基于NDSI和NDISI指数的SPOT-5影像裸土信息提取

遥感裸土识别制图为水土流失治理工作提供了科学依据。本文以SPOT-5影像为实验数据,提出一种以土壤指数NDSI和不透水面指数NDISI提取裸土的方法。通过热红外波段的亚像元分解技术,将同期120 m分辨率的TM 6波段细化为10 m分辨率的地表温度影像,为SPOT-5影像计算NDISI不透水面指数增加了必要的热红外波段。在此基础上,构建双重指数模型,获得10 m分辨率的裸土数据。研究表明,双重指数模型可较好地解决裸土提取中建筑用地与裸土相混淆的问题,提取裸土的总精度可达95.4%。通过比较10 m的SPOT-5和30 m的TM影像的裸土提取结果,发现影像分辨率的提升可使裸土信息提取结果更加准确、精细。因此,本文为更高分辨率裸土识别制图,提供了一种有效的方法。     

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/OLI与夜间灯光数据在提取城市不透水面中的精度差异分析

不透水面作为反映城市发展程度和表征城市生态环境的重要指标,在城市化研究中成为重要的数据源。当前,不透水面信息的获取通常基于遥感数据来开展,包括不同分辨率的遥感数据。这些遥感数据在高精度提取城市不透水面的能力具有较大的差异,会因尺度不同而带来提取精度的偏差。因此,理解不同遥感数据源在不透水面提取上的差异尤为重要。本文利用Landsat/OLI光谱数据和VIIRS/DNB夜间灯光数据分别采用线性光谱混合分析法和大尺度不透水面指数法提取珠江三角洲研究区的不透水面信息,并从不透水面总体精度、不同密度精度对比分析2类数据源提取不透水面的差异。结果表明：① Landsat/OLI和VIIRS/DNB两者提取不透水面的总体精度差异不大,Landsat/OLI提取不透水面的精度总体上略高于VIIRS/DNB。2种数据提取不透水面的均方根误差RMSE分别是0.18和0.21,系统误差SE分别是0.12和0.13,决定系数R ²分别是0.76和0.67。② Landsat/OLI和VIIRS/DNB数据对不同密度不透水面分布区域的提取能力不同：VIIRS/DNB在低密度不透水面区域提取精度高于Landsat/OLI;而Landsat/OLI在中、高密度不透水面区域提取精度均高于VIIRS/DNB。通过2种数据提取精度差异的对比,以期为不同密度的不透水面分布区域提取找到最佳尺度的数据源,提高不透水面提取的效率和精度。     

基于GEE平台的广州市主城区不透水面时间序列提取

不透水面作为城市化水平以及城市环境的重要评价指标,其提取已经是当下的研究热点。与单时相影像相比,时间序列制图能够获取其准确的变化趋势,对于监测城市的快速发展具有重要意义。本文以广州市主城区为研究区,以Google Earth Engine平台为基础,利用2000-2017年的Landsat TOA影像计算BCI和NDVI,并通过自适应迭代法确定它们的阈值,从而提取初始的不透水面,然后进行时间一致性检验,使不透水面时间序列更加合理。研究结果表明:①BCI与NDVI的结合以及时间一致性检验能够提高不透水面的提取质量;②本文中不透水面提取的平均总体精度为90.4%,平均Kappa系数为0.812;③在2000-2017年广州市主城区不透水面面积增加近一倍,但增速有所放缓。④新增的不透水面主要集中在原本相对落后的主城区外围;⑤高程、道路密度和购物场所密度等是影响广州市主城区不透水面扩张的主要因素。     

基于Cubist模型树的城市不透水面百分比遥感估算模型

不透水面是城市区域中一种典型的土地覆盖类型,是衡量城市环境质量和城市化水平的重要标志之一。与传统基于像元级的遥感研究方法相比,不透水面百分比（Impervious Surface Percent,ISP）的估算可以进入像元内部,获得更准确的城市信息。本文应用Cubist模型树,对Landsat TM的原始波段变量（除热红外波段）,建立ISP估算的基础模型（Base Cubist-ISP）。通过基于模型树的集成学习优化算法和加入相邻时相影像的波段变量中值,以削弱噪声的影响。然后,优选热红外波段和各种衍生变量,并进行属性精简,继而应用集成学习算法得到的参数和精简后的变量建立ISP估算的优化模型（Optimal Cubist-ISP）。对广东省广州市海珠区的实验结果表明,Optimal Cubist-ISP模型估算不透水面的整体均方根误差（RMSE）为12.98%,决定系数（R²）为0.90,精度明显优于Base Cubist-ISP模型,RMSE降低约5.03%,ISP在透水面区域被高估和高密度不透水面区域被低估的现象得到改善。本文提出的基于Cubist模型树建立ISP遥感估算的模型及优化方法可以适用于城市区ISP的提取。     

