以福州市为例,基于2006年DMC和2008年UCD两期高分辨率正射航空遥感影像,利用面向对象分类和空间叠置分析等技术,提取建筑用地信息,并构建动态度模型监测建筑用地变化。监测表明2006年—2008年福州市5个城区建筑用地面积均有所增加;城市扩展呈现速度快、单中心圈层式扩展的特征,总体遵循"东扩南进"的发展战略。研究结果可以为城市发展和土地规划决策提供参考。     

基于多光谱遥感影像的城市建设用地提取及扩张分析

随着经济的快速发展和城市化水平的提高,城市空间扩展已然成为国内外城市发展研究中的热门问题,城市建成区变化监测是对城市扩展最为直观的分析方式。本文选用了2001、2009年Landsat 4-5/TM以及2016年Landsat 8/OLI 3个时相的多光谱遥感影像,采用OSTU算法结合修正归一化水体指数(MNDWI)、归一化裸露指数(NDBI)和归一化不透水面指数(NDISI),自适应地确定最佳阈值提取地物信息,以分层分类的方法对福州市市辖区建设用地进行提取。根据建成区提取结果,定量研究了城市建成区的扩展速率以及城市重心的移动等,并从人口、经济与规划等方面对福州市的城市扩张进行了分析。     

基于NPP-VIIRS夜间灯光数据和Landsat-8数据的城镇建筑用地提取方法改进——以广州市为例

以广州市为例,将Landsat-8-OLS数据与NPP-VIIRS夜间灯光数据相结合提取城镇建筑用地,在常规的NDBI指数、ULI指数方法的基础上进行改进,以获得更加精确的城镇建筑用地信息。首先,利用NPP-VIIRS夜间灯光数据得到城镇建筑用地的大致分布范围,基于Landsat-8-OLS数据提取NDBI、NDVI指数;然后通过分析夜间灯光建筑用地范围、NDVI指数,NDBI指数三者的特性,分别对三者图像进行二值化、求交运算来提取城镇建筑用地;最后将提取结果与传统的NDBI指数、ULI指数方法的提取结果进行对比,利用Google Earth高空间分辨率影像数据进行精度验证。结果表明,结合NPP-VIIRS数据和Landsat-8-OLS数据的多指数提取相交运算,可有效剔除提取结果中包含的裸土信息,与NDBI等指数方法相比,能得到更高的精度。     

城镇扩张遥感动态监测的方法研究

利用遥感技术动态监测城镇扩展己成为一个重要的研究领域和应用方向。本论文基于多源多时相遥感影像和地形数据,以福建漳州市区为示范区,探讨城镇建筑用地扩张遥感动态监测的方法。作者认为基于ASTER影像,综合利用非监督分类、多时相植被指数、城镇建筑用地的地形分布等知识建立分类决策规则,可以有效提取城镇建筑用地信息,准确度不低于90%。同时提出利用城镇建筑用地时空分布知识、多时相植被指数知识,改进TM三指数城镇建筑用地提取方法的思路,最终提取的城镇建筑用地信息满足城镇建筑用地动态变化分析的精度要求。     

基于高分一号卫星的城市扩张变化监测研究

廊坊是京津冀城市群的地理中心,位于京津两个国际都市之间。本文选取廊坊市中心为研究对象,利用高分一号卫星数据和航空影像,分析廊坊市2010~2016年的城市扩张变化情况,为京津冀协同发展制定政策并为城市制订规划提供依据。首先对遥感影像进行预处理,对高分一号卫星影像,按用地类型分别采用监督分类、面向对象和植被指数法提取城市2016年地表现状信息,并进行精度评价;对2010年的航空影像进行数字化,两类数据结合进行基于分类的变化检测和精度评价,分析城市空间变化特征。结果表明,厂房、建筑和未建成区分别采用监督分类、建筑阈值分类和面向对象法分类效果较好;廊坊市城市扩张的驱动力主要为经济发展、政策因素、历史条件、地形等。     

基于多目标遥感信息处理的城市扩展监测与分析

基于徐州市1994年、2002年和2007年的多时相Landsat TM/ETM+遥感影像,利用建筑用地指数(IBI)提取城市建筑用地信息,通过监督分类获得城市土地覆盖网,由单窗算法反演地表温度.利用多目标遥感信息处理得到的建筑用地分布、土地覆盖图和地表热环境信息,从土地利用结构变化、城市热环境时空演变两个方面分析了徐州市城市扩展动态,表明徐州市建成区面积不断扩大,城市扩展速度进一步加快,土地利用类型相互转换频繁;城市热岛现象显著,热岛分布与城市建筑用地的轮廓基本吻合,建筑用地不断增加是热岛效应加重的主要因素.研究表明,综合土地覆盖分类、专题信息提取和地表参数定量反演的多目标遥感信息处理用于监测分析城市扩展与生态环境响应具有明显的优越性.     

