共查询到10条相似文献，搜索用时 31 毫秒
1.
太原市黑臭水体遥感识别与地面验证 总被引：2，自引：1，他引：1
城市黑臭水体整治是城市水环境治理的一项重要工作。本文通过构建黑臭水体遥感识别模型，解决城市黑臭水体整治过程中黑臭水体的识别问题，实现城市黑臭水体空间分布快速定位与排查。通过分析黑臭水体形成机理和试验数据，从光谱特征上构建反映水体清洁程度的光谱指数（WCI），从图像特征上构建水体颜色、次生环境、河道淤塞、岸边带垃圾堆放等解译标志，综合光谱指数和解译标志共同进行黑臭水体遥感识别。利用该方法对太原市建成区内黑臭水体空间分布进行排查识别，共得到疑似黑臭河段14条，长度为52.530 km。经验证，除去断流影响外，遥感识别黑臭水体点位精度为92.86%，遥感识别黑臭河段长度精度为78.19%。在精度验证基础之上，进一步分析了黑臭水体遥感识别光谱指数和各项解译标志在黑臭识别中所占的权重，其中光谱指数和水体颜色二者权重最大，分别占29.60%和27.10%，是构成遥感识别黑臭水体的主要特征标志。通过两时相影像识别结果比对表明，WCI指数能够明显反应黑臭水体变化特征。因此，利用本文方法进行城市黑臭水体遥感识别具有很高的精度，在城市水环境整治过程中具有重要的应用价值。 相似文献
2.
3.
相对于传统的采用定点定剖面采样进行水污染研究的方法,利用遥感数据对水污染进行监测的遥感手段具有视野广、研究周期短、数据获取快速、成本低廉、反映的信息客观真实等优点。基于此现状,本文提出水污染差异指数,通过多时相遥感影像计算水污染差异指数以量化正常水体和污染水体之间的波谱特性差异,以西南交通大学(犀浦校区)及周边区域的水污染监测为例验证其可行性。 相似文献
4.
针对严重污染的城市水体与道路、建筑物、阴影等易于混分,以及遥感水体提取结果不连续、存在斑点问题,本文以广州市流溪河与东江水系为研究对象,基于2016年与2017年OLI遥感影像,采用本文新提出的城市水体指数法（CWI）,同时结合分形几何算法,通过设置形状面积等特征,实现城市复杂环境下的水体信息的自动提取。并与单通道算法、改进的归一化差异水体指数（MNDWI）算法、支持向量机法（SVM）与光谱角度法的水体提取结果进行对比分析。结果表明：SVM算法出现大量斑点,其次为MNDWI水体指数算法,光谱角度算法与单通道算法斑点较少,但水体提取结果不连续,部分河道漏分。本文提出的算法能够克服山体阴影、道路、建筑物等影响,实现城市污染水体以及一般水体连续、准确提取。本文的提取结果可为水资源调查、洪水灾害预测评估、水利规划、环境监测等工作提供基础数据支撑。 相似文献
5.
针对严重污染的城市水体与道路、建筑物、阴影等易于混分,以及遥感水体提取结果不连续、存在斑点问题,本文以广州市流溪河与东江水系为研究对象,基于2016年与2017年OLI遥感影像,采用本文新提出的城市水体指数法(CWI),同时结合分形几何算法,通过设置形状面积等特征,实现城市复杂环境下的水体信息的自动提取。并与单通道算法、改进的归一化差异水体指数(MNDWI)算法、支持向量机法(SVM)与光谱角度法的水体提取结果进行对比分析。结果表明:SVM算法出现大量斑点,其次为MNDWI水体指数算法,光谱角度算法与单通道算法斑点较少,但水体提取结果不连续,部分河道漏分。本文提出的算法能够克服山体阴影、道路、建筑物等影响,实现城市污染水体以及一般水体连续、准确提取。本文的提取结果可为水资源调查、洪水灾害预测评估、水利规划、环境监测等工作提供基础数据支撑。 相似文献
6.
