基于植被指数的GF-1与Landsat-OLI石漠化识别能力对比评价

植被指数是运用多源遥感影像提取石漠化过程中的主要参考指标之一。为了在石漠化提取中选择最优植被指数,论文以GF-1和Landsat-OLI为源数据,运用欧氏距离对多种植被指数在石漠化提取过程中的可分性和类型识别能力进行了定量的对比评价。结果表明：Landsat-OLI在石漠化与非石漠化、不同等级石漠化信息提取的可分性上略优于GF-1,共有71个参数的欧氏距离大于等于阈值1.56;通过植被指数光谱特征,可以对非岩溶区与石漠化地区进行较好的区分,其类型间欧氏距离普遍高于阈值;然而由于相邻等级石漠化之间植被覆盖率存在渐近式过渡关系,在遥感影像上光谱反射率接近,比间隔等级石漠化更加难于区分。在石漠化类型识别能力方面,波段差和比方法优于单一光谱指数。对于GF-1和Landsat-OLI而言,石漠化信息提取中推荐使用的最优植被指数均为NDVI,其次为GRNDVI。     

基于无人机可见光影像的绿色植被提取

在分析健康绿色植被光谱特性及无人机可见光影像典型地物各波段像元值差异的基础上,提出一种综合利用红、绿、蓝3个可见光波段信息的新型绿色植被指数——差异增强植被指数（DEVI）.利用该指数及其他8种常见可见光植被指数结合不同阈值方法提取研究区域绿色植被信息,并采用地表真实感兴趣区和基于SVM的监督分类方法进行精度量化评价.结果表明：由DEVI计算的植被指数灰度影像直方图具有良好双峰形态,可利用双峰直方图阈值法快速确定阈值,且阈值一般位于0.9~1之间;同时,DEVI提取精度明显优于其余8种植被指数,且采用双峰直方图阈值法时,总体精度为98.98%,Kappa系数为0.9791,相对误差为1/83.为验证DEVI是否具有良好的可适用性及可靠性,选取3种典型植被覆盖区域进行可行性验证,结果表明：利用DEVI可高精度提取建筑密集区域和植被零散分布区域的绿色植被信息,总体精度分别为98.42%和98.56%,Kappa系数分别为0.9610和0.9635,相对误差分别为1/125和1/91;而植被集中分布区域提取精度略低于上述2种典型区域,总体精度为97.40%,Kappa系数为0.9371,相对误差为1/53.因此,提出的差异增强植被指数——DEVI可以有效、高精度、低成本提取不同植被覆盖典型区域无人机可见光影像中的绿色植被信息,为陆地生态系统中的绿色植被监测研究提供一种可行性方法.     

多指数决策融合的MODIS浒苔提取方法

针对MODIS（moderate resolution imaging spectroradiometer,中分辨率成像光谱仪）影像浒苔提取中存在的植被指数自适应阈值不普适等问题,本文提出了多指数决策融合的MODIS浒苔提取算法（multi-index decision fusion,MIDF）。计算影像的归一化植被指数（normalized difference vegetation index,NDVI）、增强型植被指数（enhanced vegetation index,EVI）、差值植被指数（difference vegetation index,DVI）和比值植被指数（ratio vegetation index,RVI）,采用局部阈值法对4个指数灰度图进行自适应阈值分割得到初始浒苔覆盖范围,通过“绝对多数投票法”对上述初始浒苔覆盖范围投票表决得到最终提取结果。实验结果表明,MIDF可适应不同密度的浒苔覆盖区域,且精度优于传统的NDVI、EVI、DVI和RVI自适应阈值法。本算法为无监督法,自动化程度较高,可应用于浒苔灾害遥感业务化监测。     

基于LandsatTM数据的济宁市水体识别方法研究

文章基于济宁市2009年LANDSAT TM影像,根据影像各波段间的相关性和地物在各影像上的灰度差异,分别采用单波段阈值法、多波段谱间关系法、改进的水体指数法(MNDWI)及HIS空间水体提取模型法对济宁市水体信息进行识别提取。在此基础上,结合归一化指数法和HIS空间水体提取模型,提出了一种综合性的水体信息提取方法,并对各方法提取结果进行了精度评价。结果表明,已有方法对济宁市水体识别存在一定的缺陷,而综合法集成了归一化指数法和HIS空间水体模型的优点,很好地弥补了已有方法的不足,对济宁市水体信息进行了较好的提取,尤其是细小水体,同时也很好地消除了建筑物、阴影、水生植被等的影响,提高了济宁市水体信息识别的精度,为更好地定量评价济宁市地表水体时空演变规律等提供帮助。     

