Landsat 8 OLI image based terrestrial water extraction from heterogeneous backgrounds using a reflectance homogenization approach
2
2015
... 表面水体是存在于小溪、河流、湖泊、人工水库和海洋等地球表面的一种水体,反映了地球的地理复杂性,对气候变化、水循环和生态系统平衡至关重要[1,2,3].内陆水体通过与大气的水热交换影响着区域尺度的气候变化[4].青海湖作为最具典型的内陆水体时刻影响着区域气候变化和生态系统服务,例如:提供水资源和净化、碳固定、防洪、气候调节和湖泊保护等[5].由于遥感影像存在空缺和不完整,青海湖湖泊面积的年变化评估受到限制[6,7,8].因此,“青海湖每年的湖泊面积是多少?”和“每年的湖泊变化率是多少?”这2个问题一直是研究青海湖最重要且不能完全准确回答的问题[9,10]. ...
... 不同时间和空间分辨率的遥感影像数据分析技术已经用于提取土地覆盖和土地利用变化、长时间序列的湖泊面积变化[11].现阶段监测湖泊表面水体面积变化的方法主要有:机器学习[12]、专家系统、视觉分析和证据推理[13]、基于离散粒子群优化的频谱匹配算法(Spectrum Matching based on Discrete Particle Swarm Optimization,SMDPSO)[14]、穗帽湿度(Tasseled Cap Wetness, TCW)[15]、水指数和改进的模糊聚类方法(Water Index and Modified Fuzzy Clustering Method, WIMFCM)[1]、归一化差异水体指数(Normalized Difference Water Index, NDWI)[16]、改进的归一化差异水体指数(Modified Normalized Difference Water Index, MNDWI)[17]、多波段水体指数(Multi-Band Water Index, MBWI)[18]、水体指数2015(Water Index 2015, WI2015)[19]和自动水体提取指数(Automated Water Extraction Index, AWEI)[20]. ...
Tracking fresh water from space
1
2003
... 表面水体是存在于小溪、河流、湖泊、人工水库和海洋等地球表面的一种水体,反映了地球的地理复杂性,对气候变化、水循环和生态系统平衡至关重要[1,2,3].内陆水体通过与大气的水热交换影响着区域尺度的气候变化[4].青海湖作为最具典型的内陆水体时刻影响着区域气候变化和生态系统服务,例如:提供水资源和净化、碳固定、防洪、气候调节和湖泊保护等[5].由于遥感影像存在空缺和不完整,青海湖湖泊面积的年变化评估受到限制[6,7,8].因此,“青海湖每年的湖泊面积是多少?”和“每年的湖泊变化率是多少?”这2个问题一直是研究青海湖最重要且不能完全准确回答的问题[9,10]. ...
Environmental issues in lakes and ponds: Current state and perspectives
1
2002
... 表面水体是存在于小溪、河流、湖泊、人工水库和海洋等地球表面的一种水体,反映了地球的地理复杂性,对气候变化、水循环和生态系统平衡至关重要[1,2,3].内陆水体通过与大气的水热交换影响着区域尺度的气候变化[4].青海湖作为最具典型的内陆水体时刻影响着区域气候变化和生态系统服务,例如:提供水资源和净化、碳固定、防洪、气候调节和湖泊保护等[5].由于遥感影像存在空缺和不完整,青海湖湖泊面积的年变化评估受到限制[6,7,8].因此,“青海湖每年的湖泊面积是多少?”和“每年的湖泊变化率是多少?”这2个问题一直是研究青海湖最重要且不能完全准确回答的问题[9,10]. ...
Lakes and reservoirs as regulators of carbon cycling and climate
1
2009
... 表面水体是存在于小溪、河流、湖泊、人工水库和海洋等地球表面的一种水体,反映了地球的地理复杂性,对气候变化、水循环和生态系统平衡至关重要[1,2,3].内陆水体通过与大气的水热交换影响着区域尺度的气候变化[4].青海湖作为最具典型的内陆水体时刻影响着区域气候变化和生态系统服务,例如:提供水资源和净化、碳固定、防洪、气候调节和湖泊保护等[5].由于遥感影像存在空缺和不完整,青海湖湖泊面积的年变化评估受到限制[6,7,8].因此,“青海湖每年的湖泊面积是多少?”和“每年的湖泊变化率是多少?”这2个问题一直是研究青海湖最重要且不能完全准确回答的问题[9,10]. ...
Spatiotemporal dynamic of surface water bodies using Landsat time-series data from 1999 to 2011
1
2013
... 表面水体是存在于小溪、河流、湖泊、人工水库和海洋等地球表面的一种水体,反映了地球的地理复杂性,对气候变化、水循环和生态系统平衡至关重要[1,2,3].内陆水体通过与大气的水热交换影响着区域尺度的气候变化[4].青海湖作为最具典型的内陆水体时刻影响着区域气候变化和生态系统服务,例如:提供水资源和净化、碳固定、防洪、气候调节和湖泊保护等[5].由于遥感影像存在空缺和不完整,青海湖湖泊面积的年变化评估受到限制[6,7,8].因此,“青海湖每年的湖泊面积是多少?”和“每年的湖泊变化率是多少?”这2个问题一直是研究青海湖最重要且不能完全准确回答的问题[9,10]. ...
A global inventory of lakes based on high‐resolution satellite imagery
1
2014
... 表面水体是存在于小溪、河流、湖泊、人工水库和海洋等地球表面的一种水体,反映了地球的地理复杂性,对气候变化、水循环和生态系统平衡至关重要[1,2,3].内陆水体通过与大气的水热交换影响着区域尺度的气候变化[4].青海湖作为最具典型的内陆水体时刻影响着区域气候变化和生态系统服务,例如:提供水资源和净化、碳固定、防洪、气候调节和湖泊保护等[5].由于遥感影像存在空缺和不完整,青海湖湖泊面积的年变化评估受到限制[6,7,8].因此,“青海湖每年的湖泊面积是多少?”和“每年的湖泊变化率是多少?”这2个问题一直是研究青海湖最重要且不能完全准确回答的问题[9,10]. ...
