Landsat 8 地表温度产品降尺度深度学习方法研究

以光谱指数为趋势面因子的降尺度方法被广泛用于遥感地表温度尺度转换中,但面临构建的光谱指数难以凸显地表温度分布规律、浅层的统计模型难以精准刻画趋势面因子与地表温度之间的复杂关系的不足。为此,本文以Landsat 8 ARD 地表温度产品为降尺度对象,以Landsat 8 OLI原始数据为潜在趋势面因子,构建地表温度降尺度残差网络（LSTDRN）的深度学习模型;探索适用于Landsat 8地表温度产品空间降尺度的趋势面波段或组合,并在不同季节、不同地表类型下与经典传统方法TsHARP进行定量比较。结果表明：LSTDRN方法利用Landsat 8 OLI原始单波段作为趋势面因子就能有较好的降尺度效果,增加潜在趋势面因子的组合数量并不能提高降尺度效果。不同地表覆盖类型实验中,LSTDRN方法降尺度效果整体优于经典传统方法,且以近红外波段、红光波段和归一化植被指数为趋势面因子时,近红外波段降尺度效果定量评价表现最佳;不同地表覆盖类型的LSTDRN降尺度效果排序为：植被>建筑>水体,而经典传统方法则没有表现出明显的差异。不同季节实验中,LSTDRN方法在春夏冬3季的降尺度效果的定量评价表现明显好于经典传统方法,两类方法的秋季降尺度结果相当。因此,提出的LSTDRN对Landsat 8遥感地表温度产品具有较好的降尺度效果,整体优于经典传统方法且稳定性更强。     

基于Landsat TM数据的东莞市热岛效应研究

本文以东莞市为研究区域,利用1990年、1998年和2005年3期的Landsat TM数据,反演了东莞市地表温度。研究结果表明:①东莞市的高温区主要分布在建成区,低温区主要分布在水体和高植被覆盖区;②1990年到2005年,常温区面积明显减少,低温区面积大幅增加,高温区面积呈增加趋势;③从不同温度区间的转移分析来看,1990年至1998年、1998年至2005年两个时期,常温区发生转化的面积最大,其次是高温区;④地表温度与归一化植被指数都存在明显的负相关关系。     

Evaluation of different machine learning methods for land cover mapping of a Mediterranean area using multi-seasonal Landsat images and Digital Terrain Models

Land cover monitoring using digital Earth data requires robust classification methods that allow the accurate mapping of complex land cover categories. This paper discusses the crucial issues related to the application of different up-to-date machine learning classifiers: classification trees (CT), artificial neural networks (ANN), support vector machines (SVM) and random forest (RF). The analysis of the statistical significance of the differences between the performance of these algorithms, as well as sensitivity to data set size reduction and noise were also analysed. Landsat-5 Thematic Mapper data captured in European spring and summer were used with auxiliary variables derived from a digital terrain model to classify 14 different land cover categories in south Spain. Overall, statistically similar accuracies of over 91% were obtained for ANN, SVM and RF. However, the findings of this study show differences in the accuracy of the classifiers, being RF the most accurate classifier with a very simple parameterization. SVM, followed by RF, was the most robust classifier to noise and data reduction. Significant differences in their performances were only reached for thresholds of noise and data reduction greater than 20% (noise, SVM) and 25% (noise, RF), and 80% (reduction, SVM) and 50% (reduction, RF), respectively.     

多时相Landsat影像的平原河网区不透水面信息提取方法与应用

不透水面是衡量城市生态环境的重要指标,针对平原河网区不透水面与水体、裸土等地物较难区分的问题,以苏北里下河平原快速城镇化区为研究对象,利用多时相Landsat影像为数据源,基于像元光谱特征及其季节性变化分析,构建了基于时序NDWI、NDVI和NDBI的决策树模型,并利用GIS空间分析技术对不透水面的时空变化特征进行了分析。结果表明：多时相光谱信息可有效改善水体、裸土和稀疏植被等像元与不透水面的混分,2005年和2016年的不透水面分类总体精度和Kappa系数均在0.85以上,合理反映了不透水面以向东和向南扩张为主的趋势特征,年均扩张速度约为6.7 km²。研究成果为该区城镇化下的生态环境效应研究提供数据基础,同时可为其他平原河网区不透水面信息提供借鉴和参考。     

Burnt area delineation from a uni-temporal perspective based on Landsat TM imagery classification using Support Vector Machines