基于决策树分类法的塔克拉玛干南缘沙漠化信息提取方法研究

选择策勒绿洲作为典型的绿洲-荒漠交错带,采用Landsat ETM+影像,分析了沙漠化土地的光谱特征及其波段间的相互运算,用分层分离的方法,提取了沙漠化土地信息. 结果表明:利用修改型土壤调整植被指数(MSAVI),归一化差异水体指数(NDWI)和遥感图像缨帽变换后的亮度(Brightness)、绿度(Greenness)、湿度(Wetness)等复合识别指标,在决策树的各节点设计不同的分类器,可以划分沙漠化等级;决策树分类法可以有效地排除和避免提取地物时受多余信息的干扰及影响,其总体提取效果较好,是快速自动提取沙漠化土地信息的有效手段.      

遥感指数在湖泊叶绿素a反演研究中的应用

借鉴陆地植被指数的算法,利用MODIS数据的波段组合对太湖叶绿素8浓度进行反演。探讨了差值植被指数DVI、比值植被指数RVI、归一化植被指数NDVI这三种遥感指数形式的反演效果及各自特点。MODIS数据蓝光波段和红外波段的组合是反演太湖叶绿素浓度的最佳波段组合,DVI适合于反演叶绿素浓度高的情况,RVI的反演结果两极分化明显而普适性较差,NDVI适合于反演浓度较低的情况。     

基于多项植被指数的景观生态类型遥感解译与分类——以额济纳天然绿洲景观为例

基于研究区2001年Landsat7ETM+遥感影像数据,运用遥感与GIS技术手段,在对遥感影像的边界裁定、几何校正、辐射校正等预处理的基础之上,根据绿洲景观生态类型分类体系,通过综合应用非监督分类、植被指数与波段比值指数聚类、监督分类以及类型叠加与图像整合等方法,进行绿洲景观生态类型的遥感解译与分类,生成研究区2001年的景观生态类型图。为尽可能利用到遥感影像的所有原始数据信息,论文选取5种植被指数(NDV I、DV I、RV I、IPV I、SA VI)和9种波段比值指数(Index1I-ndex9)参与到遥感影像的解译与分类当中,结果表明:NDV I、DV I、IPV I、SAV I、R VI、Index5、Index6具有较大的相似性,能够明显地将具有植被信息的类别分离出来,利于划分具有植被信息的景观类型;Index1-Index4具有较好的类别空间分离性,利于不同类别间的聚类与区分;而Index7-Index9的类别分离性则较差,不利于类别聚类与划分。因此,在实际的应用中,选取多项植被指数参与景观分类,不仅能够发现新的信息,而且也会明显提高景观生态类型、尤其是干旱区绿洲景观生态类型的遥感解译与分类能力。     

基于PlanetScope影像的广西钦州市黑臭水体识别方法研究

城市黑臭水体实质上是由环境保护和城市建设两者发展不平衡产生的,也是我国当下生态环境保护工作的重点之一。针对城市黑臭水体监测评价这一热点难点展开研究,以钦州市主城区为研究区域,以高频次重访的高空间分辨PlanetScope遥感影像为数据源,结合两期的实地采样数据,分析黑臭水体表观光学特性,利用黑臭水体与一般水体光谱曲线差异特征,提出近红外(NIR)单波段阈值法、HI指数法、EHI指数法和NDBWI指数法以及基于色度法的饱和度识别算法。城市黑臭水体与一般水体在蓝、绿和红波段(455～670 nm)的相同点是反射率偏低,不同点在于一般水体在455～670 nm处的光谱曲线斜率高于黑臭水体,在红波段处反射率达到极大值,在红波段和近红外波段开始下降,而黑臭水体此波段范围内反射率开始大幅升高。识别结果表明,NIR单波段阈值法识别准确率较低,存在较大偏差;HI指数识别准确率为57. 14%; EHI指数和饱和度法对黑臭水体的识别准确率均为78. 57%; NDBWI指数的识别准确率最高,达90%以上。     

