CN115410091A - 一种提取干旱区湖泊水面积的方法及系统 - Google Patents

一种提取干旱区湖泊水面积的方法及系统 Download PDF

Info

Publication number
CN115410091A
CN115410091A CN202210900372.4A CN202210900372A CN115410091A CN 115410091 A CN115410091 A CN 115410091A CN 202210900372 A CN202210900372 A CN 202210900372A CN 115410091 A CN115410091 A CN 115410091A
Authority
CN
China
Prior art keywords
index
period
water
water body
remote sensing
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.)
Pending
Application number
CN202210900372.4A
Other languages
English (en)
Inventor
王春阳
卢晓东
王起峰
吴勇拓
刘攀
戚振亚
徐志侠
潘鑫
谢文英
李超
王守峰
冯钰栋
王勇
马惠群
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Electric Power Engineering Consulting Institute Corp Ltd
Original Assignee
Shandong Electric Power Engineering Consulting Institute Corp Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Electric Power Engineering Consulting Institute Corp Ltd filed Critical Shandong Electric Power Engineering Consulting Institute Corp Ltd
Priority to CN202210900372.4A priority Critical patent/CN115410091A/zh
Publication of CN115410091A publication Critical patent/CN115410091A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143—Sensing or illuminating at different wavelengths
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/182—Network patterns, e.g. roads or rivers

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • Astronomy & Astrophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种提取干旱区湖泊水面积的方法及系统，所述方法包括：获取遥感影像数据，进行辐射定标及大气校正处理；将湖面水体情况分为非结冰期、半结冰期和结冰期，分别确定每个时期的水体遥感提取指数；其中，采用MEWI指数进行半结冰期水面积提取；所述MEWI指数为在增强型水体指数EWI的基础上，分别为近红外波段和短波红外波段赋予不同的系数；基于所述提取指数进行水的提取并计算水面积。本发明在增强型水体指数EWI的基础上进行优化，既可以更精确的提取水体信息，又可以增强冰水与周围地物的区分度。

