為了從高分辨率無人機影像中獲取準確的城市不透水面信息,在可見光波段范圍內(nèi)建立綠-藍光譜特征空間,綜合土壤線及不透水面線,構(gòu)造了能夠?qū)⑼寥馈⒅脖幌裨c不透水面像元有效分離的綠-藍不透水面指數(shù)。以廣州市局部地區(qū)的GF-2號影像為驗證數(shù)據(jù)對比及分析垂直不透水層指數(shù)、比值居民地指數(shù)以及綠-藍不透水面指數(shù)的提取結(jié)果,以驗證綠-藍不透水面指數(shù)的可行性與提取精度。同時,將眉山市洪雅縣部分地區(qū)的無人機正射影像作為試驗數(shù)據(jù)進行不透水面提取。結(jié)果表明,在3個不透水面提取指數(shù)的橫向?qū)Ρ戎?綠-藍不透水面指數(shù)和垂直不透水層指數(shù)的提取結(jié)果總體精度相同,驗證了綠-藍不透水面指數(shù)的有效性。在對無人機正射影像的不透水面提取中,得益于無人機低空攝影技術(shù)能夠獲取地形特征的特點,解決了建筑物屋頂因植被覆蓋導致的錯分問題,提取結(jié)果總體精度達到了96.95%,Kappa系數(shù)為0.936 1。試驗證明了綠-藍不透水面指數(shù)能夠代替歸一化差值不透水面指數(shù)、垂直不透水層指數(shù)、比值居民地指數(shù)等,應(yīng)用于無人機遙感影像的不透水面信息提取中。 

【文章來源】：農(nóng)業(yè)工程學報. 2020,36(08)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

研究區(qū)影像

城市不透水面大多為道路、停車場、人行道、屋頂?shù)�，若以顏色和亮度信息對不透水面進行歸類可分為亮色不透水面（如涂了防水層的屋頂）、暗色不透水面（如公路）和藍色不透水面（如廠房屋頂）[12]。透水面則分為水體、植被和土壤，指數(shù)提取不透水面的方法通常需要在預處理中將水體剔除[18]，因此，此處暫不討論水體。為了分析透水面和不透水面在光譜特征上的差別,對驗證區(qū)影像內(nèi)的3類不透水面地物和2類透水面地物進行采樣，圖2為驗證區(qū)內(nèi)各典型地物在紅、綠、藍3個波段上的光譜均值所構(gòu)成的光譜響應(yīng)曲線。由圖2所示，藍色不透水面和暗色不透水面的藍綠波段連線具有遞減的趨勢，同時，植被和土壤的藍綠波段連線具有遞增的趨勢，因此，若以藍波段和綠波段構(gòu)成特征空間，可以增大不透水面與透水面的差距。為了進一步驗證提出的假設(shè)，分別以Green-Blue、Red-Blue、Green-Red3種光譜特征空間繪制5種地物的散點圖（圖3）。

圖3b中植被像元與暗色不透水面像元相交錯，難以區(qū)分。圖3c中植被像元與土壤像元分別位于不透水面像元的兩側(cè)，部分植被像元與藍色不透水面像元混合，若以此光譜特征空間構(gòu)造指數(shù)易影響提取精度。而圖3a中植被像元與土壤像元聚成了一類，3種不透水面像元聚成了另一類，因此，在Green-Blue光譜特征空間下，透水面與不透水面像元之間的差距較明顯，易于區(qū)分二者。2.3 綠—藍不透水面指數(shù)的構(gòu)造

【參考文獻】：
期刊論文
[1]Landsat8不透水面遙感信息提取方法對比[J]. 劉暢,楊康,程亮,李滿春,郭紫燕.  國土資源遙感. 2019(03)
[2]一種提取城市多種不透水層的垂直不透水層指數(shù)[J]. 田玉剛,徐韻,楊曉楠.  測繪學報. 2017(04)
[3]遙感技術(shù)在不透水層提取中的應(yīng)用與展望[J]. 李德仁,羅暉,邵振峰.  武漢大學學報(信息科學版). 2016(05)
[4]基于可見光波段無人機遙感的植被信息提取[J]. 汪小欽,王苗苗,王紹強,吳云東.  農(nóng)業(yè)工程學報. 2015(05)
[5]流域非點源污染景觀源匯格局遙感解析[J]. 張新,程熙,李萬慶,羅雷.  農(nóng)業(yè)工程學報. 2014(02)
[6]基于二維光譜特征空間的土壤線自動提取算法[J]. 秦其明,游林,趙越,趙少華,姚云軍.  農(nóng)業(yè)工程學報. 2012(03)
[7]一種快速提取不透水面的新型遙感指數(shù)[J]. 徐涵秋.  武漢大學學報(信息科學版). 2008(11)
[8]比值居民地指數(shù)在城鎮(zhèn)信息提取中的應(yīng)用[J]. 吳宏安,蔣建軍,張海龍,張麗,周杰.  南京師大學報(自然科學版). 2006(03)



本文編號：3237138