基于Landsat-8影像的马鞍山市城市热岛与土地利用/覆盖的关系研究

利用2014年09月11日Landsat-8 OLI/TIRS影像数据,以安徽省马鞍山为研究区,使用ENVI5.1遥感图像处理软件,对Landsat-8影像的TIRS10波段使用单窗算法进行地表亮度温度反演,再对OLI多光谱影像使用神经网络法进行土地利用/覆盖分类,并利用GIS空间分析和数理统计方法对芜湖市城市热岛效应与土地利用/覆盖的关系进行定量研究分析。研究结果表明:(1)马鞍山城市中心区地表亮度温度明显高于市郊,强热岛区与热岛区面积共12.80km2,占研究区总面积的1.21%,城市热岛效应存在但不显著;(2)土地利用/覆盖类型不同,地表亮度温度差异明显;(3)建设用地表面温度相对较高,是城市热岛效应强度增加的主要影响因素,而林地和水体面积的增加能有效缓解城市热岛效应的强度。     

基于土地覆盖分类的IKONOS影像融合与精度评价

遥感影像的融合,可以提高目视和自动影像提取的类别精度,已成为遥感应用研究领域的重要主题,不同的图像融合算法会产生不同程度的光谱畸变.概略介绍IHS变换、Brovey变换、PCA变换、SFIM变换、Gram-Schmidt变换五种融合方式,结合融合后影像的数据统计以及分类结果,得出对于此次试验区的IKONOS影像来说,在图像空间信息提高和光谱信息保真方面以SFIM变换和Gram-Schmidt变换相对较好,其中Gram-Schmidt变换对图像微小细节反差的表达能力优于SFIM变换.分类之后,在上述5种图像融合算法中Gram-Schmidt变换得到的融合影像分类精度最高,总体精度和Kappa系数分别为95.20%和0.93,表明利用Gram-Schmidt变换进行IKONOS影像融合更适合基于光谱的土地覆盖分类.