基于高分二号遥感影像的河界水体信息提取方法研究

在高分辨率遥感影像中,部分河流水面与阴影暗色地物常常难以区分。文章基于高分二号影像数据的特点,采用单波段阈值法、归一化差分水体指数、面向对象分类法、单波段阈值法与阴影水体指数相结合的决策树法,对红水河大化瑶族自治县部分流域进行提取,并比对分析结果。     

面向对象的极高海拔区水体及冰川信息提取——以珠穆朗玛峰国家级自然保护区核心区为例

极高海拔地区多为河流发源、冰川发育地,由于地形起伏强烈,且野外考察验证工作困难,传统的遥感信息提取方法很难保证该地区水体及冰川的提取精度。本文基于ASTER影像,运用面向对象的图像信息自动分析方法,对珠穆朗玛峰国家级自然保护区核心区的水体及冰川信息进行了提取研究。为保证信息提取的准确度,将数字高程模型(DEM)及其衍生数据(坡度、坡向),归一化植被指数(NDVI)数据,及有助于区分水体、冰川与其他地物的相关指数(冰雪指数NDSII)及波段运算结果(b1-b3)、(b3/b4)等,分别作为一个波段叠加到原始图像中,使之成为对目标地物光谱特征的有益补充。并对不同类型的水体及冰川进行多级、多尺度分割,以满足其对分割尺度的不同要求。分割完成后,综合考虑目标地物的光谱特征、纹理特征、空间结构特征,根据各特征指数的直方图信息,设定合适的阈值,建立了各水体及冰川类型信息提取的知识规则,并结合实地调查对信息提取的精度进行验证,改进了ASTER遥感影像自动快速提取极高海拔区水体及冰川信息的实用模型。     

CSD和CDD结合下的最优遥感特征指数集构建及其在湿地信息提取中的应用

依托中分辨率成像光谱仪完整的数据序列和丰富的光谱信息,遥感特征指数在湿地生态系统发展变化的状态、趋向和规律研究方面发挥着不可替代的优势。传统类间距离判别的遥感特征指数选取中常存在过分依赖数据统计特征、入选指数与目标地类间生态学意义不明确、分类模型普适性差等局限性。基于此,本研究以河北省白洋淀湿地自然保护区为例,提出类可分离性距离判别（Class Separation Discrimination,CSD）与类间距离判别（Class Distance Discrimination,CDD）相结合的方法构建最优遥感特征指数集,并采用QUEST算法和马氏距离判别法构建分类决策树模型用于白洋淀湿地信息的提取研究,尝试克服传统类间距离指数选取中的不足。结果表明：运用CSD和CDD相结合的方法所选取的遥感特征指数在研究区湿地信息提取过程中的总体分类精度达到了91.32%,Kappa系数0.88,较传统的分类与回归树（Classification and Regression Tree,CART）方法,分类精度提高了1.67%;其次选取的最优指数与待提取的湿地类型均具有明确的生态学意义,如挺水植物在立地干湿交替条件下的潴育化过程决定了氧化铁比率IO可成功的将混分的耕地和挺水植物进一步分离;进一步将基于研究区2017年OLI影像构建的CSD和CDD相结合方法与CART方法的模型分别应用于研究区2019年OLI影像进行分类,基于CSD和CDD相结合方法构建的模型分类总体精度和Kappa系数分别为：86.97%、0.83,基于CART方法构建的模型无法满足分类需求,研究结果较好地证明了基于CSD和CDD相结合方法构建的模型在年际之间具有良好的适用性和稳定性。总之,CSD和CDD相结合的方法在不降低湿地信息提取精度的基础上,有效避免了传统遥感特征指数选择方法的局限性,提高了分类模型的普适性,是遥感特征指数选择算法和决策树相结合在湿地信息提取方面的有益尝试。     

基于三指数合成影像的西北地区城市建筑用地 遥感信息提取研究

随着西部大开发战略的实施以及“一带一路”战略的影响,西北地区的城市发展也发生着巨大变化,利用遥感影像更加准确地提取西北地区城市建筑用地信息对分析城市扩张趋势、规划城市建设具有重要意义。本文以2000年兰州市主城区和2003年西宁市主城区的Landsat 7 ETM ⁺影像为数据源,结合压缩数据维的方法,通过构建三指数合成影像并利用该影像来提取城市建筑用地信息。实验首先根据兰州市主城区的影像光谱特征,创建了归一化差值裸地指数（NDBLI）。然后将该指数与比值居民地指数（RRI）、修正型归一化水体指数（MNDWI）合成为一个包含3个波段的新型三指数合成影像NRM（NDBLI、RRI、MNDWI）;同时,根据集成学习思想,为增强城市建筑用地信息,将主成分分析的第一波段（PC1）、归一化差值建筑用地指数（NDBI）和比值居民地指数（RRI）合成为一个包含3个波段的新型三指数合成影像PNR（PC1、NDBI、RRI）;最后分别将三指数合成影像NRM和三指数合成影像PNR作最大似然分类提取城市建筑用地信息,将其提取结果与由归一化差值建筑用地指数（NDBI）、修正型归一化水体指数（MNDWI）和土壤调节植被指数（SAVI）所创建的NMS（NDBI、MNDWI 、SAVI）影像得到的最大似然分类结果作精度比较,并利用西宁市主城区影像对本文方法进行了相应验证。结果表明,利用三指数合成影像PNR提取城市建筑用地的总精度和Kappa系数最高,其总精度达到了90%以上,适合于提取西北地区含裸地较多的城市建筑用地。     

