夜间陆地辐射雾的遥感时序数据检测

针对目前单时相遥感夜间陆地辐射雾检测不能有效分离雾和地表、低云的问题,利用日本第2代多功能卫星数据的高时间分辨率特性,提出了基于时序特征和支持向量机的夜间陆地辐射雾检测模型。该模型首先在单时相夜间陆地辐射雾检测基础上,使用第1和第4波段亮温差时序曲线构造的亮温差累积特征将夜间地表与陆地辐射雾和低云分离,然后利用第1波段亮温时序曲线构造的亮温变化累积特征、斜率匹配特征和频域奇异性特征,结合支持向量机进行夜间雾和低云的分类,从而实现基于时序数据的夜间陆地辐射雾检测。对两期遥感时序数据进行实验发现,与单时相夜间陆地辐射雾检测相比,利用时序数据的方法较好地提高了夜间陆地辐射雾的检测精度。     

基于DNB验证的VIIRS夜间云检测方法

针对夜间云检测验证中低云和雾难以区分的困难,提出了对于南方山区有效的云检测和验证方案。通过分析可见光红外成像辐射仪套件(visible infrared imager radiometer suite,VIIRS)传感器数据的新特性和云检测的原理,给出了适合VIIRS夜间云检测的方法。对白天/夜间波段(day and night band,DNB)数据对云检测验证的适用性进行了分析。结果表明:在月亮天顶角小于60°时,DNB波段能够较好地用于夜间云检测验证;在扫描角小于15°时,云检测精度不低于91%;使用VIIRS的M12和M13通道的亮温差值BTM12-BTM13辅助M12和M15通道的亮温差值BTM12-BTM15进行低云检测,能够去除大部分山谷中雾的影响;检测阈值对扫描角大小变化敏感,当扫描角较大时,设定的阈值在检测精度上不如扫描角较小时理想。     

基于SBDART辐射传输模型的夜间辐射雾自动检测及时间序列分析

如何确定合适的阈值来区分夜间辐射雾、晴空地表和中高云一直是雾检测研究的重点。圣巴巴拉DISORT大气辐射传输模型(Santa Barbara DISORT atmospheric radiative transfer,SBDART)可模拟雾顶亮度温度。基于该模型获取MODIS B20与B31波段的亮温差(brightness temperature difference,BTD),将其用于夜间辐射雾检测。以MODIS卫星数据为可行性试验数据,用国家卫星气象中心提供的地面验证数据进行验证,结果表明,使用该模型监测夜间雾的准确率达78.3%,误判率为21.7%,可靠性指标为0.643,Kappa系数为0.730。为进一步验证方法的稳定性,选取8景卫星序列图像进行时间序列分析,结果显示Kappa系数均值为0.744,说明应用当前阈值方法对MODIS夜间雾检测具有可适用性。该方法为夜间雾预报和夜间雾参数反演提供了有效的参考。     

利用MODIS数据监测夜间雾

在分析雾、云、地表、水体等目标物红外辐射特性的基础上,针对MODIS数据提出了夜间雾监测算法.试验表明,该算法能够将低云大雾与中高云、水体和地表区分开.     

基于MODIS数据的雾光谱特性研究

通过对中国东部不同区域不同季节的15幅白天MODIS影像进行雾与地物、雪、云的光谱特性差异分析,发现较利于雾与背景（地物、云、雪）分离的波段并分析其原因,为进一步利用MODIS数据进行大范围不同季节雾检测提供了一些初步建议和思路。     

基于FY-2E卫星数据的福建沿海海雾遥感监测

利用我国自主研制的风云二号静止气象卫星资料,结合地面自动气象站能见度资料,通过对大量不同时相卫星资料的试验分析,找出台湾海峡海雾、云以及晴空海表等典型下垫面的可见光、热红外和中红外3个通道的光谱特征和变化规律,在此基础上运用反射率阈值实现云雾与海洋表面的自动分离,用亮温阈值实现海雾和低云与中高云的自动分离,用中红外和热红外通道的归一化差值指标实现夜间海雾的自动识别,最后建立台湾海峡海雾自动监测业务软件系统,并选择2015年和2016年地面实测资料对遥感监测结果进行精度验证。研究结果表明:风云静止卫星逐时海雾产品能有效地弥补极轨卫星在监测时次上的不足,很好地为台湾海峡海雾动态监测业务提供数据支持;遥感监测结果与地面观测结果相吻合,总体上较为理想,海雾监测平均准确率白天超过70%,但夜间判识精度低于白天;但同时风云静止卫星遥感技术在海雾和低云的有效分离方面仍然存在局限性。     

