基于GEE的Landsat-8与Sentinel-2影像在棉花种植提取中差异性分析及提取方法对比研究

棉花作为南疆地区重要的经济作物之一,在经济工作中起着至关重要的作用。及时、准确地获取棉花种植面积,对农业政策和经济发展具有重要意义。为了实现这一目标,需要综合分析不同方法和遥感数据对最终棉花种植面积制图精度的影响。本研究以新疆阿克苏地区棉花种植区为例,借助Google Earth Engine云平台,采用随机森林法(RF)、支持向量机法(SVM)、最小距离分类法(MDC)等3种机器学习方法,利用2类中分辨率影像提取棉花种植信息,充分评估使用的档案数据和官方统计数字。结果表明,采用Sentinel-2方法和RF获得了最优棉花图,随机森林法分类器的总体精度、Kappa系数和用户精度分别高达97.4%、96.7%和91.1%,分别比Landsat-8图像和RF模型的结果高出7.3百分点、0.081、2.8百分点。与官方统计数据相比,采用RF、SVM、MDC对Sentinel-2和Landsat-8图像的棉花种植面积估算图的精度分别为98.4%、95.8%、79.6%和90.3%、83.7%、72.5%。很明显,Sentinel-2和RF模型的组合与官方数据的一致性最高。对比分析结果表明,Landsat-8和Sentinel-2数据可用于大范围复杂种植结构的棉花高精度测绘。本研究结果有望为棉花大面积鉴别提供一定的理论指导和实践指导。

基于Landsat-8的湛江东海岛地物分类研究

“宝钢湛江项目”的实施对近十年湛江东海岛的地物分布产生剧烈影响,尤其是工业用地。本文基于2013年、2017年和2021年的陆地卫星8号(Landsat-8)数据对湛江东海岛进行地物分类,研究该区域近十年的用地变化趋势。以2013年数据为参照:采用归一化水体指数(Normalized Difference Water Index,NDWI)模型和谱间关系模型实现水陆分离,比对选择分离效果较优者以提取东海岛岸线;对比最大似然法、神经网络法和支持向量机法3种监督分类方法,选择提取地物效果最优者应用于其余数据。基于Google earth在线地图及无人机实测数据构建验证点集,使用混淆矩阵进行精度评价。结果表明:谱间关系模型的水陆分离效果较优,提取海岛岸线的精确度有明显提升;支持向量机法的分类总体精度和Kappa系数最高,分类结果能较好地反映研究区的真实地物分布;汇总三年数据的分类结果,发现用于发展工业的土地面积增长突出且处于持续增长趋势。谱间关系模型与支持向量机法分别实现了对东海岛岸线和地物类型的准确提取,得出近十年研究区的用地变化趋势,能为研究区的用地规划提供参考。

基于Landsat-8影像的土地利用变化分析研究——以青岛市黄岛区为例

选取山东省青岛市黄岛区为研究区域,获取影像图上的土地利用状态信息,从不同方面分析青岛市黄岛区2014—2020年土地利用变化时空特征。研究结果表明:2014—2020年青岛市黄岛区的土地利用结构以耕地和林地为主;6年中经济处于持续发展阶段,其他用地都不同程度地转化为建设用地;城市重心不断向东北方向偏移。该文研究分析区域内的土地利用情况,对合理调整区域内的经济发展和资源利用等方面具有很大的意义。

基于Landsat-8数据的洞庭湖区地表水体提取方法评价

为精准识别水体信息并实时监测湖泊水体时空特征及其环境特征变化情况,以洞庭湖为例,基于Landsat-8影像数据分别使用改进的归一化差异水体指数(Modified Normalized Difference Water Index,MNDWI)、自动水体提取指数(Automated Water Extraction Index,AWEI sh)、支持向量机(Support Vector Machine,SVM)、人工神经网络(Artificial Neural Networks,ANNs)、随机森林(Random Forest,RF)等5种方法提取枯、丰水期水体分布信息,通过精度指标评价及影响因素分析,旨在找到提取精度高、鲁棒性强的水体提取方法。结果表明:5种方法中SVM法水体提取总精度最高且泛化能力良好。研究成果可为各方法适用性提供一定参考,并通过定量分析揭示漏提率在提取精度评价指标中的重要性。

基于ZY-3和Landsat-8影像的内蒙古北山地区地层构造解译

内蒙古北山地区属于典型的戈壁荒漠区,基岩裸露,植被不发育,构造复杂,遥感技术在该地区的应用能起到事半功倍的作用。本文基于ZY-3和Landsat-8 OLI影像,选择内蒙古北山基东地区为研究区,利用ZY-3和Landsat-8 OLI数据,并以数据协同理论为基础,运用图像融合、彩色合成、主成分分析、空间滤波等岩性、空间信息增强技术,对研究区展开遥感地质解译,建立该地区地层、构造遥感解译标志。经野外验证,多数解译标志准确可靠,解译地质界线和构造信息与野外实际情况吻合度较高,极大地提高了填图工作效率。研究结果表明,ZY-3和Landsat-8 OLI协同数据在该地区地质调查中具有广阔的应用前景。

