基于TM图像的“增强的指数型建筑用地指数”研究

以Landsat TM/ETM+图像为数据源,研究城镇和农村建筑用地信息的提取方法.首先利用TM7,4,2波段创建归一化差值裸地与建筑用地指数(normalized difference bareness and built- up index,NDBBI);然后根据裸地在裸土指数(bare doil index,BSI)图像上的亮度值最高、在改进型归一化差值水体指数(modified normalized difference water index,MNDWI)图像的亮度值最低的特征,提出了增强型裸土指数(enhanced baresoilindex,EBSI);最后选用NDBBI,EBSI,MNDWI和SAVI( soil adjustment vegetation index,SAVI)4个指数,构建一种新型的建筑用地指数,称为“增强的指数型建筑用地指数”( enhanced index - based built - up index,EIBI),可快速地提取建筑用地信息.实验结果表明,用EIBI提取的建筑用地信息客观,人为干预少,可信度高,提取精度可达90％以上,适合于同时提取城市和农村建筑用地信息.     

ENDSI增强型雪指数提取积雪研究

快速、准确、客观地提取积雪覆盖信息,获得积雪覆盖时空分布资料,是资源生态环境变化研究中的基本问题,卫星遥感技术为有效解决这个问题提供了技术支持。归一化差值雪指数(normalized difference snow index,NDSI)法利用积雪在绿光波段(0.53~0.59μm)高反射和短波红外波段(1.57~1.65μm)强吸收特征,可实现遥感自动提取积雪区。以Landsat8 OLI影像为数据源根据积雪的光谱特征,在加入波段B1(0.433~0.453μm)和B2(0.450~0.515μm)特征的基础上,运用提出的增强型雪指数(enhanced normalized difference snow index,ENDSI),从OLI影像上进行积雪自动提取。研究结果表明,对积雪厚度变化ENDSI敏感度强于NDSI;在裸土、薄雪及厚雪区,随着积雪厚度的增加,ENDSI值变化幅度强于NDSI,能有效增大雪与非雪的差异;当ENDSI阈值取0.3时,可以有效区分雪与非雪,提高积雪提取精度。     

一种快速提取不透水面的新型遥感指数

首次采用复合波段的形式创建了归一化差值不透水面指数(normalized difference impervious surfaceindex,NDlSI).它可以用于大区域范围内快速、自动地提取不透水面信息.通过Landsat ETM 和ASTER两种影像的实验证明,新的指数能够有效地增强不透水面信息,并具有较高的提取精度.     

利用无人机高光谱影像的红树林群落物种分类

近年来红树林群落中物种结构简单、功能退化等环境问题日趋严重,为了及时准确掌握红树林群落的物种空间格局与分布,本文首先基于深圳福田红树林自然保护区无人机高光谱影像,利用归一化差值植被指数和归一化潮间红树林指数提取植被区域;然后在植被区域根据最佳指数法选取信息量大、波段相关性小的波段组合,分别采用基于像素支持向量机分类方法和面向对象影像分类方法对红树林物种进行分类。试验结果表明,基于像素支持向量机分类方法的总体精度为81.03%;利用面向对象影像分类方法的总体精度为85.58%。面向对象影像分类方法能有效去除椒盐噪声,充分利用对象光谱、形状及纹理信息,提供更准确的红树林分布信息。     

基于Sentinel-2的潮间红树林提取方法

位于潮间带的红树林可能在高潮时被海水淹没的特点,使得传统的植被提取方法在红树林信息提取方面存在局限性。本文在对比分析了出露的红树林、高潮水位淹没的红树林、海水水体的光谱特征后,提出了一种利用归一化潮间红树林指数（NIMI）提取潮间带红树林的方法。该指数是由植被强吸收的红波段,强反射的两个红边波段和近红外波段组成的归一化表达式。利用该指数对福建省龙海九龙江口湿地的红树林进行了分类提取,提取结果与高分二号影像目视验证和现场调查结果进行了对照。结果显示,该方法提取红树林的用户精度达到93.98%,并显著优于利用归一化水体指数（NDWI）、归一化植被指数（NDVI）及随机森林的结果。     

基于Logistic回归分析的塑料大棚遥感指数构建

为了准确提取较大范围的塑料大棚分布信息,以地处太湖流域的常州市为例,利用Landsat8影像,基于塑料大棚光谱特征分析和可分离性分析,选取Landsat8影像7个OLI多光谱波段、1个TIR热红外波段以及归一化植被指数、归一化裸土指数、改进的归一化水体指数等3个常用遥感指数,运用Logistic回归分析法,构建新塑料大棚指数(new plastic greenhouse index,New PGI)。精度验证结果表明,在样本区域,基于高空间分辨率影像制作的塑料大棚参考图,New PGI的总体分类精度为94. 9%,Kappa系数为0. 74;在整个常州市,基于Google Earth影像选取的验证样本点,New PGI的总体分类精度为91. 28%,Kappa系数为0. 78;且相比于现有塑料大棚指数,New PGI在复杂地表覆盖情况下塑料大棚的提取效果更好。     

