本科论文,地理空间数据云下载landsat8的landsat8影像需要再进行几何校正、大气校正、辐射校正吗?

/),共选出四个测试点,干扰噪声包括建筑群及阴影、山体及阴影、农田、裸土、冰雪、薄云等。数据具体情况如所示,红色方框内的区域为待研究区,影像的云量和主要噪声见。

3.1. 辐射校正及大气校正

辐射校正(radiometric correction)是指对由于外界因素,数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行的校正,消除或改正因辐射误差而引起影像畸变的过程。辐射校正分为两步,星上校正(如式(1))和气顶层反射率校正(如式(2))。

为探测器可探测到的最大辐射亮度,即最大灰度值所对应的辐射亮度,

0

为星上辐射亮度,d为日地距离, 0 大气顶层的太阳平均光谱辐射,即大气顶层太阳辐照度,

大气校正是指传感器最终测得的地面目标的总辐射亮度并不是地表真实反射率的反映,其中包含了由大气吸收,尤其是散射作用造成的辐射量误差。大气校正就是消除这些由大气影响所造成的辐射误差,反演地物真实的表面反射率的过程。大气校正采用FLAASH (Fast Line-of-Sight Atmospheric Analysis of Spectral Hypercubes)模型。

3.2. 水体指数构建

水体在可见光到近红外波段反射率呈下降的趋势,其中在绿光波段反射率较高,红光波段次高,近红外波段最低,而常见噪声中均存在绿光波段和红光波段反射率明显小于近红外波段的现象 [8]。基于此分析,水体在绿光波段和红光波段的反射率减去近红外波段均大于0,而在噪声中则小于0 [9]。因此新构建水体指数模型为:

表示Landsat-8数据上第i波段所对应的反射率。

阈值法提取水体通常采用人工手动调节最优阈值的方法,该方法需进行多次重复实验确定最优阈值,过程受人为误差影响。K均值聚类法操作简单,可实现计算机自动分类,减少人工误差的影响。本文采用K均值聚类对水体进行提取,设置分类数目、变化阈值和最大迭代次数分别为10、0.01和10000。将分类结果合并为水体和非水体两类 [7]。

为验证模型的应用效果,将GRN-WI与5种常用水体指数模型进行对比分析,各种水体指数模型见。选取湖南常德及益阳地区、凉山地区、兰州地区共三幅landsat8 OLI影像,4种环境各异的实验区,分别用6种模型进行水体信息提取,采用混淆矩阵计算提取结果的精度,并对相同地区不同模型的提取结果进行对比分析。

4.1. 常德地区(实验区一)

实验区一位于常德市鼎城区西洞庭管理区北面,毗邻杭瑞高速,大小为397 × 294像元,涵盖的水体有湖泊、河流、池塘和一些细小水体。各模型提取结果如所示,错分或漏分之处在图中用白圈标出。GRN-WI、MBWI、AWEInsh、NDWI、TCW在研究区左侧中部出现错分或漏分,NEW和NDWI在研究区左下角有一定程度的错分或漏分,NEW在研究区中部细小水体还出现一些漏分之处,AWEInsh、NDWI、TCW在研究区右上角均有漏分,采用混淆矩阵对提取结果进行精度评定,精度评价结果见。在研究区内选取水体和非水体样本作为检验点,检验点在研究区内均匀选取,水体样本包含所有类型水体,非水体样本需包含各类地物和阴影。总体而言该区域GRN-WI的提取效果较优。

. 实验区一水体提取结果图

. 实验区一水体提取精度评价结果

4.2. 益阳地区(实验区二)