Information on burnt area is of critical importance in many applications as for example in assessing the disturbance of natural ecosystems due to a fire or in proving important information to policy makers on the land cover changes for establishing restoration policies of fire-affected regions. Such information is commonly obtained through remote sensing image thematic classification and a wide range of classifiers have been suggested for this purpose. The objective of the present study has been to investigate the use of Support Vector Machines (SVMs) classifier combined with multispectral Landsat TM image for obtaining burnt area mapping. As a case study a typical Mediterranean landscape in Greece was used, in which occurred one of the most devastating fires during the summer of 2007. Accuracy assessment was based on the classification overall statistical accuracy results and also on comparisons of the derived burnt area estimates versus validated estimates from the Risk-EOS Burnt Scar Mapping service. Results from the implementation of the SVM using diverse kernel functions showed an average overall classification accuracy of 95.87% and a mean kappa coefficient of 0.948, with the burnt area class always clearly separable from all the other classes used in the classification scheme. Total burnt area estimate computed from the SVM was also in close agreement with that from Risk-EOS (mean difference of less than 1%). Analysis also indicated that, at least for the studied here fire, the inclusion of the two middle infrared spectral bands TM5 and TM7 of TM sensor as well as the selection of the kernel function in SVM implementation have a negligible effect in both the overall classification performance and in the delineation of total burnt area. Overall, results exemplified the appropriateness of the spatial and spectral resolution of the Landsat TM imagery combined with the SVM in obtaining rapid and cost-effective post-fire analysis. This is of considerable scientific and practical value, given the present open access to the archived and new observations from this satellite radiometer globally.     

基于Landsat TM与CBER-02B的土地覆盖变化分析

以Landsat TM和CBERS-02B图像为遥感数据源,运用RS与GIS技术,对遥感数据的处理方法和技术流程进行系统的研究,并对汉寿县三期遥感影像进行处理,增强影像的可识别性。在野外调查和室内判别的基础上,建立研究区解译标志,采用机助目视解译方法,建立了1994年、2003年及2008年汉寿县土地覆盖数据库,提取并分析汉寿县土地覆盖变化信息。     

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。     

利用最小交叉熵的多时相影像变化检测

针对目前多时相遥感影像变化检测中缺少有效的确定变化阈值方法的问题,文章提出一种基于最小交叉熵的方法:采用中值滤波方法分别消除两个时相遥感影像中的噪声;将比值法和差值法融合构造两个时相遥感影像的差异影像;通过最小交叉熵确定差异影像的最佳变化阈值,并对差异影像进行分割得到变化区域;最后对变化检测精度进行评估。实验结果表明,提出的方法具有较高的检测精度,是一种有效的多时相遥感影像变化检测方法。     

官厅水库的遥感动态变化探测及边岸稳定性判别

利用TM卫星多时相数据，采用变化探测技术研究了官厅水库1988—2001年时间段库区边岸的动态变化。对库区淤积、边岸侵蚀等问题进行了探讨；结合水位差数据，提出边岸坡度和边岸稳定性的遥感时空分析方法和判据；分析了上述问题对官厅水库水资源利用的影响。边岸稳定性判别方法可应用于湖泊、海洋的滩涂地区。     

官厅水库的遥感动态变化探测及边岸稳定性判别

利用TM卫星多时相数据，采用变化探测技术研究了官厅水库1988—2001年时间段库区边岸的动态变化。对库区淤积、边岸侵蚀等问题进行了探讨；结合水位差数据，提出边岸坡度和边岸稳定性的遥感时空分析方法和判据；分析了上述问题对官厅水库水资源利用的影响。边岸稳定性判别方法可应用于湖泊、海洋的滩涂地区。     

面向对象的多特征分级CVA遥感影像变化检测

变化矢量分析CVA方法在中低分辨率遥感影像变化检测中已得到广泛应用,但由于高分辨率遥感影像存在不同地物尺度差异大、不同类别地物光谱相互重叠的问题,因此对于高分影像的变化检测具有局限性。为提高高分影像变化检测精度,提出了一种面向对象的多特征分级CVA变化检测方法,首先,利用基于区域邻接图的影像分割方法分别对两时相遥感影像进行多尺度分割,提取分割图斑的光谱、纹理和形状特征;然后,在各级尺度下,分别运用随机森林方法进行特征选择,计算CVA变化强度图;最后,根据信息熵对多级变化强度图进行自适应融合,利用Otsu阈值法检测变化区域,并与仅考虑光谱特征的分级CVA变化检测方法、像元级多特征CVA变化检测方法以及仅考虑光谱特征的像元级CVA变化检测方法进行比较分析。实验表明:与比较方法相比,本文方法的变化检测精度较高,误检率和漏检率较低。     

TM影像的变化检测方法探究

变化检测是遥感应用中的一项重要内容。随着遥感技术的发展,变化检测技术也有了很大的进步,出现了很多的研究方法和研究成果。本文在总结前人研究的基础上,提出了TM影像变化检测的基本流程,并简单介绍了各个流程,包括数据预处理、变化信息的提取以及变化区域的确定,重点介绍了变化检测的方法尤其是目前最新的研究方法,最后对变化检测的前景提出了展望。     

On urban heat island of Beijing based on landsat TM data

Land surface temperature (LST) of Beijing area was retrieved from Landsat TM thermal band data utilizing a radiative transfer equation and the urban heat island (HUI) effects of Beijing and its relationship with land cover and normalized difference vegetation index (NDVI) were discussed. The result of LST showed that the urban LST was evidently higher than the suburban one. The average urban LST was found to 4. 5°C and 9°C higher than the suburban and outer suburban temperature, respectively, which demonstrated the prominent UHI effects in Beijing. Prominent negative correlation between LST and NDVI was found in the urban area, which suggested the low percent vegetation cover in the urban area was the main cause of the urban heat island.     

