基于Sentinel-2卫星影像的面向对象城市水体提取

以新发射的哨兵2号多光谱卫星影像为基础数据源,对城市水体信息进行了面向对象的提取研究。融合大气校正后的哨兵2号卫星10 m分辨率的可见近红外影像和20 m分辨率的短波影像,在多尺度分割的基础上,分析了影像对象的光谱和空间信息,建立了知识规则集;手动调节阈值,实现了水体信息的半自动提取。选取了城区和郊区两个研究区进行实验,总体精度均在95%以上,Kappa系数在0.75以上。结果表明,本文的水体提取方法取得了较好的效果,且城市主城区的水体提取精度高于郊区。     

基于Sentinel-2A和Landsat8的城市不透水面的提取

城市不透水面相关研究对城市的发展至关重要.为了提取城市不透水面盖度,通常采用线性光谱混合分析方法,在亚像元尺度上计算混合像元内的不透水面面积比例.由于端元光谱曲线存在误差,导致不透水面盖度提取精度较低,因而提出端元优化方案,通过Sentinel-2A影像选择比较纯净的端元,利用其光谱信息优化从Land-sat8影像中选...     

面向Sentinel-2影像的亚像元级水体提取方法

结合Sentinel-2影像及其他高分辨率卫星数据进行长序列、高频次、大范围的水面率、蓄水量、生态流量等水资源要素监测具有重要意义。为了提高水体提取精度,解决利用多源中高分辨率卫星数据提取水体时的空间尺度效应问题,本文提出了一种面向Sentinel-2影像的亚像元级水体提取方法(简称SWES)。首先利用RWI提取纯水体像元,然后利用膨胀算法提取水陆边界混合像元,最后为解决地物的类内光谱变化问题,采用考虑空间信息的多端元光谱混合分析算法(MESMA)求解水陆混合像元中的水体丰度。3个试验区的结果均表明,SWES取得了较好效果,平均RMSE为0.147,水体提取效果均优于自动亚像元水体提取方法(简称ASWM),尤其在水陆混合像元较多的坑塘养殖区。SWES在试验区获取的水体面积也有较高精度,平均相对误差为8.03%,低于ASWM的20.23%,结果表明SWES能够有效提升水域面积提取精度。     

多特征多层次Sentinel-2影像辽宁省湖库水体提取

以辽宁省为研究区,本文基于GEE遥感云平台,使用Sentinel-2遥感影像,提出了一种多特征多层次的湖库水体提取算法。该算法选择自动水体指数(AWEI_sh)和改进的归一化水体指数(MNDWI)提取水体,并利用归一化植被指数(NDVI)、归一化建筑指数(NDBI)、归一化差异红边指数(NDREI)、Sentinel-2的B8和B9波段及DEM数据多层次地消除暗地物和高亮地物噪声,对提取结果中被云雾遮挡而部分缺失的水体进行修复,最后将河流及细小像素剔除。利用此算法提取了辽宁省2017—2021年每年4、7、10月的湖库水体,并对比了不同水体提取算法及不同的水体数据产品。试验结果表明,本文算法在大尺度条件下提取水体具有良好的效果,总体精度达96%以上,可以较好地去除植被、阴影等暗像元表面,并且保证了水体信息的完整性,在大尺度水体提取方面具有一定的适用性和稳定性。     

Landsat 8数据地表温度反演算法对比

随着卫星遥感技术的发展,利用遥感反演地表温度的方法不断出现,如劈窗法、双角度法和单通道算法等。Landsat系列卫星的遥感数据是地表温度反演的重要数据之一。本文选择无锡周边区域为研究区,利用Landsat 8卫星遥感数据,对两种劈窗算法(Juan C.Jiménez-Muoz劈窗算法和Offer Rozenstein劈窗算法)和两种单窗算法(Juan C.Jiménez-Muoz单通道算法和覃志豪单窗算法)的地表温度反演精度进行了对比和敏感性分析。采用太湖16个浮标站的实测数据来验证了4种算法的反演精度。结果表明:两种劈窗算法的精度较高且较为接近,误差为0.7 K左右;覃志豪单窗算法和Juan C.Jiménez-Muoz单通道算法精度较低,误差分别为1.3 K和1.4 K左右。Juan C.Jiménez-Muoz劈窗算法对参数的敏感性最低,Juan C.Jiménez-Muoz单通道算法次之,覃志豪单窗算法和Offer Rozenstein劈窗算法敏感性相对最高。其中Juan C.Jiménez-Muoz单通道算法只适用于一定的水汽含量范围,有一定的局限性。     

