四种基于像元的地表覆盖变化检测方法比较

目前遥感影像变化检测方法很多,但各种方法的适用性各不相同。鉴于灰度差值、NDVI差值、灰度比值、主成分分析法在地表覆盖变化检测中应用广泛,文章从数据更新的角度对这4种方法进行了比较;在分析比较这4种方法的单一变化检测精度、检测结果的相同性、相异性的基础上探索了适合于30m分辨率TM地表覆盖变化检测的组合方法。实验结果表明,在地表覆盖变化检测中,有效组合方法能够取得比单一变化检测方法更好的效果;比值法并NDVI差值法并PCA差异法的检测结果中包含了4种单一检测方法所检测出的全部变化像元,达到了最高的生产者精度,比较适合于地表覆盖数据更新制图应用。     

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。     

应用MSS数字图像处理进行森林资源动态监测的探讨

本文探讨了应用多时相Landsat Mss图像进行森林动态监测的方法。研究了差值图像法、比值植被指数差值法、归一化植被指数差值法、多时相主分量分析法(垂直植被指数法)和分类比较法对提取森林动态变化信息的作用。结果表明,3种植被指数法都能较好地提取植被动态信息,可用于森林面积消长的动态监测。     

基于ETM+影像的绿地信息提取方法研究

文中以ETM+影像为数据源实现对贵阳市某城区的绿地信息提取。对获取的影像进行预处理,分别通过不同的方法:原始波段组合法、主成分分析法(PCA)、独立分量分析法(ICA)、归一化植被指数法(NDVI)及基于第一独立分量的实验室波段组合法,获取研究区的假彩色合成影像。将以上方法得到的影像数据进行对比分析,表明植被景观目视效果最好的是原始波段组合法。将得到的影像数据进行监督分类,通过目视解译的方法进行精度评价,结果表明,基于第一独立分量的实验室波段组合法绿地信息提取精度最高,是一种有效的绿地信息提取方法。     

基于决策树的漓江上游土地覆盖分类

针对山区植被分类受地形复杂、植被类型多样、验证数据获取困难等因素限制基于多光谱数据的亚热带山区土地利用/覆盖分类存在困难,探究利用物候信息对亚热带山区植被实施分类的效果。综合运用归一化植被指数(NDVI)、比值植被指数(RVI)、归一化水指数(NDWI),同时考虑到海拔高度对植被类型的影响,建立决策树模型。该模型基于多时相Landsat TM影像,利用了不同地物类型的物候特征和光谱差异,将漓江上游地区分为8种土地覆盖类型。实验结果表明,分类结果总体精度达到86.40%,Kappa系数为0.83。     

NDVI-Ts空间全国土地覆盖分类方法研究

利用NDVI-Ts空间进行全国土地覆盖分类的方法。该方法利用1995年NOAA 10天合成的ch4、ch5通道亮温，先计算出陆地表面温度(Ts)，然后用最大值合成法计算每月的最大Ts和NDVI，以每月最大Ts和NDVI建立NDVI-Ts空间。根据像素点(NDVI，Ts)在空间中的位置矢量，求出矢量在空间中的方向角度，并作归一化处理，得到温度植被角度(NTVA)。对12个月NTVA做主成分变换提取前三个主分量，辅以全年总NDVI和大于O℃ Ts积温，用模糊K-均值法进行全国土地覆盖分类。研究结果表明，基于NDVI-Ts空间的NTVA与NDVI、Ts一起作为分类特征在土地覆盖分类中具有较高的分类精度，能够取得较好的分类效果。     

基于TM影像的林地变化检测方法对比分析 ——以伊春市为例

以伊春市为试验区,利用两期TM遥感影像数据对该地区的林地面积的变化进行了检测。实验使用了归一化植被指数差值法、主成分分析差异法和基于C5.0决策树的分类后比较法,并对三种结果做了对比。结果表明:1)1999年至2010年,林地总面积是增加的,阔叶林显著减少,混交林显著增加并发展成为主要林地类型。2)三种方法的精度分别为79.33%、82.54%、87.24%,说明分类后比较法能够更有效地对森林覆盖的变化进行检测,并且能够定性定量的对变化区域进行分析。     

基于PCA/NDVI的森林覆盖遥感信息提取方法研究

摘要： 以大兴安岭为试验区，提出将主成分分析（PCA）得到的第1分量、归一化植被指数（NDVI）和Landsat TM 1~TM 7某一波段进行合成，增强森林覆盖区和背景区信息的反差，并利用最大似然法对影像进行监督分类，分类精度超过92%。通过对不同云雾量和森林覆盖的2个时相影像试验表明，本方法提高了遥感影像森林覆盖信息提取的自动化程度和精度。     

