[发明专利]一种基于Landsat遥感影像的城市不透水层提取方法

说明书

本发明提出的是一种基于Landsat遥感影像的城市不透水层提取方法，基于改进粒子群算法的自动阈值不透水指数模型（PSO‑UISAT），充分考虑到季节变化和地理空间变化对UIS提取的影响，将不透水层指数、全局最优自动阈值选取和算法综合验证及评价有机结合，构成完备的不透水层提取系统，适用性和可靠性高；该模型将城市指数，阈值自动选取和性能评价融为一体，形成系统，可满足不同季节，不同地理位置的Landsat遥感影像的城市不透水层提取的需求，避免了由于影像的时空差异导致阈值的人工微调和重选的工作，从而提高了不透水层提取的效率和准确性。

技术领域

本发明涉及的是一种基于Landsat遥感影像的城市不透水层提取方法，属于遥感制图技术领域。

背景技术

城市不透水层（UIS）是人类活动和城市化的产物，是指城市范围内被水泥地面、柏油马路、飞机场、城市建筑等结构所覆盖，阻止水分向地表直接渗入的区域。城市不透水层作为城市发展和管理的中重要因素，其检测，规划和管理情况标志着城市生态文明的建设水平。由于UIS带来一系列城市环境问题，如城市热岛、城市碳岛、城市雨洪及城市水体污染等问题，因此，精确的掌握UIS的地理分布，区域面积和发展变化，对于城市的整体管理规划具有重要的意义。

遥感影像具有扫描幅宽度，动态更新及时的特点，能够连续客观的记录城市信息，广泛的应用于UIS信息提取过程中。遥感影像按照空间分辨率分为高空间分辨率（10m）、中等空间分辨率（10~100m）和低空间分辨率（100m）。高空间分辨率遥感影像具有较丰富的地物特征信息，较大的数据量和运算复杂度，比较适合局小尺度或部分城市的透水层提取；然而，高分辨率影像会在大量的遮挡和阴影，这些影响UIS判别和提取；低分辨遥感影像可以满足全球尺度的不透水层制图，但精度较低，可以作为区域尺度下UIS提取的辅助数据。精度要求较高的UIS提取过程通常采用中等分辨率的遥感影像，典型的代表是Landsat系列遥感影像（OLI，ETM+ 和TM影像）。

UIS提取的方法总体上可分为四大类：（1）光谱混合分析算法，包括线性和非线性算法；（2）图像分类算法，典型的算法如机器学习算法：支持向量机，人工神经网络，随机森林，决策树，卷积神经网络及深度学习算法；（3）多源数据融合算法；（4）城市指数模型。现有的上述算法都存在一定的局限性，如：光谱混合分析模型在密集建筑区域出现多估算现象，在稀疏的建筑区域出现少估算现象；支持向量机等机器的学习算法的精度取决于样本的数量和样本的质量；多源数据融合模型中的数据的一致性难以确保，制约了算法的进一步发展。相对前三类算法，城市指数模型具有运算简单，运算量少，生成结果直接，灰度对比度鲜明的显著优点，是本领域技术人员的优先选择使用的方案。

现有城市指数按照性能通常分为三个类型：（1）归一化指数模型，利用多波段归一化运算，将地物的灰度值范围缩小至-1和1之间，UIS地物的灰度值一般大于0；这些指数模型包括：归一化建筑指数模型（NDBI），归一化不透水层指数模型（NDISI），修订的归一化不透水层指数模型（MNDISI）和归一化不透水指数（NDII）；（2）基于特征提取的指数模型，如生物物理指数模型（BCI），基于指数的建筑指数（IBI），建筑和裸土指数（BBI），指数提高不透水模型（p 指数），改善的建筑和裸土指数（EBBI）和联合建筑指数模型（CBI）；（3）自动阈值指数模型，包括基于遗传算法的城市群自动阈值模型（GA-UCAT）和基于高斯算法的自动阈值模型（MNDISIg）。