CN108871283A - 一种基于tm影像的湖泊水体信息提取方法 - Google Patents
一种基于tm影像的湖泊水体信息提取方法 Download PDFInfo
- Publication number
- CN108871283A CN108871283A CN201810397693.0A CN201810397693A CN108871283A CN 108871283 A CN108871283 A CN 108871283A CN 201810397693 A CN201810397693 A CN 201810397693A CN 108871283 A CN108871283 A CN 108871283A
- Authority
- CN
- China
- Prior art keywords
- lake
- water body
- image
- information
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于TM影像的湖泊水体信息提取方法,首先选择典型地区,获取不同矿化度湖泊水体及周围地物的TM影像;然后利用不同地物对电磁波的耦合特性,根据湖泊水体及周围地物在TM影像中的亮度值构建波谱曲线;根据不同地物亮度值的差异,初步提出湖泊水体信息提取模型,并以精度大于95%为约束条件,将上述湖泊水体信息提取模型应用于不同的地区,进行模型的可行性与精确性检验;最后在满足提取精度大于95%的前提下,建立了湖泊水体信息提取模型:B1‑B3‑B4>0。本发明能够有效抑制冰雪、阴影等对湖泊水体信息提取时的严重干扰,克服矿化度差异影响,从而自动快速高精度地提取湖泊水体信息,提取速度快,分类精度高。
Description
技术领域
本发明涉及信息处理技术领域,具体涉及一种基于TM影像的湖泊水体信息提取方法。
背景技术
湖泊是参与区域水循环的关键要素,对区域生态平衡有重要影响。位于青藏高原东北部的柴达木盆地分布着众多的湖泊,且多数的湖泊属于河流水系的尾闾湖,对气候变化和人类活动比较敏感。近年来,由于全球气候变化和人类活动的影响,柴达木盆地湖泊出现了面积萎缩乃至干涸的现象,这种变化不仅影响了当地的社会经济和生态环境的可持续发展,而且对区域乃至青藏高原气候变化均具有重要影响。因此,对柴达木盆地的湖泊水体进行动态地精准监测,揭示自然与人类活动对湖泊的影响规律,对合理开发利用和保护湖泊水域,维系区域生态平衡具有重要的意义。
TM影像指美国陆地卫星4~5号专题制图仪(thematic mapper)所获取的多波段扫描影像,分为7个波段,主要特点为具较高空间分辨率、波谱分辨率、极为丰富的信息量和较高定位精度,TM影像记载了地物对电磁波的反射信息和地物自身的热辐射信息,各地物由于其物化性质的差异,从而导致它们对电磁波的反射不同,以及其热辐射也不完全相同,因此可以为湖泊监测提供数据源。现有的基于TM影像进行提取湖泊水体方法有单波段阈值法、谱间关系法、NDWI、MNDWI、EWI和NWI,实验证明,这几种提取方法均在不同程度上存在湖泊漏提和误提非湖泊水体的情况。
发明内容
本发明的目的在于提供一种基于TM影像的湖泊水体信息提取方法,能够自动、快速地、高精度地提取出湖泊水体信息,为湖泊水体动态变化规律研究提供技术支持。
为实现上述目的,本发明采用如下技术方案:
一种基于TM影像的湖泊水体信息提取方法,依次包括以下步骤:
(1)根据是否存在不同矿化度湖泊水体信息,选择典型地区,并获取湖泊水体及周围地物的TM影像;
(2)利用不同地物对电磁波的耦合特性,根据湖泊水体及周围地物在TM影像中的亮度值构建波谱曲线;
(3)根据不同地物亮度值的差异构建水体信息提取模型:B1-B3-B4>0,其中,B1、B3和B4分别表示湖泊水体在波谱曲线的第一波段、第三波段及第四波段的亮度值,利用该模型获取湖泊水体的信息。
优选地,所述步骤(3)具体包括以下步骤:
a、根据不同地物亮度值的差异,初步提出湖泊水体信息提取模型;
b、以精度大于95%为约束条件,将步骤a中提出的湖泊水体信息提取模型应用于不同的地区,进行模型的可行性与精确性检验;
c、在满足提取精度大于95%的前提下,建立了湖泊水体信息提取模型:B1-B3-B4>0,其中,B1、B3和B4分别表示湖泊水体在TM影像的第一波段、第三波段及第四波段的亮度值,利用该模型获取湖泊水体的信息;若提取精度小于95%,则返回步骤a。
本发明能够有效抑制冰雪、阴影等对湖泊水体信息提取时的严重干扰,克服了矿化度差异影像,从而自动快速高精度地提取湖泊水体信息,为湖泊水体动态变化规律研究提供技术支持;提取过程不依赖动态阈值,且无需对信息进行任何预处理,直接输入提取模型即可快速准确地提取出湖泊水体信息,提取速度快,分类精度高,相对于NDWI和MNDWI等水体信息提取方法,提取精度可以提高19%以上。
附图说明
图1为本发明的流程图;
图2为本发明所述的波谱曲线图;
图3为克鲁克湖-托素湖区域湖泊水体的432假彩色合成影像;
图4为利用本发明所述方法提取到的克鲁克湖-托素湖区域湖泊水体的结果;
图5为利用NDWI方法提取到的克鲁克湖-托素湖区域湖泊水体的结果;
图6为利用MNDWI方法提取到的克鲁克湖-托素湖区域湖泊水体的结果;
图7为小柴达旦湖区域湖泊水体的432假彩色合成影像;
图8为利用本发明所述方法提取到的小柴达旦湖区域湖泊水体的结果;
图9为利用NDWI方法提取到的小柴达旦湖区域湖泊水体的结果;
图10为利用MNDWI方法提取到的小柴达旦湖区域湖泊水体的结果;
图11为尕斯库勒湖区域湖泊水体的432假彩色合成影像;
图12为利用本发明所述方法提取到的尕斯库勒湖区域湖泊水体的结果;
图13为利用NDWI方法提取到的尕斯库勒湖区域湖泊水体的结果;
图14为利用MNDWI方法提取到的尕斯库勒湖区域湖泊水体的结果;
具体实施方式
以下结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的其他所有实施例,都属于本发明的保护范围。