Global primary production of lakes: 19th Baldi Memorial Lecture
1
2011
... 表面水体是存在于小溪、河流、湖泊、人工水库和海洋等地球表面的一种水体,反映了地球的地理复杂性,对气候变化、水循环和生态系统平衡至关重要[1,2,3].内陆水体通过与大气的水热交换影响着区域尺度的气候变化[4].青海湖作为最具典型的内陆水体时刻影响着区域气候变化和生态系统服务,例如:提供水资源和净化、碳固定、防洪、气候调节和湖泊保护等[5].由于遥感影像存在空缺和不完整,青海湖湖泊面积的年变化评估受到限制[6,7,8].因此,“青海湖每年的湖泊面积是多少?”和“每年的湖泊变化率是多少?”这2个问题一直是研究青海湖最重要且不能完全准确回答的问题[9,10]. ...
Long-term reconstructions and simulations of the hydrological cycle in the inland rivers, arid China: A case study of the Shiyang River drainage basin
1
2017
... 表面水体是存在于小溪、河流、湖泊、人工水库和海洋等地球表面的一种水体,反映了地球的地理复杂性,对气候变化、水循环和生态系统平衡至关重要[1,2,3].内陆水体通过与大气的水热交换影响着区域尺度的气候变化[4].青海湖作为最具典型的内陆水体时刻影响着区域气候变化和生态系统服务,例如:提供水资源和净化、碳固定、防洪、气候调节和湖泊保护等[5].由于遥感影像存在空缺和不完整,青海湖湖泊面积的年变化评估受到限制[6,7,8].因此,“青海湖每年的湖泊面积是多少?”和“每年的湖泊变化率是多少?”这2个问题一直是研究青海湖最重要且不能完全准确回答的问题[9,10]. ...
干旱区内流河流域长时间尺度水循环重建与模拟——以石羊河流域为例
1
2017
... 表面水体是存在于小溪、河流、湖泊、人工水库和海洋等地球表面的一种水体,反映了地球的地理复杂性,对气候变化、水循环和生态系统平衡至关重要[1,2,3].内陆水体通过与大气的水热交换影响着区域尺度的气候变化[4].青海湖作为最具典型的内陆水体时刻影响着区域气候变化和生态系统服务,例如:提供水资源和净化、碳固定、防洪、气候调节和湖泊保护等[5].由于遥感影像存在空缺和不完整,青海湖湖泊面积的年变化评估受到限制[6,7,8].因此,“青海湖每年的湖泊面积是多少?”和“每年的湖泊变化率是多少?”这2个问题一直是研究青海湖最重要且不能完全准确回答的问题[9,10]. ...
A fractal‐based approach to lake size‐distributions
1
2013
... 表面水体是存在于小溪、河流、湖泊、人工水库和海洋等地球表面的一种水体,反映了地球的地理复杂性,对气候变化、水循环和生态系统平衡至关重要[1,2,3].内陆水体通过与大气的水热交换影响着区域尺度的气候变化[4].青海湖作为最具典型的内陆水体时刻影响着区域气候变化和生态系统服务,例如:提供水资源和净化、碳固定、防洪、气候调节和湖泊保护等[5].由于遥感影像存在空缺和不完整,青海湖湖泊面积的年变化评估受到限制[6,7,8].因此,“青海湖每年的湖泊面积是多少?”和“每年的湖泊变化率是多少?”这2个问题一直是研究青海湖最重要且不能完全准确回答的问题[9,10]. ...
The global abundance and size distribution of lakes, ponds, and impoundments
1
2006
... 表面水体是存在于小溪、河流、湖泊、人工水库和海洋等地球表面的一种水体,反映了地球的地理复杂性,对气候变化、水循环和生态系统平衡至关重要[1,2,3].内陆水体通过与大气的水热交换影响着区域尺度的气候变化[4].青海湖作为最具典型的内陆水体时刻影响着区域气候变化和生态系统服务,例如:提供水资源和净化、碳固定、防洪、气候调节和湖泊保护等[5].由于遥感影像存在空缺和不完整,青海湖湖泊面积的年变化评估受到限制[6,7,8].因此,“青海湖每年的湖泊面积是多少?”和“每年的湖泊变化率是多少?”这2个问题一直是研究青海湖最重要且不能完全准确回答的问题[9,10]. ...
Land cover and land use change analysis using multi-spatial resolution data and object-based image analysis
1
2018
... 不同时间和空间分辨率的遥感影像数据分析技术已经用于提取土地覆盖和土地利用变化、长时间序列的湖泊面积变化[11].现阶段监测湖泊表面水体面积变化的方法主要有:机器学习[12]、专家系统、视觉分析和证据推理[13]、基于离散粒子群优化的频谱匹配算法(Spectrum Matching based on Discrete Particle Swarm Optimization,SMDPSO)[14]、穗帽湿度(Tasseled Cap Wetness, TCW)[15]、水指数和改进的模糊聚类方法(Water Index and Modified Fuzzy Clustering Method, WIMFCM)[1]、归一化差异水体指数(Normalized Difference Water Index, NDWI)[16]、改进的归一化差异水体指数(Modified Normalized Difference Water Index, MNDWI)[17]、多波段水体指数(Multi-Band Water Index, MBWI)[18]、水体指数2015(Water Index 2015, WI2015)[19]和自动水体提取指数(Automated Water Extraction Index, AWEI)[20]. ...
Machine learning in remote sensing data processing
1
2009
... 不同时间和空间分辨率的遥感影像数据分析技术已经用于提取土地覆盖和土地利用变化、长时间序列的湖泊面积变化[11].现阶段监测湖泊表面水体面积变化的方法主要有:机器学习[12]、专家系统、视觉分析和证据推理[13]、基于离散粒子群优化的频谱匹配算法(Spectrum Matching based on Discrete Particle Swarm Optimization,SMDPSO)[14]、穗帽湿度(Tasseled Cap Wetness, TCW)[15]、水指数和改进的模糊聚类方法(Water Index and Modified Fuzzy Clustering Method, WIMFCM)[1]、归一化差异水体指数(Normalized Difference Water Index, NDWI)[16]、改进的归一化差异水体指数(Modified Normalized Difference Water Index, MNDWI)[17]、多波段水体指数(Multi-Band Water Index, MBWI)[18]、水体指数2015(Water Index 2015, WI2015)[19]和自动水体提取指数(Automated Water Extraction Index, AWEI)[20]. ...
