多尺度纹理及多光谱影像协同的遥感岩性识别方法

岩性识别是遥感图像分类的难点,也是遥感地质应用的难点和热点。从遥感地质应用的实际需求出发,以西昆仑地区侏罗纪沉积岩地层为例,通过尺度转换提取高分遥感图像的多尺度纹理信息,采用波段叠加的方式协同多尺度纹理信息与ASTER影像多光谱信息进行岩性识别方法研究。利用WorldView 2全色数据进行向上尺度转换,形成空间分辨率分别为0.5,2,5,10,15,30 m 6种尺度图像数据,基于灰度共生矩阵提取各尺度上的纹理信息;将不同尺度的纹理信息分别与ASTER多光谱数据叠加形成协同数据;采用监督分类方法对研究区协同数据进行岩性分类。结果表明:①岩性纹理信息对空间尺度表现出依赖性,纹理信息量及含义随空间尺度不同而变化;②每套特定岩层因其独特的几何空间结构特征(厚度、产状、夹层、互层等)都有与之相适应的最佳纹理尺度,且该最佳尺度下纹理与光谱的协同效应最大;③纹理信息与多光谱数据形成的协同数据能有效提高岩性分类的精度,分类精度提高的程度与纹理计算的尺度相关。研究区岩性分类结果显示当纹理尺度为10 m时,与仅基于ASTER纯光谱分类结果相比,精度提高了约6.9%。?      

克里格法的土壤水分遥感尺度转换

 尺度效应往往会制约着定量遥感反演的精度,对地学信息进行空间尺度转换是生产实践的必然要求,而常用的尺度转换模型多利用光谱数据进行差值计算,不适合升尺度和降尺度转换。由于土壤含水量数据具有区域变化量的随机性和结构性特点,本文以15m分辨率的ASTER图像像元为基本单元,采用点克里格法完成ASTER 15m至7.5m分辨率的土壤含水量数据降尺度转换,从分维数的相似程度上来看,转换结果是合理的;并利用块状克里格法对地面实测样点数据进行点到7.5m分辨率的面数据升尺度转换,将升尺度和降尺度转换结果与实测样点均值相比较,结果表明:7.5m分辨率的实测样点土壤水均值误差在1.5782-5.019之间,块状克里格法获取的升尺度土壤含水量数据与点克里格法获取的降尺度土壤含水量数据之间误差则为1.2825-5.0481,可见克里格法考虑了点与周边的关系,所获得的土壤含水量值要优于未考虑空间异质性的土壤含水量平均值。     

基于最大公约数的遥感影像空间尺度转换算法

多源、多尺度遥感影像为研究不同尺度的地表变化提供了丰富的数据。但其在作比较研究时,通常会涉及空间尺度统一问题,当多源遥感影像之间的空间分辨率为非整倍数关系时,其空间尺度统一相对困难。为此,本文针对多源、多尺度遥感影像间尺度比较时所涉及的空间尺度转换问题,提出了最大公约数的空间尺度转换算法,并以IKONOS多光谱影像为数据源,采用若干商业软件和本文所提算法进行空间尺度转换比较实验;同时,利用均值、标准差和相关系数等6个评价指标对空间尺度变换后的影像进行定量评价。结果表明,本文提出的空间尺度转换方法对原始影像的光谱信息等特征具有很好的保真性,简单易行,可实现遥感影像任意空间尺度的转换,解决了多源遥感影像之间的空间分辨率为非整倍数关系时的空间尺度转换问题。     

基于ICESat/GLAS的山东省SRTM与ASTER GDEM高程精度评价与修正

SRTM3和ASTER GDEM V2数据具有较高的空间分辨率和广泛的覆盖范围,对于地学研究具有重要意义;但在不同地形复杂度和地面覆盖物区域,两类数据的误差分布并不均匀。SRTM3和ASTER GDEM V2数据自公布以来,其精度修正一直是研究热点。然而大范围区域精度验证缺乏有效手段,传统方法可靠性差且数据获取成本较高。自ICESat-1数据公开以来,它们已成为SRTM3和ASTER GDEM V2精度评定的主要检核点。为此,本文以山东省为研究区域,借助ICESat-1评估了SRTM3和ASTER GDEM V2的高程精度,并根据插值误差曲面对两种DEM进行了修正。分析表明,原始SRTM和ASTER高程中误差分别为5.57 m和7.20 m,均高于标称精度;随着坡度的增大,高程精度呈降低的趋势。通过分析土地覆盖类型与误差分布关系表明:农田、灌丛土地类型精度较高;森林、湿地精度较低。分别采用反距离加权、普通克里金、地形转栅格和自然邻域插值方法构建误差曲面。结果表明:不同的插值方法构建的误差曲面的特征和精度也不同。其中,反距离加权修正的效果最佳,其次是地形转栅格和自然邻域,而普通克里金修正的效果最差。     

