基于Landsat数据的重庆市热环境时空格局变化研究

针对当前热环境加剧对城市生态环境和人类健康带来的严重威胁,采用辐射传输方程法和Landsat数据对2001年和2019年重庆市主城九区地表温度(Land Surface Temperature,LST)进行反演,对研究区城市热环境时空变化进行研究。基于此选取景观指数和驱动因子对热力景观格局变化和热环境驱动机制进行研究。结果表明:①2001—2019年,重庆市主城九区城市热环境明显增强,高温区域明显增多且整体向北扩张,到2019年LST总体呈现“内高外低”的分布格局。②中温区最大斑块指数增长了近12倍,代替次低温区成为研究区优势斑块类型。斑块数量和密度均下降了约62%,说明重庆市主城区的热力景观总体上呈聚集化,连通性较强。③NDVI和DEM与LST呈负相关,NDBI与LST呈正相关,影响程度为NDBI>NDVI>DEM。

基于Landsat数据的地表温度反演差异及参数分析

只有基于准确的地表温度反演算法计算出的产品数据,才能正确推广使用。研究基于Landsat-8、Landsat-9和气象站数据,对比了5种常用地表温度反演算法的结果,并对不同算法的反演结果和参数灵敏度进行了测试。结果表明:基于地表比辐射率参数计算的辐射传输方程和单通道算法反演结果与地面实测数据吻合较好。基于大气水汽参数计算的单窗算法和劈窗算法的反演结果均高于实测温度。基于平均温度参数计算的单窗算法反演精度误差较大。此外,比较了两种遥感数据在不同地物上反演温度的一致性。研究结果可为地表温度反演和产品选择提供参考。

利用Landsat数据研究城市热岛效应的时空分布规律

利用收集到的2006—2020年西宁市的相关气象和遥感数据,研究西宁市地表温度、地表亮温的时空变化特征,城市热岛强度的空间分布特征呈现从城市中心向四周递减,主要是因为城区大规模人工不透水用地白天吸收大量的太阳辐射,太阳辐射直接转化为热量,因此地面温度较高,加强了热岛强度。此外,烟粉尘排放量也是城市热岛效应的重要影响因子,主要来源于道路扬尘、建筑施工扬尘、汽车尾气等,加之西宁市长年干燥,这些烟粉尘不易被带走,由于温室效应而加剧了城市热岛效应。

基于时序Landsat数据的浙江省竹林信息提取及时空演变

【目的】提取浙江省不同时期竹林分布信息,分析其时空演变规律,揭示竹林面积变化与土地利用格局之间的关系,为国家及至全球尺度长时间序列的竹林时空动态研究提供参考。【方法】以浙江省为研究区,基于2000、2004和2008年Landsat5 TM及2014年Landast8 OLI时间序列影像数据,首先,对不同时期的Landsat数据进行大气校正和几何校正,采用最大似然法提取土地利用和竹林时空分布信息;然后,利用变化幅度和动态度2个指标分析4个时期、3个时间段的竹林时空演变规律;最后,建立全省土地利用时空转移矩阵,揭示竹林时空动态与土地利用格局之间的关系。【结果】1)基于时序Landsat数据提取的浙江省竹林信息精度较高,分类精度达75%以上,使用者精度达91%以上,且分类统计面积与实际清查面积高度吻合,面积提取精度达96%以上; 2) 2000—2014年浙江省竹林面积变化幅度和年均变化率分别为16.55%和1.18%,在时空上呈逐渐增加趋势; 3)浙江省竹林面积由2000年占全省面积的7.33%增长到2014年的8.56%,其中针叶林、阔叶林和农田3种土地利用类型变化对竹林面积增加的贡献最大,贡献率分别为28.62%、37.23%和16.15%。【结论】基于Landsat时间序列数据能够高精度监测浙江省竹林资源动态变化,针叶林、阔叶林和农田等土地利用类型减少对竹林面积时空演变具有显著影响。