High-resolution mapping of global surface water and its long-term changes
1
2016
... 不同时间和空间分辨率的遥感影像数据分析技术已经用于提取土地覆盖和土地利用变化、长时间序列的湖泊面积变化[11].现阶段监测湖泊表面水体面积变化的方法主要有:机器学习[12]、专家系统、视觉分析和证据推理[13]、基于离散粒子群优化的频谱匹配算法(Spectrum Matching based on Discrete Particle Swarm Optimization,SMDPSO)[14]、穗帽湿度(Tasseled Cap Wetness, TCW)[15]、水指数和改进的模糊聚类方法(Water Index and Modified Fuzzy Clustering Method, WIMFCM)[1]、归一化差异水体指数(Normalized Difference Water Index, NDWI)[16]、改进的归一化差异水体指数(Modified Normalized Difference Water Index, MNDWI)[17]、多波段水体指数(Multi-Band Water Index, MBWI)[18]、水体指数2015(Water Index 2015, WI2015)[19]和自动水体提取指数(Automated Water Extraction Index, AWEI)[20]. ...
Spectral matching based on discrete particle swarm optimization: A new method for terrestrial water body extraction using multi-temporal Landsat 8 images
1
2018
... 不同时间和空间分辨率的遥感影像数据分析技术已经用于提取土地覆盖和土地利用变化、长时间序列的湖泊面积变化[11].现阶段监测湖泊表面水体面积变化的方法主要有:机器学习[12]、专家系统、视觉分析和证据推理[13]、基于离散粒子群优化的频谱匹配算法(Spectrum Matching based on Discrete Particle Swarm Optimization,SMDPSO)[14]、穗帽湿度(Tasseled Cap Wetness, TCW)[15]、水指数和改进的模糊聚类方法(Water Index and Modified Fuzzy Clustering Method, WIMFCM)[1]、归一化差异水体指数(Normalized Difference Water Index, NDWI)[16]、改进的归一化差异水体指数(Modified Normalized Difference Water Index, MNDWI)[17]、多波段水体指数(Multi-Band Water Index, MBWI)[18]、水体指数2015(Water Index 2015, WI2015)[19]和自动水体提取指数(Automated Water Extraction Index, AWEI)[20]. ...
A TM tasseled cap equivalent transformation for reflectance factor data
4
1985
... 不同时间和空间分辨率的遥感影像数据分析技术已经用于提取土地覆盖和土地利用变化、长时间序列的湖泊面积变化[11].现阶段监测湖泊表面水体面积变化的方法主要有:机器学习[12]、专家系统、视觉分析和证据推理[13]、基于离散粒子群优化的频谱匹配算法(Spectrum Matching based on Discrete Particle Swarm Optimization,SMDPSO)[14]、穗帽湿度(Tasseled Cap Wetness, TCW)[15]、水指数和改进的模糊聚类方法(Water Index and Modified Fuzzy Clustering Method, WIMFCM)[1]、归一化差异水体指数(Normalized Difference Water Index, NDWI)[16]、改进的归一化差异水体指数(Modified Normalized Difference Water Index, MNDWI)[17]、多波段水体指数(Multi-Band Water Index, MBWI)[18]、水体指数2015(Water Index 2015, WI2015)[19]和自动水体提取指数(Automated Water Extraction Index, AWEI)[20]. ...
... 应用于landsat 5 TM和Landsat 8 OLI遥感影像数据的常用水体指数有:TCW[15],NDWI[33],MNDWI[34],AWEI[20],WI2015[19]和MBWI[18],水体指数计算公式如表2所示.其中,为Landsat 5 TM遥感影像波段的相应编号,Landsat 8 OLI遥感影像波段编号略有不同.由于Landat 5 TM和Landsat 8 OLI遥感影像的成像季节时间不同,青海湖表面水体会有所不同,为了排除由于季节时间引起的地物类型不同对表面水体造成干扰,主要受到云、山体阴影、周围农田以及其他暗黑物质等的干扰,在影像预处理中对所有影像做了云处理,应用AWEI水体指数作为对比方法之一,AWEI方法由2组水体指数构成,结果取交集得到水体结果,AWEInsh能够有效消除不同季节非水体像素,包括黑色建筑表面;AWEIsh能够剔除掉AWEInsh不能够识别和剔除的山体阴影、暗黑色地物和农田等. ...
... Six water index methods applied in Landsat 5/8 imagery
Table 2指数 | 方程 | 影像数据 |
---|
TCW[15] | | Landsat 4/5 TM |
NDWI[33] | | Landsat MSS(Multispectral Scanner) |
MNDWI[34] | | Landsat TM, Landsat 7 ETM+ |
AWEI[20] | ; | Landsat 5 TM |
WI2015[19] | | Landsat 5 TM/7 ETM+/8 OLI |
MBWI[18] | | Landsat 8 OLI |
6种方法应用于Landsat 5/8遥感影像的波段共计6个,分别为蓝波段(Blue)、绿波段(Green)、红波段(Red)、近红外波段(Near Infrared, NIR)、短波红外1波段(Short Wave Infrared 1, SWIR1)和短波红外2波段(Short Wave Infrared 2, SWIR2)[20].Landsat 5 TM和Landsat 8 OLI波段详细信息如表3所示. ...
... TCW变换指数基于Landsat 5 TM的6种波谱,经验性地提取表面水体[15].McFeeters[33]发现绿光在表面水体反射率最大,近红外波段在无水区域反射率最大,由此发展了NDWI指数.Xu[34]在对Mcfeeters提出的NDWI分析的基础上,对构成该指数的波长组合进行了修改,发展了指数MNDWI.2014年Feyisa等[20]发展了一种新指数AWEI用于提取水体指数,这种水体指数可以增加水体与其他褐色表面的区别,AWEI 最基本的目的是通过不同波段加、减、乘、除不同的系数线性组合来增大水体像素和其他非水体像素的差异,根据Feyisa等提出的2种分离的方程来有效压制非水体像素,以此提高表面水体提取的精度.Fisher等[19]使用感兴趣的多边形作为样本训练数据,并进行统计分析,提出了WI2015水体指数.Wang等[18]基于Landsat 8 OLI遥感影像数据发展了一种提取表面水体的指数MBWI,利用全国的29个站点验证了水体指数的精度. ...
NDWI—A normalized difference water index for remote sensing of vegetation liquid water from space
1
1996
... 不同时间和空间分辨率的遥感影像数据分析技术已经用于提取土地覆盖和土地利用变化、长时间序列的湖泊面积变化[11].现阶段监测湖泊表面水体面积变化的方法主要有:机器学习[12]、专家系统、视觉分析和证据推理[13]、基于离散粒子群优化的频谱匹配算法(Spectrum Matching based on Discrete Particle Swarm Optimization,SMDPSO)[14]、穗帽湿度(Tasseled Cap Wetness, TCW)[15]、水指数和改进的模糊聚类方法(Water Index and Modified Fuzzy Clustering Method, WIMFCM)[1]、归一化差异水体指数(Normalized Difference Water Index, NDWI)[16]、改进的归一化差异水体指数(Modified Normalized Difference Water Index, MNDWI)[17]、多波段水体指数(Multi-Band Water Index, MBWI)[18]、水体指数2015(Water Index 2015, WI2015)[19]和自动水体提取指数(Automated Water Extraction Index, AWEI)[20]. ...
