基于Landsat8 OLI遥感数据的辽河口湿地分类与动态监测研究

湿地复杂地类的时空分布特征提取和变化监测,对湿地资源的合理保护与社会可持续发展具有重要意义。以辽宁辽河口湿地作为研究区,结合生态环境野外数据采集,利用Landsat8 OLI遥感影像,开展2013,2015,2017,2020共4年的辽河口湿地信息提取、分类、变化研究。利用不同湿地类型的空间分布,采用监督分类方法,从Landsat8 OLI遥感影像中精准提取湿地信息,基于3种监督分类方法,针对不同地物的分类结果,选出每种地物分类精度最高的结果图像融合,并进行变化分析。结果表明:最高的总体分类精度方法为支持向量机,分类精度81%,Kappa系数为0.76。矢量融合后的分类图,平均分类精度为87.4%,Kappa系数为0.82,提高湿地分类精度效果明显。研究区2013~2020年天然湿地面积变化总体呈减少趋势,总面积减少12.43%,约113.46km^(2);人工湿地面积总体增加24.96%,约87.10km^(2);非湿地总体面积增加89.08%,约24.85km2;天然湿地地物中,碱蓬草湿地草地面积基本持平,总面积维持在26km^(2);芦苇湿地、滩涂面积总体呈减少趋势,分别减少126.26km^(2)和36.41km^(2)。研究结果为辽河口湿地分类以及动态监测提供方法和数据支持,对辽河口湿地生态保护具有重要的意义。

基于随机森林的GF-6 WFV和Landsat8 OLI遥感影像分类比较

高分六号卫星具有宽覆宽、多种分辨率、波段多的优势,能为遥感土地覆盖提供更丰富的信息。为了明确GF-6 WFV在土地覆盖分类中的重要性,以山西省浑源县为研究对象,选取同期Landsat8 OLI影像为对比数据集,采用随机森林分类方法进行土地覆盖分类对比研究,结果表明:GF-6 WFV和Landsat8 OLI总体分类精度分别为91.11%和87.87%,Kappa系数分别为0.89和0.85,说明GF-6 WFV的分类效果优于Landsat8 OLI。对比GF-6 WFV和Landsat8 OLI影像的地物光谱特征分析可知,各地物在两幅影像的近红外波段区分较明显,但是GF-6 WFV在红边波段对耕地、林地、草地和灌木的可分性更好,尤其是在红边2波段差异最明显;GF-6 WFV提取的地类面积占比更接近真实值,此外,GF-6 WFV具有更高分辨率的优势,在复杂地物类型分布的地区,GF-6 WFV的分类精度更高。

基于改进CDAG云检测算法的Landsat8 OLI云雪识别

云检测阈值自动生成(CDAG)算法是一种自动生成阈值的云检测方法,这种方法是使用预先准确确定出云和晴空像元的AVIRIS高光谱数据模拟出不同传感器的云和晴空像元数据,据此生成它们的云检测阈值。这种方法具有自动化程度高、云检测效果好等优点。但是在原数据库的构建中,由于AVIRIS数据集中雪像元较少,导致云和雪的识别存在较大的误差。为了解决该问题,从待测数据中提取大量不同类型的雪像元,加入模拟得到的多光谱数据集中,生成新的云检测阈值,阈值生成中使用了单波段反射率、多波段反射率组合参数等作为云检测算法的输入参数。使用2013—2017年青藏高原地区多景典型Landsat8陆地成像仪(Operational Land Imager,OLI)影像进行实验验证。结果显示,在积雪覆盖的区域平均云像元识别正确率达到93.11%,对包括雪在内的晴空像元的漏判率降低到4.35%,表明此方法能有效避免雪的影响,实现高精度的云检测。

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。

基于Landsat8 OLI影像的山区植被地形落影校正方法研究

为消除地形落影影响,提出一种基于Landsat8 OLI影像的山区植被地形落影校正方法.落影校正利用能够有效消除地形阴影干扰且无需异源数据支持的SEVI作为阴影校正信息源,构建光照区SCS+C校正后红绿蓝波段地表反射率与SEVI间的随机森林回归(Random Forest Regression,RFR)模型,进而利用落影区SEVI校正落影区红绿蓝波段地表反射率的光谱信息.采用目视分析、统计分析、光谱特征分析以及波段反射率与cos i相关性分析对SCS+C校正模型以及本文方法进行地形阴影校正效果评价.评价结果显示:SCS+C校正对本影校正效果良好,但对落影校正效果欠佳;SCS+C校正后红绿蓝波段本影与其相邻阳坡的相对误差大幅降低,分别从40.40%、43.43%、29.28%降至8.75%、13.35%、6.28%,而落影与其相邻阳坡的相对误差降幅相对较小,分别从48.76%、51.30%、38.50%降至38.25%、41.23%、29.84%;本文方法校正后,红绿蓝波段落影与其相邻阳坡的相对误差大幅降低,分别从48.76%、51.30%、38.50%骤降至0.43%、1.82%、1.91%,表明本文方法在落影区域能够取得较好的校正效果.

