基于HJ与MODIS影像时空融合的水稻种植面积的提取

本文以江苏高邮为研究区,采用STARFM和STAVFM两种算法,以及HJ星和MODIS遥感数据,分别进行时空融合。通过对比分析,STARFM算法有更高的融合精度。进而通过STARFM时空融合技术,生成研究区时间序列影像,进行水稻种植面积提取,并利用野外采样点进行精度验证,结果显示提取精度较高,总体提取精度为83%。     

基于Landsat TM影像的冰川提取

以杂多县冰川为研究对象,为了精确提取冰川信息,根据冰川在TM影像上存在的光谱差异,将冰川划分成两类。分析较难与周边地物区分的冰舌与其他地物之间的光谱特征区分性,选择最优的冰川提取波段。同时利用波段运算得到对冰川信息提取更有利的波段。将所有优选波段经过最佳指数计算和地物可分离性分析,得到波段间相关性最低,冗余信息最少,冰川与其它地物可分性最强的波段组合进行监督分类,有效地分离出冰川。将本文方法提取的冰川面积与高分辨率影像中提取的冰川面积相比较,结果表明本文提出的冰川提取的技术方法是有效的。     

Sentinel+Landsat融合影像的城市不透水面积参数获取

不透水面是衡量城市化的发展程度和评价城市生态环境质量的重要指标之一。南昌市作为环鄱阳湖生态经济圈的典型代表区域城市之一,准确、及时、高效地获取其不透水面信息对经济发展和生态规划提供全新的决策参考具有重大意义。现有的不透水面研究大多集中在针对单一光学遥感影像数据提取不透水面信息,但受影像数据源的影响,其分类结果往往存在光谱混淆和“椒盐”现象,限制了不透水面分类精度的进一步提高。为了改善这一局面,本文以南昌市为研究区,综合考虑多源遥感影像数据各自具有的影像特征优势,探究基于Sentinel+Landsat影像提取不透水面信息的适用性与优劣性。     

基于GF-2影像融合方法的棉花种植面积提取

首先,针对研究区GF-2影像进行Brovey变换、G-S变换、NNDpansharp变换、PC变换4种融合,对融合结果进行定量评价;其次,利用随机森林分类方法对研究区作物进行分类,并进行精度验证,提出了研究区域农作物信息。结果表明：1)对研究区进行4种方法融合,提高遥感影像分辨率;2)从评价结果可知,4种融合影像中,NNDpansharp融合影像质量最佳。分类结果说明,NNDpansharp融合影像的随机森林分类总精度和Kappa系数最高,该方法和结果可为农业部门将高分二号遥感影像融合提取棉花面积方法提供选择性参考。     

融合时间特征的遥感影像分类

为了克服基于光谱纹理特征的影像分类法的不足,提出一种融合时间特征的遥感影像分类方法。以历史时期土地利用矢量图为辅助数据,对新时期遥感影像进行带约束的影像分割以获取像斑;采用迭代统计的方法计算新时期遥感影像的地物类别转移概率;利用地物类别转移概率表达时间特征,将其融入到像斑的后验概率中,构建顾及时间特征的像斑联合概率;依据后验概率最大原则获取影像分类结果。采用Quick Bird遥感影像进行的实验结果表明:与基于光谱纹理特征的分类方法相比,所提出的方法能够显著提高影像分类的精度,总体分类精度与kappa系数分别提高了9.8%和17.9%,验证了所提方法的可行性和可靠性。     

融合时间特征的高分辨率遥感影像分类

为了充分利用历史矢量数据,并考虑地物类别的时间关联,提出了一种融合时间特征的高分辨率遥感影像分类方法。将历史时期矢量数据与新时期遥感影像相结合,利用二次分割获取像斑,通过支持向量机(support vector machine,SVM)算法获取像斑类别及像斑的单时期后验概率;依据历史时期及新时期像斑类别属性的关联,获取定量表达时间特征的地物类别转移概率;加权组合像斑的单时期后验概率与转移概率,采用迭代方法获取影像最终分类结果。在Quick Bird影像上的实验表明,该方法能够有效引入时间特征及先验知识,提高影像分类的精度。     

基于特征级融合方法的高光谱影像建筑物提取

利用多范围波谱特征拟合进行高光谱分析得到粗分类结果,分别提取影像的光谱特征、纹理特征和空间特征,再进行这3种特征的融合,并提取建筑物。实验显示,该方法对不同材质屋顶建筑物有较好的提取效果。实验影像中有两种不同材质屋顶的建筑物,其中一种建筑物100%提取,另一种建筑物漏分面积占该类建筑总面积的8.5%,错分为2.2%。     

融合时间序列环境卫星数据与物候特征的水稻种植区提取

获取高精度的区域水稻种植面积对于农业规划、配置与决策具有重要意义。区域尺度的水稻面积获取依赖于高时空分辨率影像,但受卫星回访周期和气候影响,难以获取足够时间序列的高时空分辨率影像,从而影响水稻种植面积遥感提取的精度。为此,提出适应于中国南方多雨云天气地区,基于国产环境卫星(HJ-1A/1B)与MODIS融合数据的水稻种植面积提取的新方法。以洞庭湖区为实验区,利用STARFM模型融合环境卫星NDVI数据与MODIS13Q1数据,获取时间序列的环境卫星NDVI数据,利用水稻关键期的NDVI数据结合物候特征参数对水稻种植区域进行提取。结果表明,该方法能有效提取区域水稻种植的面积,水稻种植面积提取的总体精度与Kappa系数分别达到91.71%与0.9024,分类结果明显优于仅采用多光谱影像或NDVI数据。该研究为中国南方多雨云天气地区水稻种植面积提取提供了有效的方法。     

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%。     

多特征融合的遥感影像建成区提取研究

为了比较光谱特征和纹理特征在建成区提取中的适用性,基于3种空间分辨率的数据,分别利用组合建筑指数(CBI)、基于灰度共生矩阵的建成区存在指数(PanTex)以及双特征决策树分类法进行建成区提取;并利用人工目视解译提取的样本点进行精度评定.结果表明,双特征决策树分类法的结果精度最高,PanTex次之;PanTex更适用于...     

