共查询到16条相似文献，搜索用时 156 毫秒
1.
随着遥感技术在水体提取与监测方面的广泛应用,更多的研究者致力于提高遥感水体提取的精度。离散粒子群算法在遥感图像分类研究中获得了较高的精度和更稳健的分类效果,已经被应用到遥感水体提取领域,但其在水体提取中的适用性和精度还有待对比与验证。本文采用最新提出的2种基于离散粒子群算法的水体提取方法,即光谱匹配耦合离散粒子群算法（SMDPSO）与最大熵耦合离散粒子群算法（MEDPSO）,基于Landsat8_OLI遥感影像,分别选择了有冰雪、有云、有山体阴影和有建筑物的4种环境复杂,常规方法提取精度较低的区域进行水体提取,并与2种常用的水体指数法（NDWI、MNDWI）进行了对比与验证。结果表明：① SMDPSO和MEDPSO方法在4个实验区都能快速地寻找出最佳的水体分布,具有一定的通用性;NDWI和MNDWI方法对有冰雪、有云、有山体阴影和有建筑物影响的区域表现出水体信息的错分现象,提取精度较低;② SMDPSO方法能够识别细小河流和离散水体,水体提取精度较高,但在有冰雪、云、山体阴影和建筑物的复杂环境下提取精度较低、误判率高;MEDPSO方法不仅可以识别细小水体,而且也解决了其他3种方法在提取过程中无法抑制背景信息干扰的问题,在4个实验区的总体精度均在97.8%以上,高于其他3种方法;③ 将离散粒子群算法引入到水体提取方法之中,可增强方法的区域整体性,也可提高其水体提取的精度和自动化程度;④ 运用最大熵模型等机器学习方法,可以结合光谱、形状和纹理等影像信息以及地形信息来进行水体识别,使得水体信息提取精度更高。本文的研究可为离散粒子群算法的推广以及遥感水体提取方法的选择提供参考。 相似文献
2.
在复杂地表环境下的多云多雨地区,基于合成孔径雷达（SAR）图像提取水体时容易受到其它地物如水田、山体阴影等干扰,传统的灰度阈值法和SVM法未能考虑水体与其它地物在纹理和地形上的差异,因此水体提取结果精度较差。研究首先用Refined Lee滤波对SAR图像进行预处理;其后通过DEM建模和坡度计算提取地形特征,通过计算图像灰度共生矩阵以提取纹理特征（包括均匀性、角二阶矩和熵）,并结合SAR图像极化信息以及SDWI指数形成针对水体提取的特征空间,通过融合地形特征和图像纹理特征发展了改进SVM 分类法的水体提取模型。在使用Sentinel-1 SAR数据对所发展模型与SDWI水体指数法、传统SVM法水体提取结果进行比对后发现,改进SVM分类法提取的水体结果较好地剔除了水田和山体阴影,且提取的水体水面比传统的SVM法更加完整;该方法在总体精度、Kappa系数、漏分率和错分率指标上均优于SDWI法和传统的SVM法,总体精度达到98.06%,比SDWI法和传统的SVM法分别提高了23.24%和5.49%,有效提高了复杂环境下地表水体的提取精度。研究最后将所发展模型应用于2018年马哈韦利河流域逐月水体提取与变化分析,有效解决了山体阴影和水田误分问题。本文提出的改进SVM法可以实现复杂地表环境下大范围水体信息准确、完整提取。 相似文献
3.
在以Landsat ETM+为数据源,详细分析水体与背景地物的地表反射率及波谱特征的基础上,对比阈值法、谱间关系法、指数模型法和条件函数四种方法在城镇水体和山区水体提取上的差异.对两个研究区试验结果表明:MNDWI比值模型的水体提取精度最高,信息量相对完整,其他四种方法在细小水体的提取效果上也不如MNDWI.为验证结论的准确性,本文选取了福建省不同时期、不同地区的不同水体类型进行试验.其中城镇与山区的水体提取方法的优劣结果与上文的结论一致.湖泊与河口区的水体与前两种类型的水体的地表反射率值曲线不同,但这两个区域的水体与其他地物的MNDWI的反差值在几种提取方法中为最大.反差值越大越有利于水体与背景地物的区分.MNDWI在这两种水体类型的提取上也取得较好的效果.试验表明相对其他四种方法,MNDWI比值模型能够便捷、快速、准确地提取水体信息,且具有较强的适应性. 相似文献
4.
