ETM影像水体信息提取研究

选取湘阴县为研究区,应用归一化植被指数法（NDVI）、归一化水体指数法（NDWI）、改进的归一化水体指数法（MNDWI）3种方法进行水体提取试验。结果表明：改进的归一化水体指数法（MNDWI）提取水体信息精度最高,总体精度达到98.0%;研究区内水体总面积为346.904 km2。     

基于Sentinel-2A影像的矿区土地利用信息提取方法

为研究中高分辨率遥感影像大范围精确提取矿区土地利用信息的技术方法,选取山东省兖州市兴隆庄煤矿作为研究区,针对遥感影像的光谱特征,采用监督分类和归一化指数计算相结合的方式进行矿区土地利用信息提取试验。结果表明,选择融合后Sentinel-2A卫星影像的四个高分辨率波段可应用于土地利用的精确识别;根据地物光谱特征,最大似然监督分类法提取建设用地、裸地效果较好,可作为精确提取两种地类的方法;结合归一化植被指数运算和归一化水体指数运算提取植被、水体信息可明显提高总体分类精度,提取精度可达93.54%,进而可利用该分类结果精确高效地识别和测算矿区土地利用类型及其分布特征,为矿区土地整治、村庄搬迁等提供依据。     

基于遥感数据的东平湖面积变化监测

本文以东平湖的1985、1990、1995、2002、2005、2009年的Landsat4-5卫星遥感数据为数据源,提出了波段加和法提取东平湖的水面面积。并与归一化差异水体指数(NDWI)法、改进的归一化差异水体指数(MNDWI)法和修订型水体指数(RNDWI)法计算结果进行比较,相对误差为0.68%～7.27%。波段加和法较上述的三种方法能够更加精确地提取狭窄水面,使小区域水体与其他地物的区分边界更加明显直观。同时,通过对该湖泊1985～2009年年际水面面积变化趋势分析表明,东平湖水面面积总体呈现缓慢的下降的趋势。     

基于GF-1号遥感影像的微小水体信息提取研究——以岔口流域为例

针对不同因素影响,山区微小水体提取效果不佳的问题,选用2016年9月1日GF-1号卫星遥感影像,运用NDWI、SWI决策树、SVM分类3种不同方法对位于黄土高原沟壑区的山西省岔口流域的微小水体进行了提取,并对提取效果进行视觉对比与精度验证。结果表明,相比中低分辨率遥感影像,高分辨率遥感影像对于山区微小水体的提取结果更好,精度更高,可运用GF-1号影像进行流域水体的监测、提取;影响流域水体提取的主要因素是亮色地物(主要为建筑物)和阴影;NDWI、SWI决策树、SVM分类3种方法中,NDWI方式提取的水体信息较弱,SWI决策树与SVM分类法精度较高,但SWI决策树法消除了建筑物、亮色地物的影响,并较明显地区分了阴影与水体,因此更适用于流域微小水体的提取。     

基于Landsat ETM+的内陆湖泊水体信息提取方法研究

【目的】针对已有水体信息提取方法无法准确识别干旱区湖泊水体和非水体边界信息的缺点,提出一种新的水体信息提取方法,以期高精度地提取水体信息。【方法】以我国最大的干旱区内陆淡水湖———博斯腾湖及其周边地区为研究对象,以研究区Landsat ETM+遥感影像图为主要数据源,以大量的湖岸线GPS定位数据为检验依据,提出了多波段DN值比较法(CBDN),并对比分析了CBDN与常用的单波段阀值法、NDWI、MNDWI、谱间关系法和NDWI3等方法的水体信息提取效果,对各种方法提取结果的精度进行评价。【结果】CBDN法不仅能准确地提取水体信息,而且该法提取的水体与非水体之间的边界线与实际湖岸线非常接近,水体与非水体信息提取的总体精度最高,为99.29%。【结论】CBDN方法优于其他已有的常用水体信息提取方法,该法操作过程较简单、快捷方便,有一定的推广价值。     

