Landsat/OLI与夜间灯光数据在提取城市不透水面中的精度差异分析

不透水面作为反映城市发展程度和表征城市生态环境的重要指标,在城市化研究中成为重要的数据源。当前,不透水面信息的获取通常基于遥感数据来开展,包括不同分辨率的遥感数据。这些遥感数据在高精度提取城市不透水面的能力具有较大的差异,会因尺度不同而带来提取精度的偏差。因此,理解不同遥感数据源在不透水面提取上的差异尤为重要。本文利用Landsat/OLI光谱数据和VIIRS/DNB夜间灯光数据分别采用线性光谱混合分析法和大尺度不透水面指数法提取珠江三角洲研究区的不透水面信息,并从不透水面总体精度、不同密度精度对比分析2类数据源提取不透水面的差异。结果表明：① Landsat/OLI和VIIRS/DNB两者提取不透水面的总体精度差异不大,Landsat/OLI提取不透水面的精度总体上略高于VIIRS/DNB。2种数据提取不透水面的均方根误差RMSE分别是0.18和0.21,系统误差SE分别是0.12和0.13,决定系数R ²分别是0.76和0.67。② Landsat/OLI和VIIRS/DNB数据对不同密度不透水面分布区域的提取能力不同：VIIRS/DNB在低密度不透水面区域提取精度高于Landsat/OLI;而Landsat/OLI在中、高密度不透水面区域提取精度均高于VIIRS/DNB。通过2种数据提取精度差异的对比,以期为不同密度的不透水面分布区域提取找到最佳尺度的数据源,提高不透水面提取的效率和精度。     

基于2种夜间灯光影像亮度修正指数的城市建成区提取研究

夜间灯光影像容易受到道路灯光、水面散射等影响而产生背景噪声,这一定程度上影响了利用夜间灯光数据提取建成区的精度。本文基于夜间灯光影像的DN（Digital Number）值与路网密度正相关、与EVI指数（Enhanced Vegetation Index,增强型植被指数）呈负相关的规律,提出了2种可用于建成区提取的夜间灯光亮度修正指数：EVI夜间灯光亮度修正指数EANI (EVI Adjusted Nighttime Light(NTL) Index)和基于道路网密度与EVI指数的夜间灯光亮度修正指数REANI (Road Density & EVI Adjusted NTL Index),并利用珞珈1号卫星（LJ1-01,分辨率约130 m）影像和NPP-VIIRS影像（分辨率约 500 m） 2种不同空间分辨率夜间灯光遥感影像进行验证。以2018年徐州市建成区为研究对象,分区域（主城区、外围区）利用阈值法对2种原始夜间灯光影像、经EANI指数和REANI指数处理后的影像进行建成区提取,得到6种建成区提取的结果。研究表明： ① EANI指数和REANI指数能够有效抑制夜间灯光影像的背景噪声,建成区提取的结果均优于直接利用原始影像的结果,特别是对于城市化水平较低地区的建成区提取效果更佳;② 相较于NPP-VIIRS影像,利用LJ1-01影像提取建成区的效果提高6%左右,说明我国的LJ1-01夜间灯光影像在建成区提取方面有广阔的应用前景。EANI和REANI为建成区提取提供了有效工具,并可应用于城市规划和城市扩张等研究领域。     

基于深度学习模型的城市高分辨率遥感影像不透水面提取

不透水面是衡量城市生态环境状况的重要指标。城市土地利用的复杂性和不透水表面材料的多样性,导致直接从高分辨率遥感影像中提取不透水表面具有挑战性。针对城市尺度高分辨率遥感影像的不透水面提取要求,本文提出基于深度学习的城市不透水面提取模型。首先,利用深度卷积神经网络对影像特征进行提取;然后,根据其邻域关系构建概率图学习模型,进一步引入高阶语义信息对特征进行优化,实现不透水面的精确提取。本文选取武汉市为实验区,以高分二号卫星遥感影像作为数据源,完成了不透水面专题信息提取,其中自动提取准确率在建成区为89.02%、在城乡结合部为95.55%。与随机森林（RF）和支持向量机（SVM）等经典方法对比,结果表明深度学习不透水面提取方法有较高的提取精度和细节准确性,建成区的总体精度相比于RF和SVM算法分别提升2.18%和1.68%。最后,对武汉市各主要行政区不透水面信息进行统计和分析,结果表明其中江汉区和武昌区2个核心主城区不透水面占比超过60%,并对武汉市现状和发展规划特点进行了讨论。本文研究成果可为海绵城市和生态城市的建设提供基础技术支撑和数据参考。     

