遥感影像水体提取实验
遥感图像中基于机器学习的水体提取方法研究
遥感图像中基于机器学习的水体提取方法研究一、引言在遥感技术不断发展的今天，如何高效地利用遥感图像数据成为了研究的热点问题之一。
水体提取是遥感图像处理中的一个非常重要的问题，水体提取不仅对于水资源的管理有着重要的意义，而且在环境监测，自然灾害预警等领域也有着广泛的应用。
因此，在遥感图像中基于机器学习的水体提取方法的研究引起了众多学者的关注。
本文将介绍基于机器学习的水体提取方法的研究现状，并针对其中存在的问题，提出了一些改进思路。
二、研究现状传统的遥感图像水体提取方法主要采用阈值法、比值法等像元级的方法进行水体提取。
这些方法简单易行，但是存在提取精度低、受数据质量等因素影响大等缺点。
而基于机器学习的水体提取方法则采用计算机科学中的机器学习理论，利用自动学习的能力，从图像数据的高维空间中提取特征、判别水体和非水体，大幅提高了水体提取的效率和准确性。
目前，基于机器学习的水体提取方法主要分为两个类别：监督式学习和非监督式学习。
2.1 监督式学习方法监督式学习方法需先准备训练集，并人工标注其中的“水”和“非水”样本。
在训练模型时，传递图像的信息以及相应的标注到算法中，通过学习样本特征的相似关系和差异，最终建立起一个分类模型。
监督式学习方法的优点在于提取的水体信息较为准确，但缺点也很明显，即与训练集样本相关性强，泛化能力较差，当遇到未曾见过的新数据时准确率会有所下降。
常见的监督式学习方法有支持向量机（Support Vector Machine, SVM）、决策树（Decision Tree）、神经网络（Neural Network）等算法。
这些算法不同的分类依据和处理方式会影响提取的水体的质量。
2.2 非监督式学习方法与监督式学习方法不同，非监督式学习方法不依赖于预先标注的数据。
这类方法通过计算数据中的各种统计量、空间接近度等指标，自动分类图像数据，并对提取的水体和非水体像元进行分析、筛选。
这类方法的优点在于不需要自行标注繁琐，可以减少人工干预，缺点在于提取的水体信息相对较少，不如监督式学习方法准确。
如何进行遥感影像的水体提取与监测
如何进行遥感影像的水体提取与监测遥感影像的水体提取与监测是一种利用遥感技术进行水体特征提取和监测的方法，它在水文、环境、气候等领域有重要的应用价值。
本文将以介绍遥感影像的水体提取和监测方法为主线，结合实例和理论知识，深入探讨这一领域的相关问题。
一、遥感影像的水体提取方法1. 阈值法阈值法是一种基于像素值对遥感影像进行水体提取的常用方法。
其基本原理是通过设定合适的阈值来判断像素是否为水体。
阈值的选择需要根据影像的特点和需要提取的水体特征来确定，通常可以结合样本点和经验来确定最佳阈值。
但是，阈值法在提取过程中容易受到光照和地物干扰的影响。
2. 归一化差异水体指数法归一化差异水体指数（Normalized Difference Water Index，NDWI）是一种常用的遥感影像水体提取方法，其基本原理是利用水体和其他地物在红外区域的反射特性差异进行提取。
NDWI可以消除光照和地物干扰，提高水体提取的准确性。
通过计算NDWI值，可以得到一个反映水体分布的二值图像。
3. 水体边界检测法水体边界检测法是一种通过检测水体与周围地物的边界来进行水体提取的方法。
该方法可以利用影像的边缘检测算法，如Canny边缘检测算法，提取出水体的边界。
然后，可以根据边界信息绘制水体的掩膜图像，进一步进行水体提取。
二、遥感影像的水体监测方法1. 水体变化监测水体的变化监测是一种通过比较不同时间点的遥感影像来检测水体变化的方法。
通过对比两个或多个时间点的影像，可以发现水体的变化情况，如水域面积的增加或减小、水体形态的改变等。
该方法可以通过计算水体的变化指数来量化水体的变化程度，并绘制变化图像。
2. 水体分类监测水体分类监测是一种将遥感影像中的水体区域与其他地物进行分类的方法。
该方法可以通过像元分类算法，如最大似然分类、支持向量机分类等，将影像中的每个像元分为水体或非水体。
通过分类结果，可以得到水体的空间分布图，并进行进一步的水体监测。
遥感湖泊提取实验报告
