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。     

北京城市不透水层覆盖度遥感估算

 应用线性光谱混合模型研究城市环境生物物理组成，端元的确定是其关键。城市地表同物异谱现象显著，光谱变异强烈，对于高反照率地物尤其突出。端元的光谱变异对线性光谱混合模型拟合结果产生重要影响。以同种纯净地物光谱曲线形状具有相似性为出发点，提出了一种端元优化选取方法，在此基础上计算了北京城市地表不透水层覆盖度。研究结果表明，该方法能够在一定程度上减小端元光谱变异性对线性光谱混合模型拟合结果的影响，进而提高城市不透水层覆盖度的估算精度。     

一种基于DELSMA模型的城市不透水面提取方法

针对线性光谱混合分解(LSMA)模型在端元个数不变的情况下易造成不透水面被高估或低估的问题,该文提出了基于影像分层的变端元线性光谱混合分解(DELSMA)模型。以城市不透水面为研究目标,采用Landsat 8陆地成像仪(OLI)影像为实验数据,对比分析DELSMA模型和LSMA模型提取的不透水面精度。与LSMA模型分解结果进行对比,DELSMA模型相关系数从0.898 2提高到0.947 3,拟合优度从0.804 7提高到0.896 3,均方根误差从0.089 5减少到0.079 1,从精度验证结果可以看出,基于影像分层的DELSMA模型对混合像元的分解效果优于LSMA模型。实验结果表明:影像分层降低了场景复杂度,有效减少了同物异谱和异物同谱的干扰;采用变端元进行混合像元分解,有效减少了计算量和地物类内差异对分解精度的影响,一定程度上提高了不透水面的提取精度。     

近20年上海市不透水地表时空格局分析

选取上海市近20年时间3期Landsat TM遥感影像,运用线性光谱混合模型和距离谱空间分析方法,提取城市不透水地表信息,分析其时空变化情况。研究结果表明,上海市近20年城市不透水地表迅速增长;不透水地表的平均密度从市中心到郊区随距离增加而梯度递减;不透水地表面积与密度水平存在分区差异。     

高光谱遥感图像的端元递进提取算法

针对高光谱遥感图像中可能并不存在图像端元这一问题,试探的提出一种基于线性混合模型下对初步提取的最近似于端元的像元进行再分析的端元提取算法,即高光谱遥感图像的端元递进提取算法.首先针对3个端元线性混合的图像进行提取,在图像中找到最大近似于端元的像元,利用凸面单形体的几何性质,找出初步提取像元附近位于图像端元构成的凸面单形体边界上的像元,通过计算图像端元在边界像元中的含量,应用线性反解提取出图像端元.模拟图像中的初步结果表明在不存在图像端元的图像中,该算法可以有效的提取3个端元,应用于实际Hyperion图像取得了较好的实验效果.     

特大城市不透水地表时空格局分析——以北京市为例

以北京市为研究区,利用Landsat MSS影像和Landsat TM影像,运用线性光谱混合分解模型提取4期北京地区的不透水地表信息,并结合北京城市用地扩张,分析二者的时空格局。结果表明,近30年来,北京城市用地和不透水地表快速扩张,扩张面积和速度逐年增加,到2010年不透水地表占城市用地面积的64.06%;东城区和西城区在1992年后不透水地表增长幅度较小,丰台区、海淀区、朝阳区和石景山区一直保持快速增长的状态。到2010年,西城区不透水地表占城市用地比例最高,达到高度人工化;在3个扩张阶段中,城市用地扩张中的不透水地表面积所占比例逐年降低,绿地面积所占比例逐年增加,尤其是2000—2010年绿地面积剧烈增加,达到了城市用地扩张面积的27.19%。     

混合像元线性分解的精度估算

遥感图像中普遍存在着混合像元,对混合像元进行分解是遥感图像处理中的难点。混合像元线性分解技术是进行高光谱影像处理的常用方法。本文针对混合像元线性分解的基本原理与算法作了简要分析,并通过实验的方法估算了混合像元线性分解模型的精度。     

改进型归一化差值不透水表面指数探讨——以兰州市建成区为例

深入分析研究区不透水表面和其他城市基本组分土地覆盖类型的特征后,通过研究已有归一化不透水表面指数(NDISI)提取方案的适用性和研究区域特点,创建出一种改进型归一化差值不透水表面指数(MNDISI),并结合实地调查分析,在中等分辨率影像上运用基于对象的方法,提出新的指数增强提取方案,实现不透水表面信息的自动准确提取,并将其作为一个范例供其他西北内陆城市借鉴。     

中心城区不透水表面与城市热岛效应关系研究

不透水地表作为城市土地覆盖类型的重要组分,其分布格局与密度大小对城市生态系统服务功能会产生相反且决定性的作用,其中对地表的增温效应是城市热岛问题关注的核心内容。本研究通过线性光谱混合分解模型提取城市不透水地表,基于Landsat TM6热红外波段数据的单窗算法反演地表温度,并进行两者的关系研究。结果表明:城市不透水地表与地温空间分布格局呈现高度相似性,其数值都随距城市中心距离增加而逐渐减小,定量分析表明两者具有明显的指数相关关系。     

城市不透水面遥感估算

由于人口快速增长和农村人口向城市迁移,城市不透水面积也在持续快速增长。加速的城市扩张和无监控的城市开发会导致诸多生态环境问题。本文利用Landsat影像,采用附有限制条件的线性光谱混合分解、植被覆盖度与不透水面负相关模型、监督分类三种方法对南京城区的不透水表面分布进行空间分析。通过评估这三种方法提取的不透水面的精度和分析和种方法受其主要人为因素的影响大小以及不透水面的提取过程,表明了线性光谱混合分解方法较优。     

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...     