基于Landsat-8 TIRS的防城港核电站温排水分布规律研究

利用夏季和冬季两幅Landsat-8 TIRS数据,通过辐射传输方程法对防城港核电站附近海域温度反演,结合潮汐数据分析防城港核电站温排水造成附近海域温度变化的影响规律。结果表明:冬季与夏季对低于4℃的温升变化范围影响不大,高于4℃的温升变化范围影响显著;潮汐运动对温排水扩散方向有明显影响,潮涨时温排水向东北方向扩散,潮落时向西南方向扩散。探索核电站温排水的分布状况及分布规律,对保护海洋生态环境具有重要意义。

基于Landsat-8的柳州市地表温度变化遥感反演研究

地表温度作为地球表面非常重要的参数之一,其影响着地球的能量交换和水汽循环,同时也对人类的日常生产生活、生态环境的变化有着重要的影响。该文基于2013—2019年共9期的Landsat-8卫星遥感影像,采用大气校正法对柳州市进行地表温度反演来分析研究区地表温度变化情况。研究结果表明,柳州市存在明显的高温集中区域,主要集中在人口活跃、密集的商业住宅区和工业区,说明地表温度与人类活动密切相关。

基于NPP-VIIRS及Landsat-8的多时相城市建成区提取方法探讨

随着遥感技术的发展,由夜间灯光数据提取城市建成区已成为主要方法之一。传统阈值提取方法在小尺度的研究中存在较明显误差,以三明市三元区为研究区,基于2013—2021年NPP-VIIRS夜间灯光数据和Landsat-8遥感数据,利用夜间灯光数据的空间自相关特性,在扣除植被和水体后向前迭代提取2013—2021年多时相城市建成区。研究表明,改良方法总体分类精度在2013—2021年间不低于99%,Kappa系数不低于0.88,较传统的阈值法提取结果在精度和稳定性上有明显提升。

基于Landsat-8陆地卫星数据的火点检测方法

传统的火点检测算法通常利用高温地物在中红外波段或热红外波段的高发射率特性来提取火点,然而受制于影像空间分辨率的限制如MODIS、AVHRR等,使得很多小规模火情现象被漏检.研究发现短波红外数据也同样能被用于高温地物的识别和检测,并且相较于热红外波段数据对低温和高温地物的区分度更大,在精确识别和定位高温目标方面更加准确.文章利用空间分辨率为30米的Landsat-8 OLI传感器数据,根据高温火点在近红外及短波红外波段的波谱特性,利用改进的归一化燃烧指数(NBRS)结果自适应地确定阈值来提取疑似火点,然后再利用高温火点在短波红外的峰值关系进行误检点剔除,从而得到最终的火点产品.提出的算法能检测到所占像元面积10%左右的火点,并能够有效地排除云层及建筑物的干扰,在保证较低漏检率的同时还能达到90%左右的准确率,相比于传统算法的火点提取精度有很大的提高.

Landsat-8卫星数据应用探讨

在过去的40年里,Landsat系列卫星对启蒙和推动遥感应用技术的发展起到了重要作用,其遥感图像数据在我国得到了广泛应用。Landsat-8卫星是Landsat系列卫星的后续任务,已于2013年2月发射,目标是延续Landsat系列卫星数据的连续性,为农业、水资源管理、植被监测、灾害响应等领域继续提供高质量的图像数据。本文将首先介绍Landsat-8卫星的研制背景、卫星的基本参数和新型成像仪的数据特点,然后对比ETM+数据,介绍了Landsat-8卫星的数据产品分级以及数据的应用方向上的变化。

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。

基于支持向量机的Landsat-8影像森林类型识别研究

以吉林省汪清林业局天然林区为研究区,利用Landsat-8 OLI_TIRS多光谱遥感影像,结合森林资源野外调查数据,提取森林类型纹理、光谱特征参数,作为支持向量机的输入量,利用K-折交叉验证法确定最优核函数,识别森林类型,确定最优分类结果,评价分类精度,并与仅利用波段光谱特征的SVM分类结果进行精度对比。结果表明:利用纹理和光谱特征进行分类,构造SVM进行森林识别是可行的。惩罚系数C=100.0、核函数半径σ=1.000时的径向基核函数构造的支持向量机分类精度最好,总体分类精度可达89.58%,Kappa系数为0.87,单一分类精度中,阔叶林>针叶林>针阔混交林。只利用光谱特征的分类结果精度为81.26%,结合光谱和纹理特征的规律,能够提高分类精度。

Landsat-8与GF-1卫星渤海海冰探测能力对比研究

为更有效地利用Landsat-8和GF-1卫星进行渤海海冰监测,从海冰检测和海冰类型识别两方面,开展Landsat-8与GF-1卫星的渤海海冰探测能力对比分析研究。实验研究表明,在海冰检测方面,GF-1区分海冰与海水的能力强于Landsat-8;在海冰类型识别方面,Landsat-8识别海冰类型的能力要强于GF-1影像。初步讨论了综合利用Landsat-8与GF-1卫星监测渤海海冰的方案。