基于类NPP-VIIRS夜间灯光数据的粤港澳大湾区城市建成区时空动态特征

随着人口增长与经济发展,快速准确地获取城市建成区扩张信息,并对其时空特征进行分析,对于今后城市可持续发展具有重要意义。基于2000～2018年类NPP-VIIRS夜间灯光数据的大尺度不透水面指数提取粤港澳大湾区城市不透水面,并基于统计数据比较法得到城市建成区,对粤港澳大湾区以及各城市的建成区扩张进行时空分析。结果表明：(1)类NPP-VIIRS夜间灯光数据实现了对城市建成区的高精度提取,可为城市长时间序列的时空变化监测提供新的数据基础;(2)粤港澳大湾区城市建成区由2000年的1 279.00 km²增加到2018年的4 730.25 km²,广州、深圳、东莞的建成区扩张最为明显,分别增加了793.50、812.75、1 027.50 km²;在空间上,粤港澳大湾区城市建成区扩张主要发生在各城市之间的交界地带,逐步形成了佛山—广州—东莞—深圳—香港大型城市群核心建成区,西部地区发展相对较慢;(3)粤港澳大湾区城市建成区重心2000～2018年由东莞转移到广州。总之,粤港澳大湾区城市建成区在2000～2018年扩张整体呈现...     

基于高分二号卫星影像的城市不透水面提取

受到分类目标趋于多样化和影像因素复杂的影响,基于高分辨率遥感影像提取城市不透水面的方法普遍精度不高。本文旨在探索快速有效地利用高分辨率遥感影像提取不透水面方法。以梧州市高分二号遥感卫星影像为例,采用支持向量机方法应用于不透水面分类中。这种方法首先根据高斯核函数训练出样本空间,然后直接对经过HSL色彩空间变换后的影像进行分类,使得有效特征信息增加进而分类精度提高。实验结果证明了这种方法的有效性。     

TM影像的植被类型信息提取方法研究

以宝汉天然气管线遥感解译项目为例,介绍了在山地特殊的地理条件和自然环中,应用TM影像对植被类型信息提取的方法,以ArcGIS9.0,ERDAS8.6,ARCVIEW3.2a,EXCEL作为数据平台,研究区周边植被分布特点。该方法可以缩短调查时间,减轻外业调查工作量和提高工作效率满足环境调查和专业制图的要求。TM图像对植被覆盖类型的定性、定量研究都达到了一定的精度,完全可以满足环境调查和专业制图的要求,对合理开发和利用资源是完全可行的和必要的。     

秦淮河流域近30年不透水面景观格局时空演变研究

不透水面作为表征城市化的重要指标,具有极其重要的生态学意义。本文选取多时相Landsat影像,以秦淮河流域为研究区,通过旋转森林算法得到9年土地利用覆盖图,并综合不透水率动态变化分析、土地利用变化轨迹分析、景观格局指数分析探究大流域尺度在近30年间不透水面景观格局的演变过程,旨在揭示其在城市化背景下的时空演变规律。研究结果表明：近30年来,秦淮河流域城市化进程推动下的景观格局变化显著,不透水面积增长近4倍,景观优势度大幅提升;城市化格局演变在2001-2003年前后具有明显差异,前期城市扩张以南京城区与江宁区为主,后期南京城区不透水面扩张大大减缓,而溧水区与句容市扩张速度大幅提升;城市化建设后期,流域内不透水面斑块形状复杂度降低、散布与并列情况减少、斑块的连通性、聚集度逐步增加,其中连通性水平较高的地区主要集中在南京城区和江宁区。     

面向不同环境背景的Landsat影像水体提取方法适用性研究

快速、准确地从卫星影像中提取水体信息一直是遥感应用的热点问题,在水资源管理、水环境监测和灾害应急管理等领域极具应用价值.虽然目前已有多种针对Landsat系列影像的水体提取方法,但由于地理位置、地形和水体形态等环境背景因素的影响,导致同种方法在不同的环境背景中呈现出不同的提取效果.本文针对人为影响严重、影像明暗对比强烈...     

