常用多光谱遥感水体提取少有兼顾光谱与空间信息,致使水体提取的可靠性和准确性难以保证。在利用遥感水体光谱特性的同时,融入深度学习算法,提出归一化差分水体指数(normalized difference water index,NDWI)与深度学习联合的遥感水体...常用多光谱遥感水体提取少有兼顾光谱与空间信息,致使水体提取的可靠性和准确性难以保证。在利用遥感水体光谱特性的同时,融入深度学习算法,提出归一化差分水体指数(normalized difference water index,NDWI)与深度学习联合的遥感水体提取方法。该方法首先选取典型水体样本进行训练,构建深度学习卷积神经网络(convolutional neural networks,CNN)水体识别模型。其次,计算多光谱影像NDWI指数并分割成图斑,以图斑包络矩形构建初始的水体目标子区。最后,构建NDWI指数与CNN水体识别概率的联合估计模型,并以迭代运算实现最优化遥感水体提取。实验验证了该方法的高可靠性与准确性。相比常用方法,水体识别准确率高达94.19%,而错分率仅为5.04%,显著提高了水体提取精度。展开更多
针对传统水体指数模型易受水体边界浅水区的水体底质的影响,导致在提取水体时容易产生水体错分和遗漏等问题,该文以汤河水库、桐湖和近海浅水区为研究对象,基于Landsat影像的典型地物光谱信息构建了一种新型多波段水体指数(new multi ba...针对传统水体指数模型易受水体边界浅水区的水体底质的影响,导致在提取水体时容易产生水体错分和遗漏等问题,该文以汤河水库、桐湖和近海浅水区为研究对象,基于Landsat影像的典型地物光谱信息构建了一种新型多波段水体指数(new multi band water index,NMBWI)。与传统水体指数模型归一化差异水体指数(normalized difference water index,NDWI)、改进的归一化差异水体指数(modified normalized difference water index,MNDWI)、增强型水体指数(enhanced water index,EWI)及修订型归一化水体指数(revised normalized difference water index,RNDWI)进行了对比分析,结果表明:NMBWI对于水体边界的浅水区水体强化效果更佳,提取的水域范围更为完整,总体精度和Kappa系数总体优于传统水体指数模型且NMBWI对不同类型水体边界的浅水区水体提取具有较好的普适性和稳定性。展开更多
堰塞湖水体动态监测对于堰塞湖的险情评估、灾害推演、安全管理以及降险处置决策等均具有重要意义。为了高效提取高山区堰塞湖真实水体范围,以中巴公路Attabad堰塞湖为研究区,利用决策树分类结合归一化差值水体指数(normalized differen...堰塞湖水体动态监测对于堰塞湖的险情评估、灾害推演、安全管理以及降险处置决策等均具有重要意义。为了高效提取高山区堰塞湖真实水体范围,以中巴公路Attabad堰塞湖为研究区,利用决策树分类结合归一化差值水体指数(normalized difference water index,简称NDWI)、综合水体指数(comprehensive water index,简称CWI)等6种常规水体提取方法来提取堰塞湖水体范围,并对比了6种方法用于堰塞湖水体提取的效果,筛选出适用于高山区堰塞湖的最佳水体提取方法,最后使用混淆矩阵法进行了精度评价,并做了分类后处理,准确提取了堰塞湖水体边界。研究结果表明:(1)6种水体提取模型中CWI模型水体提取效果最好;(2)基于坡度的决策树分类方法总分类精度为89.31%,Kappa系数为0.84,较为完整地提取了高海拔堰塞湖真实水体范围,有效剔除了湖岸斜坡山体阴影,湖泊边界较为清晰完整。基于决策树的高山区堰塞湖水体提取方法在高海拔山区能较为有效地提取真实水体范围,尤其是针对地形切割强烈、山体阴影较多的堰塞湖区域,能快速准确识别水体。该方法的优点是:水体提取过程较为简单,容易实现,提取效率较高,便于推广。展开更多
暴雨后水体含沙量增加使其光谱反射率发生变化,导致利用现有水体指数方法不能很好地提取水体信息。为有效提取洪水及其他类型水体,该文基于GF-2影像,根据暴雨后水体光谱信息变化规律,提出一种超绿水体指数(Ultra-Green Water Index,UGW...暴雨后水体含沙量增加使其光谱反射率发生变化,导致利用现有水体指数方法不能很好地提取水体信息。为有效提取洪水及其他类型水体,该文基于GF-2影像,根据暴雨后水体光谱信息变化规律,提出一种超绿水体指数(Ultra-Green Water Index,UGWI),并通过实验对比分析UGWI与归一化差异水体指数法、单波段阈值法、单波段与阴影水体指数结合法的水体提取精度,结果表明:UGWI能够准确识别不同泥沙含量以及阴影下的水体,总体精度达95.75%,Kappa系数为0.91,效果优于其他几种方法;选取不同时间、不同地区、不同空间分辨率的影像进行水体提取,UGWI结果亦优于其他几种方法,总体精度达92.33%,Kappa系数为0.90;UGWI相比其他对比方法,抗干扰性更强,提取的水体信息更全面,可识别的水体类型更多,对洪区水体提取更具普适性。展开更多