Description

一种提取干旱区湖泊水面积的方法及系统
技术领域
本发明涉及水文技术领域，尤其涉及一种提取干旱区湖泊水面积的方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
水体在光学遥感的光谱特征信息中，表现为在近红外波段的光谱反射率比较低；此外，水体的光谱反射率还随着波长的增加而逐步降低，故可采用赋阈值的方法对近红外波段进行阈值分割，从而提取水体信息。单波段阈值法作为最常见的水体信息提取方法，虽然简单容易操作，但也有着一定的局限性；现有技术提出的多波段运算中的谱间关系法，相比较阈值分类方法提取水体时更有优势，谱间关系方法是通过不同波段间的组合运算来处理影像、提取水体。常被使用的归一化水体指数(NDWI)同样是根据水体的光谱特征进行构建，基本思想是利用水体在绿波段和近红外波段的反射特性，通过比值运算来增强影像中水体信息，抑制研究区中非水体信息，诸如影像中的植被信息和土壤信息等。
目前，对于结冰期水面信息的提取研究，对湖冰方面的研究主要集中于湖冰冻结面积以及冻融时间等，对于半结冰期若使用NDSI指数进行湖泊面积的提取，此时期冰水混合，会出现水体信息错分的现象，会将湖滩和湿润的土壤错分为水体；另外，现有技术都是基于不同时期的单一指数进行水体的提取，并且根据湖水状态分为了不同的时期进行提取，若能找到一种既能顾及半结冰期的水体的状态，还可以考虑在不同时期用同种方法进行水体的提取的方法显得更为关键。
发明内容
为了解决上述问题，本发明提出了一种提取干旱区湖泊水面积的方法及系统，针对半结冰期这种湖泊表面冰、水同时存在的情况，将优化的增强型水体指数(MEWI)和归一化积雪(NDSI)指数以及归一化水体(NDWI)指数作为因子运用随机森林的方法在不同时期提取水体面积，提高提取精度和效率。
在一些实施方式中，采用如下技术方案：
一种提取干旱区湖泊水面积的方法，包括：
获取遥感影像数据，进行辐射定标及大气校正处理；
将湖面水体情况分为非结冰期、半结冰期和结冰期，分别确定每个时期的水体遥感提取指数；其中，采用MEWI指数进行半结冰期水面积提取；所述MEWI指数为在增强型水体指数EWI的基础上，分别为近红外波段和短波红外波段赋予不同的系数；
基于所述提取指数进行水的提取并计算水面积。
作为可选的方案，获取的遥感影像数据为无量纲的像元DN值，对遥感影像进行辐射定标处理，将DN值转换为反射率。
作为可选的方案，所述非结冰期使用归一化水体NDWI指数计算水面积。
作为可选的方案，所述归一化水体NDWI指数具体为：
Figure BDA0003770724570000021
其中，GREEN代表绿光波段，NIR代表近红外波段。
作为可选的方案，所述结冰期通过归一化积雪NDSI指数计算水面积。
作为可选的方案，所述归一化积雪NDSI指数具体为：
Figure BDA0003770724570000031
其中，GREEN为绿光波段；SWIR1代表短波红外波段。
作为可选的方案，所述MEWI指数具体为：
Figure BDA0003770724570000032
其中，GREEN为绿光波段，NIR为近红外波段，SWIR1代表短波红外波段，α和β分别为系统。
在另一些实施方式中，采用如下技术方案：
一种提取干旱区湖泊水面积的方法，包括：
获取遥感影像数据，进行辐射定标及大气校正处理；
将湖面水体情况分为非结冰期、半结冰期和结冰期，分别确定每个时期的水体遥感提取指数；其中，采用MEWI指数进行半结冰期水面积提取；所述MEWI指数为在增强型水体指数EWI的基础上，分别为近红外波段和短波红外波段赋予不同的系数；
在非结冰期、半结冰期和结冰期分别选取样本点训练得到多因子随机森林模型，然后将每个时期的水体遥感提取指数影像作为输入数据，将所述输入数据输入至训练好的多因子随机森林模型中，得到提取后包含水体以及水体的边界的遥感影像数据，进而得到水面积。
在另一些实施方式中，采用如下技术方案：
一种提取干旱区湖泊水面积的系统，包括：
数据获取模块，用于获取遥感影像数据，进行辐射定标及大气校正处理；
指数计算模块，用于将湖面水体情况分为非结冰期、半结冰期和结冰期，分别确定每个时期的水体遥感提取指数；其中，采用MEWI指数进行半结冰期水面积提取；所述MEWI指数为在增强型水体指数EWI的基础上，分别为近红外波段和短波红外波段赋予不同的系数；
水面积提取模块，用于基于所述提取指数进行水的提取并计算水面积。
在另一些实施方式中，采用如下技术方案：
一种提取干旱区湖泊水面积的系统，包括：
数据获取模块，用于获取遥感影像数据，进行辐射定标及大气校正处理；
指数计算模块，用于将湖面水体情况分为非结冰期、半结冰期和结冰期，分别确定每个时期的水体遥感提取指数；其中，采用MEWI指数进行半结冰期水面积提取；所述MEWI指数为在增强型水体指数EWI的基础上，分别为近红外波段和短波红外波段赋予不同的系数；
随机森林算法模块，用于在非结冰期、半结冰期和结冰期分别选取样本点训练得到多因子随机森林模型，然后将每个时期的水体遥感提取指数影像作为输入数据，将所述输入数据输入至训练好的多因子随机森林模型中，得到提取后包含水体以及水体的边界的遥感影像数据，进而得到水面积。