Landsat7 ETM+与Landsat8 OLI植被和非植被定量研究

选取遥感Landsat7 ETM+和Landsat8 OLI的同一地区、近同一时间的卫星影像,利用Envi5.0,Arcgis10.0等软件,定量的提取了两景图像的植被、非植被信息,比较得出:Landsat8 OLI比Landsat7 ETM+收窄了全色波段的宽度,植被和非植被在全色图像上反差加大,Landsat8 OLI在近红外波段排除了0.825μm处水汽吸收的影像,在进行NDVI植被提取时,具有更高的准确度。

基于Landsat8 OLI影像的矿区植被覆盖情况分析

本文以重庆市某矿区为研究对象,首先对研究区Landsat8 OLI影像数据进行波段组合和纹理特征提取;然后通过监督分类,得到最佳矿区植被覆盖信息提取模型;最后进行地类解译和分析,统计出植被覆盖信息数据,并与历年统计数据进行对比分析,得出植被变化情况、植被种类分布状况及其生长状况等相关数据。结果表明该研究方法合理且可行,能够为该矿区的生态环境研究提供相关依据,具有一定的现实意义。

基于Sentinel-2和Landsat8 OLI数据融合的土地利用分类研究

以山东省平邑县为研究区,在随机选取的子研究区中,利用3种不同的融合模型,以Sentinel-2影像的红、绿、蓝、近红外4个波段作为高分辨率融合参考影像,获得12组融合影像,结果表明,利用小波变换(ATWT)算法并以红波段为高分辨率融合影像时,融合效果最好.采用最优模型和波段,对整个研究区进行数据融合,并利用随机森林算法对原始Sentinel-2影像、融合获得影像和Landsat影像进行土地利用分类,其中Sentinel-2影像总体分类精度为89.6939%,Kappa系数为0.8860,融合影像的总体分类精度为88.7657%,Kappa系数为0.8690,略低于前者,结果表明,"红波段+ATWT"融合影像在土地利用分类中可以获得接近原始影像分类精度的结果,能较好地保留原始影像的光谱信息并应用于较大区域的土地利用精细提取.

基于LandSat8 OLI数据的山区阴影信息检测与提取

为快速获取山区遥感影像上的阴影干扰区域,探究一种简便、高效、精确的遥感影像中阴影干扰区域的方法,具有重要的意义。以福建省长汀县为研究区域,搜集2016年3月美国陆地卫星影像数据与ASTER影像计算的GDEM V2产品。基于土地利用分类体系测量的6类地面物体光谱信息与影像波段信息,优选影像的光谱波段并重新组合;选取Sinh函数与Max函数建立c!算法,对LandSat8 OLI影像进行差异化计算,通过二分式判别规则初步提取阴影区域;加入由数字高程模型计算的坡度信息,剔除水域与坡度较为平缓的地物等干扰信息,精确提取山区阴影区域。设立网格随机设置精度验证点验证精度,最终总体精度达到99.06%,Kappa系数为0.98。结果表明,实验方法对于LandSat8 OLI影像提取阴影可行性高,检测效果与提取结果较c3算法与SVI指数更好。

基于Landsat8 OLI影像的哈尔滨市辖区水体信息提取方法对比分析

以Landsat8 OLI影像为数据源,以哈尔滨市辖区为研究范围,采用阈值法、NDWI指数法、MNDWI指数法以及EWI指数法,对研究区内水体信息进行提取.以人机交互结果作为研究区内水体信息真实值,通过查全率、查准率以及虚警率三个指标对提取结果进行精度评价.结果表明,四种提取方法都能够将大面积水体信息完整提取出来,但是在虚警率以及信息的细节处理上,EWI指数法以及MNDWI指数法在查全率达到0.9以上的同时,能够将虚警率保持在0.1以下.EWI指数法,在对细小河流的提取方面,以及降低居民地等地物的噪声影响方面在几种算法中表现最为优异,是最适合该研究内的水体提取算法.

