Skip to content
The Chat Archive
gemini-2.5-pro-exp-03-25-grounding· Google LMArena Search Arena 24K

(MNDWI > EVI 或 MNDWI > NDWI) 且 EVI < 0.1 这个方法提取水体的参考文献是什么

  1. User

    (MNDWI > EVI 或 MNDWI > NDWI) 且 EVI < 0.1 这个方法提取水体的参考文献是什么

  2. Assistant

    您所询问的这个用于提取水体的方法 (MNDWI &gt; EVI 或 MNDWI &gt; NDWI) 且 EVI &lt; 0.1,或者一个非常相似且更常见的变体 (MNDWI &gt; EVI 或 MNDWI &gt; NDVI) 且 EVI &lt; 0.1,是遥感领域中一种基于多指数组合和阈值规则的决策树方法[2]https://sa-view.lat//c?url=https%3A%2F%2Fwww.mdpi.com%2F2072-4292%2F15%2F21%2F5157&amp;conv_id=531fa22ea1da49aa92f7c6cf2c5141b7&amp;is_inline=True"[2] style="[2]color: #007bff"[2]>[1][2]https://sa-view.lat//c?url=https%3A%2F%2Fwww.dqxxkx.cn%2FCN%2Farticle%2FdownloadArticleFile.do%3FattachType%3DPDF%26id%3D46759&amp;conv_id=531fa22ea1da49aa92f7c6cf2c5141b7&amp;is_inline=True"[2] style="[2]color: #007bff"[2]>[2]。

    这种方法的基本原理是:

    1. 区分水体与非水体:利用改进归一化差异水体指数 (MNDWI) 通常在水体像元上具有比植被指数 (如增强型植被指数 EVI 或归一化植被指数 NDVI) 更高的值的特性[2]https://sa-view.lat//c?url=https%3A%2F%2Fwww.mdpi.com%2F2072-4292%2F15%2F21%2F5157&amp;conv_id=531fa22ea1da49aa92f7c6cf2c5141b7&amp;is_inline=True"[2] style="[2]color: #007bff"[2]>[1]。因此,MNDWI &gt; EVI 或 MNDWI &gt; NDWI (或 NDVI) 条件被用来初步识别潜在的水体像元[2]https://sa-view.lat//c?url=https%3A%2F%2Fiwaponline.com%2Faqua%2Farticle%2F73%2F10%2F2093%2F104798%2FDynamic-monitoring-of-open-surface-water-bodies-in&amp;conv_id=531fa22ea1da49aa92f7c6cf2c5141b7&amp;is_inline=True"[2] style="[2]color: #007bff"[2]>[4][2]https://sa-view.lat//c?url=https%3A%2F%2Fwww.mdpi.com%2F2072-4292%2F15%2F21%2F5157&amp;conv_id=531fa22ea1da49aa92f7c6cf2c5141b7&amp;is_inline=True"[2] style="[2]color: #007bff"[2]>[1]。
    2. 去除植被噪声:为了进一步减少植被,尤其是湿地植被或水边植被可能带来的干扰,引入了 EVI &lt; 0.1 的条件[2]https://sa-view.lat//c?url=https%3A%2F%2Fwww.mdpi.com%2F2072-4292%2F15%2F21%2F5157&amp;conv_id=531fa22ea1da49aa92f7c6cf2c5141b7&amp;is_inline=True"[2] style="[2]color: #007bff"[2]>[1]。EVI 对植被非常敏感,较低的 EVI 值(如小于 0.1)通常表示植被覆盖稀疏或不存在,有助于排除那些可能与水体混淆的植被像元[2]https://sa-view.lat//c?url=https%3A%2F%2Fpmc.ncbi.nlm.nih.gov%2Farticles%2FPMC10247696%2F&amp;conv_id=531fa22ea1da49aa92f7c6cf2c5141b7&amp;is_inline=True"[2] style="[2]color: #007bff"[2]>[5][2]https://sa-view.lat//c?url=https%3A%2F%2Fwww.mdpi.com%2F2072-4292%2F15%2F21%2F5157&amp;conv_id=531fa22ea1da49aa92f7c6cf2c5141b7&amp;is_inline=True"[2] style="[2]color: #007bff"[2]>[1]。

