基于水质类型的TM图像水体信息提取

doi:10.6046/gtzyyg.2012.01.16

摘要
参考文献
相关文章
Metrics

全文: PDF(943 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要通过对一般水体、富营养化水体和严重污染水体与山体阴影在TM各波段图像上的亮度值进行分析比较可知: 一般水体在TM4图像上的亮度值小于TM3波段的,而山体阴影则相反; 由于富营养化水体中的浮游植物在TM4波段具有强反射特征,严重污染水体对可见光具有强吸收作用,造成了这两类水体在TM4图像上的亮度值大于TM3波段的,因而无法通过比较TM3和TM4波段图像像元亮度值来区分水体和山体阴影。实验证明,采用对水质类型进行分类的提取方法,根据水体的影像特征设立相应的阈值,能将各种水质类型的水体与山体阴影等其他地物区分开来。可以快速、准确、有效地提取TM图像上的水体分布信息。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	李婷
	詹庆明
	喻亮

关键词 ：车载激光点云数据, 特征提取, 主成分分析, 数据分类

Abstract：The lightness values of three types of water, i.e. ordinary, eutrophic and seriously polluted, and vegetation in the shadow of the hill were analyzed in this paper. The results show that the lightness value of TM4 is lower than that of TM3 for ordinary water, whereas things are opposite for vegetation in the shadow of the hill; the eutrophic water contaminated by phytoplankton has strong reflection in TM4, and seriously polluted water has strong absorption in visible band, which the lightness value of TM4 is higher than that of TM3. Thus the eutrophic and polluted water couldn’t be distinguished from vegetation in the shadow of the hill by comparison between TM3 and TM4. According to the extraction method of classification of water quality type the spectral characteristics of the water,the authors set up the thresholds to distinguish various types of water quality, vegetation in the shadow of the hill and other ground objects,and extracted the water distribution information from TM imagery quickly,accurately and efficiently.

Key words： mobile laser scanning data feature extraction PCA classification

收稿日期: 2011-04-29 出版日期: 2012-03-07

:	TP 79
	TP 751

基金资助:国家自然科学基金项目(编号: 40671144)和863计划项目(编号: 2009AA12Z148)共同资助。

通讯作者: 邓孺孺(1963- ),男,博士,教授,博士生导师,主要从事水质遥感和大气遥感研究。E-mail: eesdrr@mail.sysu.edu.cn。

引用本文:

陈蕾, 邓孺孺, 陈启东, 何颖清, 秦雁, 娄全胜. 基于水质类型的TM图像水体信息提取[J]. 国土资源遥感, 2012, 24(1): 90-94.
CHEN Lei, DENG Ru-ru, CHEN Qi-dong, HE Ying-qing, QIN Yan, LOU Quan-sheng. The Extraction of Water Body Information from TM Imagery Based on Water Quality Types. REMOTE SENSING FOR LAND & RESOURCES, 2012, 24(1): 90-94.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2012.01.16 或 https://www.gtzyyg.com/CN/Y2012/V24/I1/90

[1] 徐涵秋.利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J].遥感学报,2005,9(5):589-595.
[2] 林强,陈一梅,黄永葛.基于ETM⁺图像的厦门湾水体信息提取[J].水科学与工程技术,2008(增2):52-54.
[3] 王刚,李小曼,田杰.几种TM影像的水土自动提取方法比较[J].测绘科学,2008,33(3):141-142.
[4] 徐鲁强,刘静霞,秦军,等.水体遥感影像处理的研究[J].计算机工程与应用,2010,46(21):168-170.
[5] 杨莹,阮仁宗.基于TM影像的平原湖泊水体信息提取的研究[J].遥感信息,2010(3):60-64.
[6] 陆家驹,李士鸿.TM资料水体识别技术的改进[J].环境遥感,1992,7(1):17-23.
[7] 杨存建,徐美,黄朝永,等.遥感信息机理的水体提取方法的探讨[J].地理研究,1998,17(增刊):86-89.
[8] Mcfeeters S K.The Use of the Normalized Difference Water Index (NDWI) in the Delineation of Open Water Features[J].International Journal of Remote Sensing,1996,17(7):1425-1432.
[9] 熊金国,王世新,周艺.不同指数模型提取ALOS AVNIR-2影像中水体的敏感性和精度分析[J].国土资源遥感,2010(4):46-50.
[10] 宋启帆,王少军,张志,等.基于WorldView II图像的钨矿区水体信息提取方法研究——以江西大余县为例[J].国土资源遥感,2011(2):33-37.
[11] 曹荣龙,李存军,刘良云,等.基于水体指数的密云水库面积提取及变化监测[J].测绘科学,2008,33(2):158-160.
[12] 丁凤.一种基于遥感数据快速提取水体信息的新方法[J].遥感技术与应用,2009,24(2):167-171.
[13] 姜腾龙,赵书河,肖鹏峰,等.基于光谱夹角的水体信息提取方法研究[J].国土资源遥感,2009(2):102-105.
[14] 杜云艳,周成虎.水体的遥感信息自动提取方法[J].遥感学报,1998,2(4):264-269.
[15] 曹凯,江南,吕恒,等.面向对象的SPOT 5影像城区水体信息提取研究[J].国土资源遥感,2007(2):27-30.
[16] 都金康,黄永胜,冯学智,等.SPOT卫星影像的水体提取方法及分类研究[J].遥感学报,2001,5(3):214-219.
[17] 韩栋,杨晓梅,纪凯.小卫星遥感影像自动提取水体方法研究[J],测绘科学,2008,33(1):51-54.
[18] 王庆,廖静娟.基于SAR数据的鄱阳湖水体提取及变化监测研究[J].国土资源遥感,2010(4):91-97.
[19] 朱俊杰,郭华东,范湘涛,等.基于纹理与成像知识的高分辨率SAR图像水体检测[J],水科学进展,2006,17(4):525-530.
[20] 杨存建,魏一鸣,王思远,等.基于DEM的SAR图像洪水水体的提取[J],自然灾害学报,2002,11(3):121-125.
[21] 胡德勇,李京,陈云浩,等.单波段单极化SAR图像水体和居民地信息提取方法研究[J],中国图象图形学报,2008,13(2):257-263.
[22] 程明跃,叶勤,张绍明,等.基于模糊加权SVM的SAR图像水体自动检测[J].计算机工程,2009,35(2):219-221.
[23] 窦建方,陈鹰,翁玉昆.基于序列非线性滤波SAR影像水体自动提取[J].测绘通报,2008(9):37-39,45.