城市不透水面覆盖度与地面温度遥感估算与分析

全球气候变暖和城市化的快速发展,导致了城市不透水面急剧增加和热岛效应日趋严重.本文综合利用多源遥感数据进行城市不透水面覆盖度(ISP)和地面温度(LST)的估算,实验结果较好地反映了城市ISP和LST的空间分布和变化状况;同时对二者之间的相关关系进行了简要分析,发现ISP与地面温度之间具有正相关关系,为通过绿化建设改善...     

Improving impervious surface estimation: an integrated method of classification and regression trees (CART) and linear spectral mixture analysis (LSMA) based on error analysis

Classification and regression tree (CART) has been widely implemented to estimate impervious surface, an important indicator of urbanization and environmental quality. Although the CART algorithm gains higher overall accuracy than linear regression models, only very few studies have noticed that reliability of CART is affected by systematic errors. Especially, CART typically overestimates impervious surfaces in low-density urban areas and underestimates them in high-density urban areas. The primary objective of this study is to develop an improved integrated method to estimate impervious surface with higher accuracy by reducing the systematic errors of CART. This improved method was applied to three urban areas, Chicago (United States), Venice (Italy), and Guangzhou (China) to examine its effectiveness. When compared with the conventional CART, overall mean average error (MAE) and root mean square error (RMSE) of improved method are decreased by 22.64% and 20.93%, respectively, and R² rises from 0.9 to 0.96. In high-density impervious surfaces, where intensely developed urban area is located, the MAE and RMSE for the improved method are 0.066 and 0.088, respectively, largely improved from 0.100 to 0.130. Since accurate estimation of high-density impervious surfaces is the fundamental issue for monitoring and understanding the urban environment, the improved method demonstrated in this study is significant.     

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。     

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。     

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。     

Estimation of impervious surfaces of Beijing,China, with spectral normalized images using linear spectral mixture analysis and artificial neural network

The objective of this article is to evaluate the effectiveness of various algorithms for estimating impervious surfaces. Linear spectral mixture analysis (LSMA) and multi-layer perceptron (MLP) network using original and spectral normalized images were applied to two ASTER images acquired on 31 August and 9 April 2004, respectively. Accuracy assessment was performed with a Quickbird image. Root-mean-square errors (RMSEs) were calculated and compared. Results indicated that LSMA with original images provided the poorest results. RMSE was 14.8% for the August image and 22.4% for the April image. Results from LSMA with normalized images improved significantly with RMSE of 12.6% for the August image and 18.9% for the April image. The MLP modelling with original images generated slightly better results with RMSE of 12.2% and 18.4% for each image. The MLP modelling of normalized images provided the best estimation, yielding a RMSE of 12.1% for the August image and 18.2% for the April image.     

A geostatistical temporal mixture analysis approach to address endmember variability for estimating regional impervious surface distributions

Spectral mixture analysis (SMA) is a major approach for estimating fractional land covers through modeling the relationship between the spectral signatures of a mixed remote sensing pixel and those of the comprised pure land covers (also termed as endmembers). When SMA is implemented, endmember variability has proven to have significant impact on the accuracy of land cover fraction estimates. To address the endmember variability problem, this article developed a geostatistical temporal mixture analysis (GTMA) technique, with which spatially varying per-pixel endmember sets were estimated using an ordinary kriging interpolation technique. The method was applied to time-series moderate-resolution imaging spectroradiometer normalized difference vegetation index imagery in Wisconsin and North Carolina, United States to estimate regional impervious surface distributions. Analysis of results suggests that GTMA has achieved a promising accuracy. Detailed analysis indicates that a better performance has been achieved in less-developed areas than developed areas, and slight underestimation and slight overestimation have been detected in developed areas and less-developed areas, respectively. Moreover, while the performance of GTMA is comparable to those of phenology-based TMA and phenology-based multiple endmember TMA over the entire study area and in less-developed areas, a much better performance has been achieved in developed areas. Finally, this article argues that endmember variability may be more essential in developed areas when compared to less-developed areas.     

遗传算法优化的BP神经网络城市不透水层百分比估算

本研究利用基于遗传算法优化的BP神经网络算法估算城市不透水层百分比。首先,将像元中各端元组分与BP神经网络的节点相对应进行BP网络建模,遗传算子建模;其次,对样本进行网络训练,先通过GA算法得到全局近最优网络权重集,然后用梯度下降算法训练网络,直到找到能充分反映特征空间中的数据分布模式的局部最优网络权重集;然后,训练好的网络被应用于整个影像用来估算城市不透水层覆盖百分比。在此基础上,对北京市地表不透水层百分比进行估算。试验结果表明,本研究所用的方法能有效利用中高分辨率遥感影像数据估算城市不透水层百分比。