基于RS的池州市城市扩张监测与分析

随着经济的高速发展和城市化进程的加快,如何研究城市扩张的趋势和强度,对城市建筑区规划及促进经济的可持续发展和提高资源利用率具有重大意义。利用监督分类技术方法对城乡建筑区域进行分类,提取出池州市5个时期的建筑区域,并加以比较分析。结果显示,1990-2015年,池州市建筑面积持续增加,城市扩张中心出现向东北部转移的趋势,建筑区域面积逐渐增加,但每年建筑面积增加速率却呈现逐渐下降的趋势,这表明了自然环境对城市扩张的影响。通过结合自然环境、人口、国内生产总值、政策等相关统计资料,经过分析后得到城市扩张与经济和人口有密切的相关关系,但是城市扩张趋势也受制于自然环境的影响,研究结果为城市规划及因地制宜的经济建设提供了理论依据。     

基于GIS城市建成区范围界定方法实证研究——以奉化建成区为例

长期以来,我国对建成区边界的界定缺乏行之有效、统一的操作手段,而随着城市化的快速发展,建成区范围的界定就显得较为滞后。本文尝试从属性、功能、形态三个方面来界定建成区范围,并在此基础上构建较为精准的建成区调查地理信息系统平台,以期为建成区的判定探索出快速有效的方法。奉化建成区实证研究表明,该判定方法较为精准,再经过人工修正,就可以得出精确的建成区边界。     

地理国情监测在城市化发展中的应用研究——以汕头市为例

开展地理国情监测工作的目的是为了获取自然与人类社会经济活动引起的地表变化信息,为政府、企业和公众提供地理国情信息服务。城市化发展、变迁是地理国情监测的重要应用方面之一,本文以广东省汕头市为例,基于遥感技术（ RS）,利用多时相影像数据提取不同时期建成区变化信息,并有针对性地对比分析,直观反映了汕头市三十多年的城市化发展的特点和进展情况。     

基于TM遥感影像的淮安市土地利用变化分析

随着社会的快速发展,人类活动的日益频繁,地球表面发生了翻天覆地的变化。遥感技术以其独特的优势成为土地利用调查和变化研究的重要技术手段。本文以淮安市1995年和2006年的TM遥感影像为主要数据,依据土地利用类型的光谱特征,采用NDVI,NDWI,NDBI和非监督分类方法分别提取耕地、林地、草地、水体和建筑用地类型,并对提取结果从结构和变化角度进行分析。结果证明:1)依据地物光谱特征,采用不同模型分别提取土地利用类型的方法切实可行;2)淮安市是一个以农用地为主、水资源丰富、城镇化水平较低的地区;在1995~2006年间,耕地、水域和草地分布呈减少的趋势,林地和建筑用地呈不断增加的趋势。     

Monitoring Urban Landscape Dynamics Over Delhi (India) Using Remote Sensing (1998–2011) Inputs

Urbanization is increasingly becoming a widespread phenomenon at all scales of development around the globe. Be it developing or developed nations, all are witnessing urbanization at very high pace. In order to study its impacts, various methodologies and techniques are being implemented to measure growth of urban extents over spatial and temporal domains. But urbanization being a very dynamic phenomenon has been facing ambiguities regarding methods to study its dynamism. This paper aims at quantifying urban expansion in Delhi, the capital city of India. The process has been studied using urban land cover pattern derived from Landsat TM/ETM satellite data for two decades (1998–2011). These maps show that built-up increased by 417 ha in first time period (1998–2003) and 6,633 ha during next period (2003–2011) of study. For quantification of metrics for urban expansion, the Urban Landscape Analysis Tool (ULAT) was employed. Land cover mapping was done with accuracy of 92.67 %, 93.3 % and 96 % respectively for years 1998, 2003 and 2011. Three major land covers classes mapped are; (i) built-up, (ii) water and (iii) other or non-built-up. The maps were then utilized to extract degree of urbanization based on spatial density of built-up area consisting of seven classes, (i) Urban built-up, (ii) Suburban built-up,(iii) Rural built-up, (iv) Urbanized open land, (v) Captured open land, (vi) Rural open land and (vii) Water. These classes were demarcated based on the urbanness of cells. Similarly urban footprint maps were generated. The two time maps were compared to qualitatively and quantitatively capture the dynamics of urban expansion in the city. Along with urbanized area and urban footprint maps, the new development areas during the study time periods were also identified. The new development areas consisted of three major categories of developments, (i) infill, (ii) extension and (iii) leapfrog.     

