Landsat-8长条带影像正射校正

目的 Landsat-8传感器采用线阵推扫式成像,通过分景处理获得标准景产品。面对大范围遥感数据需求,长条带数据具有更高的应用价值。长条带数据的一般获取方法是通过拼接标准景正射产品的方式,该方法处理效率不高,并且当条带中某景由于云覆盖量较多无法生产正射产品时,将无法通过多景拼接的方式生成相应的长条带正射产品。针对此方法存在的问题,本文提出一种Landsat-8长条带影像的正射校正方法。方法 以长条带影像为整体,通过控制点匹配、长条带几何精校正和正射校正3个部分,直接生成长条带级别的正射校正产品。在长条带几何精校正过程中,提出了Landsat-8的基于轨道约束的长条带平差模型及控制点优化选取方法。结果 在15景的条带长度范围内,本文方法生成的长条带正射产品的几何精度在12 m以内,满足Landsat-8正射产品的精度要求,且处理效率相较于标准景拼接方式提升1倍左右;对于云覆盖较多的景,利用连续3景进行长条带正射校正,可以得到与标准景正射产品几何精度相当的长条带正射产品。结论 本文提出的长条带处理方法,在一定长度范围内,能够得到满足Landsat-8正射产品的精度要求的长条带正射产品,处理效率得到较大提高,且能够有效克服传统方法中云覆盖情形对长条带产品获取的限制。     

结合光谱响应函数的Landsat-8影像大气校正研究

针对受大气吸收与散射影响,遥感器得到的测量值与目标物的真实值间存在误差,给反演地表反射率/反照率和地表温度等关键参数带来较大误差,影响图像分析精度的问题,该文利用Landsat-8的光谱响应函数,对OLI多光谱数据进行大气辐射校正和反射率反演,对校正前后的地物光谱曲线和归一化植被指数(Normalized Difference Vegtation Index,NDVI)的变化进行了对比。研究表明:OLI大气校正后较好地恢复各类地物光谱的典型特征;大气校正后NDVI增幅明显;类似的基于光谱响应函数的FLAASH大气校正方法可以为其他的高级陆地成像仪等传感器校正提供依据。     

基于卡尔曼滤波的Landsat-8卫星影像几何精校正

卡尔曼滤波是一种递推线性最小方差估计算法,被广泛应用于GPS动态数据处理、组合导航和通信与信号处理等领域。本文将卡尔曼滤波引入卫星影像几何精校正处理中,以Landsat-8卫星影像为例,利用卡尔曼滤波方法和地面控制点构建运动方程和测量方程,实现了对卫星星历和姿态数据的修正。实验证明,相比于传统最小二乘平差法,该方法使用较少的控制点即可达到稳定的精度,降低了几何精校正对控制点数量的依赖,具有较高适用性。     

一种Landsat-8影像提取不透水面的新方法

针对V-H-L-S模型在提取不透水面中端元选取不足的问题,提出了一种基于Landsat-8OLI影像提取不透水面的新方法。该方法首先集成了归一化水体指数(NDWI)、归一化植被指数(NDVI)和调整型土壤调节植被指数(MSAVI);其次,通过制作水体、植被及土壤掩膜,将三者信息进行叠加;然后,运用MNF变换将原始影像信息集中至前三波段;最后,将掩膜文件与MNF变换后影像合成,选取阈值提取不透水面信息。实验结果验证了该方法可以快速有效地提取不透水面,总体精度达90.94%,Kappa系数为0.81。     

基于Landsat-8 OLI影像和指数法的红树林提取对比研究

红树林是全球净初级生产力最高的生态系统之一,其在全球气候变化和海岸带地理环境演变研究中发挥着重要作用。快速且准确地获取大范围红树林空间分布,对于红树林资源的有效管理和开发利用具有重要意义。Landsat系列卫星影像已成为大范围、长周期红树林分布信息提取的重要数据源。选取华南沿海的英罗湾和珍珠港作为实验区,利用Landsat-8 OLI影像结合归一化差异红树林指数（Normalized Difference Mangrove Index,NDMI）、综合红树林识别指数（Combined Mangrove Recognition Index,CMRI）、模块化红树林识别指数（Modular Mangrove Recognition Index,MMRI）、红树林指数（Mangrove Index,MI）和红树林植被指数（Mangrove Vegetation Index,MVI)5种指数来提取红树林分布信息,并对比5种指数用于红树林提取的效果,筛选适用于Landsat-8 OLI影像的最佳红树林提取指数。提出了结合归一化差异水体指数（Normalized Difference Water ...     