基于改进SVM分类法的SAR图像水体面积提取研究

在复杂地表环境下的多云多雨地区,基于合成孔径雷达（SAR）图像提取水体时容易受到其它地物如水田、山体阴影等干扰,传统的灰度阈值法和SVM法未能考虑水体与其它地物在纹理和地形上的差异,因此水体提取结果精度较差。研究首先用Refined Lee滤波对SAR图像进行预处理;其后通过DEM建模和坡度计算提取地形特征,通过计算图像灰度共生矩阵以提取纹理特征（包括均匀性、角二阶矩和熵）,并结合SAR图像极化信息以及SDWI指数形成针对水体提取的特征空间,通过融合地形特征和图像纹理特征发展了改进SVM 分类法的水体提取模型。在使用Sentinel-1 SAR数据对所发展模型与SDWI水体指数法、传统SVM法水体提取结果进行比对后发现,改进SVM分类法提取的水体结果较好地剔除了水田和山体阴影,且提取的水体水面比传统的SVM法更加完整;该方法在总体精度、Kappa系数、漏分率和错分率指标上均优于SDWI法和传统的SVM法,总体精度达到98.06%,比SDWI法和传统的SVM法分别提高了23.24%和5.49%,有效提高了复杂环境下地表水体的提取精度。研究最后将所发展模型应用于2018年马哈韦利河流域逐月水体提取与变化分析,有效解决了山体阴影和水田误分问题。本文提出的改进SVM法可以实现复杂地表环境下大范围水体信息准确、完整提取。     

利用伪归一化差异水体指数提取城镇周边细小河流信息

通过对归一化差异水体指数NDWI中的绿波段修正,提出了不依赖于中红外波段的伪归一化差异水体指数FNDWI（False NDWI）。使用NDWI和FNDWI分别在背景地物为城市、城郊、乡镇、村落和山区的遥感影像上进行河流水体提取,实验表明,FNDWI影像中城镇建筑用地与河流水体的可分离性较NDWI有所提升,提升率为116%~335%不等;相关性分析表明,河流宽度与可分离性提升率具有明显的负相关关系,相关系数为-0.82;分类结果显示,在城市和城郊区域,NDWI提取的水体中混杂有较多城镇建筑用地信息,而FNDWI提取的水体中基本未见混杂。总体上,FNDWI提高了2种地物的可分离性,剔除了NDWI影像混入的城镇建筑用地信息,较好地解决了NDWI城镇建筑用地与河流水体的混淆问题,尤其适用于城镇周边的细小河流。     

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。     

陆表水体遥感监测研究进展

江河湖泊等陆表水体在工农业生产、气候调节、生态系统维持等方面扮演着至关重要的角色。在气候变化与人类活动的作用下,陆表水体的空间分布始终在发生着变化,因而对其进行快速精准的时空变化监测对水资源管理与保护、未来气候变化预测等有着重要的意义。遥感技术为大范围水体动态监测提供了全新的技术手段,特别是在当前地球大数据背景下,水体提取算法不断改进,遥感数据源急剧增加,但缺乏对算法和数据演化过程的系统整理。鉴于此,本文对现有水体提取算法与遥感数据进行了综合梳理,归纳了单波段阈值法、多波段谱间关系法、水体指数与阈值法、支持向量机、随机森林、深度学习等常用算法的演变,以及遥感数据源由低（MODIS等）到中（Landsat等）和高（高分1/2号等）空间分辨率的发展过程,并在此基础上讨论了各算法与数据源在水体变化研究中的差异。此外,本文论述了数据处理平台由本地计算到高性能云计算平台（如谷歌地球引擎）的发展,云计算促进地表水变化研究由基于时间片段到基于时间序列连续过程分析的转变,以及云计算在大尺度范围的应用。最后,本文还对多源遥感数据融合与云计算平台的结合在地表水体连续变化监测中的应用进行了展望,并对不同类型水体提取的不确定性进行了讨论。     

