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。     

多源遥感影像融合

遥感影像融合能富集同一地区不同数据源的信息大跨度波谱特性影像数据的融合,提供了有关各单个传感器的互补信息,使分类更精确;大跨度空间分辨力影 融合,有利于改善２多光谱影像的度,增强特征提取和目视判读能力,能有效地用于变化监测。     

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...     

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。     

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Landsat年际序列影像的武汉市不透水面遥感监测

城市化进程的加速发展导致不透水面大规模扩张,逐渐影响了城市生态环境,并制约了城市的可持续发展。基于Landsat年际序列影像数据,利用支持向量机方法进行不透水面提取。选取武汉市作为实验区,以连续10 a的Landsat卫星遥感影像为数据源,监测了武汉市不透水面的变化趋势,并与最大似然法进行比较,验证了支持向量机分类方法的准确性。     

基于Bayes融合法的多源遥感影像分类

提出了顾及各类数据源成像模型，上下关系模型的可靠性的基于Ｂａｙｅｓ融合分类的方法，并采用该方法对ＬａｎｄｓａｔＴＭ和航空ＳＡＲ影像进行了土地利用分类试验。结果表明，同单独ＳＡＲ影像分类结果相比，融合分类法将分类精度提高了２０％。     

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。     

多源遥感影像融合在城市地图快速更新中的应用

当前采用遥感技术可以获得同一地区用不同传感器，在不同空间、不同时间、不同波谱分辨率的遥感数据。充分利用这些数据，把不同的遥感数据和非遥感数据融合在一起应用，可以有效地提高城市地图更新时效性和精度。     

“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。     

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。     

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。     

南昌地区不透水面信息自动提取

随着城市化进程的不断加速,不透水面成为一种十分关键的地表覆盖类型之一,如何快速获取高精度的不透水面信息成为目前遥感研究的重点话题。考虑不透水面构成复杂、光谱曲线复杂的特征,本文基于决策树思想,通过建成区指数(BUAI)、改进的归一化水体指数(MNDWI),制作研究区植被、水体掩膜,并根据研究区土壤反射光谱特点制作研究区土壤掩膜。通过基于决策树思想的提取模型,结合掩膜文件,逐步剔除透水面,得到不透水面信息。结果表明:该模型提取的不透水面信息总体精度达到了98.27%,Kappa系数为0.86。通过和实地信息对比分析,认为该模型提取结果较为可靠,适用于大范围地区的不透水面信息提取。     

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。     

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。     

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。     

无人机遥感影像的城市绿地信息提取

针对传统人工城市绿地调查费时、费力等问题,该文提出了一种利用无人机遥感进行城市绿地信息提取的思路和方法。设计构建了基于固定翼无人机平台的遥感系统,对宁波市部分区域进行航飞实验。采用PixelGrid软件对无人机影像进行了预处理,得到测区正射影像。采用基于像元统计特征分类和面向对象分类两种方法,对研究区进行绿地信息快速提取并进行了精度验证。研究结果表明,利用最大似然分类法和归一化绿红差异指数法提取精度最高,分别为81.73%和80.23%。     

利用PixelGrid系统处理多源遥感影像方法研究

随着科学技术的快速发展,人们对于高性能计算技术的需求日益迫切,大规模数据并行处理的集群式系统实现技术开始逐步成熟。我国已对该项技术进行了深入研究,并将其应用到遥感影像处理技术当中,形成了集群式数字摄影测量系统Pixel Grid。相对于传统的摄影测量及遥感影像处理过程,集群式系统整合资源、集成技术,大大提高了数字摄影测量以及遥感影像数据处理乃至空间信息提取的处理效率。这也是目前遥感影像处理技术发展的重要方向之一。     

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。