基于Landsat 8 OLI数据与面向对象分类的昆嵛山地区土地覆盖信息提取

利用2015年Landsat 8 OLI遥感影像和DEM作为分类数据源,结合野外调查数据,采用面向对象的分类方法对昆嵛山地区土地覆盖信息进行提取,并对分类结果进行精度评价与比较分析。研究表明：面向对象分类方法提取的各地类连续且边界清晰,分类效果与实际情况基本吻合。昆嵛山地区占主导地位的土地覆盖类型是针叶林,面积为1 546.81 km²。研究区土地覆盖分类的总体精度和Kappa系数分别为91.5%和0.88,其中针叶林、草地、水体和建设用地的生产者精度均达到87%以上。相对于监督分类方法,本研究提出的土地覆盖信息提取方法的总体分类精度和Kappa系数分别提高14.7%和0.17。基于面向对象的中分辨率遥感影像,能够获取较高精度的土地覆盖信息,为大范围土地覆盖分类研究提供方法参考。     

油砂的光谱反射特征及其遥感应用

油砂作为21世纪以来世界能源的重要组成部分,已经有大量的地质工作者对其形成的地质特征、成矿带分布特征等进行了详细研究,并取得一定成果,但是对于遥感在油砂勘探中的应用少有研究。遥感技术识别不同地物的理论基础是同一波长位置处的反射率差异及反射率随波长的变化规律,因此本文通过分析油砂的实测光谱数据,得到其反射光谱的特征及规律。为实现在Landsat 8OLI卫星遥感影像上对油砂的识别,根据油砂实测光谱的研究,分别提出基于油砂光谱特征和相关性分析的Landsat 8遥感影像油砂识别模式,并将其应用在柴达木盆地冷湖和马海两个研究区。结果表明:利用遥感影像进行油砂找矿靶区圈定是可行的;本文总结出的基于相关性分析的油砂提取模式优于光谱特征分析模式;冷湖地区用比值方法进行油砂遥感信息增强效果较好,马海地区则差值方法较好。     

Fuel type mapping using object-based image analysis of DMC and Landsat-8 OLI imagery

Efficient forest fire management requires precise and up-to-date knowledge regarding the composition and spatial distribution of forest fuels at various spatial and temporal scales. Fuel-type maps are essential for effective fire prevention strategies planning, as well as the alleviation of the environmental impacts of potential wildfire events. The aim of this study was to assess and compare the potential of Disaster Monitoring Constellation and Landsat-8 OLI satellite images (Operational Land Imager), combined with Object-Based Image Analysis (GEOBIA), in operational mapping of the Mediterranean fuel types at a regional scale. The results showcase that although the images of both sensors can be used with GEOBIA analysis for the generation of accurate fuel-type maps, only the OLI images can be considered as applicable for regional mapping of the Mediterranean fuel types on an operational basis.     

北京地区Landsat 8 OLI高空间分辨率气溶胶光学厚度反演

卫星气溶胶光学厚度(AOD)反演中,传统暗目标方法在反射率较低的水体、浓密植被覆盖区域取得了较好效果,在反射率较高且结构复杂的高反射地表上空目前多采用深蓝算法,但存在空间分辨率较低,对细节分布描述性较差等问题。为解决这一问题,本文首先以5年(2008年—2012年)长时间序列MODIS地表反射率产品为基础,采用最小值合成法建立500 m分辨率逐月地表反射率产品数据集,然后利用地物波谱库中典型地物波谱数据,分析建立MODIS与Landsat 8 OLI传感器蓝光波段反射率转换模型,最后北京地区AERONET地基观测数据确定了气溶胶光学物理参数,并反演获取了北京地区上空500 m分辨率的AOD分布。为验证反演算法的精度,分别将反演结果同AERONET及MODIS/Terra气溶胶产品(MOD04)进行交叉对比,同时利用相关系数R,均方根误差RMSE,平均绝对误差MAE以及MODIS AOD产品预期误差EE共4个指标进行衡量。结果表明:算法反演获取的AOD与AERONET观测值具有较高的一致性,各指标分别为R=0.963,RMSE=0.156,MAE=0.097,EE=85.3%,稍优于MOD04产品(R=0.962,RMSE=0.158,MAE=0.101,EE=75.8%),并且有效的对比点数也高于MOD04。通过与地基观测相比,卫星遥感获取的高分辨率城市地区AOD精度可作为定量评估城市空气质量的有效依据。     

西藏冈底斯成矿带矿化蚀变提取与成矿分析——以尼玛县帮勒地区为例

冈底斯成矿带是我国极具找矿潜力的地带,但受自然条件限制,该地带矿产资源开发程度普遍偏低。选取冈底斯成矿带北部尼玛县帮勒地区为研究区,以Landsat-8OLI数据为主要信息源,采用主成分分析法提取研究区铁染和羟基矿化蚀变信息。在GIS平台上,将提取的蚀变信息结合研究区现有地质、化探、矿产等资料进行综合分析,依据成矿理论,圈定2个成矿远景区。经野外验证,文中获取的矿化蚀变信息分布状况与已知矿点和已探明蚀变带的空间一致性高。矿化蚀变带的探明能够为区域矿产资源开发与勘查提供帮助。     

