基于“珠海一号”遥感数据的不透水面提取——以合肥市包河区为例

利用“珠海一号”等高光谱卫星开展高精度提取不透水体信息研究具有现实意义。根据“珠海一号”遥感数据光谱特征,提出了利用支持向量机与比值居民地指数相结合的方法(RRI-SVM),对合肥市包河区的不透水面提取进行研究。结果表明,RRI-SVM方法具有较高的提取精度,总体精度和Kappa系数分别为97.27%,0.92;与其他模型相比RRI-SVM方法能够有效减弱裸土、建筑阴影对不透水面提取的影响;研究区不透水面空间分布呈现从西北到东南递减趋势,这与人口空间密度分布一致,两者相关性系数为0.778,具有较强的相关性。利用RRI-SVM方法能够有效获取城区复杂地物条件下不透水体信息。

多源遥感数据支持下的城市不透水面提取——以天津市为例

近年城市人工地表的快速扩张引发了一系列生态问题,准确高效地获取城市不透水面信息及空间分布将具有重大的意义。以天津市为实验区,融合哨兵一号、哨兵二号及高程数据,构建多特征组合的随机森林模型,实现基于高空间分辨率影像的不透水层信息识别,并与其他方法进行比较。结果表明,利用本方法提取天津地区不透水面信息的总体分类精度达90.93%,Kappa系数达0.877,与其他方法的对比实验也进一步证明本方法在抑制错分误差和漏分误差方面达到了较好的效果,为未来实现大范围高精度不透水面制图奠定基础,为城市发展和生态保护提供有力依据。

“珠海一号”高光谱数据城市不透水面提取研究

不透水面是评估城市化进程和评价城市环境的重要参考指标,研究城市不透水面的空间覆盖程度对城市生态环境保护、宜居城市建设具有重要意义。本文以“珠海一号”高光谱影像为数据源、珠海市陆域为研究区域,选取支持向量机和随机森林机器学习算法,结合光谱特征,实现城市不透水面信息提取。结果表明:使用“珠海一号”高光谱数据提取不透水面可行性较强,且支持向量机算法更适用于“珠海一号”不透水面提取,总体精度和Kappa系数分别达到92.4%、0.78;基于“珠海一号”高光谱数据进行城市不透水面提取,可为城市规划建设、分析城市土地扩张、评估城市灾害风险提供可靠理论依据和数据支撑。

基于改进全卷积神经网络的高分遥感影像不透水面提取制图

针对现阶段高分辨率遥感影像提取城市不透水面的方法普遍精度不高的现状,以国产高分二号(GF-2)遥感影像为数据源,基于局部注意力机制的密集连接全卷积神经网络模型,以天津市遥感影像为例,构建不透水面样本库及训练不透水面提取模型,用测试影像进行测试并采用多种精度评价方法与传统的不透水面提取算法相对比。结果表明,本文方法在遥感不透水面提取方面具有更好的完整性,其像元精度(PA)、均交并比(MIoU)、综合评价指标F 1和Kappa系数分别为0.8832、0.7364、0.8482和0.7533,均高于决策树分类算法、支持向量机法、随机森林算法。此外,本文方法具有较好的泛化性,在遥感影像不透水面提取上具有较强的应用价值。

