银根地区Landsat8卫星数据地下水信息反演及其对砂岩型铀矿勘查的指示

有针对性地利用遥感技术识别铀成矿环境、条件与控矿要素是开展砂岩型铀矿遥感勘查的重要内容。由于砂岩型铀矿中铀的富集过程是成矿流体在储层中迁移并与周围环境相互作用的结果,而地下水是最常见的含铀流体,因此在砂岩区开展地下水信息的遥感识别对铀矿勘查具有重要指示意义。以内蒙古银根地区为研究对象,选择Landsat8卫星遥感数据为主要数据源,以地下水活动产生的地表热异常、植被异常和湿度异常作为突破口,利用热红外波段结合大气参数反演了地表温度,同时采用多光谱波段结合归一化植被指数(NDVI)和不规则梯形模型(OPTRAM)反演了地表植被和湿度信息。反演结果表明:银根地区地表植被信息与地下水富集程度之间存在良好正相关关系,可作为识别地下水活动的首选依据,相比而言,地表温度和湿度信息则易受不同岩性和岩石蚀变作用影响,仅可作为识别地下水活动的辅助依据。利用地表植被、温度和湿度信息,在银根地区南部圈定了5处北东走向的富水带。通过将富水带与构造解译结果整合,在银根地区南部斜坡带上成功识别出泄水构造与隐伏泄水构造。结合前人钻探资料,发现所识别的泄水构造与铀矿化存在一定关系,可能促进了地下水循环并控制着铀矿的形成,由此认为下一步铀矿找矿工作可围绕泄水构造或隐伏泄水构造开展。

基于Landsat 8 OLI的东圳水库水质参数反演研究

遥感技术是监测内陆水体水质的有效手段,东圳水库是莆田市水源地,为了对水质进行实时监测,了解其空间分布情况,本文基于Landsat 8 OLI遥感影像,结合124个采样点实测获得的Chl-a、浊度、COD浓度分别构建统计回归模型、BP神经网络模型、XGBoost模型,并采用R^(2)、MAE、RMSE进行精度检验。结果表明BP神经网络模型效果优于统计回归模型,R^(2)均大于0.9,但存在过拟合现象;XGBoost模型可以有效防止过拟合,表现出较强的拟合能力和较高的预测精度。

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。

基于Landsat 8的节水改造背景下盐渍化土壤含盐量反演

为探明沈乌灌域节水改造后因渠道衬砌、引排水量减少引起的土壤含盐量时空分布特征及变化规律,采用区域土壤信息定点监测,结合经典统计学、空间插值以及机器学习建模反演等技术手段,利用Landsat 8卫星获取光谱数据,通过对实测土壤含盐量、光谱指数及波段反射率进行处理,运用Adaboost回归、BP神经网络回归、梯度提升树回归、KNN回归、决策树回归、随机森林回归方法构建了沈乌灌域土壤含盐量空间反演模型。采用最优反演模型对沈乌灌域土壤含盐量空间分布特征进行了遥感反演。结果表明:通过全变量单一回归法筛选出相关系数大于0.55的9个光谱因子,使用SPSS PRO软件构建6种机器学习反演模型,对比6种反演模型精度,验证集决定系数R2由大到小依次为随机森林回归、梯度提升树回归、Adaboost回归、KNN回归、决策树回归、BP神经网络回归。其中随机森林回归模型的拟合精度最佳,训练集与验证集的决定系数R2分别为0.834和0.86,说明随机森林回归模型的反演效果较好。反演结果表明:节水改造后非盐渍土面积增加391.7 km^(2),占灌域总面积的21%,中度盐渍土面积、重度盐渍土面积、盐土面积分别减少95.61、63.37、45.7 km^(2),分别占灌域总面积的5%、3%、2%。综上所述,节水改造工程完成后,沈乌灌域土壤盐渍化程度减轻,作物生长安全区面积增加,但由于渠道衬砌以及引排水量减少,土壤盐分淋洗效果减弱,土壤盐分在灌域内部运移,整体土壤环境得到改善,局部地区出现盐分聚集。

