基于ETM+影像的绿地信息提取方法研究

文中以ETM+影像为数据源实现对贵阳市某城区的绿地信息提取。对获取的影像进行预处理,分别通过不同的方法:原始波段组合法、主成分分析法(PCA)、独立分量分析法(ICA)、归一化植被指数法(NDVI)及基于第一独立分量的实验室波段组合法,获取研究区的假彩色合成影像。将以上方法得到的影像数据进行对比分析,表明植被景观目视效果最好的是原始波段组合法。将得到的影像数据进行监督分类,通过目视解译的方法进行精度评价,结果表明,基于第一独立分量的实验室波段组合法绿地信息提取精度最高,是一种有效的绿地信息提取方法。     

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%。     

基于地表生物物理参数的土地利用/覆盖遥感分类方法研究——以长沙市以例

土地利用/覆盖分类通常是利用地物的波谱反射特征进行监督或非监督分类,分类结果由于"同物异谱、异物同谱"现象的存在,往往分类精度不高。而植被指数和地表温度作为表征地表覆盖状况的生物物理参数,已成功用于宏观尺度的土地利用/覆盖分类,使得分类结果有所提高,而对于区域尺度的土地利用/覆盖分类却少见报道。本文充分利用TM数据的多光谱特征,从中提取了植被指数NDVI、地表温度Ts、温度植被角度TVA和温度植被距离TVD这四种分类特征进行监督分类,通过对7种组合方案(反射率波段组合、NDVI与反射率波段组合、Ts与反射率波段组合、NDVI与Ts和反射率波段组合、TVA与反射率波段组合、TVD与反射率波段组合、TVA与TVD和反射率波段组合)的分类结果进行比较,得出以下结论:①NDVI、Ts、NDVI和Ts、TVD作为分类特征参与到多波段地表反射率影像分类中,能够提高分类精度,而TVA、TVA和TVD的加入却没有改善分类结果;②总体分类精度受到训练样本与检验样本比例的影响。     

几种TM影像的水体自动提取方法比较

本文对几种常用的TM影像水体方法进行论述,并提出了两种水体自动提取方法,一种是将TM2+TM3>TM4+TM5的谱间关系法与IHS彩色空间构建模型相结合提取水体;另一种是基于卫星图像数据的LBV变换与归一化植被指数NDVI的遥感影像水体信息自动提取的方法。并通过实验比较几种方法的优点和缺点,IHS彩色空间构建模型的方法可以有效地提高细小水体提取的精度,LBV变换与NDVI相结合的方法可以准确地区分水体与低密度覆盖的水植混合区。     

基于TM图像的城市不透水面信息提取

基于TM图像,利用遥感技术,以山西省太原市为研究区域,提取不透水面信息.综合比较和分析了被广泛应用的主成分分析法和归一化差值不透水面指数法,进而提出了一种改进的不透水面提取方法——实验图层组合法.利用随机生成的256个分类评价采样点,以可提供经纬度信息的Google Earth作为参考,将通过监督分类方法获得的分别基于原始多波段图像以及主成分分析法、归一化差值不透水面指数法和实验图层组合法得到的分类结果进行了评估,获得了4种图像的分类精度.比较可知,实验图层组合法总体分类精度高于其他3种结果,为87.72％,Kappa系数为0.85.     

绿地信息提取研究

城市绿地作为城市结构中的主要元素,在城市中起着一个重要的作用。本文基于TM遥感影像,对大连市城市绿地专题信息进行提取,并对绿地格局进行研究和探讨。通过计算各组成分分量和归一化植被指数ND-VI之间的相关系数来进行波段组合,提高了遥感影像的分类精度。结果显示该方法可以准确地得到绿地信息。     

基于TM影像的广州市主城区城市绿地的提取和分析

利用遥感技术能够实现快速提取城市绿地信息,准确地计算出城市绿地面积及覆盖情况等。本文以广州市TM遥感影像为数据源,进行一系列预处理,对监督分类和先计算NDVI再采用非监督分类这两种提取方法进行比较分析。结果表明,先计算NDVI再采用非监督分类法精度较高,说明该方法是一种有效的绿地信息提取方法。     

基于缨帽变换影像融合的遥感影像植被信息提取

充分结合缨帽变换、遥感影像融合以及归一化植被指数(NDVI)的优点,提出了一种基于缨帽变换的遥感影像融合与NDVI相结合的植被信息提取方法,并与传统的NDVI方法进行了对比。实验表明,该方法很好地改善了遥感影像植被信息的提取精度,特别是提取道路两旁的行道树以及居民小区中的绿地信息,效果更好。     

植被信息的Landsat8卫星影像提取方法

传统植被信息提取的信息源多以TM/ETM+等影像为主,在如何应用Landsat8影像提取高精度的植被信息方面研究较匮乏。针对上述问题,该文应用大理市Landsat8影像开展了植被信息提取方法研究。研究过程中通过对原始波段组合法、主成分分量组合法、衍生波段组合法、直接解译法提取结果进行对比分析,确定最佳波段组合;之后将纹理信息作为最佳波段组合影像新的波段,与光谱信息一同分类,并对结果进行分析。研究结果表明,添加纹理能够在一定程度上提高植被信息提取的精度。     

