城市水体提取
sar水体提取算法
sar水体提取算法
1. 目视解译法：通过人工观察和分析SAR图像，确定水体的位置和范围。
这种方法需要专业的知识和经验，但在某些情况下可能是唯一可行的方法。
2. 阈值自动提取法：设定一个阈值，低于该阈值的像素被认为是水体，这种方法简单易行，但需要根据具体情况选择合适的阈值。
3. 基于区域的提取法：根据图像灰度特征分布的匀称性，将1维倒数灰度熵的阈值选取公式扩展到2维，然后在求解2维最佳阈值时，将其化简为求解两个1维最佳阈值，最终利用分解的2维倒数灰度熵法分割出SAR图像中的河流区域。
4. 基于边缘的提取法：利用图像的边缘信息来提取水体，这种方法可以有效地排除干扰，但需要对图像进行预处理以提取边缘。
这些算法都有其适用的场景和限制，实际应用中需要根据具体情况选择合适的算法。
基于国产高分辨率卫星影像的城市水体自动提取研究
基于国产高分辨率卫星影像的城市水体自动提取研究
王陆培
【期刊名称】《城市勘测》
【年(卷),期】2024()2
【摘要】基于卫星影像的水体提取已经成为遥感应用的重要方向,传统基于遥感的水体自动提取在特征简单的水体上已取得较好效果,但对于城市复杂环境下的水体却存在不同程度的误提及漏提的问题,尤其是建筑物阴影及细小水体造成的影响。
针对此问题,本研究选用国产高分辨率卫星(吉林一号)影像,选用同时具备分类能力及像素定位能力的深度学习模型,制作城市水体样本并迭代训练,实现嘉定城区范围水体的自动快速精确提取,在一定程度上解决了城市水体的提取难题。
【总页数】5页(P88-92)
【作者】王陆培
【作者单位】上海浦海测绘有限公司
【正文语种】中文
【中图分类】TP753
【相关文献】
1.基于高分辨率卫星影像的城市用地信息提取研究
2.基于国产高分辨率光学遥感影像的水体提取
3.基于高分辨率卫星IKONOS影像的城市道路信息提取研究
4.基于三种高分辨率影像样本迁移学习的城市水体提取研究
5.基于多源国产高分辨率遥感影像的山区河流信息自动提取
因版权原因，仅展示原文概要，查看原文内容请购买。
提取水体面积实验报告
实验报告提取水体面积一、实验目的：通过监督分类、OTSU算法以及阈值提取法来提取水体，并计算水体面积。
二、实验要求：自行下载遥感数据，用两种以上的方法来提取2013年、2015年、2019年和2021年的水体。
根据数据特征，进行数据预处理、水体提取，波段计算以及分层设色出图。
三、实验材料：Landsat8遥感影像、佛山市shape file文件四、实验平台：ArcMap10.8和Google Earth Engine五、实验步骤：1)水体指数阈值法提取NDWI（归一化差异水体指数）:MNDWI（改进的归一化差异水体指数）：LSWI（地表水指数）：AWEI（自动水体提取指数）以上公式中:p是Landsat光谱波段的反射值，band2(蓝色)、band3(绿色)、band5(NIR)、band6(短波红外)、band7(短波红外)。
·AWEInsh主要用来去除容易与水体混淆的黑色建筑地表，而AWEIs主要是通过移除AWElInsh中不能有效去除的阴影像元而进一步提升水体提取的精度。
·AWEInsh的下标nsh表示该指数适合于阴影不是主要问题的地方AWE: +单下标sh表示该指教主要用来移除阴影，从而提升阴影区域或者其他黑色地表的水体提取精度。
1)导入佛山市的shp文件2)影像去云3)增加水体指数（AWEI、NDWI、MNDWI、LSWI）4)设置研究区域为佛山，并让影像真彩色显示5)显示我们设置的水体指数6)使用地形高程（DEM）数据来对雪和阴影进行掩蔽，只有同时满足AWEI大于-0.005和slope小于10的像素值被保留下来，其他像素值被掩蔽。