Sentinel-2和Landsat8影像的四种常用水体指数地表水体提取对比

利用卫星影像快速准确地提取湖泊等地表水体范围一直是一个重要的研究课题,其对洪涝灾害监测、水资源管理与利用等具有重要意义。Sentinel-2 MSI和Landsat8 OLI数据是目前主流的开放获取的中高空间分辨率遥感影像。以鄱阳湖区为研究对象,首先,分别使用归一化差异水体指数(normalized difference water index,NDWI)、改进的归一化差异水体指数(modified normalized difference water index,MNDWI)、自动水体提取指数(automated water extraction index,AWEIsh)和基于线性判别分析的水体指数(water index,WI2015)等4种常用的水体指数从2种影像中提取湖泊水体的分布信息;然后,分析了在同种水体指数之下2种影像提取结果的差异性和同一幅影像中4种水体指数提取结果的不同;最后,利用同期的高分一号影像目视解译的结果对水体提取结果进行了精度验证。结果表明,对于2种遥感影像,4种水体指数均能成功地提取出研究区的大部分水体; AWEIsh和WI2015的提取精度最高,在Sentinel-2和Landsat8影像上分别达到了98%和94%以上,MNDWI次之,NDWI的提取精度最低;相对而言,Sentinel-2影像提取的水体细部信息更为明显,整体提取效果优于Landsat8影像。     

基于中尺度光谱和时序物候特征提取南方丘陵山区茶园

南方丘陵山区茶园空间分布的提取对于南方经济发展和生态环境保护有重要意义。为此提出一种基于中尺度光谱和时序物候特征的茶园提取方法。利用MODIS增强植被指数(enhanced vegetation index,EVI)和归一化植被指数(normalized difference vegetation index,NDVI)数据产品选择Landsat影像的最适时间窗口,使用面向对象方法和决策树分类模型提取初步分类结果,使用MODIS-EVI植被时序数据提取不同植被物候参数,完成茶园分布范围提取。以福建省漳州市和安溪县为研究区进行茶园提取,经检验,总体分类精度达到85. 71%,Kappa系数达到0. 83,其中茶园的生产者精度为83. 72%,用户精度为90. 00%;提取结果与漳州市和安溪县茶园种植面积的公开统计数据接近。结果表明,该方法可获得较高的茶园提取精度。提取结果可以为南方经济发展和政府有关部门对茶园的调控提供一定参考和指导。     

基于OLI数据与决策树法的去山体阴影水体信息提取研究

研究山区地表水体信息OLI遥感数据去阴影自动提取方法,设计基于数字高程模型与指数提取的决策树分类方法,提高水体自动识别的精度。该方法选取改进的归一化水体指数、归一化植被指数、比值植被指数、主成分分析前3个分量以及波段之间的组合运算,并结合DEM构建决策树分类规则。综合采用单波段阈值、谱间关系、植被指数和水体指数阈值完成山体水体的去阴影识别研究,与计算机自动识别分类方法比较,其精度明显提高。结果表明,决策树分类方法在精度上明显高于常用的计算机自动分类方法,可以很好地被利用于OLI遥感数据水体信息的海量、大范围提取。     

基于无人机重建点云与影像的城市植被分类

针对以往无人机遥感用于城市植被分类时多利用影像光谱、纹理和形状等特征,影像重建点云数据未能充分利用的问题,提出一种综合影像重建点云与光谱信息的城市植被分类方法。首先,基于运动恢复结构(structure from motion,SFM)、多视图聚簇(cluster multi view stereo,CMVS)和基于面片模型的密集匹配(patch based multi view stereo,PMVS)算法重建研究区密集点云;然后,经滤波、插值生成研究区数字高程模型(digital elevation model,DEM)和归一化数字表面模型(normalized digital surface model,n DSM),同时结合影像光谱信息对不同高度的城市植被进行分类提取;最后,采用面向对象的影像分析方法,根据n DSM信息与归一化绿红差异指数(normalized greenred difference index,NGRDI)及可见光波段差异植被指数(visible-band difference vegetation index,VDVI)等光谱信息,分别建立了水生植被、草地、灌木、小乔木和乔木等不同植被的分类规则。实验结果表明综合利用影像重建点云得到的n DSM信息与影像光谱信息提取不同高度的植被是可行的,总体分类精度达到92. 08%。该方法可为城市植被分类与制图提供理论支持和应用参考。     

