基于多源遥感数据的水体提取方法研究

快速准确地获取水体信息对于水资源管理利用以及灾害防治具有重要意义。利用不同分类方法探讨多种数据源在不同天气场景下水体提取的最优技术,结合Sentinel和Landsat系列数据,对红碱淖1973—2018年湖泊面积变化进行分析。结果表明:在无云的情况下,使用Sentinel-2结合最大似然分类方法提取效果最好,精度为99.30%;Sentinel-1利用面向对象分类精度最高,总体精度为95.70%,最大似然分类法次之;融合数据利用最大似然法精度最高,比Sentinel-1数据总体精度提高了2.00%;有云情况下,Sentinel-1数据通过融合同期Sentinel-2光学数据能有效提取被云覆盖的区域,其提取水体精度比仅使用Sentinel-1雷达数据精度提高了2.50%。     

大伙房水库水体精确提取及变化检测

利用NDWI,MNDWI,SVM及FCLS方法结合Google高分辨率影像,研究遥感影像水体信息的精确提取,对各种方法提取的面积精度进行评价,选择水体提取最优方法。FCLS提取的水体边界与Google基准影像提取的水体边界吻合度更高,FCLS方法适合大伙房水库等大型水体边界的精确提取。利用FCLS法对4月12日和27日Landsat 8影像进行分类和变化检测,水体面积增加了3.439 km~2。     

基于归一化水体指数及其阈值自适应算法的水体遥感反演效果分析

归一化水体指数（NDWI）是水体遥感反演的一种重要指标，其阈值及修正直接影响反演结果的精度。基于Landsat-8与GF-1光学多光谱影像，使用归一化水体指数法阈值0（TH₀）、最大类间方差法（OTSU）自适应阈值（TH_otsu）与均值漂移聚类算法（Mean-Shift）自适应阈值（TH_MS）分别对典型正常水体、云雾覆盖水体、富营养化水体、高含泥沙水体进行水体遥感提取与效果分析，结果表明：正常水体以TH₀为阈值提取精度最高，THMS提取精度次之，TH_otsu提取精度最差；而云雾覆盖水体、富营养化水体以及含泥沙水体使用THMS提取精度最高，尤其少量云雾覆盖下的水体，TH_MS具有更明显的优势，TH₀提取精度次之，TH_otsu提取精度最差；对于不同的阈值，Land?sat-8比GF-1总体表现出更高的水体提取精度。Mean-Shift算法应用于NDWI阈值修正与水体遥感反演具有快速、水质适应性强、效果稳定的优势，对尤其是复杂条件下的水体信息遥感反演具有较好的提取效果。     

基于GF-1数据的三峡库区水体信息精细化提取

为实现江河类狭长型水体信息的精细化提取，利用GF-1卫星数据，采用支持向量机和目视解译相结合的方法对三峡库区及重庆市水体信息进行了精细化提取。使用总体分类精度、Kappa系数、错分误差、漏分误差、制图精度和用户精度等指标对库区水体信息粗提取结果进行验证分析。结果表明:4个试验区水体提取的总体分类精度均超过90%，除试验区4的Kappa系数为0.884 1以外，其余试验区均超过0.9，提取精度较高。结合目视解译的方法，在粗提取结果的基础上对各问题进行精细化处理，得到精度高、完整性好的三峡库区以及重庆市水体信息数据，可为后续该区域的精细化遥感业务开展提供有效资料。     

基于归一化水体指数的水域面积估算研究

以ETM+影像为数据源,采用2种归一化水体指数分别从遥感数据中定量提取水域面积,并将提取结果和监督分类提取结果做比较.研究表明,3种模型都能从ETM+遥感数据中准确提取水体信息,并且归一化水体指数模型简单计算速度快,适合用于水域面积的动态监测.选用优良的训练样本,监督分类提取的结果和归一化差异水体指数相同或者更优.     

