共查询到19条相似文献，搜索用时 109 毫秒
1.
基于TM影像的城市建筑用地信息提取方法研究 总被引：2，自引：0，他引：2
本文选用金华市Landsat TM影像为研究的数据源,在归一化裸露指数基础上,利用归一化植被指数提取出非植被信息,通过图像二值化、叠加分析以及掩膜处理去除了低密度植被覆盖区域的噪音信息,自动提取了金华城市建筑用地信息。研究结果表明,归一化裸露指数和归一化植被指数相结合的方法弥补了单一利用归一化裸露指数来提取城市建筑用地信息的不足,提高了提取精度,而且结果客观可信,是一种不经人为干预的、快速有效的提取城市建筑用地方法。 相似文献
2.
结合建筑指数的城市建筑用地提取与变化检测分析 总被引：1，自引：0，他引：1
利用2000,2003,2007,2009年ETM+影像,结合归一化建筑指数NDBI、新居民地提取指数NBI、差值建筑用地指数DBI等建筑物提取指数对南京市主城区建筑用地信息进行有效提取和分析,采用分类比较法检测各年份间建筑用地的变化情况,并结合近年来南京市城市规划发展现状,探究城市建筑用地变化的深层原因和变化趋势。与传统研究利用监督分类结果分析建筑用地信息不同,本研究将建筑指数与变化检测方法结合,用于城市建筑用地变化及其内在驱动力分析。实验结果证明,南京市建筑面积增加和建筑用地变化趋势直接反映了南京市城市扩张程度,且与城市化进程发展趋势一致。研究成果对比多种建筑指数,对揭示南京市城市化扩张原因、指导城镇规划、土地利用决策等具有一定的参考价值和意义。 相似文献
3.
遥感组合指数与不同分类技术结合提取农业用地方法 总被引：1，自引：0，他引：1
多光谱遥感影像因具有丰富的波谱信息,提高了地表覆盖的辨识能力,利用遥感数据高精度自动提取专题信息是目前研究的热点和难点。本文以北京市ASTER影像为例,通过对城市生态环境中土地类型及其光谱特征规律分析,组合归一化差异植被指数、修正归一化差异水体指数和归一化差异建筑指数三种指数,制作组合指数新影像。对组合指数影像采用基于支持向量机的面向对象分类方法进行农业用地信息提取,同时将该方法分别与基于原始影像、组合指数影像的最大似然及支持向量机的分类方法进行对比分析。实验结果表明:组合归一化差异指数影像压缩了数据维数,降低了覆盖地物相关性,易于农业用地信息提取。对组合指数影像采用基于支持向量机的面向对象分类方法精度达95.701%。 相似文献
4.
5.
基于TM图像的“增强的指数型建筑用地指数”研究 总被引：6，自引：0，他引：6
以Landsat TM/ETM+图像为数据源,研究城镇和农村建筑用地信息的提取方法.首先利用TM7,4,2波段创建归一化差值裸地与建筑用地指数(normalized difference bareness and built- up index,NDBBI);然后根据裸地在裸土指数(bare doil index,BSI)图像上的亮度值最高、在改进型归一化差值水体指数(modified normalized difference water index,MNDWI)图像的亮度值最低的特征,提出了增强型裸土指数(enhanced baresoilindex,EBSI);最后选用NDBBI,EBSI,MNDWI和SAVI( soil adjustment vegetation index,SAVI)4个指数,构建一种新型的建筑用地指数,称为“增强的指数型建筑用地指数”( enhanced index - based built - up index,EIBI),可快速地提取建筑用地信息.实验结果表明,用EIBI提取的建筑用地信息客观,人为干预少,可信度高,提取精度可达90％以上,适合于同时提取城市和农村建筑用地信息. 相似文献
6.