基于混合像元分解技术的植被信息抑制研究与应用

植被覆盖直接影响地质信息提取的精度,是遥感地质中的难点。利用混合像元分解方法可从像元中剥离出植被成分,进而获得相对纯粹的地质信息,因此具有抑制植被信息的作用。利用混合像元分解方法分解图像的植被像元组分,利用归一化植被指数变化情况描述植被抑制效果,并结合主成分分析法对实验区域进行地层界线划分。结果表明,该方法可有效划分地层界线。     

基于时序NDVI的昭觉植被覆盖度变化研究

归一化植被指数(NDVI)能精确地反映植被绿度、光合作用强度,在一定程度上反映着植被的演化信息,是评价生态环境状况的重要指标之一。本文利用Landsat TM数据分别对昭觉地区2009年和2014年的NDVI进行计算,并分别利用均值法、像元二分模型及NDVI差值植被指数对研究区域植被覆盖变化进行定量分析,结果表明:昭觉县NDVI均值上升了11.6%,植被覆盖度中极度改善的面积比例约占38%,昭觉县整体NDVI植被覆盖度显著提高,并对其变化原因进行简要分析,为生态环境建设提供决策依据。     

东亚土地覆盖对ENSO事件的响应特征

对1982—1993年气候年际变化的强信号——ENSO进行了确认及再分类。以美国地质调查局EROS中心提供的AVHRR 8km NDVI为数据源，应用地理信息系统技术，计算了1982—1993年每年夏季(5—9月)NDVI平均影像。在此基础上用数据断面分析法对ENSO年东亚地区土地覆盖的空间分布进行了分析，再用主成分分析法对同一时间序列NDVI平均影像进行了运算，发现其第7主成分影像所反映的土地覆盖分布与数据断面分析法所反映的结果是一致的。对此，进一步分析了第7主成分的特征向量与代表ENSO变化特征的南方     

基于分形的城市地面亮温与植被研究

利用主成分像元分解分析法提取植被信息，计算了城市地面亮温、NDVI、主成分像元分解分析3幅图像的样带分形维数，分析了3幅图像及其样带分形雏数的特征，探讨了地面亮温与植被的关系。实例结果表明，当地表覆盖多为同质时，地面亮温分形雏数较低，主成分像元分解分析法比NDVI能更有效地提取植被信息，更适合用于地面亮温的研究。     

基于地表生物物理参数的土地利用/覆盖遥感分类方法研究——以长沙市以例

土地利用/覆盖分类通常是利用地物的波谱反射特征进行监督或非监督分类,分类结果由于"同物异谱、异物同谱"现象的存在,往往分类精度不高。而植被指数和地表温度作为表征地表覆盖状况的生物物理参数,已成功用于宏观尺度的土地利用/覆盖分类,使得分类结果有所提高,而对于区域尺度的土地利用/覆盖分类却少见报道。本文充分利用TM数据的多光谱特征,从中提取了植被指数NDVI、地表温度Ts、温度植被角度TVA和温度植被距离TVD这四种分类特征进行监督分类,通过对7种组合方案(反射率波段组合、NDVI与反射率波段组合、Ts与反射率波段组合、NDVI与Ts和反射率波段组合、TVA与反射率波段组合、TVD与反射率波段组合、TVA与TVD和反射率波段组合)的分类结果进行比较,得出以下结论:①NDVI、Ts、NDVI和Ts、TVD作为分类特征参与到多波段地表反射率影像分类中,能够提高分类精度,而TVA、TVA和TVD的加入却没有改善分类结果;②总体分类精度受到训练样本与检验样本比例的影响。     

东亚土地覆盖对ENSO事件的响应特征

对1982—1993年气候年际变化的强信号——ENSO进行了确认及再分类。以美国地质调查局EROS中心提供的AVHRR 8km NDVI为数据源，应用地理信息系统技术，计算了1982—1993年每年夏季(5—9月)NDVI平均影像。在此基础上用数据断面分析法对ENSO年东亚地区土地覆盖的空间分布进行了分析，再用主成分分析法对同一时间序列NDVI平均影像进行了运算，发现其第7主成分影像所反映的土地覆盖分布与数据断面分析法所反映的结果是一致的。对此，进一步分析了第7主成分的特征向量与代表ENSO变化特征的南方涛动指数(SOI)之间的关系，进而，对ENSO驱动下的东亚地区土地覆盖年际变化的空间分布特征进行了总结。     

