基于多季相分形特征的Landsat 8 OLI影像耕地信息提取方法

利用遥感技术快速准确地提取耕地信息是耕地保护的关键环节。以山东省商河县为例,提出了一种基于多季相分形特征的Landsat 8 OLI影像耕地信息提取方法。首先采用毯子覆盖法计算多季相遥感影像每个像元的上分形信号和下分形信号,对比分析耕地和其他土地利用类型的分形特征,选取上分形信号的第3尺度作为特征尺度,提取商河县耕地空间分布特征;其次采用同时期的土地利用矢量数据、Esri land cover数据和统计数据进行耕地信息提取精度评价;最后分别设置多季相分形提取与单季相分形提取、现有土地利用数据产品的对比实验,并基于点位匹配度和面积匹配度进行评价。结果表明:多季相数据更能反映农作物生长的复杂性,有助于提高耕地信息的提取精度;不同土地利用类型在不同分形尺度的信号值各不相同,分形特征可以在不同尺度上清晰地刻画出不同土地利用类型的分异性;基于矢量数据和Esri land cover数据评价的多季相分形特征耕地提取点位匹配度为87.13%和89.83%,面积匹配度为99.73%和97.91%,均比单季相分形提取结果精度高;综合考虑点位匹配度、面积匹配度和空间分布特征,研发方法能有效区分耕地和其他土地利用类型,提取结果更优,且与统计数据有更高的一致性。该方法可准确提取耕地信息,为耕地的动态监测和损害评估提供技术支撑。

基于Landsat 8 OLI的东圳水库水质参数反演研究

遥感技术是监测内陆水体水质的有效手段,东圳水库是莆田市水源地,为了对水质进行实时监测,了解其空间分布情况,本文基于Landsat 8 OLI遥感影像,结合124个采样点实测获得的Chl-a、浊度、COD浓度分别构建统计回归模型、BP神经网络模型、XGBoost模型,并采用R^(2)、MAE、RMSE进行精度检验。结果表明BP神经网络模型效果优于统计回归模型,R^(2)均大于0.9,但存在过拟合现象;XGBoost模型可以有效防止过拟合,表现出较强的拟合能力和较高的预测精度。

基于Landsat 8 OLI和资源3号立体像对数据的桉树森林蓄积量估测

【目的】探索Landsat8 OLI数据和立体数据在估算桉树森林蓄积量(forest stock volume,FSV)中的潜力,并且准确地估计桉树的FSV。【方法】以3幅Landsat8 OLI图像和资源3号立体数据为遥感数据源,并且结合少量地面调查数据实现了桉树FSV的遥感估计。研究中提取了三类遥感特征用于估计桉树FSV:第一类是包括植被指数和单波段反射率在内的光谱特征;第二类是基于Landsat 8 OLI图像的单波段提取的8种纹理特征;第三类是基于资源3号立体像对数据和开源的数字高程模型(digital elevation model,DEM)提取的冠层高度模型(canopy height model,CHM)。利用Boruta算法对三类遥感特征进行提取,之后建立了随机森林(random forest,RF)、K-最近邻(K-nearest neighbor,KNN)和支持向量机(support vector machine,SVM)3种机器学习模型以及传统的多源线性回归模型(multiple linear regression,MLR),并以决定系数(R2)、均方根误差(root mean square error,RMSE)和相对均方根误差(relative root mean square error,rRMSE)作为评价指标对模型结果进行评估。【结果】基于ZY-3立体像对数据和开源的DEM数据提取的CHM与桉树的FSV具有很强的相关性,Pearson相关系数达到了0.71。仅仅利用基于Landsat 8 OLI图像提取的光谱和纹理特征难以准确2地估计桉树的FSV,估测模型的R为0.29~0.38,rRMSE为35.65%~43.30%,存在严重的数据饱和问题。2当变量集中加入CHM后,模型的估测精度明显提高,R达到了0.64~0.66,rRMSE为25.74%~26.41%。【结论】使用Landsat 8 OLI数据估算桉树FSV时存在严重的数据饱和问题,并且使用空间分辨率为30 m的纹理特征难以有效地改善森林蓄积量的估计精度。利用资源3号立体像对数据和开源的DEM数据可以提取较为准确的CHM,并且所提取的CHM可以解决改善光学数据的饱和问题,从而提高桉树FSV的估计精度。