GF-1影像和OLI影像协同土地利用模糊分类方法研究

针对高分辨率遥感数据进行土地利用类型分类时出现的“同谱异物”现象,以及中分辨率遥感数据划分土地利用类型时受空间分辨率限制产生的“混合象元”问题,本文以高分一号数据(GF-1)和Landsat-8数据(OLI)为例,提出了一种协同利用高分辨率遥感数据和中分辨率遥感数据进行土地利用类型模糊分类的方法。首先,利用主成分变换的方法分别对GF-1纹理信息和OLI光谱信息进行压缩和增强,并将增强后的纹理信息和光谱信息进行特征协同;然后,根据各地物类型的光谱、纹理特征,对特征协同数据进行60、80、100共3个尺度的分割;最后,根据地物类型间的光谱特征和纹理特征的差异,构建各地物类型的模糊逻辑隶属度函数,实现对影像土地利用类型的模糊分类。实验结果表明,主成分变换的方法有效地将研究区GF-1和OLI数据的光谱、纹理信息压缩、增强,为面向对象分类中分类特征的选取提供了一种思路;同时,本文方法成功划分了研究区土地利用类型,并获得了较高分类精度,总体分类精度达到93.52%,对其它高空间分辨率与高光谱分辨率遥感数据协同分类研究具有一定借鉴意义。     

典型山区SRTM3与ASTER GDEM数据精度对比分析——以青藏高原东麓深切河谷区为例

目前广泛应用的数字高程模型(DEM)包括SRTM和ASTER GDEM,但在地形影响下,两类数据的误差分布并不均匀。本文选用1:5万地形图DEM及河流要素作为参照,在青藏高原东麓山区开展实验,分别采用"河流-河谷"位置偏移量与高程中误差来评价两类数据的平面精度与垂直精度,结果表明:(1)实验区内SRTM3存在向西南方向的水平位置偏移,平均偏移量为127.8 m,ASTER GDEM则以正西方向偏移为主,平均偏移量为104.1 m,该区域ASTER GDEM的总体平面精度较好;(2)SRTM3数据样本的绝对误差分布相对集中,高程中误差为35.3 m,小于ASTER GDEM样本的高程中误差50.2 m,总体垂直精度优于ASTER GDEM;(3)在平均高程大于4500 m的高海拔区域,两类数据的中误差与高程值正相关,SRTM3中误差随高程增速较慢,垂直精度较ASTER GDEM高;(4)两组数据垂直精度对坡度有较大依赖性,中误差随坡度近似指数曲线增长,在平缓区域SRTM3中误差小于ASTER GDEM。本研究为该类数据在山区的选用及误差修正提供依据。     

基于MPI的大规模遥感影像金字塔并行构建方法

影像金字塔是实现影像数据多分辨率组织的重要方式,是提高影像可视化性能的有效手段。传统串行金字塔构建算法,对大规模影像数据的构建性能已无法满足遥感影像快速浏览的预处理需求。故此,其成为一个亟待解决的问题,而利用多核、多节点的高性能集群计算环境和并行机制是一个重要的技术途径。本文在共享外存的高性能集群环境下,提出使用消息传递接口(MPI)的金字塔并行构建算法,对构建遥感影像金字塔过程中的重采样与I/O 过程进行并行处理,大大缩短了遥感影像金字塔构建时间。实验结果表明:(1)该算法比传统串行构建方法的加速效果明显,对于单波段遥感影像,其加速效果可达到GDAL的5 倍以上,而对于多波段遥感影像,加速效果可达到GDAL的2 倍以上;(2)遥感影像数据量越大,并行构建算法加速效果越显著,对于大规模的遥感影像,本文提出的金字塔并行构建算法的速度可达到GDAL的10 倍左右。     