基于Landsat 8和机器学习的塔城地区草地地上生物量估测模型

以新疆塔城地区为研究区,利用植被指数、气象数据、地形数据作为自变量,结合研究区样地实测生物量数据,分析并比较K近邻回归(KNN)、多元线性回归(MLR)、梯度提升决策树(GBDT)和随机森林回归(RF)和极端梯度提升(XGBoost)5种机器学习模型,进而分析并比较采用投票回归器(Voting regressor)和堆叠(Stacking)方法构建的2种集成学习模型的估测精度。结果表明,基于Stacking集成学习模型性能最优,R^(2)达0.764,RMSE和MAE分别为23.29 g/m^(2)和16.8 g/m^(2),进而利用最优模型进行草地地上生物量(Above ground biomass,AGB)反演制图。

基于Landsat-8影像的高原湖泊水体表面温度反演

目前,在高原环境下的水体表面温度反演成果相对较少,本文结合Landsat-8影像和辐射传输方程法对纳木错湖水体表面温度进行反演并验证其有效性。首先,计算研究区的地表比辐射率;其次,计算同温度下黑体的辐射亮度;最后,利用普朗克函数计算水体表面温度并基于MODIS地表温度产品对反演结果进行验证。实验结果表明,湖泊水体表面温度反演绝对误差最小值为0.449℃、最大值为1.685℃,均方根误差最小值为1.269℃、最大值为1.781℃,反演结果与MODIS温度产品的日均温结果较接近,夏季湖泊水体表面温度变化特征基本与纳木错气温一致。该方法可为后续高原湖泊水体水表温度反演研究提供一定的参考。

基于Landsat 8数据的人工林地上生物量估测模型研究

为提高森林资源管理的效率和精度,探讨特征变量选择与新型机器学习算法结合建立桉树人工林地上生物量估测模型的精度。以广西高峰林场为研究区,以Landsat 8遥感数据结合实测样地数据,使用Pearson相关性分析法结合随机森林的特征变量选择方法,分别构建基于多元线性回归(MLR)、K最邻近(KNN)、随机森林(RF)和极端梯度提升(XGBoost)算法的森林地上生物量估测模型,使用模型评价指标对比不同模型的精度。结果表明,XGBoost模型拟合精度最高,验证结果R^(2)为0.75、RMSE为30.15 t/hm^(2)、MAE为20.27 t/hm^(2);RF、KNN和MLR模型次之,R^(2)分别为0.69、0.54和0.52。利用Pearson相关性分析法结合随机森林相较于仅使用随机森林筛选变量的方法,R^(2)提高了27.12%、RMSE降低了11.44 t/hm^(2)、MAE降低了8.70 t/hm^(2)。采用机器学习方法的模型比多元线性回归模型更有优势,其中新型机器学习算法XGBoost在生物量估测方面有巨大潜力。Pearson相关性分析结合随机森林的特征选择方法能够减少冗余变量对模型估测精度的影响,有效提高模型预测性能。

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Landsat 8 OLI影像的常用水体指数法分类精度对比

以南水北调受水区的石家庄为对象,以同期Sentinel-2 MSI影像的目视结果作为标准水体,使用11种常见水体指数,从Landsat 8 OLI影像中提取水体分布信息,基于转移矩阵的面积精度检验法、抽样精度检验法,对提取结果进行精度验证。结果表明,各水体指数法提取宽阔水面(如大型水库、湖泊)的区别不大,城区小水系、小型河道更能检验水体指数的提取能力,WI2019在对比的水体指数中表现最佳。分析表明,南水北调通水后,石家庄市除去大型水库后地表水体面积显著增加,从2014年42.0 km^(2)增长到2020年62.5 km^(2)。南水北调通水后受水区地表水体面积增长较快,鉴于大部分新增水体底部存在人工衬砌,地下水补给功能较差、无效蒸发较多,建议适当控制水体规模,以便有效减少外调水资源的浪费。

基于Landsat 8数据的广东石马河流域水质参数反演研究

针对河流水域水质进行高效快速监测的需要,本文以2021年2月广东石马河流域水体为研究对象,利用Landsat 8的OLI遥感影像对试验区域的环城河化学需氧量进行遥感反演研究。本文首先对实测水质数据和相应卫星影像数据波段值进行相关性分析,然后选取相关性最高的遥感波段值对水质进行回归分析,最后建立了适用于石马河流域的三次多项式反演模型。经反演预测结果与现场实测水质数据对比,试验结果表明所建立的水质反演模型能对石马河流域水质化学需氧量浓度进行高效快速监测。