Sentinel-2A与Landsat-8影像在油菜识别中的差异性研究

油菜是中国最重要的农作物之一,准确、及时掌握高精度的油菜面积具有重要意义。与Landsat-8数据相比,新一代光学卫星Sentinel-2A数据具有众多优点,但是Sentinel-2A数据在农作物识别方面的应用效果是否一定优于Landsat-8数据仍然是个未知的问题。因此,以油菜最佳识别期内的Sentinel-2A和Landsat-8影像各一景为数据源,选取种植结构复杂的小尺度都市农业区为研究区,基于影像的光谱特征与植被指数信息利用不同分类方法提取油菜种植面积。通过比较不同分类条件、不同方法下的两种影像的油菜识别精度,结果表明:(1)Sentinel-2A影像中不同地物的光谱特征差异与植被指数可分离性高于Landsat-8影像;(2)支持向量机(SVM)分类器下,Sentinel-2A数据的光谱特征获得的油菜制图精度与用户精度最高,分别为89.7%和91.3%,比同等条件下的Landsat-8油菜识别精度分别高7.0%和6.2%;(3)加入纹理信息后,两种数据的总体精度和Kappa系数明显提高,但油菜的制图精度与用户精度并无明显提升。以上结果表明:与Landsat-8数据相比,Sentinel-2A数据能够在种植结构复杂的小尺度区域提取更高精度的作物分布信息。研究结果可以为Sentinel-2A数据的农作物识别与应用提供理论基础。     

Landsat-8姿态抖动对多光谱影像配准影响

鉴于遥感器姿态数据的准确性对影像几何定位的重要性,该文对Landsat-8卫星成像过程中,姿态抖动对多光谱影像配准的影响进行评价和分析。首先介绍了美国地质调查局(USGS)对Landsat-8卫星姿态抖动处理方法;其次,从Landsat-8陆地成像仪(OLI)的多光谱影像入手,基于蒙特卡洛数值模拟及Landsat-8真实影像,定量分析了姿态数据高频抖动对Landsat-8OLI数据波段间配准造成的误差;最后,通过模拟改变卫星姿态测量频率,进一步分析卫星抖动处理在不同频率时对抖动误差去除的适应性。Landsat-8卫星姿态抖动配准精度评估及处理方法的适应性分析,可为提高国产卫星姿态抖动处理能力及多光谱影像配准精度提供有益借鉴。     

Landsat-8 OLI与Sentinel-2 MSI山区遥感影像辐射一致性研究

受影像获取时间、大气条件、观测角度、传感器波段设置以及山地地形等因素的影响,山区多源、多时相光学遥感卫星影像间的辐射不一致问题较为突出。以Landsat-8 OLI与Sentinel-2 MSI为例探究山地多源遥感影像间的辐射一致性,旨在为多源影像在山区的协同应用提供理论支持。选取同期OLI和MSI影像,进行大气校正、BRDF校正、光谱通道校正以及影像间的辐射一致性分析,并研究地形对辐射一致性的影响。结果表明:(1)未经校正的Landsat-8 OLI-L1T与Sentinel-2 MSI-L1C反射率影像间的辐射一致性较高(各波段R2均大于0.9);(2)经过6S大气校正、C因子法BRDF校正,影像间辐射一致性进一步提高(如蓝波段反射率RMSD依次减小22%、10%),但光谱通道校正后一致性并未显著增强;(3)地形效应导致了影像阴坡、阳坡辐射一致性水平的较大差异(如BRDF校正后SWIR波段阳坡的反射率平均绝对差为0.010、RMSD为0.006 6,阴坡平均绝对差为0.005、RMSD为0.004 3),且阳坡辐射差异随坡度增大而增大,阴坡则相反。因此,在进行多源遥感影像协同之前,需要进行有效的大气校正、BRDF校正以及光谱通道校正。另外,针对山地遥感影像还应开展地形辐射校正以进一步提高影像间的辐射一致性。     

Landsat-8卫星数据应用探讨

在过去的40年里,Landsat系列卫星对启蒙和推动遥感应用技术的发展起到了重要作用,其遥感图像数据在我国得到了广泛应用.Landsat-8卫星是Landsat系列卫星的后续任务,已于2013年2月发射,目标是延续Landsat系列卫星数据的连续性,为农业、水资源管理、植被监测、灾害响应等领域继续提供高质量的图像数据.本文将首先介绍Landsat-8卫星的研制背景、卫星的基本参数和新型成像仪的数据特点,然后对比ETM+数据,介绍了Landsat-8卫星的数据产品分级以及数据的应用方向上的变化.     