分形定量选择遥感影像最佳空间分辨率的方法与实验

遥感影像观测尺度是遥感信息提取研究的重要内容之一,也是遥感信息提取的焦点。以往,遥感影像尺度特征的分析大多基于地统计学,其主要体现遥感影像中的线性特征,而实质上遥感影像中既存在线性特征,又存在非线性特征。因此,在深入剖析遥感影像尺度效应及分形特征机理的基础上,本文探讨了分形理论定量选择遥感影像最佳空间分辨率（也称最佳像元观测尺度）的方法。以IKONOS全色影像的建筑用地、耕地、林地为研究对象,分别使用FBM、DBM、TPM 3种分形维数计算模型,实现了3种地物在不同空间分辨率下分形维数的计算。实验结果表明,每种地物的分形维数是随空间分辨率的增大,总体呈下降趋势,且在某些特征空间分辨率上会出现拐点。从遥感影像尺度效应分析可知,遥感影像空间格局随尺度的不同,其内部结构也不同。且随着尺度的增大,很多细节将会被忽略,影像的粗糙度也随着降低。而分形维数是目前为止描述对象自相似性和不规则度的唯一基本量化值,其直观上与物体表面的粗糙程度相吻合。因此,这些拐点对应的分形维数对地物的最佳空间分辨率的选择具有一定指示意义。通过本文研究可知,使用分形理论方法研究遥感影像最佳空间分辨率（或最佳像元观测尺度）,打破以往观测尺度方法研究范畴,从不同角度去分析遥感影像观测尺度问题对GIS研究与地学应用具有一定的理论和指导意义。     

SRTM1 DEM与ASTER GDEM V2数据的对比分析

本文以山西省为实验区,基于ICESat/GLA14测高数据对SRTM1 DEM和ASTER GDEM V2数据的垂直精度进行了对比,分析了其在坡度、土地利用类型和地貌类型中的误差分布情况,并基于地形剖面方法分析了2种DEM数据在地形表达上的差异。研究结果表明：① 在垂直精度上,SRTM1 DEM数据要明显高于ASTER GDEM V2数据,其绝对误差均值分别为4.0 m和7.8 m,标准偏差分别为6.0 m和10.7 m,均方根误差分别为6.1 m和10.7 m。② 这2种DEM数据的精度受坡度影响严重,随坡度值的升高误差增大;SRTM1 DEM的绝对误差均值、标准偏差和均方根误差在水田最小,在林地最大,而ASTER GDEM V2的这3种误差在居民用地最小,在林地最大;SRTM1 DEM 和ASTER GDEM V2的绝对误差均值、标准偏差和均方根误差在平原地区最小,在大起伏山地最大。③ 在平原和台地地区,ASTER GDEM V2数据高程值有异常波动,SRTM1 DEM在起伏山地存在对山谷过高估计。总体上,SRTM1 DEM比ASTER GDEM V2对地形的表达准确,与ICESat/GLA14对地形的描述基本相一致。     

GIS栅格化分辨率计算器的实现与应用

栅格数据是空间信息的主要表示形式之一,空间信息栅格化实质上就是根据一系列采样点,按照一定栅格大小(分辨率)对所描述对象进行重建,核心问题是格网分辨率大小的确定。然而,目前,流行的地理信息系统软件在栅格数据分辨率的确定上,具有一定任意性和盲目性。本文针对连续空间对象和不连续空间对象栅格化的需求,从数据本身特征出发,以奈奎斯特采样定理和最小可视元理论为依据,以计算机处理能力为约束条件,研究了连续空间对象、不连续空间对象栅格化过程中的栅格分辨率确定方法,并给出了常用的矢栅转换、地形数据、遥感影像数据、散点数据等栅格化过程中的适宜分辨率计算公式。在此基础上,开发了ArcGIS环境下的栅格分辨率计算器插件。实验结果表明,根据数据本身特性所确定分辨率要优于GIS系统所提供的分辨率。     

Evaluating Spatial Heterogeneity of Land Surface Hydrothermal Conditions in the Heihe River Basin