与现有技术相比，本发明的有益效果是：
(1)本发明在湖水不同时期运用不同的指数进行湖泊面积的提取，特别是在水冰混合的半结冰期，根据艾丁湖的特点，对增强型水体指数(EWI)进行系数的重新预定，得到MEWI指数，能够使得水体信息得到增强，而不会受到抑制，避免水体被漏提，同时避免出现艾丁湖周围存在湖滩盐碱地容易被错分为水体的现象；本发明在增强型水体指数EWI的基础上进行优化，既可以更精确的提取水体信息，又可以增强冰水与周围地物的区分度。
(2)本发明在优化指数的基础上采用多因子随机森林的方法进一步提高水面提取精度，既可以运用优化指数，又可以将多因子提取的效果综合运用，提高提取精度和效率。
本发明的其他特征和附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本方面的实践了解到。
附图说明
图1是本发明实施例中艾丁湖水体光谱曲线图；
图2是本发明实施例一中的提取干旱区湖泊水面积的过程示意图；
图3是本发明实施例中将湖滩与冰水在不同系数下区分度对比；
图4是本发明实施例二中的提取干旱区湖泊水面积的过程示意图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
在一个或多个实施方式中，公开了一种提取干旱区湖泊水面积的方法，结合图2，具体包括如下过程：
(1)获取遥感影像数据，进行辐射定标及大气校正处理；
具体地，由于直接获取的遥感影像数据都是无量纲的像元DN值，是无法真实反映出地物信息的，所以需要对遥感影像进行辐射定标处理，经过辐射定标后，将DN值转换为反射率。
辐射定标后进行FLAASH大气校正，消除大气介质、太阳高度等因素造成影像光谱值与地物的光谱反射率不同以及辐射量引起的误差。
本实施例中，获取Landsat8经过均衡化校正的1A级数据，通过ENVI软件对Landsat8OLI影像进行大气校正，旨在消除卫星数据、高光谱数据内大气因素对图像的影响。
(2)将湖面水体情况分为非结冰期、半结冰期和结冰期，分别确定每个时期的水体遥感提取指数；其中，采用MEWI指数进行半结冰期水面积提取；所述MEWI指数为在增强型水体指数EWI的基础上，分别为近红外波段和短波红外波段赋予不同的系数。
本实施例中，通过气象站的气温数据，以及反复水体提取实验，将湖面水体情况分为三种时期：非结冰期，半结冰期，以及结冰期；三种时期的湖面均通过指数方法，并结合目视解译进行湖泊水面的提取。
本实施例中，非结冰期使用NDWI指数计算，结冰期湖泊则通过积雪指数NDSI计算；
归一化差异水体指数(NDWI)，其公式如下：
Figure BDA0003770724570000061
其中，GREEN代表绿光波段，在Landsat8 OLI影像中，GREEN波段为第3波段；NIR代表Landsat8 OLI影像中的第5波段，也就是近红外波段。
对Landsat8数据来说，NDSI的计算公式如下：
Figure BDA0003770724570000071
其中，GREEN为绿光波段；SWIR1代表短波红外波段，为Landsat8 OLI影像的第6波段。
本实施例中，针对半结冰期这种湖泊表面冰、水同时存在的特殊时期，构造优化的水体增强指数MEWI进行面积提取；
在现有的增强型水体指数EWI的基础上，通过遍历系数实验，确定近红外和短波红外波段的组合系数α和β。
增强型水体指数EWI具体为：
Figure BDA0003770724570000072
本实施例选取三期半结冰期湖泊为研究对象，通过遍历实验，将系数分别从0～1进行选择，并在高分数据的参照下确定四种地物(分别为植被、冰水、湖滩以及裸地)，最后得到在不同系数下指数计算后的影像灰度均值，得到最适合的系数组合；最终得到MEWI指数具体为：
Figure BDA0003770724570000073
其中，GREEN为绿光波段，NIR为近红外波段，SWIR1代表短波红外波段，α和β为系数，从0～1中每隔0.1进行取值，且满足α+β＝1。
作为具体的实施例，选取三期半结冰期湖泊为研究对象，通过遍历实验，将系数分别从0～1进行选择，并在高分数据的参照下确定四种地物(分别为植被、冰水、湖滩以及裸地)，最后得到在不同系数下指数计算后的影像灰度均值，见表1；
表1不同系数下地物均值
Figure BDA0003770724570000081
因为干旱区湖泊的湖区植被与裸地与水体都有着较好的区分，主要是湖滩与冰水的区分，所以为了得到最适合的系数组合，将湖滩与冰水在不同系数组合下的指数均值做区分度(式3)比较，区分度(division degree，DD)为：
Figure BDA0003770724570000082
式中：
Figure BDA0003770724570000084
和
Figure BDA0003770724570000085
