遥感邻近效应测量与数据分析

2004年和2005年开展了遥感邻近效应的理论研究,2次卫星、1次航空遥感同步试验测量和测量数据分析,在获取了邻近参数的基础上实现了对图像的邻近效应校正。本文介绍了2005年7月25日在官厅遥感实验场沙漠的卫星同步测量实验结果和2005年5月11日奥运场馆建设预留裸土地的ADS40航空遥感同步实验测量数据分析。改进测量方案和测量装置,并且对测量结果进行了对比分析。在两个相邻像元邻近效应分析的基础上,增加了9个点邻近像元效应分析和建立计算公式;在满足高斯条件和影像平坦性要求的前提下,直线高斯相邻点（d=2R）条件下亮度分布交叉点在（d=R）,像元分辨率相互影响约为12.5%,实际测量中亮度分布交叉点和相互影响偏向于亮度值相对低的像元。     

高分多模卫星大气校正总体设计与在轨验证

高分多模卫星搭载中国首台民用大气同步校正仪,可以对同平台的高分辨率相机观测区域进行时间同步、视场覆盖的大气参数测量,实现对高分辨率图像的大气校正。文章论述了高分多模卫星大气同步校正的总体设计思路,并给出了时空同步、多谱段、多偏振通道探测体制的设计方案和地面验证结果。高分多模卫星入轨以后,对大气同步校正仪的大气参数反演效果和高分辨率图像的校正效果进行了分析,结果表明利用大气同步校正仪测量数据对大气气溶胶光学厚度（AOD）和大气水汽含量（CWV）的反演结果可信,对高分辨率图像有较好的大气校正效果。     

基于神经网络的二类水体大气校正

以MERIS高光谱影像为数据源,根据现有大气传输模型和大气校正方法,探索了适合于内陆湖泊二类水体的高光谱遥感影像大气校正方法。在6S辐射传输模型的基础上,构建了基于神经网络的二类水体大气校正算法。通过构建输入卫星辐亮度直接提取离水反射率的模型,无需同步气溶胶参数,即可实现大气校正。对2010年8月9日的MERIS影像进行大气校正,并将校正后的遥感反射率与准同步实测离水反射率进行对比分析,结果表明,大气校正过程有效去除了大气效应的影响,经过大气校正的13个波段的平均相对误差分布在10%～40%,得到了与实测值相近的水体遥感反射率。     

遥感影像不同校正模型对反射率的影响分析

采用飞马D200四旋翼无人机携带多光谱相机,获取了可见光波段的数据,地面同步测量了地表反射率和大气参数.结合实验数据,采用基于POS数据的严格成像模型和多项式模型对图像进行了几何校正,对比了2种模型的校正精度和不同重采样方式产生的差异.在几何校正的基础上进行了大气校正,获得地表反射率,选取典型地物水体、植被、裸土的实测结果进行验证.结果表明低空无人机遥感可以得到精度较高的地表反射率结果,但不同的几何校正模型对地表反射率影响较小,可以忽略.通过开展该实验证明了利用无人机开展定量化遥感研究的可行性.     

高光谱遥感影像的FLAASH模块大气校正与评价

传感器在获取地面信息的过程中,由于大气辐射及散射等原因,传感器得到的测量值与地物的真实值之间存在误差。大气校正是消除辐射畸变,获取地面真实信息,实现遥感数据定量化的基础。研究运用FLAASH大气校正模块,对AVIRIS高光谱遥感影像进行大气校正,选取典型地物,通过光谱曲线变化,植被指数进行校正结果评价,表明大气校正效果明显。且邻近像元纠正功能对其结果有进一步的提高。     

大气辐射传输模型及MODTRAN中透过率计算

在用遥感影像反演地面参数时,即使天气晴朗,也要受大气、气溶胶、云的影响。因此大气校正成为提高反演精度的主要因素之一,文中在介绍大气传输的概念模型的基础上,对遥感影像的大气校正方程和参数做了介绍,同时介绍了怎样用MODTRAN获取这些参数,并做了具体分析     