基于夜间灯光遥感提取城市建成区的研究进展

随着全球城市化进程的不断加快,以城市为中心扩大人口,发展政治、经济和文化成为趋势,城市建成区的演变一直是研究的热点。随着遥感技术的发展,利用遥感影像进行长时间序列、高精度、大范围的城市建成区提取已成为主流方法。其中,灯光遥感所探测的夜间城市灯光特征,较直观地反映了人类城市社会的活动情况,为研究提供了新方向。本文系统梳理了目前主流夜间灯光遥感的发展进程,探讨了基于美国国防气象卫星计划/OLS(operational linescan system)、Suomi NPP(national polar-orbiting partnership)/可见光红外成像辐射仪和珞珈一号夜间灯光遥感进行城市建成区提取的主要方法。同时,比较了利用各数据源进行城市建成区提取的优缺点,为后续应用夜间灯光遥感进行城市建成区提取的研究提供参考。     

DMSP/OLS夜间灯光影像中国区域的校正及应用

美国国防气象卫星搭载的业务型线扫描传感器（DMSP/OLS）获取的夜间灯光影像,可客观地反映人类开发建设活动强度,其广泛应用于城市遥感的多个领域。但该数据缺少星上的辐射校正,下载的原始影像数据集不能直接用于研究,需进行区域校正。长时间序列的DMSP/OLS夜间灯光影像数据集主要存在2个问题需在校正过程中解决：（1）原始影像数据集中的影像是非连续性的;（2）数据集中的每一期影像都存在着像元DN值饱和的现象。针对这2个问题,本文提出了一种不变目标区域法的影像校正方法,对提取出来的每一期中国区域的夜间灯光影像进行了校正,该校正方法包括相互校正、饱和校正和影像间的连续性校正。最后,为了检验校正方法的合理性与可靠性,本文将校正前后中国夜间灯光影像与GDP和电力消耗值,分别进行回归分析评价表明,校正后的影像更客观合理地反映区域经济发展的差异。     

协同多时相波谱特征的不透水面信息级联提取

不透水面作为反应城市表征变化和区域城镇化的重要技术指标,其位置、图斑大小、空间分布等信息在地表水热循环和能量平衡等领域被广泛需求。传统方法大都基于单一时相信息提取不透水面,而忽略多时相所蕴含的丰富信息。因此,本文提出多时相信息融合的不透水面级联提取方法,利用Landsat-8 OLI遥感影像分析归一化植被指数（Normalized Difference Vegetation Index, NDVI）、改进的归一化水体指数（Modified Normalized Difference Water Index, MNDWI）和归一化建筑指数（Normalized Difference Building Index, NDBI）年内时序变化特点和典型地物间多时相波谱曲线的协同特征,并归纳不透水面多时相变化规律;再根据先验知识所获取的有效地表信息,进行多时相分级提取不透水面信息。此外,基于实地考察数据和同期2 m GF-1遥感影像屏幕数字化生成30 m不透水面图斑,进行精度验证、分析和对比单时相、四季相及多时相3种时序情况下的提取精度。结果表明：单时相提取不透水面总精度最低,四季相提取精度优于单时相,而多时相提取精度最高（精度可达93.66%,Kappa系数为0.81）。本方法在偏远城镇不透水面的有效识别中显露潜在优势,可为不透水面提取方法融合时序波谱特征提供新思路。     

Integrating TM and ancillary geographical data with classification trees for land cover classification of marsh area

