利用样点调查与Landsat8影像数据建立山体地表温度与坡度的关系

山区地表温度是林火预测预报的重要影响因子。山区地表温度机理的研究受稀疏气象观测站点及MODIS产品(1 km)空间尺度的限制,常以综合作用规律及宏观地形因子分析为主,缺乏微尺度地形要素的相对独立作用阐释。以我国西南纵向岭谷区为研究区,利用多期landsat8影像数据及样点实测数据,使用地理信息系统空间分析方法,通过消除或减弱海拔、坡向等地形因子的影响,定量分析坡度与地表温度相对独立关系。结果表明:(1)不同尺度下地表温度、地表温度标准差与坡度的关系受坡向影响不同。(2)30 m尺度上,西、西北、北、东北坡向的坡面上地表温度与坡度呈负向相关关系,坡度越大,地表温度空间变异越小,地表温度递减率分别为0.202、0.239、0.207、0.166℃/(°);东坡向的坡面上的地表温度与坡度呈先减小后微弱增大的二次曲线变化关系;东南、南、西南坡地表温度随着坡度增大分别以13.6、13.92、11.51℃上下波动。(3)样点尺度上,北、东北、东南、南、西南和西坡向的坡面上地表温度与坡度也呈负相关关系,地表温度递减率分别为0.106、0.396、0.168、0.111、0.235、0.077℃/(°);东、西北坡向内地表温度随着坡度的增大总体上减小,样点尺度的地表温度更易受到局地环境的影响。

基于随机森林模型的陆地卫星-8遥感影像森林植被分类

以黑龙江省漠河县为研究区域,采用陆地卫星-8遥感影像为数据源,结合影像的光谱信息和数字高程模型辅助数据,分别采用最大似然分类法(MLC)和随机森林模型法(RFM)对研究区森林植被进行分类,并分析和评价光谱特征变量对模型的重要性、2种分类方法对森林植被类型分类的适用性。结果表明:随机森林分类方法的总体分类精度为81.65%、卡帕(Kappa)系数为0.812。与传统的MLC方法相比,RFM法均提高了3种森林类型的生产者精度和使用者精度,其中针阔混交林精度提高最多。通过分析特征变量的重要性,发现高程、归一化植被指数、红光波段、近红外波段、短波红外波段对模型分类精度有较重要的影响。说明随机森林模型方法结合多源信息是森林植被类型遥感分类的一种有效手段。

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。

陆地卫星影像用于土地利用覆被变化中的波段组合研究

在遥感图像处理软件(earth resource data analysis system,ERDAS)的支持下,以香日德绿洲为研究区,综合运用该软件提供的多种方法,分别计算了相关统计信息.利用相关系数矩阵、特征向量和特征值,按照最佳波段组合原则,得到了该区用于土地利用与覆被(land use and land coverchange,LUCC)的波段组合为TM247(专题制图仪,thematic mapper,TM).TM145为提取居民点和水域的最佳组合,TM345为提取耕地、林地、草地的最佳组合.该方法及其思想不仅可用于确定陆地卫星影像中的最佳波段组合,而且可用于确定其他专题最佳波段组合中.

基于Landsat 8影像提取豫中地区冬小麦和夏玉米分布信息的最佳时相选择

遥感技术对大尺度农业实时监测提供了一个理想的手段,遥感影像植被分类的最佳时相对作物种植面积遥感监测非常重要。本文选取2020年至2021年的6景Landsat 8影像,覆盖了夏玉米从乳熟到收获、冬小麦从越冬到成熟的生育期,以此分析不同时相的冬小麦-夏玉米与其他地类在光谱特征和NDVI上的差异,通过决策树的方法提取豫中地区冬小麦-夏玉米的空间分布情况。结果表明,冬小麦-夏玉米在不同生长发育时期,提取到的面积比有所不同,对于夏玉米而言,乳熟时期的提取效果要优于之后的时期,其在2020年8月26日的总体精度最高,为83.60%,Kappa系数为0.72,分类质量很好;对于冬小麦而言,最佳识别时期则处于冬小麦的越冬期,其在2021年1月1日的总体精度最高,为92.36%,Kappa系数为0.81,信息提取效果很好。除了作物自身生长过程的覆盖度变化,分类精度随成像时间而改变。多时相信息提取也发现,受到天气等环境条件限制,夏玉米和冬小麦的种植区域不完全重叠,山区冬季不适合冬小麦种植从而没有与夏玉米出现重叠分布。本研究有助于我们从宏观上对作物分布及生长状况作出及时有效的判断,对农业监测,特别是对轮作农田的信息管理和作物物候、种植面积等研究具有广阔的应用前景。

