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.     

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。     

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。     

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.     

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...     

城市不透水面遥感估算

由于人口快速增长和农村人口向城市迁移,城市不透水面积也在持续快速增长。加速的城市扩张和无监控的城市开发会导致诸多生态环境问题。本文利用Landsat影像,采用附有限制条件的线性光谱混合分解、植被覆盖度与不透水面负相关模型、监督分类三种方法对南京城区的不透水表面分布进行空间分析。通过评估这三种方法提取的不透水面的精度和分析和种方法受其主要人为因素的影响大小以及不透水面的提取过程,表明了线性光谱混合分解方法较优。     

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。     

城市不透水面及地表温度的遥感估算

基于植被-不透水面-土壤模型和全约束最小二乘法混合像元分解模型,从探索城市热岛效应和城市不透水面关系出发,利用TM数据对北京市海淀区的城市不透水面丰度和地表温度进行估算,并在此基础上对二者之间的相关性进行定性分析和定量评价。研究表明:城市不透水面的空间分布和变化趋势与地表温度之间存在明显的一致性,二者相关系数达到0.752 5,这说明城市不透水面信息可以很好地反映城市热环境的空间分布状况。     

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。     

城市土地利用变化的不透水面覆盖度检测方法

通过分析城市中不透水面数量和分布的变化与城市土地利用变化之间的对应关系, 综合中、高分辨率遥感数据各自的优势, 运用CART算法进行城市不透水面覆盖度(ISP)遥感估算, 基于ISP制图结果对城市土地利用变化进行检测。以山东省泰安市为例开展实验研究, 结果表明, 与传统的变化检测方法相比, 基于ISP的变化检测方法, 不仅能够反映土地利用类型转换的潜在信息, 而且可以灵活地量化定义和解释城市用地变化情况。这种方法为城市土地利用变化信息的提取和分析提供了一种新的思路, 可以作为现有变化检测方法的有益补充。     

基于半约束条件下不透水面的遥感提取方法

不透水面作为城市生态环境的一个重要指标,被广泛应用于城市扩张监测、热岛效应分析及人类活动影响等方面的研究中。线性光谱混合模型构造简单、物理含义明确,是估算不透水面的主要方法。但是全约束的线性光谱混合模型容易在不透水面覆盖较低的地区(0~20%)出现高估,而在不透水面覆盖较高的地区(80%~100%)出现低估。因此,以黑龙江省富锦市为实验区,利用Landsat5 TM图像,讨论了线性光谱混合模型在不同端元数目和约束条件下对不透水面的估算精度,发现三端元(高反射率地物、植被及土壤)半约束条件的线性光谱混合模型估算结果最优,其均方根误差为16.71%,并结合地表温度和植被覆盖度辅助分析,去除了水田对不透水面估算的影响,提高了不透水面的估算精度。     

基于TM图像的城市不透水面信息提取

基于TM图像,利用遥感技术,以山西省太原市为研究区域,提取不透水面信息.综合比较和分析了被广泛应用的主成分分析法和归一化差值不透水面指数法,进而提出了一种改进的不透水面提取方法——实验图层组合法.利用随机生成的256个分类评价采样点,以可提供经纬度信息的Google Earth作为参考,将通过监督分类方法获得的分别基于原始多波段图像以及主成分分析法、归一化差值不透水面指数法和实验图层组合法得到的分类结果进行了评估,获得了4种图像的分类精度.比较可知,实验图层组合法总体分类精度高于其他3种结果,为87.72％,Kappa系数为0.85.     

基于不透水面和引力模型的城市建成区提取与分析

本文以不透水面为基础,采用面向对象的方法对城市建成区进行提取,并有效地划分城市内各组份的归属,突破以往依据行政界线划分城市建成区的观念,之后应用引力模型,对提取的城市建成区进行等级划分与动力机制分析,便于快速掌握城市发展重心、了解城市发展方向,为城市规划和管理提供依据。实验表明,以不透水面为标志提取的范围,基本能够正确表达城市建成区范围;用引力模型求取的城市主建成区范围基本与实际城市中心范围相吻合。     

Fuzzy ARTMAP算法在城市不透水面估算中的应用研究

为了克服线性光谱混合分析模型的缺陷,兼顾Landsat ETM+和Quickbird遥感数据多源信息及Fuzzy ARTMAP神经网络自适应学习的优势,提出了利用Fuzzy ARTMAP方法来估算城市不透水面覆盖度(ISP)。以武汉市为例,结果表明,与线性光谱混合分析模型相比,基于Fuzzy ARTMAP神经网络方法估算结果精度较高,与实际城市不透水面覆盖度分布范围一致。     

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。     

基于不透水面的城市景观格局时空特征研究

土地利用/覆被变化是人类影响全球环境变化最直接的过程,城市作为人类文明的产物是该过程发生最剧烈的区域.客观、准确、及时的开展动态评估,有助于更好地认识城市的发展现状以及存在的问题.以哨兵影像为数据源,以西咸新区为研究区,通过转移矩阵和土地利用动态度等量化分析,研究了2016-2019年研究区景观格局的动态时空特征.主要...     

利用多源遥感数据进行城市不透水面覆盖度估算

利用深圳实验区4种不同传感器获取的遥感数据,通过CART算法进行城市ISP估算。讨论了多光谱遥感数据的不同波段在ISP估算中的重要性,比较了针对三种不同中分辨率影像建立的ISP估算模型在性能上的差异。实验结果表明,近红外波段对ISP估算结果的贡献最大,具有较高空间分辨率和成像辐射质量的遥感影像得到的估算结果精度较高,所有的估算结果均在实际ISP分布范围的两端分别存在着高估和低估的现象。     

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。