基于无人机载激光雷达数据的建筑物自动提取算法

针对机载LiDAR散乱点云数据量大、目标分类困难的问题,提出一种实现LiDAR点云数据中地面点云、植被点云和建筑物点云的全自动分类算法,并根据提取的建筑物点云数据自动提取建筑物轮廓和中心点坐标。具体理论算法为:首先基于渐进三角网的点云数据滤波算法分离出地面点云数据,然后根据植被点云法向量的各向异性采用模糊C均值聚类(FCM)方法分离植被点云和建筑物点云。对于分类后的建筑物点云,利用拓扑聚类的方法,对每个建筑物进行识别并提取轮廓和中心点。将该算法应用于栾川协心小流域的山洪灾害调查评价居民户建筑物位置和高程自动提取。应用案例表明:该方法提取速度快,提取精度较高,且适用于山丘区机载雷达数据建筑物提取和植被分类。     

基于法向量区域聚类分割的检测坑点云提取

利用三维激光扫描技术获取堆石坝检测坑表面点云，可以快速计算检测坑体积和堆石坝压实质量，但此技术的关键是从扫描点云数据中准确分割出目标检测坑。提出了一种基于法向量区域聚类分割的检测坑表面点云提取方法：首先通过局部密度法检测得到碾压面外部点P,剩余点则为内部点Q;然后以最小二乘法拟合外部点平面，得到拟合平面法向量与内部点法向量的夹角θ;最后以外部点P作为种子点，逐步扩大搜索区域，直至区域内存在θ大于阈值θ′,即可确定碾压面和检测坑表面的交界，精确提取出检测坑表面点云。利用MATLAB编程实现了检测坑表面点云数据的快速提取，并通过采集3类坝料的检测坑点云数据开展试验，验证了此方法的可行性。研究成果可为类似形状目标点云提取和堆石坝压实质量快速检测提供参考。     

基于SVM的土地利用/覆盖分类——以老哈河流域为例

选取老哈河流域为研究区域,以2007年的两景Landsat5的TM影像为数据源,对该地区进行土地利用/覆盖分类。由于该区域土地覆盖类型复杂,影像较难区分且容易造成错分类。该研究中采用支持向量机(Support Vector Machine,SVM)分类法,通过引入径向基核函数进行非线性变换映射至高维空间,提取它们的非线性特征,增强不同类型之间的可分性,减少错分现象,提高遥感图像分类的精度。通过试验,提取出了2007年的老哈河流域的土地利用/覆盖现状图,以校验该方法的可行性。     

面向对象的ETM+影像分割尺度与水体信息提取

采用面向对象的影像提取方法,以ETM+影像作为数据源进行水体提取。首先对影像进行分割,获取影像对象,分割时探究提取水体时影像的最优分割尺度;然后对分割生成的影像对象运用ENVIFX工具建立规则集并对水体进行提取。对比面向对象的方法和传统最大似然分类方法的水体提取结果表明:面向对象方法提取水体的总体精度、Kappa系数、生产者精度、用户精度均明显高于传统方法。     

机载激光雷达技术在乌龙山抽水蓄能电站工程测量中的应用

基于水利工程测量中采用传统航空摄影测量存在像控点布设困难、影像间不易匹配、项目周期长等问题,针对水利水电常见的作业环境和激光点云数据自身的特点,结合乌龙山抽水蓄能电站工程测量项目,介绍了机载激光雷达技术结合传统摄影测量技术在高密度植被覆盖区域的地形测绘应用情况,重点介绍了机载激光雷达点云数据的分类方法,从数据获取、预处理,点云滤波分类、空三加密到成图的每一个环节,实现高密度植被覆盖区域地表信息的提取和测绘成图。通过数据精度的分析,证明机载激光雷达技术相比传统摄影测量与人工测量等测绘手段在复杂植被等困难区域测量方面有较大的优势,在未来水利水电工程测绘领域具有广阔的应用前景。     

基于遥感技术的聊城市主要水域变化分析

利用遥感技术和地理信息系统相关软件对聊城市1987年和2000年两期遥感影像进行处理，提取水体分类图，计算出两个时期主要水域面积变化，重点分析了东昌湖6个湖区的水域面积变化数据。研究表明聊城市的主要水域减少了20．59％，湖泊水域面积增加了10．97％。     