基于Landsat 8 OLI和资源3号立体像对数据的桉树森林蓄积量估测

【目的】探索Landsat8 OLI数据和立体数据在估算桉树森林蓄积量(forest stock volume,FSV)中的潜力,并且准确地估计桉树的FSV。【方法】以3幅Landsat8 OLI图像和资源3号立体数据为遥感数据源,并且结合少量地面调查数据实现了桉树FSV的遥感估计。研究中提取了三类遥感特征用于估计桉树FSV:第一类是包括植被指数和单波段反射率在内的光谱特征;第二类是基于Landsat 8 OLI图像的单波段提取的8种纹理特征;第三类是基于资源3号立体像对数据和开源的数字高程模型(digital elevation model,DEM)提取的冠层高度模型(canopy height model,CHM)。利用Boruta算法对三类遥感特征进行提取,之后建立了随机森林(random forest,RF)、K-最近邻(K-nearest neighbor,KNN)和支持向量机(support vector machine,SVM)3种机器学习模型以及传统的多源线性回归模型(multiple linear regression,MLR),并以决定系数(R2)、均方根误差(root mean square error,RMSE)和相对均方根误差(relative root mean square error,rRMSE)作为评价指标对模型结果进行评估。【结果】基于ZY-3立体像对数据和开源的DEM数据提取的CHM与桉树的FSV具有很强的相关性,Pearson相关系数达到了0.71。仅仅利用基于Landsat 8 OLI图像提取的光谱和纹理特征难以准确2地估计桉树的FSV,估测模型的R为0.29~0.38,rRMSE为35.65%~43.30%,存在严重的数据饱和问题。2当变量集中加入CHM后,模型的估测精度明显提高,R达到了0.64~0.66,rRMSE为25.74%~26.41%。【结论】使用Landsat 8 OLI数据估算桉树FSV时存在严重的数据饱和问题,并且使用空间分辨率为30 m的纹理特征难以有效地改善森林蓄积量的估计精度。利用资源3号立体像对数据和开源的DEM数据可以提取较为准确的CHM,并且所提取的CHM可以解决改善光学数据的饱和问题,从而提高桉树FSV的估计精度。

基于序贯高斯条件模拟的GEDI数据联合Landsat8反演森林地上生物量

[目的]单一遥感技术估测森林生物量存在较大局限性,本研究旨在利用多源遥感协同技术互补激光雷达和光学遥感的优势,提高生物量估测精度。[方法]以星载激光雷达GEDI和光学遥感Landsat8数据为主要信息源,采用序贯高斯条件模拟方法实现GEDI光斑数据由“点”到“面”的空间扩展,结合地面138块生物量调查样地,利用随机森林回归方法估测云南省香格里拉云冷杉林的地上生物量。[结果](1)采用序贯高斯条件模拟方法对GEDI光斑点进行空间插值,模拟的12个生物物理指标在空间分布上呈现出随机性、破碎化的特征,这与森林的空间分布聚集性非常相似,参与建模的9个指标OEC均大于0.90;(2)利用单一Landsat8光学遥感数据和地形因子构建的随机森林模型精度为:R2=0.82,RMSE=35.51 t·hm^(-2),P=0.77;Landsat8数据协同星载激光雷达GEDI数据构建的随机森林模型精度为:R2=0.86,RMSE=32.11 t·hm^(-2),P=0.80,模型精度明显提升;(3)利用多源遥感技术估测的香格里拉2019年云冷杉林地上的生物量总量为37 042 605.68 t,平均生物量为123.28 t·hm^(-2)。[结论]基于地统计学的序贯高斯条件模拟方法考虑到研究对象的空间异质性、能克服一定的平滑效应,用于实现激光点由“点”到“面”的空间扩展是可行的。星载激光雷达GEDI与光学遥感Landsat8协同的多源遥感数据可有效填补单一遥感数据源的缺陷,提高森林生物量的估测精度,能为激光雷达联合光学遥感估测大范围、全覆盖的森林生物量提供参考。

