基于随机森林和Landsat8 OLI影像的脐橙果园种植信息提取

针对从中分辨率遥感影像中提取果园种植信息所面临的特征维数高、提取精度低等问题,采用随机森林算法进行特征优选,进而提取脐橙果园种植信息.以重庆奉节为研究区,首先选取春、秋、冬3季Landsat 8 OLI遥感数据生成光谱特征、植被指数特征和纹理特征,并结合地形因子构建初始特征集;再通过随机森林算法确定优选特征集;最后基于随机森林分类器,利用初始特征集和优选特征集进行脐橙果园的提取实验,并对各实验结果进行了精度评估和对比分析.研究结果表明,基于随机森林算法构建的优选特征集能在降低特征维度的情况下获得较高的精度,总体精度和Kappa系数分别为90.71％和0.89.     

基于Landsat 8卫星OLI影像的合肥市水体信息提取方法研究

以安徽省合肥市为研究区,以2013年5月14日OLI影像为数据源,经过辐射定标、大气校正和影像裁剪等一系列预处理工作,利用神经网络分类法进行监督分类,并运用谱间关系法、改进的归一化差异水体指数法(MNDWI)提取合肥市的水体信息。通过对谱间关系法和MNDWI分类结果的总体精度比较,确定谱间关系法是水体提取的有效方法之一。     

基于Landsat-8 OLI数据冰川信息提取与温度反演

利用遥感技术可以测量的陆地冰川属性包括空间范围、表面地形、底部地形、总体积、表面流动场、积累和消融速度、表面分区、反照率等,以及这些量随着时间的变化情况。本文利用Landsat-8的影像数据,通过波段运算、监督与非监督分类等方法实现了冰川表面信息的提取,并反演得到了冰川的表面温度。     

基于Landsat-8 OLI影像的植被信息提取方法研究

植被是地理环境的重要组成部分,在城市生态环境系统中扮演着非常重要的角色。本文以池州市2014年OLI遥感影像为基础,结合30 m空间分辨率的DEM数据,在ENVI 5.1和ArcGIS 10.2软件的支撑下,对该区植被信息进行提取。通过对比原始波段组合、主成分分量组合和衍生波段组合的分类精度,确定植被信息提取的最佳波段组合,并对植被提取结果进行精度验证。结果表明:考虑NDVI、绿度指数和第一主成分的衍生波段组合植被提取精度最高,与该区已知的土地利用类型中的植被覆盖度进行比较,精度达到89.16%。这说明该波段组合方案对于Landsat-8影像提取植被信息效果较好,可以为其他地区植被信息的提取提供参考。     

基于Landsat8 OLI遥感影像冰湖边界分类叠加提取

青藏高原特殊的地理及其气候环境适合冰湖变化研究。传统的方法由于受到冻湖、冰川以及山体的阴影的影响,提取冰湖边界时会出现大量的错分和误分。本文基于NDWI(Normalized Difference Water Index,水体指数法)、DEM(数字高程模型)、RGI(Randolph Glacier Inventory)6.0全球冰川编目数据提出针对不同状态下的冰湖边界提取的分类叠加提取方法。结果表明,分类叠加提取方法能够实现未结冰、半结冰以及全结冰三种状态下的冰湖边界提取,并且能减少冰川以及山体阴影的影响,使用该方法提取三种状态下的冰湖的错分和漏分误差均小于2%且Kappa系数均大于0.81。     

基于Landsat8 OLI影像的铜陵市土地利用变化分析

遥感影像分类技术能够快速获取土地利用信息。以铜陵市2015年的Landsat8OLI遥感影像,以及1998年的土地利用图、政区图为数据源,经过配准、辐射校正、几何校正等预处理,利用监督分类和专家分类法对影像进行分类,并对分类结果进行精度分析,选用精度较高的分类结果;利用ArcGIS对1998—2015年的土地利用变化情况进行统计和分析,并对土地变化趋势的分析结果进行验证。研究结果表明,由于城市化的推进,1998—2015年铜陵市水体总面积变化较大,林地面积有较大增长,建设用地面积稳定增加,而裸地面积大幅度减少。研究结果可为铜陵市的可持续性发展和土地的有效管理提供理论基础和依据。     