实验区二位于益阳市区,研究区大小为328 × 252像元,主要水体信息为流经城区的资水河及其支流、湖泊和水塘等。市区内包含大量高反射建筑物,建筑物阴影、绿地等。如所示,GRN-WI、MBWI、NDWI在研究区中部有不同程度的错分或漏分,在研究区右上角的,GRN-WI、MBWI、NDWI和NEW模型均出现不同程度的漏分现象,研究区中下部的支流中NEW出现明显漏分,AWEInsh、NEW、TCW在研究区中部和右下角存在一定程度的错分。混淆矩阵进行精度评定结果见,由精度评定结果可知,GRN-WI模型在该区域提取效果总体上有一定优势。

4.3. 凉山地区(实验区三)

为验证GRN-WI对大量山体阴影、冰雪、裸土的抑制能力,选取实验区三位于四川省凉山市西侧雅砻江与理塘河交汇处,大小为946 × 843像元,该区域水体主要为雅砻江与理塘河,水体有一定程度结冰,周围被群山围绕,有大量的山体阴影和裸土,部分山区覆盖有冰雪。

提取结果如所示,MBWI、NEW、TCW在试验区右侧、左上角及左下角均出现一定程度的错分,错分区域均为山区阴影区域,MBWI和TCW对左上角结冰的水体有不同程度的漏分,AWEInsh在研究区右侧和左上角也出现一定程度的错分现象,NDWI在右侧有少量的错分,而GRN-WI仅在研究区上方出现零星错分。精度评定结果见,由精度评定结果可知,GRN-WI在该区域提取精度为99.73%,kappa系数为99.46%,总体误差为0.54%,提取效果较其它水体指数而言,精度明显提高。

. 实验区二水体提取结果图

. 实验区二水体提取精度评价结果

. 实验区三水体提取结果图

. 实验区三水体提取精度评价结果

4.4. 兰州地区(实验区四)

在实际研究中,经常会遇到数据质量不佳,含有大量薄云的情况。为验证GRN-WI的抑制薄云的能力,选取位于兰州刘家峡水库附近含较多薄云的区域为实验区四,该区域除有较多的薄云外,还存在较多裸土及一些山体阴影,为水体提取研究常遇到的情况。

实验结果如所示,6种模型在研究区右下角均出现不同程度的错分,NDWI和MBWI在研究区薄云较多左上角均出现一定程度漏分现象,NEW在研究区左上方,右上方出现错将薄云提取为水体的现象,TCW和AWEInsh受薄云影响较少,但在研究区右下方阴影处有一定错提,而GRN-WI在该区域受影响较小,相对其它模型有一定优势。具体精度评价结果见。

. 实验区四水体提取精度评价结果

. 实验区四水体提取结果图

本文通过分析遥感影像中水体和非水体光谱特征的差异,构建基于绿光、红光和近红外波段的水体指数(GRN-WI)。收集了5种常用的水体指数模型,在4种不同环境下进行水体提取试验,经精度评价和对比分析,得出以下结论:

1) 构建的GRN-WI模型在复杂环境下能有效提取水体信息,抑制阴影、建筑物、低反射地物、薄云和冰雪等噪声。总体精度优于96.21%,kappa系数优于92.35%,总体误差小于8.15%,总体优于其它指数。

2) 在含有大量山体阴影和冰雪的区域,GRN-WI模型不仅能有效抑制冰雪,且对山体阴影以及低反射物的抑制效果更佳,提取效果明显优于其它指数。

3) GRN-WI基于绿光、红光和近红外波段构建,而目前遥感影像的数据源多数覆盖可见光到近红外波段,为进一步验证GRN-WI的有效性,可从以下两个方面展开:一方面可尝试将该模型应用到其它数据源上,如GF-1,GF-2等国产卫星影像上;另一方面可将其应用于提取长时间序列的水体,验证模型的稳定性。

贵州大学引进人才科研项目(贵大人基合字(2020)43);

武汉大学地球空间环境与大地测量教育部重点实验室开放基金资助(No.20-01-02);

贵州大学培育项目(贵大培育[2020]57号)。

我要回帖

更多关于 地理空间数据云下载landsat8 的文章

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信