基于Landsat 8 OLI影像的常用水体指数法分类精度对比

以南水北调受水区的石家庄为对象,以同期Sentinel-2 MSI影像的目视结果作为标准水体,使用11种常见水体指数,从Landsat 8 OLI影像中提取水体分布信息,基于转移矩阵的面积精度检验法、抽样精度检验法,对提取结果进行精度验证。结果表明,各水体指数法提取宽阔水面(如大型水库、湖泊)的区别不大,城区小水系、小型河道更能检验水体指数的提取能力,WI2019在对比的水体指数中表现最佳。分析表明,南水北调通水后,石家庄市除去大型水库后地表水体面积显著增加,从2014年42.0 km^(2)增长到2020年62.5 km^(2)。南水北调通水后受水区地表水体面积增长较快,鉴于大部分新增水体底部存在人工衬砌,地下水补给功能较差、无效蒸发较多,建议适当控制水体规模,以便有效减少外调水资源的浪费。

基于Acolite模型的Landsat8卫星影像大气校正

大气校正是将卫星传感器观测值转换为真实地表反射率的重要手段,也是构建各类卫星遥感产品的前提基础。本研究以临沂市及周边区域为研究区,应用Acolite模型对Landsat8卫星遥感影像开展植被、水体和人造地表等多种地物目标的大气校正,并对校正结果进行分析及精度评价。通过其与FLAASH模型及Landsat8 Collection2表面反射率数据集进行综合对比,可以发现,Acolite及FLAASH都能够在不同程度去除大气影响。相比而言,Acolite模型大气校正效果优于FLAASH模型,其地表双向反射率光谱曲线与Landsat8 Collection2表面反射率数据变化趋势基本一致。总体来看,Acolite模型对各类地物目标的大气校正整体精度较高,且应用该模型的方案具有操作简便,人工干预少等优点,可为各类地表遥感反演产品的构建提供技术支持。

基于OLI和TROPOMI卫星数据的北京市臭氧前体物研究

甲醛(HCHO)和二氧化氮(NO_(2))是重要的臭氧前体物,其比值(FNR)可用于指示臭氧生成敏感性,是臭氧污染防控的主要参考.本研究基于过采样算法提高TROPOMI HCHO和NO_(2)空间分辨率并降低原始数据的不确定性,揭示北京市2021年夏季HCHO和NO_(2)空间分布特征,基于FNR诊断北京地区臭氧生成敏感性.根据Landsat8 OLI数据计算北京地区环境指数及不透水面占比,并分析与HCHO、NO_(2)及FNR的关系,揭示北京城市化程度与O_(3)、VOCs和NOx排放的关系.研究发现,北京市NO_(2)高值主要分布在城市中心区域,非城区NO_(2)柱浓度显著减少.NO_(2)柱浓度均值随着不透水面占比的升高明显增大,但标准差逐渐变小,表明随着北京主城区城市化程度越来越高,城区内部NO_(2)排放差异越来越小.北京市城市中心区域HCHO柱浓度总体上高于非城区,但由于植被排放的异戊二烯的贡献从一定程度上弱化了城市化程度差异造成的VOCs排放差距.北京市主城区及东部廊坊一带的O_(3)表现为受VOCs控制,而北京市北部郊区的O_(3)主要受NOx控制.FNR均值随着不透水面占比的升高,明显减小,表明随着北京地区城市化程度的提高,臭氧生成敏感性逐渐向VOCs控制机制转变.