环境星CCD数据大气校正研究

利用6S模型和同步气象资料,对国产环境与灾害监测预报小卫星HJ-1 A的CCD1传感器数据进行了大气校正和反射率反演。同时对CCD1传感器1～4波段大气校正前后的反射率变化进行了对比研究,发现大气校正后的1～3波段的地面反射率明显降低,4波段的地面反射率升高;利用同步野外实测地面数据对大气校正后的反射率数据进行了检验,两者结果基本一致;此外,还进行了定量化误差分析,以同步野外实测地面数据作为标准,将大气校正后的反射率数据与之对比,分析了可能带来误差的原因。结果表明,利用6S大气校正方法能够有效去除HJ-1 A星CCD图像的大气影响,获取地物绝对反射率。     

利用轨道参数修正的无控制点星载SAR图像几何校正方法

使用距离多普勒模型进行SAR图像几何校正时,卫星轨道误差、系统成像参数误差和DEM高程的误差会影响几何校正精度。本文提出了一种基于轨道参数修正的星载SAR图像几何校正方法。首先利用多项式对卫星轨道进行参数化,然后使用模拟SAR图像与真实SAR图像进行匹配得到控制点来修正轨道参数,最后利用修正后的参数进行几何精校正,从而提高几何校正精度。该方法无需地面控制点,适用于不易于人工测量获取地面控制点地区的SAR图像几何校正,与基于模拟SAR图像匹配并使用多项式改正的几何校正方法相比,本文方法具有更高的精度。使用Radarsat-2图像进行试验,并使用地面实测GPS控制点验证了本方法的有效性。     

WHI的场地外定标和二类水体的大气纠正

WHI(Wide field-of-view Hyperspectral Imager)是具有5nm光谱分辨率的航空成像光谱仪,光谱范围从406nm到985nm。为评价该传感器在二类水体水质监测的性能,2006年1月9日在太湖地区进行航空飞行,并利用ASD和CE318同步测量水面光谱和大气参数。为比较准确的反演水质参数,对该传感器进行场地定标和替代定标,场地定标是对实验室定标后的辐亮度进行再次定标,替代定标利用同步点水面光谱计算的遥感反射率对图像计算的遥感反射率进行标定。最后对WHI进行大气纠正得到太湖的遥感反射率,并利用其他的准同步点进行精度检验,在532nm到750nm之间的大气纠正误差不超过5%。     

ADS40/80影像数据在数字城市框架数据建设中的应用

在"数字城市"建设中,利用ADS40/80数字影像通过像素工厂和Virtuo Zo全数字摄影测量工作站进行DOM、DEM、DLG数据成果制作。简要介绍ADS40/80像机及其特点,重点探讨利用ADS40/80数据制作DOM、DEM和DLG的作业流程及方法。     

不同地表覆盖下SPOT-7影像大气校正方法研究

针对不同的地物覆盖类型,分析和评价了适用于SPOT-7卫星数据的大气校正方法,为其遥感定量研究和应用提供思路和参考。在河南省嵩山地区进行了同步观测实验,获取了SPOT-7卫星影像并进行大气校正处理,地面同步测量了大气光学特性和典型地物样区光谱,计算了地物样区在影像上的反射率和植被指数,分析了不同地物覆盖类型下大气校正模型(fast line-of-sight atmospheric analysis of spectral hypercubes,FLAASH)和大气模型(second simulation of the satellite signal in the solar spectrum,6S)的大气校正效果。对自然植被、农作物中的高秆作物、硬地建议采用FLAASH进行大气校正,对农作物中的低矮作物,建议采用6S进行大气校正。     

TM图像的SOMP几何纠正法

针对缺少地面控制点（GCP）的遥感影，探讨一种几何精纠正的新方法，就是把空间投影理论应用于遥感图像的几何精纠正中，利用空间斜墨卡托投影（SOMP）和少量地面控制点对遥感影像实施几何精纠正，该方法理论严密，算法速度快捷，适用性强，通过对广州地区的TM影像进行的几何精纠正实验，该方法十分有效，几何精纠正精度在一个像素左右。     