基于Landsat数据的条件植被温度指数升尺度转换方法

以陕西省关中平原为研究区域,应用点扩散函数、混合像素面积权重法和中值像素变异权重法将基于Landsat卫星遥感数据反演的分辨率为30 m的条件植被温度指数(VTCI)干旱监测结果上推至930 m的干旱监测结果,并与Aqua MODIS数据反演的分辨率为930 m的VTCI干旱监测结果进行对比分析,以期为两种空间尺度的干旱监测结果的综合应用提供技术支持。以MODIS数据反演的VTCI为参考,应用相关系数、均方根误差、半变异函数的估计值和图像纹理特征等对尺度上推的VTCI进行评价。结果表明,点扩散函数和混合像素面积权重法的尺度上推效果均较好,而中值像素变异权重法的尺度上推效果较差,说明点扩散函数和混合像素面积权重法均适用于研究区域VTCI干旱监测结果的尺度转换,且点扩散函数的数据处理过程更为简单。典型样点VTCI的尺度上推结果表明,空间异质性越小,尺度上推的结果越好。

LANDSAT数据在沙地动态监测中提取沙地信息的最佳波段组合研究

多光谱遥感数据是沙地动态监测的数据源,从中提取的沙地信息是监测的基础数据。波段是否为最佳组合,直接影响沙地信息的提取和地物的分类。笔者结合研究区域的实际情况,通过对单波段信息、波段间的相关性和OIF指数的分析,研究了提取物及其背景的特征,获得提取沙地信息的最佳波段组合为波段3、4、7。该组合形成的彩色图像地物信息丰富,沙地信息突出,易于目视解译,效果良好。波段的组合研究为后期数据处理提供了有力的技术支撑。

利用Landsat数据对广州城市进行热岛效应分析

应用中国遥感卫星获取的广州市区2002年11月份的Landsat 7 ETM+数据,对广州市热岛效应的分布特征进行了研究。结果表明,城市热岛效应主要分布在工业密集、能耗大、热源强度高的区域。

Landsat数据水体自动提取研究进展

水体自动提取是当前遥感技术应用研究的热点之一。在简述水体遥感识别机理的基础上,回顾了国内外常用的Landsat数据水体自动提取方法,并将其划分为单波段阈值法、多波段谱间关系法、水体指数法和分类后提取法4类进行综合阐述,最后从辐射校正、混合像元和图像二值细化3方面对水体自动提取的未来研究方向做了展望,以期为水体自动提取及相关研究提供参考。

LANDSAT数据在沙地动态监测中提取沙地信息的最佳波段组合研究

多光谱遥感数据是沙地动态监测的数据源,从中提取的沙地信息是监测的基础数据。波段是否为最佳组合,直接影响沙地信息的提取和地物的分类。本文结合研究区域的实际情况,通过对单波段信息、波段间的相关性和OIF指数的分析,研究了提取物及其背景的特征,获得提取沙地信息的最佳波段组合为波段3、4、7。该组合形成的彩色图像地物信息丰富,沙地信息突出,易于目视解译,效果良好。波段的组合研究为后期数据处理提供了有力的技术支撑。

基于Landsat数据的昆明地区热岛效应分析

利用Landsat TM数据,对昆明地表温度进行反演。在此基础上分析了昆明地区热岛效应强度以及空间分布。定量研究了地表温度和植被指数的相关性。结果表明,地表温度与下垫面类型密切相关。初步探讨了降低热岛效应和改善热环境的途径。填补了昆明地区基于遥感城市热环境研究的空白。

基于Landsat数据的普洱市土地利用变化动态监测

以普洱市2005年和2014年Landsat数据为数据源,将研究区分为林地、农地、灌草地、水域、建设用地5类,采用神经网络方法提取2个时期的土地利用数据并进行动态监测。最终得出普洱市土地利用变化情况:林地面积减少10.83%,农地面积减少2.50%,灌草地面积增加10.3%,水域面积减少0.03%,建设用地面积增加0.38%。在土地利用变化结果的基础上,进一步分析了土地利用覆盖动态度以及土地利用变化原因。