Sentinel-2与Landsat 8数据组合下的多特征冬小麦面积提取

遥感卫星的波段设置、信噪比及传感器观测角度等因素都会影响作物提取精度。为充分挖掘与发挥Sentinel-2卫星多光谱成像仪(MSI)与Landsat 8陆地成像仪(OLI)在冬小麦信息提取方面的优势,本文以商河县为研究区,基于两数据源的光谱特征、纹理特征、植被指数特征组合数据,利用随机森林(RF)与支持向量机(SVM)对冬小麦进行提取。结果表明:基于单一影像的最优Kappa系数与最优OA分别为0.89和95.13%,基于组合数据源的最优Kappa系数为0.92,最优OA为95.28%,两数据源组合的精度优于单一数据源提取精度;数据组合效果与分类器的性能有关,RF的Kappa系数相对于SVM分别提升0.04、0.20和0.11,OA分别提升2.41%、11.31%和6%,RF对冬小麦提取精度优于SVM。本文研究结果对于构建中高分辨率影像组合的典型农作物分类提取体系具有重要意义。     

Sentinel-2遥感图像的细小水体提取

基于卫星遥感的水体提取算法对面积较大的水体效果较好,应用于细小水体时受混合像元、异物同谱等因素影响,容易出现误判。Sentinel-2卫星多光谱遥感数据空间分辨率为10 m、20 m、60 m,双星时间分辨率5 d,时间和空间分辨率较高,因此本文采用了Sentinel-2绿光波段（560 nm）、红边波段（705 nm）、近红外波段（842 nm、865 nm）和短波红外波段（2190 nm）的遥感反射率,提出了一种植被红边水体指数算法RWI（Vegetation Red Edge based Water Index）。对比分析了植被、阴影、建筑物、混合像元、裸土、水体6种地物的归一化遥感反射率,从机理上解释了为什么RWI比其他水体指数具有更好的提取细小水体的效果。本文对比了常用的几种水体提取算法,包括改进的归一化差异水体指数MNDWI（Modified Normalized Difference Water Index）、多波段水体指数MBWI（Multi-Band Water Index）、自动水提取指数AWEI（Automated Water Extraction Index）,以人工目视解译的水体结果为准,对比以上几种算法得到的水体提取结果,得出RWI、MNDWI、MBWI、AWEI_sh、AWEI_nsh的面积提取差异分别为3.6%,4.2%,12.2%,8.8%,19.8%。从结果可以看出RWI算法精度最高。从影像提取结果来看,本文提出的RWI算法提取的水体边界效果更佳,而且能够一定程度上消除山体和建筑物阴影、云阴影以及混合像元的影响。同时,在2016-01—2018-12时间范围内筛选选取了共43景无云的Sentinel-2影像,利用本文提出的算法对雄安新区、神东矿区、永城矿区3个区域的细小水体分布开展了多时相分析。观察后发现每个时相的结果均十分良好,细小水体的边界区分度较高,基本没有错提、漏提,算法具有良好的适用性和稳定性。     

Sentinel时序影像的长江流域地表水体提取

传统水体提取算法大多基于某一时期单景遥感影像,无法表现出水体随着时间和空间高度可变的特性,虽然国内外已出现部分时序水体数据产品,但其空间分辨率及水体边界的精度仍无法满足一些研究和应用的需要.本文以地表环境复杂的长江流域为研究区,基于GEE (Google Earth Engine)云平台,使用Sentinel-2 MS...     