基于TM影像的城市建成区绿地提取方法研究

基于TM影像,选取归一化植被指数NDVI、子像元和神经网络3种方法从不同角度提取城市建成区绿地,从与标准值对比、精度评估和错判误差等多方面进行对比分析,寻找提取城市建成区绿地的最佳方法.结果表明:一方面,这3种方法均能够较为精确地提取出城市建成区绿地覆盖面积及空间分布特征,尤以子像元方法最佳;另一方面,这3种方法误差产生情况各不相同,NDVI方法以多判误差、子像元方法以少判误差和神经网络方法以错判误差为主.     

基于综合指数分析的城市建筑用地信息提取研究

以西安市长安区TM影像为例,研究关于城市建筑用地信息快速、准确提取的方法。通过对归一化差异型指数构成原理的分析,选取土壤调节植被指数（ SAVI ）、归一化水体指数（ NDWI ）和归一化差异型建筑指数（ NDBI ）来提取植被、水体和城市建筑用地专题影像,并将其构建为一幅新影像,分析新影像谱间特征,运用逻辑运算将城市建筑用地信息提取出来。本文方法总体提取效果十分有效,尤其是对于面积较大的城市建筑用地,总精度高达85．3％。综合指数法弥补了单靠某一指数提取城市建筑用地信息的不足,提取结果客观可信,是一种不经人为干预、快速有效的提取城市建筑用地的方法。     

Built-up and vegetation extraction and density mapping using WorldView-II

This study demonstrates the use of high resolution WorldView-II satellite data in extraction of built-up land and vegetation using normalized index techniques. The PCA 1 and NIR 2 bands-based built-up index was proposed for extracting built-up land, which exhibit high accuracy. The normalized difference vegetation index based on Red Edge and NIR 2 bands of WorldView-II produced high accuracy inthe estimation of vegetation compared to the use of Red and NIR bands. The grid technique used in estimating built-up and vegetation density from precisely classified images provided better and accurate assessment of built-up and vegetation density in heterogeneous landscape of urban areas. This shows areas of very high to high built-up density are located in the central, western and southern parts, which are primarily devoid of vegetation. This study indicates possibilities of utilizing high resolution satellite data in urban landscape characterization using a grid-based technique.     

Assessing the potential of integrated Landsat 8 thermal bands,with the traditional reflective bands and derived vegetation indices in classifying urban landscapes

Reliable and up-to-date urban land cover information is valuable in urban planning and policy development. Due to the increasing demand for reliable land cover information there has been a growing need for robust methods and datasets to improve the classification accuracy from remotely sensed imagery. This study sought to assess the potential of the newly launched Landsat 8 sensor’s thermal bands and derived vegetation indices in improving land cover classification in a complex urban landscape using the support vector machine classifier. This study compared the individual and combined performance of Landsat 8’s reflective, thermal bands and vegetation indices in classifying urban land use-land cover. The integration of Landsat 8 reflective bands, derived vegetation indices and thermal bands overall produced significantly higher accuracy classification results than using traditional bands as standalone (i.e. overall, user and producer accuracies). An overall accuracy above 89.33% and a kappa index of 0.86, significantly higher than the one obtained with the use of the traditional reflective bands as a standalone data-set and other analysis stages. On average, the results also indicate high producer and user accuracies (i.e. above 80%) for most of the classes with a McNemar’s Z score of 9.00 at 95% confidence interval showing significant improvement compared with classification using reflective bands as standalone. Overall, the results of this study indicate that the integration of the Landsat 8’s OLI and TIR data presents an invaluable potential for accurate and robust land cover classification in a complex urban landscape, especially in areas where the availability of high resolution datasets remains a challenge.     

Utilizing the Potential of World View −2 for Discriminating Urban and Vegetation Features Using Object Based Classification Techniques

With the availability of very high resolution multispectral imagery, it is possible to identify small features in urban environment. Because of the multiscale feature and diverse composition of land cover types found within the urban environment, the production of accurate urban land cover maps from high resolution satellite imagery is a difficult task. This paper demonstrates the potential of 8 bands capability of World View 2 satellite for better automated feature extraction and discrimination studies. Multiresolution segmentation and object based classification techniques were then applied for discrimination of urban and vegetation features in a part of Dehradun, Uttarakhand, India. The study demonstrates that scale, colour, shape, compactness and smoothness have a significant influence on the quality of image objects achieved, which in turn governs the classified result. The object oriented analysis is a valid approach for analyzing high spatial and spectral resolution images. World View 2 imagery with its rich spatial and spectral information content has very high potential for discrimination of the less varied varieties of vegetation.     