疏勒河流域中下游土地覆盖动态变化及其与地下水的相关性研究

本文以河西走廊疏勒河流域中下游区域为研究区，研究该地区土地覆盖动态变化及其与地下水的相关性。利用2000~2008年每年8月份的MOD13Q1数据及2000年的ETM+遥感影像数据，采用监督分类技术，对研究区不同时期的土地覆盖进行了划分，对比分析了两个不同时期（2000~2004年和2004~2008年）的土地覆盖变化。结合研究区昌马灌区地下水监测资料，建立植被指数与地下水埋深的Pearson相关模型，计算了植被指数和地下水埋深相关系数。通过分析表明，对于不同地下水的埋深区间和不同的土地覆盖类型，相关系数具有一定差异，天然植被与地下水埋深有较大的相关性。     

三门峡库区湿地景观格局变化及其驱动力分析

以三门峡库区为研究对象,依据1980年、1990年、2000年、2010年4个时期的卫星遥感影像,采用最大似然法进行监督分类,并运用人机交互解译和野外检验方法获取三门峡库区的水体、滩地、沼泽等土地利用数据;利用地理信息系统空间分析和统计功能,研究了1980—2010年三门峡库区的土地利用动态变化情况。结果表明:30 a间城镇用地、农村用地明显增加;水体、滩地、草地均有不同程度减少,分别减少18.64%、62.6%、27.6%,林地面积基本持平;滩地主要转化为水体和耕地,草地主要转化为耕地和林地。土地变化格局的主要驱动力是人口增长、城市化与经济的发展、气候环境的变化等。     

基于BPNN算法的三门峡库区土地利用分类研究

在主成分融合的基础上,利用BPNN算法对三门峡库区土地利用类型进行了分类研究,并对比分析了BPNN算法与MLC算法的分类效果。结果表明:BPNN算法的分类精确度总体上优于MLC算法,采用BPNN算法进行土地利用分类可以取得更好的分类效果;BPNN算法及MLC算法对水体及滩地的分类效果均较好,前者对于沼泽的分类效果要略好于后者,但BPNN算法及MLC算法对其他土地利用类型的分类精确度相比水体、滩地要低,并存在部分错分现象。     

水库水体的最大类间方差迭代遥感提取方法

针对利用遥感影像结合经验阈值提取水体信息需要进行大量试验,难以客观地确定水体与非水体分割阈值的问题,在最大类间方差法的基础上提出了最大类间方差迭代法来优化提取水库水体信息。基于高分一号(GF-1)卫星影像数据,使用归一化差分水体指数(NDWI)法初步提取了水体信息,通过形态学膨胀算法建立缓冲区,采用多次迭代最大类间方差法计算自适应阈值,用于分割水体与非水体,从而实现水体最优提取。实例验证结果表明,提出的优化方法可以有效地消除建筑等非水体地物信息的干扰,较准确地提取水库水体信息在不同时期的特征,总体分类精度与Kappa系数较最大类间方差法提取结果分别提高了9.36%和24.09%,综合精度平均提高了10.42%。     

黄河三角洲湿地蒸发蒸腾及其对土地利用/覆被变化的响应特征研究

以黄河三角洲为研究区,基于1986年6月5日和2009年6月4日的Landsat TM影像进行土地利用/覆被分类及变化特征研究,同时,基于SEBAL模型估算区域蒸发蒸腾量,进而分析湿地蒸发蒸腾的数量特征、空间格局特征及其对土地利用/覆被变化的响应特征。结果表明:23年间,58.74%的区域土地利用/覆盖类型发生了变化,未利用地大幅减少,水体和建设用地大幅增加,显著的土地垦殖与耕地荒废则同时存在;蒸发蒸腾强度大小按土地利用/覆被类型排序依次为水体>滩涂>苇地>林草地>耕地>建设用地>未利用地,研究区未利用土地变为水体和耕地是导致区域蒸发蒸腾整体提高的主导原因,而耕地流失则是导致区域蒸发蒸腾整体下降的主要原因,但23年间实际变化以前一种情形占优势,因而区域蒸发蒸腾总体呈现为增加趋势。研究结果对区域土地利用规划和水资源管理有重要的理论和实践指导意义。     