基于无人机可见光影像与OBIA-RF算法的城市不透水面提取

不透水面是一种重要的城市地物类型,及时准确地获取城市不透水面信息对城市的合理规划、生态环境保护及可持续发展具有重要意义。低空无人机(Unmanned Aerial Vehicle,UAV)作为新型的遥感平台,具有操作灵活、时空分辨率高、受云雾影响小等优点,为中小尺度城市不透水面遥感监测提供了新的技术手段。以无人机可见光影像作为数据源,通过使用面向对象与随机森林算法相结合的方法开展对城市不透水面信息提取研究。首先,根据最佳尺度对影像进行分割并提取分割对象的不同特征,以光谱特征为基础,分别引入指数与地形特征建立方案S1~S4,以光谱、指数和地形特征为基础,分别加入纹理与几何特征构建方案S5~S7,以此来分析不同类型特征对不透水面提取效果的影响;同时,基于优选特征子集(13个)构建方案S8,基于上述8种方案,利用随机森林(RandomForest,RF)算法进行分类并确定最佳方案。然后,通过比较随机森林、支持向量机(Support Vector Machine,SVM)和K-最邻近法(K-Nearest Neighbors,KNN)算法在最佳方案的特征子集下的分类效果,评价随机森林算法对于不透水面的分类性能。结果表明:地形特征中的归一化数字表面模型(normalized Digital Surface Model,n DSM)对不透水面提取精度的提升作用最大,多个方案通过引入n DSM后分类精度均有较大幅度的提升(22.49~39.67个百分点);基于特征优选子集的S8方案分类精度最高,其总体精度达96.18%,Kappa系数为0.95,可见特征优选能够将高维度特征进行降维和优化,大幅减少特征数的同时还能一定程度提高分类效果;随机森林算法在最优特征子集下的分类效果优于SVM与KNN,总体精度比二者分别提升了1.35和14.18个百分点。可见面向对象和随机森林相结合的方法可有效开展城市不透水面精细化提取。该研究为基于无人机可见光影像的不透水面提取提供了一种新方法,也可为城市其他类别地物监测提供技术参考。

基于两种卫星传感器的不透水面提取指数比较

不透水面是城市化过程和环境品质影响评价的重要指标,快速、精确地从遥感影像上提取不透水面信息对分析城市扩张、地表结构变化和评价生态环境品质具有重要意义。前人已经提出了多种指数模型来识别不透水面信息,但是,裸土和沙地的干扰始终是困扰不透水面提取精度的一个主要因素。文章以分布有大量裸土和沙地信息的银川市部分区域为研究区,使用归一化建筑指数(Normalized Difference Built-up Index,NDBI)、比值居民地指数(Ratio Resident-area Index,RRI)、遥感建筑用地指数(Index Based Built-up Index,IBI)、垂直不透水层指数(Perpendicular Impervious Index,PII)和增强型不透水面指数(Enhancement Normalized Difference Impervious Surface Index,ENDISI)这5种目前常用的不透水面提取指数以及2个中等分辨率的传感器(Landsat8 OLI和Sentinel-2 MSI)数据,系统对比了10种不同指数模型和传感器组合下的不透水面提取结果,进而分析5种指数模型的差异性、对不透水面和裸土沙地的区分程度以及对不同传感器数据的响应效果。研究表明:5种不透水面指数在2种数据源下均可以基本提取出不透水面信息,其中指数RRI的提取结果总体精度最高;指数PII和RRI区分不透水面和裸土沙地的效果最好;指数NDBI、IBI和RRI对Sentinel-2 MSI的响应效果较好,指数ENDISI和PII对两种数据响应效果较一致。

基于多分类器组合的城市不透水面提取研究

将多分类器组合方法应用于16m分辨率“高分一号”遥感影像不透水面提取,首先通过BP神经网络、CART决策树、最大似然分类算法构建多分类器集合,然后利用简单投票、加权投票、贝叶斯平均法、模糊积分等多分类器组合方法提取不透水面,试验证明,多分类器组合能提高“高分一号”遥感影像不透水面提取的精度,具有广泛的应用前景。

基于高分1号和高分3号卫星影像的四川低山丘陵区不透水面提取

四川盆地多数城市地处山地或丘陵之间,准确获取低山丘陵地区城市不透水面信息,对于当地自然生态保护、城市发展规划以及国土资源管理具有重要意义。然而,低山丘陵地区复杂的地形与多云多雨天气为城市不透水面提取带来挑战,仅采用单一数据源难以保证不透水面制图的准确性。因此,本文以高分1号和高分3号卫星为基础数据,通过融合高分辨率光学与雷达影像,分别提取了光谱特征、纹理特征、雷达极化特征,通过特征层融合充分利用异源数据信息,进行低山丘陵区城市不透水面制图,总体精度达83.23%,Kappa系数达0.77,满足不透水面提取精度要求。