新型水体指数的构建及在滨海湿地水域提取中的有效性验证

湿地是“地球之肾”,对地球生物生存具有重要意义。由于湿地水域面积的破碎化程度高,常规利用遥感技术提出的水体指数不够有效,简单快速的实时监测技术还需完善。以2009年杭州湾湿地的Landsat TM影像为基础数据,选择不同水域类型,构建新型水体指数（water zscore-band5,WZ5）,与常用的改进的归一化差异水体指数（modified normalized difference water index,MNDWI）,混合水体指数（combined index of NDVI and NIR for water body identification,CIWI）进行对比,分析各指数湿地水域信息提取的准确性和完整性。结果表明:所构建的指数WZ5水体信息提取精度优于MNDWI和CIWI,特别是含有大量塘基且分布复杂的水产池塘破碎区,WZ5计算水体与塘基的区分度为41.78%,大于MNDWI（21.59%）和CIWI（34.56%）;总体识别精度为82.00%,也大于MNDWI（58.00%）和CIWI（77.00%）。利用WZ5对遥感影像进行水体增强的方法,不仅能够很好地提取出湿地开阔水域的水体信息,边缘清晰可靠;对于破碎水域,WZ5水体提取精度最高,并且相比基于复杂数学理论的分类提取过程,操作相对简单,易于推广,能够较好地提高湿地水域实时监测的精度。     

基于OLI影像的县域冬小麦种植面积提取

以河南省虞城县为研究区域,筛选冬小麦分蘖期至拔节期内的3期(分蘖期、越冬期、拔节期)高质量OLI遥感影像,进行辐射定标及FLAASH大气校正,以便将影像DN值转算为地表反射率,并利用全色波段进行影像融合处理以提高空间分辨率。以归一化差异水体指数(NDWI)、归一化差异建筑指数(NDBI)、归一化差异植被指数(NDVI)为基础,结合外业调查数据构建决策树模型,3期影像中NDWI大于0的像元为水体,NDBI大于0的像元为居民地,NDVI分别大于0.59、0.52、0.65的像元为冬小麦纯净像元,NDVI分别小于0.49、0.44、0.56的像元为其他地物,剩余部分为冬小麦混合像元,通过实地调研确定将混合像元面积折算为冬小麦实际种植面积的权重为0.46,最后计算虞城县冬小麦的实际种植面积。结果表明,冬小麦分蘖期至拔节期是遥感监测冬小麦种植面积的最佳时期,3期影像提取的2014年虞城县冬小麦种植面积分别为76 238.79 hm2、77 406.65 hm2、77 397.82 hm2,与往年统计数据和样地实测数据相比,精度达到了99%。     

利用高分一号影像提取水体信息的方法研究

高分一号卫星影像以高空间分辨率、多光谱分辨率以及高时间分辨率为优势在水资源领域中具有广阔的应用空间。为了能够找到一种及时、快速、准确提取水体信息的方法,本文采用单波段阈值法、谱间关系法、NDVI法以及NDWI法结合光谱分析等方法对吉林省扶余市与长春市交界的松花江部分河段的水体信息进行提取,并对提取结果进行对比、分析。结果表明利用归一化差异水体指数(NDWI)法,再结合阈值法能够将水体信息完整地提取出来,此次试验研究为利用高分一号卫星影像提取水体信息提供了可靠地参考依据。     

融合主被动遥感影像的冬小麦种植面积提取研究

为了快速、准确地获取作物分布信息,探索使用主动遥感影像（Sentinel-1A）和被动遥感影像（Sentinel-2）提取冬小麦空间分布的可行性。首先,根据冬小麦的物候特征,合成冬小麦全生育期的Sentinel-1A影像;并依据各类地物的NDVI（归一化植被指数）时序曲线合成一期高质量的冬小麦越冬后Sentinel-2影像。其次,设计Sentinel-1A影像、Sentinl-2影像和融合Sentinel-1A与Sentinl-2主被动遥感影像3种分类方案,然后在Google Earth Engine(GEE)云平台上基于随机森林算法对冬小麦进行分类。结果表明,基于全生育期Sentinel-1A影像的冬小麦用户精度和生产者精度分别为83.15%和86.44%,提取结果中存在较多的“椒盐”噪声;基于冬小麦越冬后Sentinl-2影像的冬小麦用户精度和生产者精度分别为87.98%和84.75%,提取精度较使用全生育期Sentinel-1A影像有所提高,但分类结果受“异物同谱”的影响,产生许多错分;融合主被动遥感影像的冬小麦用户精度和生产者精度分别为96.57%和95.48%,相较于仅使用单...     