随着西部大开发战略的实施以及“一带一路”战略的影响,西北地区的城市发展也发生着巨大变化,利用遥感影像更加准确地提取西北地区城市建筑用地信息对分析城市扩张趋势、规划城市建设具有重要意义。本文以2000年兰州市主城区和2003年西宁市主城区的Landsat 7 ETM +影像为数据源,结合压缩数据维的方法,通过构建三指数合成影像并利用该影像来提取城市建筑用地信息。实验首先根据兰州市主城区的影像光谱特征,创建了归一化差值裸地指数（NDBLI）。然后将该指数与比值居民地指数（RRI）、修正型归一化水体指数（MNDWI）合成为一个包含3个波段的新型三指数合成影像NRM（NDBLI、RRI、MNDWI）;同时,根据集成学习思想,为增强城市建筑用地信息,将主成分分析的第一波段（PC1）、归一化差值建筑用地指数（NDBI）和比值居民地指数（RRI）合成为一个包含3个波段的新型三指数合成影像PNR（PC1、NDBI、RRI）;最后分别将三指数合成影像NRM和三指数合成影像PNR作最大似然分类提取城市建筑用地信息,将其提取结果与由归一化差值建筑用地指数（NDBI）、修正型归一化水体指数（MNDWI）和土壤调节植被指数（SAVI）所创建的NMS（NDBI、MNDWI 、SAVI）影像得到的最大似然分类结果作精度比较,并利用西宁市主城区影像对本文方法进行了相应验证。结果表明,利用三指数合成影像PNR提取城市建筑用地的总精度和Kappa系数最高,其总精度达到了90%以上,适合于提取西北地区含裸地较多的城市建筑用地。 相似文献
5.
Landsat系列卫星数据是对地观测研究中应用最为广泛的遥感数据源之一,但是Landsat数据易受云及云影的影响,因此,在Landsat数据的应用中,云和云影的识别十分关键。美国地质调查局（United States Geological Survey,USGS）在其分发的最新的Landsat 8 数据中新增了一个质量评估（Quality Assessment）波段,能快速提供高精度的云掩膜,然而并不能识别云影。本文在Landsat 8 QA波段云识别基础上,对影像的近红外和短波红外波段进行种子填充变换,提取影像中的潜在云影,采用非监督分类的方法识别影像中的水体,将水体从潜在云影中去除。利用太阳方位角和太阳高度角对云及云影相对位置的影响,对云和云影进行匹配,识别真实的云影。利用全球云和云影验证数据集对本文的云影识别结果进行了精度评价,结果表明：不同生态区域云影识别精度达到87%以上。与Fmask云影检测方法相比,本文方法所需波段数更少,流程简单,简化了云高度估算和视角问题,可以快速、准确地识别云影,对基于Landsat 8数据的定量分析或时序研究有重要价值。 相似文献
6.
