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。

Landsat-5 TM影像增益偏置值对地面反射率计算影响分析

增益和偏置是对TM影像计算反射率的两个基本参数,如果这两个参数存在偏差,辐射定标、辐射校正及大气校正的结果都会出现错误。由于Landsat-5卫星的老化,辐射精度有一定程度的下降,USGS多次公布了不同的辐射校正参数。根据USGS公布的结果以及影像头文件中的增益和偏置值,对1998年获取的Landsat-5 TM影像进行了实验;求解了地面反射率并对2种地物(茂密植被和清洁水体)的地面反射率与标准值进行了对比分析。实验结果表明,利用影像头文件中的增益和偏置值对影像进行处理能获得最好的结果;如果影像不包含头文件,则建议使用USGS公布的相同时期的参数。

THEOS与LANDSAT5-TM卫星影像在山区土地利用遥感监测方面的比较研究

本文选择贵州省镇宁、关岭两个山区县,利用THEOS卫星影像提取土地利用类型信息,与同时期的LANDSAT5-TM卫星影像的解译结果及实际情况进行比较分析,发现影像纠正时使用同一精度的影像作为控制影像更有利于工作的开展。论证了THEOS卫星影像在解译山区土地利用信息时更科学准确,具有山区土地利用监测的可行性。

基于单通道算法的HJ-1B与Landsat 5 TM地表温度反演一致性研究

针对传感器参数与Landsat 5 TM较为相近的环境减灾卫星HJ-1B的热红外数据是否能达到与TM6反演地表温度同样的效果的问题,作者获取了2009年4月15日覆盖北京地区相同范围的HJ-1B影像和Landsat 5 TM影像,采用Ji m啨nez-Mu oz和Sobrino的普适性单通道算法,通过遥感数据获取反演参数,对研究区的地表温度进行反演,并对两类数据反演结果的一致性进行了分析和评价。通过对反演结果的统计分析和分级填图表明,基于普适性单通道算法的HJ-1B与TM的热红外波段反演的地表温度在数值上和空间分布趋势上一致性较高。因此,具有较高时间分辨率和较大幅宽等优势的HJ-1B IRS数据在地表温度反演方面具有更大的潜力和应用范围。

Landsat 5 TM数据辐射定标

Landsat 5卫星自1984年3月1日发射以来已成功运转24a,在Landsat 5 TM的数据处理历史中,为提高辐射定标精度,美国地质调查局(USGS)分别在2003年5月和2007年4月对其辐射定标算法进行了两次更新,新算法采用基于查找表的定标算法,和Landsat 7 ETM+的定标算法相似。但是目前在遥感定量应用中对TM数据的辐射定标问题存在混乱状况,影响了定标精度。针对此状况,对Landsat 5 TM数据辐射定标问题进行了系统介绍,重点分析了定标算法变化情况,为正确进行Landsat 5 TM数据辐射定标提供参考。

使用LANDSAT-5TM数据反演金塔地表温度

使用Landsat-5 TM的热红外波段资料,用Weng等、Qin等及Jimenez Mu^noz等三种不同的方法对金塔地区地表温度进行反演,并将反演得到的结果与实测值进行比较。结果表明,三种方法均能较好地反演出金塔绿洲地表温度的分布状况,其中,Weng等及Qin等的反演方法反演的结果较好,绝对误差均<1.9°C;而Jimenez Mu^noz等的方法反演的结果较差。

基于元胞自动机和BP神经网络算法的Landsat-TM遥感影像森林类型分类比较

【目的】针对森林资源遥感监测效果往往受森林类型识别分类方法的影响,提出一种基于元胞自动机的遥感影像森林类型分类方法,以提高Landsat-TM遥感影像的分类精度,为森林资源遥感监测提供技术支持。【方法】以小兴安岭带岭林业经营管理局为研究区,基于2010年Landsat5-TM影像数据和2012年森林资源二类调查数据,采用窗口法获取TM第5波段各待分类别的像元均值作为聚类中心,以元胞自动机的Moore模型为框架,以元胞为基本单位,以像元均值为对象,利用最小距离法求取进化规则(判断准则是中心元胞周围的8个元胞距每类聚类中心的距离最近且像元数量最多,则中心元胞属于该类别),充分考虑影像及地物之间的空间特征,采用元胞自动机分类方法进行森林类型的识别分类。同时,以相同的样本数,采用3层BP神经网络模型对TM遥感影像进行分类试验,并比较2种方法的分类效果。【结果】基于元胞自动机的分类方法总体分类精度为88.712 1%,Kappa系数为0.829 1,针叶林、阔叶林和针阔混交林的用户精度分别为73.60%,92.94%和94.13%,达到了区分针叶林、阔叶林和针阔混交林的分类目的。BP神经网络算法的总体分类精度为86.671 3%,Kappa系数为0.798 4,针叶林、阔叶林和针阔混交林的用户精度分别为69.22%,93.37%和90.76%。2种分类方法均可有效识别森林类型信息。【结论】元胞自动机模型应用于遥感影像森林类型识别分类可弥补因TM影像空间分辨率较低造成的遥感影像分类精度过低的问题,提高分类精度。在森林分布破碎、种类类型多样且结构复杂的带岭林区,该研究结果有助于森林资源监测与管理,可为大区域尺度的森林动态信息监测提供更好的数据及技术支持。

