Impervious Surface Extraction by Linear Spectral Mixture Analysis with Post-Processing Model
Impervious Surface Extraction by Linear Spectral Mixture Analysis with Post-Processing Model
复制标题
通过线性光谱混合分析和后处理模型提取不透水表面
DOI：
10.1109/access.2020.3008695
复制
发表时间：
2020
期刊：
影响因子：
3.9
通讯作者：
Wu Pinghao
中科院分区：
文献类型：
--
作者：
Zhao Yi;Xu Jianhui;Zhong Kaiwen;Wang Yunpeng;Hu Hongda;Wu Pinghao
准确估计不透水面积对于城市规划发展至关重要。通常采用线性光谱混合分析 (LSMA) 来提取子像素尺度混合像素中的不可渗透表面 (IS) 部分。然而，由于从遥感图像中选择的纯像素的光谱存在误差，不同土地覆盖类型的不正确部分在分解后经常出现。在本研究中，广州和深圳的两幅 Landsat 8 操作陆地成像仪 (OLI) 图像（分别于 2019 年 9 月 20 日（路径/行：121/44）和 2019 年 11 月 14 日（路径/行：122/44）采集）通过 LSMA 在端元选择中使用光谱指数进行了混合。建立了使用干燥裸土指数（DBSI）和归一化植被指数（NDVI）作为阈值的后处理模型，以提高 LSMA 结果的 IS 分数。对比分析表明，采用后处理模型的LSMA在IS分数提取方面取得了较好的性能（广州和深圳的R2=0.910和0.926，均方根误差[RMSE]=10.08%和10.83%），并且IS的分布与实际区域的IS分布基本一致。后处理模型解决了透水面高估和不透水面低估的问题。
Accurate estimations of impervious surface areas are essential for urban planning development. Linear spectral mixture analysis (LSMA) is commonly adopted to extract the impervious surface (IS) fraction in a mixed pixel at the subpixel scale. However, owing to errors in the spectra of pure pixels selected from remote sensing images, incorrect fractions of different land cover types often emerge after unmixing. In this study, two Landsat 8 Operational Land Imager (OLI) images—acquired on 20 September 2019 (Path/Row: 121/44) and 14 November 2019 (Path/Row: 122/44)—of Guangzhou and Shenzhen were unmixed by LSMA using spectral indices in endmember selection. A post-processing model using the Dry Bare-soil Index (DBSI) and Normalized Difference Vegetation Index (NDVI) as thresholds was established to improve the IS fraction of the LSMA result. Comparative analysis reveals that LSMA with the post-processing model achieves better performance for IS fraction extraction (R2 = 0.910 and 0.926 and root mean square error [RMSE] = 10.08% and 10.83% for Guangzhou and Shenzhen, respectively), and the distribution of IS is basically consistent with the IS of the actual areas. The post-processing model solves the problem of overestimation of pervious surface and underestimation of impervious surface.
登录
查看更多内容
影响因子：
3.9
作者：
Azad Rasul;H. Balzter;G. F. Ibrahim;H. Hameed;J. Wheeler;B. Adamu;S. Ibrahim;Peshawa M. Najmaddin-Peshawa-M.-Naj
通讯作者：
Azad Rasul;H. Balzter;G. F. Ibrahim;H. Hameed;J. Wheeler;B. Adamu;S. Ibrahim;Peshawa M. Najmaddin-Peshawa-M.-Naj
DOI：
10.11834/jrs.20050586
发表时间：
2005
期刊：
National Remote Sensing Bulletin
影响因子：
--
作者：
Han-qiu Xu
通讯作者：
Han-qiu Xu
DOI：
--
发表时间：
2008
期刊：
Remote Sensing Technology and Application
影响因子：
--
作者：
Fan Feng-lei
通讯作者：
Fan Feng-lei
影响因子：
13.5
作者：
Vermote, Eric;Justice, Chris;Franch, Belen
通讯作者：
Franch, Belen
影响因子：
13.5
作者：
Weng, Qihao
通讯作者：
Weng, Qihao