基于Attention U-Net的陆地卫星影像云检测

云检测是提高遥感影像利用率和应用范围的有效措施。然而,现有云检测算法大多存在以下两个问题:冰、雪等复杂下垫面与云不易区分;需要大量人工标记好的云样本对模型进行训练。为提高影像云识别精度,提出了一种基于Attention U-Net的陆地卫星影像云检测算法。首先,利用卷积操作在编码模块提取云的浅层特征;然后,利用反卷积、跳跃连接和注意力机制在解码模块进一步挖掘云特征;最后,利用少量公开的陆地卫星影像云样本数据进行训练,实现端到端的陆地卫星影像像素级云检测。实验结果表明,与传统的机器学习算法相比,所提算法的总体检测精度更高,薄云和云阴影的误检率和漏检率更低。

基于SPOT4和Landsat5 TM的不同影像融合方法质量对比研究

【目的】探究不同影像融合方法对SPOT4全色影像和Landsat5 TM多光谱影像融合效果的影响。【方法】采用13种不同的影像融合算法开展融合试验,并通过定性和定量分析的方式,对融合结果进行综合评价分析。【结果】结果表明,融合影像的信息熵相比原影像有所增强,RGB三通道的熵值分布更为均匀,主要集中在50~200之间。此外,不同地物类型对融合方法的效果产生了显著影响。对于水体和植被,Brovey、HSV、IHS和EF方法展现出了良好的光谱保真性和细节增强能力,因此更适用于目视解译。NND法在这些区域出现了轻微的光谱失真现象,导致其分类精度偏低。【结论】针对不同传感器的影像选择适当的融合方法,对于提高遥感影像的解译精度和应用价值具有重要意义。

针对Landsat遥感影像的去云处理方法研究

遥感传感器获取的光学影像中部分区域不可避免存在云遮挡现象。本文选择的实验区位于西昆仑山的古里雅冰帽,将影像上的云区域划分为薄云与厚云,针对Landsat遥感影像进行去云处理方法研究。结果表明:针对Landsat遥感影像,直方图匹配和小波融合两种方法能够有效去除薄云;构建的归一化厚云检测模型能够较好地对厚云进行检测;匹配算法是当前比较有效的厚云处理方法。

基于Landsat8遥感影像的阳泉市郊区地表温度反演研究

以阳泉市郊区Landsat8遥感影像为原始研究数据,介绍地表温度反演原理,运用ENVI软件对遥感图像进行预处理,采用大气校正法和单窗算法反演阳泉市郊区地表温度,并将反演结果与成熟的反演插件的结果进行精度对比,分析两种反演算法的精度可靠性,为类似区域选择地表温度反演算法提供参考。

基于多时相Landsat影像的河流边滩提取研究

河流边滩是因河流沉积作用在岸边形成的沉积物,其变化可以间接反映出河流形态及其周围环境的演变。河流边滩的动态监测对于河流生态系统研究和航道管理有着非常重要的意义。针对河流边滩与部分建筑物影像光谱相似而难以区分的问题,基于Landsat影像中边滩与河流的光谱、空间和物候等多维差异化特征,提出了一种新的河流边滩提取方法,综合利用多时相水体指数的二值变化检测方法和面向对象分析方法,成功提取了赣江中下游的河流边滩。一方面丰富了河流边滩监测的方法,为地理学研究提供新的观察视角;另一方面为赣江流域生态系统建设、环境治理和航运规划管理提供更丰富的河流边滩数据。

基于Landsat影像的巢湖面积变化分析研究

鉴于全球气候变化的不断加剧和人类活动范围的迅速扩大,湖泊面积的显著变化已成为学者研究的焦点之一。巢湖是中国五大淡水湖之一,通过分析其面积变化,深入理解湖泊面积波动的动态机制和潜在影响因素。采用Landsat卫星影像数据,系统分析了巢湖2012—2022年的面积变化动态及相关影响因素。为实现水体的自动提取,运用ETM+和OLI两类不同波段的Landsat卫星影像,并引入水体指数(NDWI)作为有效的水体识别工具。随后,通过对提取的水体面积数据与气象参数进行统计学分析,旨在探讨湖泊面积变化的根本原因,并为湖泊生态环境的改善提供有效支持。

泄流羽状体的陆地卫星影像在河口—陆架交换研究中的应用

区域性河口-陆架交换的研究可以揭示河口及陆架区的一般物理循环，从而为了解该环境内生物幼体的补充状况和污染物及悬浮泥沙的输移特征提供重要依据。而遥感获得海岸地区悬浮泥沙资料为这方面的研究提供了十分有用的示踪信息。

利用陆地卫星TM影像进行森林土地面积调查的方法

文章介绍了利用陆地卫星ＴＭ影像通过建立解译标志进行地类划分及面积计算的方法，为能科学地应用此项技术提供参考。

陆地卫星TM影像信息特征分析

利用TM CCT磁带数据从统计分析、信息量计算、相关分析、主成分分析及主要地物的波谱特征等方面对TM信息特征进行探讨,分析了各个波段的信息特点,提出最佳波段组合方案。

