基于多时相Landsat8 OLI影像的作物种植结构提取

针对基于多时相遥感影像、多种特征量提取多种作物种植结构在我国研究较少的现状,利用多时相Landsat8OLI影像数据,根据温宿县不同作物的农事历,通过分析主要地物的光谱特征和归一化植被指数的时间变化信息,构建不同作物种植结构提取的决策树模型,实现了对温宿县多种作物种植结构信息的提取。结果表明:1水稻的最佳识别依据是5月20日影像的近红外波段和7月23日影像的NDVI值;棉花和春玉米的最佳识别依据是5月20日~9月9日影像的NDVI变化值;冬小麦—夏玉米和林果的最佳识别依据是5月20日~7月23日影像的NDVI变化值;2与单时相监督分类相比,多时相决策树法对多种作物种植结构的提取效果更理想,总体精度提高了7.90%,Kappa系数提高了0.10;3Landsat8OLI影像数据分辨率高、成本低、获取方便,是农作物遥感的良好数据源。     

基于Landsat 8 OLI的特征变量优化提取及森林生物量反演

基于江苏省常熟市虞山地区Landsat 8OLI影像和55块调查样地数据,利用多元逐步回归法建立森林生物量模型,并讨论了预测结果及其精确性。选择包括各波段灰度值、不同波段灰度值之间的线性和非线性组合(包括18种植被指数)、纹理信息以及主成分分析、最小噪声分离变换等在内的53个特征变量。通过分析53个特征变量与森林地上、地下生物量的Pearson相关性,进行特征变量的优化提取。结果表明:所有样地无区分分析时,地上和地下生物量的模型精度均达到0.4以上,基于3种森林类型(针叶林、阔叶林和混交林)进行地上和地下生物量建模时精度有明显提高,达到0.67以上,地上生物量和地下生物量的估测结果均为混交林优于阔叶林,阔叶林优于针叶林。     

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。     

不同遥感指数提取林火迹地研究

森林火灾是一种重要的森林扰动,是导致森林碳储量减少的重要途径之一,及时、准确地获取林火迹地对于研究全球碳循环及气候变化具有重要意义。以江西省武宁县为研究区,选用1991年和1992年两期Landsat TM遥感影像,采用区分指数(M),分析了Landsat TM 7个波段、植被指数、火烧迹地指数及其改进指数对林火迹地的提取能力,并评价其分类精度。结果表明:TM4 、TM7和TM6波段区分度较高,能较好地反映林火迹地的特征;18个不同的遥感指数中,NBR、NSTV1、NSTV2和NSEV1区分度大于1.5,林火迹地提取精度达到85%以上,具有较高的林火迹地提取能力,EVI、BAI、MIRBI、SAVIT和NSEV2指数提取能力相对较弱;而以引入TM6波段的改进指数NSTV2提取能力最高,适当的方式引入热红外波段可改进遥感指数对林火迹地的提取能力。     

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。     

基于Sentinel-2影像的多种水体指数法提取地表水对比研究

高时空分辨率的Sentinel-2影像日渐成为地表水体提取的主要遥感数据源,开展基于该卫星影像的多种水体指数方法提取效果的对比研究,对提升地表水遥感监测能力具有重要参考价值。本研究针对目前较为常用的7种水体指数（NDWI、MNDWI、AWEInsh、AWEIsh、WI2015、CDWI和MNDWI＿VIs）,以分布在华北、东北、长江中下游和西北的具有不同地表水体类型组合特征的4个样区为例,在GEE(Google Earth Engine)平台上采用Sentinel-2 MSI影像实现了基于7种水体指数的地表水提取,进而定量分析了不同指数提取水体的精度。结果表明：总体而言,7种水体指数均可以较好识别地表水,但在不同类型的地表水体提取时的表现存在一定的差异;NDWI指数在瞬时性水体（如水田、洪泛区等）会低估地表水的分布,漏分率较高;而AWEInsh、AWEIsh和WI2015指数整体存在高估倾向,错分率较高;MNDWI＿VIs水体指数在复杂水体类型的区域提取精度保持最高;在长时序水体变化监测方面,7种水体的性能表现与基于单景影像所得结论基本一致。本研究为不同类型水体开展地表水监测提供了重要...     

基于环境星红树林特征指数的LAI估算

基于环境星影像红树林反射率特征建立红树林特征指数,通过实测红树林叶面积指数与特征指数、常用植被指数NDVI和SR之间线性相关性的建立,研究提出的特征指数在LAI估算中的能力.提出的红树林特征指数BSTDEV与LAI的R2最高,达0.7616,且误差也最小.同时BSTDEV较常用植被指数更全面地反映了不同浓密程度的红树林LAI的分布情况,未出现NDVI或SR在LAI估算中对稀疏或浓密红树林的低估.研究结果表明,基于红树林在环境星中建立的特征指数不仅能够有效地指示红树林,辅助实现区域红树林的提取,同时在红树林LAI估算中也有着一定优越性.     