大尺度高精度山区河流信息提取是我国干旱区水资源开发利用的关键技术,而利用遥感影像提取水资源信息存在水体与山区阴影难以区分的瓶颈。以GF-1号卫星2 m分辨率全色波段影像和8 m分辨率多光谱影像为数据源,选取新疆特克斯河流域巴喀勒...大尺度高精度山区河流信息提取是我国干旱区水资源开发利用的关键技术,而利用遥感影像提取水资源信息存在水体与山区阴影难以区分的瓶颈。以GF-1号卫星2 m分辨率全色波段影像和8 m分辨率多光谱影像为数据源,选取新疆特克斯河流域巴喀勒克水库为研究区,提出改进的阴影水体指数法(modified shade water index,MSWI)进行水体信息提取;同时运用单波段阈值法、NDWI法、单波段法与阴影水体指数法(shade water indes,SWI)相结合的决策树分类法(简称SWI)以及单波段法与MSWI相结合的决策树分类法(简称MSWI)分别对研究区水体信息进行提取,并进行了对比分析。研究结果表明,前2种方法与SWI和MSWI法相比,效果稍差;而SWI和MSWI法分类效果较好,其中MSWI比SWI法分类总精度高0.94%,提高了高分辨率遥感影像的解译精度,可为国产高分系列卫星影像在干旱区水资源信息提取中的应用提供技术支持。展开更多
文摘针对传统水体指数模型易受水体边界浅水区的水体底质的影响,导致在提取水体时容易产生水体错分和遗漏等问题,该文以汤河水库、桐湖和近海浅水区为研究对象,基于Landsat影像的典型地物光谱信息构建了一种新型多波段水体指数(new multi band water index,NMBWI)。与传统水体指数模型归一化差异水体指数(normalized difference water index,NDWI)、改进的归一化差异水体指数(modified normalized difference water index,MNDWI)、增强型水体指数(enhanced water index,EWI)及修订型归一化水体指数(revised normalized difference water index,RNDWI)进行了对比分析,结果表明:NMBWI对于水体边界的浅水区水体强化效果更佳,提取的水域范围更为完整,总体精度和Kappa系数总体优于传统水体指数模型且NMBWI对不同类型水体边界的浅水区水体提取具有较好的普适性和稳定性。
文摘堰塞湖水体动态监测对于堰塞湖的险情评估、灾害推演、安全管理以及降险处置决策等均具有重要意义。为了高效提取高山区堰塞湖真实水体范围,以中巴公路Attabad堰塞湖为研究区,利用决策树分类结合归一化差值水体指数(normalized difference water index,简称NDWI)、综合水体指数(comprehensive water index,简称CWI)等6种常规水体提取方法来提取堰塞湖水体范围,并对比了6种方法用于堰塞湖水体提取的效果,筛选出适用于高山区堰塞湖的最佳水体提取方法,最后使用混淆矩阵法进行了精度评价,并做了分类后处理,准确提取了堰塞湖水体边界。研究结果表明:(1)6种水体提取模型中CWI模型水体提取效果最好;(2)基于坡度的决策树分类方法总分类精度为89.31%,Kappa系数为0.84,较为完整地提取了高海拔堰塞湖真实水体范围,有效剔除了湖岸斜坡山体阴影,湖泊边界较为清晰完整。基于决策树的高山区堰塞湖水体提取方法在高海拔山区能较为有效地提取真实水体范围,尤其是针对地形切割强烈、山体阴影较多的堰塞湖区域,能快速准确识别水体。该方法的优点是:水体提取过程较为简单,容易实现,提取效率较高,便于推广。
文摘暴雨后水体含沙量增加使其光谱反射率发生变化,导致利用现有水体指数方法不能很好地提取水体信息。为有效提取洪水及其他类型水体,该文基于GF-2影像,根据暴雨后水体光谱信息变化规律,提出一种超绿水体指数(Ultra-Green Water Index,UGWI),并通过实验对比分析UGWI与归一化差异水体指数法、单波段阈值法、单波段与阴影水体指数结合法的水体提取精度,结果表明:UGWI能够准确识别不同泥沙含量以及阴影下的水体,总体精度达95.75%,Kappa系数为0.91,效果优于其他几种方法;选取不同时间、不同地区、不同空间分辨率的影像进行水体提取,UGWI结果亦优于其他几种方法,总体精度达92.33%,Kappa系数为0.90;UGWI相比其他对比方法,抗干扰性更强,提取的水体信息更全面,可识别的水体类型更多,对洪区水体提取更具普适性。
文摘大尺度高精度山区河流信息提取是我国干旱区水资源开发利用的关键技术,而利用遥感影像提取水资源信息存在水体与山区阴影难以区分的瓶颈。以GF-1号卫星2 m分辨率全色波段影像和8 m分辨率多光谱影像为数据源,选取新疆特克斯河流域巴喀勒克水库为研究区,提出改进的阴影水体指数法(modified shade water index,MSWI)进行水体信息提取;同时运用单波段阈值法、NDWI法、单波段法与阴影水体指数法(shade water indes,SWI)相结合的决策树分类法(简称SWI)以及单波段法与MSWI相结合的决策树分类法(简称MSWI)分别对研究区水体信息进行提取,并进行了对比分析。研究结果表明,前2种方法与SWI和MSWI法相比,效果稍差;而SWI和MSWI法分类效果较好,其中MSWI比SWI法分类总精度高0.94%,提高了高分辨率遥感影像的解译精度,可为国产高分系列卫星影像在干旱区水资源信息提取中的应用提供技术支持。