利用伪归一化差异水体指数提取城镇周边

通过对归一化差异水体指数NDWI中的绿波段修正,提出了不依赖于中红外波段的伪归一化差异水体指数FNDWI（False NDWI）。使用NDWI和FNDWI分别在背景地物为城市、城郊、乡镇、村落和山区的遥感影像上进行河流水体提取,实验表明,FNDWI影像中城镇建筑用地与河流水体的可分离性较NDWI有所提升,提升率为116％～335％不等;相关性分析表明,河流宽度与可分离性提升率具有明显的负相关关系,相关系数为-0．82;分类结果显示,在城市和城郊区域,NDWI提取的水体中混杂有较多城镇建筑用地信息,而FNDWI提取的水体中基本未见混杂。总体上,FNDWI提高了2种地物的可分离性,剔除了NDWI影像混入的城镇建筑用地信息,较好地解决了NDWI城镇建筑用地与河流水体的混淆问题,尤其适用于城镇周边的细小河流。     

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、影像明暗对比强烈的城区（北京怀柔县城周边）以及地形起伏明显、水体细小的非城区（北京密云水库周边） 2种典型背景环境,选择波段设置略有差异的Landsat 5（2009年）和Landsat 8（2019年）卫星影像,对比了常用的指数法（NDWI和MNDWI）和分类法（最大似然法和支持向量机）在水体信息提取方面的优势和不足。结果表明：在城区背景中,SVM的准确性最高（总体精度>97%）;在非城区背景中,MNDWI与SVM的精度相当（总体精度>95%）,前者更适用于水体的快速提取,而后者提取的山间细碎河流更完整,且在Landsat 8中应用的效果更好。该研究为不同环境背景下水体提取方法的选择提供了参考。     

基于深度神经网络的蒙古国色楞格河流域水体信息提取

蒙古高原地处干旱半干旱地区,河流水系对该区域的资源环境格局及其生态环境影响重大。发源于蒙古国的色楞格河是蒙古高原最主要的水资源来源,准确掌握该流域的水体信息对东北亚地区生态环境问题及资源保护具有重要意义。本文以蒙古高原色楞格河流域为研究对象,基于谷歌地球引擎（Google Earth Engine,GEE）云平台,使用 Sentinel-2 多光谱卫星遥感影像,利用深度神经网络（Deep Neural Network, DNN）方法对色楞格河流域的水体信息进行提取,并与支持向量机方法进行对比;利用全球30 m SRTM数据生成水系分布矢量图,通过空间分析形成河流提取目标区,结合深度神经网络分类结果,绘制蒙古国色楞格河流域2019年河流分布图。研究结果表明：① 该方法能够准确地完成大流域范围内的水体制图,提取结果能够体现色楞格河流域河流的空间分布,且能够减少河流断流、空洞现象;② 深度神经网络模型中批量大小设置为8时,在处理数据速度与精度中达到最优,而神经网络结构中隐含层数达到4层时,在精度评价指标测试数据集上达到0.9666,保证了模型特征挖掘能力;③ 经样本点的验证,结果总体精度达到97.65%,可以满足实际应用需求。本研究预期可以为蒙古高原的水体提取提供方法支持和相关数据支持。     

基于离散粒子群算法的2种新型水体提取方法的对比与验证

随着遥感技术在水体提取与监测方面的广泛应用,更多的研究者致力于提高遥感水体提取的精度。离散粒子群算法在遥感图像分类研究中获得了较高的精度和更稳健的分类效果,已经被应用到遥感水体提取领域,但其在水体提取中的适用性和精度还有待对比与验证。本文采用最新提出的2种基于离散粒子群算法的水体提取方法,即光谱匹配耦合离散粒子群算法（SMDPSO）与最大熵耦合离散粒子群算法（MEDPSO）,基于Landsat8_OLI遥感影像,分别选择了有冰雪、有云、有山体阴影和有建筑物的4种环境复杂,常规方法提取精度较低的区域进行水体提取,并与2种常用的水体指数法（NDWI、MNDWI）进行了对比与验证。结果表明：① SMDPSO和MEDPSO方法在4个实验区都能快速地寻找出最佳的水体分布,具有一定的通用性;NDWI和MNDWI方法对有冰雪、有云、有山体阴影和有建筑物影响的区域表现出水体信息的错分现象,提取精度较低;② SMDPSO方法能够识别细小河流和离散水体,水体提取精度较高,但在有冰雪、云、山体阴影和建筑物的复杂环境下提取精度较低、误判率高;MEDPSO方法不仅可以识别细小水体,而且也解决了其他3种方法在提取过程中无法抑制背景信息干扰的问题,在4个实验区的总体精度均在97.8%以上,高于其他3种方法;③ 将离散粒子群算法引入到水体提取方法之中,可增强方法的区域整体性,也可提高其水体提取的精度和自动化程度;④ 运用最大熵模型等机器学习方法,可以结合光谱、形状和纹理等影像信息以及地形信息来进行水体识别,使得水体信息提取精度更高。本文的研究可为离散粒子群算法的推广以及遥感水体提取方法的选择提供参考。     