基于Landsat数据和农田概率时间序列子序列的退耕监测方法

提出一种利用Landsat数据和时间序列子序列的退耕监测方法。首先利用随机森林方法,对每年的Landsat数据统计值进行分类,得到每个像元属于农田的概率,由每年的农田概率构成年际的农田概率时间序列;然后,对退耕(农田变为非农田)及相关地物类别的农田概率时间序列进行分析,得到代表退耕的时间序列片段,即特征子序列;最后,计算未知像元的农田概率时间序列与退耕的特征子序列之间的距离,提取退耕区域和退耕时间。利用内蒙古自治区察右后旗土牧尔台镇地区的多年Landsat时间序列影像验证该方法的有效性,结果表明,与现有的方法相比,该方法在退耕区域和退耕时间提取方面均获得更高的精度。

基于Landsat数据热岛效应与植被的关系研究——以开封市为例

随着城市经济的不断发展,城市热岛现象日益严重,不仅制约社会经济绿色健康发展,而且危害人体健康。基于Landsat5、Landsat8数据,利用大气校正法对河南省开封市地表温度进行反演,分析开封市热环境空间分布,并对该市植被覆盖度进行空间变化分析,以期为开封市城市绿色健康规划建设及缓解热岛效应提供借鉴。结果表明,开封市城市热岛效应明显,高温由开封市区向祥符区、尉氏县、通许县、杞县、兰考县扩散;从各区热环境分布看,开封市年平均气温和高温区面积均呈升高趋势,开封市中温区、次高温区面积显著增加,次低温区面积显著减少,城区气温增加速度大于郊区,为热岛的形成提供了热量基础。地表温度与植被覆盖呈负相关,因此在开封市经济建设过程中应对城镇土地使用合理规划、加强城镇绿地规划、增加城镇绿地覆盖度、选用透水地面铺装以缓解开封市热岛效应。

基于Landsat数据的横山区植被指数变化研究

基于Landsat数据,反演榆林市横山区1993和2019年归一化植被指数(NDVI)数据,并利用差值法分析了研究区NDVI的时空变化特征。结果表明:横山区1993和2019年NDVI均值分别为0.38和0.44。其中小于0.2的区域明显减少,0.2~0.4的区域占比降低,0.4~0.6的区域的比例明显增多,大于0.6的区域也有所增加,整体而言研究区植被覆盖度得到了有效的提高。

基于优选特征及月合成Landsat数据湿地提取研究

针对Landsat卫星完整时间序列数据难以获取导致的湿地提取准确性较低和湿地提取最优特征不明确的问题,该文提出一种基于优选特征和月合成时间序列Landsat数据提取湿地的方法。通过月合成方法,利用Landsat7ETM+和Landsat8OLI数据构建Landsat 30m地表反射率、NDVI、NDWI和缨帽变换湿度分量的时间序列;利用随机森林算法和扩展的Jeffries-Matusita距离(JBh)优选对湿地提取贡献较大的特征,并基于优选特征提取湿地。结果显示:1)月合成方法有效地改善了条带和云覆盖造成的Landsat单景影像数据缺失问题;2)5月NDVI和6、8月NDWI以及5月TC-Wetness是区分永久性草本沼泽、水稻田、草地和旱地的最优特征;3)基于优选特征的湿地分类结果总体精度达到0.91,Kappa系数为0.89。特征优选减少了数据冗余,提高了运算效率,为提高湿地分类精度提供了理论基础。