一种面向对象的遥感影像城市绿地提取方法

针对目前面向对象方法在高分辨率遥感影像中提取绿地专题信息的特点,以及受到城市区域范围尺度限制因素的影响,本文提出一种利用高分辨率遥感影像提取城市区域范围绿地专题信息的方法,结合影像分割、影像面向对象模板统计和基于多阀值的模糊分类技术的优势,林地、密草地和疏草地专题信息被提取出来.研究中提出利用基于面向对象多尺度分割算法...     

Using Landsat Imagery and Census Data for Urban Population Density Modeling in Port-au-Prince,Haiti

This research uses the most recent (2003) census data and a Landsat ETM+ image to build a population estimation model for Port-au-Prince, Haiti. The purpose of the study is to establish the linkage of population density with remotely sensed surface reflectance signals of an urban area, and use that to estimate population when census data are not available in a timely fashion. The research begins with deriving subpixel vegetation-impervious surface-soil (VIS) fractions derived from the Landsat ETM+ multispectral bands, and then uses the geographically weighted regression (GWR) model to examine how the variation of population density can be explained by the VIS variables and their derivatives. With comparison to the ordinary least square (OLS) model, the GWR model accounts for spatial non-stationarity in the relationship between population patterns and land characteristics in the study area. The study reveals that three VIS variables are significant in explaining population density: the mean value of houses fraction image, the mean value of vegetation fraction image, and the standard deviation of vegetation fraction image.     

面向对象与卷积神经网络模型的GF-6 WFV影像作物分类

GF-6 WFV影像是中国首颗带有红边波段的中高分辨率8波段多光谱卫星的遥感影像,对于其影像及红边波段对作物分类影响的研究利用亟待展开。本文结合面向对象和深度学习提出一种适用于GF-6 WFV红边波段的卷积神经网络(RE-CNN)遥感影像作物分类方法。首先采用多尺度分割和ESP工具选择最佳分割参数完成影像分割,通过面向对象的CART决策树消除椒盐现象的同时提取植被区域,并转化为卷积神经网络的输入数据,最后基于Python和Numpy库构建的卷积神经网络模型(RE-CNN)用于影像作物分类及精度验证。有无红边波段的两组分类实验结果表明:在红边波段组,卷积神经网络(RE-CNN)作物分类识别取得了较好的效果,总体精度高达94.38%,相比无红边波段组分类精度提高了2.83%,验证了GF-6 WFV红边波段对作物分类的有效性。为GF-6 WFV红边波段影像用于作物的分类研究提供技术参考和借鉴价值。     

高分六号宽幅多光谱数据人工林类型分类

高分六号(GF-6)卫星于2018年成功发射,2019-03正式投入使用。由于GF-6宽幅相机的WFV(Wide Field of View)影像较GF-1的同类影像新增2个红边波段,将会提高对农业、林业、草原等资源监测能力。为了分析GF-6的WFV影像在人工林分类方面的能力,促进高分数据在林业领域的应用,本文选取广西高峰林场为研究区,以最新的GF-6 WFV影像为数据源,结合地面实测类型数据,进行广西南宁高峰林场的桉树,杉木等人工林类型提取。主要运用随机森林(random forests)的分层分类法:首先计算6种植被指数,并利用随机森林法进行植被指数的特征优选,然后确定4种波段组合数据集的分类方案,4种数据集分别为(1)无红边的前4个波段,(2)有红边的8个波段,(3) 8个波段加上未优化的植被指数特征组合,(4) 8个波段加上优化的植被指数特征组合。再进行WFV影像4种数据集的随机森林分类,随机森林采用分类回归树(CART)算法来生成分类树,结合了bagging和随机选择特征变量的优点,是一种有效的分类方法。最后比较4个方案的分类结果并进行精度验证。结果表明:方案2比方案1精度提高了4.99%,Kappa系数提高了0.058。说明包含红边的8波段数据比4个波段数据精度有大幅提升。方案4的8波段加上优化植被指数特征组合的分类精度最高,达到了85.38%,比方案2包含红边波段组和方案1无红边波段组的精度分别提高了3.98%,8.97%,Kappa系数分别提高了0.046,0.104。说明WFV影像加入红边波段比无红边波段精度明显增高。由结果可知,红边指数的引入,增强了植被信息,能够较准确地反映人工林类型特征差异,明显提升了人工林的分类精度。本研究方法可以有效改善广西人工林类型信息提取效果,为GF-6影像质量的评价及其在林业应用潜力提供科学参考依据。     

基于TM影像的城市建筑用地信息提取方法研究

本文选用金华市Landsat TM影像为研究的数据源,在归一化裸露指数基础上,利用归一化植被指数提取出非植被信息,通过图像二值化、叠加分析以及掩膜处理去除了低密度植被覆盖区域的噪音信息,自动提取了金华城市建筑用地信息。研究结果表明,归一化裸露指数和归一化植被指数相结合的方法弥补了单一利用归一化裸露指数来提取城市建筑用地信息的不足,提高了提取精度,而且结果客观可信,是一种不经人为干预的、快速有效的提取城市建筑用地方法。