Sentinel-2与Landsat 8数据组合下的多特征冬小麦面积提取

遥感卫星的波段设置、信噪比及传感器观测角度等因素都会影响作物提取精度。为充分挖掘与发挥Sentinel-2卫星多光谱成像仪(MSI)与Landsat 8陆地成像仪(OLI)在冬小麦信息提取方面的优势,本文以商河县为研究区,基于两数据源的光谱特征、纹理特征、植被指数特征组合数据,利用随机森林(RF)与支持向量机(SVM)对冬小麦进行提取。结果表明:基于单一影像的最优Kappa系数与最优OA分别为0.89和95.13%,基于组合数据源的最优Kappa系数为0.92,最优OA为95.28%,两数据源组合的精度优于单一数据源提取精度;数据组合效果与分类器的性能有关,RF的Kappa系数相对于SVM分别提升0.04、0.20和0.11,OA分别提升2.41%、11.31%和6%,RF对冬小麦提取精度优于SVM。本文研究结果对于构建中高分辨率影像组合的典型农作物分类提取体系具有重要意义。     

多特征融合的LSSVM遥感影像道路提取

针对高分辨率遥感影像上道路与相邻近地物的光谱信息相似导致提取道路不理想问题,提出多特征融合的最小二乘支持向量机(least squares support vector machine,LSSVM)遥感影像道路提取方法.该方法首先对原始影像进行色彩变换(HIS)提取光谱饱和度(Saturation,S)分量;然后,采用...     

植被信息的Landsat8卫星影像提取方法

传统植被信息提取的信息源多以TM/ETM+等影像为主,在如何应用Landsat8影像提取高精度的植被信息方面研究较匮乏。针对上述问题,该文应用大理市Landsat8影像开展了植被信息提取方法研究。研究过程中通过对原始波段组合法、主成分分量组合法、衍生波段组合法、直接解译法提取结果进行对比分析,确定最佳波段组合;之后将纹理信息作为最佳波段组合影像新的波段,与光谱信息一同分类,并对结果进行分析。研究结果表明,添加纹理能够在一定程度上提高植被信息提取的精度。     

基于Landsat影像的江苏省土壤水分反演

土壤水分是土壤监测中的一项重要指标,监测土壤水分对区域生态环境保护与可持续发展具有重要意义。本文基于Landsat-8遥感影像数据,构建地表温度与植被指数的Ts/NDVI特征空间,对特征空间的干、湿边方程采用线性、指数、对数、多项式和幂函数拟合,通过决定系数R²对拟合结果进行评估,在选取最适合江苏省的干湿边拟合方程后,计算TVDI对江苏省的土壤水分进行反演。反演结果表明,全省土壤水分空间分布较为均匀,在降水较少的冬季,淮北及江淮局部地区易显露旱象。     

Landsat 8影像水边线提取方法比较研究

传统的海岸线调绘方法比较费时、费力,而且资金消耗巨大,因而会逐渐被遥感技术所取代。本文利用Landsat 8的OLI数据提取长江入海口处的九段沙水边线。由于水体、土壤等地物的光谱特征不同,所以可以选择不同的方法进行提取。本文选用了灰度阈值法、边缘检测法中的Soble算子和Roberts算子、改进的归一化水体差异指数(MNDWI)等方法对水边线进行提取研究,并对结果进行比较分析。发现Landsat 8中的第一波段有利于水边界线提取,边缘检测中的Soble算子提取的九段沙水边线可以得到较好的结果。     

基于Landsat 8影像的城市蓝色顶面建筑物提取光谱模型构建

蓝色顶面建筑物作为基础地理数据库中重要的人工目标类型之一,对其进行提取对城市环境监测、违章建筑监测、城市规划和管理具有重要意义。已有的建筑物提取方法准确性低、边界不完整,且存在同谱异物和同物异谱现象。本文以洛阳市为研究区,根据不同地物光谱特征的不同原理,构建一种能增强蓝色顶面信息和弱化其他非目标地物信息的新光谱模型。首先,对待检测的Landsat 8影像进行辐射定标和大气校正等工作,获得地物去除大气影响后的地表反射特征值影像;然后,对影像中的蓝色地物和与蓝色地物较难区分的其他干扰地物,分别采集一定像元数的样本并生成光谱曲线,利用波段相加、差值及正负处理构建一个能增强蓝色地物信息和弱化其他干扰地物信息的新光谱指数;最后,采用密度分割法获得提取蓝色顶面建筑物最合适的阈值范围,进而提取影像中的蓝色顶面建筑物。与最大似然法提取结果进行对比分析及精度评价。结果表明,构建的新光谱指数模型的总体分类精度为94.46%,Kappa系数为0.889 2,准确率为91.95%,召回率为95.19%,均优于最大似然法;根据提取结果计算出洛阳市市区范围内蓝色顶面建筑物的占地面积为16.28 km^2<...     

基于Landsat影像数据的城市热岛效应研究

以研究区2001、2009、2013和2018年Landsat影像数据为研究对象,对该地区的地表亮温进行反演计算,并在研究区范围内选取具有明显识别特征的伪不变特征点,且以2013年的亮温影像为参考基准建立回归分析模型,对多时相的地表亮温影像进行归一化处理,从而得到可进行对比分析的研究区地表相对温度,然后进行热岛强度等级...