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。     

一种新的增强型不透水面指数

针对西北干旱地区城市不透水面提取存在的局限性以及阈值确定的繁琐性等问题,该文提出了一种新的增强型不透水面指数(ENDISI)。基于Landsat8_OLI影像,以兰州市建成区为例进行不透水面信息提取,总体精度达到88.5%,结果较为理想。相比于已有的不透水面指数,ENDISI可以有效避免西北干旱区沙土、裸露山体的影响,适用性更强;采用"0"作为提取不透水面的阈值,简单、客观并且提取精度高。综上表明,ENDISI可用于西北干旱地区城市不透水面信息的高效提取。     

基于Sentinel-2A/B的新疆典型城市不透水面提取及空间差异分析

随着城市化进程加快,自然地表物理结构及属性的变化使得城市不透水面不断增加,进而造成城市土地覆盖类型剧烈变化,极大地影响着其环境质量和生态循环。因此,探讨不透水面的空间变化规律,对建设生态、和谐、宜居城市变得极为重要。本文选取新疆维吾尔自治区（简称新疆）典型城市（乌鲁木齐、喀什、哈密及克拉玛依）主城区为研究区,通过对Sentinel-2A/B影像L2范数归一化处理,结合增强型归一化差值不透水面指数ENDISI（Enhanced Normalized Difference Impervious Surface Index）,采用最大类间方差法（OTSU）自适应确定阈值,提取2017年和2019年新疆典型城市不透水面。结果表明：L2范数归一化处理与ENDISI结合能较好的突显不透水面与非不透水面的差异;OTSU自适应确定的阈值能够很好的区分不透水面,经示例验证（2019年乌鲁木齐主城区）,不透水面提取结果总体精度为86.60%,Kappa系数为0.73。通过对不透水面空间差异分析可知：从剖面线角度分析得出乌鲁木齐北部、喀什中部和北部及哈密中东部和北部ENDISI指数值均显著增加,而克拉玛依北部和中西部区域ENDISI指数值增加较少;从不透水面盒维数分析中得出,新疆典型城市的盒维数值均呈增加趋势,城市结构复杂度不断增强,其中哈密盒维数值最大,乌鲁木齐盒维数值最低,且哈密的盒维数值变化幅度最大,克拉玛依的盒维数值变化最小。本文可为新疆典型城市内涵式发展提供科学指导,为干旱区城市生态环境保护提供理论依据。     

宁镇扬地区不透水面增长变化监测及其增长模式分析

不透水面是衡量城市化进程的重要指标,本文以宁镇扬地区为例,引入不透水面变化轨迹、增长模式等方法,定量剖析不透水面时空演变过程.结果表明,研究时段内,在城市化进程的推动下不透水面持续扩张,研究区2015—2019年有301 km2的自然或半自然景观最终转化为不透水景观,年均增长率为0.44％;不透水面格局变化在2017年...     

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%。     

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。     

不透水面提取方法及应用研究综述

围绕数据源、提取方法以及不透水面应用研究3个层面对国内外学者提取不透水面做出了总结,其中数据源主要介绍了Landsat系列、Sentinel系列以及高分系列,不透水面提取方法主要归纳了指数法以及光谱混合分析法,应用研究主要针对不透水面演变分析、与城市生态问题的探究。通过归纳国内外学者的研究成果得出,不透水面的扩张会导致城市地表温度的上升,同时与其他一些生态问题存在一定的相关性。     

一种改进的城市不透水面指数

以Landsat-8为数据源,美国波士顿为研究区,在归一化差异不透水指数(NDISI)基础上,进行热红外波段细化,提出修正归一化差异不透水面指数(Modified NDISI,MNDISI),并对二者进行比较。结果表明,NDISI得到的不透水面总体精度和OK系数分别为84.19%和0.68,MNDISI提取的不透水面总体精度和OK系数达到87.52%和0.749。MNDISI相比NDISI,提取不透水面的效果更优。     

