基于Landsat8 OLI遥感影像冰湖边界分类叠加提取

青藏高原特殊的地理及其气候环境适合冰湖变化研究。传统的方法由于受到冻湖、冰川以及山体的阴影的影响,提取冰湖边界时会出现大量的错分和误分。本文基于NDWI(Normalized Difference Water Index,水体指数法)、DEM(数字高程模型)、RGI(Randolph Glacier Inventory)6.0全球冰川编目数据提出针对不同状态下的冰湖边界提取的分类叠加提取方法。结果表明,分类叠加提取方法能够实现未结冰、半结冰以及全结冰三种状态下的冰湖边界提取,并且能减少冰川以及山体阴影的影响,使用该方法提取三种状态下的冰湖的错分和漏分误差均小于2%且Kappa系数均大于0.81。     

基于决策树方法的Landsat8 OLI影像红树林信息自动提取

基于广西山口国家红树林生态自然保护区的Landsat 8 OLI影像数据,选用广泛应用于植被液态水含量反演的归一化差值湿度指数(normalized difference moisture index,NDMI)和修正的归一化差值池塘指数(modified normalized difference pond index,MNDPI)作为分类特征,运用决策树方法进行红树林信息的自动提取。研究结果表明:红树林独特的滨海湿地生境特点,使其光谱同时包含植被和湿地信息;MNDPI和NDMI可分别反映可见光-近红外波段反射率同短波红外波段反射光谱的反差,可成功应用于湿地植被信息的提取,能有效地将红树林同其他地物相区分;采用Landsat8 OLI遥感数据,并结合NDMI和MNDPI分类特征构建的决策树模型可有效地提取红树林信息,其错分率和漏分率都较低,分别为5.34%和1.69%。     

基于Landsat8 OLI影像光谱的土壤盐分估算模型研究

针对艾比湖流域盐渍化土壤盐分定量监测的需要,利用Landsat8 OLI多光谱影像进行土壤盐分估算模型研究,以提高土壤盐分反演的精度。通过分析不同含盐量土壤的影像光谱反射率特征和不同变换形式的光谱反射率与盐分的相关性,寻求对盐分含量敏感的光谱波段;采用多元逐步回归算法,分别建立基于OLI影像光谱与ASD光谱仪重采样光谱的土壤盐分估算模型,并对影像光谱模型进行校正。结果表明:ASD重采样光谱数据的对数倒数一阶微分变换的土壤盐分估算模型精度较高,模型的决定系数(R2)为0.779;校正后的OLI影像光谱土壤盐分估算模型的R2从0.28提高到0.777 6,且均方根误差值仅为0.281。本研究实现了从实地测量光谱尺度向遥感多光谱尺度的转换,为土壤盐渍化的遥感定量监测提供了科学参考。     

基于Landsat 8卫星OLI影像的合肥市水体信息提取方法研究

以安徽省合肥市为研究区,以2013年5月14日OLI影像为数据源,经过辐射定标、大气校正和影像裁剪等一系列预处理工作,利用神经网络分类法进行监督分类,并运用谱间关系法、改进的归一化差异水体指数法(MNDWI)提取合肥市的水体信息。通过对谱间关系法和MNDWI分类结果的总体精度比较,确定谱间关系法是水体提取的有效方法之一。     

基于随机森林和Landsat8 OLI影像的脐橙果园种植信息提取

针对从中分辨率遥感影像中提取果园种植信息所面临的特征维数高、提取精度低等问题,采用随机森林算法进行特征优选,进而提取脐橙果园种植信息.以重庆奉节为研究区,首先选取春、秋、冬3季Landsat 8 OLI遥感数据生成光谱特征、植被指数特征和纹理特征,并结合地形因子构建初始特征集;再通过随机森林算法确定优选特征集;最后基于随机森林分类器,利用初始特征集和优选特征集进行脐橙果园的提取实验,并对各实验结果进行了精度评估和对比分析.研究结果表明,基于随机森林算法构建的优选特征集能在降低特征维度的情况下获得较高的精度,总体精度和Kappa系数分别为90.71％和0.89.     

利用阴影指数和方位搜索法检测Landsat 8 OLI影像中云影

Landsat 8 OLI影像已成为重要的数据源,但受云及云影的影响较大,降低了数据的可用性,因此,快速识别云及云影,为后续的数据恢复有着积极的应用价值。通过构建云指数(CI)、归一化暗像元指数(NDPI)和比值阴影指数(RSI),采用阈值法和方位角搜索法,以两景Landsat 8 OLI影像(一景试验影像,另一景验证影像)为例进行云及云影检测。每类随机选取200个样点进行精度分析,结果表明:CI可快速区分OLI影像中的云区与非云区,厚云样本点正确识别率达到99%;NDPI与归一化植被指数(NDVI)构建的比值阴影指数RSI放大了水体、云影与其他阴影间的差异,更便于区分;方位搜索合理设置搜索方位角和搜索距离,简化了云影与云的相对关系模型,可准确区分水体与云影,两者的正确识别率都超过93%,弥补了阈值法的局限性。本方法可行快捷,为OLI影像的后续应用提供了基础,可有效提高其利用精度。     

基于1985—2015年Landsat MSS/TM/OLI影像的面向对象SVM分类的威海市土地利用及变化分析

威海的城市发展是滨海城市的代表,利用Landsat MSS/TM/OLI影像采用面向对象SVM分类技术提取了威海市1985—2015年7期的土地利用类型,并基于土地利用分类结果计算了土地利用动态度和土地利用的协方差矩阵.结合当地经济发展,分析土地利用的时空变化特征,研究结果表明:1)面向对象的SVM分类方法精度较高.2...     

