基于多时相遥感的鄂尔多斯市不透水面变化分析

不透水面作为城市发展和生态环境的重要评估因子,在保障生态环境健康和城市可持续发展中具有重大意义。本文以鄂尔多斯为研究区,通过融合多时相Landsat和夜间灯光数据,提取1990—2019年的不透水面信息,并利用重心分析法、标准差椭圆理论和景观指数理论分析时空演变规律。研究结果表明:①1990—2019年鄂尔多斯市不透水面经历了快速扩张;东北部不透水面覆盖度高于西南部;不透水面的扩张模式总体上表现为“向外扩张-向内加密”。②东北部扩张速度减缓,西南部扩张速度增快。③不透水面扩张的方向性减弱;不透水面扩张的方向有由“东北-西南”向“东-西”转变的趋势。④斑块数量及边缘斑块破碎度增加,城市与郊区的连通性增强,城市有向周边郊区扩张的趋势。本文研究对于进一步了解城市生态环境健康与城市可持续发展的相关关系具有一定的参考价值。     

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%。     

影像分割的城市不透水面信息提取

针对线性光谱混合分解在端元选取中的不足,该文提出了结合影像分割的线性光谱混合分解不透水面估算模型。选取植被、高反射率、低反射率、土壤4种端元,利用线性光谱混合分解和结合影像分割的线性光谱混合分解两种模型,以2010年的TM5遥感影像为数据源对哈尔滨市主城区的不透水面进行估算,并对两种模型进行了对比分析。研究结果表明:线性光谱混合分解和结合影像分割的线性光谱混合分解的平均绝对误差分别为19.84%和14.76%,说明结合影像分割的线性光谱混合分解模型比线性光谱混合分解方法的估算精度高。     

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。     

基于Landsat 8数据的城市不透水面及其与热环境的关系研究

利用Landsat8数据,以成都市为研究对象,采用光谱混合分解模型研究估算成都市的不透水面分布信息。通过MNF变换和PPI指数运算,确定高、低反照率,植被及土壤四类光谱端元,并利用Landsat8新增的卷云波段去除云、土壤、沙地等噪声和MNDWI指数去除水体。修正后的高、低反照率组分含量之和即为不透水面含量的估计值。通过将不透水面信息与利用TIRS11波段反演的地表温度进行回归分析,发现两者呈正相关。     

基于遥感影像对济南城区不透水面的变化监测与分析

不透水面面积变化反映了社会的城市化进程和经济发展水平,济南市作为山东省的省会城市,代表着山东省的发展水平,不透水面的信息是准确地了解山东省经济发展必不可少的要素.为准确地了解济南不透水面变化和经济发展水平,本文对济南市城区训练样本进行选择,训练分类器,使用支持向量机(SVM)的分类算法,在Matlab中将2008年和2...     

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。     

基于Landsat年际序列影像的武汉市不透水面遥感监测

城市化进程的加速发展导致不透水面大规模扩张,逐渐影响了城市生态环境,并制约了城市的可持续发展。基于Landsat年际序列影像数据,利用支持向量机方法进行不透水面提取。选取武汉市作为实验区,以连续10 a的Landsat卫星遥感影像为数据源,监测了武汉市不透水面的变化趋势,并与最大似然法进行比较,验证了支持向量机分类方法的准确性。     

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。     

基于数据挖掘技术的流域不透水面及变化信息提取

流域不透水面是流域水循环模拟的重要参数,科学的估算方法对于城市化地区的水量与过程模拟、面源污染的估算、气候变化模拟预测等具有重要意义和实际价值。利用1988年、1994年、2002年三个年份的TM数据,以区域不透水面及其变化信息提取为研究对象,采用现场调查与计算机辅助分类相结合的方法,应用基于数据挖掘技术的决策树方法对区域不透水面进行信息提取,在此基础上,采用基于数据挖掘的混合法探测技术提取不透水面变化区域和变化类型。变化监测的总精度平均达到89%,足以满足水文模拟的需求。     