如图1及图2所示,不同类型的地物对一定波长的电磁波表现出不同的反射特性,地物反射电磁波特性在遥感影像上最直观的数值表现就是亮度值不同,通常用波谱曲线来刻画地物在不同波段的亮度值表现。根据不同地物亮度值的差异构建模型,通过增强目标地物,抑制非目标地物的方式,可以将目标地物与其它地物区分开。
基于上述原理,本发明公开了一种基于TM影像的湖泊水体信息提取方法,依次包括以下步骤:
一种基于TM影像的湖泊水体信息提取方法,依次包括以下步骤:
(1)根据是否存在不同矿化度湖泊水体信息,选择典型地区,并获取湖泊水体及周围地物的TM影像;
(2)利用不同地物对电磁波的耦合特性,根据湖泊水体及周围地物在TM影像中的亮度值构建波谱曲线;
(3)根据不同地物亮度值的差异,初步提出湖泊水体信息提取模型;
(4)以精度大于95%为约束条件,将步骤(3)中提出的湖泊水体信息提取模型应用于不同的地区,进行模型的可行性与精确性检验;
(5)在满足提取精度大于95%的前提下,建立湖泊水体信息提取模型:B1-B3-B4>0,其中,B1、B3和B4分别表示湖泊水体在TM影像的第一波段、第三波段及第四波段的亮度值,利用该模型获取湖泊水体的信息;;若提取精度小于95%,则返回步骤(3)。
其中,步骤(3)中初步提取的模型与步骤(5)中的提取模型一致。
本发明所述的水体信息提取模型为湖泊水体差分模型,简称LWDM。
为验证该湖泊水体提取方法的可行性,分别将本发明(LWDM)、NDWI方法及MNDWI方法应用于柴达木盆地东部的克鲁克湖-托素湖区域、小柴达旦湖区域及尕斯库勒湖区域,分别进行湖泊水体提取验证,并对比不同方法的提取效果。
如图3至图6所示,利用本发明可以完整地提取出克鲁克湖、托素湖和尕海湖的水体信息,NDWI方法和MNDWI方法在提取水体信息的同时提取了部分阴影和雪的信息,MNDWI方法在提取克鲁克湖和托素湖水体信息时丢失了部分水体信息,如图7至图14所示,三种方法均可以将湖泊水体信息提取出来,但NDWI和MNDWI方法在提取小柴达旦湖区域和尕斯库勒湖区域湖泊信息的同时提取了雪的信息。
为评价本方法提取湖泊的效果,分别采用总体分类精度和Kappa系数对本发明(LWDM)、NDWI和MNDWI三种方法进行精度评价,精度评价结果如表1所示。其中,利用总体分类精度和Kappa系数进行精度评价的过程为现有技术,不再赘述。
表1湖泊水体信息提取精度评价结果
从表1可看出,本发明在各个湖泊区域的提取精度均大于98.5%。由此,本专利提出的湖泊水体信息提取模型可以不依赖动态阈值实现全自动提取湖泊水体信息,能有效抑制冰雪及阴影等对湖泊水体信息提取时的严重干扰,克服了由于矿化度差异导致的湖泊水体提取时的信息丢失,提取速度快,分类精度高;相对于NDWI、MNDWI等水体信息提取方法,提取精度可以提高19%以上。
Claims (2)
1.一种基于TM影像的湖泊水体信息提取方法,其特征在于,依次包括以下步骤:
(1)根据是否存在不同矿化度湖泊水体信息,选择典型地区,并获取湖泊水体及周围地物的TM影像;
(2)利用不同地物对电磁波的耦合特性,根据湖泊水体及周围地物在TM影像中的亮度值构建波谱曲线;
(3)根据不同地物亮度值的差异构建水体信息提取模型:B1-B3-B4>0,其中,B1、B3和B4分别表示湖泊水体在波谱曲线的第一波段、第三波段及第四波段的亮度值,利用该模型获取湖泊水体的信息。
2.根据权利要求1所述的一种基于TM影像的湖泊水体信息提取方法,其特征在于,所述步骤(3)具体包括以下步骤:
a、根据不同地物亮度值的差异,初步提出湖泊水体信息提取模型;
b、以精度大于95%为约束条件,将步骤a中提出的湖泊水体信息提取模型应用于不同的地区,进行模型的可行性与精确性检验;
c、在满足提取精度大于95%的前提下,建立了湖泊水体信息提取模型:B1-B3-B4>0,其中,B1、B3和B4分别表示湖泊水体在TM影像的第一波段、第三波段及第四波段的亮度值,利用该模型获取湖泊水体的信息;若提取精度小于95%,则返回步骤a。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810397693.0A CN108871283B (zh) | 2018-04-28 | 2018-04-28 | 一种基于tm影像的湖泊水体信息提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810397693.0A CN108871283B (zh) | 2018-04-28 | 2018-04-28 | 一种基于tm影像的湖泊水体信息提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108871283A true CN108871283A (zh) | 2018-11-23 |
CN108871283B CN108871283B (zh) | 2020-10-02 |
Family
ID=64327278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810397693.0A Expired - Fee Related CN108871283B (zh) | 2018-04-28 | 2018-04-28 | 一种基于tm影像的湖泊水体信息提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108871283B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930496A (zh) * | 2012-10-29 | 2013-02-13 | 南京信息工程大学 | 基于tm影像的水体信息提取方法 |
CN107944368A (zh) * | 2017-11-16 | 2018-04-20 | 中国科学院遥感与数字地球研究所 | 一种基于时序遥感图像的水体提取方法 |
-
2018