基于Landsat-8 OLI数据的新疆昭苏南克拉克斯赛依矿区蚀变信息提取

昭苏南克拉克斯赛依矿区气候条件恶劣,高寒缺氧,交通不便,积雪覆盖深厚,区内构造复杂,矿产资源丰富。充分发挥遥感技术的独特优势,对研究区未来的找矿工作有重要意义。文章将Landsat-8 OLI作为数据源,在预处理基础上,根据研究区矿产地质情况及围岩蚀变特征,采用主成分分析法进行铁染、羟基蚀变信息提取,结果表明:研究区蚀变异常信息分布特征具有一定规律,异常信息呈带状展布,与构造走向基本一致,羟基异常与铁染异常套合较好,且强度较高,结果与研究区内已知矿化点套合较好,证明蚀变信息为良好的找矿标志,对研究区找矿工作有重要的指导意义。

OLI与HSI影像融合的土壤盐分反演模型

土壤盐渍化问题是黄河三角洲地区主要的土地退化问题,借助遥感技术快速、准确地掌握土壤盐渍化信息,对农业可持续发展具有重要意义。该文以黄河三角洲垦利县为研究区,利用超球体色彩空间变换算法,将环境一号卫星HSI高光谱影像与Landsat 8 OLI多光谱影像进行融合,选择土壤盐分的特征波段,结合土壤盐分的实测数据,建立统计分析模型(多元线性回归、偏最小二乘回归)和机器学习模型(BP神经网络、支持向量机和随机森林),对土壤盐分进行遥感反演。结果表明:OLI影像的统计分析模型和机器学习模型精度均较低,精度最高的随机森林模型相关系数仅为0.570;HSI影像的反演模型精度高于OLI,BP神经网络模型相关系数为0.607;融合影像反演模型精度明显高于HSI影像和OLI影像,土壤盐分含量的实测值与机器学习模型预测值具有良好的相关性,BP神经网络模型、支持向量机模型和随机森林模型的决定系数R^2分别达到0.966、0.821和0.926,模型反演精度较高。研究表明,多光谱和高光谱影像融合能显著提高土壤盐分遥感反演精度,机器学习模型的反演效果明显优于统计分析模型。研究结果对黄河三角洲典型地区的土壤盐分反演具有积极的理论和实践意义。

基于多时相OLI数据的宁夏大尺度水稻面积遥感估算

为客观获取宁夏水稻面积空间分布信息,也为区域农作物遥感监测奠定技术基础,该文以宁夏回族自治区为研究区域,选择美国LandSat-8携带的陆地成像仪(operational land imager,OLI)数据,采用2016年3月11日-7月01日间的15景影像,基于水稻田耕地与水体特征反射率随着季节变化规律的分析,采用归一化植被指数(normalized difference vegetation index,NDVI)、近红外波段反射率(infrared reflectance,IR)、短波指数(short waved index,SWI)3个指数,以及多时相NDVI最大值、IR最小值、SWI最小值3个衍生指数,共6个指数为基础进行决策分类树构建,对全区水稻进行识别与提取,采用该区水稻面积本底遥感调查结果进行精度验证,水稻种植面积提取误差仅.4.22%,Kappa系数为0.83,水稻空间分布的用户分类精度分别为85.11%,制图精度为81.67%;同时与监督分类方法提取的水稻面积进行对比,该文方法提取水稻的用户精度提高了8.13个百分点,制图精度更是提高了20.01个百分点。研究结果表明,利用中高分辨率的OLI遥感时间序列卫星影像,在大宗农作物时间序列的变化规律分析基础上,构建分类决策树,可以准确地提取大宗农作物种植面积,是区域农作物面积遥感监测业务运行中具有潜力的方法。