基于神经网络和数据融合的红树林群落分类研究

及时准确地掌握红树林群落现状信息可为保护和修复红树林生态系统提供重要的决策依据。对红树林群落进行遥感分类在实际应用中具有较大的意义。但红树林各群落间的光谱差异很微弱,有必要采用多源遥感数据融合的方法来提高分类的精度。本文以珠海淇澳岛红树林区为例,使用SAR图像与TM图像,探讨了监督分类、非监督分类以及神经网络分类3种分类方法和IHS融合、小波融合以及主成分融合3种融合方法对红树林群落进行分类的效果。结果表明,对SAR与TM主成分融合图像应用神经网络分类方法能够取得最好的分类效果。     

基于机载LiDAR数据和Landsat 8影像的芬兰北部泰加林—苔原过渡带提取

泰加林—苔原过渡带对气候变化敏感,确定其位置可以帮助理解北极地区气候变化.针对当前过渡带提取中存在的自动化程度低、提取困难的问题,以芬兰北部泰加林—苔原过渡带为研究区,以高分辨率航空遥感影像和冠层高度模型生成的过渡带参考数据为基准数据,构建基Landsat影像和LiDAR数据的4个随机森林过渡带分类模型.对模型分类结果...     

基于Landsat-8 OLI的青藏高原IMS 4 km雪冰产品精度评价

IMS雪冰产品是多源数据的融合产品,提供北半球逐日无云的雪冰覆盖范围,在青藏高原积雪遥感监测和研究中具有广阔的应用前景.利用Landsat-8OLI积雪覆盖数据对IMS4km分辨率雪冰产品在青藏高原积雪监测中的精度进行了评估验证.研究结果表明:①IMS 4 km雪冰产品的平均总精度为76.0％,平均制图和无雪分类精度分...     

基于Landsat-8 OLI和GF-1 PMS数据融合的铁染蚀变信息提取

通过对Landsat-8OLI的多光谱波段与GF-1PMS的全色波段进行数据融合,并基于融合后的数据,利用主成分分析法对研究区的铁染蚀变信息进行了提取。为了验证融合后的数据在矿化信息提取中的优势,将数据融合前后分别提取的铁染蚀变信息结果进行了对比分析。结果表明:基于融合后的数据比不进行融合的数据能够提取更丰富的蚀变信息,尤其是对微小特征的提取效果更好。     

基于劈窗算法的Landsat 8影像地表温度反演

陆地表面温度（LST）是表征地表能量交换和地面特征的重要指标,目前遥感技术逐渐成为区域和全球尺度上LST反演的一种便捷工具,而采样不同算法及不同影像的热红外遥感LST反演研究层出不穷,其中基于Landsat数据的反演成果尤为突出。文章利用劈窗算法对Landsat 8遥感影像进行地表温度反演,对比探讨了根据经验值与借助MODIS热红外数据两种不同方式的LST反演结果,并进行北京市热红外波段辐射亮度温度比较,针对地表温度分级进行统计,分析了当地地表温度分布趋势。结果表明：劈窗算法下Landsat 8数据的反演温度更接近实际温度,精度较高且优于MODIS产品;北京市地表温度空间分布格局受地物结构与反射率所制约,高温区主要集中分布于中东部,中低温区分布与林地及水体分布结构较为吻合。     

基于Landsat 8卫星影像的北京地区土地覆盖分类

目的 土地覆盖分类能为生态系统模型、水资源模型和气候模型等提供重要信息,遥感技术运用于土地覆盖分类具有诸多优势。作为区域性土地覆盖分类应用的重要数据源,Landsat 5/7的TM和ETM+等数据已逐渐失效,Landsat 8陆地成像仪(OLI)较TM和ETM+增加了新的特性,利用Landsat 8数据进行北京地区土地覆盖分类研究,探讨处理方法的适用性。方法 首先,确定研究区域内土地覆盖分类系统,并对Landsat 8多光谱数据进行预处理,包括大气校正、地形校正、影像拼接及裁剪;然后,利用灰度共生矩阵提取全色波段纹理信息,与多光谱数据进行融合;最后,使用支持向量机(SVM)进行分类,获得土地覆盖分类结果。结果 经过精度评价和分析发现,6S模型大气校正和C模型地形校正预处理提高了不同类别之间的可分性,多光谱数据结合全色波段纹理特征能有效提高部分地物的土地覆盖分类精度,总体精度提高2.8%。结论 相对于Landsat TM/ETM+数据,Landsat 8 OLI数据新增特性有利于土地覆盖分类精度的提高。本文方法适用于Landsat 8 OLI数据土地覆盖分类研究与应用,能够满足大区域土地覆盖分类应用需求。     

