针对传统单一水体提取方法中常见的断线问题,本文利用一种结合遥感光谱信息和DEM的自适应搜索算法提取线状水体,并评估该算法在不同空间分辨率数据提取线状水体的适用性。首先以广州市水体为对象,利用30 m Landsat OLI和16 m GF1-WFV影...针对传统单一水体提取方法中常见的断线问题,本文利用一种结合遥感光谱信息和DEM的自适应搜索算法提取线状水体,并评估该算法在不同空间分辨率数据提取线状水体的适用性。首先以广州市水体为对象,利用30 m Landsat OLI和16 m GF1-WFV影像获取归一化水体指数(NDWI);然后选取30 m分辨率的ASTER GDEM和12.5 m分辨率的ALOS高程数据获取河网数据。通过选择合适的搜索方阵和高差阈值作为提取参数提取河道数据,并针对水体指数提取结果中部分区域的断线问题,空间叠加河道数据,得到最终的河道信息。结果表明,与单一水体指数提取结果相比,水体指数结合DEM自适应搜索算法(NDWI+12.5 m DEM和NDWI+30 m DEM)提取的线状水体连续且准确,总体精度分别达90.5%和95%,特别是12.5 m DEM数据在细节捕捉方面展现出更明显优势,具有更高的精度。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
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
在分析水体和山区背景地物反射与地形坡度特性的基础上,提出了一种坡度调节水体指数(slope adjusted water index,SAWI)。针对水体与阴影在短波红外的反射率都很低的问题,通过坡度信息对位于不同地形条件下地物的短波红外波段进行不同...在分析水体和山区背景地物反射与地形坡度特性的基础上,提出了一种坡度调节水体指数(slope adjusted water index,SAWI)。针对水体与阴影在短波红外的反射率都很低的问题,通过坡度信息对位于不同地形条件下地物的短波红外波段进行不同程度的拉伸,使得水体与山区阴影得到区分。试验利用SAWI提取了OLI(operational land imager)影像位于不同地形条件下的水体信息。结果表明,在山区起伏区域,SAWI比改进的归一化差异水体指数(modified NDWI,MNDWI)能够更有效地抑制阴影效应;在平坦区域,SAWI比归一化差异水体指数(normalized difference water index,NDWI),具有更高的水体信息敏感性,从而有利于细小水体的提取。这表明在山区的复杂地形条件下,SAWI是一种可选的水体指数提取方法。展开更多
在分析MODIS数据与水体识别相关的1~7波段典型地物光谱图像特征及相关水体指数模型的基础上,对莫伟华等提出的组合水体指数（CIWI）提出了改进,用归一化建筑指数（NDBI）与归一化植被指数（NDVI）组合,构建了改进型组合水体指数MCIWI（M...在分析MODIS数据与水体识别相关的1~7波段典型地物光谱图像特征及相关水体指数模型的基础上,对莫伟华等提出的组合水体指数（CIWI）提出了改进,用归一化建筑指数（NDBI）与归一化植被指数（NDVI）组合,构建了改进型组合水体指数MCIWI（Modified-Combined Index for Water Body Identification）,增强了河流、湖泊等水体与城镇、植被等其他信息的区分度,能够有效提取水体信息,特别是城市水体信息.通过应用2009年的MODIS资料在重庆主城区与长寿湖区的水体信息遥感监测实验表明,MCIWI水体识别效果要优于其他水体指数模型.展开更多
在分析MODIS数据与水体识别相关的1~7波段典型地物光谱图像特征及相关水体指数模型的基础上,利用改进的归一化植被指数(MNDVI)和近红外波段6组合,构建了新型组合水体指数NCIWI(new combined index for water body identification),明显...在分析MODIS数据与水体识别相关的1~7波段典型地物光谱图像特征及相关水体指数模型的基础上,利用改进的归一化植被指数(MNDVI)和近红外波段6组合,构建了新型组合水体指数NCIWI(new combined index for water body identification),明显增强了水体与植被、土壤、城镇等其他信息的区分度,能够有效提取水体信息。应用2015年的MODIS数据在巢湖地区的水体信息遥感监测实验表明,NCIWI水体识别效果优于其他水体指数模型。展开更多