基于模拟Landsat-8 OLI数据的小麦秸秆覆盖度估算

田间秸秆作为农业生产过程中的重要物质,其覆盖度的遥感估算具有十分重要的意义。Landsat-8 OLI影像作为Landsat系列影像的最新数据产品,具有更精细的光谱特征,明确其在秸秆覆盖度估算中的表现具有重要的现实意义。该研究使用ASD Field Spec 4 Hi-Res地物光谱仪,以实测田间小麦秸秆光谱反射率为数据源,模拟Landsat-8 OLI、Landsat-5TM、Aster、Hyperion影像波段反射率,构建光谱指数,并建立小麦秸秆覆盖度估算模型,通过对比分析,评估Landsat-8OLI数据的估算能力。结果表明,基于Landsat-8 OLI1和OLI2波段构建的NDIOLI21指数模型估算结果最优,决定系数(coefficient of determination,R2)为0.60,均方根误差(root mean square error,RMSE)为9.56%,平均相对误差(mean relative error,MRE)为9.83%,优于Landsat-5 TM构建的光谱指数,且仅次于Aster构建的木质素-纤维素吸收指数(lignin cellulose absorption,LCA)和短波红外归一化差异秸秆指数(shortwave infrared normalized difference residue index,SINDRI)以及Hyperion构建的纤维素吸收指数(cellulose absorption index,CAI)。因此,波段更多、波段划分更加精细的Landsat-8OLI构建的光谱指数在小麦秸秆覆盖度估算方面达到了一定精度,具有良好的应用前景。

基于TSAVI的OLI模拟数据翅碱蓬生物量反演研究

翅碱蓬是辽东湾北部滨海湿地一种典型的植被,其生物量的评估对了解滨海湿地生态系统生产力,生态系统机构和功能的形成具有十分重要的作用。而翅碱蓬覆盖度不均一,特别是自然状态下的覆盖度较低,土壤背景影响严重。将基于模拟Landsat 8 OLI数据的转换型土壤调整指数（transformed soil adjusted vegetation index,TSAVI）作为自变量,与地面实测生物量进行回归分析,构建了翅碱蓬群落生物量反演模型。结果表明：TSAVI（红光600~687nm,近红外820~880nm）与生物量的相关性显著,相关系数在0.9左右,最高相关系数可达0.92;线性、二次多项式优于对数、指数和幂模型,模型拟合优度r2都为0.83,再结合模型的F值和运算效率,认为线性模型是反演成熟翅碱蓬生物量的最优模型。最后,实现了研究区域Landsat 8 OLI卫星遥感数据翅碱蓬群落生物量反演及模型验证,估算值和实测值的相关系数r为0.962,平均相对误差为0.106,翅碱蓬覆盖度越大,相对误差越低,覆盖度低的翅碱蓬生物量反演的相对误差在0.18左右,表明所建立的线性反演模型在高、低覆盖度时均具有良好的反演精度;此外,还人为地将模型中土壤线系数a和b引入±5%扰动,扰动后的反演结果平均相对误差比较稳定,相关系数有所降低,但都在0.9以上,表明所建立反演模型具有较好的稳定性。

基于OLI影像的县域冬小麦种植面积提取

以河南省虞城县为研究区域,筛选冬小麦分蘖期至拔节期内的3期(分蘖期、越冬期、拔节期)高质量OLI遥感影像,进行辐射定标及FLAASH大气校正,以便将影像DN值转算为地表反射率,并利用全色波段进行影像融合处理以提高空间分辨率。以归一化差异水体指数(NDWI)、归一化差异建筑指数(NDBI)、归一化差异植被指数(NDVI)为基础,结合外业调查数据构建决策树模型,3期影像中NDWI大于0的像元为水体,NDBI大于0的像元为居民地,NDVI分别大于0.59、0.52、0.65的像元为冬小麦纯净像元,NDVI分别小于0.49、0.44、0.56的像元为其他地物,剩余部分为冬小麦混合像元,通过实地调研确定将混合像元面积折算为冬小麦实际种植面积的权重为0.46,最后计算虞城县冬小麦的实际种植面积。结果表明,冬小麦分蘖期至拔节期是遥感监测冬小麦种植面积的最佳时期,3期影像提取的2014年虞城县冬小麦种植面积分别为76 238.79 hm2、77 406.65 hm2、77 397.82 hm2,与往年统计数据和样地实测数据相比,精度达到了99%。

