Extraction Method of Alpine Wetland Information Using Landsat Data

特征变量	指数	指数名称	特征因子说明/公式	文献
光谱特征	B	波段	B1~B7，共7个波段	^[18]
	Y1	缨帽变换亮度分量	反映总体反射值	^[19]
	Y2	缨帽变换绿度分量	反映绿色生物量特征	^[19]
	Y3	缨帽变换湿度分量	反映湿度特征	^[19]
植被、水体、土地利用指数	CIWI	混合水体指数	CIWI=NDVI+NIR+C	^[20]
	NDBI	归一化土地利用指数	NDBI=(SWIR1-NIR)/(SWIR1+NIR)	^[21]
	NDVI	归一化植被指数	NDVI=(NIR-Red)/(NIR+Red)	^[22]
	NDWI	归一化差异水体指数	NDWI=(Green-NIR)/(Green+NIR)	^[22]
	NDWI_B	NDWI升级版	NDWI=(Green-NIR)/(Blue+NIR)	^[23]
地形特征	DEM	数字高程模型	反映垂直高度信息	^[23]
	Slop	坡度	Slop=(h/l)*100%	^[24]
	Aspect	坡向	法线的正方向在水平面上的投影与正北方向的夹角	^[15]
	Tip	地形位置指数	TPI=Z— $\bar{Z}$	^[25]
纹理特征	Mean	均值	$M e a n = \frac{1}{M N} \sum_{I = 0}^{m - 1} \sum_{j = 0}^{N - 1} f (i, j, d, θ)$	^[25]
	Var	方差	$V a r = \sum_{I = 0}^{m - 1} \sum_{j = 0}^{N - 1} {(i - μ)}^{2} f (i, j, d, θ)$	^[25]
	Entorpy	熵	$E n t = - \sum_{I = 0}^{m - 1} \sum_{j = 0}^{N - 1} f (i, j) l g f (i, j, d, θ)$	^[26]
	Asm	角二阶矩	$A S M = \sum_{I = 0}^{m - 1} \sum_{j = 0}^{N - 1} f (i, j, d, θ)$	^[26]
	Dissimilarity	相异性	$D i s = \sum_{I = 0}^{m - 1} \sum_{j = 0}^{N - 1} \|i - j\| f (i, j, d, θ)$	^[26]
	Homoeneity	同质性	$H o m o = \sum_{I = 0}^{m - 1} \sum_{j = 0}^{N - 1} \frac{f (i, j, d, θ)}{1 + {(i - j)}^{2}})$	^[26]

Table 2. Table 2C1、C2、C3 values table

View table

View in Article

Table 2. Table 2C1、C2、C3 values table

类型	判断条件	相似程度	$C_{1}$	$C_{2}$	$C_{3}$
类型1	μ/ $σ$ >20	湿地或非湿地	0.9	0.7	1.0
类型2	3<μ/ $σ$ ≤20	湿地边界	1.0	1.0	1.0
类型3	μ/ $σ$ ≤3，μ≤0.25	小面积湿地	0.7	1.1	2.0
类型4	μ/ $σ$ ≤3，μ>0,25	其他	0.6	0.8	1.0

Table 3. Table 3Optimal classification feature set of each wetland type
View table
View in Article
Table 3. Table 3Optimal classification feature set of each wetland type
湿地类型最优特征因子集
河流湿地 Var、Nir、K-T Y₃、K-T Y₂、DEM
湖泊湿地 Nir、DEM、Mean、Var
沼泽湿地 Slop、DEM、Green、 Swir2、NDWI_B
冰川湿地 Blue、DEM、Red、K-T Y₁

Table 4. Table 4Prediction results of “25 Features” and preferred features AUC value of area under ROC curve

View table

View in Article

Table 4. Table 4Prediction results of “25 Features” and preferred features AUC value of area under ROC curve

	训练集AUC值		测试集AUC值		随机预测AUC值
	“25特征”	优选特征	“25特征”	优选特征	“25特征”	优选特征
河流湿地	0.978	0.974	0.977	0.973	0.5	0.5
湖泊湿地	0.988	0.988	0.986	0.989	0.5	0.5
沼泽湿地	0.896	0.946	0.855	0.949	0.5	0.5
冰川湿地	0.995	0.993	0.994	0.992	0.5	0.5

Table 5. Table 5Statistical table of wetland classification accuracy

View table

View in Article

Table 5. Table 5Statistical table of wetland classification accuracy

分类后数据/个	参考数据					总和
分类后数据/个	其他	河流湿地	湖泊湿地	沼泽湿地	冰川湿地	总和
其他	209	4	5	28	21	267
河流湿地	1	73	0	3	0	77
湖泊湿地	0	0	46	5	0	51
沼泽湿地	3	0	5	129	0	137
冰川湿地	0	0	0	0	71	71
总和	213	77	56	165	92	432
制图精度	98.12%	94.81%	82.14%	78.18%	77.17%
用户精度	78.28%	94.81%	90.20%	94.16%	100%

Tools

Get Citation

Copy Citation Text

Lu CHEN, Wangping LI, Junming HAO, Zhaoye ZHOU, Xiuxia ZHANG, Xiaoqiang CHENG, Xiaoxian WANG. Extraction Method of Alpine Wetland Information Using Landsat Data[J]. Remote Sensing Technology and Application, 2024, 39(3): 708

Download Citation

EndNote(RIS)BibTex Plain Text

Set citation alerts for article

Save article for my favorites