7)通过阈值提取水体➢AWEI提取（阈值设置为0.5）➢NDWI提取（阈值设置为0.1）➢MNDWI提取（阈值设置为0.2）8)计算水体面积，并打印出结果9)导出提取的水体影像10)点击run，运行代码结果：AWEI提取水体面积2013年水体面积 2015年水体面积2019年水体面积 2021年水体面积NDWI提取水体面积2013年水体面积 2015年水体面积2019年水体面积 2021年水体面积MNDWI提取水体面积2013年水体面积 2015年水体面积2019年水体面积 2021年水体面积11)在ArcGIS里进行图幅整饰(使用AWEI提取的水体)2)监督分类的svm法提取1)佛山市的shp文件，并显示边框边界显示：2)建立样本数据集共建立了四个样本数据集，分别为water、forest、city和cropland并对每个样本进行颜色选择和属性定义设置完样本：3)对Landsat8影像数据进行去云处理4)选择裁剪范围5)选择栅格数据集6)定义光谱指数7)选择下列波段作为特征8)通过要素集在Landsat-8中选取样本，把landcover属性赋予样本9)精度评价10)计算混合矩阵11)计算并导出水体面积12)点击run，运行代码精度验证2013年 2015年2019年 2021年水体面积2013年 2015年2019年 2021年13)在ArcGIS里进行图幅整饰3)大津算法OTSU的MNDWI水体提取1)导入佛山市的shp文件2)影像去云3)设置landsat8影像的边界，时间范围，云量设置，并让它中值合成，真彩色显示。
阈值法提取水体
阈值法提取水体阈值法是一种常用的图像处理方法，用于提取特定的目标区域或特征。
在提取水体方面，阈值法可以帮助我们将图像中的水体区域与其他区域进行区分。
我们需要了解阈值法的原理。
阈值法基于图像亮度的分布特点，通过将图像中的像素灰度值与设定的阈值进行比较，将大于或小于阈值的像素标记为水体或非水体。
阈值的选择是非常关键的，过高或过低的阈值都可能导致提取结果不准确。
因此，我们需要根据实际情况选择适当的阈值。
在实际操作中，我们可以通过以下步骤来提取水体：1. 图像预处理：对原始图像进行预处理，包括去噪、增强等。
这一步可以提高后续阈值法的准确性和稳定性。
2. 灰度化处理：将预处理后的图像转化为灰度图像。
这一步可以简化后续的阈值处理过程。
3. 阈值选择：根据图像的特点和需求，选择合适的阈值。
可以通过试错法、经验法或基于图像统计学的方法来选择阈值。
4. 二值化处理：将灰度图像根据选择的阈值进行二值化处理，将大于阈值的像素设为水体，小于阈值的像素设为非水体。
5. 后处理：对二值化图像进行进一步的处理，如填充孔洞、去除噪点等。
这一步可以提高提取结果的准确性和完整性。
阈值法提取水体的优点是简单、快速，并且不需要复杂的算法和大量的计算资源。
但是，也存在一些局限性。
首先，阈值法对图像中的光照、阴影等因素较为敏感，可能导致提取结果的误差。
其次，阈值法对于图像中水体与其他区域的界限不明显或重叠的情况，提取效果可能较差。
除了阈值法，还有其他方法可以用于水体提取，如基于纹理特征的方法、基于形态学的方法等。
这些方法可以在一定程度上克服阈值法的局限性，提高水体提取的准确性和稳定性。
阈值法是一种简单有效的水体提取方法。
通过合理选择阈值并进行适当的后处理，可以得到较为准确的水体提取结果。
然而，在实际应用中，我们需要根据具体情况选择合适的方法，并结合其他技术手段进行综合分析，以提高水体提取的准确性和可靠性。
适用于城市洪水的水体提取方法对比与分析
2020年9月第42卷第5期地下水Ground waterS e p t.，2020Vo l.42 NO.5D01：10. 19807/ki.D X S.2020 -05 -056适用于城市洪水的水体提取方法对比与分析李昕悦、张锦\贾笑怡、王旭红U2’3(1.西北大学城市与环境学院，陕西西安710127:2.陕西省地表系统与环境承载力重点实验室，陕西西安710127;3.陕西西安城市生态系统定位观测研究站，陕西西安710127)[摘要]洪水是最具破坏性的自然灾害之一。
近几十年来，由于全球变暖和大规模的城市化，城市洪水灾害 变得更加频繁，且令人们难以预测和防范，危害性日益加剧。
遥感技术具有快速、大空间范围、低成本和高效的对地探测能力，在洪水灾害监测中具有巨大的应用潜力。
由于城市建筑（如阴影、道路和其他黑暗物体）等低反照率地物 的影响及城市景观的复杂性造成难以精准提取城市洪水。
因此准确提取城市洪水信息对于监测城市洪水灾害具有重大现实意义。
