基于landsat8影像的植被提取

基于TM影像提取城市区域

基于TM影像提取城市区域 提取说明

Landsat5影像条带号124、036；

Landsat5影像 TM3、TM4、TM5波段分别为红、中红、近红；

数据与方法 数据采用landsat5的TM3、TM4、TM5波段。提取方法为指数提取。即在归一化裸露指数(NDBI)的基础上，用归一化植被指数(NDVI)去掉噪声点，通过对图像的二值处理、栅格计算。最终提取城市建设用地。研究表明提取的平均精度达到90%。提取的流程如下图所示： NDVI 二值处理 NDBI landsat影像

建设用地 图1 建设用地提取流程图 栅格计算 Landsat5影像

1

基于TM影像提取城市区域

NDBI NDBI NDBI NDBI 栅格计算

2

基于TM影像提取城市区域

局部放大 图2 影像提取流程 信息提取解释

归一化植被指数(NDVI)可以间接表达地表植被的覆盖。利用TM影像提取NDVI的公式为：

NDVI =(TM4 - TM3) /(TM4 + TM3)

归一化裸露植被指数(NBVI)可以很好的反映出地表面的裸露程度。利用TM影像提取NDBI的公式为：

NDBI =( TM5 - TM4) /( TM5 + TM4)

一般

NDVI

NDVI,植被覆盖指数。应用于检测植被生长状态、植被覆盖度和消除部分辐射误差等。

中文名

归一化差分植被指数

外文名

Normalized Difference Vegetation Index

简 称

NDVI

影响因素

植物的蒸腾作用、太阳光的截取

简介

NDVI（Normalized Difference Vegetation Index,归一化差分植被指数,标准差异植被指数)，也称为生物量指标变化，可使植被从水和土中分离出来。

表达式： ，

NIR 和R分别为近红外波段和红波段处的反射率值。[1]

和植物的蒸腾作用、太阳光的截取、光合作用以及地表净初级生产力等密切相关。

特点

1、NDVI 能够部分消除与太阳高度角、卫星观测角、地形、云影等与大气条件有关的辐射变化的影响；[1]

2、NDVI 结果被限定在[-1，1]之间，避免了数据过大或过小给使用带来的不便；[1]

3、NDVI 是植被生长状态及植被覆盖度的最佳指示因子；[1]

4、非线性变换，增强了NDVI 低值部分，抑制了高值部分，导致NDVI数值容易饱和，对高植被密度区敏感性降低：

表1 Landsat7 Landsat8卫星对比

NDWI

NDWI(No

ENVI5.1 landsat 8OLI数据辐射定标与大气校正

ENVI 5.1 FLAASH大气校正工具中新增了一些多光谱传感器类型，如：Landsat 8 OLI、Pleiades-1A、Pleiades-1B、Rasat、Spot6。支持多光谱传感器类型明细见下图1：

图1.1 ENVI 5.0与ENVI 5.1 FLAASH中支持传感器类型对比

1 打开Landsat 8数据

在这里以Landsat 8数据“LC81230322013132LGN02”为例进行介绍。

File -> Open，选择LC81230322013132LGN02_MTL.txt文件，点击OK打开。分为五个数据集：多光谱数据（1-7波段），全色波段数据（8波段），卷云波段数据（9波段），热红外数据（10，11波段）和质量波段数据（12波段）。

图2.1 Data Manager面板

2 辐射定标

ENVI 5.1 工具箱中查找工具：/Radiometric Correction/Radiometric Calibration；双击此工具，选择要校正的多光谱数据“LC81230322013132LGN02_

NDVI

NDVI,植被覆盖指数。应用于检测植被生长状态、植被覆盖度和消除部分辐射误差等。

中文名

归一化差分植被指数

外文名

Normalized Difference Vegetation Index

简 称

NDVI

影响因素

植物的蒸腾作用、太阳光的截取

简介

NDVI（Normalized Difference Vegetation Index,归一化差分植被指数,标准差异植被指数)，也称为生物量指标变化，可使植被从水和土中分离出来。

表达式： ，

NIR 和R分别为近红外波段和红波段处的反射率值。[1]

和植物的蒸腾作用、太阳光的截取、光合作用以及地表净初级生产力等密切相关。

特点

1、NDVI 能够部分消除与太阳高度角、卫星观测角、地形、云影等与大气条件有关的辐射变化的影响；[1]

2、NDVI 结果被限定在[-1，1]之间，避免了数据过大或过小给使用带来的不便；[1]

3、NDVI 是植被生长状态及植被覆盖度的最佳指示因子；[1]

4、非线性变换，增强了NDVI 低值部分，抑制了高值部分，导致NDVI数值容易饱和，对高植被密度区敏感性降低：

表1 Landsat7 Landsat8卫星对比

NDWI

NDWI(No

目录

实习目的 ....................................................................................................................... 2 实习内容 ....................................................................................................................... 2

一、操作环境......................................................................................................... 2 二、常用的水提取方法......................................................................................... 2

1、非监督分类法................................................