高分一号与Landsat-8影像在荒漠绿洲过渡带应用对比

针对国产高分一号卫星(GF-1)成像质量是否可以满足区域生态环境监测需求的问题,开展了宽幅多光谱相机(wide field view,WFV)在荒漠绿洲过渡带的成像质量评估研究。从辐射质量、纹理、地类识别精度和归一化植被指数等方面构建评估指标,定量分析了GF-1 WFV和Landsat-8OLI在荒漠绿洲过渡带的成像质量差异。结果表明:GF-1 WFV影像虽然具有较高的空间分辨率,但在辐射质量、地类识别效果、纹理信息及植被指数等方面与Landsat-8OLI相比有一定差距;GF-1 WFV影像的信噪比优势明显,对噪声的抑制效果较好;通过与纹理信息的波段组合,可以有效提高GF-1WFV影像的地物识别效果,缩小与Landsat-8OLI在分类精度上的差距;鉴于明显的光谱范围差异,二者归一化植被指数数据在协同应用的过程中宜分地物类型转换,在西北荒漠绿洲过渡带的国土资源调查、城市规划、农情监测等方面可发挥积极作用。     

Landsat-8与ZY-3卫星影像降尺度地表温度反演及分析

地表温度(land surface temperature,LST)在表征地表能量转换和气候方面具有很重要的作用。目前获取的高空间分辨率遥感影像,通常没有热红外波段,而能获取的热红外影像,空间分辨率往往不够。针对时间分辨率和空间分辨率的矛盾问题,提出了一种利用降尺度进行地表温度反演的方法。该方法利用Landsat-8卫星影像的热红外波段进行地表温度LSTOLI,30m反演;根据不同地物的光谱特性,选取代表城市热特性的地物端元,对ZY-3多光谱影像大气校正后,进行混合像元分解,获取每个像元内不同端元的丰度,利用端元的平均温度建模,估算地表温度,得到高空间分辨率的地表温度LSTZY-3,5.8m。为了验证估算结果的准确性,将LSTZY-3,5.8m升尺度为30mLSTZY-3,30m,与LSTOLI,30m进行对比。结果表明,LSTZY-3,30m和LSTOLI,30m具有很高的一致性,精度较高。这种方法可以作为一种实用的估算地表温度的方法。     

利用Landsat-8 OLI反演大气气溶胶的可见光谱段地表反射率估算

准确估算地表反射率的贡献一直是遥感反演大气气溶胶光学厚度过程中的重点和难点。为了促进Landsat-8OLI传感器在地表参数定量化特别是大气遥感领域的应用,本文提出一种利用OLI 1.6μm、2.2μm短波红外谱段数据估算遥感影像可见光地表反射率的方法。该方法依托于MOD04产品地表反射率估算模式,通过光谱归一化和构建新的短波红外植被指数等过程,建立OLI地表反射率估算模式,通过误差分析发现该模式能够有效地降低由于传感器光谱响应不同对估算结果的影响,对应用在OLI遥感影像的计算结果与同时间同区域MOD04产品地表反射率进行比较,表明其结果有较高的相关性和可靠性。     

基于Landsat-8数据的珊瑚礁白化变化监测

针对珊瑚礁白化事件在全球范围内频繁发生的现象,以南海西沙群岛华光礁和盘石屿为例,基于Landsat-8遥感数据,利用K最邻近节点算法(KNN),对白化前后的影像进行分类,之后借助珊瑚类别内反射率的变化监测珊瑚礁白化情况。研究结果表明,利用该方法可以提高分类精度、消除白化珊瑚与沙地之间的误分类效应,有利于开展珊瑚礁群落白化监测研究。     

Landsat-8卫星OLI成像仪调制传递函数在轨评测

鉴于传统调制传递函数(modulation transfer function,MTF)空间域分析结果受实验目标选择影响很大,应用EROS提出的频率域线状地物法对Landsat-8卫星OLI成像仪MTF进行在轨评测,并通过对比实验验证方法。基于目标和传感器特性分析,分别建立目标模型和系统传递函数模型,利用拟合数据求解模型参数,进而计算得到MTF值。并将EROS方法与传统T choi方法测得的MTF值进行对比。实验结果表明,EROS方法能有效应用于Landsat-8卫星OLI成像仪的MTF在轨测量,且明显减少了目标选择对于MTF评测结果的影响。     

Landsat-8数据地表温度反演单通道修正算法

Jiménez-Mu1oz提出的陆地表面温度(land surface temperature,LST)反演单通道(single-channel,SC)算法因其需要的大气参数少而被广泛应用,但大气水汽含量较高时,SC算法精度会受到影响。该文针对不同的大气模式建立适应于Landsat-8数据且在大气水汽含量为0~4.5g/cm~3时也有较高精度的单通道修正(singlechannel correction,SCC)算法。在1976美国标准大气、热带大气、中纬度冬季和中纬度夏季4种大气模式条件下,SCC算法平均误差/平均绝对误差分别为0.04/0.55K、0.07/0.25K、0.02/0.51K、-0.08/0.24K。通过参数敏感性分析发现,LST反演误差与地表比辐射率、大气水汽含量呈线性相关。地表比辐射率每改变0.01,SCC算法反演得到的LST在不同大气模式下大约改变0.46K、0.49K、0.46K、0.47K。大气水汽含量每改变0.1g/cm~3,SCC算法反演得到的LST在不同大气模式下大约改变0.41K、0.10K、0.06K、0.06K、0.13K。     