因此，利用La nd sa t8 0LI影像，以2016年武汉城市洪水灾害为例，选取城市洪水泛滥区的“湖泊”“河流”“湖泊河流交汇处”3个区域为典型样区，选用归一化差值水体指数（N D W I)、改进型归一化差值水体指数(M N D W I)、增强型水体指数（E W I)、新型水体指数（N W丨）、修订型归一化水体指数（R N D W1)和利用Bandl与Band7 归一化差分水体指数（N E W)等6种常见水体指数，以大津阈值法估算水与非水地物的分割阈值，对城市洪水范围进行提取，并将洪水提取结果和支持向量机（S V M)监督分类结果对比分析。
结果表明，在城市河流洪水泛滥区提取水体效果好的方法依次为E W丨〉NWI> R N D W丨；在城市湖泊洪水泛滥区提取水体效果好的方法依次为EWI> M N D1> N W I;在城市河流湖泊交汇区提取水体效果好的方法依次为EWI> NWI>丨i ND WI。
sar水体提取阈值法提取水体
sar水体提取阈值法提取水体水是人类生活中不可或缺的重要资源，而如何准确、高效地提取水体区域，在水资源管理和环境保护中起着重要的作用。
而其中提取水体的阈值法——sar水体提取阈值法更是近年来备受关注的一种方法。
本文将从什么是sar水体提取阈值法、其原理、应用案例和未来发展等方面进行探讨。
首先，sar水体提取阈值法是一种利用合成孔径雷达（sar）遥感数据进行水体提取的方法。
它基于sar遥感图像中水体与陆地的不同反射特征，通过设定合适的阈值来实现水体的准确提取。
相比于传统的光学遥感技术，sar水体提取阈值法具有不受天气条件限制、具有突出的微波特性等优势，因此在水资源管理和环境遥感领域得到广泛应用。
其次，sar水体提取阈值法的原理主要是利用sar遥感图像中水体和陆地的幅度差异。
水体在sar图像中呈现出低回波幅度的特征，而陆地则呈现出高回波幅度的特征。
基于这个原理，我们可以通过设定合适的阈值，将sar遥感图像中的水体区域与陆地区域进行有效分割。
在实际应用中，sar水体提取阈值法已经得到了广泛的验证和应用。
例如，在水资源管理中，可以通过sar水体提取阈值法对不同区域的水体进行准确提取和监测，以便为水资源的科学利用和合理规划提供数据支持。
同时，在环境保护方面，sar水体提取阈值法也可以用于水体污染的监测和评估，及时掌握水体污染状况并采取相应的措施。
然而，sar水体提取阈值法仍然存在一些挑战和亟待解决的问题。
例如，不同地区的sar遥感图像特征存在差异，如何确定合适的阈值仍然是一个重要的研究方向。
此外，sar水体提取阈值法在复杂地形和多光谱干扰等情况下的适应性还需要进一步改进。
总之，sar水体提取阈值法作为一种重要的遥感技术在水资源管理和环境保护中具有广泛的应用前景。
通过合理利用sar遥感数据，设定适当的阈值，可以实现对水体的准确提取和监测，为水资源合理利用和环境保护提供有力支持。
随着遥感技术的不断发展和改进，sar水体提取阈值法将会进一步完善，并在未来的应用中发挥更大的作用，为人类的生活带来更多便利和保障。
一种水体提取精度的评价方法
一种水体提取精度的评价方法水体提取精度评价方法是评估水体提取算法或方法在获取水体边界时的准确性和可靠性的一种方法。
正确评估水体提取的精度可以帮助我们了解算法的可靠性，进而优化和改进算法，提高水体提取的精确性。
以下是一种常用的水体提取精度评价方法。
1.可视化比较法：这是一种直观的方法，通过将提取结果与真实水体边界进行比较来评价提取精度。
可以使用地理信息系统软件（如ArcGIS）在同一图像上叠加显示提取结果和真实水体边界，直观地评价提取结果的准确性。
在进行比较时，需要仔细观察边界的一致性、完整性和位置的准确性。
2.精确性评估法：精确性评估是通过计算提取结果与真实水体边界之间的差异来评价提取精度。
常用的精确性评估指标有：- Overlap Analysis（重叠分析）：计算提取结果和真实水体边界之间的重叠面积。
可以通过计算两者之间的IoU（Intersection over Union）指标来评估。
- Distance Analysis（距离分析）：通过计算提取结果边界和真实水体边界之间的距离来评估提取精度。
可以计算平均距离或最大距离等指标。
- Error Matrix（误差矩阵）：将提取结果和真实水体边界进行分类，计算分类正确和错误的像元个数，进而计算出生产者精度（Producer's accuracy）和用户精度（User's accuracy）等指标。
3.精度统计法：精度统计法是通过对多个图像区域进行提取和精度评估，并统计不同区域提取精度的变化情况。