高分二号(GF-2)影像的高空间分辨率有助于获得更为准确的水体分布信息。针对现有水体指数难以应对复杂环境、高空间分辨率的遥感影像水体提取时易出现“椒盐”现象的问题,基于GF-2影像进行了水体指数的构建及验证。首先,通过分析各地表...高分二号(GF-2)影像的高空间分辨率有助于获得更为准确的水体分布信息。针对现有水体指数难以应对复杂环境、高空间分辨率的遥感影像水体提取时易出现“椒盐”现象的问题,基于GF-2影像进行了水体指数的构建及验证。首先,通过分析各地表覆盖物的波谱信息,构建了一种综合水体指数(comprehensive water index,CWI),并进行精度验证;其次,通过图像分割结合水体指数进行水体提取并进行精度验证;然后,为了充分利用光谱信息和发挥分类器的优势,将分割后同质对象的光谱信息与水体指数组合作为分类器的输入数据,进行水体提取并进行精度验证;最后,验证综合水体指数在WorldView-2影像和GF-1影像的适用性。经过研究可知:①新构建的综合水体指数在进行水体提取时,能够有效抑制阴影、建筑物、道路、植被、裸土等地表覆盖的影响,精度明显提高;②通过图像分割结合水体指数提取水体信息能有效抑制“椒盐”现象的产生;③分类器结合水体指数能有效提高水体提取精度;④综合水体指数同样适用WorldView-2影像和GF-1影像。综上分析,综合水体指数能够有效地提取水体信息,可用于河流、湖泊的提取和更新,池塘养殖面积的调查等,是一种高精度的水体提取方法。展开更多
以Landsat5/7/8系列遥感影像为数据源,利用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)、自动水体指数(Automated water extraction in...以Landsat5/7/8系列遥感影像为数据源,利用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)、自动水体指数(Automated water extraction index,AWEI)、改进的自动水体指数(Modified automated water extraction index,MAWEI)提取艾比湖水体,建立混淆矩阵对4种水体指数提取结果进行对比分析,利用精度最高指数提取艾比湖面积并通过动态度分析湖泊面积变化趋势,同时对艾比湖面积变化的驱动因素进行分析。结果表明:MAWEI指数精度最高,精度达到95%以上,Kappa系数>0.94。2000—2003年期间,艾比湖面积从768.93 km^(2)增加至982.27 km^(2),湖泊面积增加27.74%、动态度为9.24%;2003—2014年期间,湖泊面积减至447.08 km^(2),湖泊面积缩减54.48%、动态度为-4.95%;2014—2018年期间,湖泊面积再次增加至852.77 km^(2),湖泊面积增加90.74%、动态度为22.68%;2018-2020年湖泊面积减至593.79 km^(2),湖泊面积缩减30.36%、动态度为-15.18%,总的来说近20 a艾比湖面积变化呈现先扩张再退缩的趋势。湖泊面积变化与年均降水量呈正相关,与蒸发量呈负相关,与博尔塔拉河和精河径流量呈正相关。水资源的减少及其周围人口、灌溉面积及生产值持续增长引起经济社会总用水量的激增,对湖泊面积变化产生一定的影响。研究成果对艾比湖生态环境保护有一定参考意义。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
