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。

基于多时相Landsat8数据的吉林梨树县玉米遥感估产研究

粮食产量关系到国计民生,世界各国都非常重视粮食估产在农业和粮食安全中的作用和意义,因此及时对吉林省重点玉米产区梨树县进行估产及动态预测粮食产量是非常必要的,也具有重要的现实意义。该文基于多时相Landsat8数据、全球高精度土地覆盖数据集GlobeLand30数据,结合吉林省统计年鉴数据对梨树县玉米种植区进行识别提取及精度检验,同时利用波段计算处理修正该区域植被指数,并以此建立较为准确的吉林梨树县玉米遥感估产模型。研究表明,累积NDVI值和累积RVI值均在玉米生长的抽雄期达到最值,且具有一定的负相关性;对于任何生长时期,使用累积NDVI值作为特征参数、对抽雄期及乳熟期进行估产的模型具有更高的精度数据。因此,多时相Landsat8数据在农作物遥感应用方面有较好的发展空间。

基于landsat8 oli数据的合肥市热岛时空特征分析

热岛效应是一种城市化进程中所产生的特有环境问题,是一个地区的气温高于周围地区的现象。为了揭示快速城市化地区热岛的时空变化特点,利用2014年的Landsat8 oli遥感数据,通过遥感算法反演合肥市地表温度,并对合肥市热岛分布及成因加以分析,同时分析了归一化植被指数(NDVI)、归一化建筑指数(NDBI)与热岛分布的关系,以及城市下垫面对热岛效应的影响,并对城市热场进行生态评价分析。结果表明,合肥市四季均存在热岛现象,热岛强度表现为夏季最强,最高温度达57.86℃,秋季次之,春季、冬季较弱。春、夏、秋3个季节热岛多集中在主城区,冬季热岛多分布在乡镇及裸土区,城区热岛强度较弱。热岛效应多集中在不透水面和裸土区,城市冷岛多出现在水体位置。城市热岛分布与归一化植被指数呈负相关关系,与归一化建筑指数呈正相关关系。改进半径法可以较好区分城市建成区,建成区与郊区温度分布存在明显差异。

Landsat8卫星遥感数据预处理方法

Landsat系列卫星是由美国航空航天局和美国地质调查局共同管理的资源遥感系列卫星,40多a来为地球遥感探测活动提供了大量清晰而稳定的图像数据。卫星遥感数据预处理是获取优质遥感基础图像的第一步,对后续各级卫星遥感产品的质量有着很重要的影响。针对Landsat8卫星原始数据,对卫星下传所采用的空间数据传输协议和数据传输格式进行了详细的解析,分析了原始数据从解同步、数据帧解析、任务数据包解析、图像数据获取直到生成0级图像产品的步骤;特别针对存在无损数据压缩的陆地成像仪(operational land imager,OLI)数据,讨论了基于空间数据系统咨询委员会(consultative committee for space data systems,CCSDS)相关标准进行无损数据解压缩处理的方法和过程。经数据预处理得到的Landsat8卫星0级图像产品,可为Landsat8卫星数据应用提供优质的基础图像。

Landsat8数据与GF-1数据提取铁染蚀变信息的对比分析

分别使用Landsat8数据与GF-1数据提取研究区的蚀变信息,利用波段比值法对2种数据的提取结果进行对比分析。结果表明,虽然Landsat8数据与GF-1数据都能够提取出铁染蚀变信息,然而对一些微弱的铁染蚀变信息,GF-1数据却表现出更佳的提取效果。

基于Landsat8 OLI遥感数据的辽河口湿地分类与动态监测研究

湿地复杂地类的时空分布特征提取和变化监测,对湿地资源的合理保护与社会可持续发展具有重要意义。以辽宁辽河口湿地作为研究区,结合生态环境野外数据采集,利用Landsat8 OLI遥感影像,开展2013,2015,2017,2020共4年的辽河口湿地信息提取、分类、变化研究。利用不同湿地类型的空间分布,采用监督分类方法,从Landsat8 OLI遥感影像中精准提取湿地信息,基于3种监督分类方法,针对不同地物的分类结果,选出每种地物分类精度最高的结果图像融合,并进行变化分析。结果表明:最高的总体分类精度方法为支持向量机,分类精度81%,Kappa系数为0.76。矢量融合后的分类图,平均分类精度为87.4%,Kappa系数为0.82,提高湿地分类精度效果明显。研究区2013~2020年天然湿地面积变化总体呈减少趋势,总面积减少12.43%,约113.46km^(2);人工湿地面积总体增加24.96%,约87.10km^(2);非湿地总体面积增加89.08%,约24.85km2;天然湿地地物中,碱蓬草湿地草地面积基本持平,总面积维持在26km^(2);芦苇湿地、滩涂面积总体呈减少趋势,分别减少126.26km^(2)和36.41km^(2)。研究结果为辽河口湿地分类以及动态监测提供方法和数据支持,对辽河口湿地生态保护具有重要的意义。