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%。     

Landsat8 OLI数据斑岩铜矿遥感蚀变矿物组合提取研究

Landsat8 OLI数据NIR波段(0. 845~0. 885μm)和SWIR2波段(2. 100~2. 300μm)波谱分辨率的提高,已分别成为含Fe~(3+)类、Al-OH类和Mg-OH类蚀变矿物的诊断性谱段。通过利用混合调制匹配滤波(mixture tuned matched filtering,MTMF)方法,开展多龙矿集区铁格隆远景区含Fe~(3+)类、Al-OH类和Mg-OH类蚀变矿物信息提取研究,并与Hyperion数据蚀变矿物信息提取结果进行对比分析。研究结果表明,基于Landsat8 OLI提取的3类蚀变矿物较为可靠;铁格隆远景区蚀变矿物组合的空间分布与斑岩铜矿经典蚀变分带特征基本吻合;遥感蚀变分带由内而外分别为绢英岩化+泥化带(Al-OH类蚀变矿物)和青磐岩化带(Mg-OH类蚀变矿物),Fe~(3+)矿物组合则分布在绢英岩化+泥化带和青磐岩化带之间或过渡带上。     

基于Landsat8 OLI影像光谱的土壤盐分估算模型研究

针对艾比湖流域盐渍化土壤盐分定量监测的需要,利用Landsat8 OLI多光谱影像进行土壤盐分估算模型研究,以提高土壤盐分反演的精度。通过分析不同含盐量土壤的影像光谱反射率特征和不同变换形式的光谱反射率与盐分的相关性,寻求对盐分含量敏感的光谱波段;采用多元逐步回归算法,分别建立基于OLI影像光谱与ASD光谱仪重采样光谱的土壤盐分估算模型,并对影像光谱模型进行校正。结果表明:ASD重采样光谱数据的对数倒数一阶微分变换的土壤盐分估算模型精度较高,模型的决定系数(R2)为0.779;校正后的OLI影像光谱土壤盐分估算模型的R2从0.28提高到0.777 6,且均方根误差值仅为0.281。本研究实现了从实地测量光谱尺度向遥感多光谱尺度的转换,为土壤盐渍化的遥感定量监测提供了科学参考。     

融合Landsat 8与Sentinel-2数据的红树林物候信息提取与分类

科学准确地监测红树林是保护海陆过渡性生态系统的基础和前提,但红树林分布于潮间带,难以进行大规模人工监测。遥感技术能够对红树林进行长时间、大面积监测,但已有研究尚存不足。一方面,红树林分布于热带、亚热带区域,受到天气条件限制难以获得长时间覆盖的有效光学遥感数据;另一方面,红树林极易与其他陆生植被混淆,仅利用多波段数据的光谱信息难以精确识别。本文以恒河三角洲孙德尔本斯地区为例,基于谷歌地球引擎GEE（Google Earth Engine）获取2016年全年的Landsat 8 OLI和Sentinel-2 MSI数据,利用物候信息进行红树林提取研究。首先,基于最小二乘回归构建两个传感器在相同指数之间的关系,重建时间序列数据,之后根据可分性判据选取增强型植被指数EVI（Enhanced Vegetation Index）和陆地表面水分指数LSWI（Land Surface Water Index）。其次,对两个指数的时间序列数据进行Savitzky-Golay滤波处理,并分别提取生长期始期等13种物候信息。最后,将两个指数的物候信息进行特征级联,采用随机森林RF（Random Forest）方法进行分类,提取研究区红树林范围。实验结果表明：Landsat 8 OLI和Sentinel-2 MSI数据融合可有效提升时间序列质量,与基于单一传感器数据的分类结果相比,总体精度提高1.58%;物候信息可以显著增强红树林与其他植被的可分性,与直接使用时间序列数据的分类结果相比,总体精度提高1.92%;同时考虑EVI和LSWI指数可极大地提升分类效果,与采用单一指数相比,总体精度分别提高14.11%和9.69%。因此,本文通过数据融合、物候信息提取和指数特征级联可以更好地提取红树林,总体精度达到91.02%,Kappa系数为0.892。研究验证了物候信息在红树林遥感监测中的应用潜力,提出的方法对科学准确地监测全球或区域红树林具有一定参考价值。     