基于Landsat-8影像的抚州市地表温度遥感反演研究

基于抚州市2022年9月28日Landsat-8影像,采用单窗算法反演地表温度(LST),并选取随机点统计方法,分析LST与归一化植被指数(NDVI)、数字高程模型(DEM)、坡向之间的关系。结果表明,研究区反演的LST为22.51~45.71℃,低值区主要分布在东北部、东南部、中部偏西高程和NDVI值均较大的区域,高值区主要分布在西部、南部城镇密集、高程和NDVI值均较小的区域。LST与NDVI、DEM 2个影响因素均呈现明显负相关,不同坡向的LST与一般认知一致,阳坡高于阴坡。

基于Landsat-8影像的农田土壤含水量反演研究

快速实时地获取大范围土壤含水量可以为科学有效地应对干旱提供强有力的数据支撑。研究选择河北省定兴县和易县的冬小麦种植区作为研究区域,基于多光谱遥感数据Landsat-8和野外实测土壤含水量数据,构建了垂直干旱指数(PDI)、改进型垂直干旱指数(MPDI)、温度植被旱情指数(TVDI)3种干旱指数模型来反演研究区土壤含水量,并分析反演结果的精度和适用性。研究结果表明:3种干旱指数计算结果显示研究区整体偏干,不同干旱指数的空间分布存在差异,其中PDI和另外2种干旱指数的差异最大;3种干旱指数均与土壤含水量实测值呈负相关,其中MPDI、TVDI和土壤含水量之间存在较为明显的线性相关关系,从拟合精度来看MPDI表现最优,因此被用于反演研究区的土壤含水量。反演结果显示研究区的含水量整体偏少,主要介于12%~15%,含水量的空间分布特征和地表覆盖特征一致。研究结果证明了MPDI指数在冬小麦冬季干旱监测方面具有较大的应用潜力。

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-8卫星数据的洋山深水港区近年悬沙变化特征研究

洋山深水港区的建设对周围海域水沙分布产生显著影响,深入分析建港后的水沙特征对后期港区开发具有重要意义。基于近6年的Landsat-8 OLI洋山深水港区遥感影像,对洋山深水港区的表层悬沙浓度时空变化特征进行分析。结果表明:洋山港海域冬季悬沙浓度明显大于夏季,冬、夏季悬沙浓度差异接近1倍;大潮期的悬沙浓度大于小潮期,涨潮期的悬沙浓度大于落潮期;受喇叭口地形影响,潮流作用较强,潮型变化对口外悬沙浓度影响更为明显;强风引起的波浪变化也会使悬沙浓度明显提高。

基于Landsat-8 OLI数据的新疆昭苏南克拉克斯赛依矿区蚀变信息提取

昭苏南克拉克斯赛依矿区气候条件恶劣,高寒缺氧,交通不便,积雪覆盖深厚,区内构造复杂,矿产资源丰富。充分发挥遥感技术的独特优势,对研究区未来的找矿工作有重要意义。文章将Landsat-8 OLI作为数据源,在预处理基础上,根据研究区矿产地质情况及围岩蚀变特征,采用主成分分析法进行铁染、羟基蚀变信息提取,结果表明:研究区蚀变异常信息分布特征具有一定规律,异常信息呈带状展布,与构造走向基本一致,羟基异常与铁染异常套合较好,且强度较高,结果与研究区内已知矿化点套合较好,证明蚀变信息为良好的找矿标志,对研究区找矿工作有重要的指导意义。

基于Landsat8卫星光谱与纹理信息的森林蓄积量估算

以福建省将乐县国有林场为研究对象,通过外业实地调查得到样地蓄积量:以Landsat 8卫星遥感图像为数据源,对遥感图像进行处理,获取多光谱影像的波段光谱值、植被指数和波段组合值,并筛选出全色波段的最优纹理生成窗口与纹理特征;通过多元回归分析方法,分别建立仅以光谱因子为自变量和结合光谱信息和纹理特征的蓄积量估测模型,并比较两者之间的精度。实验结果表明:光谱因子的多元线性回归方程的相关系数为0.853,联合光谱和纹理特征因子反演的多元回归方程的相关系数为0.926。同时利用检验数据,得出模型的预测精度:光谱因子蓄积量的估算方程精度为79.81%,联合反演蓄积量的估算方程精度为85.98%。研究表明:引入纹理特征后蓄积量的预测精度得到一定程度的提高,利用Landsat 8全色波段的纹理特征进行蓄积量估测具有良好的应用前景。

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.