基于Landsat影像的NDVI与RVI反演结果实验与分析

为研究归一化植被指数(NDVI)和比值植被指数(RVI)的特点,选取德阳市旌阳区作为实验区,以2007年、2014年和2018年的Landsat影像为数据源,反演得到实验区NDVI和RVI的分布状况.结果表明,二者均能较客观地反映地表植被覆盖的整体情况;通过剖面分析发现,当NDVI值在0.5左右时,RVI反映的地表植被覆盖状况变化非常显著,当NDVI值在0.2左右时,部分RVI反映的地表植被覆盖状况与实际存在一定的差异,个别低植被覆盖区域RVI值在1附近.     

基于植被分区的多特征遥感智能分类

为了有效地提取大范围地形复杂区域的土地利用/土地覆盖遥感信息,以位居青藏高原与黄土高原过渡地带的青海东部地区为研究区,研究基于蚁群智能优化算法(ant colony intelligent optimization algorithm,ACIOA)的土地利用/土地覆盖遥感智能分类。首先选用TM图像、DEM、坡度和坡向数据作为分类的特征波段;然后利用归一化植被指数NDVI对实验区数据进行植被分区;最后利用ACIOA算法进行分类规则挖掘,并依据分类规则进行土地利用/覆盖信息的提取。研究表明,基于植被分区的多特征蚁群智能分类的总体精度为88.85%,Kappa=0.86,优于传统的遥感图像分类方法,为大范围地形复杂区域的土地利用/土地覆盖遥感信息提取提供了有效的方法。     

面向地理国情普查的城市遥感影像变化监测方法分析

随着我国城市地区的不断建设与发展,对城市地区的地理国情变化监测变得尤为重要。据此,以某市某一区域多时段遥感影像为研究对象,使用了直接比较法、分类比较法、基于点特征法和改进的灰度比值法等4种不同的像素级变化监测方法对研究区域进行监测分析,比较各方法的精度和特点。结果显示:在监测总体精度上,改进的灰度比值法精度最高,直接比较法精度最差。在方法特征上,改进的灰度比值法可判读、灵敏度高、整体效果最佳;分类比较法受分类算法影响较大。     

基于指数分析法的西安市土地利用变化及驱动力研究

基于2000和2007年2期TM遥感影像,利用指数分析法,分别提取出归一化差异建筑指数(NDBI)、修正归一化差异水体指数(MNDWI)和归一化差异植被指数(NDVI)3种指数模型,分别代表西安市的3种最主要的土地利用类型--建筑用地、水体和植被.采用神经网络分类器进行监督分类,借助ERDAS Imagine 9.0、ENVI、ArcGIS 9.2和Matlab等软件平台,计算出西安市土地利用类型的动态转移矩阵,构建了土地利用变化动态度指数模型,定量分析西安市土地利用的时空变化.依据研究区土地利用变化的结果分析,变化的驱动力因子主要是人口增长、经济增长和政策变动.     

喀什市城市植被及其覆盖度研究

针对国内外对城市植被及其覆盖度方面的研究不够深入的现状,该文以喀什市1990年、2000年及2010年3期Landsat TM/ETM+遥感影像为数据源,结合归一化植被指数(NDVI)与植被覆盖度估算方法,对喀什市植被覆盖区土地类型、面积变化等方面进行研究。结果表明:1990年至2010年,高覆盖区所占比例由1990年到2000年逐步增加,2010年稍有减少;中高覆盖区面积出现先减小后增加的变化趋势;中覆盖区面积逐年增加;低覆盖区呈先减小后增加的趋势;极低覆盖区变化最慢,2010年比1990年稍有增加。     

基于TM影像的城市绿地信息提取方法研究

基于TM遥感影像,运用ERDAS,对某地城市绿地专题信息进行了提取。实验过程中首先对图像进行预处理,然后通过四种绿地信息提取方案进行比较分析,这四种方案分别为:原始波段合成法、主成份分析法、归一化植被指数(NDVI)法和实验波段组合法。将以上几种方案的图像进行反复比较,根据研究对象的实际情况,植被景观目视效果最好的是NDVI植被指数法。对以上四种方法的彩色合成图像进行监督分类,利用目视判读的方法对TM影像的分类结果进行精度检验,由此可以看出实验波段组合法的精度最高,该方法是一种有效的绿地提取的方法。