Landsat8影像分类多分类器对比分析

以去除卷云波段的洛阳市Landsat8的9个波段影像为数据源,通过分析影像可分的类别并采集样本,对比随机森林、支持向量机(SVM)、最大似然3种分类器在不同训练样本分类中的表现.结果 表明,对于以光谱波段为信息源的Landsat8影像分类,随机森林、SVM并不能体现其优越的分类性能,总体精度均低于最大似然,最大似然分类...     

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。     

Landsat 8影像水边线提取方法比较研究

传统的海岸线调绘方法比较费时、费力,而且资金消耗巨大,因而会逐渐被遥感技术所取代。本文利用Landsat 8的OLI数据提取长江入海口处的九段沙水边线。由于水体、土壤等地物的光谱特征不同,所以可以选择不同的方法进行提取。本文选用了灰度阈值法、边缘检测法中的Soble算子和Roberts算子、改进的归一化水体差异指数(MNDWI)等方法对水边线进行提取研究,并对结果进行比较分析。发现Landsat 8中的第一波段有利于水边界线提取,边缘检测中的Soble算子提取的九段沙水边线可以得到较好的结果。     

基于Sentinel-2影像的河流湖泊遥感提取

河流信息提取一直以来都是水利行业重要的工作内容,基于遥感技术的优势,采用高分辨率卫星影像Sentinel-2多光谱影像,进行河流信息提取,以此得到高精度的河流信息。结果表明：基于遥感分类手段的河流提取具有很高的精度,河流呈现连续状态分布,并且植被区域与其他区域分类精度较好;基于遥感反演手段的河流提取同样具有很高的精度,反演手段从光谱信息中准确识别出水域信息并反映出来,河流信息呈客观分布且未出现断流现象,即该方法在河流提取中具有较好的应用。     

基于Landsat和Sentinel-2时间序列影像的海南西部橡胶林龙卷风灾情评估

风害是影响中国天然橡胶产业发展最严重的自然灾害之一,它短时间内对橡胶林造成严重的物理伤害(大量落叶、枝条和主干折断等),严重影响后期生长和产量.传统地面调查虽然精度高,但耗时费力、经济成本高,利用遥感快速评估对指导灾后生产恢复、保险赔付和科学研究等具有重要意义.本研究以2019年8月1912号热带风暴“杨柳”在海南西部...     

Landsat8不透水面遥感信息提取方法对比

不透水面是重要的地表覆盖类型,利用卫星遥感影像准确提取不透水面信息对于掌握地表覆盖变化具有重要意义。现有研究已提出了多种不透水面遥感信息提取指数,但目前尚缺乏对这些不透水面指数的系统对比分析。利用Landsat8卫星遥感影像,测试了目前8种主要不透水面指数的提取精度。结果表明,在现有不透水面指数中,垂直不透水层指数能够有效增强不透水面信息,不透水面提取精度最高(89. 6%),其次是比值居民地指数和生物物理组分指数(87. 5%和87. 4%),城市指数与新建筑指数提取精度再次之(82. 9%和80. 0%),归一化差值不透水面指数、归一化建筑指数和基于指数的建筑指数未能有效增强不透水面信息,提取精度较低(75. 0%)。此外,这8种不透水面指数都未能有效解决不透水面与大片裸地光谱混淆的问题,在裸地广泛分布的区域难以准确提取不透水面,平均提取精度仅为71. 0%,影响了不透水面指数的大区域应用。     

从Landsat8影像反演地表温度的劈窗算法研究

以厦门市为研究区域,以2013年的Landsat8为研究数据,研究亮度温度反演以及地表温度反演的劈窗算法,推导出该算法的演算过程,根据Landsat8的特性,确定该算法的参数取值。通过ENVI/IDL软件编程实现该算法,采用厦门市遥感数据反演地表温度,并且利用厦门市气象局实测温度验证地表温度反演结果的有效性。     

基于Landsat 8卫星OLI影像的合肥市水体信息提取方法研究

以安徽省合肥市为研究区,以2013年5月14日OLI影像为数据源,经过辐射定标、大气校正和影像裁剪等一系列预处理工作,利用神经网络分类法进行监督分类,并运用谱间关系法、改进的归一化差异水体指数法(MNDWI)提取合肥市的水体信息。通过对谱间关系法和MNDWI分类结果的总体精度比较,确定谱间关系法是水体提取的有效方法之一。     