一种融合多波段比值法和随机森林算法的Sentinel-2绿潮信息提取方法

遥感卫星可以高效、大面积地监测海洋绿潮的发生及发展情况,而绿潮的精准识别提取尤为重要,对于维护海洋生态环境安全具有重大意义。本研究提出一种融合多波段比值法和随机森林算法（random forest,RF）的绿潮信息提取方法,基于高分辨率的Sentinel-2遥感影像,以苏北近岸海域为研究区,以绿潮和非绿潮两类地物为识别目标进行精准识别分类,并与最大似然法（maximum likelihood classification,MLC）、RF和支持向量机（support vector machine,SVM）以及融合多波段比值法的MLC和SVM等五种模型进行对比。结果表明：归一化植被指数（normalized difference vegetation index,NDVI）和漂浮藻类指数（floating algae index,FAI）能够有效提高绿潮信息提取的准确性,融合这两种指数的RF模型分类结果 Kappa系数为0.98,总体精度为99.92%,高于其他五种模型。研究结果可为海洋环境生态及生物地球化学循环的相关研究与治理提供理论与技术支撑。     

鄱阳湖区粮食供给功能的空间格局分析

在种植制度复杂、地块破碎及多阴雨天气的南方地区,应用卫星遥感植被指数时间序列数据提取复种指数受到中低空间分辨率的限制。使用较高空间分辨率影像是提取该区域复种信息有效的数据源。论文以鄱阳湖区为研究区,通过遥感解译提取水田空间信息;在界定单/双季稻生长期物候历的前提下,根据水稻不同生长期内归一化植被指数(NDVI)的明显差异,选择合理时间窗口的TM影像获取水田NDVI数据,采用非监督分类法提取单/双季稻的空间分布信息;结合湖区乡镇不同熟制水稻单产数据估算出基于栅格的水稻产量。研究表明,4月下旬到6月下旬是判别双季早稻与单季稻空间分布的合理时间窗口;7月上旬到8月上旬及9月中旬到10上旬是判别单季稻与双季晚稻空间分布的合理时间窗口。2005年,单季稻播种面积为3 081.58 km²,晚稻/早稻播种面积为3 602.97 km²,水稻复种指数为153.9%。单季稻普遍分布在市县建成区周边,双季稻主要分布在河口三角洲等地。全年水稻总产量约1 650×10⁴ t,单季稻占30.5%,双季稻占69.5%。赣江下游地区两种熟制水稻产量均较高,而湖汊及湖区外围丘陵地区产量较低。     

多尺度分割与特征优选下的盐碱地提取

土地盐渍化作为一种土壤灾害,严重制约着社会经济与农业的发展。对盐碱地进行实时监测,可为盐碱地的评价改良提供科学依据。由于盐碱地的信息复杂、提取精度不高,因此本文以高分六号（GF-6）卫星遥感影像为数据源,采用分形网络演化算法（fractal net evolution approach,FNEA）进行影像对象的多尺度分割,从面向对象的角度减少高分影像分类结果中的椒盐噪声问题,通过计算图像对象的局部方差和变化率来确定适宜的盐碱地分割尺度。利用基于特征选择的相关性算法（correlations-based feature selection,CFS）与Relief F算法分别对由光谱、纹理、形状、遥感指数构成的初始特征空间进行特征优选,精简特征子集,解决特征数量冗余问题,以此来优化随机森林对盐碱地提取精度。结果表明：CFS约简后的特征子集更小,精度更高,说明在盐碱地提取过程中,筛选特征数目能够减小冗余数据对提取精度的影响。CFS优化后的随机森林对盐碱地的提取效果较好,该方法总体分类精度达到83.7%。     