基于Landsat 8 OLI和MODIS数据的高寒草地盖度升尺度效应研究——以夏河县桑科草原试验区为例

基于Landsat 8OLI和MODIS卫星遥感资料,结合2013-2014年甘南州夏河县桑科草原试验区野外实测盖度数据,对草地盖度敏感的OLI波段及其组合指数进行了筛选,构建并确立了试验区基于MODIS植被指数的草地盖度反演模型,探讨了不同空间升尺度方式对草地盖度的空间效应。结果表明,1)OLI比值植被指数r(Band7/Band5)对草地盖度的响应最敏感,基于该指数的草地盖度最优反演模型为yoli=-270.064xoli+115.987(R2=0.833,P<0.001);2)基于MODIS MEVI和Landsat 8OLI比值植被指数r(30m)反演的盖度重采样数据(250m)的对数模型为最优草地盖度评估模型(R^2=0.795,P<0.001),其决定系数较MODIS MEVI与基于农业多光谱照相机(agricultural digital camera,ADC)的盖度数据建立的回归模型高(R^2=0.706),绝对误差和相对误差较低;3)基于OLI和MODIS植被指数的3种草地盖度回归模型(方法1~3)精度均优于直接使用MODIS植被指数建立的回归模型(方法4);方法3利用OLI比值指数r反演盖度(30m),将其升尺度至250m,再反演盖度构建的对数模型的精度最高(R^2=0.795),其次依次为方法2构建的模型(R2=0.760)、方法1构建的模型(R^2=0.730)和方法4构建的模型(R2=0.706)。

基于Landsat8 OLI数据的富贵竹种植区域信息提取

富贵竹作为一种观赏植物,在我国南方省份有大面积种植,具有良好的经济价值。为了解与监测区域富贵竹种植情况,以Landsat8 OLI遥感影像为数据源,构建了一种新的网体—水体差异增强指数(difference enhence between net and water index,DENWI)作为特征参数,通过面向对象的分类方法建立富贵竹信息提取规则集,得到研究区域内富贵竹的种植信息,并与2种传统信息提取方法进行对比研究。结果表明,相比于传统方法,基于DENWI的面向对象分类方法可以更有效地提取富贵竹种植信息,总体分类精度为98. 46%,Kappa系数为0. 97,该方法监测提取富贵竹种植信息是可行且有优势的,可以为富贵竹种植监测和管理提供科学依据。

基于Landsat OLI的绿洲灌区土壤盐度最优预测尺度分析

【目的】基于遥感提取的多尺度遥感指示因子和土壤实测电导率数据,借助统计分析,试图探寻适合干旱区典型绿洲灌区土壤盐度变异的最佳观测尺度和指征变量,为快速评估绿洲土壤盐渍化提供备选方案。【方法】以新疆渭干河-库车河绿洲为研究区,以野外采集的土壤盐度数据(采集0—10、10—20、20—40和40—60 cm土层土样,制备土壤饱和溶液并测试电导率(ms·cm-1))并将其作为预测对象(n=87),借助Landsat OLI遥感影像数据,利用栅格重采样(30—1 000 m)和领域滤波(原始分辨率为30、60、90、120、150、180、210 m,滤波尺度为3×3至31×31)两种方式,生成多个尺度若干种指示因子(主成分分析、缨帽变化、植被指数、湿度指数),共计获得1 078个(其中,栅格重采样生成352个,领域滤波生成726个)环境变量。在此基础之上,利用线性和非线性曲线模型分别拟合上述两种模式下土壤盐度和环境变量之间的相关性,进而找出最优环境因子和预测尺度。【结果】栅格重采样模式下能够较好响应各层土壤变异性的皆为非线性模式。其次,该模式下,拟合精度随着空间分辨率的降低而降低。此模式下最佳推理尺度为30 m,该尺度下最佳响应变量除了40—60 cm处为三波段差分指数(Three-band Maximal Gradient Difference,TGDVI)外,其余深度皆为扩展的归一化指数(Extended Normalized Difference Vegetation Index,ENDVI)。领域滤波模式下的最佳推理尺度为180 m(滤波尺度3×3),同时,各层最佳拟合变量皆为扩展的增强型植被指数(Extented Enhanced Vegetation Index,EEVI)。相比较栅格重采样模式,该模式下的拟合精度全面优于前者,各层依次提高14.60%、34.40%、32.10%和21.70%。【结论】基于领域滤波模式下,像元分辨率为180 m,窗口大小为3×3的ENDVI指数更适合预测本研究区土壤盐度的空间变异性。