利用Landsat/TM影像监测北京地区气溶胶的空间分布

该文利用北京地区两景高分辨率Landsat5/TM卫星遥感影像第一波段(0 45～0 52μm)数据,采用表观反射率标准方差之比法对北京地区的气溶胶空间分布进行半定量描述,计算同一日大气能见度空间分布。气溶胶空间分布的总体特征为:北京西部、北部、东北部气溶胶光学厚度明显低于西南部、南部、东南部,从西北部山区向东南部平原气溶胶分布一般呈递增趋势,高值集中在市区中心,大值覆盖区域偏向城区东南;对应的当日大气能见度空间分布则相反。分析造成大气污染的原因,并对该方法的局限性以及需要改进之处进行讨论。

基于Landsat5 TM数据的地下煤火区地表温度反演

利用Landsat5 TM数据,应用Weng方法反演了内蒙古乌达矿区的地表温度,并进行了初步分析.结果表明Weng方法的反演结果符合地下煤火区温度的空间分布规律,高温异常区范围明显,在地下煤火区地表温度获取中具有一定的适用性.

LANDSAT-5 TM图像散粒噪声去除方法研究

针对LANDSAT-5 TM多光谱图像存在散粒噪声问题,提出一种基于异常探测和光谱归一化处理来检测及去除噪声的算法。视散粒噪声为强光谱异常,基于RX算子探测像元异常,根据异常分布统计特征确定含散粒噪声的像元;再以含散粒噪声的像元为中心,利用邻域内像元各分量上的光谱归一化分值,确定散粒噪声所在波段。利用邻域内具有最相似光谱的像元对应分量替换散粒噪声所在的像元分量。实验表明,该算法能够有效去除TM图像中的散粒噪声。

基于TM和SPOT5影像融合的土地利用分类及精度比较——以朝阳区为例

本文基于TM和SPOT5的影像在ERDAS IMAGINE环境中进行融合,在融合前后分别对TM图像与融合后图像进行土地利用分类,对比分类精度并进行定性和定量的解释和分析。本文给出了实验的详细步骤以及完整的评价报告。研究结果表明,融合后图像分类精度有明显提高。对融合后影像进行土地利用分类,在测绘与地图更新、土地利用与城市规划、生态环境监测和政府规划决策等中,具有广阔的应用前景。

基于Landsat TM/OLI的福建省木兰溪流域生态系统格局及其变化评估

基于1994—2020年间的6期Landsat TM/OLI影像,分析木兰溪流域生态系统格局及其变化情况.结果表明:木兰溪流域最主要的生态系统类型为森林、农田与城镇三类生态系统,共占木兰溪流域总面积的92.87%.其中,森林生态系统占54.64%,面积为929.39 km^(2).1994—2020年,各类生态系统间存在不同程度的相互转化,基本为净转出,其中草地、灌丛生态系统转出量较大(分别为58.35%、33.13%),仅有城镇生态系统为净转入(257.28%),增加面积214.34 km^(2),主要来自农田、森林和草地生态系统.总体而言,1994—2020年木兰溪流域生态系统格局基本保持稳定,城镇生态系统的大量增加与灌丛、草地生态系统的减少,反映了木兰溪流域生态环境与城市化、经济社会发展之间的紧密联系,更加强调了在保护生态环境的前提下实现可持续发展的重要性.

基于Landsat TM冬季影像的香格里拉高寒草甸分布的提取与验证

根据1995年地面实测的土地利用资料,识别香格里拉市不同坡度、坡向和海拔组合下的高寒草甸和裸地的分布情况,利用1995年Landsat TM冬季影像计算裸土植被指数和归一化植被指数,以识别潜在分布区内的裸地和绿色植被,进而分析1995年香格里拉市高寒草甸的空间分布格局。结果表明:1995年香格里拉市高寒草甸和裸地集中分布区的坡度为9°~37°,坡向为南、西南、西、西北和北方向,海拔为3900~4631 m;高寒草甸和裸地的潜在分布区为1742.89 km^(2)。剔除潜在分布区内的裸地和绿色植被,提取得到1995年香格里拉市高寒草甸的面积为1070.28 km^(2),其中,在高寒草甸集中分布区域的提取面积为512 km^(2),与真实分布情况相比,其面积精度为76.10%,空间重合度为90.87%。因此,采用Landsat TM冬季遥感影像提取滇西北高寒草甸的分布(尤其在集中分布区)是可行的。