基于高分影像的城市黑臭水体遥感识别:以南京为例

城市黑臭水体的遥感识别对于黑臭水体的监测、治理有着重要作用.2016年对南京城市河段进行了地面调查,并在沙洲西河、秃尾河、玄武湖、金川河设置了55个样点,采集水样分析水质参数并同步测量水面光谱.在此基础上,利用绿光波段遥感反射率的单波段阈值、蓝、绿波段差值、红、绿波段比值,以及色度值,分别构建了基于GF-2影像的城市黑臭水体遥感识别算法,并分析南京市主城区黑臭水体的空间分布和环境特点.结果表明:(1)和其他类型水体相比,城市黑臭水体遥感反射率最低,在整个可见光范围峰谷不突出,而且在400~550 nm范围光谱斜率最小;(2)采用地面同步调查结果检验,比值算法的识别精度最高,对城市河道黑臭水体的识别更准确;(3)利用比值法对2016年11月3日的GF-2影像进行计算,共提取研究区黑臭河段11条,总长度40.7 km,总面积0.749 km~2.黑臭河段分布具有范围广且不连续的特征,集中分布于各城区人口密集的区域;水体发生黑臭主要受到生活污水、工业废水、断头浜的影响.     

基于TM影像的弥勒县植被覆盖变化率研究

归一化植被指数（NDVI）是目前用以表征植被覆盖、生长状况的一个简单、有效的度量参数。本文以弥勒县1992年4月及2006年6月的两景不同时期的TM影像数据为基础,提取NDVI植被指数并进行优化处理,做出植被覆盖的基本分类,并将所得数字图像在Arcgis平台上进行面积统计,最后通过统计变化数据得到弥勒县的植被覆盖变化情况。     

RS与GIS支持下城市热岛效应与绿地空间相关性研究

在RS和GIS技术支持下,以LANDSAT ETM+为数据源,综合运用遥感热红外影像的地温反演、遥感影像分割、空间聚集性分析、混合像元分解、基于遥感信息模型的地理建模及多元线性回归分析等技术,提取了青岛市城市热岛与绿地空间格局,并定量分析了绿地格局与城市热岛效应的相关性及其对城市热岛的缓解机制. 结果表明:城市热岛效应在给定尺度上与植被盖度呈负相关关系,与绿地斑块密度指数和分维数呈正相关关系.      

基于光谱分析的生物结皮提取研究——以毛乌素沙地为例

利用典型地物高光谱数据和TM遥感影像,对毛乌素沙地处于旺盛生长期(7-9 月)的由苔藓结皮主导的生物结皮进行了提取研究.结果表明:① 苔藓结皮在生长期具有与绿色植物相似的光谱曲线变化趋势;红边参数显示,二者除红边位置非常接近外,红边振幅、红边宽度和红边面积差异均较大;在近红外区域,苔藓结皮比绿色植物的反射率低很多;苔藓结皮无明显的553 nm反射峰;低盖度苔藓结皮(33%)、藻类结皮和植被枯落物在整个波段光谱曲线比较接近,与裸沙相比,三者反射率均较低.② 基于TM影像,用生物结皮指数(BSCI)、归一化植被指数(NDVI)、监督分类和坡度分级相结合的方法提取生物结皮,发现苔藓结皮的像元面积为0.72×10⁴ km²,占研究区总面积的6.43%.     

OBIA与RF结合的龙口市土地利用信息提取方法

为提高中分辨率遥感影像解译精度,本文提出面向对象影像分析（Object Based Image Analysis,OBIA）与随机森林（Random Forest,RF）结合的土地利用信息提取方法。采用Landsat 8 OLI影像,针对不同地物特点,阈值分割和多尺度分割结合创建影像对象,规则集和分类器协同分类,基于Relief F算法分别对光谱特征、纹理特征及所有特征降维筛选特征子集,并与全部特征一起应用RF建模,对龙口市进行土地利用信息提取与比较。结果表明：OBIA与RF结合提取土地利用信息,基于Relief F算法筛选纹理特征,保留完整光谱、几何、空间关系特征构建RF模型,建模错分率为0.0958,分类总体精度和Kappa系数分别为89.37%和0.872,取得较理想结果。该方法可应用于中分辨率遥感影像土地利用信息提取。     