２０１０．４

理论酮究

遥摩信息

基于阈值分割的影像建筑物角点提取算法优化研究

孙一权①～，冯仲科①－⑦

（①北京林业大学测绘与３Ｓ技术研究中心，北京１０００８３；

②北京林业大学省部共建森林培育与保护教育部重点实验室，北京１０００８３）

摘要：对Ｍｏｒａｖｅｃ和ＳＵＳＡＮ这两种经典的特征提取算法进行了深入研究，以Ｍａｔｌａｂ软件为实验平台，验证了它们的可行性。通过对实验结果的比较，分析了Ｍｏｒａｖｅｃ算子中运用“抑制局部非最大”思想的优势、局限性和适用性；在ＳＵＳＡＮ算子中通过考虑提取过程中的误差影响因素，为算法中几何阈值和灰度阈值的确定和模板选择提供了依据，对其影响范围进行了定量分析。指出在两种算法实现过程中，Ｍｏｒａｖｅｃ算子由于对如何确定判断窗口的大小不能给出可靠的依据，加之缺少对影像的先验知识，无法了解研究区域角点分布状况。因此，仅仅用这种方法很难获得完全准确的角点特征；对于ＳＵＳＡＮ算子，根据分析结果对几何阈值加设一个下限ｄ，在很大程

度上排除了孤立噪声点的干扰；并运用“重心距离法”，即通过判定ＳＵＳＡＮ重心与核心点连线上的像素点的边缘初始值的相近条件，消除了虚假的角点，从而实现了对算法的优化。

关键词ｉ特征提取；兴趣算子；角点检测；抑制局部非最大

Landsat TM 遥感影像中厚云和阴影如何去除

1007-4619 (2010) 03-534-12Journal of Remote Sensing遥感学报Cloud and shadow removal from Landsat TM dataRI Pyongsop1, 2, MA Zhangbao1, QI Qingwen1, LIU Gaohuan11. Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China; 2. Institute of Remote Sensing and Geo-informatics, Pyongyang, Democratic People’s Republic of KoreaAbstract: Cloud removal is an important step in remote sensing image process. In this paper, the author proposed a new algorithm

龙源期刊网 http://www.qikan.com.cn

基于Landsat 8 OLI数据的大连市海岸带解译标志研究

作者：刘洪洋 庞姗姗 张帅 史凯琦 李微 来源：《科技资讯》2016年第02期

摘 要：海岸线是由各种地质因素相互作用、河流和海洋沉积物淤积、各种气象和海洋条件以及人类社会经济活动塑造的海陆分界线。大连市海岸线约占全国大陆岸线的10%，主要包括基岩海岸、砂质海岸、淤泥质海岸和人工海岸。利用卫星遥感技术提取海岸线、动态监测岸线的变化、获得海岸带信息，与传统的海岸线现场测量相比，具有巨大优势。而遥感数据解译标志直接决定了海岸线提取的精度，因此本文以大连大陆海岸线为研究对象，基于landsat 8OLI数据，分析讨论各种类型海岸特点及图像特征，进而确定每一种海岸类型的解译标志。 关键词：解译标志 海岸带 遥感 OLI数据

中图分类号：P229 文献标识码：A 文章编号：1672-3791（2016）01（b）-0000-00 基金项目：大连海洋大学大学生创新训练计划项目（省乙级）（201510158203）；辽宁省教育厅计划项目（L2015078）；地理国情监测国家

2009.3　　　　　　　　　　　　　　　　　　　　　遥感信息遥感应用　　　　　　　　　　　　　　　　　　　　

基于Hough变换的高分辨率遥感影像城市直线道路提取

吕健刚,韦春桃

(广西桂林工学院土木工程系,桂林541004)

摘要:根据高分辨率遥感影像城市直线道路特性,,使用Hough变换检测道路所在直线,对直线进行道路判断,再将所得道路段进行修剪果表明,关键词:Hough变换;道路提取;遥感影像;中图分类号:TP751　　文献标识码(2009)103-0015-

04

引,航天飞机和各种卫星系统提供的遥感影像大量增加,它们的空间分辨率、光谱分辨率不断提高,为地理信息系统提供了丰富的基础信息数据源。遥感影像中道路网是非常重要的基础地理信息,在地图更新、汽车导航、目标识别等领域都具有重要意义。如何有效地利用遥感影像进行道路提取,已成为国内外遥感领域研究的热点,它不仅是遥感领域的难题,也是计算机视觉和图像理解研究的重点之一。

目前遥感影像道路提取已取得一定成果,根据道路提取的自动化程度,可分为半自动道路提取和自动道路提取。半自动道路提取即利用人机交互的方式进行道路提取和识别,其主要思想是人工首先提供初始道路点(种子点),有时还提供初始方向,然后再由计算机进

基于遥感影像提取水体信息用于水文研究

可行性分析研究报告

（课程作业）

钟科元

一、研究目的

熟练地掌握遥感图像处理技术，结合遥感图像与水文学的联系，解释和解决一些水文现象和水文问题。通过水体在遥感图像上表现的光谱特征提取遥感图像中水体，并与目视解译下的遥感影像中的水体及用数字高程模型-提取流域的进行对比，分析遥感影像提取水体的精度，从而论证从遥感影像中直接提取水体应用于水文研究的可行性。对比遥感影像解译、遥感影像数据水体信息提取和根据数字高程模型提取的影像之间的对比。分析各种水体之间的差异和精确度分析。

二、重点难点

（1）重点：从遥感影像提取水体：选择适当的方法对水体的提取，关系到提取水体的准确性，因此选择正确恰当的方法对水体进行提取是本文的重点。

（2）难点：晋江流域边界的切割。流域范围是指河流、湖泊的集水区，在地形图上一般表现为山脊或分水岭。如何在遥感影像中切出研究流域的范围是本文的难点。 (3)DEM数据提取河道信息也是新增的重点。

三、创新点

河流、湖泊等水体的演变和发展规律是水文学研究的重要内容，地形，植被、降水、土壤等因素均对水文要素的