近20年京津唐地区不透水面变化的遥感监测

不透水面是衡量城市化程度的重要指标之一,对京津唐城市群的不透水面进行深入研究,可以量化城市群扩张过程及其影响,对该区域多城市协调发展及规划布局具有重要意义。本文结合高分辨遥感影像、生长季及落叶季的Landsat TM遥感影像和夜间灯光数据等,采用分类和回归树（Classification and rRegression Tree, CART）算法,构建了适于京津唐地区不透水面盖度提取的技术方案,获取了京津唐地区1995-2016年共5期地表不透水面盖度专题信息,并分析了地表不透水面的时空演变规律,结论为：① 适于京津唐地区不透水面盖度提取的CART算法的最佳输入变量组合为：生长季和落叶季的Landsat TM图像以及对应的夜间灯光数据;其次为生长季Landsat TM遥感图像和夜间灯光数据组合方案。利用该组合方案,ISP估算输出结果的交叉验证精度R值可以达到约0.85,可以满足地表不透水面纵向对比分析的需要。② 从地表不透水面总面积数量值来看,1995-2016年京津唐主体城市区域整体上呈增长趋势,其中2011-2016年地表不透水面积增加愈加明显;③ 从地表不透水面盖度值的高低来看,1995-2016年京津唐中、高盖度不透水面的占比都是在不断增长的,低盖度不透水面占比存在少量下降现象,且京、津、唐3城市的主体城区各阶段变化差异较大,反映出了各城市扩张具有各自不同的时空演变特征。     

基于多源数据的生态环境质量变化研究——以广州市为例

基于Landsat影像计算遥感生态指数,结合土地覆盖数据分析广州市2000―2020年生态环境质量的时空变化,通过兴趣点(POI)核密度结果评价广州市功能设施分布现状,利用地理探测器研究广州市生态环境质量空间分异的主要影响因素。结果表明:近20年来,广州市生态环境质量优级和中级的面积占比分别上升了10.59%和2.19%,良级面积占比下降了13.16%,良级向中和优级转变的趋势显著,丘陵和山地生态环境质量呈上升趋势,城市扩张区域则有所下降;各因子对归一化差异植被指数(NDVI)、干度指标(NDBSI)和地表温度(LST)的解释力度较高,在人类活动强度较高的低海拔不透水面地区,NDVI与缨帽变换的湿度分量(Wet)偏低,NDBSI与LST偏高,对生态环境具有负效应,广州北部的丘陵山地NDVI较高,LST较低,对生态环境有利。     

基于Google Earth Engine的红树林年际变化监测研究

遥感技术已广泛应用于红树林资源调查与动态监测中,但仍然存在遥感数据获取困难、数据预处理工作量大、监测时间长而周期过大等问题,影响了学者对红树林演变过程的精细刻画与理解。本文基于Google Earth Engine（GEE）云遥感数据处理平台,选取Landsat系列卫星数据,生成长时间序列年际极少云影像集（云量少于5%）,利用3个红外波段反射率（NIR、SWIR1、SWIR2）和3个特征指数（NDVI、NDWI、NDMI）建立阈值规则集,实现对实验区越南玉显县红树林、红树林-虾塘、不透水面-裸地、水体4种目标地物的专家知识决策树分类和土地覆盖的制图,并基于分类结果监测该区域1993-2017年的红树林年际动态变化。结果表明：GEE平台可满足多云多雨地区红树林的长时间序列年际变化监测需求;本文阈值分类方法可以有效提取红树林及红树林-虾塘,实验区有86%年份的影像分类精度达到80%以上;年际变化监测可精细刻画实验区红树林面积先增后减再增的变化过程,也能准确反映红树林与红树林-虾塘养殖系统面积之间的负相关关系。红树林年际动态监测结果可以降低红树林演变分析的不确定性,并能更精细地量化红树林与其他土地覆盖类型的转化过程,从而评估经济发展、政策等因素对红树林演变的影响。     

