共查询到10条相似文献，搜索用时 31 毫秒
1.
融合多源时序遥感数据大尺度不透水面覆盖率估算 总被引：1，自引：0，他引：1
不透水面信息是监测城市扩张及区域生态环境变化研究的重要指标,基于遥感技术对地表不透水面信息进行快速提取具有重要意义。传统大范围不透水面覆盖率估算模型主要基于单一遥感信息与不透水面比例之间的相关性,通过单因子回归模型实现不透水面覆盖率的估算。受限于单一遥感信息的信息量及普适性等影响,这类方法在大尺度不透水面提取中具有较大局限性,估算结果的区域适应性存在较大差异。针对该问题,本文提出基于多特征遥感信息进行不透水面估算的方法,以弥补单一特征在大范围不透水面提取中的不确定性。该方法首先以多时相MOD13Q1、MOD09A1产品、夜间灯光数据（NPP-VIIRS）和Landsat 8 OLI为遥感数据源,从不同角度构建突出不透水面信息的多个指数特征;在此基础上利用多元回归模型建立多因子不透水面覆盖率估算模型,进而实现大尺度不透水面覆盖率的遥感估算。本研究选择分布于全国范围内13个典型城市作为主要研究区对提出的模型进行了验证,结果表明：该方法能够适应不同区域不透水面覆盖率的估算,在复杂城市区域表现出较传统方法更好的效果,明显改善了城市内部不透水面覆盖率的估算精度。 相似文献
2.
基于NPP/VIIRS夜间灯光遥感数据,采用阈值法结合统计数据提取了城市建成区范围,并通过图斑综合与边界平滑等方法对城市建成区进行了筛选和边界优化.将NPP/VIIRS数据分别与POI核密度、不透水面产品进行耦合性分析发现,虽然NPP/VIIRS空间分布与POI核密度、不透水面具有一定重叠度,且变化趋势一致性较高,但整体相关性不高.选取扩展速率、扩展强度、紧凑度、分形维数、用地增长弹性系数和标准差椭圆等指标对城市空间结构和变化趋势等进行了定量研究.结果表明,重庆市2013-2019年城市扩张趋势明显,扩展速率和扩展强度呈年际波动趋势;城市以外部扩张为主,重心整体向东南方向偏移;紧凑度水平和不规则程度整体较低,且呈逐年降低的趋势;可能存在人口增长与用地比例失调的情况,但变化趋势逐渐变好.通过对城市空间格局变化的分析,以期能为未来城市建设布局提供一定参考. 相似文献
3.
针对遥感影像提取不透水面通常会受到自然环境因素影响的问题,该文采用改进的U2-Net模型对北京市五区和南京市五区的Landsat 8 OLI影像进行季节性不透水面提取,探索深度学习提取不透水面时的自然环境影响因素及其影响机制。选择植被、水、裸土及地表温度作为影响因素,通过地理探测器研究以上因素对不透水面提取的影响机制。基于改进的U2-Net模型提取不透水面精度较高,其中北京市研究区域的提取精度为93.81%,南京市研究区域的提取精度为94.04%;4项自然环境因素对不透水面提取精度均有影响,单因素分析中地表温度影响最大,交互作用分析中地表温度与植被覆盖影响最大。研究结果表明：夏季不透水面提取精度最高,受自然因素及交互作用影响最小;提取不透水面建议采用夏季影像。本文探究了自然因素对不透水面提取的影响机制,为进一步不透水面遥感提取和动态差异分析提供有力支撑。 相似文献
4.
干旱半干旱地区、低密度不透水面地区、山区等困难地区具有灯光较弱、空间布局分散、周边遮挡物较多等特点,目前已有的大尺度不透水面研究中对困难地区不透水面的提取效果较差。鉴于此,提出了以多时相升降轨Sentinel SAR数据和光学影像为主,辅以灯光、DEM数据为阈值筛选的提取方法。对中国延安、越南南部、阿联酋迪拜、孟加拉国南部等困难地区进行了不透水面提取,并将提取结果与2010年GlobalLand 30产品进行了对比。结果表明,平均精度可达88.58%,平均Kappa系数可达0.76。该方法能增强困难地区不透水面提取效果,并有较高的提取精度,对于大尺度乃至全球不透水面的提取具有重要的指导意义。 相似文献
5.