遥感湖泊提取实验报告1. 引言湖泊是重要的水域资源，对于生态环境和经济发展具有重要作用。
使用遥感技术提取湖泊边界和水体面积，能够为湖泊管理和研究提供有效数据支持。
本实验通过利用遥感影像数据，应用遥感图像处理方法，提取湖泊边界和计算湖泊面积。
本实验旨在探索遥感在湖泊提取方面的应用效果。
2. 实验材料与方法2.1 材料本实验使用的遥感影像为2019年某地区的高分辨率卫星影像，像元分辨率为1米。
2.2 方法2.2.1 影像预处理首先，对遥感影像进行预处理，包括辐射校正、大气校正和几何校正。
辐射校正考虑了遥感影像的辐射定标系数，将原始数字值转化为反射率。
大气校正主要是通过大气校正模型，对影像中的大气光效应进行校正。
几何校正主要是调整影像位置和方向，以保证不同影像的比较正确。
2.2.2 湖泊提取在影像预处理完成后，开始进行湖泊提取。
常用的湖泊提取方法有阈值法、指数植被指数法和水体分类法。
本实验采用的是阈值法。
首先，通过图像增强方法，调整图像的亮度和对比度，以便更好地观察湖泊特征。
然后，选择适当的阈值来进行自动湖泊提取。
阈值的选择需要根据实际情况和观察经验来进行调整。
为了提高湖泊提取的准确性，还可以利用形态学操作，进行图像中噪声点的去除和小孔的填充。
2.2.3 湖泊面积计算湖泊提取完成后，可以根据提取结果计算湖泊的面积。
通过对湖泊边界进行像素计数，再乘以像元的实际面积，可以得到湖泊的面积。
3. 实验结果与分析经过上述方法的处理，成功提取了目标地区的湖泊边界，并计算了湖泊的面积。
提取结果如下图所示：通过观察提取结果，可以看到湖泊边界与实际湖泊边界比较吻合，提取面积与实际面积也比较接近，表明本方法在湖泊提取上具有一定的精度和可行性。
4. 结论本实验通过利用遥感影像数据，结合图像处理方法，成功提取了湖泊边界并计算了湖泊面积。
实验结果表明，本方法具有较高的提取精度和适用性，能够为湖泊管理和研究提供有效数据支持。
水体信息自动提取遥感研究以丽江地区为例
二、技术手段
3、特征分析和应用：提取出水体信息后，需要进行特征分析和应用。通过对 水体的形态、大小、颜色等特征进行分析，可以获取水体的类型、分布、水质等 信息。这些信息可以应用于水资源管理、环境保护、气候变化研究等领域。
三、发展趋势
三、发展趋势
随着遥感技术的不断发展，水体的遥感信息自动提取方法也在不断进步和完 善。未来，该领域的发展趋势包括以下几个方面：
一、遥感技术概述
一、遥感技术概述
遥感是指利用传感器对地球表面进行远距离探测的一种技术。它具有获取信 息速度快、范围广、精度高等优点，可以为科学研究提供大量数据支持。在遥感 技术中，卫星遥感是应用最为广泛的一种方式。卫星遥感具有覆盖范围广、连续 性强、周期短等优点，能够提供准确、实时的地球表面信息。
四、结论与展望
四、结论与展望
本次演示以丽江地区为例，探讨了水体信息自动提取的遥感研究。通过对遥 感图像的预处理、图像分割、特征提取、水体信息提取和结果评估等步骤的处理 和分析，可以更加准确地获取丽江地区的水体信息。这些信息对于水资源管理、 环境保护、气候变化研究等方面具有重要意义。
四、结论与展望
水体信息自动提取遥感研究 以丽江地区为例
目录
01 一、遥感技术概述
02
二、水体信息自动提 取方法
03 三、丽江地区水体信 息自动提取实践
04 四、结论与展望
05 参考内容
内容摘要
随着科技的不断发展，遥感技术已经成为获取地球表面信息的重要手段之一。 在众多遥感应用中，水体信息自动提取具有重要意义。水是人类生存的基本需求 之一，也是生态系统的重要组成部分。因此，通过遥感技术获取水体信息对于水 资源管理、环境保护、气候变化研究等方面具有重要意义。本次演示以丽江地区 为例，探讨水体信息自动提取的遥感研究。
基于Landsat-7 ETM+遥感影像的水体提取研究
绿 光
红 光
３ ０
３ ０
４ ５
０ ６ Ｏ９ ． ～ ．Ｏ ７ １ ５１ ５ ． ～． ５ ７
近 红 外 光 短 波红 外 光
３ ０ ３ ０
谱 间关 系分 析属 于 多波 段法 的一 种 ．是 基 于一 种逆 向思维 方式 来进 行地 物 信息 提取 ，抛 开传 统 分 类方 法 ，即从特 定 的图像 空 间进行 特 定地 物 识别 的 思维 方式 。根 据 分析 已有 地 物 的遥 感 特征 建立 地 物