城乡不透水面增长格局及地表温度的响应特征研究

为探究中国北方中温带,特别是东北寒区快速城市化地区城乡不透水增长格局及地表温度的响应特征,本文以哈尔滨市为例,基于国家资源环境遥感时空信息平台土地利用/覆盖变化（LUCC）数据集解译的2001年与2015年城乡建设用地和Landsat 7/8数字遥感影像,结合植被-不透水面-土壤（V-I-S）端元选取和完全约束最小二乘混合像元线性分解模型进行了不透水面提取（分辨率15 m×15 m）,并运用单窗算法进行了夏季地表温度遥感反演。结果表明：2001-2015年建设用地扩张259.05 km²,不透水面上升163.96 km²,城市与乡村不透水面占各自建设用地的比例由2001年的43.92%、21.35%变化为2015年的49.14%、34.27%,城乡比例差由22.57%缩减至14.87%,单位建设用地内乡村不透水面增量较高;2001-2015年城区以低温区、中温区、高温区为主,对不透水面扩张的响应剧烈,而乡村以低温区和中温区为主,低温区和高温区响应剧烈;地表温度与不透水面具有显著正相关,在低、中、高不透水密度区分别升温1.16o、1.45和1.79 ℃,相同不透水面盖度下城市升温高于乡村。总体而言,研究区不透水面大幅扩张,温度分区变化剧烈,地表温度随不透水面增加升温效果明显。     

秦淮河流域近30年不透水面景观格局时空演变研究

不透水面作为表征城市化的重要指标,具有极其重要的生态学意义。本文选取多时相Landsat影像,以秦淮河流域为研究区,通过旋转森林算法得到9年土地利用覆盖图,并综合不透水率动态变化分析、土地利用变化轨迹分析、景观格局指数分析探究大流域尺度在近30年间不透水面景观格局的演变过程,旨在揭示其在城市化背景下的时空演变规律。研究结果表明：近30年来,秦淮河流域城市化进程推动下的景观格局变化显著,不透水面积增长近4倍,景观优势度大幅提升;城市化格局演变在2001-2003年前后具有明显差异,前期城市扩张以南京城区与江宁区为主,后期南京城区不透水面扩张大大减缓,而溧水区与句容市扩张速度大幅提升;城市化建设后期,流域内不透水面斑块形状复杂度降低、散布与并列情况减少、斑块的连通性、聚集度逐步增加,其中连通性水平较高的地区主要集中在南京城区和江宁区。     

不同城市规划的生态质量差异对比研究

为定量分析不同城市规划理念带来的生态质量差异,本文以福州市在不同时期规划建设的2座体育场馆为例,基于Sentinel-2A遥感影像,应用新型遥感生态指数RSEI分析对比了这2座体育场馆的生态效应。在全面分析其主要地表覆盖信息的基础上,探讨了二者之间生态质量差异的原因。研究发现,采用传统理念规划的福建省奥林匹克体育中心的生态指数RSEI均值为0.39,而实行绿色生态规划的海峡奥林匹克体育中心的RSEI均值为0.42,优于福建省奥林匹克体育中心。总的看来,海峡奥体中心在规划中采用透水铺装和不勾缝的铺装形式,加大绿地斑块面积以及预留风道等绿色措施有效地提高了地表湿度、降低了地表温度和干度,从而对该体育中心的生态质量起到积极的作用。     

资源卫星ETM+影像城镇信息挖掘分析

城镇建成区信息是遥感影像提取中的一个重点。本文以泉州市2000年的Landsat ETM+影像,利用多种方法,提取城镇聚落的信息,并对比各种方法的优缺点后予以改进。研究表明基于Landsat卫星提取城镇信息方法,改进后方法较之原方法提取精度随之提高;经比较认为仿植被指数提取法简单快速,光谱阈值法精度较高但较复杂。     

福建晋江沿岸近21年来成片开发土地的时空变化遥感分析

利用遥感技术对经济快速发展的晋江沿岸地区的成片开发土地进行时空变化监测。首先,利用归一化差值不透水面指数(NDISI)提取晋江沿岸成片开发的土地,然后,通过变化监测查明了1987-2008年间晋江沿岸成片开发土地的时空变化。研究表明,近21年来,晋江沿岸成片开发土地规模急剧扩大,其面积增加了18097hm²。研究发现,土地成片开发主要发生在城市沿江的周边地区,特别是晋江下游至河口段两岸。土地利用变化分析表明,成片开发土地主要占用了两岸大量的耕地。最后,对变化的驱动力进行分析,结果显示,晋江沿岸成片开发土地的剧增与当地经济、人口、房地产业的快速发展有密切的关系。     