分别表示待区分的两地物的水体指数均值，即湖滩地物和冰水的均值，dDD反映了水体指数中待区分的两类地物之间的差异程度。比较结果见图3，从图中可以对比得出，当α＝0.8、β＝0.2时，湖滩与冰水的区分度最高，由此确定系数，得出优化后的水体增强指数MEWI。
Figure BDA0003770724570000083
公式中GREEN为绿光波段，NIR为近红外波段，SWIR1代表短波红外波段。
(3)基于提取指数进行水的提取并计算水面积。
本步骤的实现过程为现有技术，不再详述。
(4)基于MEWI指数进行半结冰期湖面积提取实验以及精度验证。
为了更好的验证MEWI对半结冰期湖面的敏感度，本实施例选取位于中国新疆吐鲁番地区的艾丁湖为例进行实验，艾丁湖处的水体在Landsat8影像波段的反射规律表现出绿光波段的高反射率，以及近红外波段的低反射率，所以可以通过绿光波段与近红外波段进行波段计算，从而使影像中水体信息得到增强，光谱曲线见图1，同时考虑到艾丁湖作为干旱区湖泊，而归一化水体指数(NDWI)能更好的抑制干涸湖底的影响，所以最终选择采用NDWI水体指数进行非结冰期湖泊水面提取。
本实施例通过采用总体精度和Kappa系数、错分误差以及漏分误差来对分别使用了NDWI、NDSI、EWI以及MEWI提取艾丁湖湖泊进行精度评定。并以高分1号影像为参照，通过目视判读的方法，在艾丁湖湖区域均匀选取300-400个样本点，验证MEWI在半结冰期的适用性。具体评定结果见表2。
表2精度评定结果
Figure BDA0003770724570000091
其中OA为总体分类精度，即分类正确的样本个数占所有样本个数的比例。
通过上表可以看出，NDSI错分误差最大，原因便是将大量湖床，即湖滩地物错分为湖面，EWI指数相比较MEWI指数在半结冰期的湖面提取时，错分与漏分误差都要大，总体精度不如MEWI，NDWI指数提取精度也比较高，MEWI与NDWI指数提取精度相差无几，但在漏分误差上，NDWI大于MEWI指数，故MEWI对艾丁湖半结冰期湖面更加敏感，精度高，相对其他三者而言更适合半结冰期。
实施例二
在一个或多个实施方式中，公开了一种提取干旱区湖泊水面积的方法，结合图4，在MEWI指数的基础上，将MEWI和NDSI以及NDWI作为因子，运用随机森林模型，提取三个时期的水体积。
本实施例方法具体包括如下过程：
(1)获取遥感影像数据，进行辐射定标及大气校正处理；
本步骤与实施例一中相同，不再详述。
(2)选取MEWI指数、NDSI指数以及NDWI指数作为因子，三种因子的计算过程与实施例一中相同，不再详述。
(3)在非结冰期、半结冰期和结冰期分别选取样本点训练得到多因子随机森林模型，然后将每个时期的水体遥感提取指数影像作为输入数据，将所述输入数据输入至训练好的多因子随机森林模型中，得到提取后包含水体以及水体的边界的遥感影像数据，进而得到水面积。
本实施例运用随机森林模型，提取三个时期的水体，并与三个时期的单一优势指数阈值法提取结果进行比较，精度评定见如下表3所示：
表3精度评定结果
Figure BDA0003770724570000101
Figure BDA0003770724570000111
从精度评定结果表中可以看出：
在非结冰期，NDWI的提取效果在单一指数阈值法中是最好的，而多因子随机森林方法优于单一指数阈值法，并且比优势单一指数NDWI的提取效果还要好。
在半结冰期，优化系数后的MEWI指数的提取效果在单一指数阈值法中是最好的，而多因子随机森林方法优于单一指数阈值法，并且比优势单一指数MEWI的提取效果还要好，总体分类精度可以达到89.32。
在结冰期，NDSI的提取效果在单一指数阈值法中是最好的，而多因子随机森林方法优于单一指数阈值法，并且比优势单一指数NDSI的提取效果还要好，总体分类精度可以达到92.08，错分误差和漏分误差也比较小。
由此可以看出，多因子随机森林的方法既可以考虑到单一指数法，又可以综合多因子对水面积提取的贡献，提取精度与效率都比采用多波段单一指数的阈值法提取水面积要高，也可以看出在提取水体的过程中，不需在根据水体的状态分为不同的时期进行水面提取，多因子随机森林方法可以在任何时期都能达到很好的水面积提取效果，既可以提高提取的精度也可以提高效率。
实施例三
在一个或多个实施方式中，公开了一种提取干旱区湖泊水面积的系统，该系统基于实施例一中所述的方法，该系统具体包括：
数据获取模块，用于获取遥感影像数据，进行辐射定标及大气校正处理；
指数计算模块，用于将湖面水体情况分为非结冰期、半结冰期和结冰期，分别确定每个时期的水体遥感提取指数；其中，采用MEWI指数进行半结冰期水面积提取；所述MEWI指数为在增强型水体指数EWI的基础上，分别为近红外波段和短波红外波段赋予不同的系数；
水面积提取模块，用于基于所述提取指数进行水的提取并计算水面积。
需要说明的是，上述各模块的具体实现方式已经在实施例一中进行了说明，此处不再详述。
实施例四
在一个或多个实施方式中，公开了一种提取干旱区湖泊水面积的系统，该系统基于实施例二中所述的方法，包括：
数据获取模块，用于获取遥感影像数据，进行辐射定标及大气校正处理；