Analysis of dynamic change of Hongjiannao Lake based on MNDWI
1
2017
... 不同时间和空间分辨率的遥感影像数据分析技术已经用于提取土地覆盖和土地利用变化、长时间序列的湖泊面积变化[11].现阶段监测湖泊表面水体面积变化的方法主要有:机器学习[12]、专家系统、视觉分析和证据推理[13]、基于离散粒子群优化的频谱匹配算法(Spectrum Matching based on Discrete Particle Swarm Optimization,SMDPSO)[14]、穗帽湿度(Tasseled Cap Wetness, TCW)[15]、水指数和改进的模糊聚类方法(Water Index and Modified Fuzzy Clustering Method, WIMFCM)[1]、归一化差异水体指数(Normalized Difference Water Index, NDWI)[16]、改进的归一化差异水体指数(Modified Normalized Difference Water Index, MNDWI)[17]、多波段水体指数(Multi-Band Water Index, MBWI)[18]、水体指数2015(Water Index 2015, WI2015)[19]和自动水体提取指数(Automated Water Extraction Index, AWEI)[20]. ...
A robust Multi-Band Water Index (MBWI) for automated extraction of surface water from Landsat 8 OLI imagery
4
2018
... 不同时间和空间分辨率的遥感影像数据分析技术已经用于提取土地覆盖和土地利用变化、长时间序列的湖泊面积变化[11].现阶段监测湖泊表面水体面积变化的方法主要有:机器学习[12]、专家系统、视觉分析和证据推理[13]、基于离散粒子群优化的频谱匹配算法(Spectrum Matching based on Discrete Particle Swarm Optimization,SMDPSO)[14]、穗帽湿度(Tasseled Cap Wetness, TCW)[15]、水指数和改进的模糊聚类方法(Water Index and Modified Fuzzy Clustering Method, WIMFCM)[1]、归一化差异水体指数(Normalized Difference Water Index, NDWI)[16]、改进的归一化差异水体指数(Modified Normalized Difference Water Index, MNDWI)[17]、多波段水体指数(Multi-Band Water Index, MBWI)[18]、水体指数2015(Water Index 2015, WI2015)[19]和自动水体提取指数(Automated Water Extraction Index, AWEI)[20]. ...
... 应用于landsat 5 TM和Landsat 8 OLI遥感影像数据的常用水体指数有:TCW[15],NDWI[33],MNDWI[34],AWEI[20],WI2015[19]和MBWI[18],水体指数计算公式如表2所示.其中,为Landsat 5 TM遥感影像波段的相应编号,Landsat 8 OLI遥感影像波段编号略有不同.由于Landat 5 TM和Landsat 8 OLI遥感影像的成像季节时间不同,青海湖表面水体会有所不同,为了排除由于季节时间引起的地物类型不同对表面水体造成干扰,主要受到云、山体阴影、周围农田以及其他暗黑物质等的干扰,在影像预处理中对所有影像做了云处理,应用AWEI水体指数作为对比方法之一,AWEI方法由2组水体指数构成,结果取交集得到水体结果,AWEInsh能够有效消除不同季节非水体像素,包括黑色建筑表面;AWEIsh能够剔除掉AWEInsh不能够识别和剔除的山体阴影、暗黑色地物和农田等. ...
... Six water index methods applied in Landsat 5/8 imagery
Table 2指数 | 方程 | 影像数据 |
---|
TCW[15] | | Landsat 4/5 TM |
NDWI[33] | | Landsat MSS(Multispectral Scanner) |
MNDWI[34] | | Landsat TM, Landsat 7 ETM+ |
AWEI[20] | ; | Landsat 5 TM |
WI2015[19] | | Landsat 5 TM/7 ETM+/8 OLI |
MBWI[18] | | Landsat 8 OLI |
6种方法应用于Landsat 5/8遥感影像的波段共计6个,分别为蓝波段(Blue)、绿波段(Green)、红波段(Red)、近红外波段(Near Infrared, NIR)、短波红外1波段(Short Wave Infrared 1, SWIR1)和短波红外2波段(Short Wave Infrared 2, SWIR2)[20].Landsat 5 TM和Landsat 8 OLI波段详细信息如表3所示. ...
... TCW变换指数基于Landsat 5 TM的6种波谱,经验性地提取表面水体[15].McFeeters[33]发现绿光在表面水体反射率最大,近红外波段在无水区域反射率最大,由此发展了NDWI指数.Xu[34]在对Mcfeeters提出的NDWI分析的基础上,对构成该指数的波长组合进行了修改,发展了指数MNDWI.2014年Feyisa等[20]发展了一种新指数AWEI用于提取水体指数,这种水体指数可以增加水体与其他褐色表面的区别,AWEI 最基本的目的是通过不同波段加、减、乘、除不同的系数线性组合来增大水体像素和其他非水体像素的差异,根据Feyisa等提出的2种分离的方程来有效压制非水体像素,以此提高表面水体提取的精度.Fisher等[19]使用感兴趣的多边形作为样本训练数据,并进行统计分析,提出了WI2015水体指数.Wang等[18]基于Landsat 8 OLI遥感影像数据发展了一种提取表面水体的指数MBWI,利用全国的29个站点验证了水体指数的精度. ...
Comparing Landsat water index methods for automated water classification in eastern Australia
4
2016
... 不同时间和空间分辨率的遥感影像数据分析技术已经用于提取土地覆盖和土地利用变化、长时间序列的湖泊面积变化[11].现阶段监测湖泊表面水体面积变化的方法主要有:机器学习[12]、专家系统、视觉分析和证据推理[13]、基于离散粒子群优化的频谱匹配算法(Spectrum Matching based on Discrete Particle Swarm Optimization,SMDPSO)[14]、穗帽湿度(Tasseled Cap Wetness, TCW)[15]、水指数和改进的模糊聚类方法(Water Index and Modified Fuzzy Clustering Method, WIMFCM)[1]、归一化差异水体指数(Normalized Difference Water Index, NDWI)[16]、改进的归一化差异水体指数(Modified Normalized Difference Water Index, MNDWI)[17]、多波段水体指数(Multi-Band Water Index, MBWI)[18]、水体指数2015(Water Index 2015, WI2015)[19]和自动水体提取指数(Automated Water Extraction Index, AWEI)[20]. ...