基于TM影像的珠江三角洲河道快速提取方法研究

快速、准确提取河流水体信息是河道开发和治理的基础。在综合分析前人已有研究成果的基础上,以珠江三角洲佛山市境内河网为例,通过对TM影像上水体的遥感信息机理分析,建立多种水体指数模型,并对这些指数模型进行对比分析,结果发现比值指数模型最适合于网河区河流水体的提取。在此基础上,对比值指数模型提取结果进行空间聚类得到网状水系图,并利用形状指数进行修正,将遗漏的细小河流补充进来,最后得到河道水体专题图,精度评价的结果显示其精度可以达到93.7%,说明该方法具有较好的可用性和有效性。特别是应用于河网密布、鱼塘众多,同时人为干扰强烈区域的河道信息提取时具有重要的现实与理论意义。     

北部湾红树林的HJ星多光谱遥感提取模式

大区域红树林多光谱遥感提取易受多种地物及自身覆盖度等因素影响,针对这一难题,文中以广西北部湾为研究区,基于HJ星CCD影像,并结合红树林空间分布特征和图谱特征,建立一种适合大区域海岸带的红树林识别提取模式.首先分析影像地物图谱特征,提出用于瞬时海水边线提取的海水比值指数,以及指示红树林的特征指数:红波段角度植被指数和像元波段反射率标准差指数.再从红树林空间生境判定和不同覆盖度反射率变化两方面入手,划分生长适宜区,通过特征指数辅助判定建立最终提取模式.应用结果表明该模式能完整准确地提取不同覆盖度红树林,最大程度消除其他干扰因素影响,总体制图精度达83.70%,用户精度为79.37%,同时也证实HJ卫星CCD多光谱遥感数据应用于海岸带红树林研究的有效性.     

融合不精准先验知识的Landsat 8 OLI影像深度学习分类方法

遥感影像解译是获得土地利用和土地覆盖（LULC）信息最为重要的途径之一,而自动化分类是提高LULC信息获取效率的关键。实际场景中包含大量不精准的先验知识,提取并融合其中的可用知识能进一步提高影像分类方法的精度、自动化率和规模应用能力。基于上述情况,提出了一种融合不精准先验知识的Landsat 8 OLI影像深度学习分类方法。该方法可自动规避先验知识中的不精准单元,在图斑约束空间内实现了分类样本的自动化区域选择和特征提取,并获得了高置信度知识,然后利用这些分类样本训练深度残差网络,从而实现大区域影像的精确分类。以常州市新北区为例进行实验,选用该区域2009年土地利用现状数据作为先验数据,2014年Landsat 8 OLI影像作为待分类影像。实验结果表明,所提方法可融合不精准先验知识,对大面积连片LULC信息分类精确,主要地类图斑界限准确,全图分类图斑精度达到了88.7%,Kappa系数为0.842。该方法能配合深度学习方法实现高精度Landsat 8 OLI遥感影像分类。     

基于FY-3C MERSI影像的洱海水体提取研究

遥感技术在水体监测方面已有成熟应用,风云三号是我国自主研发卫星,时间分辨率高、覆盖范围广,能短时间内完整监测大范围水体。针对国产FY-3系列中分辨率卫星在水体信息自动化提取中的应用问题,以FY-3C MERSI影像为数据源,采用归一化差异水体指数(NDWI)结合大津算法(Otsu)进行阈值分割,提取出洱海水体边界,通过与采用相同方法的邻近时期Landsat 8 OLI影像水体提取结果的对比分析,发现二者水体边界整体拟合较好,面积误差为1.53%,FY-3C MERSI影像较为快速、准确地提取出了洱海水体。表明MERSI数据在水体信息自动化提取方面具有较高的应用价值和潜力,可用于较大面积湖泊的水体提取。     

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。     

基于高时空分辨率融合影像的红树林总初级生产力遥感估算

红树林是热带与亚热带地区潮间带具备高植被生产力和高储碳量的滨海湿地植被类型,在维系全球碳平衡过程中扮演着重要的角色。目前通量站点尺度的红树林生产力研究已取得了一定的进展,然而由于受到遥感影像时空分辨率和红树林斑块分布的限制,区域尺度红树林总初级生产力（Gross Primary Production,GPP）估算仍少有涉及。基于影像融合算法获得的高时空分辨率植被指数数据集,结合红树林通量观测数据开展光能利用率模型的参数估计和模型验证研究,实现了区域尺度的红树林GPP估算,获取了一套2012年广东省高桥红树林GPP高时空分辨率数据集。数据验证得到的决定系数R² = 0.64,较现有的MOD17A2和GLASS产品GPP估算精度提高了48.9%。实验结果显示：高桥红树林最大光能利用率为3.07 g C MJ^-1,研究区内全年GPP均值为1 915.4 g C m^-2 a^-1。红树林季节平均GPP夏、秋季大于春、冬季。该方法和估算数据可为区域尺度红树林生产力研究和红树林保护提供高精度数据支持。