A Stochastic Approach to Estimate Distribution of Built-Up Area in Regions with Thick Tree Cover

Buildings and other human-made constructions have been accepted as an indicator of human habitation and are identified as built-up area. Identification of built-up area in a region and its subsequent measurement is a key step in many fields of studies like urban planning, environmental studies, and population demography. Remote sensing techniques utilising medium resolution images (e.g. LISS III, Landsat) are extensively used for the extraction of the built-up area as high-resolution images are expensive, and its processing is difficult. Extraction of built land use from medium resolution images poses a challenge in regions like Western-Ghats, North-East regions of India, and countries in tropical region, due to the thick evergreen tree cover. The spectral signature of individual houses with a small footprint are easily overpowered by the overlapping tree canopy in a medium resolution image when the buildings are not clustered. Kerala is a typical case for this scenario. The research presented here proposes a stochastic-dasymetric process to aid in the built-up area recognition process by taking Kerala as a case study. The method utilises a set of ancillary information to derive a probability surface. The ancillary information used here includes distance from road junctions, distance from road network, population density, built-up space visible in the LISS III image, the population of the region, and the household size. The methodology employs logistic regression and Monte Carlo simulation in two sub processes. The algorithm estimates the built-up area expected in the region and distributes the estimated built-up area among pixels according to the probability estimated from the ancillary information. The output of the algorithm has two components. The first component is an example scenario of the built-up area distribution. The second component is a probability surface, where the value of each pixel denotes the probability of that pixel to have a significant built-up area within it. The algorithm is validated for regions in Kerala and found to be significant. The model correctly predicted the built-up pixel count count over a validation grid of 900 m in 95.2% of the cases. The algorithm is implemented using Python and ArcGIS.     

北京环线建设驱动的土地利用变化遥感检测与分析

近年来,北京市的环线建设大大改进了北京的交通状况,促进了环线周边的商业发展和房地产开发的繁荣,同时也带来了环线周边地区的土地利用的变更。在“科技奥运”科技攻关项目和在研自然科学基金项目的支撑下,选择了1988,1994,2001和2003年5—6月份的TM数据,在影像经过几何校正和辐射归一化校正后对其应用高精度的自组织神经网络分类和利用高分辨率的航空照片验证;在分类数据和变更信息的基础上,采用了空间自相关分析模型、频率指数模型和潜力模型分别对北京各种用地类型的频率指数和建设用地的Moran系数和Geary系数,以及城市增长的潜力指她进行计算。一系列计算显示了环线驱动的北京市土地利用变化情况。结果表明:在环线建设的驱动下,北京市的建设用地围绕环线呈快速增长趋势;绿地面积在四环、五环的环线一带也呈增加趋势;城市增长潜力从四环到六环呈逐渐增大趋势。     

一种高分影像建筑区分块表示与合并提取方法

建筑区是一种重要的人工地理要素,利用高分辨率卫星影像可以在更精细的尺度上获取建筑区信息。针对建筑区这类结构复杂、面积相对较大的地物类,提出一种分块表示与合并提取方法。首先,通过角点上下文约束来划分图像,并将获得的图像块作为影像处理的基本单元;然后,利用空间变异函数来建模每个图像块并提取特征描述参数,进一步通过主成分变换实现建筑区图像块的结构特征表示;最后,根据图像块空间结构特征的相似性实现建筑区的判别。实验结果表明,该方法能够有效实现高分影像建筑区的提取,并且对不同分辨率的高分影像表现出良好的适应性。     

唐山市区土地利用的Landsat 8影像分层分类

针对土地利用遥感分类方法多样、分类精度高低不一等问题,该文以土地利用变化明显的唐山市路南区、路北区为研究区域,并以中分遥感影像Landsat 8OLI为信息源,在对地类样本进行可分离性分析的基础上,建立研究区土地利用分层分类体系。通过监督分类实验,选择分类效果最好、分类精度最高的最大似然分类器进行地类初分;通过绘制归一化植被指数(NDVI)、归一化建筑指数(NDBI)、两指数差值(NDVI-NDBI)的曲线及地类光谱特征曲线,建立决策树分类规则,进行地类再分。该方法可以较好地完成多种土地利用二级地类的划分,有助于提高中分影像土地利用分类效率。     

基于RS和GIS的甬台地区城市建设用地扩展特征研究

以多时相Landsat MSS,TM和ETM卫星影像为数据源,利用遥感和GIS手段,提取宁波、台州2市5个时相（1979,1990,1995,2000和2005年）城市建设用地信息,分析了城市建设用地扩展的时间特征、形态特征、空间特征并通过其与人口、GDP因素的相关分析研究其扩展的动力机制。结果表明：①1979年以来,甬台地区城市建设用地总体扩展速度表现为先升后降,而城市建设用地总体扩展强度则表现为不断提高的趋势。②甬台地区城市建设用地的空间结构存在明显的分形特征,城市建设用地空间结构分维逐渐增大,城市建设用地空间复杂性增加,城市建设用地趋向不稳定。③甬台地区城市扩展与社会经济发展具有明显的相关性。