Land surface hydrothermal conditions(LSHCs) reflect land surface moisture and heat conditions, and play an important role in energy and water cycles in soil-plant-atmosphere continuum. Based on comparison of four evaluation methods(namely, the classic statistical method, geostatistical method, information theory method, and fractal method), this study proposed a new scheme for evaluating the spatial heterogeneity of LSHCs. This scheme incorporates diverse remotely sensed surface parameters, e.g., leaf area index-LAI, the normalized difference vegetation index-NDVI, net radiation-Rn, and land surface temperature-LST. The LSHCs can be classified into three categories, namely homogeneous, moderately heterogeneous and highly heterogeneous based on the remotely sensed LAI data with a 30 m spatial resolution and the combination of normalized information entropy(S') and coefficient of variation(CV). Based on the evaluation scheme, the spatial heterogeneity of land surface hydrothermal conditions at six typical flux observation stations in the Heihe River Basin during the vegetation growing season were evaluated. The evaluation results were consistent with the land surface type characteristics exhibited by Google Earth imagery and spatial heterogeneity assessed by high resolution remote sensing evapotranspiration data. Impact factors such as precipitation and irrigation events, spatial resolutions of remote sensing data, heterogeneity in the vertical direction, topography and sparse vegetation could also affect the evaluation results. For instance, short-term changes(precipitation and irrigation events) in the spatial heterogeneity of LSHCs can be diagnosed by energy factors, while long-term changes can be indicated by vegetation factors. The spatial heterogeneity of LSHCs decreases when decreasing the spatial resolution of remote sensing data. The proposed evaluation scheme would be useful for the quantification of spatial heterogeneity of LSHCs over flux observation stations toward the global scale, and also contribute to the improvement of the accuracy of estimation and validation for remotely sensed(or model simulated) evapotranspiration.     

卫星遥感图像空间分辨率适用性分析

从卫星遥感图像空间分辨率的定义出发,简述了影响卫星遥感图像空间分辨率的几种因素。根据各研究领域和研究层次对卫星遥感空间分辨率的不同需求,给出其相应的空间分辨率。从测绘制图的角度确定了不同比例尺地图所需要的卫星遥感图像空间分辨率大小。讨论了当前主要遥感信息源的应用范围,并结合案例对其适用性进行了分析,最后指出了卫星遥感技术目前存在的一些问题,提出了几点看法。     

资源三号卫星DEM数据与全球开放DEM数据的误差对比

全球开放DEM数据为数字地形分析提供了重要数据源。与已有的全球开放DEM数据相比,资源三号卫星具有更高的空间分辨率、更大的覆盖范围和更好的现势性。将资源三号卫星生成的DEM数据与全球开放DEM数据进行误差对比则为基于资源三号卫星的全球DEM数据研制提供科学依据。本文以山西省中部太原市为研究区,基于高精度激光点云数据生成DEM为参考数据,对资源三号卫星影像生成的DEM数据与全球典型的开放DEM数据(AW3D30、SRTM1和ASTER GDEM)的误差进行了对比分析,并获得了其在不同坡度等级下绝对误差与相对误差的平均值、平均绝对值、均方根值和标准偏差值。研究结果表明:①4种DEM数据的误差分布均具有较好的对称性。同时,平均误差接近于0 m,SRTM1和ASTER GDEM数据更是如此。因此均方根误差值与标准偏差值近似一致;②资源三号DEM具有最高的精度,误差最小(均方根误差4.6 m)。其次为AW3D30数据(均方根误差5.6 m)和SRTM1数据(均方根误差8.8 m)。ASTER GDEM数据误差最大(均方根误差12.6 m),精度最差;③资源三号DEM、SRTM1和ASTER GDEM数据的误差均随坡度的变大而增大,而AW3D30数据误差随着坡度增加呈现先减小后增大的趋势。总体上,与其他3种DEM数据相比,资源三号DEM在所有坡度范围均具有最小的误差值。     