全球地表覆盖数据辅助多源影像融合提取城市不透水面

本文提出了一种利用GlobeLand30数据辅助多源数据融合进行城市不透水面自动提取的方法。首先基于波段映射和小波变换的影像融合方法,融合哨兵二号和高分二号影像,获得同时具有较高空间分辨率和光谱分辨率的融合影像,其具有丰富的光谱特征和空间特征,有利于提升复杂城市区域的不透水面和非不透水面区分能力。然后利用GlobeLand30数据的类别信息自动获取初始分类样本,基于融合影像的丰富光谱信息构建多种植被指数、水体指数和建成区指数,对初始分类样本进行优化。最后利用优化后的训练样本,使用光谱、地物指数等特征训练分类器,实现城市不透水面的自动准确提取。本文以济南市2019年的高分二号和哨兵二号影像为试验数据,在时相、分辨率与影像均不同的GlobeLand30全球地表覆盖数据辅助下获得了总体精度优于92%的不透水面提取结果,验证了本文方法的有效性。

一种提取不透水面的可见光波段遥感指数

为了从高分辨率无人机影像中获取准确的城市不透水面信息,在可见光波段范围内建立绿-蓝光谱特征空间,综合土壤线及不透水面线,构造了能够将土壤、植被像元与不透水面像元有效分离的绿-蓝不透水面指数。以广州市局部地区的GF-2号影像为验证数据对比及分析垂直不透水层指数、比值居民地指数以及绿-蓝不透水面指数的提取结果,以验证绿-蓝不透水面指数的可行性与提取精度。同时,将眉山市洪雅县部分地区的无人机正射影像作为试验数据进行不透水面提取。结果表明,在3个不透水面提取指数的横向对比中,绿-蓝不透水面指数和垂直不透水层指数的提取结果总体精度相同,验证了绿-蓝不透水面指数的有效性。在对无人机正射影像的不透水面提取中,得益于无人机低空摄影技术能够获取地形特征的特点,解决了建筑物屋顶因植被覆盖导致的错分问题,提取结果总体精度达到了96.95%,Kappa系数为0.936 1。试验证明了绿-蓝不透水面指数能够代替归一化差值不透水面指数、垂直不透水层指数、比值居民地指数等,应用于无人机遥感影像的不透水面信息提取中。

基于NDISI的七台河市不透水面信息提取

基于遥感手段,利用TM影像,对黑龙江省七台河市进行不透水面信息的提取,选取的方法是改进的归一化不透水面指数法(NDISI).这种方法利用各个波段反射率的强弱的特点突出不透水面信息,对结果利用阈值法加以提取,并进行了精度验证.经验证,七台河市的不透水面信息被较好的提取出来了,总精度达到了81.7%,kappa系数达到了0.7162.经过验证,证明归一化不透水面指数法(NDISI)在该地区能够得到较好的应用,也为大范围的不透水面制图提供了指导.

基于多源高分辨率遥感影像的2 m不透水面一张图提取

不透水率是衡量城市生态环境状况的一个重要指标。当前全球范围内仅有1km和30m分辨率尺度的不透水面专题信息,无法满足城市尺度水文模型建模、海绵城市规划和建设需求。提出了图谱信息融合的不透水面提取模型,实现了基于深度学习的不透水面提取新方法,研制了不透水面遥感全流程提取和监测软件。基于多源高分辨率遥感影像首次完成了中国31个省(直辖市、自治区)的2m不透水面专题信息提取,形成全国不透水面一张图,为海绵城市和生态城市的建设提供了基础数据支撑和技术监测手段。

不透水面数据自动提取的遥感技术方法

高效准确地提取不透水面数据对提高降雨径流模拟效率和精度至关重要。针对中低分遥感(RS)影像存在混合像元、高分RS影像具有光谱局限性的不足,以重庆某小区为研究对象,通过遥感指数法扩充光谱波段,使研究区域易错分地类与其他地类的可分离性得到明显增强,其平均最小分离度由扩充前的1. 26、0. 16和0. 69分别增大到3. 29、4. 74和8. 89,整体平均最小分离度由0. 70增大至5. 64;基于eCognition Developer平台,采用FNEA算法、K最邻近算法实现了面向对象的不透水面数据自动提取;用混淆矩阵进行精度计算,得到分类总体精度为82. 98%、Kappa系数为0. 75、不透水面的用户精度为94. 85%;研究区域的SWMM模拟结果得到纳什效率系数(NSE)为0. 92,径流峰值误差为9. 56%,峰现时间误差为0,表明该方法不仅自动化程度高、时效性强,而且模拟精度高,尤其适用于手动提取基本不具备可行性的大尺度区域不透水面数据的提取。