（ ） 用 双 增 益 技术 使 远 红 外 波 段 ６分 辨 率 提 ２采
高 到 ６ ｍ， 增加 了数 据率 ； ０ 也 （ ） 进 后 的太 阳定 标 器 使 卫 星 的 辐射 定 标 误 ３改
但 是 随着 水体 增加 ， 体 的反射 率会 有所 变 化 。如水 体 泥沙 水
水 体 因对 人 射 能 量 （ 阳光 ） 有 强 吸 收性 ， 太 具 所
特 点 ， 用 于 水 资源 的调查 和监 测 ， 是在 洪 水 期 ， 适 但
难 以获 得无 云雾 的 图像 并 且 图 像 获取 周 期 较 慢 ， 因 此 Ｌ ｎ ｓｔ７ Ｅ Ｍ＋ 图像 能 够 适 用 于 洪 水 灾 害 监 ａ ｄａ一 Ｔ 测 评估 中本底 水体 的 提取 。
个 分叉 点代 表 一个决 策 树判 断条件 。每个 分叉 点 下 有 ２个 叶节 点 ， 分别代 表 满足 和不 满 足条件 的类别 。 这 种 方 法 不 仅 不 需 要 依 赖 任 何 先 验 的统 计 假 设 条
２ 水 体 遥 感 信 息 模 型
各 种地 物 的结 构 和组成 成分 不一 样 ，其 反射 光 谱 特性 也不 一样 ；同一 种地 物 的光谱 特 性 又随 时 间 季 节 和地 理 区域 的变 化 发 生 时 间效 应 和 空 间效 应 ． 根 据这 种特 性 ，可 以用遥 感 数据 进行 地物 的分 类 和 判读。
遥感影像水体提取实验
基于高分一号卫星多时相数据的洪水监测摘要：本文利用两幅高分一号多光谱影像数据，通过ENVI4.8软件，采用NDVI对黑龙江地区水体进行了提取，并在图像上展示了水体变化区域，计算了水体变化面积。
结果表明：9月9日黑龙江水域面积比8月27日增加了226.6822km。
最后又采用了假彩色合成法展示了水体增加区域。
结果表明：两种方法对水体变化信息的提取具有一致性。
1 数据介绍本作业获得了两幅高分一号TIF数据，分别是8月27日，9月9日。
每幅影像有4个波段，查阅资料得知：1波段波长为0.45-0.52um，属于蓝、青光，2波段波长为0.52-0.59um，属于黄、绿光，3波段波长为0.63-0.69um，属于红光，4波段为0.77-0.89，属于近红外。
图1 0827影像信息图2 0909影像信息2 研究区域由所给数据的经纬度坐标可知，研究区域为抚远县，其地处黑龙江、乌苏里江交汇的三角地带。
地理方位是东经133° 40′ 08″至135° 5′20″,北纬47° 25′30″至48° 27′40″。
图3 研究区域的百度卫星地图2 水体提取方法选择单波段：水体在近红外波段的反射率很低，所以可以设置阈值进行提取。
归一化水体指数 )/()(NIR Green NIR Green NDWI ρρρρ+-=归一化植被指数 )/()(NDVI Re Re d NIR d NIR ρρρρ+-=但单波段方法中阈值的设置需要反复调整，而高分一号数据的1、2波段不完全是蓝、绿光，而3、4波段完全是红、近红外。
所以选择归一化植被指数提取水体。
-1=<NDVI<=1,植被为正值，岩石为0，水体为负值（本方法中有部分将居民区误认为水体了，所以水体的DN 值应该小于某个负值）。
3 图像处理（1）由于两幅影像的分辨率不一致，所以需要对两幅影像进行配准，以0827影像为基础对0909影像配准。
遥感ENVI水体信息提取实验
实习一：水体信息提取姓名：XXxx学号：!!!!!!!!!!!!!!!!!!!专业：地理信息科学教师：XXXXX成绩：环境与规划学院二〇一六年四月实验报告一实验目的学习水体光谱的征曲线，掌握应用遥感图像处理软件进行水体波普的差异性分析。
掌握水体提取的常用方法；能够使用ENVI软件进行水体信息提取。
二实验内容遥感探测的水体波谱信息：水可以吸收也可以散射通过水汽界面的波谱辐射能量（Ed），但水的散射会增加天空辐射能量（Eu），而水的吸收则会同时减少Ed和Eu。
遥感影像记录了地表物体的反射信息及其自身向外的辐射信息。
相对于其他地物而言，水体在整个光谱范围内都呈现出较弱的反射率。