Combining Landsat-8 spectral bands with ancillary variables for land cover classification in mountainous terrains of northern Pakistan

Landsat-8 spectral values have been used to map the earth's surface information for decades. However, forest types and other land-use/land-cover(LULC) in the mountain terrains exist on different altitudes and climatic conditions. Hence, spectral information alone cannot be sufficient to accurately classify the forest types and other LULC, especially in high mountain complex. In this study, the suitability of Landsat-8 spectral bands and ancillary variables to discriminate forest types, and other LULC, using random forest(RF) classification algorithm for the Hindu Kush mountain ranges of northern Pakistan, was discussed. After prior-examination(multicollinearity) of spectral bands and ancillary variables, three out of six spectral bands and five out of eight ancillary variables were selected with threshold correlation coefficients r20.7. The selected datasets were stepwise stacked together and six Input Datasets(ID) were created. The first ID-1 includes only the Surface Reflectance(SR) of spectral bands, and then in each ID, the extra one ancillary variable including Normalized Difference Vegetation Index(NDVI), Normalized Difference Water Index(NDWI), Normalized Difference Snow Index(NDSI), Land Surface Temperature(LST), and Digital Elevation Model(DEM) was added. We found an overall accuracy(OA) = 72.8% and kappa coefficient(KC) =61.9% for the classification of forest types, and other LULC classes by using the only SR bands of Landsat-8. The OA = 81.5% and KC=73.7% was improved by the addition of NDVI, NDWI, and NDSI to the spectral bands of Landsat-8. However, the addition of LST and DEM further increased the OA, and Kappa coefficient(KC) by 87.5% and 82.6%, respectively. This indicates that ancillary variables play an important role in the classification, especially in the mountain terrain, and should be adopted in addition to spectral bands. The output of the study will be useful for the protection and conservation, analysis, climate change research, and other mountains forest-related management information.     

基于三指数合成影像的西北地区城市建筑用地 遥感信息提取研究

随着西部大开发战略的实施以及“一带一路”战略的影响,西北地区的城市发展也发生着巨大变化,利用遥感影像更加准确地提取西北地区城市建筑用地信息对分析城市扩张趋势、规划城市建设具有重要意义。本文以2000年兰州市主城区和2003年西宁市主城区的Landsat 7 ETM ⁺影像为数据源,结合压缩数据维的方法,通过构建三指数合成影像并利用该影像来提取城市建筑用地信息。实验首先根据兰州市主城区的影像光谱特征,创建了归一化差值裸地指数（NDBLI）。然后将该指数与比值居民地指数（RRI）、修正型归一化水体指数（MNDWI）合成为一个包含3个波段的新型三指数合成影像NRM（NDBLI、RRI、MNDWI）;同时,根据集成学习思想,为增强城市建筑用地信息,将主成分分析的第一波段（PC1）、归一化差值建筑用地指数（NDBI）和比值居民地指数（RRI）合成为一个包含3个波段的新型三指数合成影像PNR（PC1、NDBI、RRI）;最后分别将三指数合成影像NRM和三指数合成影像PNR作最大似然分类提取城市建筑用地信息,将其提取结果与由归一化差值建筑用地指数（NDBI）、修正型归一化水体指数（MNDWI）和土壤调节植被指数（SAVI）所创建的NMS（NDBI、MNDWI 、SAVI）影像得到的最大似然分类结果作精度比较,并利用西宁市主城区影像对本文方法进行了相应验证。结果表明,利用三指数合成影像PNR提取城市建筑用地的总精度和Kappa系数最高,其总精度达到了90%以上,适合于提取西北地区含裸地较多的城市建筑用地。     

干旱遥感监测方法及其应用发展（可下载全文）

 干旱是世界上影响范围最广和造成社会经济损失最严重的一种自然灾害。本文从干旱遥感监测的不同角度出发,总结了目前干旱遥感监测的主要方法、应用状况及优缺点。主要包括针对裸土地表类型的热惯量法、微波法,针对植被覆盖地表类型的可见光、近红外、短波红外等波段反射率数据的归一化植被指数法、距平指数法、条件植被指数法、归一化差值水分指数、归一化干旱指数、植被供水指数等,以及热红外遥感数据的温度植被干旱指数、温度条件指数、作物缺水指数、水分亏缺指数等。最后,提出了加强干旱遥感监测技术研究的建议,同时指出将可见光和微波相结合的指数模型的研究是干旱遥感监测可能的发展方向。