利用Landsat 8 OLI进行汉江下游水体浊度反演

综合比较Landsat 8 OLI遥感影像与地面同步水质监测结果,发现Landsat 8的近红外波段与其他波段的组合和水体浊度具有较高的相关性,以此为基础运用OLI的第1、3、5波段组合建立了汉江中下游浊度的遥感反演数学模型。根据该模型生成了2013年4~11月共3幅汉江中下游浊度分布图,并进行了空间分析。精度验证表明,模型相对误差在15%左右,R2=0.71,表明运用Landsat 8 OLI可有效地监测该区域水体浊度分布情况。     

基于TM/OLI影像的杨凌示范区土地利用动态变化研究

以1995、2003与2013年的Landsat TM/OLI影像为数据源,基于CART算法的动态变化分析方法对杨凌示范区1995~2013年的土地利用动态变化情况进行了分析和统计。研究结果表明,1995~2013年18年间杨凌示范区农用地减少了27.65 km~2,林用地减少了16.86 km~2,城市用地增加了41.82 km~2,减少的农用地和林用地主要流向城市用地。通过对自然、社会和经济因素的分析,可知杨凌区土地利用变化主要驱动力为经济和社会因素。     

基于Landsat8 OLI数据的富贵竹种植区域信息提取

富贵竹作为一种观赏植物,在我国南方省份有大面积种植,具有良好的经济价值。为了解与监测区域富贵竹种植情况,以Landsat8 OLI遥感影像为数据源,构建了一种新的网体—水体差异增强指数(difference enhence between net and water index,DENWI)作为特征参数,通过面向对象的分类方法建立富贵竹信息提取规则集,得到研究区域内富贵竹的种植信息,并与2种传统信息提取方法进行对比研究。结果表明,相比于传统方法,基于DENWI的面向对象分类方法可以更有效地提取富贵竹种植信息,总体分类精度为98. 46%,Kappa系数为0. 97,该方法监测提取富贵竹种植信息是可行且有优势的,可以为富贵竹种植监测和管理提供科学依据。     

改进HOT法的Landsat 8 OLI遥感影像雾霾及薄云去除

针对Haze optimized transformation(HOT)方法存在的地物敏感性、过度矫正、红绿蓝波段RGB合成影像色彩失真等问题,提出了相应的改进方法。首先,采用归一化差分植被指数(NDVI)结合地物红蓝光谱差(RBSD)制作通用掩膜,并利用掩膜提取原始影像植被覆盖区对应的原始HOT图部分作为HOT值评估雾霾强度的有效像素集;然后从有效像素集出发推断非植被区的HOT值,得到有效HOT图;最后以有效HOT图为参考,实施暗目标减法。在暗目标减法过程中,首先利用直方图取百分位数的方法确定起始波段的改正值,然后根据散射模型计算其他波段的改正值。在红蓝光谱空间中,去雾后的影像表现出与原始无云区相似的特征,同时保持了不同地物间的差异。实验表明:改进的HOT方法能有效去除雾霾及薄云;有效解决了HOT对水体、裸地、人造地物等地表覆被类型的敏感性问题,避免了RGB合成影像的色彩失真;并且统一了不同波段的纠正尺度,解决了某一(或几个)波段的过度矫正问题,防止了块斑和光晕的产生。     

基于Landsat影像的北京市土地利用变化检测及驱动力研究

土地利用变化一直是城市化进展过程中的关键环节,有效检测城市土地利用变化,并对城市规划发展进行合理地统筹安排有着重要意义。本文利用1999年Landsat-7ETM影像和2017年Landsat-8OLI影像数据,结合遥感和GIS技术手段,采用最大似然监督分类方法,得到北京市1999-2017年间的土地利用变化数据。研究发现,近20年间北京市城市化进程明显,建筑用地面积由1999年1840.21km2增加到2017年3856.63km2;林地、农业用地等植被面积由1999年14013.18km2减少到2017年10701.22km2,土地利用变化转移明显,主要以植被覆盖区向建筑、裸地等城市用地转移为主,并且呈现明显的区域差异,以城区周边变化最为显著。最后,本文通过计算类型转移矩阵,对土地利用变化驱动因素进行了分析。     