- 2018-04-28 CN CN201810397693.0A patent/CN108871283B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930496A (zh) * | 2012-10-29 | 2013-02-13 | 南京信息工程大学 | 基于tm影像的水体信息提取方法 |
CN107944368A (zh) * | 2017-11-16 | 2018-04-20 | 中国科学院遥感与数字地球研究所 | 一种基于时序遥感图像的水体提取方法 |
Non-Patent Citations (3)
Title |
---|
刘桂林等: "基于Landsat TM影像的水体信息提取", 《中国科学院大学学报》 * |
邱煌奥等: "多光谱遥感影像湿地水体提取方法综述", 《江西科学》 * |
钟春棋等: "TM影像湿地水体信息自动提取方法研究", 《水资源研究》 * |
Also Published As
Publication number | Publication date |
---|---|
CN108871283B (zh) | 2020-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | An index and approach for water extraction using Landsat–OLI data | |
Edwards et al. | Regional climate change and harmful algal blooms in the northeast Atlantic | |
Kearney et al. | Landsat imagery shows decline of coastal marshes in Chesapeake and Delaware Bays | |
CN109034026B (zh) | 一种遥感影像中水陆区域的红树林提取方法及系统 | |
CN101770641A (zh) | 一种结构光焊缝图像特征点快速提取方法 | |
CN111122449A (zh) | 一种城市不透水面遥感提取方法及系统 | |
CN104318544A (zh) | 基于夜间灯光卫星遥感数据光透捕作业渔船数量估算方法 | |
CN114266958A (zh) | 一种基于云平台的红树林遥感快速精准提取方法 | |
El Kafrawy et al. | Performance evaluation of shoreline extraction methods based on remote sensing data | |
Tang et al. | Extraction of water body based on LandSat TM5 imagery–a case study in the Yangtze River | |
CN109472804A (zh) | 基于遥感影像的陆表水体提取方法和装置 | |
Oguslu et al. | Detection of seagrass scars using sparse coding and morphological filter | |
Sabatés et al. | Spawning environmental conditions of Sardinella aurita at the northern limit of its distribution range, the western Mediterranean | |
CN104573662A (zh) | 一种云判方法和系统 | |
CN109815968A (zh) | 一种基于Himawari-8卫星数据的晨昏时刻海雾探测算法 | |
CN108871283A (zh) | 一种基于tm影像的湖泊水体信息提取方法 | |
CN102034233A (zh) | 一种基于contourlet变换的SAR图像波群参数检测方法 | |
Karimova | An approach to automated spiral eddy detection in SAR images | |
Liu et al. | Water extraction on the hyperspectral images of gaofen-5 satellite using spectral indices | |
Hu et al. | Modified image haze removal algorithm based on dark channel prior | |
Wang et al. | Study on monitoring of red tide by multi-spectral remote sensing based on HJ-CCD and MODIS | |
Chao et al. | Study on extraction methods for water information in Nantong city, China using Landsat ETM+ data | |
Zhang et al. | Analysis of water area in Caofeidian wetland in 1984~ 2013 based on remote sensing image data. | |
CN112508796A (zh) | 基于地表覆盖信息的夜光遥感影像去饱和校正方法及系统 | |
Zhou et al. | Monitoring of water extent and variation of the Poyang lake using GF-1 remote sensing data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201002 |