《国土资源遥感》2021,(1)
目前,城市黑臭水体的遥感识别处于算法初探阶段,由于受到水深、阴影等因素的影响,在实际应用中精度较低,并且对于长时间的黑臭水体动态监测研究较少。以芜湖鸠江区为研究区,分析黑臭水体的成因及表观特征,针对单波段阈值法、波段差值法、归一化指数法和斜率指数法,基于GF-2影像进行阈值修正并评价精度,同时联合黑臭水体目视解译标志进行动态监测。结果表明:(1)水体发生黑臭通常伴有颜色异常、河道淤塞、次生环境问题等特征;(2)单一识别算法中差值法识别效果最好,总精度为87.5%;(3)GF-2的高空间分辨率特性提升了目视解译的效率和精度,可以有效减少水深和建筑物阴影对其遥感识别的干扰,相比使用单一算法,进一步提高了动态监测的识别精度和可靠性;(4)利用2014—2020年4景GF-2影像提取鸠江区主城区黑臭水体面积分别为0.313 km~2,0.152 km~2,0.069 km~2和0.008 km~2。结果显示,鸠江区水体黑臭现象正逐步得到改善,但神山公园水系黑臭现象依然严重。 相似文献
7.
构建时空融合模型进行水稻遥感识别 总被引：1，自引：0，他引：1
传统变化检测手段进行水稻遥感识别受"云污染"和影像间配准误差导致的变化检测误差累积及"椒盐"现象的影响,水稻遥感识别精度低。本文提出时空融合模型(Temporal-Spatial-Fusion Model,TSFM)进行水稻遥感识别,旨在综合像元在时间、空间维度上的信息定义像元的水稻时空归属度,根据时空归属度划分阈值提取水稻。实验结果表明:在不同窗口尺度下,TSFM在整体和"云污染"区域对水稻提取均达到了较高精度。当窗口尺度为3×3时,水稻提取的用户精度、制图精度和总体精度分别达到93.4%、83.5%和87.9%。在不同窗口尺度下水稻提取的用户精度、制图精度、总体精度均高于分类后比较PCC(Post-Classification Comparison)和多数投票法(Majority Voting,MV);在"云污染"区域,水稻识别总体精度均在92.0%以上,水稻制图精度比PCC、MV分别至少提高了14.0%、7.6%。有效地解决了传统变化检测作物遥感识别存在的误差累积问题,在一定程度上避免了"云污染"和"椒盐"现象对识别结果的影响。另外,初步探讨了TSFM水稻提取精度与景观特征关系,发现在景观规整区域适宜采用较小的窗口,在破碎区域适宜采用较大的窗口。该方法的成功实施,为大范围开展秋粮作物遥感识别,消除"云"影响进行了前期实验探讨。 相似文献
8.
研究山区地表水体信息OLI遥感数据去阴影自动提取方法,设计基于数字高程模型与指数提取的决策树分类方法,提高水体自动识别的精度。该方法选取改进的归一化水体指数、归一化植被指数、比值植被指数、主成分分析前3个分量以及波段之间的组合运算,并结合DEM构建决策树分类规则。综合采用单波段阈值、谱间关系、植被指数和水体指数阈值完成山体水体的去阴影识别研究,与计算机自动识别分类方法比较,其精度明显提高。结果表明,决策树分类方法在精度上明显高于常用的计算机自动分类方法,可以很好地被利用于OLI遥感数据水体信息的海量、大范围提取。 相似文献
9.
地表水监测是遥感的重要基础应用.光学遥感水体提取的原理是基于不同的地物具有不同的光谱反射特性,某些地物(冰雪、阴影、云)因为与水体具有相似的反射特性导致提取分类失败.本文针对传统水体指数在水体提取时出现错分、漏分的问题,提出一种归一化多波段水体指数NDMBWI.分别用3个试验对本文指数的稳定性进行测试.试验1的区域为西藏林芝地区,数据源为同一时相的Landsat 8、Sentinel 2卫星影像,试验结果验证了本文指数抑制冰雪的能力,本文指数的Kappa系数为0.86、总体精度为0.93、错分误差为0.03、漏分误差为0.12、制图精度为0.97、生产者精度为0.88,均优于已有的指数.试验2的数据源为高分一号,以香港迪士尼为试验区域,在存在少量云的环境下进行水体提取,证明了本文指数能抑制云及其云下阴影.试验3提取了多个地区的水体,验证了本文水体指数的稳定性.本文使用多源光学遥感影像验证了NDMBWI的可行性,不需额外借助辅助数据,即可排除雪、云、阴影的影响,能够更加有效地自动化提取水体,可推广到海岸带资源研究、冰川变化、内陆湖泊变化等领域. 相似文献