基于Landsat8 OLI遥感影像冰湖边界分类叠加提取

青藏高原特殊的地理及其气候环境适合冰湖变化研究。传统的方法由于受到冻湖、冰川以及山体的阴影的影响,提取冰湖边界时会出现大量的错分和误分。本文基于NDWI(Normalized Difference Water Index,水体指数法)、DEM(数字高程模型)、RGI(Randolph Glacier Inventory)6.0全球冰川编目数据提出针对不同状态下的冰湖边界提取的分类叠加提取方法。结果表明,分类叠加提取方法能够实现未结冰、半结冰以及全结冰三种状态下的冰湖边界提取,并且能减少冰川以及山体阴影的影响,使用该方法提取三种状态下的冰湖的错分和漏分误差均小于2%且Kappa系数均大于0.81。

基于Landsat8 OLI数据的山东黄河三角洲国家自然保护区土地利用/覆盖现状遥感监测

以2017年Landsat 8 OLI卫星彩像为数据源,配合现场调查教据,开展了山东黄河三角洲国家级自然保护区范围内2017年的土地利用/覆盖监测,根据土地利用/覆盖特点,将保护区分为无植被区、耕地、木本植被区、草本植被区,监测结果发现:(1)在无植被区,裸滩是保护区中面积最大的类型,面积为2999.9hm^2,主要集中在大汶流管理站南側一千二管理站北侧;坑塘是以养殖池塘、藕池和生态恢复池为主,面积为18606.8hm2,在各管理站都有分布,其它无植被区地物类型面积较小;(2)保护区耕地面积为22803.8hm2,主要集中分布在黄河口和大汶流管理站西侧以及一千二管理站南侧;(3)在木本植被区,以乔木为主的林他面积为4935.5hm2,其中主要分布在黄河口管理站,与耕地相邻,柽柳林分布面积为11540.9hm2,主要分布在一千二管理站东西两側、黄河口管理站潮滩和部分陆地区域,大汶流管理站也少许分布;(4)草本植被区芦苇主要集中分布在南区东部和中部区域的黄河口两岸,盐地碱蓬主要分布在潮滩高潮位区域,外来入侵物种互花米草面,主要分布在黄河口入海口口门两侧,黄河北岸的潮滩低潮位区域也有小面积分布。

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Landsat8 OLI的内蒙古大兴安岭森林健康评价遥感模型研究

为了降低森林健康评价中野外调查人力、物力的大量消耗及对大尺度森林健康评价的需求,对森林健康评价遥感模型的研究具有十分重要的现实意义。本文分别选取内蒙古大兴安岭的针叶林(汗马自然保护区)、针阔混交林(五岔沟林场)及落叶阔叶林(赛罕乌拉自然保护区)为研究对象,分别针对3种森林类型设立30 m×30 m样地(汗马18块,五岔沟90块及赛罕乌拉53块),利用Landsat8 OLI影像数据结合敏感分析法和层次分析法进行了指标筛选、指标权重确定及建立森林健康评价遥感模型;遥感模型检验是以森林野外调查数据计算的健康值为目标值,对遥感模型计算健康值进行相关性检验,遥感模型计算健康值与目标值的相关性显著(P<0.01,R^(2)=0.753 8),针叶林、针阔混交林、落叶阔叶林的遥感模型计算健康值与目标值的相关性分别为(P<0.01,R^(2)=0.530 6)、(P<0.01,R^(2)=0.744 0)、(P<0.01,R^(2)=0.826 3);由于遥感模型计算的健康值与目标值相近,可以判断出本研究所建立的遥感模型适用于内蒙古大兴安岭地区的森林健康评价。

黄河口悬浮物浓度Landsat8 OLI多波段反演研究

黄河口海域悬浮物浓度,是研究黄河输沙和近岸水体生态环境的重要水质参数.之前的浓度反演模型主要采用一元二次函数或幂函数等单参数形式,利用2011年夏冬两季同步观测的遥感反射率和悬浮物浓度,本文给出了一种针对Landsat8 OLI传感器的两参数线性模型.该模型需两个输入参数,每个参数都是两个波段的光谱比值.结果表明:OLI传感器的近红外(波段5)光谱、以及它与蓝绿波段(波段1,2或3)的光谱比值,是黄河口海域悬浮物浓度反演的敏感波段,可用于建立单参数经验模型;除了敏感波段外,本研究的模型还用到红绿波段的光谱比值(波段4与波段3的比值),因而能够更好地表征光谱随悬浮物浓度的变化关系;其决定系数,均方根误差和平均相对误差分别为0.98,43.53mg·L^(-1)和20.97%,优于单参数经验模型,而且受误差影响小,因而更适合黄河口海域悬浮物浓度反演.