遥感信息与知识交换共享元数据系统设计

随着遥感技术的飞速发展,遥感数据成为城市规划、地球科学研究、数字地球等重大科学研究和工程建设的重要数据源。但随着遥感数据量的不断增加和应用领域的扩大,如何科学有效地管理、存储、更新和重用已有的遥感数据资源,已成为当前空间信息元数据研究的热点。因此,有必要制订专门用于描述遥感数据及其相关资源的元数据系统,满足用户正确了解和使用遥感数据的需要,推动遥感数据共享。本文在研究和参考现有国家和国际地理信息元数据标准的基础上,设计了针对遥感信息与知识交换共享的元数据系统,该系统实现了遥感数据、相关辅助测量数据、应用方法模型以及传感器、平台等相关知识等信息的统一、规范表示,为遥感信息与知识交换共享搭建了元数据层次上的平台。     

四川省若尔盖县生态环境质量评价

本文以2007、2009和2012年的5月和9月共6个时期的遥感影像,基于栅格数据和综合评价模型,对若尔盖县的生态环境质量状况进行了评价。首先,从影响生态环境质量的因子出发,选取归一化植被指数（NDVI）、地表温度、坡度、坡向、土地利用、湿度指数6项生态因子作为评价指标;然后,利用主成分分析法确定各评价指标的权重,根据综合指数评价模型计算出研究区的生态环境质量指数,同时,依据计算结果的大小把研究区的生态环境质量划分为优、良、中、差4个等级;最后,对若尔盖县的生态环境状况的空间分布规律进行分析。结果表明,2007-2012年若尔盖县生态环境质量良好,不同时相的生态环境综合指数的均值均在60左右,同时该区域的生态环境质量有变好的趋势;不同季节的评价结果稍有差异,但是同一季节不同年的变化趋势是一致的;不同等级的区域相间分布,较差区域主要集中在植被覆盖较差的区域,西北部居多,中部零星分布。     

多分辨率协同遥感地块利用分类方法研究

遥感影像的获取受卫星、传感器设计、大气条件等限制,往往难以兼顾时间和空间分辨率,导致由单一来源数据提取遥感信息难度较大,难以满足各种应用对信息时空分辨率越来越的需求。由此出发考虑多源数据的不同优势及其随着周期运行不断积累的多时相数据,设计了基于地块协同多种分辨率甚至多源数据的分类方法。以高空间分辨率影像为地理基准构建稳定地块分布图,这些地块在一定时间内边界与基本属性相对稳定,由此可以协同利用高时相分辨率数据反映地块在不同时间点的光谱表现,分别计算形成地块的时相变化特征,根据地类各自特点选择不同方法与数据特征完成解译,总体上以地块级监督分类完成具体类别解译。在2014年夏季青海玛多的米级土地利用分类实验中,整个植被生长季的中分数据以及冬季无云高分数据被收集用于协同分类,在解决多数据匹配、合成的基础上充分利用各数据的优势,对建设用地、水体、植被等关键类别区别对待,整体上取得了较高的解译精度,不但有效克服传统视角下数据源不足、信息缺失等问题完成了全县解译,而且保证了土地信息的时空分辨率,为生态调查与保护提供了最新最全数据支持。     

改进的分水岭变换算法在高分辨率遥感影像多尺度分割中的应用

由于高空间分辨率遥感影像自身的复杂性,传统的分水岭分割方法难以取得令人满意的效果。本文提出一种改进分水岭变换的高分辨率遥感影像多尺度分割方法,在抑制分水岭过分割现象的同时,还能实现对遥感影像的多尺度分割。该方法充分考虑了高分辨率遥感影像的多光谱和多尺度特性,首先,利用各向异性扩散滤波技术对影像进行平滑滤波,目的是在滤除各种噪声的同时还能保持影像的边缘特征和重要的细节信息;然后,提取影像的多尺度形态学梯度,并从梯度图像中提取标记;接着进行基于标记的分水岭变换;最后,利用改进的快速区域合并算法实现对影像的多尺度分割。实验表明,改进的算法能有效地抑制分水岭的过分割现象,对高分辨率遥感影像有较好的分割性能。     

多源遥感影像数据融合方法在地学中的应用

应用遥感影像数据融合理论，研究了光学遥感、热红外遥感、微波遥感卫星在地质学中的应用，论述了不同类型的遥感数据及其他地学数据在不同层次上的同一传感器多波段数据融合、不同SAR图像数据融合、HIS变换、遥感影像与地球物理、地质和航磁等数据的融合。结果表明，数据融合技术在突出地质特征信息方面具有能突出线性构造、断裂构造、地形地貌的优势。