可以比较不同区域的提取精度，得出其空间分布特征，进而评估提取算法的稳定性和适用性。
4.完整性评估法：完整性评估是针对提取结果是否包含了所有的水体边界进行评价。
可以通过计算提取结果中水体边界的完整性比例来评估提取精度。
如果提取结果中的水体边界与真实水体边界完全一致，则完整性比例为1；否则，完整性比例小于1总结起来，水体提取精度的评价方法可以包括可视化比较法、精确性评估法、精度统计法和完整性评估法等。
使用ndwi提取水体的详细流程
使用NDWI提取水体的详细流程简介Normalized Difference Water Index (NDWI) 是一种常见的遥感指数，用于提取水体信息。
本文档将详细介绍如何使用NDWI来提取水体信息，并给出具体的步骤和流程。
材料和方法1. 遥感影像为了使用NDWI指数提取水体信息，我们需要获取一幅可见光和近红外波段数据的遥感影像。
这些影像可以从卫星、航拍图像或其他遥感平台获取。
2. 图像预处理在进行NDWI水体提取之前，必须对原始图像进行一些预处理操作。
以下是一些常见的预处理步骤： - 图像辐射定标：将原始图像转换为反射率值，消除大气和地表反射的影响。
- 图像大气校正：校正大气散射和吸收的影响，使图像更接近真实的地表反射率。
- 图像几何校正：校正图像的几何形状和位置，使其具有地理参考信息。
3. NDWI计算公式NDWI是通过计算可见光波段和近红外波段的反射率之差来提取水体信息的。
其计算公式如下：NDWI = (Green - NIR) / (Green + NIR)其中，Green代表可见光波段的反射率，NIR代表近红外波段的反射率。
4. NDWI提取水体在获取NDWI指数后，可以根据计算出的NDWI值来提取水体信息。
以下是提取水体的一般步骤： 1. 将NDWI指数映射到色彩空间中，例如将其转换为灰度图像或伪彩色图像。
2. 根据NDWI值设定一个阈值，将高于阈值的像素判定为水体，低于阈值的像素判定为非水体。
3. 对于边缘像素，可以采用形态学运算（如腐蚀和膨胀）来细化边缘线条，使其更准确地表示水体边界。
实例演示以下是一个使用NDWI提取水体的实例演示： 1. 首先，获取一幅包含可见光波段和近红外波段数据的遥感影像。
2. 对遥感影像进行预处理，包括辐射定标、大气校正和几何校正等步骤。
3. 根据NDWI计算公式，计算出NDWI指数值。
4.将NDWI指数值映射到色彩空间中，生成灰度图像或伪彩色图像。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
文献出处：Remote Sensing
作者：Wei Wu
出版日期：2018.10
Impact Factor：4.118
目录
CONTENTS
1 2 3 4
5
研究背景 研究现状 研究方法 实验结论
方法重现
3
目 录 研究背景
研究背景
4
目 录 研究背景
1. 遥感技术以其面积大、集成度高、速度快、周期短等优点，被广泛应用于地表 水体的圈定的与动态监测中。 2.城市地表水，如河流、水库和池塘，对城市生态系统和局部微气候有重大影响， 及时准确地绘制城市地表水图对于城市规划和灾害评估至关重要。 3.城市地表水体小而窄，测绘需要用高分辨率图像，由于阴影与水在光谱特征上的 相似性，城市水图阴影噪声去除困难。
22
目录
实验结论
实验结论
23
2.水体提取精度分析
按试验地点分列的三种方法的分类准确性摘要。TSUWI：两级城市水指数； NDWI：归一化差水指数；HRWI：高分辨率水指数；SVM：支持向量机
24
2.水体提取精度分析
McNemar对TSUWI与NDWI、HRWI和SVM准确性差异的2项检验摘要
25
3.阈值稳定性分析
UWI、USI、NDWI和HRWI的水像素阈值变化和分布。虚线显示12 个测试点时最佳 阈值的最大值和最小值。“x”符号显示每个站点的最佳阈值。
26
3.阈值稳定性分析
UWI、USI、NDWI和HRWI在接近最佳阈值的12个测试点(a-I)的准确度：(A)广州；(B)阿克苏；(C)成 都；(D)拉萨；(E)南昌；(F)青岛；(G)上海；(H)石加特；(I)福州；(J)哈尔滨；(K)银川；(L)东莞。
33
感谢聆听！
Thanks for listening!
