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。     

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。     

基于光谱混合分解的流域不透水面提取及其动态分析——以于桥水库为例

不透水面不仅是城市非点源污染的主要来源,还是流域生态环境变化的主要因素之一。不透水面的数量、位置、几何形状、分布格局以及透水率与不透水率的比值,均影响着流域的水文环境,因此成为研究热点。本文以天津于桥水库流域为例,综合遥感(RS)与地理信息系统(GIS)技术,从流域尺度上研究1984~2013年间不透水面覆盖度的变化。在ENVI 5.1软件支持下,利用遥感影像获取1984,1994,2004和2013年4个时相的不透水面信息。采用修正后的归一化水体指数剔除水体信息,排除水体对不透水面提取精度的影响。运用线性光谱混合分析法(Linear Spectral Mixture Analysis,LSMA),提取流域不透水面覆盖度。结果表明:流域内不透水面覆盖度大多集中在1~5级,植被覆盖程度较高。近30年间不透水面比例逐年增加,2013年比1984年增加了2.802%,呈线性增长。中等分辨率的遥感影像适合流域尺度的不透水面提取的结果可作为流域水文及规划管理的重要基础性数据。     

基于Sentinel-2A和Landsat8的城市不透水面的提取

城市不透水面相关研究对城市的发展至关重要.为了提取城市不透水面盖度,通常采用线性光谱混合分析方法,在亚像元尺度上计算混合像元内的不透水面面积比例.由于端元光谱曲线存在误差,导致不透水面盖度提取精度较低,因而提出端元优化方案,通过Sentinel-2A影像选择比较纯净的端元,利用其光谱信息优化从Land-sat8影像中选...     

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。     

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。     

一种提取不透水面的综合指数

针对线性光谱混合分解(LSMA)在提取不透水面过程中无法准确区分裸地和不透水面的问题,该文在LSMA方法基础上引入改进的裸地区域指数(IBAI),提出基于LSMA-IBAI综合指数的不透水面提取方法。该方法首先使用线性光谱混合分解对Landsat 8影像进行不透水面初步提取,然后采用改进后的裸地区域指数提取裸地信息,并构建LSMA-IBAI的综合指数模型,最后通过自适应迭代法对城市不透水面进行精准提取。实验结果表明,该方法能够快速准确地对城市不透水面进行提取,总精度至少提升了1.83%,Kappa系数至少提升了0.04%。     

利用影像纹理和阴影信息提取城市不透水面的方法——以咸阳市为例

利用2012年的咸阳市资源三号卫星影像,同时利用光谱信息和纹理信息对咸阳市的地表进行监督分类,使用阈值和开闭运算提取阴影,并通过TM影像提取NDBI等指数辅助归类,优化分类结果,提高提取不透水层信息的准确率,旨在为城市合理布局,减少城市内涝等提供基本信息。研究结果表明,利用多源遥感卫星影像,同时考虑光谱和纹理信息的分类方法进行不透水面的提取精度提高了17.2%,对阴影检测和归类处理提取精度进一步提高了2.7%,方法简便可行,结果稳定可靠;咸阳市研究区地表不透水率为30.73%,不透水率相对较低,城市生态环境较好;不透水面主要分布在渭河以北老城区。     

CBERS-02B多光谱数据在城市不透水面 估算中的可用性研究

以厦门岛为研究区,以CBERS-02B的CCD影像为数据源,采用基于可变端元的线性光谱混合模型估算了城市不 透水面组分含量,并探讨了该方法的实现过程与优势。通过端元评估确定了研究区的４个典型端元,即高反射不透水 面、低反射不透水面、高反射土壤和植被。在此基础上,以高、低反射不透水面端元的组分含量对城市不透水面含量 进行估算。精度评价结果显示：基于可变端元的方法要优于一般带全约束法;而在混合像元分解过程中加入全色波段 （band5）有助于提高模型估算精度,使得在像元尺度的精度与采用Landsat的已有报道相近,而在土地利用单元尺度实 现了对城市不透水面的无偏估计。研究实例也表明,尽管目前CBERS-02B数据在辐射定标和地理定位等方面还有待改 进,通过采用适当的处理过程和技术手段,依然能利用该数据对城市不透水面进行有效估算。     

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。     

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...     