基于Landsat 5影像的青海省大通县土壤表层全氮空间格局反演

为了提高土壤全氮含量的反演精度,为大通县土壤全氮研究及土壤肥力调控提供理论数据,文中以大通县Landsat 5遥感影像和采样地数据为基础,通过建立偏最小二乘回归及BP神经网络模型,建立土壤全氮含量与光谱反射率的反演模型,并对采样点的地表真实反射率值与其土壤全氮含量进行分析。结果表明:BP神经网络模型的回归决定系数R2为0.792,均方根误差RMSE为0.246,预测精度优于偏最小二乘回归模型。Landsat 5影像和采样地数据相结合可以实现大范围快速反演土壤全氮含量,提高反演精度,为土壤质量评价、粮食估产等提供数据支撑。本研究可为大通县的土地质量建设提供数据支撑和理论参考。

基于Landsat TM影像的松花江河流哈尔滨段植被盖度研究

以2004年Landsat TM遥感数据为主要数据源,通过借助于RS和GIS技术完成对该区域NDVI的提取,在此基础上定量研究与分析该区域植被盖度,并定性说明了其空间分布格局,该研究成果可为植被覆盖度的动态监测和生态环境评价提供一定的技术支持。

基于LANDSAT8TM影像对垦区马铃薯种植遥感监测研究

以LANDSAT8TM遥感影像数据为数据源,利用ARCMAP9.3、ERDAS9.2软件进行数据处理分析。利用5、6、4波段组合的多时相LANDSAT8TM影像进行综合分析提取,进而获得马铃薯的分布情况及种植面积,通过实际验证提取准确率达到96%以上。

基于Landsat5TM数据反演地表温度的方法研究——以石城县为例

热岛效应对城市生态环境的影响大,不利于生态城市的建设。本文通过获取研究区的Landsat5TM影像为主要数据源,利用热红外波段TM6进行地表温度反演。分析结果表明:研究区地表温度明显比郊区地表温度高,并呈现由中心城区向外地表温度有逐渐降低的趋势。

基于Landsat TM影像的长株潭城市群热岛效应研究

基于Landsat TM遥感影像,对长株潭城市群1997—2017年3期遥感影像进行地表温度反演,通过对长株潭城市群热岛强度变化的分析,揭示长株潭城市群热岛的时空演变发展规律。结果表明:从热场空间分布来看,强热岛和极强热岛主要集中分布于长株潭中心城区以及长沙县、浏阳市等。从地表温度变化情况来看,1997—2017年呈现先降低后升高的变化趋势,但总体上呈现下降的变化趋势,其中长沙、株洲、湘潭3个城市中心城区热场呈现增强的趋势。

基于HJ-CCD与TM影像的水稻LAI估测一致性分析

针对传感器参数与Landsat-5 TM较为相近的环境减灾小卫星HJ-CCD影像可否适用于水稻叶面积指数(LAI)估测的问题,该文利用同为2009-07-13获取的安徽省境内相同范围的HJ-CCD影像和TM影像,结合地面同步调查数据,分别从影像原始波段相关性、反演模型精度及LAI空间分布趋势3个方面,对两类数据在水稻LAI估测上的一致性进行分析和评价。结果表明,两类影像原始波段反射率相关性较高,基于两类影像的单变量、多变量模型在精度上一致性较高,估测所得的LAI在空间分布上也具有较高的一致性,数据集中分布的区间较为一致。因此,该研究初步证明将HJ-CCD影像用于水稻LAI估测在总体上是可行的。但同时,由于基于两类影像构建的模型在形式上存在一定程度的差异,据此得到的LAI填图结果的数据分布在某些区间内亦略有差异。因此,在应用中应注意针对不同数据源进行独立建模分析,不可相互套用模型。该研究一定程度上为有着重访周期短、覆盖范围宽等优势的国产中分辨率遥感数据在农业领域的应用提供依据。

基于决策树的Landsat TM/ETM+图像中太湖蓝藻水华信息提取

以9期Landsat TM/ETM＋影像为数据源,基于K-T变换和归一化植被指数（NDW）,建立了湖泊蓝藻水华信息提取的决策树模型.基于大气顶面反射率图像,选用2005年10月17日太湖图像进行了对比验证,表明决策树模型比单波段阈值法、多波段阈值法（RVI、DVI、NDW）能够更有效地提取蓝藻水华信息,区分陆生植被、水生植物和水华,省去了水体掩膜的过程.使用太湖2002年10月25日和2011年7月22日图像、巢湖2005年8月12日的图像,验证决策树模型方法和工作流程的有效性.使用多期TM图像确定了阈值的取值范围,其中,亮度、绿度、NDVI的下限值依次为0.191、-0.007、-0.054,湿度下限范围为0.07～0.15;亮度阈值上限范围为0.3～0.7、绿度为0.2～0.5、湿度为0.1～0.3,这些结果可作为湖泊蓝藻水华遥感监测的参考.