基于两种卫星传感器的不透水面提取指数比较.docxVIP

PAGE

1-

基于两种卫星传感器的不透水面提取指数比较

一、1.不透水面提取方法概述

(1)不透水面（ImperviousSurface）提取是遥感应用中的一个重要任务，它对于城市规划和环境监测等领域具有重要意义。不透水面主要指的是建筑物、道路、水体等覆盖地表的人工硬质表面，其在遥感影像中具有较高的反射率，与植被、水体等自然地表具有显著区别。随着遥感技术的发展，越来越多的遥感数据被应用于不透水面的提取，包括多光谱、高光谱、热红外等遥感数据。然而，不同类型遥感数据的特征和适用范围各不相同，因此，研究基于不同遥感数据的不透水面提取方法具有重要的理论和实际意义。

(2)不透水面提取方法主要分为两大类：基于物理模型的方法和基于统计模型的方法。基于物理模型的方法主要依赖于遥感数据的光谱特征，通过建立光谱模型来实现不透水面的识别。这类方法包括植被指数法、归一化差值植被指数法、增强型归一化植被指数法等。植被指数法通过分析植被在可见光和近红外波段的光谱反射率差异，来判断不透水面的存在。基于统计模型的方法则是利用遥感数据的统计特征，如光谱波段之间的相关性、均值、方差等，通过建立决策树、支持向量机等统计模型来识别不透水面。

(3)不透水面提取的难点在于如何提高提取精度和减少误判。由于城市地表的复杂性，不同区域的不透水面特征差异较大，因此，单一方法往往难以满足实际需求。针对这一问题，研究者提出了多种改进方法，如融合多种遥感数据、结合地理信息系统信息、采用多时相数据等。这些方法在一定程度上提高了不透水面提取的精度和鲁棒性，但在实际应用中仍然存在一定的局限性。因此，进一步研究基于多种遥感数据和模型的不透水面提取方法，对于推动遥感技术在城市规划和环境监测等领域的应用具有重要意义。

二、2.基于两种卫星传感器的数据获取与预处理

(1)在进行不透水面提取研究时，选取合适的卫星传感器数据是至关重要的。本研究选取了两种常用的卫星传感器：Landsat8和Sentinel-2。Landsat8传感器具有11个波段，其中包括两个热红外波段，能够提供丰富的光谱信息，适合进行城市地表特征分析。Sentinel-2传感器则具有13个波段，其中包括两个波段专门用于植被分析，能够提供高空间分辨率和丰富的光谱信息。以北京市为例，选取了2019年7月的Landsat8和Sentinel-2影像数据，影像分辨率为30米和10米，确保了数据的空间和时间一致性。

(2)数据预处理是遥感数据处理的关键步骤，它直接影响到后续不透水面提取的精度。本研究对选取的Landsat8和Sentinel-2影像数据进行了预处理，包括大气校正、辐射校正、几何校正和云层去除等。首先，利用MODIS数据对Landsat8和Sentinel-2影像进行大气校正，以消除大气对遥感数据的干扰。然后，通过ENVI软件进行辐射校正，以恢复遥感数据的真实辐射亮度。接着，使用地理编码工具进行几何校正，确保影像的空间位置精度。最后，结合云图和MODIS数据对影像进行云层去除，提高影像质量。

(3)预处理后的影像数据进一步进行了波段组合和融合处理。为了提高不透水面提取的精度，本研究将Landsat8和Sentinel-2影像中的部分波段进行组合，如将Sentinel-2的红色波段与Landsat8的近红外波段组合，形成新的合成波段。此外，为了提高影像的空间分辨率，本研究还进行了影像融合处理，将Sentinel-2的高空间分辨率影像与Landsat8的全色波段进行融合，生成具有更高空间分辨率的融合影像。通过这些预处理步骤，为后续的不透水面提取提供了高质量的数据基础。

三、3.不透水面提取指数的构建与比较

(1)不透水面提取指数的构建是本研究的核心内容之一。针对Landsat8和Sentinel-2两种卫星传感器，本研究分别构建了多个指数以辅助不透水面提取。以北京市为例，针对Landsat8数据，构建了归一化植被指数（NDVI）、归一化建筑指数（NDBI）、归一化差异水体指数（NDWI）等；针对Sentinel-2数据，则构建了改进型归一化植被指数（MNDWI）、归一化差值建筑指数（NDBI-S2）等。这些指数通过遥感数据的波段组合，旨在突出不透水面的光谱特征。

具体而言，在Landsat8数据上，NDVI计算公式为NDVI=(B5-B4)/(B5+B4)，其中B5和B4分别为近红外和红色波段。NDBI的计算公式为NDBI=(B7-B4)/(B7+B4)，B7和B4同样分别代表近红外和红色波段。NDWI的计算公式为NDWI=(B3-B5)/(B3+B5)，其中B3和B5分别为绿色和近红外波段。而在Sentinel-2数据上，MNDWI的计算公式为MNDWI=(B3-B8)/(B3+B8)，B3和B8分