基于GEE云平台的山东省不透水面提取

不透水面是衡量城市化发展水平的重要指标,及时、准确地掌握城市不透水面的动态变化对于监测城市地区的发展和环境变化至关重要。利用Google Earth Engine(GEE)云平台和Sentinel-1 SAR数据、Sentinel-2光学数据以及随机森林算法对山东省2020年4月不透水面进行提取。结果表明：使用光学和SAR数据融合的山东省不透水面提取精度为92.17%,Kappa系数为0.79;雷达特征的重要性优于光学特征,光学与雷达数据结合提取不透水面精度更高,错提明显减少;雷达特征对于面状不透水面的提取效果优于线状不透水面,实际使用中应针对不同的应用选择合适的特征。     

基于光谱混合分解的流域不透水面提取及其动态分析——以于桥水库为例

不透水面不仅是城市非点源污染的主要来源,还是流域生态环境变化的主要因素之一。不透水面的数量、位置、几何形状、分布格局以及透水率与不透水率的比值,均影响着流域的水文环境,因此成为研究热点。本文以天津于桥水库流域为例,综合遥感(RS)与地理信息系统(GIS)技术,从流域尺度上研究1984~2013年间不透水面覆盖度的变化。在ENVI 5.1软件支持下,利用遥感影像获取1984,1994,2004和2013年4个时相的不透水面信息。采用修正后的归一化水体指数剔除水体信息,排除水体对不透水面提取精度的影响。运用线性光谱混合分析法(Linear Spectral Mixture Analysis,LSMA),提取流域不透水面覆盖度。结果表明:流域内不透水面覆盖度大多集中在1~5级,植被覆盖程度较高。近30年间不透水面比例逐年增加,2013年比1984年增加了2.802%,呈线性增长。中等分辨率的遥感影像适合流域尺度的不透水面提取的结果可作为流域水文及规划管理的重要基础性数据。     

高分六号影像不透水面提取研究

针对高空间分辨率卫星影像空间分辨率高、波段较少这一特点,该文以高分六号多光谱影像为数据源,通过分析各类地物的光谱特征曲线,建立了一种新指数。该指数通过增强植被和裸土信息,抑制不透水面信息来扩大不透水面和植被、裸土的差异,实现对不透水面的分离提取。验证阶段将该指数用于天津市河西区和河北省易县中心城区,并将提取结果与垂直不透水面指数(PISI)、比值居民地指数(RRI)的提取结果进行对比。结果表明：该方法在河西区和易县的提取效果都要优于PISI和RRI,并且两块实验区提取结果的总体精度分别为94.0%和91.7%,具有一定的稳定性。     

基于测绘卫星影像的城市不透水面提取

针对城市大尺度的不透水面提取需求,以高分辨率遥感影像为数据源,基于随机森林模型,对光谱和纹理特征进行重要性分析,选出最优参数,实现高精度城市不透水面提取。选取武汉市作为实验区,以资源3号卫星遥感影像为数据源,不透水面提取的总体精度为0.97,所提取的高精度不透水面可为海绵城市的规划和建设提供有效的专题数据。     

基于随机森林模型的岸线不透水面提取方法研究

以南京长江沿岸保护区域为研究对象,利用2016年和2019年两期Sentinel-2影像构造多种遥感指数;再利用随机森林模型进行不透水面信息提取。结果表明,2016年的总体精度为88.25%,Kappa系数为0.76;2019年的总体精度为90.51%,Kappa系数为0.80,说明该方法具有较好的精度,能准确反映不透水面的空间分布。结合提取结果进行时空变化分析发现,2016-2019年南京长江沿线不透水面整体呈减少趋势,总面积减少2.784 km²,年均减少0.928 km²,其中大部分是由工矿用地转化为绿地以及港口码头消失导致的。长江沿线的不透水面提取和变化检测分析有助于全面、细致和真实地监测河道岸线情况,对于南京市开展长江岸线研究以及开发长江岸线资源和可持续利用具有举足轻重的意义。     

不透水面提取方法及应用研究综述

围绕数据源、提取方法以及不透水面应用研究3个层面对国内外学者提取不透水面做出了总结,其中数据源主要介绍了Landsat系列、Sentinel系列以及高分系列,不透水面提取方法主要归纳了指数法以及光谱混合分析法,应用研究主要针对不透水面演变分析、与城市生态问题的探究。通过归纳国内外学者的研究成果得出,不透水面的扩张会导致城市地表温度的上升,同时与其他一些生态问题存在一定的相关性。     

基于特征指数合成影像的不透水面提取和分析

不透水面作为表征一个地区城市化水平的关键性指标,其时空变化特征与城市建设密切相关.以济南市重要的泉水补给区南部山区为研究对象,根据植被-不透水面-土壤(V-I-S)城市地表组分模型选取了NDVI、BCI、SBAI、MNDWI和NDUI 5种遥感特征指数构成合成影像,利用最大似然法对特征指数合成影像进行分类获取不透水面信...     