兰西城市群热环境格局多尺度研究

从不同空间尺度研究城市热环境的变化格局,可为城市人居环境建设提供科学参考。采用MODIS和Landsat TM/OLI/TIRS遥感影像反演地表温度(land surface temperature,LST),分别从宏观和微观尺度探索了兰西城市群热场的空间格局特征,分析了城市热岛效应在昼夜、季节和年份等不同时间尺度上的分布格局及变化特征。研究结果表明,大尺度下兰西城市群未存在明显的城市热岛效应,但中心城区内热岛效应的空间格局发生了较大变化,热场的空间格局及演变与城市空间扩展布局相一致;兰州中心城区热岛比例指数呈现先增加后减小的变化趋势,西宁—海东中心城区热岛比例指数则呈现持续增长的态势;河谷地段的LST低于周围黄土丘陵,主要受植被覆盖、太阳辐射时间和接收量的影响;LST与归一化差值植被指数(normalized difference vegetation index,NDVI)呈负相关关系,与归一化差值建筑用地指数(normalized difference building index,NDBI)呈正相关关系。     

林火烈度遥感评估指数适应性分析

科学合理地定量评估林火烈度,对揭示林火干扰下森林生态系统的变化,以及植被的恢复与管理具有重要意义。以美国科罗拉多大峡谷国家公园北缘的Poplar Fire为实验区,利用Landsat5 TM影像,结合实地调查的综合火烧指数(composite burn index,CBI),分析评价了归一化差值植被指数(normalized difference vegetation index,NDVI),归一化火烧指数(normalized burn ration,NBR),差分归一化植被指数(differenced normalized difference vegetation index,ΔNDVI)和差分归一化火烧指数(differenced normalized burn ration,ΔNBR)4种遥感指数对林火烈度评估的适应性。结果表明,4种遥感指数对识别不同等级林火烈度存在一定的差异。在未过火区和轻度火灾区,单一遥感指数的精度略高于差分遥感指数,其中NBR的提取精度最高,分别达到了66.7%和80%;在中度火灾区和重度火灾区,差分遥感指数的精度高于单一遥感指数,ΔNBR的提取精度最高,分别达到了100%和90%。总体上,基于差分遥感指数的林火烈度制图精度总体高于单一遥感指数,其中ΔNBR的总体制图精度最高,达到了86.2%。因此,ΔNBR是林火烈度分析与评估的适宜遥感指数。     

南京市地表参数变化与热岛效应时空分析

利用南京市1989年TM和2001年、2010年ETM+卫星遥感数据,提取了3个时期的归一化植被指数(normalized difference vegetation index,NDVI)、改进的归一化水体指数(modified normalized difference water index,MNDWI)、归一化建筑指数(normalized difference build-up index,NDBI)和归一化不透水面指数(normalized difference impervious surface index,NDISI)等地表参数;利用热红外波段遥感数据反演地表温度,并从时间维对比分析了3个时期各个参数的变化和产生的原因;利用回归分析方法探讨了上述地表参数变化与城市地表温度之间的关系,即地表温度与NDISI和NDBI呈正相关,与NDVI呈负相关。进一步分析表明,南京市最近20 a来不透水面和建筑面积大幅增大,植被覆盖范围减少,城市热岛效应加剧,不透水面、建筑指数与地表温度的变化趋势和城市扩张趋势一致。该研究成果对于揭示南京市热岛效应、优化土地配置和推进生态城市建设具有一定的参考意义。     

基于MODIS的城市大气颗粒物污染指数研究

遥感特征指数法是一种简单、高效的信息提取方法。根据气溶胶散射或吸收引起的卫星不同波段间表观反射率变化,构建了基于MODIS的城市大气颗粒物污染指数,结合石家庄市各环境空气质量站实测颗粒物浓度数据,分析差值植被指数(difference vegetation index,DVI)、归一化灰霾指数(normalized difference haze index,NDHI)、归一化建筑指数(normalized difference built-up index,NDBI)和差值建筑指数(difference built-up index,DBI)与PM10之间的相关关系。结果表明,除NDHI外,DVI,NDBI和DBI与大气颗粒物质量浓度均呈现负相关关系,DBI与PM10之间线性相关关系较为明显,综合多种大气颗粒物污染指数构建的大气颗粒物质量浓度估算模型,可以用来简便、快速地指示城市大气颗粒物污染状况。     

洪泽湖湿地植被信息提取方法研究

以洪泽湖淡水湿地为研究对象,在分析了各类地物光谱特征的基础上,提出了分区分类的方法。首先选取6种典型指数分别对研究区湿地植被进行分类计算,从中选择合适的指数进行湿地植被的信息提取;再运用决策树模型进行湿地植被分类;并将分类结果与最大似然法的分类结果进行了比较。结果表明,1 NDVI提取的沉水植物信息效果最好,挺水植物和浮水植物可用改进归一化差异水体指数(MNDWI)进行区分;再利用决策树对湿地植被进行分类,总体精度达到85.09%,与最大似然法相比,提高了6%。2洪泽湖地区的湿地植被比较丰富,面积约占全湖的10.74%。     