基于面向对象与深度学习的榆树疏林识别方法研究 总被引：1，自引：0，他引：1
榆树疏林是浑善达克沙地中一种特殊的植被类型,它对于维持区域生态系统稳定具有重要意义,在防风固沙、涵养水源、调节气候等方面发挥着重要的作用。本文利用无人机影像与GF-2影像,对高分辨率数据源中榆树疏林的两种自动识别方法进行了研究。在面向对象方法中,首先通过计算影像对象的局部方差变化率得到了最佳分割尺度;其次采用随机森林算法对初选特征的重要性进行排序,并删除无关特征;最后分别对支持向量机（SVM）、随机森林（RF）、深度神经网络（DNN）3种分类器进行参数寻优与榆树疏林提取。此外,在ENVI5.5中基于TensorFlow框架,利用U-Net构建深度学习模型对榆树疏林进行了提取,并与面向对象方法进行对比。结果显示：① 通过面向对象方法过程的优化,最终的识别精度较以往研究有所提升,GF-2影像中SVM总体精度为90.14%,RF总体精度为 90.57%,DNN总体精度为91.14%;无人机影像中SVM总体精度为97.70%, RF与DNN总体精度为97.42%。② 深度学习方法中,GF-2影像的总体精度为91.00%,无人机影像的总体精度达到了98.43%。研究结果说明在榆树疏林提取中,无人机影像具有更高的空间分辨率,更丰富的纹理、形状等信息,能达到比GF-2影像更高的精度。面向对象方法对于2种影像都有较高的适用性;深度学习的方法在本文中更适用于无人机影像,它可以有效地减少无人机影像中的错分现象。 相似文献
7.
本文运用面向对象分类与DEM数据相结合的方法,对资源卫星一号02C卫星遥感影像进行湿地提取。探索了基于对象与DEM信息的提取技术,在02C影像湿地的提取应用,对研究我国国产卫星在湿地监测和保护方面有重要的意义。研究结果表明：（1）面向对象的遥感影像信息提取方法,可同时兼顾影像光谱信息及空间信息,适用于02C影像的湿地提取,精度得到明显提高;（2）基于对象与DEM信息的提取方法,使沼泽地与草地相混淆的现象明显减轻,湿地分类精度进一步提高,该方法适用于高分辨率遥感影像的湿地提取研究;（3）基于对象与DEM信息提取的水田、水体、沼泽地及河滩的精度,分别为88.46%、97.44%、86.96%和83.33%,满足资源卫星一号02C遥感影像对湿地进行监测和保护的需要。 相似文献
8.
城镇建成区信息是遥感影像提取中的一个重点。本文以泉州市2000年的Landsat ETM+影像,利用多种方法,提取城镇聚落的信息,并对比各种方法的优缺点后予以改进。研究表明基于Landsat卫星提取城镇信息方法,改进后方法较之原方法提取精度随之提高;经比较认为仿植被指数提取法简单快速,光谱阈值法精度较高但较复杂。 相似文献
9.
福建省作为中国的产茶大省,快速准确获取茶园的空间分布对福建省农业经济发展和生态环境保护具有重要的决策意义,然而,传统的方法难以保证大范围准确地获取茶园空间分布。本文基于GEE云平台,快速获取覆盖福建省的Sentinel-1雷达影像、Sentinel-2光学影像及地形数据,从中提取光谱特征、纹理特征、地形特征等98个特征,利用递归消除支持向量机算法（SVM_RFE）对特征变量进行筛选,通过支持向量机分类器（SVM）进行茶园提取,首次得到福建省2019年10 m分辨率茶园种植区空间分布图。结果表明：① 光谱特征在茶园信息提取中占据重要地位,纹理特征和地形特征次之;② 利用SVM_RFE可以有效筛选出最有利于茶园提取的特征子集,有效提高提取精度,总体精度为94.65%,Kappa系数为0.93,茶园的生产者精度为91.64%,用户精度为92.91%;③ 基于Sentinel-1及Sentinel-2影像获取的福建省2019年茶园种植面积为1913 km2,主要分布在安溪县、福鼎市、福安市、武夷山市和寿宁县,其茶园总面积达910 km2,约占据全省茶园面积的48%。利用云计算技术可以克服大尺度茶园监测运算能力不足的问题,结合Sentinel-1和Sentinel-2影像能够较准确地提取福建省茶园分布,对南方丘陵山区茶园及其他作物提取具有参考价值,并为政府及有关部门进行茶园管理提供支持。 相似文献
10.