The main objective of this research is to determine the capacity of land cover classification combining spectral and textural features of Landsat TM imagery with ancillary geographical data in wetlands of the Sanjiang Plain, Heilongjiang Province, China. Semi-variograms and Z-test value were calculated to assess the separability of grey-level co-occurrence texture measures to maximize the difference between land cover types. The degree of spatial autocorrelation showed that window sizes of 3×3 pixels and 11×11 pixels were most appropriate for Landsat TM image texture calculations. The texture analysis showed that co-occurrence entropy, dissimilarity, and variance texture measures, derived from the Landsat TM spectrum bands and vegetation indices provided the most significant statistical differentiation between land cover types. Subsequently, a Classification and Regression Tree (CART) algorithm was applied to three different combinations of predictors: 1) TM imagery alone (TM-only); 2) TM imagery plus image texture (TM+TXT model); and 3) all predictors including TM imagery, image texture and additional ancillary GIS information (TM+TXT+GIS model). Compared with traditional Maximum Likelihood Classification (MLC) supervised classification, three classification trees predictive models reduced the overall error rate significantly. Image texture measures and ancillary geographical variables depressed the speckle noise effectively and reduced classification error rate of marsh obviously. For classification trees model making use of all available predictors, omission error rate was 12.90% and commission error rate was 10.99% for marsh. The developed method is portable, relatively easy to implement and should be applicable in other settings and over larger extents.     

城市建成区遥感影像边界提取与扩张分析

针对城市建成区提取过程中,仅依赖单一数据源导致精度不够的问题,本文基于面向对象分类方法和利用土地类型信息标准差统计变量,实现遥感影像中城市建城区边界的提取,并以该建成区为依据对河南省虞城县的城区空间扩张特征作了分析。实验中首先采用均值漂移分割算法对高分一号遥感影像实现分割,然后利用决策树分类算法实现土地利用类型分类,最后基于0.1 km × 0.1 km窗口统计土地利用类型标准差信息,获取建成区边界。面向实际应用,以河南省虞城县为例,采用高分一号影像获得虞城县2017年建成区数据,并基于该数据采用多个TM影像提取城区其他年份的建成区边界,实现河南省虞城县城区空间扩张特征分析。结果表明,本文方法获取的建成区边界精度较一般的监督分类提取边界有进一步的提高,精度达到89%。进而说明结合高分辨率影像提取多个年份的建成区数据的可靠性,在城市扩张研究中,对仅利用低空间分辨率提取精度不够问题和仅利用高分辨影像提取效率低等问题提供了较好的解决方案。     

近20年京津唐地区不透水面变化的遥感监测

不透水面是衡量城市化程度的重要指标之一,对京津唐城市群的不透水面进行深入研究,可以量化城市群扩张过程及其影响,对该区域多城市协调发展及规划布局具有重要意义。本文结合高分辨遥感影像、生长季及落叶季的Landsat TM遥感影像和夜间灯光数据等,采用分类和回归树（Classification and rRegression Tree, CART）算法,构建了适于京津唐地区不透水面盖度提取的技术方案,获取了京津唐地区1995-2016年共5期地表不透水面盖度专题信息,并分析了地表不透水面的时空演变规律,结论为：① 适于京津唐地区不透水面盖度提取的CART算法的最佳输入变量组合为：生长季和落叶季的Landsat TM图像以及对应的夜间灯光数据;其次为生长季Landsat TM遥感图像和夜间灯光数据组合方案。利用该组合方案,ISP估算输出结果的交叉验证精度R值可以达到约0.85,可以满足地表不透水面纵向对比分析的需要。② 从地表不透水面总面积数量值来看,1995-2016年京津唐主体城市区域整体上呈增长趋势,其中2011-2016年地表不透水面积增加愈加明显;③ 从地表不透水面盖度值的高低来看,1995-2016年京津唐中、高盖度不透水面的占比都是在不断增长的,低盖度不透水面占比存在少量下降现象,且京、津、唐3城市的主体城区各阶段变化差异较大,反映出了各城市扩张具有各自不同的时空演变特征。     

无人机遥感数据处理与滑坡信息提取

高分辨率的DEM和DOM数据是对地形地貌信息的准确描述,也是滑坡信息提取的重要数据源。首先,针对滑坡信息提取的要求,本文采用无人搭载微型单反相机的影像获取平台,结合野外测量的GPS数据,弥补了无人机POS信息精度低的劣势;针对无人机影像的特点,运用摄影测量基本原理与计算机视觉算法,获取高精度、高分辨率的DEM与DOM影像,保留了丰富的光谱与纹理信息。其次,借助ESP辅助工具获取了DOM影像的最佳分割尺度,并结合研究区地物特征构建了基于模糊分类与SVM算法相结合的决策树,运用面向对象的分类方法实现了对研究区内植被、道路、疑似滑坡区域的信息提取。最后,依照研究区地物分布的空间特征确定了高风险等级区域,并对该区域进行滑坡的形态与纹理分析以及精度评价,其中提取的疑似滑坡区域用户精度为91.44%、生产者精度为84.65%,结果表明无人机遥感在滑坡信息提取领域具有较高的应用价值。     