典型绿洲城市不透水面提取及时空变化分析

选取库尔勒市城区为研究区,以2009、2012、2014年Rapid Eye影像为数据源,利用混合像元分解方法提取了库尔勒市的不透水面信息,分析了不透水面的时空变化特征。选取高程、坡度、坡向、距水系距离、距道路距离、距2009年城区距离、距规划区距离7个因子,利用Logistic回归进一步分析了2009—2014年库尔市不透水面扩张的主要影响因素。结果表明:2009年库尔勒市不透水面所占比例为27.04%,2012年为32.89%,2014年为35.69%;各因素的贡献率依次为坡度、坡向、距规划区距离、距道路距离、距2009年城区距离、距水系距离、高程;整体来看,在交通线密集的地方,城市不透水面分布较多,相对而言交通线稀疏的地方不透水面分布较少,并且具有沿道路轴线发展的趋势。     

一种基于DELSMA模型的城市不透水面提取方法

针对线性光谱混合分解(LSMA)模型在端元个数不变的情况下易造成不透水面被高估或低估的问题,该文提出了基于影像分层的变端元线性光谱混合分解(DELSMA)模型。以城市不透水面为研究目标,采用Landsat 8陆地成像仪(OLI)影像为实验数据,对比分析DELSMA模型和LSMA模型提取的不透水面精度。与LSMA模型分解结果进行对比,DELSMA模型相关系数从0.898 2提高到0.947 3,拟合优度从0.804 7提高到0.896 3,均方根误差从0.089 5减少到0.079 1,从精度验证结果可以看出,基于影像分层的DELSMA模型对混合像元的分解效果优于LSMA模型。实验结果表明:影像分层降低了场景复杂度,有效减少了同物异谱和异物同谱的干扰;采用变端元进行混合像元分解,有效减少了计算量和地物类内差异对分解精度的影响,一定程度上提高了不透水面的提取精度。     

基于Landsat-8的开封城区不透水面提取

基于支持向量机的监督分类方法以及目视解译等多种方法实现了开封城区不透水面的提取,并对提取方法和结果进行讨论。实验结果表明:①基于SVM的监督分类方法精度比较高,较适合开封主城区不透水面的提取;②开封市主城区北部和西部透水情况较好,南部和东部透水情况较差,开封市主城区建设呈现向西部和北部发展的态势;③开封市主城区建设过程中也注意到对于生态环境的保护,植被和水体等保持有一定的稳定性。同时这些实验也为不透水面遥感提取技术系统中方法的选择及政府相关部门提供了客观参考。     

基于SVM混合核的不透水面提取及扩张分析

利用支持向量机中单一核函数提取不透水面时存在时间复杂度高和提取精度低的问题。针对该问题,本文在径向基核函数的基础上引入多项式核函数,提出了一种混合核函数的不透水面提取方法。首先,由于属性不同的地物具有相似的光谱信息,在特征提取过程中将光谱信息与图像熵纹理信息相结合,可更加清楚地区分各地物类别。然后,在径向基核函数的基础上引入多项式核,可分别从局部和全局角度获取影像的特征信息,提高不透水面提取精度。最后,在不透水面提取结果基础上进行时空演变分析。本文利用阜新市主城区2009—2021年Landsat影像进行试验。结果表明,光谱与熵纹理相结合方法可改善特征提取效果,提升不透水面提取精度。与单一核函数提取方法对比,利用本文方法提取不透水面精度提高了2.5%,证明了该方法的有效性。     

多源高分辨率遥感影像不透水面提取

随着经济的发展,社会需求的不断提高,不透水面面积越来越代表着社会的城市化进程和经济发展水平。为了解安徽省不透水面面积和经济发展水平,本文以安徽省为研究对象,将2018年的哨兵2号（Sentinel-2）和美国陆地卫星（Landsat8）影像相结合,利用珞珈一号夜间灯光数据为辅助数据,制作安徽省森林、农田、不透水面、水体四类地物的土地利用规划图,高精度提取了2018年安徽省全省的不透水面信息。研究结果表明：通过与Sentinel-2&珞珈一号和Landsat8&珞珈一号的结果进行对比,充分证明Sentinel-2、Landsat8以及珞珈一号数据结合能够较准确、高精度地提取不透水面信息。     