指数计算模块，用于将湖面水体情况分为非结冰期、半结冰期和结冰期，分别确定每个时期的水体遥感提取指数；其中，采用MEWI指数进行半结冰期水面积提取；所述MEWI指数为在增强型水体指数EWI的基础上，分别为近红外波段和短波红外波段赋予不同的系数；
随机森林算法模块，用于在非结冰期、半结冰期和结冰期分别选取样本点训练得到多因子随机森林模型，然后将每个时期的水体遥感提取指数影像作为输入数据，将所述输入数据输入至训练好的多因子随机森林模型中，得到提取后包含水体以及水体的边界的遥感影像数据，进而得到水面积。
需要说明的是，上述各模块的具体实现方式已经在实施例一中进行了说明，此处不再详述。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种提取干旱区湖泊水面积的方法，其特征在于，包括：
获取遥感影像数据，进行辐射定标及大气校正处理；
将湖面水体情况分为非结冰期、半结冰期和结冰期，分别确定每个时期的水体遥感提取指数；其中，采用MEWI指数进行半结冰期水面积提取；所述MEWI指数为在增强型水体指数EWI的基础上，分别为近红外波段和短波红外波段赋予不同的系数；
基于所述提取指数进行水的提取并计算水面积。
2.如权利要求1所述的一种提取干旱区湖泊水面积的方法，其特征在于，获取的遥感影像数据为无量纲的像元DN值，对遥感影像进行辐射定标处理，将DN值转换为反射率。
3.如权利要求1所述的一种提取干旱区湖泊水面积的方法，其特征在于，所述非结冰期使用归一化水体NDWI指数计算水面积。
4.如权利要求1所述的一种提取干旱区湖泊水面积的方法，其特征在于，所述归一化水体NDWI指数具体为：
Figure FDA0003770724560000011
其中，GREEN代表绿光波段，NIR代表近红外波段。
5.如权利要求1所述的一种提取干旱区湖泊水面积的方法，其特征在于，所述结冰期通过归一化积雪NDSI指数计算水面积。
6.如权利要求5所述的一种提取干旱区湖泊水面积的方法，其特征在于，所述归一化积雪NDSI指数具体为：
Figure FDA0003770724560000012
其中，GREEN为绿光波段；SWIR1代表短波红外波段。
7.如权利要求1所述的一种提取干旱区湖泊水面积的方法，其特征在于，所述MEWI指数具体为：
Figure FDA0003770724560000021
其中，GREEN为绿光波段，NIR为近红外波段，SWIR1代表短波红外波段，α和β分别为系统。
8.一种提取干旱区湖泊水面积的方法，其特征在于，包括：
获取遥感影像数据，进行辐射定标及大气校正处理；
将湖面水体情况分为非结冰期、半结冰期和结冰期，分别确定每个时期的水体遥感提取指数；其中，采用MEWI指数进行半结冰期水面积提取；所述MEWI指数为在增强型水体指数EWI的基础上，分别为近红外波段和短波红外波段赋予不同的系数；
在非结冰期、半结冰期和结冰期分别选取样本点训练得到多因子随机森林模型，然后将每个时期的水体遥感提取指数影像作为输入数据，将所述输入数据输入至训练好的多因子随机森林模型中，得到提取后包含水体以及水体的边界的遥感影像数据，进而得到水面积。
9.一种提取干旱区湖泊水面积的系统，其特征在于，包括：
数据获取模块，用于获取遥感影像数据，进行辐射定标及大气校正处理；
指数计算模块，用于将湖面水体情况分为非结冰期、半结冰期和结冰期，分别确定每个时期的水体遥感提取指数；其中，采用MEWI指数进行半结冰期水面积提取；所述MEWI指数为在增强型水体指数EWI的基础上，分别为近红外波段和短波红外波段赋予不同的系数；
水面积提取模块，用于基于所述提取指数进行水的提取并计算水面积。
10.一种提取干旱区湖泊水面积的系统，其特征在于，包括：
数据获取模块，用于获取遥感影像数据，进行辐射定标及大气校正处理；
指数计算模块，用于将湖面水体情况分为非结冰期、半结冰期和结冰期，分别确定每个时期的水体遥感提取指数；其中，采用MEWI指数进行半结冰期水面积提取；所述MEWI指数为在增强型水体指数EWI的基础上，分别为近红外波段和短波红外波段赋予不同的系数；
随机森林算法模块，用于在非结冰期、半结冰期和结冰期分别选取样本点训练得到多因子随机森林模型，然后将每个时期的水体遥感提取指数影像作为输入数据，将所述输入数据输入至训练好的多因子随机森林模型中，得到提取后包含水体以及水体的边界的遥感影像数据，进而得到水面积。
CN202210900372.4A 2022-07-28 2022-07-28 一种提取干旱区湖泊水面积的方法及系统 Pending CN115410091A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210900372.4A CN115410091A (zh) 2022-07-28 2022-07-28 一种提取干旱区湖泊水面积的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210900372.4A CN115410091A (zh) 2022-07-28 2022-07-28 一种提取干旱区湖泊水面积的方法及系统

