云南省九大高原湖泊水体面积时空变化研究

基于Google Earth Engine(GEE)云平台和长时序的Landsat遥感影像,研究了近30 a云南省九大高原湖泊水体面积的时空变化趋势,并在此基础上分析了湖泊水体面积变化的驱动因素。研究结果表明:(1)云南省九大高原湖泊表面水体面积由1988年的1024.91 km^(2)减少至2018年的1000.98 km^(2),总体呈"先增加后减少"的趋势,总面积减少了23.93 km^(2)。(2)大部分高原湖泊的水体面积保持稳定,但从2008年以后,杞麓湖和异龙湖的水体面积明显缩小。(3)影响因素分析结果表明:九大高原湖泊水体总面积的变化在2013~2017年和降水的变化呈显著正相关(R=0.9,p=0.08),在1988~2018年与气温呈负相关性(R=-0.63,p=0.001);影响九大高原湖泊水体面积变化的主要人为因素包括湖泊流域的土地利用变化以及政府的经济发展和湖泊保护政策。区域气候变化和人类活动共同影响了云南省九大高原湖泊水体的面积变化。

面向对象的高分辨率遥感影像建筑物变化检测

以武汉市东湖高新技术开发区部分区域为研究区,提出基于面向对象的高分辨率遥感影像建筑物变化检测法.利用BMI算法提取建筑物,利用CVA算法进行变化检测得到全部对象差异度,利用EM算法的贝叶斯阈值计算方法确定变化阈值.结果表明,基于面向对象的变化检测总体精度为89.48%,Kappa系数为0.86,优于基于像元的变化检测,为高分辨率遥感影像建筑物的变化检测提供了一种新的思维方式和方法.

复杂环境下高分二号遥感影像的城市地表水体提取

水体指数可以抑制背景噪声和提高地表水体的可分性,已经广泛用于地表水体提取。传统FCM聚类算法考虑了地物的不确定性,但没有顾及地物的邻域空间信息,对背景异质性比较敏感。针对传统FCM聚类算法的不足,提出一种可变邻域的区域FCM聚类算法。由于复杂环境下高分二号(GF-2)遥感影像的城市地表水体具有复杂异质背景和不确定性的特点,本文利用水体指数和区域FCM聚类算法的优点,提出一种整合水体指数和区域FCM的城市地表水体自动提取算法,该算法主要步骤包括:(1)去除影像阴影后计算归一化差分水体指数NDWI(Normalized Difference Water Index);(2)区域FCM聚类算法;(3)整合水体指数和区域FCM聚类的城市地表水体自动提取算法。最后采用两景GF-2高分辨率遥感影像(广州和武汉)进行实验,验证了该算法的有效性,并与经典地表水体提取算法进行对比分析。实验结果表明:该算法具有较高的水体提取精度,城市地表水体边界既具有较好的区域完整性又保持了局部细节,同时对城市地表水体复杂背景噪声具有较好的抑制作用,有效减少传统FCM聚类算法的'胡椒盐'现象。

顾及全局和局部最优的高分辨率遥感影像多尺度分割优化算法

遥感影像多尺度分割是面向对象影像分析方法(OBIA)的关键步骤,分割质量直接影响OBIA的分类精度,目前多尺度分割方法都很难让分割结果同时达到全局和局部最优。本文针对上述问题,提出一种新的顾及全局和局部最优的高分辨率遥感影像多尺度分割优化算法。该算法主要包括:(1)采用局部方差准则获得多尺度分割的全局最优分割尺度。(2)对全局最优分割尺度中的过分割和欠分割对象进行优化处理,获得局部最优分割结果。(3)将局部最优化分割结果与全局最优分割结果进行融合,获得最终的多尺度优化分割结果。本文采用2个QuickBird遥感影像进行实验,验证该算法的有效性,并对实验结果进行定性和定量分析,结果表明:(1)从视觉效果来看,优化后的分割结果具有更准确的分割边界,大尺度的地物保持较好的区域性,小尺度的地物保持了更多细节。(2)从定量评价指标(RR、RI和ARI)分析:在实验1中,该算法比全局最优分割尺度的RR\RI\ARI分别提高了2.1%,2.4%,30.2%,比基于K均值优化算法分别提高了8.3%,0.1%,8.1%,比融合边界优化算法分别提高了0.7%,0.4%,17.6%;在实验2中,该算法比全局最优分割尺度的RR\RI\ARI分别提高了4.5%,2.7%,29.3%,比基于K均值优化算法分别提高了17%,0.8%,8.4%,比融合边界优化算法分别提高了1.7%,2.5%,17.2%。(3)相对典型分割算法,该算法的优化结果达到了局部和全局最优;相对其他多尺度分割优化算法,该算法同时减少了欠分割和过分割对象。