利用Landsat 8 OLI进行汉江下游水体浊度反演

综合比较Landsat 8 OLI遥感影像与地面同步水质监测结果,发现Landsat 8的近红外波段与其他波段的组合和水体浊度具有较高的相关性,以此为基础运用OLI的第1、3、5波段组合建立了汉江中下游浊度的遥感反演数学模型。根据该模型生成了2013年4~11月共3幅汉江中下游浊度分布图,并进行了空间分析。精度验证表明,模型相对误差在15%左右,R2=0.71,表明运用Landsat 8 OLI可有效地监测该区域水体浊度分布情况。     

基于Landsat-8卫星OLI遥感影像和AdaBoost算法的水体信息提取

以红碱淖地区为研究对象,基于AdaBoost算法,将Landsat-8卫星OLI遥感影像谱间关系、NDVI、NDWI和KT变换wetness等特征相结合,构造提取水体的强分类器,实现水体的快速精确提取。结果表明,组合后的分类器能有效提高单个分类器的分类精度,平均分类精度提高了5.15%。该算法说明了Landsat-8遥感影像的水体信息提取的可行性,为快速精确提取水体信息提供了新思路。     

基于OLI数据与决策树法的去山体阴影水体信息提取研究

研究山区地表水体信息OLI遥感数据去阴影自动提取方法,设计基于数字高程模型与指数提取的决策树分类方法,提高水体自动识别的精度。该方法选取改进的归一化水体指数、归一化植被指数、比值植被指数、主成分分析前3个分量以及波段之间的组合运算,并结合DEM构建决策树分类规则。综合采用单波段阈值、谱间关系、植被指数和水体指数阈值完成山体水体的去阴影识别研究,与计算机自动识别分类方法比较,其精度明显提高。结果表明,决策树分类方法在精度上明显高于常用的计算机自动分类方法,可以很好地被利用于OLI遥感数据水体信息的海量、大范围提取。     

基于Landsat8数据的巢湖悬浮物浓度分析

利用4景Landsat8数据,以巢湖为研究对象,获得2013-05-12巢湖悬浮物的质量浓度特征。利用Landsat8新增的卷云波段有效剔除卷云对遥感带来的干扰。通过MNDWI指数提取水体信息,对深蓝波段与蓝光波段进行归一化指数计算,然后进行密度分割得到悬浮物浓度分级图,分析其空间变化。     

北京地区Landsat 8 OLI高空间分辨率气溶胶光学厚度反演

卫星气溶胶光学厚度(AOD)反演中,传统暗目标方法在反射率较低的水体、浓密植被覆盖区域取得了较好效果,在反射率较高且结构复杂的高反射地表上空目前多采用深蓝算法,但存在空间分辨率较低,对细节分布描述性较差等问题。为解决这一问题,本文首先以5年(2008年—2012年)长时间序列MODIS地表反射率产品为基础,采用最小值合成法建立500 m分辨率逐月地表反射率产品数据集,然后利用地物波谱库中典型地物波谱数据,分析建立MODIS与Landsat 8 OLI传感器蓝光波段反射率转换模型,最后北京地区AERONET地基观测数据确定了气溶胶光学物理参数,并反演获取了北京地区上空500 m分辨率的AOD分布。为验证反演算法的精度,分别将反演结果同AERONET及MODIS/Terra气溶胶产品(MOD04)进行交叉对比,同时利用相关系数R,均方根误差RMSE,平均绝对误差MAE以及MODIS AOD产品预期误差EE共4个指标进行衡量。结果表明:算法反演获取的AOD与AERONET观测值具有较高的一致性,各指标分别为R=0.963,RMSE=0.156,MAE=0.097,EE=85.3%,稍优于MOD04产品(R=0.962,RMSE=0.158,MAE=0.101,EE=75.8%),并且有效的对比点数也高于MOD04。通过与地基观测相比,卫星遥感获取的高分辨率城市地区AOD精度可作为定量评估城市空气质量的有效依据。     

基于机载LiDAR数据的区域林木信息提取

本文对LiDAR数据的各种滤波方法以及多次回波特性进行了综合研究,提出一种基于其多次回波特性进行林木信息提取的方法,并对该方法的可行性进行了实例验证,为探索LiDAR数据的应用提供了新的思路。     