[1]	曲海成, 王雅萱, 申磊. 多感受野特征与空谱注意力结合的高光谱图像超分辨率算法[J]. 自然资源遥感, 2022, 34(1): 43-52.
[2]	秦大辉, 杨灵, 谌伦超, 段云飞, 贾宏亮, 李贞培, 马建琴. 基于多源数据的新疆干旱特征及干旱模型研究[J]. 自然资源遥感, 2022, 34(1): 151-157.
[3]	张秦瑞, 赵良军, 林国军, 万虹麟. 改进遥感生态指数的宜宾市三江汇合区生态环境评价[J]. 自然资源遥感, 2022, 34(1): 230-237.
[4]	魏英娟, 刘欢. 北衙金矿床遥感矿化蚀变信息提取及找矿预测[J]. 自然资源遥感, 2021, 33(3): 156-163.
[5]	陈震, 夏学齐, 陈建平. 土地生态质量遥感评价模型与主控因子研究——以广安市为例[J]. 国土资源遥感, 2021, 33(1): 191-198.
[6]	木哈代思·艾日肯, 张飞, 刘康, 阿依努尔·玉山江. 基于天宫二号及Landsat8城镇生态环境现状评价[J]. 国土资源遥感, 2020, 32(4): 209-218.
[7]	栗旭升, 刘玉锋, 陈冬花, 刘赛赛, 李虎. 结合图像特征的支持向量机高分一号云检测[J]. 国土资源遥感, 2020, 32(3): 55-62.
[8]	姚本佐, 何芳. 空谱特征分层融合的高光谱图像特征提取[J]. 国土资源遥感, 2019, 31(3): 59-64.
[9]	阿茹罕, 何芳, 王标标. 加权空-谱主成分分析的高光谱图像分类[J]. 国土资源遥感, 2019, 31(2): 17-23.
[10]	董立新. 三峡库区森林叶面积指数多模型遥感估算[J]. 国土资源遥感, 2019, 31(2): 73-81.
[11]	涂兵, 张晓飞, 张国云, 王锦萍, 周瑶. 递归滤波与KNN的高光谱遥感图像分类方法[J]. 国土资源遥感, 2019, 31(1): 22-32.
[12]	张兴航, 朱琳, 王威, 孟利山, 李小娟, 任应超. 基于对象的地裂缝分步提取方法研究与应用[J]. 国土资源遥感, 2019, 31(1): 87-94.
[13]	尹凌宇, 覃先林, 孙桂芬, 刘树超, 祖笑锋, 陈小中. 利用KPCA法检测高分一号影像中的森林覆盖变化[J]. 国土资源遥感, 2018, 30(1): 95-101.
[14]	张洪敏, 张艳芳, 田茂, 吴春玲. 基于主成分分析的生态变化遥感监测——以宝鸡市城区为例[J]. 国土资源遥感, 2018, 30(1): 203-209.
[15]	魏英娟, 郑雄伟, 雷兵, 甘宇航. 基于样本模型的高分一号遥感影像云雾自动提取[J]. 国土资源遥感, 2017, 29(s1): 39-45.

Viewed

Full text

Abstract

Cited

Shared

Discussed