利用改进的归一化差异水体指数（MNDWI）提取水体信息的研究 总被引：238，自引：7，他引：238
在对M cfeeters提出的归一化差异水体指数(NDWI)分析的基础上,对构成该指数的波长组合进行了修改,提出了改进的归一化差异水体指数MNDWI(M odified NDWI),并分别将该指数在含不同水体类型的遥感影像进行了实验,大部分获得了比NDWI好的效果,特别是提取城镇范围内的水体。NDWI指数影像因往往混有城镇建筑用地信息而使得提取的水体范围和面积有所扩大。实验还发现MNDWI比NDWI更能够揭示水体微细特征,如悬浮沉积物的分布、水质的变化。另外,MNDWI可以很容易地区分阴影和水体,解决了水体提取中难于消除阴影的难题。 相似文献
7.
一种基于TM影像的不透水面信息提取方法 总被引：1，自引：0，他引：1
针对TM影像不透水面提取的研究,通过综合分析被广泛应用于提取不透水面的归一化差异不透水面指数法和归一化差异植被指数法,从而提出一种改进的快速提取不透水面的方法--实验指数组合法,即通过将植被指数取反减去水体指数。以高分影像ZY3和可提供经纬度信息的Google Earth作为参考,将归一化差值不透水面指数、归一化差值植被指数和实验指数组合法得到的提取结果分别进行评价,获得了图像的分类精度,对比可知实验组合指数法的精度高于其他两种指数结果,其精度为88.16%。 相似文献
8.
9.
基于高分辨率遥感影像的地理国情普查水体信息提取方法 总被引：2，自引：0，他引：2
地理国情普查体系内容之一是提取水体地表覆盖信息,掌握我国水体现状以及空间分布情况。常规归一化差异水体指数（NDWI）算法不能完全满足基于高分辨率遥感影像提取水体信息的需要。本文以WorldView2的4波段（B、G、R、N）影像为数据源,研究基于高分辨率遥感影像的、面向对象的水体信息提取方法。研究发现：水体在蓝波段（Layer B）上表现出较强反射特性,利用蓝波段的比率值（Ratio Layer B）、标准方差值（Standard Deviation Layer B）两项指标,结合水体指数,能够构建基于高分辨率遥感影像水体提取的基本规则集,完成水体信息的自动提取,并且提取的结果质量较好。通过选取验证区,对提取方法的稳健性进行了验证,结果证明：该方法能够在地理国情普查这种基于高分辨率遥感影像的工程化生产应用中发挥重要作用。 相似文献
10.
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
11.
以成都市为研究区,定量分析了各地表特征参数与地表温度之间的线性关系。通过对地表温度与归一化植被指数(NDVI)、归一化建筑指数(NDBI)、归一化水汽指数(NDMI)进行局部区域逐像元分析和总体区域统计分析,结果表明NDVI,NDMI,NDBI与地表温度间都存在明显的线性关系,可用于说明地表温度的动态变化,在3月份,NDMI与地温的相关性更优于NDVI。对传统城市热现象研究中,NDMI与NDBI能够用来以NDVI作为分析地表温度随季节而变化的互补的度量标准。 相似文献
12.
基于指数分析法的西安市土地利用变化及驱动力研究 总被引：1，自引：0，他引：1
基于2000和2007年2期TM遥感影像,利用指数分析法,分别提取出归一化差异建筑指数(NDBI)、修正归一化差异水体指数(MNDWI)和归一化差异植被指数(NDVI)3种指数模型,分别代表西安市的3种最主要的土地利用类型--建筑用地、水体和植被.采用神经网络分类器进行监督分类,借助ERDAS Imagine 9.0、ENVI、ArcGIS 9.2和Matlab等软件平台,计算出西安市土地利用类型的动态转移矩阵,构建了土地利用变化动态度指数模型,定量分析西安市土地利用的时空变化.依据研究区土地利用变化的结果分析,变化的驱动力因子主要是人口增长、经济增长和政策变动. 相似文献
13.
运用K-L变换和NDBI(Normalized Difference Barren Index)指数法,对试验区--沧州市及其周边地区的ASTER遥感影像进行处理,然后分别对两种方法处理后的图像采用最小距离法监督分类,提取城市用地信息,并对分类后的图像进行对比,结果表明:NDBI指数法对城市用地信息提取的效果较好. 相似文献
14.
15.
16.