在近红外、中红外及短波红外部分，水体几乎吸收了去不得入射能量，因此水体在这些的反射率特别低，而土壤、植被、建筑物等在这些波段吸收能量较小，具有较高的反射率，是的水体与他们具有明显的区别。
水体信息提取有助于确定水体边界、了解水域面积变化、水文水资源要素，提取结果可用于水资源信息统计及相关的辅助决策三实验方案单波段法（阈值）；多波段法（谱间关系法、比值法、归一化差异水体指数（NDWI）、改进的归一化差异水体指数（MNDWI）1．图像预处理（1）辐射定标：将DN值转成辐亮度File--->open image file--->。
MTL.txt--->spectral--->Preprocessing--->CalibrationUtilities--->Landsat Calibration--->（选择文件），OK--Radiance，File，choose（选择保存地址并命名），Ok（2）BSQ转成BILBasic Tools-->Convert data （BSQ、BIL、BIP）-->-BIL，choose（选择保存地址并命名），Ok（3）Flaash大气校正Spectral--->Preprocessing--->Calibration Utilities--->Flaash—>Mul....Setting-->kanf......--->Band7,Band3,ok-->save，choose（选择保存地址并命名），Apply 加载出真彩色图，并与原始影像作对比2.大气校正前后光谱特征差异：在原始影像和经过大气校正厚的图像上选取相同位置的点，分别点击在显示窗口里Tools-->Profiles-->z profile结果对比分析：从上述的结果展示以及曲线图对比可以看出，校正后的影像数据比校正前的更为清晰，曲线图上可以看出校正后的整体曲线平滑至上与实际的地物波普曲线趋势相同，结果精度满足需求。
遥感影像水体提取研究综述
遥感影像水体提取研究综述以远程感知技术为基础，借助遥感影像可以迅速获取大量和全面的环境信息，从而帮助相关人员快速掌握水体的状况。
因此，随着遥感影像的技术的发展，提取水体的研究已经被越来越多的人所重视。
本文主要分析了提取水体信息的相关技术，对提取水体信息的现有方法进行了介绍和综述，以期获得更多可行的解决方案，促进该领域的进一步发展。
世界上存在大量的水体，它们可以满足人类日常的生活需求，也可以用于农业活动、工业生产和科学研究。
为了完成各种任务，必须对水体的情况进行详细的了解。
遥感技术是目前最有效的方法之一，可以快速捕获大量的信息，并以三维的形式展示水体的特征。
在这种情况下，提取水体信息就变得尤为重要。
提取水体信息主要依靠遥感影像，其中包括可见光和红外线两种波段。
研究者可以从中提取水体的形态特征，如形状、尺寸和位置等。
此外，还可以获得水体的光谱特征，如反射率、散射率和吸收率等。
不同波段能够提供不同视角下的信息，因此，提取水体信息还需要考虑复杂的数据组合和分析技术。
为了提取水体信息，已经有多种方法可以使用。
其中，基于特征的分类方法可以有效的识别水体信息，其中包括基于模板的和基于概率理论的方法。
此外，还可以使用像有监督学习这样的机器学习方法，它们可以通过实时的训练和学习，以更精确的方式来分类水体信息。
另外，基于矢量的方法也被越来越多的人所重视，它可以以更精确的方式提取水体信息。
此外，还有一些复杂的技术，如基于深度神经网络的方法，也可以用于提取水体信息。
这类技术比传统方法具有更高的精确性和灵活性，因此可以更好地完成水体提取任务。
然而，深度学习技术也需要大量的计算资源，并且训练过程会比较漫长，所以未来对相关研究的关注应该增加。
综上，提取水体信息是目前在水体监测中被广泛应用的技术，它可以使研究者能够快速地获取相关信息，以便于更好地控制水体的发展。
在这里，我们做了一个综述，总结了现有的技术，并提出一些有价值的研究建议，以期推动该领域的进一步发展。
- 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)。
基于高分一号卫星多时相数据的洪水监测