高分辨率遥感影像快速去雾

针对含雾遥感影像在军事航空侦查、地物判读等方面使用率低、有效性差的问题,以及现有去雾算法中存在计算复杂耗时、色彩失真的弊端,结合遥感影像景深变化小、不含天空背景等特点,本文提出一种改进的暗原色先验去雾算法。首先,对影像中白色场景灰度值进行统计并设定阈值划分为失效区,分离水域与非水域减少蓝色波段在水域的占比,合成新的蓝色波段,以改进暗通道值的获取方法;其次,采用导向滤波替代软抠图法优化透射率提升处理时间;然后,对关键参数进行适应性改进试验并采用自动色阶恢复去雾后的影像色彩;最后,利用含雾的无人机影像和GF-2影像进行了试验,并进行了定量评价。试验结果表明,在同等试验条件下,本文方法处理单幅影像的时间比暗原色先验去雾算法的提升4倍以上,且去雾后影像的灰度均值、标准差、信息熵、平均梯度等指标比暗原色先验去雾算法得到的值均有提高,能有效提高有雾影像的清晰度,增强影像色彩和细节。     

基于MODIS云产品的AIRS像素云检测

为了利用MODIS云产品数据检测出大气红外探测器(AIRS)数据中像素云的特性,首先采用空间匹配算法对MODIS和AIRS数据进行匹配,然后结合MODIS云分类、云相态掩模及其业务上的云检测算法,实现了利用MODIS数据对AIRS像素云(单个视场云)特性的检测.结果表明,用MODIS 1 km分辨率产品数据可以实现对AIRS数据的云分类(低云、中云、高云)和云相态(水云、冰云、混合云)检测.     

基于MODIS卫星数据的平流雾检测研究

利用MODIS卫星数据．对雾与目标物(水、云、雪、地物)分别进行采样．得到光谱曲线并进行光谱分析，提出了有利于白天和夜问平流雾检测的波段．利用该波段选择结果．采用阈值法对平流雾进行检测并得到地面数据验证。结果表明，MODIS数据在雾检测方面具有很大的潜力。     

利用可分离非负矩阵分解实现高光谱波段选择

高光谱影像波段众多且相关性强,导致分类存在信息冗余且计算量较大。提出了可分离非负矩阵分解方法来选取高光谱影像的代表性波段子集,在保证分类精度的同时降低计算量。该方法假设高光谱影像的波段集合具有可分离特性,改进传统非负矩阵分解模型,将波段选择转换为可分离非负矩阵分解问题,采用迭代投影方法来依次选取能够非负线性表达其他波段的代表性波段。在此基础上,利用两个公开高光谱数据集对比几种主流方法,采用定量评价和分类精度指标来综合评价所提的波段选择方法的效果。实验结果表明,可分离非负矩阵分解方法的分类精度高于其他几种方法,而且计算效率排名第2,能够选取合适的波段子集以满足高光谱遥感的应用需求。     

车载激光点云数据的栅格化处理

车载激光点云由于车辆的震动和点云的融合,得到的数据为散乱空间点云。本文通过对空间点云进行两个方向的排序,得到以x值为主排序,z值为次排序的点云图,然后设置栅格,对于每个栅格点,找到投影在XOZ投影面内与其距离最近的激光点,将该激光点的y值赋给栅格点,得到与该区域空间点云相对应的栅格化点云。在按照X值排序时,根据点云的特点给出了一种插入排序算法。实验结果表明栅格化后的点云与原点云在表现建筑结构上效果一致。散乱点云栅格化后为点云的进一步分析打下基础。     

星载毫米波测云雷达资料的云特征分析

基于CloudSat卫星资料, 综合地基和天基遥感资料云特征反演算法, 开展了云分类和云相态识别方法研究, 并将所得结果分别与CloudSat数据处理中心(DPC)发布的云分类产品和CALIPSO星上载荷Lidar产品进行了比对分析和个例研讨。     

基于梯形评语云及虚拟云理论的DLG质量评价方法研究

空间教据质量评价是一个模糊性和随机性共存的问题,而传统的质量评价方法无法解决这一难题.本文提出用基于梯形评语云和虚拟云理论的空间数据质量评价方法解决评价过程中模糊性与随机性共存问题.最后,本文分别采用基于梯形评语云和虚拟云的质量评价方法和传统的加权平均法、模糊综合评价方法进行DLG质量评价实验,结果表明,基于梯形评语云...     

Mapping in the cloud

ABSTRACT

This paper describes the development of a crowdsourced indoor navigation system named SoleWay. Because the input of volunteers is crucial, special attention was paid to the usability of the system at different stages throughout its development. Besides a user-friendly system, this has resulted in a number of important insights that can facilitate the development of future systems: the importance social motivation of potential users, integration of a stepwise approach (with a gradual release and subsequent user evaluations), and adaptation to user requirements. These elements combined are also crucial to be able to obtain a critical crowd that can sustain a viable content.     