在西班牙利用陆地卫星TM影像和地面实测数据估算农作物面积两种方法的比较

本文给出了在那瓦尔(西班牙北部一省)南部地区农作物面积估算的结果。这次估算利用了两种相似但又不同的方法:其一是利用了Ispra EEC遥感应用研究所(IRSA)所创立的区域取样方法,另一种采用美国国家农业统计服务中心(NASS)的区域调查取样方案。两种方法均采用了与陆地卫星TM图像光谱信息相结合的方法。两种方法无论是用直接展开式或回归计算都取得了极为相似的统计估算精度,它们在正方切块估计(IRSA方法)中均获得了较高的相对权重系数。单一作物水平的相关系数值一般较好,并与EEC遥感应用研究所的实验结果相似。

陆地卫星影像在森林调查中的应用

森林调查是林业生产建设的第一环节.其首要任务就是查清森林实况,取得各种信息.要用最低的成本.以最快的速度,取得可靠而足够的资源信息资料,满足林业生产的需要.必须有先进的、科学的手段.利用陆地卫星影像可以为森林调查提供大量的信息,对大面积林区的森林分类判读十分有利.是提高森林调查效率的重要手段.利用陆地卫星影像勘测森林资源,是一种新技术.我们用陆地卫星TM影像(从法国引进)对巴林、南木、五叉沟、乌奴耳、免渡河等几个林业局连续三年森林资源调查的实践表明,其使用效果很好.它具有地类界线清晰易判、信息量大、时效新、买用性强、能最大限度地纠正旧航片影像失真产生的偏差等优点.调查统计结果证明,利用这种手段进行调查,精度能满足我区地方标准《内蒙古自治区森林资源规划设计调查技术规程》的要求,不但提高了调查工作效率.而且可节省大量资料费.

新型Landsat8卫星影像的反射率和地表温度反演

Landsat 8卫星自2013年2月发射以来,其影像的定标参数经过了不断调整和完善,针对Landsat 8开发的各种算法也相继问世.本文采用最新的参数、算法和引入COST算法建立的大气校正模型,对Landsat 8多光谱和热红外波段进行了处理,反演出它们的反射率和地表温度,并与同日的Landsat 7数据和实测地表温度数据进行了对比.结果表明,现有Landsat 8多光谱数据的定标参数和大气顶部反射率反演算法已有很高的精度,本文引入COST算法建立的Landsat 8大气校正模型也与Landsat 7的COST模型所获得的结果几乎相同,相关系数可高达0.99.但是现有针对Landsat 8提出的地表温度反演算法仍不理想,已提出的劈窗算法误差都较大.鉴于TIRS 11热红外波段的定标参数仍不理想,因此在现阶段建议采用单通道算法单独反演TIRS 10波段来求算地表温度,但要注意根据大气水汽含量的情况选用正确的大气参数计算公式.

利用Landsat卫星影像进行东莞市地表温度反演与变化分析

随着快速城市化进程,我国东南沿海一些城市新增了大量的城市建设用地,影响到了城市的人居环境,诱发了城市热的环境问题。探索城市热环境时空布局与变化特征,分析变化原因对城市可持续发展和人居环境质量改善具有重要的现实意义。本文以东莞市为例,以1986—2017年间8个时相Landsat系列卫星影像为数据源,利用单通道算法对东莞市地表温度进行定量反演,分析东莞城市热环境的时空分布特征及其变化,并探讨其影响因素。结果表明,东莞市30多年的城市热环境主要表现为热岛的分布格局,由零散的点状分布逐渐发展成沿着主要交通路线的带状分布;东莞市城镇/街道中心的地表温度明显高于郊区、村落,存在较强的热岛效应;1986—2017年东莞市的热岛比例指数总体呈上升趋势,从0.06上升到0.15,在2009年东莞市热岛效应达到最高。研究结果对合理规划东莞城市建设,促进城市建设可持续发展等方面具有重要意义。

Landsat 9卫星影像预处理方法及应用——以南京市植被生态遥感监测为例

植被状况对生态环境有重要影响,特别是在城市生态环境中。该文以Landsat 9卫星特征为切入点,研究Landsat 9卫星影像的预处理方法及植被覆盖度定量反演方法。以江苏省南京市为例,利用Landsat 9陆地成像仪(OLI-2)影像反演植被覆盖度空间分布情况。监测统计结果显示,南京市植被覆盖度均值为60.17%。分区域统计显示,浦口区植被覆盖度最高,江宁区植被覆盖度次之,而六合区、市区(包括栖霞区、鼓楼区、秦淮区、玄武区、雨花台区和建邺区)和高淳区植被覆盖度相对较低。