基于Landsat数据的中国西北干旱半干旱地区土壤风蚀时空分布——以武川县为例

风蚀是导致中国西北的干旱、半干旱地区土壤退化的主要原因之一。本文以武川县为例,基于第一次全国水力普查中风蚀预报经验模型,通过GIS平台,基于Landsat8数据计算2018年和2019年武川县的土壤风蚀模数,获取风蚀因子,并在空间分布特征以及土地利用方式、地形地貌和植被覆盖情况进行对比分析,结果表明,虽然草地面积增加,但随着耕地和林地面积减少,武川县的风蚀情况从以微度侵蚀和轻度侵蚀为主发展为以微度和强烈侵蚀为主,且耕地的土壤风蚀情况最为严重,草地次之,林地的风蚀程度最低。由此可见,除土壤水分、风速等因素外,土地利用方式、地形地貌和植被覆盖度也对土壤风蚀的程度有很大影响。

基于Landsat 8遥感数据的森林火灾过火面积估算——以贵州毕节市赫章县“3·18”火灾为例

以贵州省毕节市赫章县2021年3月18日较大森林火灾为例,利用火灾前后Landsat 8遥感数据及ENVI遥感数据处理分析软件,通过图像预处理、计算归一化植被指数和燃烧面积指数等方法,提取森林火灾过火区域,计算过火面积。结果表明,利用Landsat 8数据能够较好地提取森林火灾过火区域,过火面积估算准确率达96.2%。

基于Landsat影像数据的香格里拉市优势树种蓄积量估测模型构建

以香格里拉市优势树种高山栎、高山松、云冷杉及云南松为研究对象,构建基于遥感的森林蓄积量估测模型。采用2006年和2016年的Landsat TM/OLI影像及二类调查数据,随机从每期数据中各选取100个小班,提取其影响因子,利用相关性强的因子构建RF模型和MLR模型。结果表明,2006年各树种蓄积量RF模型的拟合R2在0.779~0.862范围,预测精度P值为80.17%~92.16%;2016年RF模型的拟合R2为0.761~0.865,预测精度P值为81.61%~95.53%。建立MLR模型后,2006年树种蓄积量估测模型的拟合R2为0.214~0.336,预测精度P值为34.12%~47.16%;2016年模型的拟合R2为0.238~0.391,预测精度P值为34.82%~52.57%。估测结果与二类调查数据的误差为:高山栎、高山松、云冷杉、云南松分别增加了8.54×105m3、3.65×106m3、4.12×106m3、3.96×104m3,误差分别为0.36%、0.78%、0.44%、0.62%。对比二种模型估测结果表明,随机森林模型能更精确地估测优势树种蓄积量。

基于Landsat8数据的梨树县玉米种植面积提取研究

吉林省四平市梨树县作为全国粮食生产先进县、国家现代农业示范区[1],稳种植面积是该区域农业发展的首要任务。该文基于多时相Landsat8数据,结合全球高精度土地覆盖数据集GlobeLand30数据,从影像采样像元统计到典型地物光谱曲线,逐步识别研究区内的玉米种植区,从而提取吉林省梨树县玉米种植面积数据,并对比吉林省统计年鉴数据进行误差分析,最终获取准确的玉米面积提取方法。研究结果表明,使用吉林省玉米生长期中抽雄期的多时相Landsat8数据进行种植面积的识别及提取准确度较高,其次为乳熟期;多时相Landsat8数据在玉米面积的提取方面,乃至农业遥感应用方面都有一定的优势。

基于Landsat 8 OLI卫星遥感数据的黄前水库水源地保护区水土流失监测

近年来,为了提升饮用水水源地的综合监管水平,遥感监测技术得到了广泛应用。本文中基于landsat8 OLI卫星遥感数据,采用ENVI、Arc GIS等遥感图像处理技术,研究了黄前水库水源地保护区的植被覆盖度及水土流失分布特征。结果表明:黄前水库饮用水水源地保护区的林草覆盖度较高,占保护区总面积的57.32%;而水土流失较为严重,土壤侵蚀面积占55.30%,其中,以轻度、中度为主。该成果为黄前水库饮用水水源地保护区的水土流失监测和生态环境综合治理提供了技术支撑。