“全域-局部”不透水面信息遥感分步提取模型

提出"全域-局部"遥感信息分布提取模型,通过计算和整合影像局部范围内的空间和光谱特征来优化全域上光谱混淆较大像元的提取精度。模型分为两个主要计算步骤:"全域"前分类与"局部"后分类;"全域"前分类将仅划分出满足一定精度阈值标准的像元,而"局部"后分类则在此部分分类结果基础上,进一步发掘和计算已分类像元所蕴含的信息来辅助对全域未分类像元的提取。在不透水面专题提取过程中,采用支持向量机SVM作为前分类器,通过控制精度阈值所对应的分类后验概率产生部分分类结果;采用调节最小距离分类器作为后分类器,根据一定的权重整合像元局部范围内的空间与光谱信息,代替了传统的全域光谱信息来优化分类。实验采用TM5影像以及所对应的NLCD(National Land Cover Data)标准不透水面产品作为测试集,"全域-局部"模型对应单一SVM模型的提取精度由80.31%提高为82.73%,局部后分类器精度较单一SVM模型由54.27%提高到59.94%。实验证明该模型具有较明显的精度提升且能够较好地解决不透水面与裸土混淆的问题,并得到空间形态上更为完善的不透水面提取结果。     

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。     

Sentinel+Landsat融合影像的城市不透水面积参数获取

不透水面是衡量城市化的发展程度和评价城市生态环境质量的重要指标之一。南昌市作为环鄱阳湖生态经济圈的典型代表区域城市之一,准确、及时、高效地获取其不透水面信息对经济发展和生态规划提供全新的决策参考具有重大意义。现有的不透水面研究大多集中在针对单一光学遥感影像数据提取不透水面信息,但受影像数据源的影响,其分类结果往往存在光谱混淆和“椒盐”现象,限制了不透水面分类精度的进一步提高。为了改善这一局面,本文以南昌市为研究区,综合考虑多源遥感影像数据各自具有的影像特征优势,探究基于Sentinel+Landsat影像提取不透水面信息的适用性与优劣性。     

一种基于PPI的高光谱数据矿物信息自动提取方法

本文通过分析PPI算法后续处理存在的问题,引入最大距离法(MD)实现基于PPI的端元自动分类,并将获得的未知端元在波谱库中遍历以匹配最佳地类,最终完成基于PPI端元的矿物信息的自动提取。实验采用美国内华达州Cuprite地区的机载AVIRIS和我国东天山地区的星载Hyperion高光谱遥感数据,利用IDL编程实现矿物信息的自动提取,通过对实验结果的比较分析,验证了本文方法的有效性和实用性。     

Change detection of surface mining activity and reclamation based on a machine learning approach of multi-temporal Landsat TM imagery

Being able to quantify land cover changes due to mining and reclamation at a watershed scale is of critical importance in managing and assessing their potential impacts to the Earth system. In this study, a remote sensing-based methodology is proposed for quantifying the impact of surface mining activity and reclamation from a watershed to local scale. The method is based on a Support Vector Machines (SVMs) classifier combined with multi-temporal change detection of Landsat TM imagery. The performance of the technique was evaluated at selected open mining sites located in the island of Milos in Greece. Assessment of the mining impact in the studied areas was based on the confusion matrix statistics, supported by co-orbital QuickBird-2 very high spatial resolution imagery. Overall classification accuracy of the thematic land cover maps produced was reported over 90%. Our analysis showed expansion of mining activity throughout the whole 23-year study period, while the transition of mining areas to soil and vegetation was evident in varying rates. Our results evidenced the ability of the method under investigation in deriving highly and accurate land cover change maps, able to identify the mining areas as well as those in which excavation was replaced by natural vegetation. All in all, the proposed technique showed considerable promise towards the support of a sustainable environmental development and prudent resource management.     