基于Landsat8时间序列的宁夏青铜峡市农田防护林提取

农田防护林在西北多风沙地区发挥了重要防护作用,为农作物提供了良好的生长环境。为了解农田防护林的空间分布特征,需要对防护林进行有效提取,采用中低分辨率遥感数据进行农田防护林提取成为重要途径。以宁夏青铜峡市农田防护林为研究对象,在2019年影像中选取7期可以代表4个季度地物特征的Landsat8 OLI影像数据,在影像预处理基础上,融入水体指数、植被特征和植被指数,提取植被的物候特征,掩膜去除研究区内其他地物,从而实现农田防护林的提取。同时利用野外调查结果和土地利用数据对提取结果进行精度评价。结果表明,该方法防护林提取的总体精度为85.16%,野外调查的50个采样点中有44个点被准确提取,精度达到88.00%。青铜峡市农田防护林多以林带的形式呈现,林带主要沿排水沟分布。

黄河口海域悬浮物浓度Landsat8OLI分段线性反演

黄河每年输送大量泥沙进入渤海。研究黄河口海域悬浮物浓度,对于黄河输沙以及周边海域的环境监测具有重要意义。利用2011年夏、冬两季实测遥感反射率以及同步测量悬浮物浓度数据,开展了黄河口海域悬浮物浓度分段线性反演研究。结果表明,不同浓度范围下,悬浮物浓度反演的敏感波段不同;浓度小于等于50mg·L^(-1)(≤50mg·L^(-1)),敏感比值波段为(600~700nm)/(400~600nm),浓度高于50mg·L^(-1)(>50mg·L^(-1)),敏感比值波段为(750~900nm)/(420~720nm),Landsat8OLI的对应组合方式分别为B4/B2和B5/B3;根据上述浓度分段范围分别建立线性模型,其精度R^2,RMSE和APD分别为0.873 5,4.08mg·L^(-1)和22.81%(≤50mg·L^(-1)),以及0.969 3,102.96mg·L^(-1)和17.51%(>50mg·L^(-1)),整个浓度下三个精度参数分别为0.975 3,67.03mg·L^(-1)和20.45%,均优于常用单一模型在分段和整体浓度下的相应参数,且具有良好的稳定性。分段线性模型,更适合浓度变化大的黄河口海域悬浮物浓度反演。

基于Landsat8-OLI影像的山蒿植被信息提取研究

山蒿是一种广布于我国北部干旱半干旱区低山丘陵中高海拔地带的次生植物,根据部分地区现场调查和笔者的前期研究,认为其具有生态保护和资源利用价值。为了实现山蒿优势群落集中分布区调查方法开发,以内蒙古自治区兴安盟突泉县为例,选取了2017年多时相Landsat8-OLI遥感影像,根据地形特征、NDVI指数和GNDVI指数建立规则集,构建山蒿植被信息提取决策树模型,并进行了典型区山蒿提取和精度验证。结果表明,遥感提取总体精度为78.65%,Kappa系数为0.63,山蒿信息提取的制图精度为72.13%,用户精度为75.7%,目标于初步分布区域调查,使用此模型方法进行山蒿信息提取是可行的,研究成果能够为进一步改进和构建植被信息提取方法提供思路,也能够为山蒿植被空间分布监测及其生态保护规划管理提供决策支持。

基于Landsat8遥感影像的机器学习分类方法比较及生态评价——以黄骅市为例

【目的】准确地提取影像特征并进行分类,为开展区域生态评价和土地利用规划工作提供依据。【方法】以河北省黄骅市为研究区,以Landsat8 OLI遥感影像为数据源,基于最大似然、神经网络、支持向量机三种分类方法,对比典型样地各地物可分离度、分类精度差异、各算法分类混淆矩阵及分类结果差异,并根据分类结果对黄骅市进行生态评价。【结果】1)支持向量机在三种不同机器学习方法中分类精度最高,其总体精度与Kappa系数分别达到0.892 562与0.862 1;2)分类结果经K-means聚类处理后可有效减少“椒盐现象”产生,经聚类后的分类影像中地物类型以耕地、人工表面及水体居多;3)黄骅市的生态环境指数为42~54,生态环境状况为一般。【结论】相较于最大似然分类方法与神经网络分类方法,支持向量机分类方法得到的结果更为准确,与实地调研的数据和分析结果更为接近,为区域土地规划和生态环境管理提供了理论参考。