... 应用于landsat 5 TM和Landsat 8 OLI遥感影像数据的常用水体指数有:TCW[15],NDWI[33],MNDWI[34],AWEI[20],WI2015[19]和MBWI[18],水体指数计算公式如表2所示.其中,为Landsat 5 TM遥感影像波段的相应编号,Landsat 8 OLI遥感影像波段编号略有不同.由于Landat 5 TM和Landsat 8 OLI遥感影像的成像季节时间不同,青海湖表面水体会有所不同,为了排除由于季节时间引起的地物类型不同对表面水体造成干扰,主要受到云、山体阴影、周围农田以及其他暗黑物质等的干扰,在影像预处理中对所有影像做了云处理,应用AWEI水体指数作为对比方法之一,AWEI方法由2组水体指数构成,结果取交集得到水体结果,AWEInsh能够有效消除不同季节非水体像素,包括黑色建筑表面;AWEIsh能够剔除掉AWEInsh不能够识别和剔除的山体阴影、暗黑色地物和农田等. ...
... Six water index methods applied in Landsat 5/8 imagery
Table 2指数 | 方程 | 影像数据 |
---|
TCW[15] | | Landsat 4/5 TM |
NDWI[33] | | Landsat MSS(Multispectral Scanner) |
MNDWI[34] | | Landsat TM, Landsat 7 ETM+ |
AWEI[20] | ; | Landsat 5 TM |
WI2015[19] | | Landsat 5 TM/7 ETM+/8 OLI |
MBWI[18] | | Landsat 8 OLI |
6种方法应用于Landsat 5/8遥感影像的波段共计6个,分别为蓝波段(Blue)、绿波段(Green)、红波段(Red)、近红外波段(Near Infrared, NIR)、短波红外1波段(Short Wave Infrared 1, SWIR1)和短波红外2波段(Short Wave Infrared 2, SWIR2)[20].Landsat 5 TM和Landsat 8 OLI波段详细信息如表3所示. ...
... TCW变换指数基于Landsat 5 TM的6种波谱,经验性地提取表面水体[15].McFeeters[33]发现绿光在表面水体反射率最大,近红外波段在无水区域反射率最大,由此发展了NDWI指数.Xu[34]在对Mcfeeters提出的NDWI分析的基础上,对构成该指数的波长组合进行了修改,发展了指数MNDWI.2014年Feyisa等[20]发展了一种新指数AWEI用于提取水体指数,这种水体指数可以增加水体与其他褐色表面的区别,AWEI 最基本的目的是通过不同波段加、减、乘、除不同的系数线性组合来增大水体像素和其他非水体像素的差异,根据Feyisa等提出的2种分离的方程来有效压制非水体像素,以此提高表面水体提取的精度.Fisher等[19]使用感兴趣的多边形作为样本训练数据,并进行统计分析,提出了WI2015水体指数.Wang等[18]基于Landsat 8 OLI遥感影像数据发展了一种提取表面水体的指数MBWI,利用全国的29个站点验证了水体指数的精度. ...
Automated Water Extraction Index: A new technique for surface water mapping using Landsat imagery
5
2014
... 不同时间和空间分辨率的遥感影像数据分析技术已经用于提取土地覆盖和土地利用变化、长时间序列的湖泊面积变化[11].现阶段监测湖泊表面水体面积变化的方法主要有:机器学习[12]、专家系统、视觉分析和证据推理[13]、基于离散粒子群优化的频谱匹配算法(Spectrum Matching based on Discrete Particle Swarm Optimization,SMDPSO)[14]、穗帽湿度(Tasseled Cap Wetness, TCW)[15]、水指数和改进的模糊聚类方法(Water Index and Modified Fuzzy Clustering Method, WIMFCM)[1]、归一化差异水体指数(Normalized Difference Water Index, NDWI)[16]、改进的归一化差异水体指数(Modified Normalized Difference Water Index, MNDWI)[17]、多波段水体指数(Multi-Band Water Index, MBWI)[18]、水体指数2015(Water Index 2015, WI2015)[19]和自动水体提取指数(Automated Water Extraction Index, AWEI)[20]. ...
... 应用于landsat 5 TM和Landsat 8 OLI遥感影像数据的常用水体指数有:TCW[15],NDWI[33],MNDWI[34],AWEI[20],WI2015[19]和MBWI[18],水体指数计算公式如表2所示.其中,为Landsat 5 TM遥感影像波段的相应编号,Landsat 8 OLI遥感影像波段编号略有不同.由于Landat 5 TM和Landsat 8 OLI遥感影像的成像季节时间不同,青海湖表面水体会有所不同,为了排除由于季节时间引起的地物类型不同对表面水体造成干扰,主要受到云、山体阴影、周围农田以及其他暗黑物质等的干扰,在影像预处理中对所有影像做了云处理,应用AWEI水体指数作为对比方法之一,AWEI方法由2组水体指数构成,结果取交集得到水体结果,AWEInsh能够有效消除不同季节非水体像素,包括黑色建筑表面;AWEIsh能够剔除掉AWEInsh不能够识别和剔除的山体阴影、暗黑色地物和农田等. ...
... Six water index methods applied in Landsat 5/8 imagery
Table 2指数 | 方程 | 影像数据 |
---|
TCW[15] | | Landsat 4/5 TM |
NDWI[33] | | Landsat MSS(Multispectral Scanner) |
MNDWI[34] | | Landsat TM, Landsat 7 ETM+ |
AWEI[20] | ; | Landsat 5 TM |
WI2015[19] | | Landsat 5 TM/7 ETM+/8 OLI |
MBWI[18] | | Landsat 8 OLI |
6种方法应用于Landsat 5/8遥感影像的波段共计6个,分别为蓝波段(Blue)、绿波段(Green)、红波段(Red)、近红外波段(Near Infrared, NIR)、短波红外1波段(Short Wave Infrared 1, SWIR1)和短波红外2波段(Short Wave Infrared 2, SWIR2)[20].Landsat 5 TM和Landsat 8 OLI波段详细信息如表3所示. ...