青藏高原河流网络高分CubeSat遥感监测

河流网络是地表水循环的重要组成部分,如何实现河流网络动态监测已成为河流遥感研究的热点。近年来,以PlanetScope为代表的CubeSat小卫星已具备了米级空间分辨率、1 d重访周期的优势,这为河流网络高时空分辨率动态监测提供了可能。本文以青藏高原长江源区的通天河流域（227 km²）为研究区,选取2017-05—2017-10 5期3 m空间分辨率CubeSat遥感影像,增强河流横纵剖面特征自动化提取了河流网络,研究了通天河流域河流网络动态变化,对比分析了3 m CubeSat与30 m Landsat 8、10 m Sentinel-2所提取的河流网络,以及5种现有水体数据集（GRWL,GSW,FROM-GLC 2017,OpenStreetMap,HydroSHEDS）。研究结果表明：（1）研究区内河流网络5月水系密度较低（0.38 km^-1）,7—8月河流网络进入丰水期,水系密度显著增加至0.61 km^-1,9月河流网络进入平水期,水系密度趋于平稳（0.53 km^-1）,随后迅速退化并于10月开始冻结,水系密度迅速降低至0.37 km^-1;（2）采用高空间分辨率CubeSat所提取的河流网络能够识别更多细小河流（河宽3—30 m）,CubeSat所提取的河流总长分别为Landsat 8、Sentinel-2所提取河流总长的1.6倍和1.3倍;（3）CubeSat所提取的河流网络水系密度高于现有水体数据集（2.9—12.4倍）,弥补了现有水体数据集无法反映细小河流的不足。     

融合多源时序遥感数据大尺度不透水面覆盖率估算

不透水面信息是监测城市扩张及区域生态环境变化研究的重要指标,基于遥感技术对地表不透水面信息进行快速提取具有重要意义。传统大范围不透水面覆盖率估算模型主要基于单一遥感信息与不透水面比例之间的相关性,通过单因子回归模型实现不透水面覆盖率的估算。受限于单一遥感信息的信息量及普适性等影响,这类方法在大尺度不透水面提取中具有较大局限性,估算结果的区域适应性存在较大差异。针对该问题,本文提出基于多特征遥感信息进行不透水面估算的方法,以弥补单一特征在大范围不透水面提取中的不确定性。该方法首先以多时相MOD13Q1、MOD09A1产品、夜间灯光数据（NPP-VIIRS）和Landsat 8 OLI为遥感数据源,从不同角度构建突出不透水面信息的多个指数特征;在此基础上利用多元回归模型建立多因子不透水面覆盖率估算模型,进而实现大尺度不透水面覆盖率的遥感估算。本研究选择分布于全国范围内13个典型城市作为主要研究区对提出的模型进行了验证,结果表明：该方法能够适应不同区域不透水面覆盖率的估算,在复杂城市区域表现出较传统方法更好的效果,明显改善了城市内部不透水面覆盖率的估算精度。     

综合多特征的Landsat 8时序遥感图像棉花分类方法

传统的多时相遥感图像分类大多拘泥于单一特征,本文基于多时相的Landsat 8遥感数据,开展了综合多特征的特征提取与特征选择方法研究。综合了NDVI时间序列、最佳时相反射率光谱特征以及纹理特征作为初始分类特征,并采用基于属性重要度的粗糙集特征选择算法对其进行特征约简。分类结果表明:(1)利用初始分类特征,分类的总体精度达到92.81%,棉花提取精度达87.4%,与仅利用NDVI时间序列相比,精度分别提高5.53%和5.05%;(2)利用粗糙集选择后的特征分类,分类总体精度可达93.66%,棉花分类精度达92.73%,与初始分类特征提取结果相比,棉花分类精度提高5.33%。基于属性重要度的粗糙集特征选择不仅提高了分类精度,同时有效降低了分类器的计算复杂度。