融合高度特征的高分遥感影像多尺度城市建筑类型分类

城市区域建筑类型信息在城市功能区识别、城市环境变量反演等应用领域具有重要作用。本文提出一种融合高分辨率遥感影像高度特征的多尺度城市建筑类型分类方法。首先利用语义分割模型识别高分辨影像中建筑和阴影对象;然后借助建筑对象及其阴影信息在卫星成像时的几何关系估算建筑高度;最后基于多尺度图像分析思想,提取一系列表征建筑对象的高度、空间结构、几何等多尺度特征,利用机器学习方法进行建筑类型分类,并进一步分析不同粒度的建筑类型分析单元对分类结果的影响。选取福州市主城区国产高分二号高分辨率影像进行实验验证。结果表明：① 基于所提方法的建筑类型分类总体精度达到82.98%, kappa系数为0.77,分类精度优于本文中未加入高度信息的分类方法和单一尺度分类方法;② 引入高度特征有效提高了中低层居民楼和高层商住两用建筑类型的分类精度,较未加入高度特征的分类结果,总体精度提高了11.28%;③ 融合多个尺度的图像特征可有效减少粘连建筑误分为密集型建筑的情况,较单一尺度分类方法,总体精度提高了2.77%。在精细的数字表面模型数据缺失下,利用高分辨影像阴影信息可为建筑物高度估计提供一种有效的策略,提高城市建筑类型分类精度。此外,融合多粒度图像特征可提升城市区域复杂建筑类型的表征能力,进而提高分类精度。     

关键生育期冬小麦和油菜遥感分类方法

农作物空间分布的遥感识别是地理学、生态学和农学等多学科研究的前沿和热点,多源遥感数据在其中发挥着重要的作用。本研究结合冬小麦和油菜的种植及生长特点,以安徽省合肥市为研究区域,利用ZY-3、Sentinel-2和GF-1等多源遥感影像数据,以高程、坡度等数据为辅助信息,结合以多尺度分割、最邻近法和阈值法等为主要步骤的面向对象的分类方法,提取研究区合肥市冬小麦和油菜种植的空间分布信息。结合来自于GVG农情采样系统和Google Earth高分辨率影像上获得的地面验证数据进行分类精度验证,计算得到分类结果的混淆矩阵,并根据混淆矩阵数据计算出分类的总体精度为94.43%,Kappa系数为0.914。结果表明,本研究提出的方法能够有效地区分在冬小麦和油菜的混种区域里两种作物种植区域的空间分布,且这种多种策略相结合的分类方法体系,能够适用于其它区域甚至是更加大尺度上的作物分类。     

基于遥感的河南卢氏西部地区蚀变信息提取与分析

近矿围岩蚀变和构造分析是找矿研究的重要内容,遥感异常信息提取、遥感地质解译,结合野外调查能查明围岩蚀变分布情况和构造特征。本文以河南省卢氏县西部地区的成矿远景区为研究区域,选用ASTER多光谱数据和SPOT5高分辨率数据,利用遥感图像波段比值处理方法及特征主组分分析、光谱角填图分类等分析方法,对该地区重要成矿区段做矿化蚀变信息提取及遥感地质综合分析并提供了新的找矿靶区。     

高分遥感图像相对辐射校正中的伪不变地物自动提取和优化选择

相对辐射校正是遥感变化检测中重要的预处理过程,伪不变地物(Pseudo-Invariant Features,PIF)是多时相影像中相对不变的地物,是相对辐射校正中的重要依据.针对高分遥感图像变化检测中相对辐射校正的要求,本文提出了一个自动提取和优化选择PIF的流程和方法:首先计算两期图像的亮度、光谱特征和空间特征的变...