... 6种方法应用于Landsat 5/8遥感影像的波段共计6个,分别为蓝波段(Blue)、绿波段(Green)、红波段(Red)、近红外波段(Near Infrared, NIR)、短波红外1波段(Short Wave Infrared 1, SWIR1)和短波红外2波段(Short Wave Infrared 2, SWIR2)[20].Landsat 5 TM和Landsat 8 OLI波段详细信息如表3所示. ...
... TCW变换指数基于Landsat 5 TM的6种波谱,经验性地提取表面水体[15].McFeeters[33]发现绿光在表面水体反射率最大,近红外波段在无水区域反射率最大,由此发展了NDWI指数.Xu[34]在对Mcfeeters提出的NDWI分析的基础上,对构成该指数的波长组合进行了修改,发展了指数MNDWI.2014年Feyisa等[20]发展了一种新指数AWEI用于提取水体指数,这种水体指数可以增加水体与其他褐色表面的区别,AWEI 最基本的目的是通过不同波段加、减、乘、除不同的系数线性组合来增大水体像素和其他非水体像素的差异,根据Feyisa等提出的2种分离的方程来有效压制非水体像素,以此提高表面水体提取的精度.Fisher等[19]使用感兴趣的多边形作为样本训练数据,并进行统计分析,提出了WI2015水体指数.Wang等[18]基于Landsat 8 OLI遥感影像数据发展了一种提取表面水体的指数MBWI,利用全国的29个站点验证了水体指数的精度. ...
Study on extraction of cirtrus orchard in Gannan Region based on Google Earth Engine platform
1
2018
... 由Google、卡内基梅隆大学(Carnegie Mellon University)和美国地质调查局(United States Geological Survey, USGS)联合开发的Google Earth Engine(GEE)是目前世界上先进的Petabyte(PB)级地理数据科学分析及可视化平台,GEE面向用户提供海量卫星影像数据集与地理数据集,包括多年历史卫星影像数据(如MODIS—MODerate-resolution Imaging Spectroradiometer、Landsat等)与欧洲太空局(European Space Agency, ESA)的卫星影像数据(如Sentinel等)[21].Gorelick等[22]对GEE平台、数据分类、系统架构、数据分发模型、应用和未来的工作前景进行了详细阐释.Patel等[23]基于GEE平台和Landsat影像,分析了多时间段的人类定居和人口数目变化.Liu等[24]基于GEE平台和Landsat影像,分析了高分辨率、长时间序列的全球城市用地变化.以上研究均展示了GEE平台大规模计算的高效性. ...
Google Earth Engine平台支持下的赣南柑橘果园遥感提取研究
1
2018
... 由Google、卡内基梅隆大学(Carnegie Mellon University)和美国地质调查局(United States Geological Survey, USGS)联合开发的Google Earth Engine(GEE)是目前世界上先进的Petabyte(PB)级地理数据科学分析及可视化平台,GEE面向用户提供海量卫星影像数据集与地理数据集,包括多年历史卫星影像数据(如MODIS—MODerate-resolution Imaging Spectroradiometer、Landsat等)与欧洲太空局(European Space Agency, ESA)的卫星影像数据(如Sentinel等)[21].Gorelick等[22]对GEE平台、数据分类、系统架构、数据分发模型、应用和未来的工作前景进行了详细阐释.Patel等[23]基于GEE平台和Landsat影像,分析了多时间段的人类定居和人口数目变化.Liu等[24]基于GEE平台和Landsat影像,分析了高分辨率、长时间序列的全球城市用地变化.以上研究均展示了GEE平台大规模计算的高效性. ...
Google Earth Engine: Planetary-scale geospatial analysis for everyone
1
2017
... 由Google、卡内基梅隆大学(Carnegie Mellon University)和美国地质调查局(United States Geological Survey, USGS)联合开发的Google Earth Engine(GEE)是目前世界上先进的Petabyte(PB)级地理数据科学分析及可视化平台,GEE面向用户提供海量卫星影像数据集与地理数据集,包括多年历史卫星影像数据(如MODIS—MODerate-resolution Imaging Spectroradiometer、Landsat等)与欧洲太空局(European Space Agency, ESA)的卫星影像数据(如Sentinel等)[21].Gorelick等[22]对GEE平台、数据分类、系统架构、数据分发模型、应用和未来的工作前景进行了详细阐释.Patel等[23]基于GEE平台和Landsat影像,分析了多时间段的人类定居和人口数目变化.Liu等[24]基于GEE平台和Landsat影像,分析了高分辨率、长时间序列的全球城市用地变化.以上研究均展示了GEE平台大规模计算的高效性. ...
Multitemporal settlement and population mapping from Landsat using Google Earth Engine
1
2015
... 由Google、卡内基梅隆大学(Carnegie Mellon University)和美国地质调查局(United States Geological Survey, USGS)联合开发的Google Earth Engine(GEE)是目前世界上先进的Petabyte(PB)级地理数据科学分析及可视化平台,GEE面向用户提供海量卫星影像数据集与地理数据集,包括多年历史卫星影像数据(如MODIS—MODerate-resolution Imaging Spectroradiometer、Landsat等)与欧洲太空局(European Space Agency, ESA)的卫星影像数据(如Sentinel等)[21].Gorelick等[22]对GEE平台、数据分类、系统架构、数据分发模型、应用和未来的工作前景进行了详细阐释.Patel等[23]基于GEE平台和Landsat影像,分析了多时间段的人类定居和人口数目变化.Liu等[24]基于GEE平台和Landsat影像,分析了高分辨率、长时间序列的全球城市用地变化.以上研究均展示了GEE平台大规模计算的高效性. ...
High-resolution multi-temporal mapping of global urban land using Landsat images based on the Google Earth Engine Platform
1
2018
... 由Google、卡内基梅隆大学(Carnegie Mellon University)和美国地质调查局(United States Geological Survey, USGS)联合开发的Google Earth Engine(GEE)是目前世界上先进的Petabyte(PB)级地理数据科学分析及可视化平台,GEE面向用户提供海量卫星影像数据集与地理数据集,包括多年历史卫星影像数据(如MODIS—MODerate-resolution Imaging Spectroradiometer、Landsat等)与欧洲太空局(European Space Agency, ESA)的卫星影像数据(如Sentinel等)[21].Gorelick等[22]对GEE平台、数据分类、系统架构、数据分发模型、应用和未来的工作前景进行了详细阐释.Patel等[23]基于GEE平台和Landsat影像,分析了多时间段的人类定居和人口数目变化.Liu等[24]基于GEE平台和Landsat影像,分析了高分辨率、长时间序列的全球城市用地变化.以上研究均展示了GEE平台大规模计算的高效性. ...