基于ETM+的植被覆盖信息提取及其动态变化分析——以广州市为例

以2000年和2005年ETM+影像为数据源,在水体掩膜和端元光谱优选对比基础上,利用线性光谱模型提取了广州市植被覆盖信息,并对植被覆盖信息的时空动态变化进行了定量分析,结果表明:应用线性光谱模型之前对所占面积不大的水体进行处理是非常必要的,选取植被、硬化地面、土壤三端元法比包含阴影的四端元法更有利于线性光谱分离,而且能达到很高的精度;此外,通过对植被覆盖信息空间结构和景观格局的研究,显示:2000-2005虽然广州市绿化取得了初步成效,但总体植被覆盖状况呈下滑趋势,植被景观破碎程度增加,各植被景观形状趋于复杂化,城市化的发展加之人类活动的干扰,低植被覆盖区不断扩大,而中、高植被覆盖区正处于不断退化时期。     

多季相混合像元部分分解特征的不透水面分类

针对利用光谱混合分解提取不透水面特征通常受到端元类型和数量的限制,同时植被变化会影响估计精度的问题,该文提出 了一种综合季相和植被变化信息的不透水面提取框架.基于混合像元部分分解算法——混合调谐匹配滤波(MTMF),设计了多季相组合MTMF(SCMTMF)特征和多季相叠加MTMF(SSMTMF)两种策略,构造了不透水面的多季相MTMF特征,将不透水特征与多季相植被指数结合利用支持向量机实现对不透水面的精确分类.结果表明,利用多季相特征得到的不透水面提取效果相较于单季相有较明显的改善,该文所提出的策略有利于提高不透水面的估计精度.     

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。     

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。     

不透水面与地表径流时空相关性研究——以杭州市主城区为例

城市化进程中不透水面的扩展对城市地表水文循环产生了显著影响。研究不透水面与地表径流时空相关性能缓解城市内涝灾害,可为"海绵城市"提供建设意见。本文以杭州市主城区为例,提出结合BCI指数(Biophysical Composition Index)的线性光谱分解方法提取不透水面、植被和土壤盖度,提高了传统的线性光谱分解方法的精度。进一步结合SCS-CN模型(Soil Conservation Service Curve Number Method)模拟1990年—2017年杭州市主城区地表径流,在此基础上计算景观格局指数,研究杭州市主城区不透水面与模拟地表径流的时空特征,探究不透水面与模拟地表径流的关系。结果表明:(1)研究区近30年不透水面聚集度较高且呈增长趋势,增长速率趋于平稳,上城区和下城区不透水面面积占比最高,江干区、西湖区和拱墅区增长速率和增长强度相对较大。(2)研究区近30年模拟地表径流不断增长,220—240 mm的径流由中心城区向四周辐射,上城区和下城区模拟地表径流最高,与不透水面的演变趋势总体一致。(3)不透水面的空间格局与模拟地表径流高度相关,不透水面的斑块数量和破碎度与地表径流呈负相关,斑块所占景观比例、斑块密度、斑块聚集等与模拟地表径流正相关,可通过合理控制相关景观指标、优化不透水面空间格局控制地表径流。在此基础上提出了防止城市内涝的建议:增加绿地、花园等用地类型;减少大面积不透水面斑块,划分成更多的小斑块等。     

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。     

基于GEE和机器学习的不透水面提取研究——以成渝地区为例

随着城镇建成区范围不断扩大,不透水面面积急剧扩张,对区域生态和经济产生严重影响,对不透水面的快速、准确识别显得尤为重要。文中以成渝地区双城经济圈的两大核心城市为研究对象,基于GEE云平台和Landsat 8影像,构建光谱波段、光谱指数和纹理指数的分类特征,利用最小距离(MD)、分类回归树(CART)、支持向量机(SVM)、随机森林(RF)和朴素贝叶斯(NB)5种机器学习算法,提取不透水面信息。结果表明,RF算法效果最好,提取结果与实际最相符,CART和SVM算法精度差异不大。本研究可为不透水面提取提供方法和技术参考。     

基于HJ-1数据和V-I-S模型的城市不透水层变化分析

选择2008年和2010年徐州市城区的HJ- 1A/1B多光谱遥感图像,利用线性光谱混合模型(LSMM)、多层感知器(MLP)神经网络和自组织映射(SOM)神经网络3种混合像元分解方法,基于V-I-S(植被-不透水层-土壤)模型提取城市不透水层.对3种方法的精度分析对比表明,MLP方法优于其他两种方法,能够比较清晰地反...