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.     

一种改进的城市不透水面指数

以Landsat-8为数据源,美国波士顿为研究区,在归一化差异不透水指数(NDISI)基础上,进行热红外波段细化,提出修正归一化差异不透水面指数(Modified NDISI,MNDISI),并对二者进行比较。结果表明,NDISI得到的不透水面总体精度和OK系数分别为84.19%和0.68,MNDISI提取的不透水面总体精度和OK系数达到87.52%和0.749。MNDISI相比NDISI,提取不透水面的效果更优。     

“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。     

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。     

流域尺度的不透水面遥感提取

一个地区的不透水面覆盖度不仅是该地区城镇化程度重要指示因子,也是该地区生态环境状况的重要指示因子.现有的不透水面遥感提取方法,多集中在城区尺度上.而流域尺度上快速、准确的不透水面遥感提取方法在国内外还鲜有研究.本研究以覆盖海河流域同一季节的Landsat影像为数据源,利用已有土地利用数据集中的道路、城市、农村和工业用地...     

城市不透水面遥感研究进展

不透水面作为衡量城市化程度和环境质量的重要指标之一,受到人类越来越多的关注.不透水面的大小、位置、几何形状、空间布局以及透水面与不透水面的比率,显著影响了区域生态环境的变化.利用多种遥感数据和方法进行不透水面的提取和制图已成为研究热点之一.从传统遥感方法、基于光谱与几何特征方法、人工智能方法等方面总结了不透水面的遥感提取方法,介绍和评析了各种方法的原理、特点和应用范围,并对未来城市不透水面的提取方法与应用进行了展望.     

徐州市城市不透水面变化及其影响因素分析

基于多年遥感数据,分析徐州市1997-2017年间城市不透水面的时空变化特征及其影响因素.研究表明:①随着城市经济社会的持续发展,城市不透水面增长是一种普遍现象和必然趋势.但研究区内,城市不透水面时空变化特征既复杂多样,也存在一些共性特征.②自然条件和经济社会发展状况对城市不透水面变化都有影响,但自然条件主要影响不透水面空间结构特征,而经济社会因素主要影响不透水面变化的规模和速率.③研究区内经济发展因素对城市不透水面变化的作用要大于人口因素,但不同等级城市影响其不透水面变化的经济动力不同,大城市受多种经济因素综合作用,不透水面变化速率较稳定,而小城市影响不透水面变化的经济因素较为单一,不透水面扩张速度起伏不定.     

地表不透水面信息遥感的主要方法分析

全球范围内的城市扩张已使得大量的不透水面取代了以植被为主的地表自然景观,并给生态环境带来了明显的负面影响。不透水面作为一个影响生态环境的关键因子已引起了全社会的广泛关注。如何及时快速地掌握不透水面的空间分布信息,准确无误地量化不透水面的动态变化信息,是城市规划、环境保护亟待解决的现实问题。而遥感以其快速、大范围、多尺度、可重复的对地观测优势为解决这一问题提供了很好的解决方案。不透水面遥感研究经过近十几年的发展已有了长足的进步,多种针对不透水面信息反演的遥感创新技术与方法被相继提出。本文重点分析了这些针对遥感不透水面提出的创新技术,详细地指出了它们的优势和不足,并在此基础上总结了中国遥感工作者在不透水面遥感方面的研究工作。当前许多不透水面信息的反演精度都可以达到85%以上,但是不透水面与裸土和阴影信息的混淆仍是困扰不透水面信息精准反演的主要问题。由于大部分不透水面材料具有和砂土石同源的特点,因此在现有影像光谱分辨率不足的情况下,单靠光谱是很难进一步提高不透水面信息的反演精度,而借助LiDAR等其他辅助数据,将有望帮助解决这一瓶颈问题。     

一种提取不透水面的综合指数

针对线性光谱混合分解(LSMA)在提取不透水面过程中无法准确区分裸地和不透水面的问题,该文在LSMA方法基础上引入改进的裸地区域指数(IBAI),提出基于LSMA-IBAI综合指数的不透水面提取方法。该方法首先使用线性光谱混合分解对Landsat 8影像进行不透水面初步提取,然后采用改进后的裸地区域指数提取裸地信息,并构建LSMA-IBAI的综合指数模型,最后通过自适应迭代法对城市不透水面进行精准提取。实验结果表明,该方法能够快速准确地对城市不透水面进行提取,总精度至少提升了1.83%,Kappa系数至少提升了0.04%。     

一种困难地区不透水面快速提取算法

干旱半干旱地区、低密度不透水面地区、山区等困难地区具有灯光较弱、空间布局分散、周边遮挡物较多等特点,目前已有的大尺度不透水面研究中对困难地区不透水面的提取效果较差。鉴于此,提出了以多时相升降轨Sentinel SAR数据和光学影像为主,辅以灯光、DEM数据为阈值筛选的提取方法。对中国延安、越南南部、阿联酋迪拜、孟加拉国南部等困难地区进行了不透水面提取,并将提取结果与2010年GlobalLand 30产品进行了对比。结果表明,平均精度可达88.58%,平均Kappa系数可达0.76。该方法能增强困难地区不透水面提取效果,并有较高的提取精度,对于大尺度乃至全球不透水面的提取具有重要的指导意义。     

