[發明專利]一種城市不透水面遙感提取方法及系統

在審

• 申請號: 201911416291.1
• 申請日: 2019-12-31
• 公開（公告）號: CN111122449A
• 公開（公告）日: 2020-05-08
• 發明（設計）人: 陳艷玲;宮阿都;陳云浩;雷添杰;曾婷婷;楊雨晴
• 申請（專利權）人: 北京師范大學;中國水利水電科學研究院
• 主分類號: G01N21/17
• 分類號: G01N21/17
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 韓雪梅

本發明涉及一種城市不透水面遙感提取方法及系統。所述方法包括：獲取Landsat數據；對所述Landsat數據進行預處理，得到預處理后的遙感數據；根據所述遙感數據，分別計算NDUI指數、MNDWI指數和SAVI指數；將所述NDUI指數、所述MNDWI指數和所述SAVI指數進行拉伸處理，得到拉伸后的NDUI指數、拉伸后的MNDWI指數和拉伸后的SAVI指數；根據所述拉伸后的NDUI指數、所述拉伸后的MNDWI指數和所述拉伸后的SAVI指數，計算歸一化差值城市綜合指數；根據所述歸一化差值城市綜合指數采用閾值法，提取不透水面信息。本發明能夠提高不透水面的提取精度。

技術領域

本發明涉及不透水面遙感提取領域，特別是涉及一種城市不透水面遙感提取方法及系統。

背景技術

傳統獲取不透水面信息的方法主要是人工測繪，但是該方法費時費力，耗資巨大，實時性差。隨著衛星遙感技術的快速發展，其快速、大范圍和多尺度等優勢解決了傳統方法的不足，越來越多的不透水面信息遙感反演方法被相繼提出，目前，研究方法主要分為以下5種：分類法、光譜混合分析法、回歸模型法、決策樹模型法和基于光譜的指數法。目前，針對不透水面信息的分類方法主要包括最大似然算法、面向對象法、人工神經網絡分類法ANN(Artificial Neural Network)、支持向量機SVM(Support Vector Machine)等，各分類方法可以有效提取不透水面，但在應用到大范圍區域時存在一定的限制，例如需要人工處理大量的數據、耗時以及計算復雜等問題。此外對于中等分辨率光學影像來說，不能很好地解決混合像元的問題。光譜混合分析法(Spectral Mixture Analysis,SMA)可以有效解決混合像元問題，但是由于獲取代表純凈像元的端元光譜特征困難，以及計算過程復雜，難以將該方法用于大區域不透水面信息的提取。決策樹模型包括基于回歸分析和基于規則方法，前者適用于大范圍不透水面信息的提取，但是該方法對數據噪聲極其敏感；后者嚴重依賴所選樣本的質量。回歸模型法包括基于植被和不透水面兩種，需要與高分辨率信息建立回歸關系，該方法已被證明是一種提取大面積不透水面的有效方法。然而，如何從低分辨率圖像中選擇合適的因變量，從高空間分辨率圖像中選擇合適的自變量，是影響不透水表面提取精度的關鍵。

相對于以上方法，基于光譜的指數法可操作性強，自動化程度較高，能夠快速提取大區域范圍的不透水面信息，現已被廣泛使用。目前，國內外學者通過波段組合增強不透水面與其他地表覆蓋類型的差異，提出了多種建筑指數，包括城市指數(Urban Index,UI)、歸一化建筑指數(Normalized Difference Built-up Index,NDBI)、歸一化差異不透水面指數(Normalized Difference Impervious Surface Index,NDISI)、增強型建筑與裸土指數(Enhanced Built-up and Bareness Index,EBBI)、歸一化差異不透水指數(NormalizedDifference Impervious Index,NDII)、修正歸一化差異不透水面指數(Modified NDISI,MNDISI)、建筑用地指數(Index-based Built-up Index,IBI)、生物物理成分指數(Biophysical Composition Index,BCI)以及組合建筑指數(Combinational build-upindex,CBI)。這些指數均可提取不透水面信息，但是在提取過程中存在一定的局限性。最主要的問題不透水面信息中常常混雜其他地物類型，特別是裸土。劉暢等人基于Landsat8影像，測試了8種主要不透水面指數(NDISI、BCI、UI、IBI、NDBI、NBI、PII和RRI)的提取精度，結果表明，這8種指數均未能有效解決不透水面與裸土混淆的問題。BCI、CBI等指數在提取不透水面信息之前需要先剔除掉水體信息。另外，NDISI等指數需要用到熱紅外波段，熱紅外波段的分辨率相對較低，雖然在與多光譜波段的混合計算中起到了一定的融合細化作用，但是仍加劇了混合像元的現象，許多遙感影像不存在熱紅外波段，特別是高分辨率影像。此外，MNDISI指數加入了較少見的高分辨率夜間燈光指數，限制了該指數的實用性。