基于Sentinel-2和Landsat8 OLI数据融合的土地利用分类研究

以山东省平邑县为研究区,在随机选取的子研究区中,利用3种不同的融合模型,以Sentinel-2影像的红、绿、蓝、近红外4个波段作为高分辨率融合参考影像,获得12组融合影像,结果表明,利用小波变换(ATWT)算法并以红波段为高分辨率融合影像时,融合效果最好.采用最优模型和波段,对整个研究区进行数据融合,并利用随机森林算法对原始Sentinel-2影像、融合获得影像和Landsat影像进行土地利用分类,其中Sentinel-2影像总体分类精度为89.6939%,Kappa系数为0.8860,融合影像的总体分类精度为88.7657%,Kappa系数为0.8690,略低于前者,结果表明,"红波段+ATWT"融合影像在土地利用分类中可以获得接近原始影像分类精度的结果,能较好地保留原始影像的光谱信息并应用于较大区域的土地利用精细提取.

基于LandSat8 OLI数据的山区阴影信息检测与提取

为快速获取山区遥感影像上的阴影干扰区域,探究一种简便、高效、精确的遥感影像中阴影干扰区域的方法,具有重要的意义。以福建省长汀县为研究区域,搜集2016年3月美国陆地卫星影像数据与ASTER影像计算的GDEM V2产品。基于土地利用分类体系测量的6类地面物体光谱信息与影像波段信息,优选影像的光谱波段并重新组合;选取Sinh函数与Max函数建立c!算法,对LandSat8 OLI影像进行差异化计算,通过二分式判别规则初步提取阴影区域;加入由数字高程模型计算的坡度信息,剔除水域与坡度较为平缓的地物等干扰信息,精确提取山区阴影区域。设立网格随机设置精度验证点验证精度,最终总体精度达到99.06%,Kappa系数为0.98。结果表明,实验方法对于LandSat8 OLI影像提取阴影可行性高,检测效果与提取结果较c3算法与SVI指数更好。

基于改进CDAG云检测算法的Landsat8 OLI云雪识别

云检测阈值自动生成(CDAG)算法是一种自动生成阈值的云检测方法,这种方法是使用预先准确确定出云和晴空像元的AVIRIS高光谱数据模拟出不同传感器的云和晴空像元数据,据此生成它们的云检测阈值。这种方法具有自动化程度高、云检测效果好等优点。但是在原数据库的构建中,由于AVIRIS数据集中雪像元较少,导致云和雪的识别存在较大的误差。为了解决该问题,从待测数据中提取大量不同类型的雪像元,加入模拟得到的多光谱数据集中,生成新的云检测阈值,阈值生成中使用了单波段反射率、多波段反射率组合参数等作为云检测算法的输入参数。使用2013—2017年青藏高原地区多景典型Landsat8陆地成像仪(Operational Land Imager,OLI)影像进行实验验证。结果显示,在积雪覆盖的区域平均云像元识别正确率达到93.11%,对包括雪在内的晴空像元的漏判率降低到4.35%,表明此方法能有效避免雪的影响,实现高精度的云检测。

Landsat8热红外波段地表比辐射率估算方法改进

地表比辐射率是地表温度反演的关键输入参数,为了解决现有Landsat8热红外波段地表比辐射率估算方法较复杂的问题,基于ASTER光谱库数据和植被指数混合模型,提出一个适用于Landsat8热红外波段地表比辐射率的估算方法。采用MODIS地表比辐射率产品、地表温度产品与地面气象站点气温数据验证表明:估算得到的地表比辐射率同MODIS地表比辐射率产品平均相对误差小于0.005,相关系数0.8以上。运用估算的地表比辐射率数据反演得到的地表温度同气温数据的绝对误差小于1℃。由此得出结论,该方法可以较好的估算出Landsat8热红外波段地表比辐射率,可以支持生产高精度地表温度产品。