融合激光点云与影像点云的精细化DEM生成

针对地面激光扫描及无人机航摄技术在实际外业测量中受视场角限制或遮挡等因素的影响而难以获取待测区域完整的点云数据的问题,本文在经典ICP算法的基础上,提出了一种顾及高程差异和点云密度的激光点云与影像点云融合方法。通过差分数字高程模型对点云进行分块,并基于点云密度选取融合范围,将分块后的影像点云配准到激光点云的孔洞和稀疏区域。本文方法能够提高激光点云与影像点云的融合效果,保持激光点云的精度并保留更多的细节特征,实现激光点云与影像点云的高质量融合。     

三种卫星云量数据在青藏高原地区的比对分析

青藏高原是卫星反演云参数的热点和难点区域。选取1982年—2015年0.1°空间分辨率的Patmos-x、0.25°空间分辨率的CLARA-A2的NOAA/AVHRR下午星数据和2003年—2015年0.05°空间分辨率的Aqua/MODIS C6等3种云量数据,针对青藏高原区域,从数据的反演算法和数据的空间属性出发,进行比对分析。Patmos-x和CLARA-A2具有相同的数据源和相近的云检测算法。与地面观测云量相比,Patmos-x云量与地面观测云量间的相关性大于0.8,MODIS次之,CLARA-A2云量与地面观测云量的相关性很弱。3种数据均表现出高原东部云量多于西部云量,北部云量多于南部的云量空间分布特征和白天云量大于夜间云量的时间分布特征。量值上CLARA-A2云量大于Patmos-x。2003年—2015 年夜间Aqua/MODIS 年均云量比CLARA-A2高8.82%。34年间Patmos-x和CLARA-A2年均云量以减少为主,夜间云量的变化趋势比白天云量变化趋势明显,CLARA-A2云量的变化趋势较Patmos-x明显。2000年是高原区域云量由偏多到偏少变化的拐点。1、4、10月多年云量以减少为主要变化趋势,7月云量以弱增多为主要变化特征。     

一种改进的点云数据配准方法

针对利用最近点迭代（ICP）算法进行点云数据配准时费时较多的问题,提出结合Butterworth高通滤波器和Sobel边缘检测算子首先对点云数据进行预处理,然后再用ICP算法进行点云配准,有效解决这一问题,加快配准速度,并在Matlab中编程实现该方法,具体实验结果证明该方法的有效性。     

云偏振遥感综述

云是指停留在大气层中的水滴或冰晶胶体的集合体,也是地球上庞大水循环产生的有形结果,在全球气候中扮演着重要的角色。偏振遥感对光的辐射强度、方向、相位以及偏振状态等波谱特性进行描述,丰富了观测信息量,提升了观测信息的维度。为了更好地了解偏振遥感云的优势,本文对国际上发射的POLDER、APS、DPC等标志性的偏振传感器的特征和云反演算法进展进行了总结,涉及到相关偏振载荷参数信息、云参量算法的介绍和产品等相关内容,并就经典偏振云参量算法做了详细的总结和评价。随着国际上后续偏振传感器快速增加,对未来偏振传感器的发展方向和相关算法进行了展望。     

统一样本云检测技术在GF-6 WFV上的改进与应用

目前基于深度学习的云检测方法,受训练样本限制,算法难以推广及应用。为了快速实现针对多种传感器的高精度的云检测,Sun等（2020）提出统一样本云检测方法。基于AVIRIS高光谱样本库模拟出待检测传感器的云和晴空地表像元,将模拟得到的多光谱样本数据输入到BP神经网络中进行逐像元分类,生成云检测模型,实现Landsat 8 OLI等宽光谱传感器较高精度的云检测。该方法基于统一样本模拟出不同传感器的样本像元库,适用于多种传感器的云检测。由于Landsat 8 OLI波段较多,波谱范围覆盖宽,容易实现云的高精度识别。为了进一步提高其在光谱范围较窄的GF-6 WFV数据上的云检测应用精度,在模拟出的样本库中加入GF-6 WFV数据典型高亮地表像元。通过目视解译对云检测结果进行精度验证,结果表明,该算法利用可见光和近红外通道的遥感数据可以高精度的识别出植被、水体、建筑、裸地等地表类型上空的厚云、碎云和薄云。改进后的云检测算法,云像元平均正确率达到88.40%,在高亮地表上空云像元正确率达到87.40%,在不同地表类型上空的云像元平均正确率为92.60%。结果表明,加入高反射率地物的算法可以利用有限波段实现云和地表的高精度分离。