基于Sentinel-2影像的甘蔗种植区遥感提取方法——以广西崇左市为例

为了解决在多云雨天气与复杂地形条件下难以快速精准大面积绘制喀斯特山区甘蔗种植区的问题,亟须探究适用于喀斯特山区甘蔗种植区提取的方法。以广西壮族自治区崇左市为研究区域,利用Sentinel-2数据计算多种植被指数,根据Sentinel-2原始波段、光谱指数和纹理信息特征分析,选取地物训练样本,并引入DEM、土地利用等辅助识别特征变量,采用神经网络、随机森林、支持向量机3种机器学习方法,实现2018—2021年甘蔗种植区遥感提取,再利用Google Earth影像和统计数据进行精度评价。结果表明,基于Sentinel-2的甘蔗种植区遥感提取效果较好,崇左市甘蔗种植区总体分类精度均高于91%,κ系数均大于0.88;3种分类方法提取面积误差均值为-4.84%。2018—2021年,崇左市甘蔗种植面积趋于较平稳状态;主要甘蔗种植区以扶绥县、江州区、龙州县及大新县南部和宁明县北部为主。Sentinel-2数据在识别地类复杂多样、农田极其碎片和多云天气频繁等特点的作物信息方面具有较好潜力。     

多时相Sentinel-2影像在浙西北茶园信息提取中的应用

利用Sentinel-2遥感影像研究一种快速、准确提取茶园空间分布的新方法,可为茶园经济林资源及其动态变化的快速检测提供新的手段。以浙江省西北部为研究区,根据实地调查选取6类典型植被,基于4个季节的Sentinel多光谱影像分析不同植被物候及光谱特征。茶园在5月经历修剪后与其他植被区别较大,根据红边与短波红外波段构建归一化茶园指数（NDTI）。基于新指数建立决策树模型提取茶园,通过谷歌地球对结果进行验证。结果显示:归一化茶园指数可以最大限度扩大茶园与其他植被之间的差距。基于该指数提取茶园的总精度达93.83%,Kappa系数为0.917,成功实现了浙西北茶园信息的提取,证明了使用红边波段提取茶园的潜力。     

基于水体指数的镜泊湖叶绿素a质量浓度反演研究

结合2015年9月镜泊湖30个有效采样点的实测叶绿素a质量浓度和同步Landsat 8 OLI数据,通过分析叶绿素a的光谱特征,在Landsat8OLI数据11个波段中,选择前7个波段(B1、B2、B3、B4、B5、B6、B7)单独或组合建立叶绿素a质量浓度反演模型。利用多元统计分析法分析发现,波段组合B5/B3、(B3+B4)/B5、B3/(B1+B5)模型精度较好,决定系数R2分别为0.754 1、0.774 3、0.739 6。作为对比,另外选取典型的水体指数建立叶绿素a质量浓度反演模型;其中归一化水体指数(NDWI)、改迚归一化水体指数(MNDWI)、增强型水体指数(EWI)模型较好,R2均大于0.7,分别为0.747 6、0.726 7、0.763 5。选取上述6种模型,利用剩余采样点迚行精度检验,结果预测值与实测值之间的R2为0.0711～0.8094,其中,NDWI模型反演R2值为0.7614,平均相对误差为13.0%,最大相对误差为22.4%,最小相对误差为1.4%;均方根误差为0.20μg/L。与波段组合模型相比,水体指数模型虽然精度没有较大的提高,但其模型摆脱了波段的随机组合,更适合用来作为镜泊湖叶绿素a常用的监测方法。通过NDWI模型对镜泊湖叶绿素a质量浓度的反演,发现镜泊湖叶绿素a质量浓度分布具有一定的空间差异性,大体趋势为靠近岸边的浅水区叶绿素a质量浓度高于湖心的深水区,有河流注入的来水区高于其他湖区。     