多时相Landsat影像的平原河网区不透水面信息提取方法与应用

不透水面是衡量城市生态环境的重要指标,针对平原河网区不透水面与水体、裸土等地物较难区分的问题,以苏北里下河平原快速城镇化区为研究对象,利用多时相Landsat影像为数据源,基于像元光谱特征及其季节性变化分析,构建了基于时序NDWI、NDVI和NDBI的决策树模型,并利用GIS空间分析技术对不透水面的时空变化特征进行了分析。结果表明：多时相光谱信息可有效改善水体、裸土和稀疏植被等像元与不透水面的混分,2005年和2016年的不透水面分类总体精度和Kappa系数均在0.85以上,合理反映了不透水面以向东和向南扩张为主的趋势特征,年均扩张速度约为6.7 km²。研究成果为该区城镇化下的生态环境效应研究提供数据基础,同时可为其他平原河网区不透水面信息提供借鉴和参考。     

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。     

Exploring improvement of impervious surface estimation at national scale through integration of nighttime light and Proba-V data

Directly mapping impervious surface area (ISA) at national and global scales using nighttime light data is a challenge due to the complexity of land surface components and the impacts of unbalanced economic conditions. Previous research mainly used the coarse spatial resolution Defense Meteorological Satellite Program’s Operational Linescan System (DMSP OLS) and Moderate Resolution Imaging Spectroradiometer (MODIS), normalized difference vegetation index (NDVI) data for ISA mapping; the improved spatial resolution and data quality in the Suomi National Polar-orbiting Partnership, Visible Infrared Imaging Radiometer Suite’s Day/Night Band (VIIRS DNB) and in Proba-V data provide a new opportunity to accurately map ISA distribution at the national scale, which has not been explored yet. This research aimed to develop a new index – modified impervious surface index (MISI) – based on VIIRS DNB and Proba-V data to improve ISA estimation and to compare the results with those from the combination of VIIRS DNB and MODIS NDVI data. Landsat data were used to develop ISA data for the typical sites for use as reference data. Regression analysis was used to establish the ISA estimation model in which the dependent variable was from the Landsat data and the independent variable was from the MISI, as well as the previously used Large-scale Impervious Surface Index (LISI). The results indicate that the major error is from the very small or very large proportion of ISA in a unit; improvement of spatial resolution through use of higher spatial resolution nighttime light data (e.g., VIIRS DNB) or NDVI (e.g., Proba-V NDVI) data is an effective approach to improve ISA estimation. Although different indices for the combination of nighttime light and NDVI data have been used, the MISI is especially valuable for reducing the estimation errors for the regions with a small or large ISA proportion.     

泰安市区不透水面覆盖度遥感估算研究

区域不透水面覆盖度是该区域城镇化程度、生态环境状况的重要指示因子。针对传统线性混合像元分解丰度图经常出现负值或者大于1的情况,采用完全约束最小二乘混合像元分解方法,利用泰安市市区Landsat8 OLI遥感影像提取了其不透水面分布状况,运用高分辨率遥感影像随机采样进行了精度检验,并对该区域不透水面空间特征进行了分析。结果表明:该文方法对泰安市市区不透水面分布提取的精度较高;植被、水体、高和低反照率不透水面4种光谱端元的线性组合,可以较好地模拟OLI影像的波谱特征;高、低反照率不透水面两种光谱端元可以很好地表达泰安市市区不透水面信息。     

Improving impervious surface estimation: an integrated method of classification and regression trees (CART) and linear spectral mixture analysis (LSMA) based on error analysis

Classification and regression tree (CART) has been widely implemented to estimate impervious surface, an important indicator of urbanization and environmental quality. Although the CART algorithm gains higher overall accuracy than linear regression models, only very few studies have noticed that reliability of CART is affected by systematic errors. Especially, CART typically overestimates impervious surfaces in low-density urban areas and underestimates them in high-density urban areas. The primary objective of this study is to develop an improved integrated method to estimate impervious surface with higher accuracy by reducing the systematic errors of CART. This improved method was applied to three urban areas, Chicago (United States), Venice (Italy), and Guangzhou (China) to examine its effectiveness. When compared with the conventional CART, overall mean average error (MAE) and root mean square error (RMSE) of improved method are decreased by 22.64% and 20.93%, respectively, and R² rises from 0.9 to 0.96. In high-density impervious surfaces, where intensely developed urban area is located, the MAE and RMSE for the improved method are 0.066 and 0.088, respectively, largely improved from 0.100 to 0.130. Since accurate estimation of high-density impervious surfaces is the fundamental issue for monitoring and understanding the urban environment, the improved method demonstrated in this study is significant.     

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。     

城市不透水表面遥感估算研究

作为城市化水平的关键指示因子,不透水表面已经被广泛应用在城市生态环境评估中。利用TM影像,采用附有限制条件的线性光谱混合模型对北京城区的不透水表面分布进行空间分析。通过高反照率、低反照率、植被及土壤4类光谱端元的线性组合表征城市土地覆盖类型,综合剔除噪声影响后的高、低反照率分量,估算北京城区不透水表面分布。研究结果表明：利用附有限制条件的线性光谱分解得到的RMS平均值为0．003428。其不透水表面分布结果与同期spot-5对比验证,R2为0．932,均方根误差为0．086,结果令人满意。