基于Landsat-8 OLI的西安市土地利用类型遥感分类研究

近年来,由于区域人口的增加和社会经济的快速发展,西安市的土地利用类型发生了明显变化。土地利用分类可为生态系统模型、水资源模型和气候模型等提供重要信息,遥感技术为土地利用分类提供了有效的工具。本文以西安市2016年Landsat-8卫星的OLI多光谱数据为基础资料,参考国家土地利用分类标准和西安市土地利用现状,将西安市的土地类型分为建设用地、裸地、水体、草地、耕地、林地6类,采用监督分类中常用的最大似然分类法和决策树分类方法对研究数据进行解译,利用总体分类精度和Kappa系数等指标对各分类精度加以评价,并结合实际用地情况对分类结果进行了总结分析。     

基于TM遥感影像的淮安市土地利用变化分析

随着社会的快速发展,人类活动的日益频繁,地球表面发生了翻天覆地的变化。遥感技术以其独特的优势成为土地利用调查和变化研究的重要技术手段。本文以淮安市1995年和2006年的TM遥感影像为主要数据,依据土地利用类型的光谱特征,采用NDVI,NDWI,NDBI和非监督分类方法分别提取耕地、林地、草地、水体和建筑用地类型,并对提取结果从结构和变化角度进行分析。结果证明:1)依据地物光谱特征,采用不同模型分别提取土地利用类型的方法切实可行;2)淮安市是一个以农用地为主、水资源丰富、城镇化水平较低的地区;在1995~2006年间,耕地、水域和草地分布呈减少的趋势,林地和建筑用地呈不断增加的趋势。     

Landsat影像海岸带土地利用动态监测方法研究

海岸带土地利用变化在全球环境变化中备受关注。因此,比较分析适宜的、精度较高的土地利用动态监测方法对海岸带土地利用研究具有相当重要的意义。本文选取连云港内土地利用变化强度较大的海岸带作为研究对象,针对1986年和2013年两期Landsat影像采用图像差值法、主成分分析法和波段组合法3种差值法进行比较分析和精度评定,得出主成分分析法最适宜研究区。     

基于Landsat-8 OLI影像的植被信息提取方法研究

植被是地理环境的重要组成部分,在城市生态环境系统中扮演着非常重要的角色。本文以池州市2014年OLI遥感影像为基础,结合30 m空间分辨率的DEM数据,在ENVI 5.1和ArcGIS 10.2软件的支撑下,对该区植被信息进行提取。通过对比原始波段组合、主成分分量组合和衍生波段组合的分类精度,确定植被信息提取的最佳波段组合,并对植被提取结果进行精度验证。结果表明:考虑NDVI、绿度指数和第一主成分的衍生波段组合植被提取精度最高,与该区已知的土地利用类型中的植被覆盖度进行比较,精度达到89.16%。这说明该波段组合方案对于Landsat-8影像提取植被信息效果较好,可以为其他地区植被信息的提取提供参考。     

基于TM影像的北京城乡结合部土地利用变化分析

利用遥感分类技术能够快速获取土地利用变化信息。基于1996年和2006年两时相的北京城乡结合部地区TM卫星影像数据,采用监督分类和分类后处理方法,对研究区10年间的土地利用变化情况进行了详细分析,得到如下结论:10年间北京城南地区城乡结合部的各种土地利用类型之间相互转化,并以耕地,林地和建设用地相互转化最为显著;耕地和大范围水域面积较大幅度减少,城市居民点及工矿用地和未利用土地面积大幅度地增加,城乡结合部的范围在10年间从北向南进行了大范围地移动。     

基于高分辨率影像的江北区土地利用变化监测

以2005年和2006年两期SPOT影像,结合06年土地利用变更调查成果,进行宁波市江北区的土地利用变化监测研究。本文重点介绍了直接影响土地利用变化信息提取精度的遥感影像几何校正和相对辐射校正方法,在对遥感影像数据处理基础上,叠加土地利用现状数据,以人机交互的方式进行土地利用变化信息的提取,通过对监测结果的分析,验证了利用高分辨率影像实现土地利用变化监测的可行性。     

Landsat8影像分类多分类器对比分析

以去除卷云波段的洛阳市Landsat8的9个波段影像为数据源,通过分析影像可分的类别并采集样本,对比随机森林、支持向量机(SVM)、最大似然3种分类器在不同训练样本分类中的表现.结果 表明,对于以光谱波段为信息源的Landsat8影像分类,随机森林、SVM并不能体现其优越的分类性能,总体精度均低于最大似然,最大似然分类...     

利用Landsat卫星影像进行东莞市地表温度反演与变化分析

随着快速城市化进程,我国东南沿海一些城市新增了大量的城市建设用地,影响到了城市的人居环境,诱发了城市热的环境问题.探索城市热环境时空布局与变化特征,分析变化原因对城市可持续发展和人居环境质量改善具有重要的现实意义.本文以东莞市为例,以1986—2017年间8个时相Landsat系列卫星影像为数据源,利用单通道算法对东莞...