集成Landsat OLI和机载LiDAR条带数据的亚热带森林生物量制图

以亚热带天然次生林为研究对象,借助一个条带的少量LiDAR点云数据和覆盖整个研究区的免费Landsat OLI多光谱数据,并结合地面实测数据,探索森林生物量低成本高精度制图方法。首先,提取了OLI和LiDAR特征变量,并与地上和地下生物量进行相关分析以筛选变量;然后,借助LiDAR数据覆盖区的样地和条带LiDAR数据构建"LiDAR生物量模型";再从LiDAR反演生物量的结果中进行采样,结合OLI特征变量构建"LiDAR-OLI模型";最后,与单独使用OLI多光谱数据建立的"OLI估算模型"结果进行比较,分析精度并验证新方法的效果。结果表明,"LiDAR-OLI模型"对地上和地下生物量的模型拟合效果较好且均优于"OLI模型",且其交叉验证的精度也较高并优于"OLI模型",从而证明了新方法的可靠性及有效性。本研究为主、被动遥感技术在中小尺度上协同反演森林参数提供了实验基础,也为基于全覆盖免费OLI多光谱数据及条带LiDAR数据的低成本森林生物量制图探索了技术路线。     

协同多时相波谱特征的不透水面信息级联提取

不透水面作为反应城市表征变化和区域城镇化的重要技术指标,其位置、图斑大小、空间分布等信息在地表水热循环和能量平衡等领域被广泛需求。传统方法大都基于单一时相信息提取不透水面,而忽略多时相所蕴含的丰富信息。因此,本文提出多时相信息融合的不透水面级联提取方法,利用Landsat-8 OLI遥感影像分析归一化植被指数（Normalized Difference Vegetation Index, NDVI）、改进的归一化水体指数（Modified Normalized Difference Water Index, MNDWI）和归一化建筑指数（Normalized Difference Building Index, NDBI）年内时序变化特点和典型地物间多时相波谱曲线的协同特征,并归纳不透水面多时相变化规律;再根据先验知识所获取的有效地表信息,进行多时相分级提取不透水面信息。此外,基于实地考察数据和同期2 m GF-1遥感影像屏幕数字化生成30 m不透水面图斑,进行精度验证、分析和对比单时相、四季相及多时相3种时序情况下的提取精度。结果表明：单时相提取不透水面总精度最低,四季相提取精度优于单时相,而多时相提取精度最高（精度可达93.66%,Kappa系数为0.81）。本方法在偏远城镇不透水面的有效识别中显露潜在优势,可为不透水面提取方法融合时序波谱特征提供新思路。     

Landsat系列卫星对地观测40年回顾及LDCM前瞻

Landsat系列卫星数据凭借其长期连续、全球覆盖、适中的时间空间分辨率和科学的数据存档与分发策略等优势,逐渐成为地表特征和地球系统科学研究中最有效的遥感数据之一,并广泛应用于生态环境、农林地矿、能源资源、教育科研和政府管理等领域。而第8代陆地卫星--陆地卫星数据连续任务卫星(LDCM)于2013年2月发射升空,该卫星携带了运行性陆地成像仪(OLI)和热红外传感器(TIRS)两种传感器。与Landsat 7/ETM+相比,OLI/TIRS在波段设置、辐射分辨性能和扫描方式上都得到很大改进,其中OLI共包括9个波段,新增海岸带(coastal)监测和卷云(cirrus)识别波段,TIRS则设置了两个热红外波段。如果LDCM能够成功升空运行,它将继续承担起长期连续对地观测的使命。     

Performance evaluation of object based greenhouse detection from Sentinel-2 MSI and Landsat 8 OLI data: A case study from Almería (Spain)

This paper shows the first comparison between data from Sentinel-2 (S2) Multi Spectral Instrument (MSI) and Landsat 8 (L8) Operational Land Imager (OLI) headed up to greenhouse detection. Two closely related in time scenes, one for each sensor, were classified by using Object Based Image Analysis and Random Forest (RF). The RF input consisted of several object-based features computed from spectral bands and including mean values, spectral indices and textural features. S2 and L8 data comparisons were also extended using a common segmentation dataset extracted form VHR World-View 2 (WV2) imagery to test differences only due to their specific spectral contribution. The best band combinations to perform segmentation were found through a modified version of the Euclidian Distance 2 index. Four different RF classifications schemes were considered achieving 89.1%, 91.3%, 90.9% and 93.4% as the best overall accuracies respectively, evaluated over the whole study area.     

利用阴影指数和方位搜索法检测Landsat 8 OLI影像中云影

Landsat 8 OLI影像已成为重要的数据源,但受云及云影的影响较大,降低了数据的可用性,因此,快速识别云及云影,为后续的数据恢复有着积极的应用价值。通过构建云指数(CI)、归一化暗像元指数(NDPI)和比值阴影指数(RSI),采用阈值法和方位角搜索法,以两景Landsat 8 OLI影像(一景试验影像,另一景验证影像)为例进行云及云影检测。每类随机选取200个样点进行精度分析,结果表明:CI可快速区分OLI影像中的云区与非云区,厚云样本点正确识别率达到99%;NDPI与归一化植被指数(NDVI)构建的比值阴影指数RSI放大了水体、云影与其他阴影间的差异,更便于区分;方位搜索合理设置搜索方位角和搜索距离,简化了云影与云的相对关系模型,可准确区分水体与云影,两者的正确识别率都超过93%,弥补了阈值法的局限性。本方法可行快捷,为OLI影像的后续应用提供了基础,可有效提高其利用精度。