Retireval of tasseled cap transformation coefficients for GF-1 WFV2 sensor data
1
2018
... 本文选择青海湖作为研究区域,基于GEE平台提取了1986—2017年(除去2012年)覆盖青海湖的459景Landsat 5 Thematic Mapper (TM)和Landsat 8 Operational Land Imager (OLI)遥感影像数据[25],分析6种常用水体指数对青海湖表面水体面积提取结果的影响,利用最适合Landsat 5/8遥感数据的水体指数方法分析了1986—2017年(除去2012年)青海湖表面水体面积变化. ...
GF-1 WFV2传感器数据的缨帽变换系数反演
1
2018
... 本文选择青海湖作为研究区域,基于GEE平台提取了1986—2017年(除去2012年)覆盖青海湖的459景Landsat 5 Thematic Mapper (TM)和Landsat 8 Operational Land Imager (OLI)遥感影像数据[25],分析6种常用水体指数对青海湖表面水体面积提取结果的影响,利用最适合Landsat 5/8遥感数据的水体指数方法分析了1986—2017年(除去2012年)青海湖表面水体面积变化. ...
Monitoring ice variations in Qinghai Lake from 1979 to 2016 using passive microwave remote sensing data
2
2017
... 青海湖是中国最大的内陆湖和咸水湖,位于青海省内流河流域盆地(36°32′~37°15′N,99°36′~100°46′E)[26],平均海拔为3 193.8 m(图1),形成于青藏高原东北边缘地质构造的断陷[27].2008年测量的结果显示湖泊平均深度为21 m,最大深度为25.5 m[27].2010年时,湖泊表面面积大约为4 321 km2[28].共计有23条河流和小溪汇入青海湖,大部分河流是季节性河流,5条永久性河流提供了近80%的河流入流量,最大的支流为布哈河,贡献将近50%的入流量[29],其次为沙柳河、乌哈阿兰河和哈尔盖河. ...
... 青海湖的流域形状呈棱柱状,自西向东长约106 km,南北宽约63 km,周长约为360 km.每年的平均降雨量为300~400 mm,年平均蒸发量为1 300~2 000 mm.每年5~9月的降雨量占全年降雨量的90%[30].大约每年的11月,青海湖进入冰期,12月开始形成稳定的冰盖,次年3月开始融化[26,31,32].因此,青海湖表面水体面积的研究时间段选定为每年的5月1日至10月31日. ...
Water level variation of Lake Qinghai from satellite and in situ measurements under climate change
2
2011
... 青海湖是中国最大的内陆湖和咸水湖,位于青海省内流河流域盆地(36°32′~37°15′N,99°36′~100°46′E)[26],平均海拔为3 193.8 m(图1),形成于青藏高原东北边缘地质构造的断陷[27].2008年测量的结果显示湖泊平均深度为21 m,最大深度为25.5 m[27].2010年时,湖泊表面面积大约为4 321 km2[28].共计有23条河流和小溪汇入青海湖,大部分河流是季节性河流,5条永久性河流提供了近80%的河流入流量,最大的支流为布哈河,贡献将近50%的入流量[29],其次为沙柳河、乌哈阿兰河和哈尔盖河. ...
... [27].2010年时,湖泊表面面积大约为4 321 km2[28].共计有23条河流和小溪汇入青海湖,大部分河流是季节性河流,5条永久性河流提供了近80%的河流入流量,最大的支流为布哈河,贡献将近50%的入流量[29],其次为沙柳河、乌哈阿兰河和哈尔盖河. ...
Respons of water level in Qinghai Lake to climate change in the Qinghai-Xizang Plateau
1
2012
... 青海湖是中国最大的内陆湖和咸水湖,位于青海省内流河流域盆地(36°32′~37°15′N,99°36′~100°46′E)[26],平均海拔为3 193.8 m(图1),形成于青藏高原东北边缘地质构造的断陷[27].2008年测量的结果显示湖泊平均深度为21 m,最大深度为25.5 m[27].2010年时,湖泊表面面积大约为4 321 km2[28].共计有23条河流和小溪汇入青海湖,大部分河流是季节性河流,5条永久性河流提供了近80%的河流入流量,最大的支流为布哈河,贡献将近50%的入流量[29],其次为沙柳河、乌哈阿兰河和哈尔盖河. ...
Lake-level change and water balance analysis at Lake Qinghai, west China during recent decades
1
2007
... 青海湖是中国最大的内陆湖和咸水湖,位于青海省内流河流域盆地(36°32′~37°15′N,99°36′~100°46′E)[26],平均海拔为3 193.8 m(图1),形成于青藏高原东北边缘地质构造的断陷[27].2008年测量的结果显示湖泊平均深度为21 m,最大深度为25.5 m[27].2010年时,湖泊表面面积大约为4 321 km2[28].共计有23条河流和小溪汇入青海湖,大部分河流是季节性河流,5条永久性河流提供了近80%的河流入流量,最大的支流为布哈河,贡献将近50%的入流量[29],其次为沙柳河、乌哈阿兰河和哈尔盖河. ...
Estimating on water balance elements in the drainage basin of Qinghai Lake
1
1993
... 青海湖的流域形状呈棱柱状,自西向东长约106 km,南北宽约63 km,周长约为360 km.每年的平均降雨量为300~400 mm,年平均蒸发量为1 300~2 000 mm.每年5~9月的降雨量占全年降雨量的90%[30].大约每年的11月,青海湖进入冰期,12月开始形成稳定的冰盖,次年3月开始融化[26,31,32].因此,青海湖表面水体面积的研究时间段选定为每年的5月1日至10月31日. ...
Remote sensing monitoring of Lake Qinghai based on EOS/MODIS data
1
2005
... 青海湖的流域形状呈棱柱状,自西向东长约106 km,南北宽约63 km,周长约为360 km.每年的平均降雨量为300~400 mm,年平均蒸发量为1 300~2 000 mm.每年5~9月的降雨量占全年降雨量的90%[30].大约每年的11月,青海湖进入冰期,12月开始形成稳定的冰盖,次年3月开始融化[26,31,32].因此,青海湖表面水体面积的研究时间段选定为每年的5月1日至10月31日. ...