一种基于TM影像的不透水面信息提取方法

针对TM影像不透水面提取的研究,通过综合分析被广泛应用于提取不透水面的归一化差异不透水面指数法和归一化差异植被指数法,从而提出一种改进的快速提取不透水面的方法--实验指数组合法,即通过将植被指数取反减去水体指数。以高分影像ZY3和可提供经纬度信息的Google Earth作为参考,将归一化差值不透水面指数、归一化差值植被指数和实验指数组合法得到的提取结果分别进行评价,获得了图像的分类精度,对比可知实验组合指数法的精度高于其他两种指数结果,其精度为88.16%。     

不透水面产品在重庆地区的验证

以国家地球系统科学数据中心发布的不透水面数据产品为基础,利用地理国情数据中地表覆盖分类提取的不透水面成果进行重庆地区精度验证,并与兴趣点数据(Point of Interest,POI)、夜间灯光数据进行相关性和空间重叠度分析.结果表明:不透水面产品在重庆地区验证情况较好,不透水面产品与地理国情不透水面耦合性较高,能够较为准确地反映城市建设状况,全市不透水面产品有71.61％以上位于地理国情不透水面范围内;不透水面产品面积与POI核密度、夜间灯光亮度具有正相关性,但相关系数不高,且空间分布具有一定差异.通过不透水面产品在重庆地区验证分析,能够对未来不透水面提取优化研究提供基础支撑.     

深度学习提取不透水面的自然环境影响因素研究

针对遥感影像提取不透水面通常会受到自然环境因素影响的问题,该文采用改进的U²-Net模型对北京市五区和南京市五区的Landsat 8 OLI影像进行季节性不透水面提取,探索深度学习提取不透水面时的自然环境影响因素及其影响机制。选择植被、水、裸土及地表温度作为影响因素,通过地理探测器研究以上因素对不透水面提取的影响机制。基于改进的U²-Net模型提取不透水面精度较高,其中北京市研究区域的提取精度为93.81%,南京市研究区域的提取精度为94.04%;4项自然环境因素对不透水面提取精度均有影响,单因素分析中地表温度影响最大,交互作用分析中地表温度与植被覆盖影响最大。研究结果表明：夏季不透水面提取精度最高,受自然因素及交互作用影响最小;提取不透水面建议采用夏季影像。本文探究了自然因素对不透水面提取的影响机制,为进一步不透水面遥感提取和动态差异分析提供有力支撑。     

南昌地区不透水面信息自动提取

随着城市化进程的不断加速,不透水面成为一种十分关键的地表覆盖类型之一,如何快速获取高精度的不透水面信息成为目前遥感研究的重点话题。考虑不透水面构成复杂、光谱曲线复杂的特征,本文基于决策树思想,通过建成区指数（BUAI）、改进的归一化水体指数（MNDWI）,制作研究区植被、水体掩膜,并根据研究区土壤反射光谱特点制作研究区土壤掩膜。通过基于决策树思想的提取模型,结合掩膜文件,逐步剔除透水面,得到不透水面信息。结果表明：该模型提取的不透水面信息总体精度达到了98.27%,Kappa系数为0.86。通过和实地信息对比分析,认为该模型提取结果较为可靠,适用于大范围地区的不透水面信息提取。     

基于GEE云平台的山东省不透水面提取

不透水面是衡量城市化发展水平的重要指标,及时、准确地掌握城市不透水面的动态变化对于监测城市地区的发展和环境变化至关重要。利用Google Earth Engine(GEE)云平台和Sentinel-1 SAR数据、Sentinel-2光学数据以及随机森林算法对山东省2020年4月不透水面进行提取。结果表明：使用光学和SAR数据融合的山东省不透水面提取精度为92.17%,Kappa系数为0.79;雷达特征的重要性优于光学特征,光学与雷达数据结合提取不透水面精度更高,错提明显减少;雷达特征对于面状不透水面的提取效果优于线状不透水面,实际使用中应针对不同的应用选择合适的特征。     