基于Landsat 8 OLI数据的华北平原农作物种植结构遥感解译研究

利用华北平原2013年65景Landsat 8 OLI数据,通过ENVI软件对影像进行预处理,采用面向对象的信息提取和人机交互式解译方法,对华北平原小麦、玉米、水稻、大豆等主要作物分布及种植结构进行了系统的解译,划分了研究区小麦玉米两熟区、小麦水稻两熟区、水稻两熟区、小麦大豆两熟区、玉米一熟区、水稻一熟区分布范围,并分析了研究区农作物种植结构影响因素。结果表明,基于Landsat 8 OLI数据对大区域主要作物种植面积及种植结构遥感解译的技术和方法是可行的,能为研究农作物种植结构提供有效方法。

基于Landsat8OLI数据的遥感蚀变异常提取应用研究-以内蒙古阿鲁科尔沁旗地区为例

在内蒙古阿鲁科尔沁旗地区地质调查工作中,应用"去干扰-主分量分析-异常筛选"方法体系,根据研究区成矿条件和Landsat8卫星OLI传感器数据特点,进行遥感蚀变异常提取.在对提取结果进行野外验证时,发现多处矿化点,有力支持了地质找矿工作.

基于OLI数据与决策树法的去山体阴影水体信息提取研究

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。

基于乡镇尺度Landsat8 OLI影像融合算法适应性研究

本文利用OIF因子选择乡镇尺度下Landsat8 OLI影像MS最优波段组合,在此基础上,研究OLI影像MS波段与PAN波段对6种融合算法:Brovey法、PCA法、Daubechies小波变换法、Coifet小波变换法、HIS与小波相结合的变换法、PCA与小波相结合的变换法融合的适应性,并对融合前后影像进行SVM分类,以验证融合结果在实际生产应用中的有效性。结果表明:B456为7波段35种组合方式中最佳波段组合,其OIF值为27.842;对融合前后影像进行定性和定量精度评价,OLI影像对PCA算法融合适应性最强,各精度指标均占优;Daubechies小波算法光谱扭曲度最小;HIS-wavelet算法清晰度最高;PCA-wavelet算法相关系数最高,融合结果信息含量最大;适应性最差为Brovey算法。土地利用分类精度验证结果表明:OLI影像经PCA算法融合后有助于提高分类精度。

基于landsat8 oli数据的合肥市热岛时空特征分析

热岛效应是一种城市化进程中所产生的特有环境问题,是一个地区的气温高于周围地区的现象。为了揭示快速城市化地区热岛的时空变化特点,利用2014年的Landsat8 oli遥感数据,通过遥感算法反演合肥市地表温度,并对合肥市热岛分布及成因加以分析,同时分析了归一化植被指数(NDVI)、归一化建筑指数(NDBI)与热岛分布的关系,以及城市下垫面对热岛效应的影响,并对城市热场进行生态评价分析。结果表明,合肥市四季均存在热岛现象,热岛强度表现为夏季最强,最高温度达57.86℃,秋季次之,春季、冬季较弱。春、夏、秋3个季节热岛多集中在主城区,冬季热岛多分布在乡镇及裸土区,城区热岛强度较弱。热岛效应多集中在不透水面和裸土区,城市冷岛多出现在水体位置。城市热岛分布与归一化植被指数呈负相关关系,与归一化建筑指数呈正相关关系。改进半径法可以较好区分城市建成区,建成区与郊区温度分布存在明显差异。