基于Landsat-8影像的西宁市南北山森林生物量估测模型研究

基于Landsat-8遥感影像结合同期的野外调查样地数据,建立青海省西宁市南北山森林生物量估测模型。通过对Landsat-8遥感数据6个原始波段的灰度值和4个常用植被指数(DVI、NDVI、EVI、SAVI),开展主成分分析后得到主分量PCA1、缨帽变换得到BRIGHT、GREEN、WET,分析遥感信息与生物量的相关性,运用逐步回归分析法建立研究区森林生物量回归估测模型:B=119.495+3.704E-24e DVI+0.026OLI-52-3.478OLI-5(R2=0.554,p<0.01),经检验模型的平均相对误差为13.509%,反演得到西宁市单位面积森林生物量为5.227t/hm2,总森林生物量为998 991.768t。结合西宁市遥感影像,绘制了西宁市森林生物量分布图。

基于Landsat-8数据南海近岸悬浮泥沙与叶绿素a浓度定量反演

为了对南海近岸海域海水悬浮泥沙与叶绿素a进行浓度估算,基于Landsat-8数据确定悬浮泥沙与叶绿素a的敏感波段并构建估算模型。结果表明,Landsat-8数据第一、二、四波段对悬浮泥沙浓度较为敏感,第一、二、三波段对叶绿素a浓度较为敏感,而以上单波段仍不能单独用于准确提取该区悬浮泥沙与叶绿素a,故建立多种形式的统计模型。由第一、二、四波段线性组合形成的悬浮泥沙浓度反演模型的相关系数达到0.904,平均相对误差为10.24%,反演精度为89.76%。由第一、二、三波段线性组合形成的叶绿素a浓度反演模型的相关系数达到0.886,平均相对误差为11.27%,反演精度为88.73%。

利用Landsat-8和Worldview-2数据进行协同岩性分类

提出了一种对Landsat-8和Worldview-2协同后的岩性分类方法。首先对Landsat-8和Worldview-2影像进行协同:在对Landsat-8全色波段与其多光谱进行自协同后,与Worldview-2多光谱第8波段数据协同,将协同后的Landsat-8中短波红外数据与Worldview-2数据进行叠加,得到最后协同结果。对协同后的数据进行岩性分类:利用基于最大似然法(maximum likelihood,ML)进行初始分类,由马尔科夫随机场法(Markov Random Field,MRF)对结果进行优化得到最终分类结果。采用新疆西昆仑地区遥感数据进行了实验,结果证实协同后数据的分类结果具有更高的分类精度。

基于Landsat-8和LSMM的冬小麦面积提取研究——以皖北为例

美国国家航空航天局(NASA)成功发射了最新系列的陆地卫星(Landsat-8),搭载的陆地成像仪(OLI)对波段进行了重新调整,从而避免了大气吸收干扰,能够更好地区分植被和无植被特征,为农业遥感提供了全新的高质量数据。本文选取皖北(阜阳、蚌埠、宿州)为研究区域,以Landsat-8遥感影像为研究数据,经缨帽变换得到遥感影像的主成分信息,并用其分量甄选出不同地物的端元,最后建立线性混合像元模型(LSMM),并对皖北地区冬小麦进行提取。与历史统计数据对比,冬小麦种植面积的提取精度达到了90%以上,说明利用Landsat-8和LSMM开展大尺度范围的小麦种植面积提取具有明显的优势。

利用Landsat-8影像的南昌地区热岛效应研究

针对南昌地区热岛效应问题,提出采用改进的单窗算法反演地表温度,在利用实测数据验证了本算法可靠性的同时,分析了南昌地区热岛效应的空间分布与季节变化特征及其与植被覆盖度、土地利用分类、水体等影响因子之间的关系。结果表明,该文所用单窗算法是有效的,南昌地区热岛时空现象明显,秋季的热岛效应强度最强,冬春季次之,夏季最弱。不同土地利用类型对热岛效应影响不同;地表温度与植被覆盖度之间存在明显的负线性相关;水体对降低地表温度效果显著。

Landsat-8 TIRS数据在某核电站温排水监测中应用探讨

为探索Landsat-8 TIRS热红外数据在核电站温排水监测的应用能力,以某核电附近海域为研究区域,采用单窗算法建立核电站附近海域表面温度反演方法,并将该结果与时相接近的MODIS海温产品数据进行了对比分析。结果表明,反演的温度场可较精细地刻画该核电站附近温度场的分布情况,Landsat-8 TIRS数据可实现较高精度的核电站温排水监测。

基于纹理信息的Landsat-8影像植被分类初探

遥感图像植被分类一直为遥感领域的热点,对于中低分辨率的影像,传统的分类方法主要是利用影像的光谱信息,对于影像的空间信息利用较少,而事实证明遥感影像的空间信息也十分丰富。为了提高遥感影像的空间信息利用率,提取了最新的Landsat-8的空间纹理信息,结合空间纹理信息与光谱信息对遥感影像进行植被的分类。实验证明:辅以纹理的分类总体精度为84.68%和83.87%,光谱分类总体精度为82.26%,结合了空间纹理信息后的分类精度比传统的方法有明显的提高。