摘要：本文利用两幅高分一号多光谱影像数据，通过ENVI4.8软件，采用NDVI对黑龙江地区水体进行了提取，并在图像上展示了水体变化区域，计算了水体变化面积。
结果表明：9月9日黑龙江水域面积比8月27日增加了226.6822
km。
最后又采用了假彩色合成法展示了水体增加区域。
结果表明：两种方法对水体变化信息的提取具有一致性。
1 数据介绍
本作业获得了两幅高分一号TIF数据，分别是8月27日，9月9日。
每幅影像有4个波段，查阅资料得知：1波段波长为0.45-0.52um，属于蓝、青光，2波段波长为0.52-0.59um，属于黄、绿光，3波段波长为0.63-0.69um，属于红光，4波段为0.77-0.89，属于近红外。
图1 0827影像信息图2 0909影像信息
2 研究区域
由所给数据的经纬度坐标可知，研究区域为抚远县，其地处黑龙江、乌苏里江交汇的三角地带。
地理方位是东经133° 40′ 08″至
135° 5′20″,北纬47° 25′30″至48° 27′40″。
图3 研究区域的百度卫星地图
2 水体提取方法选择
单波段：水体在近红外波段的反射率很低，所以可以设置阈值进行提取。
归一化水体指数 )/()(NIR Green NIR Green NDWI ρρρρ+-=
归一化植被指数 )/()(NDVI Re Re d NIR d NIR ρρρρ+-=
但单波段方法中阈值的设置需要反复调整，而高分一号数据的1、2波段不完全是蓝、绿光，而3、4波段完全是红、近红外。
所以选择归一化植被指数提取水体。
-1=<NDVI<=1,植被为正值，岩石为0，水体为负值（本方法中有部分将居民区误认为水体了，所以水体的DN 值应该小于某个负值）。
3 图像处理
（1）由于两幅影像的分辨率不一致，所以需要对两幅影像进行配准，以0827影像为基础对0909影像配准。
利用ENVI 软件的MAP 里的Registration---Select Gcps ：Image to Image 。
如图：
图4 两幅影像的配准过程
（2）分别提取两幅影像中的水体：在Basic Tools里的Band Math里输入公式((b4-b3*1.0)/(b4+b3) LT 0)*1 +0; 得到两幅影像的水体二值图。
如下：
图5 0827 水体二值图图6 0909水体二值图
（3）在Basic Tools里的Layer Stacking将以上两幅二值图合成一个文件，为接下来的波段运算做好准备。
（4）将合成后的文件中的两个波段做差值运算：考虑到0827中的水体可能在0909中没有，而0909中的水体在0827中也可能没有，所
以用以下的公式（（b2-b1）LT 0）*1+((b2-b1) GT 0)*2+0; 公式含义为0909-0827<0，则DN值为1；0909-0827>0，则DN值为2；其他为0；
结果如下：
图7 两幅水体二值图的差值
图中有三种DN值，0表示黑色背景；1表示8月27日存在，而在9月9日不存在的水体；2表示在8月27日不存在，而在9月9日存在的水体。
4 结果分析
（一）、将两幅水体二值图转化为矢量图，分别加载到8月27日的影像上：
图8 红色为8月27日的水域，蓝色为9月9日的水域
从上图可以明显看到该流域淹没的范围，主要集中在右图红色矩形框内。
统计水体变化面积：
图9 两幅水体二值图的差值图的DN统计值
DN值为2的像元数为551496个，每个像元代表地面大小为20.02739*20.027392m，即9月9日水体增加面积为226.6822
km。
然而还有DN值为2的水体，即相对于8月27日，9月9日减少的水体，该面积为90.8722
km。
该部分水体主要集中在图10的标示区域，而该区域本身就是湖泊，所以不能算入洪水淹没面积。
图10 8月27日存在而9月9日不存在的水体
（二）、采用假彩色合成法：将8月27日的数据与经过配准和重采样后的9月9日的数据的B4波段（近红外波段）合成一个文件，然后将这两个波段进行假彩色显示。
如图所示，红色区域即为9月9日增加的水域（除去左上方的红色长条）；而中间偏左的墨绿色区域为8月27日存在，9月9日不存在的水体。
该结果与NDVI提取方法一致。
图11 利用假彩色合成法显示的水体增加区域。