Monitoring the frozen duration of Qinghai Lake using satellite passive microwave remote sensing low frequency data
1
2009
... 青海湖的流域形状呈棱柱状,自西向东长约106 km,南北宽约63 km,周长约为360 km.每年的平均降雨量为300~400 mm,年平均蒸发量为1 300~2 000 mm.每年5~9月的降雨量占全年降雨量的90%[30].大约每年的11月,青海湖进入冰期,12月开始形成稳定的冰盖,次年3月开始融化[26,31,32].因此,青海湖表面水体面积的研究时间段选定为每年的5月1日至10月31日. ...
The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features
3
1996
... 应用于landsat 5 TM和Landsat 8 OLI遥感影像数据的常用水体指数有:TCW[15],NDWI[33],MNDWI[34],AWEI[20],WI2015[19]和MBWI[18],水体指数计算公式如表2所示.其中,为Landsat 5 TM遥感影像波段的相应编号,Landsat 8 OLI遥感影像波段编号略有不同.由于Landat 5 TM和Landsat 8 OLI遥感影像的成像季节时间不同,青海湖表面水体会有所不同,为了排除由于季节时间引起的地物类型不同对表面水体造成干扰,主要受到云、山体阴影、周围农田以及其他暗黑物质等的干扰,在影像预处理中对所有影像做了云处理,应用AWEI水体指数作为对比方法之一,AWEI方法由2组水体指数构成,结果取交集得到水体结果,AWEInsh能够有效消除不同季节非水体像素,包括黑色建筑表面;AWEIsh能够剔除掉AWEInsh不能够识别和剔除的山体阴影、暗黑色地物和农田等. ...
... Six water index methods applied in Landsat 5/8 imagery
Table 2指数 | 方程 | 影像数据 |
---|
TCW[15] | | Landsat 4/5 TM |
NDWI[33] | | Landsat MSS(Multispectral Scanner) |
MNDWI[34] | | Landsat TM, Landsat 7 ETM+ |
AWEI[20] | ; | Landsat 5 TM |
WI2015[19] | | Landsat 5 TM/7 ETM+/8 OLI |
MBWI[18] | | Landsat 8 OLI |
6种方法应用于Landsat 5/8遥感影像的波段共计6个,分别为蓝波段(Blue)、绿波段(Green)、红波段(Red)、近红外波段(Near Infrared, NIR)、短波红外1波段(Short Wave Infrared 1, SWIR1)和短波红外2波段(Short Wave Infrared 2, SWIR2)[20].Landsat 5 TM和Landsat 8 OLI波段详细信息如表3所示. ...
... TCW变换指数基于Landsat 5 TM的6种波谱,经验性地提取表面水体[15].McFeeters[33]发现绿光在表面水体反射率最大,近红外波段在无水区域反射率最大,由此发展了NDWI指数.Xu[34]在对Mcfeeters提出的NDWI分析的基础上,对构成该指数的波长组合进行了修改,发展了指数MNDWI.2014年Feyisa等[20]发展了一种新指数AWEI用于提取水体指数,这种水体指数可以增加水体与其他褐色表面的区别,AWEI 最基本的目的是通过不同波段加、减、乘、除不同的系数线性组合来增大水体像素和其他非水体像素的差异,根据Feyisa等提出的2种分离的方程来有效压制非水体像素,以此提高表面水体提取的精度.Fisher等[19]使用感兴趣的多边形作为样本训练数据,并进行统计分析,提出了WI2015水体指数.Wang等[18]基于Landsat 8 OLI遥感影像数据发展了一种提取表面水体的指数MBWI,利用全国的29个站点验证了水体指数的精度. ...
Modification of Normalised Difference Water Index (NDWI) to enhance open water features in remotely sensed imagery
3
2006
... 应用于landsat 5 TM和Landsat 8 OLI遥感影像数据的常用水体指数有:TCW[15],NDWI[33],MNDWI[34],AWEI[20],WI2015[19]和MBWI[18],水体指数计算公式如表2所示.其中,为Landsat 5 TM遥感影像波段的相应编号,Landsat 8 OLI遥感影像波段编号略有不同.由于Landat 5 TM和Landsat 8 OLI遥感影像的成像季节时间不同,青海湖表面水体会有所不同,为了排除由于季节时间引起的地物类型不同对表面水体造成干扰,主要受到云、山体阴影、周围农田以及其他暗黑物质等的干扰,在影像预处理中对所有影像做了云处理,应用AWEI水体指数作为对比方法之一,AWEI方法由2组水体指数构成,结果取交集得到水体结果,AWEInsh能够有效消除不同季节非水体像素,包括黑色建筑表面;AWEIsh能够剔除掉AWEInsh不能够识别和剔除的山体阴影、暗黑色地物和农田等. ...
... Six water index methods applied in Landsat 5/8 imagery
Table 2指数 | 方程 | 影像数据 |
---|
TCW[15] | | Landsat 4/5 TM |
NDWI[33] | | Landsat MSS(Multispectral Scanner) |
MNDWI[34] | | Landsat TM, Landsat 7 ETM+ |
AWEI[20] | ; | Landsat 5 TM |
WI2015[19] | | Landsat 5 TM/7 ETM+/8 OLI |
MBWI[18] | | Landsat 8 OLI |
6种方法应用于Landsat 5/8遥感影像的波段共计6个,分别为蓝波段(Blue)、绿波段(Green)、红波段(Red)、近红外波段(Near Infrared, NIR)、短波红外1波段(Short Wave Infrared 1, SWIR1)和短波红外2波段(Short Wave Infrared 2, SWIR2)[20].Landsat 5 TM和Landsat 8 OLI波段详细信息如表3所示. ...
... TCW变换指数基于Landsat 5 TM的6种波谱,经验性地提取表面水体[15].McFeeters[33]发现绿光在表面水体反射率最大,近红外波段在无水区域反射率最大,由此发展了NDWI指数.Xu[34]在对Mcfeeters提出的NDWI分析的基础上,对构成该指数的波长组合进行了修改,发展了指数MNDWI.2014年Feyisa等[20]发展了一种新指数AWEI用于提取水体指数,这种水体指数可以增加水体与其他褐色表面的区别,AWEI 最基本的目的是通过不同波段加、减、乘、除不同的系数线性组合来增大水体像素和其他非水体像素的差异,根据Feyisa等提出的2种分离的方程来有效压制非水体像素,以此提高表面水体提取的精度.Fisher等[19]使用感兴趣的多边形作为样本训练数据,并进行统计分析,提出了WI2015水体指数.Wang等[18]基于Landsat 8 OLI遥感影像数据发展了一种提取表面水体的指数MBWI,利用全国的29个站点验证了水体指数的精度. ...