Publications (1)

Publication Number Publication Date
CN115410091A true CN115410091A (zh) 2022-11-29

Family

ID=84160511

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210900372.4A Pending CN115410091A (zh) 2022-07-28 2022-07-28 一种提取干旱区湖泊水面积的方法及系统

Country Status (1)

Country Link
CN (1) CN115410091A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117409203A (zh) * 2023-11-14 2024-01-16 自然资源部国土卫星遥感应用中心 一种浅水湖泊面积提取的方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117409203A (zh) * 2023-11-14 2024-01-16 自然资源部国土卫星遥感应用中心 一种浅水湖泊面积提取的方法
CN117409203B (zh) * 2023-11-14 2024-04-02 自然资源部国土卫星遥感应用中心 一种浅水湖泊面积提取的方法

Similar Documents

Publication Publication Date Title
Jiang et al. Remotely estimating total suspended solids concentration in clear to extremely turbid waters using a novel semi-analytical method
CN111932567B (zh) 基于卫星影像的冰湖轮廓自动提取方法
CN112183209A (zh) 一种基于多维特征融合的区域农作物分类方法及系统
CN110208193B (zh) 一种基于光学遥感卫星影像的珊瑚礁一体化监测方法
CN111611965B (zh) 一种基于Sentinel-2影像的陆表水体提取方法
CN111008664B (zh) 一种基于空谱联合特征的高光谱海冰检测方法
CN104867139B (zh) 一种基于辐射场的遥感图像云及阴影检测方法
CN111553922A (zh) 一种卫星遥感影像自动云检测方法
CN113484245B (zh) 一种丘陵山区水田种植模式遥感快速监测方法、系统及计算机可读存储介质
CN115439759B (zh) 遥感影像中植被的提取方法、装置、电子设备及介质
WO2019184269A1 (zh) 基于Landsat8含雪影像的云检测方法
CN111007013B (zh) 面向东北冷凉区的作物轮作休耕遥感监测方法与装置
CN112507763A (zh) 一种基于多源多光谱遥感图像水体提取方法、系统和可读存储介质
CN115410091A (zh) 一种提取干旱区湖泊水面积的方法及系统
CN113822141A (zh) 一种基于遥感影像的冰川和积雪自动提取方法及系统
Richards et al. Interpretation of hyperspectral image data
CN114049566B (zh) 一种逐步细化的陆地卫星影像云和云阴影检测方法及装置
CN113096114B (zh) 结合形态与指数的高分辨率城市水体图斑遥感提取方法
CN104616253B (zh) 一种利用独立成分分析技术的光学遥感图像薄云去除方法
CN113902759A (zh) 一种空谱信息联合的星载高光谱影像分割与聚类方法
CN114117908A (zh) 基于cgan进行数据校正的高精度asi海冰密集度反演算法
CN116645593B (zh) 监测海草床分布的遥感方法、装置
CN111368261A (zh) 一种基于大气校正对不透水面指数的定量定性描述方法
CN115620133B (zh) 一种顾及物候与水位时序特征的红树林提取方法
Zeidler et al. Spatio-temporal robustness of fractional cover upscaling: a case study in semi-arid Savannah's of Namibia and Western Zambia

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