基于GF-1土壤有机质含量估测的研究

【目的】本试验利用GF-1遥感影像估测土壤有机质含量。【方法】该文对扶余市耕作区土壤进行采样,在实验室化验土壤样品的有机质含量,分析GF-1各波段反射率及其变换形式与土壤有机质含量的相关性,确定有机质的敏感波段,建立土壤有机质含量的单波段与多波段估测模型,旨在通过比较估测模型的精度和稳定性,确定研究区土壤有机质含量的最优估测模型。【结果】F-1各波段反射率与有机质含量均呈显著负相关,且在第3波段达到最大值,其相关系数为-0.805,均方根误差为0.362;将反射率进行幂、指数变换以后可以有效提高与有机质含量的相关性,相关系数分别提高至-0.886和-0.872,均方根误差下降至0.283和0.342;利用前3个波段反射率指数变换建立起的多元估测模型,模型判定系数R~2达到0.851,检验样本的均方根误差降低至0.172,表明此模型的估测精度较高、稳定性较好。【结论】GF-1遥感影像可以作为估测土壤有机质含量的遥感数据源,并为使用GF-1遥感影像估测土壤成分等方面的研究提供参考。     

基于特征优选的GF-6 WFV影像主要粮食作物提取

针对高分六号（GF-6）宽幅多光谱影像具有红边波段的特点,构建一种基于特征优选的GF-6 WFV影像主要粮食作物提取方法。首先从预处理后的GF-6影像中提取光谱特征、植被指数、水体指数和红边指数特征,然后利用递归特征消除算法进行特征优选来构建最优特征集,最后基于最优特征集和机器学习算法对影像进行分类从而提取主要粮食作物。以江苏省南通市如东县为研究区,采用6种方案进行粮食作物提取试验,并探讨不同特征、不同分类模型对小麦、水稻和玉米3种粮食作物提取精度的影响,结果表明,利用GF-6 WFV影像可以准确提取主要粮食作物,尤其在红边波段和红边指数上主要粮食作物与其他地物间具有较高的可分性;利用最优特征集和XGBoost算法对影像进行分类的精度最高,在小麦和水稻、玉米提取试验中比未采用红边特征时的分类精度分别提高了3.08、5.58个百分点。     

基于无人机多光谱影像的地物识别

【目的】利用2018年5和6月获取的无人机多光谱影像对北京市大兴试验基地的部分农田进行地物类型提取研究。【方法】确定感兴趣地物种类,对影像进行时相与光谱特征分析,然后确定归一化植被指数NDVI、归一化绿蓝差异指数NGBDI、修正型比值植被指数MSR和红边波段反射率可以作为最优分类特征,通过基于光谱变量阈值分割的决策树分类法,实现地物分类,并提取种植面积,选取基于目视解译的地面调查数据进行方法验证。【结果】基于时相与光谱特征的决策树分类方法有较好效果,该方法用于小麦、果树和大棚的提取,误差值分别为10.68%、6.06%和16.48%,面积提取误差在17%以内,对无人机多光谱遥感影像进行地物识别具有一定的适用性。【结论】无人机低成本、高效率的优势为农田信息及时获取提供参考。     

基于Sentinel-2A的农田包围型村落提取

遥感数据源在光谱、空间分辨率上不断提高,越来越有利于村落的精确提取,但如何有效利用影像特征,寻找简单便捷的方法来实现农田包围型村落的准确快速提取是一个不断需要探索的问题。本研究以Sentinel-2A卫星影像为数据源,利用光谱指数密度分割法与光谱波段分类法对内蒙古五原县郊区的村落进行提取。结果显示:NDVI、NDBI、NDBI-NDVI、(NDBI-NDVI)/(NDBI+NDVI)4个光谱指数提取村落的总体精度介于93.903 4%～96.476 6%之间,NDVI提取精度最低,NDBI提取精度最高;光谱波段分类法提取的精度介于94.101 3%～98.753 0%之间,且利用蓝、绿光波段分类取得最高精度。研究结果表明,分类法和阈值法提取村落均可取得较高的精度,MLC-RFE法可有效获得最有利于村落提取的波段组合,但过程较繁琐、速度慢,阈值法精度略低,但较简单,计算速度快。     