斯里兰卡是海上丝绸之路沿线重要节点,降雨量丰富但时空分布不均匀,存在明显季节性缺水,其内陆湖库水体面积变化监测对水资源开发利用具有重要指导作用。为了解斯里兰卡湖库水体空间分布特征与时间变化规律,本文基于Landsat系列影像数据,对比分析不同水体提取模型在影像上的水体提取精度,确定最优算法;选取典型湖库分析其面积年际和年内的动态变化特征。以1995、2005和2015年为基准研究年份,采用最优水体提取模型对全岛内陆湖库水体进行提取,利用面积将湖库分为4个等级,统计各年份不同等级湖库的数量和面积数据,分析其时空变化特征。研究结果表明:①基于大津法(OTSU)的归一化水体指数(NDWI)水体提取模型提取水体的精度最高,总体精度在97%以上,误提率和漏提率最低,适合于斯里兰卡地区水体的提取;②1988-2018年同期8月的典型水库面积总体呈现波动增加的趋势,1992年水库面积最小,2013年水库面积最大;水库面积年内变化较大,其中2017年最大面积出现在2月,最小出现在9月,与雨季和旱季结束月份基本一致,且2月面积是9月面积的2.24倍;③1995-2015年同期,斯里兰卡全国4个等级湖库的数量和面积不同幅度的增加,湖库水体资源量呈递增的趋势。研究结果可为斯里兰卡水土资源优化配置及水资源管理与规划提供科学依据。 相似文献
11.
单波段阈值法和水体指数法具有方法简单、耗时少的优点,成为水体信息提取常用的方法,但对于面积较大、类型多样、影响因素复杂的区域,在全局使用任何一种方法均无法满足精度要求。为精确提取地表覆盖类型复杂、水体类型多样的山区水体信息,本文分别对归一化水体指数（MNDWI）、自动水体提取指数（AWEI）和归一化三波段指数（NDTBI）3种指数的阈值进行分析,以最优阈值分区方案进行分区并构建3个单指数决策树,寻找不同水体类型的最优指数,按照最优原则重构联合指数决策树来提取水体信息,其中,3种单指数提取法的Kappa系数分别为：0.863, 0.854, 0.862,最优指数联合决策树法的Kappa系数为 0.881。结果表明,基于3个指数构成的最优指数联合决策树的提取方法可以达到最高精度,由此说明,采用该法用于水体信息提取可得到最佳效果。 相似文献
12.
福州城市扩展的遥感动态监测 总被引：9，自引：0，他引：9
本文以1996年9月6日和2003年5月29日两个时相的LandsatTM/ETM+卫星影像为数据源,结合相应时相的SPOT卫星数据,通过压缩数据维的方式,提取了福建省福州市的城市建筑用地信息,分析了从1996年至2003年间福州市的城市扩展动态变化情况及原因,并将此变化与福州市城市总体规划(1995-2010)相比较,研究结果认为,福州城市扩展变化与规划是相吻合的。 相似文献
13.
不透水面作为反应城市表征变化和区域城镇化的重要技术指标,其位置、图斑大小、空间分布等信息在地表水热循环和能量平衡等领域被广泛需求。传统方法大都基于单一时相信息提取不透水面,而忽略多时相所蕴含的丰富信息。因此,本文提出多时相信息融合的不透水面级联提取方法,利用Landsat-8 OLI遥感影像分析归一化植被指数（Normalized Difference Vegetation Index, NDVI）、改进的归一化水体指数（Modified Normalized Difference Water Index, MNDWI）和归一化建筑指数（Normalized Difference Building Index, NDBI）年内时序变化特点和典型地物间多时相波谱曲线的协同特征,并归纳不透水面多时相变化规律;再根据先验知识所获取的有效地表信息,进行多时相分级提取不透水面信息。此外,基于实地考察数据和同期2 m GF-1遥感影像屏幕数字化生成30 m不透水面图斑,进行精度验证、分析和对比单时相、四季相及多时相3种时序情况下的提取精度。结果表明：单时相提取不透水面总精度最低,四季相提取精度优于单时相,而多时相提取精度最高（精度可达93.66%,Kappa系数为0.81）。本方法在偏远城镇不透水面的有效识别中显露潜在优势,可为不透水面提取方法融合时序波谱特征提供新思路。 相似文献
14.