    关于具体的参考文献[2]:

    • 地球信息科学学报 (2019) 的一篇综述文章中,将类似的方法归类[2]https://sa-view.lat//c?url=https%3A%2F%2Fwww.dqxxkx.cn%2FCN%2Farticle%2FdownloadArticleFile.do%3FattachType%3DPDF%26id%3D46759&amp;conv_id=531fa22ea1da49aa92f7c6cf2c5141b7&amp;is_inline=True"[2] style="[2]color: #007bff"[2]>[2]。该文的表1总结了多种基于水体指数和阈值的水体提取算法,其中列出了 "[2]mNDWI+VI"[2] 算法,其公式为 EVI&lt;0.1 且 (mNDWI &gt; NDVI 或 mNDWI &gt; EVI),并标注其参考文献[2]为文章内的 "[2][2]https://sa-view.lat//c?url=http%3A%2F%2Fgeoscien.neigae.ac.cn%2FCN%2F10.13249%2Fj.cnki.sgs.20231151&amp;conv_id=531fa22ea1da49aa92f7c6cf2c5141b7&amp;is_inline=True"[2] style="[2]color: #007bff"[2]>[6]"[2]。同样,也列出了 "[2]NDWI+VI"[2] 算法,公式为 EVI&lt;0.1 且 (NDWI &gt; NDVI 或 NDWI &gt; EVI),也指向文献 "[2]"[2]。虽然搜索结果没有提供这篇学报文章内参考文献[2] "[6][2]"[2] 的具体信息,但这表明该方法已被总结和引用。
    • MDPI 期刊 (Feng et al.) 的研究中明确使用了 (MNDWI &gt; EVI 或 MNDWI &gt; NDVI) 且 (EVI &lt; 0.1) 这个判据来提取黄河流域的地表水体[1]。该研究引用了其他关于水体指数(如 AWEI, NDWI, MNDWI)和方法改进的文献,例如 Feyisa et al. (2014) 和 Zou et al. (2018),这些可能是相关或奠基性的工作[1]。
    • IWA Publishing 期刊 (2024) 的研究在提取塔里木河中游地表水体时,也采用了规则 MNDWI &gt; NDVI 或 MNDWI &gt; EVI,并结合 EVI &lt; 0.1[4]。
    • 地理科学 的一篇研究在提取鄱阳湖流域水体时,提到了 Zhou 等人提出的 EVI 值<0.1)且(MNDWI&gt;NDVI 或 MNDWI&gt;EVI) 方法,认为该方法可以改进 MNDWI 指数在水体与草地混合像元识别上的不足。
    • 中国光学期刊网 上一篇对比多种水体指数法的研究中,将基于 MNDWI &gt; EVI 或 MNDWI &gt; NDVI 区分水和非水,再用 EVI &lt; 0.1 去除植被噪声的方法称为 MNDWI-VIs 算法,并提到该算法成功提取了美国俄克拉荷马州 1984-2015 年的地表水。
    • PubMed Central (Yang et al., 2023) 的文章讨论了 MNE 方法(可能指 MNDWI, NDVI, EVI 的组合)及其改进。文章提到 Zhou 等人发现 EVI &lt; 0.1 条件可能导致问题,并在他们改进的 IMNE 方法 (MNDWI &gt; NDVI 或 MNDWI &gt; EVI) 中移除了该条件[5]。这间接说明包含 EVI &lt; 0.1 条件的方法是存在且被研究过的[5]。

    总结来说,虽然很难从搜索结果中直接确定唯一的“发明者”或单一的原始 seminal paper,但 (MNDWI &gt; EVI or MNDWI &gt; NDWI/NDVI) and EVI &lt; 0.1 是一个在多个研究中被应用和讨论的组合指数水体提取方法[4]。参考文献[2] 中的内部引用 "[6][2]"[2] 可能是关键线索。同时,Feyisa et al. (2014) 和 Zou et al. (2018) 的工作也常在相关方法讨论中被引用[1]。

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.