Landsat8不透水面遥感信息提取方法对比 总被引：1，自引：0，他引：1
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。 相似文献
6.
本文提出了一种利用GlobeLand30数据辅助多源数据融合进行城市不透水面自动提取的方法。首先基于波段映射和小波变换的影像融合方法,融合哨兵二号和高分二号影像,获得同时具有较高空间分辨率和光谱分辨率的融合影像,其具有丰富的光谱特征和空间特征,有利于提升复杂城市区域的不透水面和非不透水面区分能力。然后利用GlobeLand30数据的类别信息自动获取初始分类样本,基于融合影像的丰富光谱信息构建多种植被指数、水体指数和建成区指数,对初始分类样本进行优化。最后利用优化后的训练样本,使用光谱、地物指数等特征训练分类器,实现城市不透水面的自动准确提取。本文以济南市2019年的高分二号和哨兵二号影像为试验数据,在时相、分辨率与影像均不同的GlobeLand30全球地表覆盖数据辅助下获得了总体精度优于92%的不透水面提取结果,验证了本文方法的有效性。 相似文献
7.
不透水面是衡量城市化发展水平的重要指标,及时、准确地掌握城市不透水面的动态变化对于监测城市地区的发展和环境变化至关重要。利用Google Earth Engine(GEE)云平台和Sentinel-1 SAR数据、Sentinel-2光学数据以及随机森林算法对山东省2020年4月不透水面进行提取。结果表明：使用光学和SAR数据融合的山东省不透水面提取精度为92.17%,Kappa系数为0.79;雷达特征的重要性优于光学特征,光学与雷达数据结合提取不透水面精度更高,错提明显减少;雷达特征对于面状不透水面的提取效果优于线状不透水面,实际使用中应针对不同的应用选择合适的特征。 相似文献
8.
深度学习是提取不透水面的一类重要方法,具有精度高,泛化性强等优势。但是模型的训练需要依靠大量的训练样本。尤其是在高分辨率、大尺度不透水面制图时,获取数量足够且高质量的训练样本非常费时费力。因此,本文结合多源遥感影像与开源数据,提出了一种大尺度高分辨率不透水面自动提取方法。该方法首先从众源数据OpenStreetMap中自动获取训练样本,然后用开源的不透水面产品对噪声样本加权,减小标签噪声对模型训练的负面影响;在此基础上,构建了一种三分支的超轻量级CNN模型,融合光学、SAR和地形数据生成10 m不透水面产品。以越南全境为试验区,对本文方法进行了验证。试验结果表明,本文提出的方法分类总体精度和Kappa系数分别为91.01%和0.82,优于目前已发布的不透水面产品。本文研究成果可为澜湄流域等热带亚热带城市可持续发展和生态环境保护提供基础技术和数据支撑。 相似文献
9.
选取哈尔滨市为研究区,以2015年地理国情普查成果和2016年基础性地理国情监测成果为数据源,根据国情数据中不同地表覆盖分类对应的透水特性提取不透水面,对哈尔滨市不透水面的空间分布格局和变化特征进行分析,选取平均工资、距城市道路距离、距医院的距离、距铁路的距离、距学校的距离、平均气温、全年降水量、土壤等8个因子,利用地理探测器模型,探测不透水面扩张率的空间分异驱动因子,研究结果表明:2015年至2016年哈尔滨市不透水面面积呈扩张趋势,居民收入水平和距城市道路距离等人为因素是造成不透水面扩张空间分异性的主要原因。 相似文献
10.
围绕数据源、提取方法以及不透水面应用研究3个层面对国内外学者提取不透水面做出了总结,其中数据源主要介绍了Landsat系列、Sentinel系列以及高分系列,不透水面提取方法主要归纳了指数法以及光谱混合分析法,应用研究主要针对不透水面演变分析、与城市生态问题的探究。通过归纳国内外学者的研究成果得出,不透水面的扩张会导致城市地表温度的上升,同时与其他一些生态问题存在一定的相关性。 相似文献