不透水面产品在重庆地区的验证

以国家地球系统科学数据中心发布的不透水面数据产品为基础,利用地理国情数据中地表覆盖分类提取的不透水面成果进行重庆地区精度验证,并与兴趣点数据(Point of Interest,POI)、夜间灯光数据进行相关性和空间重叠度分析.结果表明:不透水面产品在重庆地区验证情况较好,不透水面产品与地理国情不透水面耦合性较高,能够较为准确地反映城市建设状况,全市不透水面产品有71.61％以上位于地理国情不透水面范围内;不透水面产品面积与POI核密度、夜间灯光亮度具有正相关性,但相关系数不高,且空间分布具有一定差异.通过不透水面产品在重庆地区验证分析,能够对未来不透水面提取优化研究提供基础支撑.     

不透水面提取技术在第三次全国国土调查标准时点更新工作中的应用研究

以榆中县为样本,研究利用Landsat-8卫星遥感数据,提取和分析不透水面变化信息,用于辅助第三次全国国土调查统一时点更新工作.研究结果表明,使用归一化差值不透水面算法提取的不透水面变化信息准确度高、适用范围大,可以为统一时点更新工作提供指引,减轻人工目视判读寻找变化区的工作量并避免遗漏.     

基于Sentinel-2A/B的新疆典型城市不透水面提取及空间差异分析

随着城市化进程加快,自然地表物理结构及属性的变化使得城市不透水面不断增加,进而造成城市土地覆盖类型剧烈变化,极大地影响着其环境质量和生态循环。因此,探讨不透水面的空间变化规律,对建设生态、和谐、宜居城市变得极为重要。本文选取新疆维吾尔自治区（简称新疆）典型城市（乌鲁木齐、喀什、哈密及克拉玛依）主城区为研究区,通过对Sentinel-2A/B影像L2范数归一化处理,结合增强型归一化差值不透水面指数ENDISI（Enhanced Normalized Difference Impervious Surface Index）,采用最大类间方差法（OTSU）自适应确定阈值,提取2017年和2019年新疆典型城市不透水面。结果表明：L2范数归一化处理与ENDISI结合能较好的突显不透水面与非不透水面的差异;OTSU自适应确定的阈值能够很好的区分不透水面,经示例验证（2019年乌鲁木齐主城区）,不透水面提取结果总体精度为86.60%,Kappa系数为0.73。通过对不透水面空间差异分析可知：从剖面线角度分析得出乌鲁木齐北部、喀什中部和北部及哈密中东部和北部ENDISI指数值均显著增加,而克拉玛依北部和中西部区域ENDISI指数值增加较少;从不透水面盒维数分析中得出,新疆典型城市的盒维数值均呈增加趋势,城市结构复杂度不断增强,其中哈密盒维数值最大,乌鲁木齐盒维数值最低,且哈密的盒维数值变化幅度最大,克拉玛依的盒维数值变化最小。本文可为新疆典型城市内涵式发展提供科学指导,为干旱区城市生态环境保护提供理论依据。     

基于随机森林算法的城市不透水面信息提取——以长春市为例

为了快速、准确地掌握不透水面的空间分布及满足动态变化信息现实需求,本文基于多分类器集成学习的思想,引入随机森林算法,以Landsat8影像为数据源,长春市为实验区,选取光谱特征、纹理测度、空间变换后的独立分量等25个特征变量进行分类研究,根据OOB误差进行重要性分析并试验得出最优的分类模型,实现高精度不透水面信息的提取,最后与传统参数分类法进行比较。结果表明:随机森林算法的总体精度可以达到94%,高出最大似然分类法5.9%,支持向量机算法0.77%,Kappa系数为0.914 3,均方根误差为0.104 3,不透水面的提取精度达95.54%,可以精确地得出所需信息,为城市建设与规划提供有效的专题数据。     

利用影像纹理和阴影信息提取城市不透水面的方法——以咸阳市为例

利用2012年的咸阳市资源三号卫星影像,同时利用光谱信息和纹理信息对咸阳市的地表进行监督分类,使用阈值和开闭运算提取阴影,并通过TM影像提取NDBI等指数辅助归类,优化分类结果,提高提取不透水层信息的准确率,旨在为城市合理布局,减少城市内涝等提供基本信息。研究结果表明,利用多源遥感卫星影像,同时考虑光谱和纹理信息的分类方法进行不透水面的提取精度提高了17.2%,对阴影检测和归类处理提取精度进一步提高了2.7%,方法简便可行,结果稳定可靠;咸阳市研究区地表不透水率为30.73%,不透水率相对较低,城市生态环境较好;不透水面主要分布在渭河以北老城区。     

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.     

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。