LSMA结合NDBI提取广州市部分城区不透水面的方法

以广州部分城区为研究区,选取2015年10月18日Landsat 8 OLI遥感影像,基于线性光谱混合分析(LSMA),结合归一化建筑指数(NDBI)优化不透水面盖度提取精度;并分别采用传统LSMA和优化LSMA提取了不透水面。在传统方法的基础上,优化LSMA利用纯净像元指数与手动端元相结合的方法提高了端元选取精度;解混后再利用NDBI阈值掩膜。经验证,传统LSMA提取不透水面盖度的均方根误差(RMSE)为0.306,与样本区的相关系数(R~2)为0.898,系统误差(SE)为0.21;优化LSMA的RMSE为0.125,与样本区的R~2为0.943,SE为-0.035,精度明显高于传统LSMA的提取精度,可为广州市不透水面环境效应研究提供更可信的数据支持。     

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。     

基于GIS的环渤海湾海岸带环境压力分析

本文从景观格局、海洋资源、植被资源三个角度,探讨了2000年至2013环渤海湾海岸带不透水面空间格局变化对环境压力的影响。研究结果发现:(1)2000年至2013年,不透水面斑块面积增加,斑块密度减少,呈现团聚状分布格局;(2)2000年至2013年,滩涂、0-5m海域和5-10m海域空间资源的损失量分别为464.32km2、151.76km2和12.81km2;(3)研究区内城市建成区的植被减少和不透水面扩张之间呈现明显的此消彼长趋势。     

基于SVM混合核的不透水面提取及扩张分析

利用支持向量机中单一核函数提取不透水面时存在时间复杂度高和提取精度低的问题。针对该问题,本文在径向基核函数的基础上引入多项式核函数,提出了一种混合核函数的不透水面提取方法。首先,由于属性不同的地物具有相似的光谱信息,在特征提取过程中将光谱信息与图像熵纹理信息相结合,可更加清楚地区分各地物类别。然后,在径向基核函数的基础上引入多项式核,可分别从局部和全局角度获取影像的特征信息,提高不透水面提取精度。最后,在不透水面提取结果基础上进行时空演变分析。本文利用阜新市主城区2009—2021年Landsat影像进行试验。结果表明,光谱与熵纹理相结合方法可改善特征提取效果,提升不透水面提取精度。与单一核函数提取方法对比,利用本文方法提取不透水面精度提高了2.5%,证明了该方法的有效性。     

一种困难地区不透水面快速提取算法

干旱半干旱地区、低密度不透水面地区、山区等困难地区具有灯光较弱、空间布局分散、周边遮挡物较多等特点,目前已有的大尺度不透水面研究中对困难地区不透水面的提取效果较差。鉴于此,提出了以多时相升降轨Sentinel SAR数据和光学影像为主,辅以灯光、DEM数据为阈值筛选的提取方法。对中国延安、越南南部、阿联酋迪拜、孟加拉国南部等困难地区进行了不透水面提取,并将提取结果与2010年GlobalLand 30产品进行了对比。结果表明,平均精度可达88.58%,平均Kappa系数可达0.76。该方法能增强困难地区不透水面提取效果,并有较高的提取精度,对于大尺度乃至全球不透水面的提取具有重要的指导意义。     

融合多源时序遥感数据大尺度不透水面覆盖率估算

不透水面信息是监测城市扩张及区域生态环境变化研究的重要指标,基于遥感技术对地表不透水面信息进行快速提取具有重要意义。传统大范围不透水面覆盖率估算模型主要基于单一遥感信息与不透水面比例之间的相关性,通过单因子回归模型实现不透水面覆盖率的估算。受限于单一遥感信息的信息量及普适性等影响,这类方法在大尺度不透水面提取中具有较大局限性,估算结果的区域适应性存在较大差异。针对该问题,本文提出基于多特征遥感信息进行不透水面估算的方法,以弥补单一特征在大范围不透水面提取中的不确定性。该方法首先以多时相MOD13Q1、MOD09A1产品、夜间灯光数据（NPP-VIIRS）和Landsat 8 OLI为遥感数据源,从不同角度构建突出不透水面信息的多个指数特征;在此基础上利用多元回归模型建立多因子不透水面覆盖率估算模型,进而实现大尺度不透水面覆盖率的遥感估算。本研究选择分布于全国范围内13个典型城市作为主要研究区对提出的模型进行了验证,结果表明：该方法能够适应不同区域不透水面覆盖率的估算,在复杂城市区域表现出较传统方法更好的效果,明显改善了城市内部不透水面覆盖率的估算精度。