基于分层分类法提取城市裸地信息

城市裸地通常面积较小且分散分布,其光谱特征与建筑用地相似,传统监督分类方法很难准确提取。采用分层分类思想,利用改进后的归一化水体指数和归一化植被指数分别提取水体、植被后并去除,再利用光谱特征分析实现建筑用地和裸地分离,最后提取出城市裸地。以武汉市主城区为研究区,选取Landsat7/ETM+和Landsat8/OLI影像,分层分类法裸地提取精度分别达到94.5%和96%,而作为对比实验的监督分类法裸地提取精度分别为89%和90%,可见,分层分类法可以较高的精度提取城市裸地信息。     

基于机载MASTER数据的果园叶面积指数遥感反演

叶面积指数(leaf area index,LAI)是描述植被冠层结构的重要参数,准确获取果树的LAI对果树长势监测和果树估产均有重要作用。以美国加州中部的果园为研究区,基于沿太阳主平面飞行成像的机载MODIS/ASTER模拟传感器(MODIS/ASTER airborne simulator,MASTER)数据,利用实测LAI数据与归一化差值植被指数(normalized difference vegetation index,NDVI)、归一化差值红外指数(normalized difference infrared index,NDII)和归一化差值水体指数(normalized difference water index,NDWI)分别建立回归模型,并选取NDWI进行研究区LAI的反演。结果表明:由于地物的二向性反射,垂直太阳主平面飞行获取的遥感数据具有明显的亮度梯度现象,而沿太阳主平面飞行获取的遥感数据几乎不受亮度梯度的影响;NDVI在高植被覆盖区容易达到饱和,而NDWI比NDVI和NDII具有更高的拟合度和更小的均方根误差,更加适合研究区LAI的遥感反演;该研究结果可以丰富LAI反演理论,也可以为研究LAI尺度问题提供理论和数据支持。     

利用温湿度指数提高红树林遥感识别精度

针对使用TM图像反射波段信息难以将红树林与陆地植被、尤其是与水体—植被混合像元有效区分的问题,结合不同潮位的TM图像,基于反射波段信息,引入TM6热红外波段信息,提出了温湿度指数(temperature-moisture index,TMI)。分析结果表明,综合潮位信息、热红外波段信息及温湿度指数能显著提高红树林与其他地物之间的可分性。采用光谱角度制图(spectral angle mapping,SAM)监督分类法对红树林进行分类识别,较之其他研究者所采用的分类特征,热红外波段信息及温湿度指数能使红树林分类精度明显提高(Kappa系数提高了0.14,错分率降低了19.9%),说明利用潮位信息、热红外波段信息及温湿度指数可以提高红树林的遥感识别精度。     

基于决策树的洪泽湖湿地信息提取

湿地是地球的重要组成部分,快速而准确地提取湿地信息,是湿地动态监测和可持续发展的一项基础而重要的工作.以洪泽湖淡水湿地为研究对象,采用2006年8月19日的Landsat5 TM遥感影像为数据源,采用经K-T变换光谱增强后的数据及利用灰度共生矩阵分析影像第一主成分的纹理统计量作辅助分类变量,基于地物光谱特征、纹理特征和形状特征,运用决策树分类法提取洪泽湖湿地植被信息,将其分类结果与最大似然法的分类结果进行比较.结果表明:1)洪泽湖地区的湿地植被比较丰富,面积约占全湖的10.74％,其中以浮水植物为主.2)基于决策树的分类结果的精度有了明显的提高,总精度由77.33％提高到86.33％,Kappa系数由0.7292提高到0.8354,证明基于决策树分类方法是提取淡水湿地植被信息的有效手段.     

基于高分一号宽幅多光谱影像的鄱阳湖湿地分类研究

典型湿地类型分类对于湿地生态环境保护和生态环境建设具有重要意义。本研究以高分一号宽幅多光谱影像数据作为数据源,以鄱阳湖典型湿地作为研究对象,进行典型湿地类型分类。研究采用主成分分析、归一化植被指数、比值植被指数和归一化差异水体指数等方法对不同湿地类型进行光谱特征分析,结果表明:高分一号宽幅多光谱影像反演的归一化植被指数和归一化水体指数能够较好地区分水体、泥滩、挺水植物和湿生植物等常见湿地类型。通过归一化植被指数将湿地类型分为植被和非植被,归一化差异水体指数将植被类型进一步分为挺水植物和湿生植物,将非植被分为水体和泥滩。构建决策树对典型湿地类型进行自动分类,经过精度评价和分析验证,该方法针对高分一号宽幅数据进行典型湿地分类总体精度能够达到82.28%,Kappa系数0.7346,优于常规的监督分类和非监督分类。