基于高分影像的建设项目扰动面积自动提取

为了实现水土保持监测工作中基于遥感影像对生产建设项目扰动地表面积的快速有效提取,以输变电工程为例,利用国产高分系列卫星GF-2和GF-1的遥感影像产品和输变电杆塔点位先验信息,结合Otsu阈值分割技术和Canny边缘检测算法,提出扰动面积的自动提取算法,并开发了水土保持目标监测系统。选择榆横—潍坊等特高压输变电工程沿线植被覆盖度较高的平原、山区和丘陵区分别选择8、9、7个塔基施工区,进行扰动面积的自动提取,并与传统影像分类方法最大似然法、面向对象法的提取精度进行比较。结果表明,开发的水土保持目标监测系统提取的扰动面积与现场人工实测面积相比,精度均在80%以上,明显优于传统方法。     

基于Landsat 8影像的地表水体指数提取方法研究——以鄱阳湖为例

为探究不同水体提取方法在鄱阳湖的提取效果，明确不同水体指数的影响因素和适用范围，以鄱阳湖主湖区Landsat 8遥感影像为基础，构建归一化差异水体指数（MNDWI）、自动水体指数（AWEIsh）、WI2015指数以及浮游藻类指数（FAI）对水体信息进行提取，并采用Sentinel-2 MSI卫星影像人工目视解译的成果验证各项指数提取精度。结果表明：Landsat 8影像能够支持大范围复杂地形水体提取研究，可以为水体提取提供丰富的地物光谱信息。四种水体指数在基于阈值提取的情况下，MNDWI指数提取水体的精度最高为95.50%、Kappa系数为0.870 8，能较好的去除大气影响，适用于各种典型区域、效果最佳。AWEIsh精度仅次于MNDWI指数，且在提取内陆湖泊方面优于MNDWI指数，在后期的研究中对于内陆湖泊范围较大的区域水体提取可以作为补充指数。     

基于机器学习的小流域土壤侵蚀量检测方法

目前的土壤侵蚀量检测方法对于土壤侵蚀程度的分类精度较低,因此提出一种基于机器学习的小流域土壤侵蚀量检测方法。首先对采集到的图像进行预处理,主要包括灰度化、去噪、分割、形态学处理等一系列操作,为后期的支持向量机分类打下基础。提取出小流域土壤侵蚀图像特征及类型因子,在检测过程中引入支持向量机构建一种新土壤侵蚀分类模型,利用最优超平面对数据进行归一化,实现土壤流失情况分类。为验证所设计的检测方法的有效性,选择某研究区进行实验。侵蚀量分类检测的实验过程根据研究区的相关参数完成建模并进行分类检测,为验证设计检测方法的有效性,选择传统检测方法作为对照。实验结果表明,设计方法的检测分类结果更加接近实际值,验证了设计方法在小流域土壤侵蚀量分类检测中的有效性。     

基于SAR卫星的内陆水体信息提取方法研究 ——以华阳河湖泊群流域为例

为快速准确的提取SAR卫星数据中的水体信息，采用2020年汛期SAR卫星过境华阳河湖泊群流域获取的雷达数据，提出了一种自适应迭代水体OTSU-SDWI阈值分割方法（简称“AIOS 阈值法”），并从定性和定量两种角度与VV阈值法、VH阈值法和SDWI阈值法进行了对比分析。从定性角度，VV阈值法难以识别河湖藻华区域的水体信息，VH阈值法和SDWI阈值法存在将潮湿的滩地、池塘等识别为地表水体，易引起水体监测结果偏大，AIOS 阈值法的提取结果与实际情况更为相符；从定量角度，AIOS阈值法的提取结果精确率和准确率高于其他三种方法，但完整度低于SDWI阈值法。实验表明AIOS阈值法可以识别藻华区域的水体信息，具有自动化程度强、检测精度高的优势，对于提升内陆水体信息分布监测的速度和精度具有重要参考意义。