利用卫星影像快速准确地提取湖泊等地表水体范围一直是一个重要的研究课题,其对洪涝灾害监测、水资源管理与利用等具有重要意义。Sentinel-2 MSI和Landsat8 OLI数据是目前主流的开放获取的中高空间分辨率遥感影像。以鄱阳湖区为研究对象...利用卫星影像快速准确地提取湖泊等地表水体范围一直是一个重要的研究课题,其对洪涝灾害监测、水资源管理与利用等具有重要意义。Sentinel-2 MSI和Landsat8 OLI数据是目前主流的开放获取的中高空间分辨率遥感影像。以鄱阳湖区为研究对象,首先,分别使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)、自动水体提取指数(automated water extraction index,AWEI sh )和基于线性判别分析的水体指数(water index,WI 2015 )等4种常用的水体指数从2种影像中提取湖泊水体的分布信息;然后,分析了在同种水体指数之下2种影像提取结果的差异性和同一幅影像中4种水体指数提取结果的不同;最后,利用同期的高分一号影像目视解译的结果对水体提取结果进行了精度验证。结果表明,对于2种遥感影像,4种水体指数均能成功地提取出研究区的大部分水体;AWEI sh 和WI 2015 的提取精度最高,在Sentinel-2和Landsat8影像上分别达到了98%和94%以上,MNDWI次之,NDWI的提取精度最低;相对而言,Sentinel-2影像提取的水体细部信息更为明显,整体提取效果优于Landsat8影像。展开更多
基于2018年的Sentinel-1雷达影像和Sentinel-2光学影像数据,采用面向对象技术获取影像的光谱、几何、纹理、自定义特征和多极化后向散射系数5个种类的90个特征变量,基于随机森林算法进行特征选择,并构建多种特征组合方案,利用随机森林...基于2018年的Sentinel-1雷达影像和Sentinel-2光学影像数据,采用面向对象技术获取影像的光谱、几何、纹理、自定义特征和多极化后向散射系数5个种类的90个特征变量,基于随机森林算法进行特征选择,并构建多种特征组合方案,利用随机森林分类器对保护区内的地物进行识别并提取红树林信息。结果表明:多特征耦合优化模式的分类效果最好,总体精度为89.60%,Kappa系数为0.8756,其中,红树林的制图精度与用户精度分别为96.39%、97.56%;识别出的茅尾海红树林面积为19.2 km 2,占整个研究区的2.67%。该研究揭示了Sentinel-1和Sentinel-2数据在红树林监测中的应用潜力。展开更多
文摘利用卫星影像快速准确地提取湖泊等地表水体范围一直是一个重要的研究课题,其对洪涝灾害监测、水资源管理与利用等具有重要意义。Sentinel-2 MSI和Landsat8 OLI数据是目前主流的开放获取的中高空间分辨率遥感影像。以鄱阳湖区为研究对象,首先,分别使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)、自动水体提取指数(automated water extraction index,AWEI sh )和基于线性判别分析的水体指数(water index,WI 2015 )等4种常用的水体指数从2种影像中提取湖泊水体的分布信息;然后,分析了在同种水体指数之下2种影像提取结果的差异性和同一幅影像中4种水体指数提取结果的不同;最后,利用同期的高分一号影像目视解译的结果对水体提取结果进行了精度验证。结果表明,对于2种遥感影像,4种水体指数均能成功地提取出研究区的大部分水体;AWEI sh 和WI 2015 的提取精度最高,在Sentinel-2和Landsat8影像上分别达到了98%和94%以上,MNDWI次之,NDWI的提取精度最低;相对而言,Sentinel-2影像提取的水体细部信息更为明显,整体提取效果优于Landsat8影像。
文摘基于2018年的Sentinel-1雷达影像和Sentinel-2光学影像数据,采用面向对象技术获取影像的光谱、几何、纹理、自定义特征和多极化后向散射系数5个种类的90个特征变量,基于随机森林算法进行特征选择,并构建多种特征组合方案,利用随机森林分类器对保护区内的地物进行识别并提取红树林信息。结果表明:多特征耦合优化模式的分类效果最好,总体精度为89.60%,Kappa系数为0.8756,其中,红树林的制图精度与用户精度分别为96.39%、97.56%;识别出的茅尾海红树林面积为19.2 km 2,占整个研究区的2.67%。该研究揭示了Sentinel-1和Sentinel-2数据在红树林监测中的应用潜力。