天宫二号对地观测数据与Landsat8卫星遥感影像对比分析

为客观评价天宫二号宽波段遥感影像质量情况,以天宫二号对地观测数据与Landsat8影像作为测试数据源,通过单波段灰度值、地物灰度值对比方法,分析比较可见光谱段范围内的光谱性能与应用潜力,最后采用最大似然法进行地物类型分类。结果表明:天宫二号宽波段遥感影像具有谱段丰富,分辨率低,单波段横向阈值宽且平缓的特点,适合于反演大范围且地物类型较为一致的地表信息。

典型植被指数识别火烧迹地潜力分析

植被指数法是利用卫星遥感影像识别火烧迹地的常用方法之一。植被因受火的干扰会形成火烧迹地,其光谱特征易与裸地、水体、道路、阴影和耕地等地物光谱混淆,使用遥感影像采用合适的植被指数提高过火区遥感监测精度仍是亟待解决的问题。以四川省2014年和内蒙古自治区2017年发生的4次森林火灾形成的火烧迹地作为研究区,利用高分一号16 m宽幅(GF-1 WFV)数据和Landsat8数据的波谱特性,选取归一化植被指数(normalized difference vegetation index,NDVI)、增强型植被指数(enhanced vegetation index,EVI)、全球环境监测植被指数(global environment monitoring index,GEMI)、过火区识别指数(burned area index,BAI)和归一化火烧指数(normalized burn ration,NBR)等5种典型植被指数,通过构建不同植被指数的分离指数M来定量评价这些植被指数识别火烧迹地的潜力。研究结果表明,基于近红外—短波红外波段的NBR和基于可见光—近红外波段的BAI对过火区的分离性较好,NDVI的分离性次之,EVI和GEMI的分离效果较差;基于GF-1 WFV和Landsat8数据采用BAI和NBR指数对内蒙古鄂伦春自治旗火烧迹地进行了识别(其中GF-1 WFV数据只用于BAI识别),并利用高分二号(GF-2)数据进行了精度验证,两者火烧迹地识别总体精度均大于87%,Kappa系数均大于0. 7。

改进的劈窗算法结合Landsat 8热红外数据反演地表温度研究

将劈窗算法(SW,split window algorithm)应用于Landsat8数据进行地表温度反演,完全基于Landsat8数据本身不需要借助外部数据源,克服了传统地表温度反演依赖MODIS水汽产品外部数据造成的局限,实现利用Landsat8热红外数据反演得到较高空间分辨率的地表温度产品。以美国Walnut Gulch流域为例进行SW算法地表温度反演,并与SC算法结果、MOD11-L1地表温度产品和实测地表温度数据对比分析。结果表明,与SC(generalized single-channel algorithm)算法和MOD11-L1地表温度产品相比,SW算法应用于Landsat 8数据的地表温度反演取得较好的效果,平均误差最小为0.89K,相关系数最高为0.9841,反演结果和实测数据具有较好的一致性。

基于Landsat 8数据反演水中CO_2含量的研究

海水中CO2总浓度影响大气CO2的浓度水平,是决定海洋酸化程度的重要因子。该研究利用珠江口海域现场采集的数据,建立了适用于Landsat 8卫星数据的反演海水中CO_2总浓度的模型,研究结果表明:利用现场实测数据对遥感模式估算值进行验证,所建立模式具有较高的准确率;珠江口海域水中总CO_2数值在26~70mg/L,分布为近岸海域高于外海,西部海域远高于中部和东部。

运用机载激光雷达和陆地卫星数据对橡胶林地上生物量的估测

以景洪市机载激光雷达飞行条带内橡胶林地上生物量为研究对象,以机载激光雷达(LiDAR)和陆地卫星(Landsat8/OLI)影像数据为主要信息源,结合地面44块实测样地数据,采用偏最小二乘回归模型(PLSR)分别依据单一信息源、多源信息联合对橡胶林地上生物量进行遥感估测。结果表明:在单一信息源生物量遥感估测建模中,Landsat8/OLI光学影像数据的模型决定系数比激光雷达(LiDAR)数据低,模型决定系数(R2)分别为0.56和0.68;联合LiDAR和Landsat8/OLI数据对橡胶林地上生物量的估测效果比单一信息源精度高,模型决定系数(R2)为0.75,均方根误差为16.50t/hm2,验证精度为81%;飞行区域橡胶林地上生物平均值为98.86t/hm2,总生物量为556074t。