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.     

On Urban Heat Island of Beijng Based on Landsat TM Data

IntroductionThe scientists have begun to retrieve land sur-face temperature (LST) fromsatellite data sincethe launch of TIROS-Ⅱin 60s of the 20th centu-ry . With the development of remote sensingtechnology and its application, more and moreLST retrieval …     

基于Landsat卫星的沈阳市土地覆盖变化研究

土地利用、土地覆盖变化(LUCC)是当今遥感领域的重要研究课题,也是地学界、生物学界、环境学界等关注的热点问题之一^[1]。特别是对大城市的土地类型变化研究,有利于揭示城市化进程中的空间变化规律。本文利用沈阳市1990、2000、2010年3期Landsat系列卫星数据,经过空间配准、相对辐射校正、图像增强等预处理,分别对3期遥感图像进行监督分类,提取土地类型转换信息并进行景观格局分析^[2]。结果表明,20年间沈阳市土地覆盖变化主要表现为耕地和建筑用地的转变,其中1990—2000年,耕地和建筑用地均有缓慢增加;而2000—2010年耕地面积明显减少,建筑用地显著增加,城市化进程大大加快。本文成果对沈阳市未来城市规划和可持续发展相关政策的制定有一定的参考价值。     

基于改进的最大类间方差法的遥感影像变化检测

变化检测技术被广泛应用于灾情估计、环境监测、农作物生长、森林覆盖等多个领域。为了自动获取变化检测的阈值,本文仔细分析了最大类间方差的方法和原理,改进了二维最大类间方差方法在变化检测中的应用,并利用多套遥感影像数据进行了实验,实验表明了该方法的可行性和有效性。     

像斑直方图相似性测度的高分辨率遥感影像变化检测

基于像斑的变化向量分析法CVA(Change Vector Analysis)过分依赖像斑的灰度均值信息,而未能有效利用其灰度分布信息,这在高分辨率遥感影像变化检测中存在不足。本文提出了一种基于像斑直方图相似性测度的变化检测方法。利用G统计量构建不同时期像斑之间的相似性测度。假设所有像斑的相似性测度值符合混合高斯分布模型,通过期望最大化算法EM(Expectation Maximization)求解相关参数,最后采用基于最小错误率的贝叶斯判别规则获取最终的变化结果。实验表明,本文提出的上述方法能够有效提高变化检测的精度。     

遥感影像CVA变化检测的CUDA并行算法设计

随着遥感影像数据量以及复杂程度的日益增加,遥感图像的快速处理成为实际应用过程中亟需解决的问题。为了实现遥感影像的实时变化检测,针对基于变化矢量分析CVA的变化检测算法,设计了一种基于统一计算设备构架CUDA的并行处理模型。首先利用地理空间数据提取库GDAL实现大数据量遥感影像的分块读取、操作和保存;其次将基于变化矢量分析的变化检测过程分为变化强度检测、映射表构建和变化方向检测,并借助CUDA C将变化矢量分析算法的3个步骤嵌入到CPU和GPU组成的异构平台上进行实验;最后利用该模型对不同数据量的遥感影像进行CVA变化检测并作对比分析。实验结果表明:与CPU串行相比,基于GPU/CUDA的遥感影像CVA的变化检测速度提高了10倍左右;在一定程度上,达到了实时变化检测的效果。     

基于Landsat遥感数据武汉地区植被覆盖度动态变化监测分析

旨在研究受人类经济活动影响的植被资源及其动态变化趋势的程度,采用基于归一化植被指数的像素二分模型,利用2002—2010年(武汉市每年8月)的卫星遥感数据,对武汉地区6年间的植被覆盖变化进行监测分析。结果表明,植被覆盖度变化与武汉GDP增长率有着紧密联系:2002—2007年,武汉经济较缓慢上升,植被覆盖度基本维持在55%左右;而2007—2008年武汉GDP总值增长率高达26.06%,但随之而来的是植被覆盖度由高峰期的61.68%下降到49.18%,是历年来的最低水准; 2008—2010年经济发展放缓,植被指数有小幅度回升。人类经济活动是影响植被资源的重要因素。