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。     

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...     

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。     

利用混合光谱分解与SVM估算不透水面覆盖率

对比了线性混合光谱分解模型(SMA)与支持向量机(SVM)在TM影像上估算不透水面覆盖率(ISP)的精度,通过SVM模型拟合TM像元光谱特征与样本ISP间的关联而获得对未知像元ISP的估算能力。对于天津市主城区的TM影像,选择学校区、工矿区和住宅区的高分辨率影像分类结果作为训练样本(7020个)和验证样本(1500个),SVM模型的ISP估算均方差(15.4%)优于SMA估算结果(19.4%);在增加缨帽变化“绿度分量”及混合光谱分解“高反射率分量”作为SVM特征变量后,ISP估算精度提高为12%。研究结果表明：SVM模型能够拟合各像元光谱组分间非线性关系且具有较好小样本泛化的性能,适用于地面样本较少的大区域ISP制图;增加与ISP相关性大的光谱特征向量作为SVM输入能提供更多的区域地物空间分布信息,能够调整无样本的地表类型的ISP估算值,提高区域ISP估算的整体精度。     

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。     

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。     

混合核特征加权SVM遥感湿地空间分类

针对湿地空间信息的复杂性和SVM的分类性能,设计一种基于混合核函数的特征加权SVM分类模型,综合利用多种特征信息,避免被弱相关特征所支配,从而提供更佳的映射性能和泛化能力。实验结果表明,该分类模型兼具良好的外推和内推能力,能够有效地融合不同信息源特征,得到更完整和准确的分类结果,在总体精度、Kappa系数等多项指标上都表现出更高的水平。     

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。     

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。     

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。     

组合核支持向量回归提取高光谱影像不透水面

由于城市地表组成的复杂性,基于单核函数的支持向量回归模型很难满足精度。本文结合空间-光谱组合核函数和支持向量回归,提出了一种提取高光谱影像不透水面丰度的改进算法。首先从高光谱遥感图像上提取波谱特征和多通道灰度共生矩阵空间纹理特征,选取研究区10%像元特征数据作为训练数据,以线性加权求和核为多核组合方式,建立结合光谱信息和空间信息的组合核支持向量回归模型。然后,用生成的回归模型预测未知像元不透水面丰度值。最后,对实验结果进行评价。在模拟数据试验中,本文算法比单核回归均方根误差平均降低1.4%,决定系数比单核回归平均提高0.6%。在Hyperion数据两组试验中,该算法比单核回归均方根误差平均降低1.8%,决定系数比单核回归平均提高11.7%。模拟和真实两种高光谱数据实验中,本文算法均得到了空间形态上更准确的不透水面结果,单核回归结果存在失真现象。研究结果表明:本文算法能够有效提取城市不透水面丰度,与单核方法相比有较明显的精度提升。     

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GEE和机器学习的不透水面提取研究——以成渝地区为例

随着城镇建成区范围不断扩大,不透水面面积急剧扩张,对区域生态和经济产生严重影响,对不透水面的快速、准确识别显得尤为重要。文中以成渝地区双城经济圈的两大核心城市为研究对象,基于GEE云平台和Landsat 8影像,构建光谱波段、光谱指数和纹理指数的分类特征,利用最小距离(MD)、分类回归树(CART)、支持向量机(SVM)、随机森林(RF)和朴素贝叶斯(NB)5种机器学习算法,提取不透水面信息。结果表明,RF算法效果最好,提取结果与实际最相符,CART和SVM算法精度差异不大。本研究可为不透水面提取提供方法和技术参考。     

基于多尺度纹理和光谱信息的SVM分类研究

基于单尺度纹理和光谱信息的地物分类较难取得理想效果,本文结合多尺度纹理与光谱信息,运用SVM分类方法,对IKONOS遥感影像进行分类。结果表明:结合多尺度纹理和光谱信息的SVM高分辨率遥感影像分类,能够更好地描述地物,分类总体精度达到83.9%,与基于光谱信息的最大似然法和基于单尺度纹理和光谱信息的SVM分类方法比较,分类精度分别提高了13.8%和4.9%,该方法有助于提高高分辨率影像的分类正确率。     

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...     

基于OLI影像多参数设置的SVM分类研究

在遥感影像自动分类中仅使用光谱特征很难产生正确的分类,OLI影像是波段数较多的多光谱影像,如果增加纹理、几何等多种特征以提高分类精度,就会使得特征的维度很高.支持向量机善于解决小样本、非线性和高维的影像分类问题,但是核函数和参数的设置只能依靠实验来获得.文中在OLI影像中提取了23个特征,逐个测试核函数和参数值对分类结果的影响.研究的主要结论如下：RBF核的支持向量机分类精度最高,Sigmoid核支持向量机分类精度最低;核函数的选择对分类精度的影响最大;核函数和参数值的变化不会影响重要特征的使用,3种核的支持向量机分类所使用的重要特征基本一致.     

基于混合光谱分解的城市不透水面分布估算

城市化的一个重要表现就是不透水面分布比率的上升,城市内部不透水面分布是城市生态环境的一个重要指标。对于规模较大的大城市,采用高性价比的中等分辨率影像,获取不透水面的分布,是当前国际研究的一个热点。本研究利用Landsat 7的ETM 影像,在线性光谱分解的技术上,提取了上海市的不透水面分布并对其空间特征进行了分析。研究揭示,ETM 影像对于城市尺度的信息提取,其成本是较低的;对于城市地域来说,利用植被、高反照度、低反照度和裸露的土壤四种最终光谱端元的线性组合,可以较好地模拟ETM 波谱特征,而除了水面以外的高反照度、低反照度两种最终光谱端元,可以较好地表达城市不透水表面信息。结果显示,利用中等分辨率影像对上海中心城区不透水面分布提取的精度还是令人满意的,总体上,上海市不透水面分布比率较高,不透水面分布的空间差异进一步揭示了城市土地覆被空间结构以及城市空间扩展的差异性。     

基于SVM方法提取植被信息的研究

利用遥感影像准确地提取植被信息一直是遥感技术应用研究的重要内容,现提出基于支持向量机(SVM)分类的方法从ETM+多光谱数据中提取植被信息,利用目前常用的线性核函数、多项式核函数、径向基(RBF)核函数、Sigmoid核函数等四种核函数对研究区分别进行了提取研究,通过比较最终确定径向基函数(RBF)核函数有着最佳的提取效果。