基于谱间特征与比值型指数的水体影像识别分析

根据杨存建等人发现LandsatTM影像水体具有TM₂+TM₃>TM₄+TM₅的特征,本文以2000年福州市Landsat-TM为例,分析了水体及其他几类主要地物的光谱特性在影像中的表现特征,发现除水体外,居民地的影像以及山体影像也都具有TM₂+TM₃>TM₄+TM₅(即(TM₂+TM₃)/(TM₄+TM₅)>1)的特征,但是三者(TM₂+TM₃)/(TM₄+TM₅)的比值却存在着较大的差异,所以辅以适合的阈值(水体(TM₂+TM₃)/(TM₄+TM₅)>2.0,TM₂>40)可以将水体信息区别于其他背景地物。将该方法在含不同水体类型的福州市Landsat-TM遥感影像上进行实验,表明其可以将水体与全部居民地的阴影和山体阴影有效区分开来;同时可用于快速、简便和准确地提取城市和山区中的湿地水体信息,解决水体提取中难于消除居民地阴影与山体阴影的难题。     

遥感建筑用地信息的快速提取

建筑用地的急剧增加和耕地资源的迅速减少,使得土地利用动态变化监测显得尤为重要。遥感作为监测土地利用动态变化的一种有效手段,已经得到日益广泛的应用。但是建筑用地由于其光谱的异质性,而难以用简单的方法将它们从遥感影像中准确提取出来,遥感建筑用地指数(Index-based Built-up Index,IBI)是针对这一问题提出的。它的构建采用的是三个专题指数波段(SAVI植被指数、MNDWI水体指数、NDBI建筑指数),而不是影像的原始波段。由于这三个指数互为负相关,因此,可以有效地增强和提取遥感影像中的建筑用地信息。通过将IBI指数提取建筑用地的影像处理过程编成可自动执行的模块,并集成于大型的遥感商业软件中,使得影像数据处理和建筑用地信息提取时间大大缩短,提高了建筑用地信息增强和提取的效率。     

路域植被等效水厚度估算模型研究

植被等效水厚度对路域生态环境的监测评估具有重要意义。本研究以湖南醴潭高速一段为研究对象,以地面实测光谱和等效水厚度以及PRO4SAIL模拟光谱和模拟等效水厚度为数据源,利用PRO4SAIL冠层模型模拟光谱与地面实测光谱建立12种常用水分指数,引入随机森林算法对水分指数与等效水厚度进行重要性分析,得到12种水分指数的重要性排序;利用调整R ²确定建立等效水厚度估算模型中输入水分指数的最佳个数;在优选水分指数基础上,以PRO4SAIL模拟光谱计算得到水分指数和等效水厚度为训练集,分别构建随机森林耦合偏最小二乘（RF-PLS）、随机森林耦合支持向量机（RF-SVM）和随机森林耦合遗传算法优化支持向量机（RF-GA-SVM）等效水估算模型,并用地面实测等效水厚度对估算模型进行精度验证与分析。结果表明：RF-SVM估算模型中输入重要性前9的水分指数（NDWI、NMDI、SRWI、SR、NDII、WI、DWI、MSI、SAVI）时,调整R ²最高,验证集决定系数为0.8877;RF-PLS和RF-GA-SVM估算模型中输入重要性前4的水分指数（NDWI、NMDI、SRWI、SR）时,调整R ²最高,验证集决定系数分别为0.8053、0.8952,其中RF-GA-SVM模型估算等效水厚度效果最佳,其精度满足路域植被等效水厚度监测要求。本文研究成果为等效水厚度估算提供一种有效且精确的方法,同时为发展基于高光谱遥感的路域环境监测提供重要支撑。     

图像机理方法提取水体信息的应用分析

在以Landsat ETM+为数据源,详细分析水体与背景地物的地表反射率及波谱特征的基础上,对比阈值法、谱间关系法、指数模型法和条件函数四种方法在城镇水体和山区水体提取上的差异.对两个研究区试验结果表明:MNDWI比值模型的水体提取精度最高,信息量相对完整,其他四种方法在细小水体的提取效果上也不如MNDWI.为验证结论的准确性,本文选取了福建省不同时期、不同地区的不同水体类型进行试验.其中城镇与山区的水体提取方法的优劣结果与上文的结论一致.湖泊与河口区的水体与前两种类型的水体的地表反射率值曲线不同,但这两个区域的水体与其他地物的MNDWI的反差值在几种提取方法中为最大.反差值越大越有利于水体与背景地物的区分.MNDWI在这两种水体类型的提取上也取得较好的效果.试验表明相对其他四种方法,MNDWI比值模型能够便捷、快速、准确地提取水体信息,且具有较强的适应性.