汇报人：李睿昕 2112190019
5
目录
研究现状
研究现状
6
目录
研究现状
NDWI
MNDWI
AWEI
将城市阴影误 判为水
抑制建筑物产生的信 号，但不能抑制阴影
主要适宜应用于山区
HRWI
识别阴影能力有限
抑制建筑阴影的信号
UWI
+
TSUWI
USI
增强城市水文测绘准确性
7
目录
研究方法
研究方法
8
1.研究区域
八个训练点：成都、广 州、南昌、青岛、上海、 阿克苏、拉萨、石加特
28
6.实验结论
1.精度评价结果表明，TSUWI是有效的，具有良好的性能，平均KC为0.97， TE平均为2.28%。与NDWI、HRWI和SVM相比，TSUWI的准确率普遍提高。 2.与NDWI和HRWI相比，UWI和USI都有接近0的稳定阈值，并在其最佳阈 值附近保持良好的性能。此外，可以单独使用USI和其他的水指标结合， 进一步提高水提取中的性能。
29
目录
Байду номын сангаас
方法重现
方法重现
30
上海某地原始影像
城市水体指数 31
城市阴影指数
水体提取结果
32
总结
总体来说，本次案例的重现对于我个人难度较大，体现在数据的处理方 面以及数据的获取方面。虽然难度较大，但是个人收获很多，不仅拓展了 数据获取的渠道，也加深了对于空间分析的理解，训练了查找和阅读英文 文献的能力。
Two-Step Urban Water Index (TSUWI): A New Technique for High-Resolution Mapping of Urban Surface Water
两步城市水体指数（TSUWI）：城市高分辨率水体信息的提取
论文分析
文献简介
Two-Step Urban Water Index (TSUWI): A New Technique for HighResolution Mapping of Urban Surface Water
②.水和非水类型的光谱特征
所有波段的水和暗阴影之间都可以观 察到大量的光谱重叠，故抑制阴影噪 声的同时提取水信息很困难。 红带分离水和阴影效果最好，而引入 蓝带后，精度没有明显提高。因此， 最终选择绿色、红色和近红外波段来 制定UWI。
15
3.实验步骤
②.水和非水类型的光谱特征
波段比可以水和暗影的反射 率之间细微差异，稳定指标 的识别能力。计算了NIR/B， NIR/G、NIR/R、B/G、B/R和 G/R 六个波段比，确定USI 公式的最佳特征组合。
四个测试点：福州、哈 尔滨、银川、东莞
9
1.研究区域
GF-2卫星下十二个研究地点在红色、绿色和蓝色波段的真彩色合成情况
10
1.研究区域
12个研究区域的特点
11
2.实验数据
/CN/index.shtml
12
2.实验数据
数据预处理
辐射定标
大气校正
正射校正
图像裁剪
27
5.实验局限性
1.没有从太阳的角度随季节变化的影响，也没有考虑水体本身的季节性 行为。因此，新方法的适宜性也需要在不同的季节进行测试。
2.不同大气校正方法的应用也可能影响阈值和准确性，特别是当有浓雾 时。当前模型在修正大气中的雾霾时，反射模式未必能很好地工作。
3. TSUWI是基于GF-2图像的土地覆盖反射率设计，不同传感器之间不可 避免存在差异，仍然有必要对来自其他来源的图像数据进行TSUWI测试。
20
4.方法评估
①.准确性评估
TSUWI、NDWI、HRWI和SVM的准确性比较。 McNemar试验：
21
4.方法评估
②.阈值稳定性评估
TSUWI、NDWI、HRWI的稳定性比较： 1.检查这三种方法在12个测试点的最佳阈值的变化来评估。
2.比较它们在接近最优值的阈值范围内的准确性变异来评估。
16
3.实验步骤
②.水和非水类型的光谱特征
使用M-统计检验表示6个波段比中水和暗阴影的可分性
六个波段比中的PPC
故NIR/G、B/G和G/R在公式USI中被选为三个波段比。
17
3.实验步骤
③.线性支持向量机训练系数
18
3.实验步骤
③.线性支持向量机训练系数
19
3.实验步骤
③.线性支持向量机训练系数
13
3.实验步骤
①.纯像元选择
从8个训练点的GF-2多光谱图像中采集九种主要城市土地覆 被类型的纯像素反射值数据集。用来检测水和其他土地覆盖类 型之间的光谱差异，并作为样本输入的线性支持向量机(SVM)模 型中以对指数系数进行训练。旨在设计一个城市水指数，准确 地区分水和其他城市表面。
14
3.实验步骤