融合Landsat 8与Sentinel-2数据的红树林物候信息提取与分类

科学准确地监测红树林是保护海陆过渡性生态系统的基础和前提,但红树林分布于潮间带,难以进行大规模人工监测。遥感技术能够对红树林进行长时间、大面积监测,但已有研究尚存不足。一方面,红树林分布于热带、亚热带区域,受到天气条件限制难以获得长时间覆盖的有效光学遥感数据;另一方面,红树林极易与其他陆生植被混淆,仅利用多波段数据的光谱信息难以精确识别。本文以恒河三角洲孙德尔本斯地区为例,基于谷歌地球引擎GEE（Google Earth Engine）获取2016年全年的Landsat 8 OLI和Sentinel-2 MSI数据,利用物候信息进行红树林提取研究。首先,基于最小二乘回归构建两个传感器在相同指数之间的关系,重建时间序列数据,之后根据可分性判据选取增强型植被指数EVI（Enhanced Vegetation Index）和陆地表面水分指数LSWI（Land Surface Water Index）。其次,对两个指数的时间序列数据进行Savitzky-Golay滤波处理,并分别提取生长期始期等13种物候信息。最后,将两个指数的物候信息进行特征级联,采用随机森林RF（Random Forest）方法进行分类,提取研究区红树林范围。实验结果表明：Landsat 8 OLI和Sentinel-2 MSI数据融合可有效提升时间序列质量,与基于单一传感器数据的分类结果相比,总体精度提高1.58%;物候信息可以显著增强红树林与其他植被的可分性,与直接使用时间序列数据的分类结果相比,总体精度提高1.92%;同时考虑EVI和LSWI指数可极大地提升分类效果,与采用单一指数相比,总体精度分别提高14.11%和9.69%。因此,本文通过数据融合、物候信息提取和指数特征级联可以更好地提取红树林,总体精度达到91.02%,Kappa系数为0.892。研究验证了物候信息在红树林遥感监测中的应用潜力,提出的方法对科学准确地监测全球或区域红树林具有一定参考价值。     

不同指数模型提取ALOS AVNIR-2影像中水体的敏感性和精度分析

以广东惠州附近水域为研究区,利用ALOS AVNIR-2多光谱数据分析水体和其他主要地物在影像上的光谱特征。构建几种常用的波谱指数,分析阈值对各种指数模型提取水体的敏感性及所能达到的最大精度。发现利用这些指数均可以较好地提取图像中的水体信息,提取效果从好到差依次是:归一化差值水体指数法(NDWI)、近红外波段分割法(NIR)、归一化差值植被指数法(NDVI)和比值植被指数法(RVI)。其中NDWI指数模型,在选择合适阈值的情况下,水体提取的总体精度最高可达98%左右,并且提取过程对阈值影响不敏感。     

Landsat 8全色影像阴影的扁平冰山出水高度提取

冰山出水高度是测量冰山厚度进而估算冰山体积的一个重要几何参数,是定量评估冰山对海洋的淡水输入量的基础。冬季冰山在海冰上成影且阴影较长,本文提出利用阴影测高模型高精度测量冰山出水高度的方法。试验选择2016年8月29日、9月7日和9月16日中心太阳高度角分别为5.43°、7.49°和11.01°的3期Landsat 8全色15 m影像,以独立扁平冰山为例,自动提取冰山在海冰上的阴影长度计算冰山出水高度,并利用不同时相同名成影点进行交叉验证评估测量精度。结果显示：阴影长度测量误差优于1个像元,在太阳高度角低于11.01°时,全色15 m影像提取的冰山出水高度均方根误差（RMSE）低于2.0 m,平均绝对误差（MAE）低于1.5 m。由此表明：在冬季低太阳高度角下,Landsat 8全色15 m影像可用于高精度测量冰山出水高度,具有大范围测量南极冰山出水高度的潜力。