植被遥感信息提取的最佳波段选择--以云岭中部山区为例

多光谱遥感数据的最佳波段选取是遥感图像增强处理的关键部分．直接影响图像的目视解译和研究对象的信息提取。通常的最佳波段选取方法主要考虑波段组合时所包含的信息量要大，而它们之间的相关性要小这两个因素。这一方法未考虑到要使波段组合后研究地物的光谱特征差异要最大这一因素。在利用OIF指数进行最佳波段选取的研究中发现，此方法虽然简化了波段选取工作，但存在不足之处。在研究过程中，同时把植被光谱特征、TM5卫星各个波段用途和OIF指数相结合进行考虑来选取植被信息提取中的最佳波段，取得了较好结果。     

基于高光谱与多光谱植被指数的洪河沼泽植被叶面积指数估算模型对比研究

以洪河国家级自然保护区为研究区,2009年8月中旬,在研究区野外实测沼泽植物冠层的光谱反射率和叶面积指数(LAI),将地面实测的植物高光谱反射率以Landsat-5 TM波段范围为基准进行波谱重采样,以重采样后的光谱反射率计算多光谱植被指数,用几种常见的高光谱和多光谱植被指数建立估算沼泽植被叶面积指数的统计回归模型,对比这些模型的精度,选出最优模型.研究结果表明,用各植被指数建立的估算沼泽植被叶面积指数的回归模型分别为二次函数、对数函数或指数函数;各模型对沼泽植被叶面积指数的反演精度差别较大;在全波段高光谱植被指数中,用全波段归一化植被指数H-FNDVI(R930,R515)构建的估算沼泽植被叶面积指数的模型最佳;在常规高光谱植被指数中,用修正简单比率H-MSR构建的估算沼泽植被叶面积指数的模型最佳;在多光谱植被指数中,用多光谱归一化植被指数M-NDVI构建的估算沼泽植被叶面积指数的模型最佳.对比发现,由多光谱数据提取的植被指数构建的模型对研究区LAI的估算效果不太理想,而从实测高光谱数据提取的窄波段特有植被指数构建的估算沼泽植被叶面积指数模型表现出较明显的优势,表明窄波段植被指数更适合用来监测沼泽植被叶面积指数.     

干旱区几类主要地物遥感的最佳波段选择

采用t检验法比较地物间光谱反射率的差异性,选取显著性差异频数较多的波长集合作为最佳遥感波段。用新疆境内十一种有代表性的干旱区地物的光谱数据作为检验对象,在两种显著性水准上制定其光谱差异性频数表。按照能区分8成以上地物的要求,并考虑适当加大光谱能量,排除大气吸收的影响,提高监测植被动态效果,选取510-610nm、620-690nm、770-930nm、950-1100nm作为干旱区几类主要地物遥感的最佳波段。检验数据的置信度在95%以上。有93%显著性差异数据的置信度达到99%。用F检验法选择波段,得到非常相近的结果,进一步证明所选波段的可靠性。     

高光谱指数法用于确定多枝柽柳(Tamarix ramosissima)蒸腾速率

蒸腾速率(Tr)是植物生理生态学研究中表征蒸腾耗水的常用指标,研究植物的蒸腾耗水有助于了解当地生态系统稳定性和水资源的可持续利用,但在遥感应用尤其在干旱区遥感应用中很少被使用。本文以古尔班通古特沙漠南缘的主要建群种多枝柽柳(Tamarix ramosissima)作为研究对象,应用高光谱指数法对其Tr日变化过程进行研究,寻找和确定最佳的Tr光谱指数。选择的6个光谱指数判定系数R2介于0.06~0.73,其中简单比值(SR)光谱指数有最高的判定系数(R2=0.73)、较低的均方根误差(RMSE=0.24)和较为简单的形式,光谱范围处于近红外波段(1 645~1 655nm)/(1 775~1 785nm)。SR作为Tr最佳光谱指数,对植被水分关系变化敏感,能够较好地记录和监测Tr日变化过程,有益于揭示光谱指数物理和生理机制。     

基于混合光谱理论的太湖水体叶绿素a浓度提取

TM图象多波段数据作为遥感监测水体叶绿素a浓度的数据源,已有多种遥感定量模型与之对应,但主要还是以经验模型为主。利用TM数据首先采用特征波段比值方法,建立太湖水体合适的叶绿素a浓度反演的遥感定量模型。由于经验模型的缺陷性,还提出了基于TM数据的水体混合光谱分析模型,同时分析了端元光谱提取方法对模型求解的影响。通过计算叶绿素a浓度模型估算结果与实地测量数据的相关系数和均方根误差(RMSE),可以发现混合光谱分析模型也是水体叶绿素a浓度遥感估算的另一条佳径。     