基于中分辨率影像湿地离散水体提取研究——以新疆阿勒泰科克苏湿地为例

首先利用Landsat8 OLI和GF-1 WFV卫星的多光谱影像分别对新疆阿勒泰科克苏湿地的离散水体进行支持向量机模型分类和最大似然模型分类,以选出最佳的分类模型;然后对Landsat8 OLI和GF-1 WFV影像分别提取灰度共生矩阵纹理特征、Getis指数特征和Moran’I指数特征,并与其对应的多光谱影像进行组合得到包括原始多光谱影像在内的7种组合特征集,利用选出的最佳分类模型对特征集进行离散水体提取,对其精度检验结果进行对比。结果表明,对Landsat8 OLI和GF-1 WFV卫星的多光谱影像同时引入Getis指数特征和灰度共生矩阵纹理特征能够明显提高分类精度,Landsat8 OLI影像Kappa系数从0.815 7提高到0.922 3,总体精度从94.25%提高到97.50%;GF-1 WFV影像的Kappa系数从0.832 6提高到0.932 4,总体精度从94.75%提高到98.25%。综合可知,Getis指数和灰度共生矩阵同时作为新的特征波段引入到多光谱影像上,对于离散水体信息提取具有积极效果。     

基于中分辨率影像湿地离散水体提取研究——以新疆阿勒泰科克苏湿地为例

首先利用Landsat8 OLI和GF-1 WFV卫星的多光谱影像分别对新疆阿勒泰科克苏湿地的离散水体进行支持向量机模型分类和最大似然模型分类，以选出最佳的分类模型；然后对Landsat8 OLI和GF-1 WFV影像分别提取灰度共生矩阵纹理特征、Getis指数特征和Moran’I指数特征，并与其对应的多光谱影像进行组合得到包括原始多光谱影像在内的7种组合特征集，利用选出的最佳分类模型对特征集进行离散水体提取，对其精度检验结果进行对比。结果表明，对Landsat8 OLI和GF-1 WFV卫星的多光谱影像同时引入Getis指数特征和灰度共生矩阵纹理特征能够明显提高分类精度，Landsat8 OLI影像Kappa系数从0.815 7提高到0.922 3,总体精度从94.25%提高到97.50%;GF-1 WFV影像的Kappa系数从0.832 6提高到0.932 4,总体精度从94.75%提高到98.25%。综合可知，Getis指数和灰度共生矩阵同时作为新的特征波段引入到多光谱影像上，对于离散水体信息提取具有积极效果。     

集成多源遥感数据与生育期时序光谱特征的水稻种植面积提取

为快速、有效地提取水稻空间分布信息，利用水稻生育期内的光学和雷达影像，依据水稻不同生育时期内的光谱变化规律，提出了简单实用的时序像元频率约束模型（TPFCM）。首先，采用中值合成法分别将Sentinel-2、Landsat-8和Sentinel-1合成为月度数据，将合成后的Sentinel-2和Landsat-8进行融合以减少云阴影对水稻像元的影响，并选取3种融合影像的特征光谱波段计算归一化植被指数（NDVI）、增强植被指数（EVI）和地表水分指数（LSWI），生成月度多维特征成果影像。其次，检索水稻5个生育时期的遥感影像数据，利用随机森林（RF）分类器提取各生育时期的种植面积，并输入TPFCM模型计算水稻生育期内每个水稻像元的频率，最终依据预提取精度、提取面积误差阈值条件控制模型输出最优水稻空间分布信息。结果表明，TPFCM模型输出的水稻提取面积相对误差为-3.83%，与基于RF分类器的单一生育时期的水稻提取面积相对误差相比绝对值减少了3.94百分点，且提取面积与统计参考面积相关性显著（R2=0.97）。     

基于TM影像的流域河网信息提取

针对韭园沟流域的TM影响,采用单波段阈值法、谱间关系法、归一化水体指数、HIS彩色模型4种方式进行流域河网信息提取,得出以下结论:(1)基于TM影像6波段的单波段阈值提取方法,可以获得较清晰的河网信息,主支流河网连续性较好,河流脉络明显,但是由于遥感影像上阴影的影像,单波段改变提取阈值难以把阴影与水体进行有效区分,提取效果仅能作为一个参考;(2)利用谱间关系法和IHS颜色模型提取的河网,主干道提取效果明显,大面积的水体也可以很好地表现,支流河网只能表现大致的轮廓,存在许多严重的断流现象。