深入分析研究区不透水表面和其他城市基本组分土地覆盖类型的特征后,通过研究已有归一化不透水表面指数(NDISI)提取方案的适用性和研究区域特点,创建出一种改进型归一化差值不透水表面指数(MNDISI),并结合实地调查分析,在中等分辨率影像上运用基于对象的方法,提出新的指数增强提取方案,实现不透水表面信息的自动准确提取,并将其作为一个范例供其他西北内陆城市借鉴。 相似文献
17.
Ansar Khan Soumendu Chatterjee Hashem Akbari Saad Saleem Bhatti Apurba Dinda Chandana Mitra 《国际地球制图》2019,34(5):504-527
The extraction of urban built-up areas is an important aspect of urban planning and understanding the complex drivers and biophysical mechanism of urban climate processes. However, built-up area extraction using Landsat data is a challenging task due to spatio-temporal dynamics and spatially intermixed nature of Land Use and Land Cover (LULC) in the cities of the developing countries, particularly in tropics. In the light of advantages and drawbacks of the Normalized Difference Built-up Index (NDBI) and Built-up Area Extraction Method (BAEM), a new and simple method i.e. Step-wise Land-class Elimination Approach (SLEA) is proposed for rapid and accurate mapping of urban built-up areas without depending exclusively on the band specific normalized indices, in order to pursue a more generalized approach. It combines the use of a single band layer, Normalized Difference Vegetation Index (NDVI) image and another binary image obtained through Logit model. Based on the spectral designation of the satellite image in use, a particular band is chosen for identification of water pixels. The Double-window Flexible Pace Search (DFPS) approach is employed for finding the optimum threshold value that segments the selected band image into water and non-water categories. The water pixels are then eliminated from the original image. The vegetation pixels are similarly identified using the NDVI image and eliminated. The residual pixels left after elimination of water and vegetation categories belong either to the built-up areas or to bare land categories. Logit model is used for separation of the built-up areas from bare lands. The effectiveness of this method was tested through the mapping of built-up areas of the Kolkata Metropolitan Area (KMA), India from Thematic Mapper (TM) images of 2000, 2005 and 2010, and Operational Land Imager (OLI) image of 2015. Results of the proposed SLEA were 95.33% accurate on the whole, while those derived by the NDBI and BAEM approaches returned an overall accuracy of 83.67% and 89.33%, respectively. Comparisons of the results obtained using this method with those obtained from NDBI and BAEM approaches demonstrate that the proposed approach is quite reliable. The SLEA generates new patterns of evidence and hypotheses for built-up areas extraction research, providing an integral link with statistical science and encouraging trans-disciplinary collaborations to build robust knowledge and problem solving capacity in urban areas. It also brings landscape architecture, urban and regional planning, landscape and ecological engineering, and other practice-oriented fields to bear together in processes for identifying problems and analyzing, synthesizng, and evaluating desirable alternatives for urban change. This method produced very accurate results in a more efficient manner compared to the earlier built-up area extraction approaches for the landscape and urban planning. 相似文献
18.
Tanumi Kumar Abhishek Mandal Dibyendu Dutta R. Nagaraja Vinay Kumar Dadhwal 《国际地球制图》2019,34(4):415-442
In remote sensing the identification accuracy of mangroves is greatly influenced by terrestrial vegetation. This paper deals with the use of specific vegetation indices for extracting mangrove forests using Earth Observing-1 Hyperion image over a portion of Indian Sundarbans, followed by classification of mangroves into floristic composition classes. Five vegetation indices (three new and two published), namely Mangrove Probability Vegetation Index, Normalized Difference Wetland Vegetation Index, Shortwave Infrared Absorption Index, Normalized Difference Infrared Index and Atmospherically Corrected Vegetation Index were used in decision tree algorithm to develop the mangrove mask. Then, three full-pixel classifiers, namely Minimum Distance, Spectral Angle Mapper and Support Vector Machine (SVM) were evaluated on the data within the mask. SVM performed better than the other two classifiers with an overall precision of 99.08%. The methodology presented here may be applied in different mangrove areas for producing community zonation maps at finer levels. 相似文献