沙尘暴EOS/MODIS监测指数模型

利用EOS/MODIS数据,采用最佳波段组合指数法和方差-协方差矩阵特征值法,从36个MODIS波段中筛选出用于沙尘暴图像最佳彩色合成增强的最佳组合波段。在敏感性差异分析的基础上应用波段数学组合的方法建立了沙尘暴判识的条件:构建了提取沙尘暴区域范围和强度等级信息的沙尘暴卫星遥感监测指数SVI(Sand storm value index),利用指数SVI值的大小对沙尘暴进行了等级的定级和分类。     

基于TM数据的太湖叶绿素a浓度定量遥感反演方法研究

探讨利用常规卫星遥感数据Landsat/TM定量反演太湖叶绿素a(Chl-a)浓度的方法。在对Landsat/TM影像进行几何校正、辐射定标、大气校正等预处理的基础上,选择适于太湖Chl-a浓度定量反演的最佳波段或波段组合,采用半经验回归模型和混合光谱分解模型分别建立太湖Chl-a浓度定量反演模型,并对不同模型及反演结果进行对比分析。     

腾冲县高光谱各波段间的相关性分析

为揭示高光谱遥感数据的信息量差异和相关性特征,对腾冲县北部机载高光谱遥感数据进行了统计分析和相关性分析。研究表明:在所有波段中,信息量最大的是波段24(2.217～2.249μm),其次是波段19(2.063～2.094μm),其组内相关系数均在0.93以上。相关系数的分布呈现两边高、中间低的特点,强相关系数(相关系数在0.9以上)出现的频率最高,为38%。针对强相关系数的谱间分布特征,在波段间隔为0时,其出现的频率最高,为20%。该研究对遥感波段的设计和选择具有应用价值。     

沙漠地物波谱特性测试数据精度分析

地物电磁波谱反射特性的测试和研究,是遥感技术的基础工作。多波段遥感仪器设计,选择波段,需要以地物波谱测定数据作为依据。遥感图象处理自动识别与自动分类指标的研究,也是在了解地物波谱特性的基础上进行的。测定、收集、处理各类沙漠、戈壁、沙生植物的反射光谱特征数据,解释不同沙漠地物波谱分异性、离散性的本质,进一步探求波谱特性在不同波段对遥感图象的影响,寻求数字相关关系,建立判读标志与识别模式,是沙漠遥感应用研究的重要课题之一。这些工作,都是以野外地物波谱测试数据的可靠性为前提的。     

一种基于地物诊断性波谱吸收特征的高光谱遥感图像降维方法

高光谱遥感数据具有波段数目多、波段宽度窄、数据量庞大、波段间相关性高等特点,在一定程度上为图像的进一步处理和信息提取带来困难.为解决这一问题,在分析已有降维方法的基础上,提出了基于地物诊断性波谱吸收特征的高光谱遥感图像降维方法,将地物的诊断性吸收波谱特征区间作为一个独立的子空间进行处理,尽可能保留地物独有的吸收特征;在此基础上,进行子空间的特征提取和特征选择.为验证该方法的优越性,将其与传统的基于波谱区间的子空间划分方法进行分类对比,研究表明:基于该文方法降维后的图像分类精度更高,丰富了现有降维方法理论,具有一定的实用和推广价值.     

用于植被冠层分析的高光谱波段的组合方法研究

波段数目多和波段宽度窄是高光谱分辨率遥感的两个显著特点 ,常规的用于分析的波段组合方法在信息的利用上是不充分的。笔者利用六种植物的冠层测量数据作为试验样本 ,使用了系统聚类分析的方法 ,找出具有信息相似性的波段 ,将这些波段划分为同一种通道类型 ,它们对于植被冠层中的同一种生化成分是敏感的 ,并使用主成分分析的方法进行降维、合并处理 ,得出可以用于实际分析的波段线性组合方法。最后利用前两个主成分的相对得分图 ,进行不同物种类别的划分 ,达到识别的目的。     

基于像元级RS影像数据融合方法应用评价

遥感信息融合（Fusion）是目前遥感应用领域的一个热点问题。高分辨率的全色影像与多光谱彩色低分辨率的遥感数据叠加，可以最大限度地利用不同分辨率、不同光谱信息和不同时相分辨率的遥感信息。融合中对同一地区长江流域秭归段的TM4、3、2多光谱和TM8高分辨率的遥感影像采用了IHS变换、分辨率（主成分分析）融合方法进行了数据融合，并对不同的融合方法所得到的融合影像进行目视和统计特征的分析与评价。     

北京一号卫星影像的数据融合研究

"北京一号"卫星是我国近期发射的一颗中高分辨率对地观测小卫星.鉴于数据融合技术在遥感领域的重要作用,对该卫星多光谱与全色波段数据进行不同融合方法的实验.具体以河南新郑地区为实验区,应用遥感处理软件,通过定性分析和定量评价,得出Brovey变换是目前较适合北京一号小卫星数据的融合方法,而小波HIS变换则是以后研究的重要发展趋势.     