基于MODIS时间序列及物候特征的农作物分类

论文以2012年6月至2014年6月期间的MOD09Q1及2013年四五月的MOD09A1为数据源,合成归一化植被指数(NDVI)和归一化水体指数(NDWI),利用TIMESAT软件对NDVI时间序列数据应用分段高斯函数拟合方法重构NDVI时序曲线,并获取7个物候特征(Phenology,以下简称PH,包括生长季始期,生长季末期,生长季长度,NDVI振幅,NDVI左导数,NDVI右导数,生长季期间的NDVI积分).结合Landsat 8 OLI遥感影像,中国第二次土地调查数据和实地采样样本数据,根据2013年多种地物平滑后的NDVI曲线特征,将年NDVI最大值低于0.5的水体和建设用地掩膜去除.为了获取研究区农作物的最优分类方法,采用分层分类:首先对平滑后的46个NDVI时序数据进行支持向量机(SVM)分类,得到农用地等分类信息;其次利用平滑后的46个NDVI波段,7个物候参数及6期归一化水体指数相互组合,对农用地进行支持向量机分类提取3种农作物的分布信息.经不同波段组合分类对比可知,分类总体精度及Kappa系数的关系为:NDVI+NDWI>NDVI+PH+NDWI>PH+NDWI>NDVI+PH>NDVI>PH.研究结果表明,遥感数据波段的增加不一定带来较高的分类精度;论文中归一化水体指数有效地提高了水稻的分类精度.此外,辅以物候特征对农作物分类也具有一定的可行性.     

GF-5高光谱遥感影像的土壤有机质含量反演估算研究

本文基于高光谱遥感影像对土壤有机质含量进行反演估算,以哈尔滨与兴安盟交界处的平原地表土壤为试验对象.首先,基于辐射和几何校正等预处理的高分五号（GF-5）高光谱遥感影像,依据五点采样法采集影像覆盖范围的地表土壤样本共100组,在实验室内进行理化分析等一系列处理获取样本土壤有机质含量数据.然后,运用偏最小二乘法建立高光谱影像土壤沙化指数、土壤退化指数、归一化亮度指数和土壤盐分指数反演土壤有机质含量的估算模型.比较基于原始反射率数据、一节微分反射率数据和4种土壤指数构建的反演模型的预测精度,通过65%的建模样本和35%的预测样本验证表明,反演模型中基于土壤指数建立的反演模型的预测验证精度最高,预测集验证中ρ为0.816,RMSE为1.7287.并将该反演模型运用到高光谱影像的土壤有机质含量的反演估算,实际测量的SOM与影像反演SOM含量变化趋势一致,相关性达到80.023%以上,验证了模型的反演估算精度.     

基于国产高分卫星GF-1影像的农膜遥感信息提取技术研究

随着农膜的大量使用,农膜对土壤的污染已被广泛关注。准确掌握农膜空间分布信息和使用量,可以为农膜环境污染治理提供重要技术支撑,也为政府调节市场和发放设施农业补贴提供重要依据。传统的农膜使用量统计方法费时费力,没有空间定位信息。基于遥感技术农膜自动化提取则具有快速、动态、空间的优势。本研究以山东省寿光市为例,采用国产GF-1卫星遥感影像,利用支持向量机(SVM)分类技术,进行农膜遥感信息提取。经检验,Kappa系数达96%,达到解译精度要求。寿光市覆膜农田面积397km~2,占全市农田面积的33. 6%,农膜使用量3. 34万t,农膜主要分布在寿光市中部和南部。结果表明,利用GF-1卫星遥感影像能较好地提取农膜信息。     

基于环境减灾卫星遥感数据的呼伦贝尔草地地上生物量反演研究

推动国产遥感卫星在资源环境领域中的应用对于促进我国航天事业发展、减少科研成本具有重要意义。我国近期发射的环境减灾卫星具有时间分辨率高、可获得高光谱影像的特点,在陆地资源遥感监测领域将有广阔发展空间。研究于2009年夏季获得三景呼伦贝尔草原区遥感影像和对应地面实测草地生物量信息,基于这些数据探讨了利用环境减灾卫星多光谱影像和植被指数反演草地生物量的可行性。结果表明基于影像提取的NDVI、OSAVI、MSAVI、SAVI、EVI、MTVI2、WDRVI和GNDVI等光谱指数均与草地生物量有较好的定量关系。其中,MTVI2结果最好,预测决定系数达0.61,交叉检验决定系数为0.58,均方根误差仅为58.6 g.m-2,基于MTVI2和环境减灾卫星多光谱影像可准确生成草地生物量空间分布图。