Landsat-7 ETM+归一化差分植被指数影像真实性检验

作为一种常用的地表参数产品,ETM+NDVI的真实性检验具有重要意义,但是目前对其研究较少。本文提出结合GeoEye-1高分辨率遥感影像及其NDVI尺度转换模型的方法进行该产品的真实性检验。基于分形理论及5指标评价体系(r=0.8、p     

一种新的面向对象Landsat-7 SLC-off影像插值修复算法

针对影像修复中基于规则窗口选择的相似像元不一定满足实际地物分布的问题,提出一种新的面向对象的像元插值法对ETM+SLC-off数据进行修复。首先对辅助影像进行多尺度分割,获取分割对象,然后将所获得的分割对象与待修复影像进行空间叠加,当待修复像元所在的分割对象中存在有效像元时,将同时利用所在分割对象区域中的有效像元及辅助影像中相应对象区域的像元进行插值;反之,使用辅助影像中相应对象区域的像元计算初步的待修复像元值,获取2幅影像间的局部最小二乘回归参数,对初步的待修复像元值应用回归参数得到最终待修复像元值。最后将其与全局直方图匹配法进行对比,并对修复结果进行定性与定量评价。实验结果表明,该方法修复精度更高,能够修复更多的空间细节信息,具有一定的可用性。     

基于Landsat-8 OLI数据的青海湖水体边界自动提取

在青海湖Landsat-8OLI遥感数据水体光谱特征分析的基础上,利用绿光(Band 3)和近红外(Band 5)两个波段,借助ENVI内置IDL语言的数据转换规则提出了一种新的水体提取方法IDLWI,加大影像中水体与非水体的灰度差,以利于水体识别。而后在水体识别的基础上,基于Canny算子进行水体边界矢量数据自动提取。分别运用"MNDWI(改进的归一化水体指数)+Canny算子"、"谱间关系法+Canny算子"和"IDLWI+Canny算子"提取青海湖边界,经高分影像目视判别和GIS空间缓冲区分析。结果表明:"IDLWI+Canny算子"提取出的青海湖湖体边界在位置准确性和连续性方面有明显的改进,尤其可以较好地提取出青海湖水体与湖滩地的边界(包括水体内裸露土地边缘)。     

基于通用分裂窗算法和Landsat-8数据的地表温度反演研究

基于通用分裂窗算法和Landsat-8数据开展地表温度(Land Surface Temperature,LST)反演研究。首先,使用MODTRAN和SeeBor V5数据库开展辐射传输模拟,建立LST与Landsat-8热红外传感器(Thermal InfraRed Sensor,TIRS)第10(10.9μm)和11波段(12.0μm)观测亮温、地表比辐射率(Land Surface Emissivities,LSEs)、观测角度和总可降水量(Total Precipitable Water,TPW)之间的关系。其次,对模拟数据进行分组,用多元线性回归求解算法系数,并进行敏感性分析。然后,从经过交叉辐射定标的晴空Landsat-8数据反演得到LST,其中LSEs从Landsat-8陆地成像仪(Operational Land Imager,OLI)数据估算,TPW从欧洲中尺度天气预报中心再分析数据提取。最后,用Terra卫星中分辨率成像光谱仪的LST/比辐射率产品(MOD11_L2 V5)对反演结果进行验证。该算法能够较精确地从Landsat-8数据反演LST,主要误差源自LSEs和TPW的不确定性,对LSEs和TPW纠正前后的误差分别为-0.64±0.81K和0.10±0.68K。     

改进的浓密植被法反演Landsat-8 OLI气溶胶光学厚度

针对利用传统浓密植被法难以准确确定地表反射率的不足,分析了Landsat-8 OLI影像红蓝波段的地表反射率与归一化植被指数、散射角对短波红外波段(2.1μm)地表反射率的关系。分析表明,红、蓝波段与短波红外波段(2.1μm)地表反射率之间的比例关系随归一化植被指数和散射角的改变而不同,据此提出构建用于确定红、蓝波段地表反射率的关系模型,用于实现气溶胶光学厚度的反演。选取美国中东部云覆盖较小的地区进行气溶胶反演,使用AERONET站点数据进行反演结果的验证。结果表明,使用该模型得到反演结果与AERONET站点的实测值具有很好的一致性,拟合结果较好;大约70%的数据位于误差线内,反演结果满足精度要求。