土壤盐渍化遥感应用研究进展

文章从地面数据的调查、盐渍土影象的目视判读特征、光谱特征和土壤盐渍化区域的植被特征以及多光谱、高光谱遥感技术等方面综述国内外应用遥感数据探测土壤盐渍化程度及其制图的研究。利用数字图象并结合野外调查数据进行目视解译和计算机自动解译、图象变换提取盐渍土信息;结合G IS方法在分类中加入非遥感数据来提高分类精度;在研究盐渍土的光谱特征的基础上应用高光谱技术定量或半定量地提取盐渍土信息。这都是制定综合治理措施、决定土地利用方向的关键,也是进行区域土壤盐渍化动态预报的重要依据。     

基于无人机遥感的黄河下游河南段河滩地植物群落多样性研究

周期性的农业活动和水沙变化已经显著改变了黄河下游河滩地的植物群落结构,快速、准确地获取河滩地的植物群落多样性信息,可以为黄河流域生态保护和恢复提供参考依据.以位于河南省新乡市原阳县朱贵村南部的黄河下游河滩地的植物群落为研究对象,采用最大似然、人工神经网络、面向对象和随机森林分类方法,利用无人机多光谱遥感影像数据,对河滩...     

SAMPLING REMOTELY SENSED IMAGERY FOR STORAGE,RETRIEVAL, AND RECONSTRUCTION*

A major difficulty in remote sensing is handling the many data from sensors aboard aircraft and satellites. In this paper we identify an optimal procedure for sampling remotely sensed data before their storage or on their retrieval. The procedure depends on spatial correlation in the scene and uses kriging to estimate values that have been lost. An example in which data from an airborne multispectral scanner could be diminished to only about one tenth without serious loss of precision illustrates the method.     

GF-5卫星高光谱影像数据质量评价与分析

目前遥感影像质量评价的指标与方法虽较为成熟,但尚未发现针对高分五号(GF-5)卫星AHSI影像数据质量评价及其可用性的全面研究。该文在分析高光谱影像质量评价方法的基础上,利用噪声标准差、清晰度和信息熵3个指标,对GF-5可见短波红外谱段的数据质量与可用性进行分析评价,结果表明:GF-5AHSI影像不同波段数据质量存在差异,影像信息主要集中在VNIR和SWIR第1-95波段内(受水汽影响的波段除外),SWIR中第43-50、96-112(1359.03~1418.17nm、1805.44~1940.15nm)共25个波段受水汽影响严重,不可用,第113-180(1948.57~2513.25nm)波段影像质量较差、噪声严重,阻碍了该波段的应用。研究结果可为GF-5AH-SI影像数据的处理与应用提供技术参考。     

基于多维度遥感影像的洪河国家级自然保护区沼泽湿地分类方法研究

以洪河国家级自然保护区为研究区,选取了多时相的Sentinel-1B和Sentinel-2A影像为数据源,制定出9种多时相主被动遥感数据组合方案,用于沼泽湿地遥感分类;分别对根据9种方案整合的多维数据集,进行基于尺度继承的多尺度分割,得到面向对象的分割影像,建立与不同方案对应的特征数据集;采用随机森林机器学习算法,对多...     

地学应用中的遥感图像处理若干问题的分析

遥感技术在地理学应用中是如何从遥感影像上直观、准确的得到所需的信息,为本专业服务。文章从地学应用部门在进行遥感影像处理时遇到的几个问题:多光谱数据的选取与合成;多源信息的复合;新型图像分类器的应用;专题提取的精度等方面的进展作了分析。     

APPLICATIONS OF ARTIFICIAL INTELLIGENCE TECHNIQUES TO REMOTE SENSING*

Remote sensing is a geographic analysis tool capable of producing large quantities of data in the spectral, temporal and spatial domains. Techniques for automating the image analysis process would be advanced by the inclusion of artificial intelligence techniques in the design of image processing systems. The remote sensing application which show promise for successful implementation of artificial intelligence techniques are intelligent onboard processing, advanced database interrogation, and the automated analysis of multispectral imagery.