地面资料稀缺区域的农田土壤水分微波与光学遥感协同反演方法研究

大尺度区域范围的地表粗糙度因子难以获取是微波反演土壤水分的难点所在。对此,从协同微波和光学遥感数据在土壤水分监测中的优势以提高土壤水分反演精度的角度出发,笔者进行了地表粗糙度参数稀缺区域的大范围农田土壤水分遥感反演方法研究,即利用GF-3和Landsat8光学遥感数据,通过水云模型消除植被对雷达后向散射系数的影响,获取土壤直接后散射系数,然后结合入射角、PDI、TVDI和NDWI指数共同作为模型输入参数分别建立了HH和HV 2种极化方式下的土壤水分反演模型。结果表明:采用相关系数(R2)、一致性指数(IA)和均方根误差(RMSE),对2种模型应用于江汉平原农田土壤水分反演的实验结果进行了对比分析,结果显示HH极化方式下的土壤水分反演精度整体上优于HV极化方式(HH极化方式R2=0.6864,IA=0.8895,RMSE=6.979%)。在空间分布上,温度较高和植被覆盖较低区域,土壤水分含量较低,如钟祥市的北部、江陵县的东北部、荆门市的东部、仙桃市的西部和天门市的西北部;温度较低和植被覆盖较高区域,土壤水分较高,如监利县以及天门市的南部。

基于遥感数据的矿区土壤湿度信息提取及影响因素分析

为探究土壤湿度变化与含水层及断裂构造之间的关系,通过对矿区土壤湿度的反演,结合现有地质资料,以山东省临沂市兰陵县会宝岭铁矿及凤凰山铁矿区的Landsat8 OLI遥感数据和钻孔资料为数据源,利用植被调整垂直干旱指数(vegetation adjusted perpendicular drought index,VAPDI)进行土壤湿度的反演,分别获得丰水期与枯水期的土壤湿度空间分布及变化信息。研究显示:在枯水期,研究区南部和东部农田地区土壤湿度较大;在丰水期,土壤湿度较枯水期变化明显,主要表现为西北区域土壤湿度为正常范围的大部分区域变为极干燥状态,东南区域则由正常范围变为湿润状态,东北区域枯水期的土壤湿度相对丰水期有所增加。结合研究区含水层厚度分布图及矿区断裂构造提取图,发现土壤的湿润程度随含水层厚度的增加而增加并受断裂影响。因此,可以初步断定含水层厚度及断裂是影响该区域土壤湿度的主要因素。本研究对矿区的灾害预测、当地农田的合理配置以及生态恢复具有一定的科学指导作用。

基于STARFM模型的遥感影像融合

Landsat遥感数据是区域资源与环境研究的重要数据源,但受时间分辨率及阴雨天气的影响,难以获得大范围的相同时相数据。因此利用时空融合技术,充分发挥多源遥感数据的优势,获取大范围相同时相的遥感数据具有重要的意义。以长沙市为研究区,利用STARFM模型融合生成了具备高空间和高时间分辨率的Landsat影像,并分析了原始影像与融合影像的相关性以及STARFM算法的适应性。结果表明:利用STARFM模型融合生成的融合影像和原始影像的相关性较高,证明STARFM算法的适应性较好,为该算法的适应性研究提供了实证。

基于二次主成分分析的遥感蚀变信息提取研究

对遥感蚀变信息提取常用的主要方法(比值法、主成分分析法、光谱角法)作了介绍,结合门限法划分异常阈值,以Landsat8—OIL为数据源,采用二次主成分分析法,建立了掩模模型,并根据门限法对二次主成分分析法进行了异常阈值划分,提取蚀变异常信息。

青海都兰拉克洼尔玛地区遥感蚀变信息提取与成矿预测

青海都兰拉克洼尔玛地区地处祁曼塔格-都兰多金属成矿带、大海滩-什多龙多金属成矿亚带,成矿地质条件优越,找矿潜力巨大。区内沙柳河南钼矿床围岩蚀变特征显示区内黄铁矿化、黏土化、绢云母化及绿泥石化等围岩蚀变与矿化关系密切。根据铁染、羟基和硅化蚀变矿物的反射率波谱曲线特征,通过对landsat8 OLI遥感数据不同波段进行主成分分析分别提取了铁染、羟基和硅化蚀变信息,并分别圈定了铁染蚀变异常区3处,羟基蚀变异常区5处和硅化蚀变异常区4处。根据铁染、羟基和硅化蚀变异常组合、分带及分布特征,结合成矿地质背景,在区内圈定5个成矿远景区。经地表踏勘,在I_(2)和I_(3)远景区发现明显的铜钼等矿化,验证效果较好,为区内多金属矿床勘探找矿工作提供了有效参考。