蒙古高原地处干旱半干旱地区,河流水系对该区域的资源环境格局及其生态环境影响重大。发源于蒙古国的色楞格河是蒙古高原最主要的水资源来源,准确掌握该流域的水体信息对东北亚地区生态环境问题及资源保护具有重要意义。本文以蒙古高原色楞格河流域为研究对象,基于谷歌地球引擎（Google Earth Engine,GEE）云平台,使用 Sentinel-2 多光谱卫星遥感影像,利用深度神经网络（Deep Neural Network, DNN）方法对色楞格河流域的水体信息进行提取,并与支持向量机方法进行对比;利用全球30 m SRTM数据生成水系分布矢量图,通过空间分析形成河流提取目标区,结合深度神经网络分类结果,绘制蒙古国色楞格河流域2019年河流分布图。研究结果表明：① 该方法能够准确地完成大流域范围内的水体制图,提取结果能够体现色楞格河流域河流的空间分布,且能够减少河流断流、空洞现象;② 深度神经网络模型中批量大小设置为8时,在处理数据速度与精度中达到最优,而神经网络结构中隐含层数达到4层时,在精度评价指标测试数据集上达到0.9666,保证了模型特征挖掘能力;③ 经样本点的验证,结果总体精度达到97.65%,可以满足实际应用需求。本研究预期可以为蒙古高原的水体提取提供方法支持和相关数据支持。 相似文献
15.
Glacial lakes in the High Mountain Asia (HMA) are sensitive to global warming and can result in much more severe flood disasters than some largesized lakes. An accurate and robust method for the extraction of glacial lakes is critical to effective management of these natural water resources. Conventional methods often have limitations in terms of low spectral contrast and heterogeneous backgrounds in an image. This study presents a robust and automated method for the yearly mapping of glacial lake over a large scale, which took advantage of the complementarity between the modified normalized difference water index (MNDWI) and the nonlocal active contour model, required only local homogeneity in reflectance features of lake. The cloud computing approach with the Google Earth Engine (GEE) platform was used to process the intensive amount of Landsat 8 images from 2015 (344 path/rows and approximately 7504 scenes). The experimental results were validated by very high resolution images from Chinese GaoFen-1 (GF-1) panchromatic multi-spectral (PMS) and appeared a general good agreement. This is the first time that information regarding the spatial distribution of glacial lakes over the HMA has been derived automatically within quite a short period of time. By integrating it with the relevant indices, it can also be applied to detect other land cover types such as snow or vegetation with improved accuracy. 相似文献
16.
面向对象的极高海拔区水体及冰川信息提取——以珠穆朗玛峰国家级自然保护区核心区为例 总被引：2，自引：0，他引：2
极高海拔地区多为河流发源、冰川发育地,由于地形起伏强烈,且野外考察验证工作困难,传统的遥感信息提取方法很难保证该地区水体及冰川的提取精度。本文基于ASTER影像,运用面向对象的图像信息自动分析方法,对珠穆朗玛峰国家级自然保护区核心区的水体及冰川信息进行了提取研究。为保证信息提取的准确度,将数字高程模型(DEM)及其衍生数据(坡度、坡向),归一化植被指数(NDVI)数据,及有助于区分水体、冰川与其他地物的相关指数(冰雪指数NDSII)及波段运算结果(b1-b3)、(b3/b4)等,分别作为一个波段叠加到原始图像中,使之成为对目标地物光谱特征的有益补充。并对不同类型的水体及冰川进行多级、多尺度分割,以满足其对分割尺度的不同要求。分割完成后,综合考虑目标地物的光谱特征、纹理特征、空间结构特征,根据各特征指数的直方图信息,设定合适的阈值,建立了各水体及冰川类型信息提取的知识规则,并结合实地调查对信息提取的精度进行验证,改进了ASTER遥感影像自动快速提取极高海拔区水体及冰川信息的实用模型。 相似文献