Landsat-8 OLI遥感数据的矿化蚀变信息提取——以重庆市彭水县为例

利用重庆市彭水县Landsat-8 OLI遥感数据和ERDAS-9.3软件进行一系列的图像增强及几何校正处理,对波段进行相关性分析,按照波段特征,选取OLI7、OLI5、OLI4波段作为基础信息源。应用图像的掩膜技术,除去植被信息的干扰,并结合典型的蚀变矿物光谱特征,运用主成分分析方法提取该区域的矿化蚀变信息,主要为铁染及羟基蚀变信息。分析表明,区域已开采矿产资源的分布情况与结果吻合,为后续的区域找矿工作提供了可靠方向。     

深度置信网络算法反演Landsat 8 OLI气溶胶光学厚度

传统的气溶胶遥感反演算法在地表反射率较低、结构较为均一的海洋及浓密植被等区域的气溶胶反演可以达到较高的精度,而在城市、矿区等高亮度、高异质性区域的气溶胶反演中仍面临较大的挑战。当地表反射率较高时,卫星传感器获取的对气溶胶具有标识性的信息不足,导致了气溶胶反演的困难。为更大程度地挖掘卫星信号中对气溶胶具有标识性的信息,本文提出使用深度学习技术的气溶胶遥感反演算法,用于Landsat 8 OLI传感器的气溶胶反演。选择全球不同区域的AERONET站点气溶胶实测数据以及对应区域的Landsat 8 OLI传感器的观测几何角度和表观反射率数据,根据合理的时空匹配原则构建样本数据。选择深度置信网络,在合理设置训练批次和训练次数的基础上对网络进行训练和测试,生成关于卫星传感器数据的气溶胶光学厚度拟合网络模型,实现气溶胶遥感反演。使用独立的AERONET站点气溶胶实测数据对反演结果进行了验证,结果表明：该方法可反演不同地表类型区域连续空间覆盖的气溶胶光学厚度,且达到了较高的精度（R=0.8745,RMSE=0.0391,MAE=0.0616,EE=87.94%）。与传统的方法相比,本方法基于单时相卫星遥感数据即可实现气溶胶的高精度反演,简化了气溶胶反演的步骤,提高了气溶胶反演的稳定性和时空适应性。     

联合HJ-1/CCD和Landsat8/OLI数据反演黑河中游叶面积指数

目前制约30 m分辨率地表参数遥感提取的主要因素是有限的观测个数,而联合多传感器观测是提高单位时间观测频次的一个有效途径。本文以黑河中游为研究区,利用HJ-1/CCD和Landsat 8/OLI传感器构建多传感器观测数据集。对多传感器观测数据集在观测周期内的有效观测个数、观测角度和双向反射分布函数BRDF分布特征、以及经过预处理后的多传感器数据一致性等问题进行分析。不同传感器观测数据质量差异是多传感器联合反演的主要问题,因此本文首先制定了多传感器数据质量控制方案,然后利用统一模型查找表反演单传感器叶面积指数LAI结果,对10天观测周期内经过质量筛选的单传感器反演结果采用平均方法合成LAI产品。结果表明,LAI有效反演像元占总反演像元比例由单传感器的6.4%—49.7%提高到多传感器的75.9%。利用地面测量数据进行验证分析,LAI反演结果与地面实测数据的均方根误差RMSE均值为0.71。利用30 m分辨率的HJ-1/CCD和Landsat 8/OLI传感器数据可以生产精度可信、时间分辨率连续的LAI产品。     

基于MODIS数据的湖北省油菜种植分布信息提取

MODIS归一化差值植被指数(MODIS-normalized difference vegetation index,MODIS-NDVI)时间序列产品能够连续反映植被的覆盖情况,是农作物遥感测量的重要数据源。为研究基于MODIS数据的油菜种植分布信息提取技术,选取湖北省为研究区,利用2008—2013年75个时相的MODIS-NDVI时序数据,结合农作物物候和地面调查样本等辅助资料,通过建立油菜种植面积提取模型,采用多次阈值比较方法提取了2009—2013年湖北省油菜种植分布信息,与统计数据比较,总体提取精度为85%左右。最后利用环境小卫星HJ-1A CCD数据进行精度验证,证明了MODIS-NDVI时序数据及本文方法在油菜种植面积提取中的可靠性,对掌握油菜种植面积和产量信息、加强农业生产管理、调整农业结构及辅助政府有关部门制定科学合理的农业政策具有重要意义。