發(fā)布時間：2021-03-10 12:29

　　本文旨在研究基于遙感光譜指數(shù)的建筑信息提取。首先,分析了遙感影像在數(shù)字量化值（Digital Number,DN）和地表反射率（Surface Reflectance,SR）下反演典型建筑指數(shù)的性能差異;其次,對城市指數(shù)（Urban Index,UI）進(jìn)行了改進(jìn),提出了一種抑制裸地的建筑信息提取算法模型;最后,構(gòu)建了重慶市主城區(qū)2001年-2019年間的長時間序列建筑信息數(shù)據(jù)集。具體的研究內(nèi)容及主要結(jié)論如下:1.為了研究大氣校正對建筑指數(shù)性能差異的影響,選取7種典型建筑指數(shù),反演了大氣校正前后的建筑指數(shù),實(shí)驗(yàn)結(jié)果表明:（1）大氣校正后建筑指數(shù)的最小值變小,最大值變大,取值范圍變寬,遙感影像得到了改善,建筑信息增強(qiáng)。大氣校正后建筑指數(shù)的標(biāo)準(zhǔn)差相比未校正的建筑指數(shù)的標(biāo)準(zhǔn)差增加了一倍左右,建筑指數(shù)標(biāo)準(zhǔn)差變大,則離散程度大,從提取建筑信息的角度分析,大氣校正去除了大氣對圖像的影響,更能反映地表輻射的真實(shí)情況。（2）校正后反演的建筑指數(shù)與未校正反演的指數(shù)之間具有極強(qiáng)的正相關(guān)關(guān)系,但又存在明顯的區(qū)別。各種建筑指數(shù)在大氣校正前后的總體精度和Kappa系數(shù)不相同,相比未校正影像反演的指數(shù),大氣校正后的... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

研究區(qū)位置及范圍示意圖

重慶郵電大學(xué)碩士學(xué)位論文第2章研究區(qū)域及數(shù)據(jù)預(yù)處理14圖2.2裁剪后研究區(qū)域(Landsat8B5(R),B4(G),B3(B))2.3本章小結(jié)本章首先對重慶研究區(qū)域的地理位置和氣候因素等方面進(jìn)行了簡單的介紹。其次，對Landsat系列遙感影像數(shù)據(jù)進(jìn)行了簡單的說明。最后，對實(shí)驗(yàn)所需的遙感影像進(jìn)行裁剪、幾何校正、輻射定標(biāo)和大氣校正等預(yù)處理步驟，并說明了相關(guān)預(yù)處理步驟原理，得到后續(xù)實(shí)驗(yàn)所需的重慶市Landsat系列的遙感影像數(shù)據(jù)。

重慶郵電大學(xué)碩士學(xué)位論文第3章大氣校正對建筑指數(shù)性能差異的影響分析20對建筑特征構(gòu)建的建筑指數(shù)，它組合了可見光波段，近紅外波段，短波紅外波段及熱紅外波段來提取建筑信息[43]，計(jì)算公式如3.12：[(NDWI56)/3]+[(56)/3]TIRBBNDISITIRNDWIBB(3.12)對于Landsat8影像，B5為NIR波段，B6為SWIR1波段，NDISI具有歸一化指數(shù)的特征，取值范圍為-1到1。TIR為熱紅外波段，因?yàn)門IR波段不能進(jìn)行大氣校正，在獲取大氣校正后NDISI指數(shù)時，TIR與大氣校正后的NDWI、B6和B5波段需要進(jìn)行0到1的線性拉伸。3.3大氣校正前后建筑指數(shù)統(tǒng)計(jì)分析3.3.1校正前后OLI影像目視效果對比圖3.1大氣校正前后的Landsat8影像如上圖3.1，在定量和定性評價FLAASH大氣校正效果之前，首先對大氣校正前后影像的目視效果進(jìn)行對比。通過對比大氣校正前后標(biāo)準(zhǔn)彩色合成影像，我們可以明顯看出未經(jīng)過FLAASH大氣校正的OLI影像整體比較模糊，大氣校正后遙感影像紋理更加清晰，圖像整體變亮，色彩對比更加突出，山體和植被尤為明顯。大氣校正在一定程度上有效地減少了大氣對圖像干擾的影響，能清楚地識別山體、建筑和植被紋理性質(zhì)。大氣校正后的遙感影像不僅保留了原始影像地物特征信息的同時，影像上的建筑區(qū)域信息在校正后也得到了增強(qiáng)。這種改善對后期建筑區(qū)

【參考文獻(xiàn)】：
期刊論文
[1]基于FLAASH模型的Worldview3大氣校正[J]. 陳玲,陳理,李偉,劉建宇.  國土資源遙感. 2019(04)
[2]基于三指數(shù)合成影像的西北地區(qū)城市建筑用地遙感信息提取研究[J]. 唐瓔,劉正軍,楊樹文.  地球信息科學(xué)學(xué)報(bào). 2019(09)
[3]2006―2016年粵港澳大灣區(qū)城市不透水面時空變化與驅(qū)動力分析[J]. 馮珊珊,樊風(fēng)雷.  熱帶地理. 2018(04)
[4]哈爾濱市中心城區(qū)不透水面時空變化及驅(qū)動力分析（英文）[J]. 李苗,臧淑英,吳長山,那曉東.  Journal of Geographical Sciences. 2018(03)
[5]不同輻射校正水平下植被指數(shù)特征對比分析[J]. 趙娟娟,談樹成,楊林.  云南地理環(huán)境研究. 2017(06)
[6]集成夜間燈光數(shù)據(jù)與Landsat TM影像的不透水面自動提取方法研究[J]. 程熙,吳煒,夏列鋼,羅瑞,沈占鋒.  地球信息科學(xué)學(xué)報(bào). 2017(10)
[7]常用大氣校正模型對圖像清晰度提升的對比分析[J]. 譚偉,王鈺,何紅艷,齊文雯.  航天返回與遙感. 2017(05)
[8]TM遙感圖像FLAASH大氣校正異常值的改正[J]. 溫素馨,韋玉春,汪美會.  測繪科學(xué). 2017(07)
[9]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(xué)報(bào). 2017(04)
[10]基于多源遙感影像的多尺度城市植被覆蓋度估算[J]. 高永剛,徐涵秋.  紅外與毫米波學(xué)報(bào). 2017(02)

碩士論文
[1]基于光譜指數(shù)的城市建筑信息快速提取方法研究[D]. 鄧陸.重慶郵電大學(xué) 2019
[2]基于遙感技術(shù)的城市不透水面信息的提取應(yīng)用[D]. 李瑋娜.中北大學(xué) 2013



本文編號：3074663