文摘针对传统单一水体提取方法中常见的断线问题,本文利用一种结合遥感光谱信息和DEM的自适应搜索算法提取线状水体,并评估该算法在不同空间分辨率数据提取线状水体的适用性。首先以广州市水体为对象,利用30 m Landsat OLI和16 m GF1-WFV影像获取归一化水体指数(NDWI);然后选取30 m分辨率的ASTER GDEM和12.5 m分辨率的ALOS高程数据获取河网数据。通过选择合适的搜索方阵和高差阈值作为提取参数提取河道数据,并针对水体指数提取结果中部分区域的断线问题,空间叠加河道数据,得到最终的河道信息。结果表明,与单一水体指数提取结果相比,水体指数结合DEM自适应搜索算法(NDWI+12.5 m DEM和NDWI+30 m DEM)提取的线状水体连续且准确,总体精度分别达90.5%和95%,特别是12.5 m DEM数据在细节捕捉方面展现出更明显优势,具有更高的精度。
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。
文摘在分析水体和山区背景地物反射与地形坡度特性的基础上,提出了一种坡度调节水体指数(slope adjusted water index,SAWI)。针对水体与阴影在短波红外的反射率都很低的问题,通过坡度信息对位于不同地形条件下地物的短波红外波段进行不同程度的拉伸,使得水体与山区阴影得到区分。试验利用SAWI提取了OLI(operational land imager)影像位于不同地形条件下的水体信息。结果表明,在山区起伏区域,SAWI比改进的归一化差异水体指数(modified NDWI,MNDWI)能够更有效地抑制阴影效应;在平坦区域,SAWI比归一化差异水体指数(normalized difference water index,NDWI),具有更高的水体信息敏感性,从而有利于细小水体的提取。这表明在山区的复杂地形条件下,SAWI是一种可选的水体指数提取方法。
文摘在分析MODIS数据与水体识别相关的1~7波段典型地物光谱图像特征及相关水体指数模型的基础上,对莫伟华等提出的组合水体指数（CIWI）提出了改进,用归一化建筑指数（NDBI）与归一化植被指数（NDVI）组合,构建了改进型组合水体指数MCIWI（Modified-Combined Index for Water Body Identification）,增强了河流、湖泊等水体与城镇、植被等其他信息的区分度,能够有效提取水体信息,特别是城市水体信息.通过应用2009年的MODIS资料在重庆主城区与长寿湖区的水体信息遥感监测实验表明,MCIWI水体识别效果要优于其他水体指数模型.
文摘在分析MODIS数据与水体识别相关的1~7波段典型地物光谱图像特征及相关水体指数模型的基础上,利用改进的归一化植被指数(MNDVI)和近红外波段6组合,构建了新型组合水体指数NCIWI(new combined index for water body identification),明显增强了水体与植被、土壤、城镇等其他信息的区分度,能够有效提取水体信息。应用2015年的MODIS数据在巢湖地区的水体信息遥感监测实验表明,NCIWI水体识别效果优于其他水体指数模型。
文摘高分二号(GF-2)影像的高空间分辨率有助于获得更为准确的水体分布信息。针对现有水体指数难以应对复杂环境、高空间分辨率的遥感影像水体提取时易出现“椒盐”现象的问题,基于GF-2影像进行了水体指数的构建及验证。首先,通过分析各地表覆盖物的波谱信息,构建了一种综合水体指数(comprehensive water index,CWI),并进行精度验证;其次,通过图像分割结合水体指数进行水体提取并进行精度验证;然后,为了充分利用光谱信息和发挥分类器的优势,将分割后同质对象的光谱信息与水体指数组合作为分类器的输入数据,进行水体提取并进行精度验证;最后,验证综合水体指数在WorldView-2影像和GF-1影像的适用性。经过研究可知:①新构建的综合水体指数在进行水体提取时,能够有效抑制阴影、建筑物、道路、植被、裸土等地表覆盖的影响,精度明显提高;②通过图像分割结合水体指数提取水体信息能有效抑制“椒盐”现象的产生;③分类器结合水体指数能有效提高水体提取精度;④综合水体指数同样适用WorldView-2影像和GF-1影像。综上分析,综合水体指数能够有效地提取水体信息,可用于河流、湖泊的提取和更新,池塘养殖面积的调查等,是一种高精度的水体提取方法。
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。