基于混合像元分解的南方地区植被覆盖度遥感监测——以广州市为例

通过测量图像端元的地表反射率,对遥感图像进行精确大气校正;在对混合像元分解模型进行改进的基础上,建立了基于地表反射率的线性混合像元分解( Liner Spectral Unmixing,LSU)模型,有效地避免了因大气时间、空间差异所造成的多时相误差,实现了多时相对比;通过增加土壤湿度因子,消除了土壤湿度差异造成的误差...     

鄱阳湖HJ-1A/B卫星CCD影像大气校正研究

以准同步的Terra/MODIS反演的气溶胶为辅助,采用FLAASH模型对2009-10-24鄱阳湖HJ-1A/B卫星CCD影像进行大气校正处理。结果表明,大气影响可以被有效去除,在水体遥感反射率较高的红、绿波段,大气校正精度较高,平均相对误差分别为13.4%和9.8%;而在水体遥感反射率较低的近红外、蓝波段,大气校正精度较低,这可能与波段不同的信噪比和陆地邻近像元效应有关。     

利用地形图对TM遥感影像进行几何精校正的方法研究

遥感数据的几何精校正是生成遥感数据产品及将遥感数据用于进一步数据分析前重要的一步。几何精校正的效果将直接影响到影像地理参考的精度,进而影响到在许多遥感数据分析中都要用到的地物能否精确定位的问题。因此几何精校正是遥感科研工作中基础的必可可少的工作之一。本文介绍了利用1:100000比例尺地形图及ERDASIMAGINE8.6软件,采用2次多项式模型,对关中平原TM影像进行几何精校正的方法。结果表明:当保留25个控制点时,校正后误差为0.63个像元,校正后影像具有较高精度,可以用于遥感信息的提取以及为地理信息系统等提供可使用的数据。     

基于形状特征的矢量数据与影像数据配准方法研究

本文提出将矢量空间数据与影像数据间配准转换到矢量空间数据间匹配的思路,并开展了相关研究。本文主要思路是通过对影像数据进行基于形状特征的提取及矢量化,然后利用矢量空间数据间匹配方法对矢量化后数据和现有矢量空间数据进行匹配,获取匹配实体对;在获取的匹配实体对中选取控制点对,在矢量化后数据中选取控制点,将所选取的控制点反馈到原始遥感影像上进而获得控制点相应的像元坐标;最后应用矢量化后数据中控制点的像元坐标数据和现有矢量空间数据中对应的同名点坐标数据对原始影像进行几何纠正,从而实现矢量空间数据和影像数据的配准。     

Landsat TM数据不同辐射校正方法对土地覆盖遥感分类的影响

本文主要是探索Landsat TM数据不同辐射校正方法对土地覆盖遥感分类的影响。介绍了使用的3种不同辐射校正方法(ATCOR3、FLAASH以及查找表)和两种分类算法。在分类实验部分,根据样本的地理坐标在3景校正影像中分别采集训练样本并训练各自的分类器,并交叉用于其他辐射校正影像的土地覆盖遥感分类。实验结果表明:(1)用于分类器训练的样本采集自待分类影像时的分类精度明显高于采集自其他影像的分类精度;(2)3种辐射校正影像的分类结果存在差异,其中使用ATCOR3和FLAASH方法校正后影像的分类结果有更相近的精度;(3)辐射校正对分类类别的影响不同,其中对森林类型影响最大,对裸地等其他类别影响相对较小。     

基于混合像元分解的水体遥感图像去云法

大型内陆水体的遥感图像中往往存在着不均匀薄云或者是气溶胶的影响，由于种种原因，传统的大气辐射校正算法无法消除这种不均匀影响，这就给遥感图像的大气校正带来了很大困难。由于水体属于低反射率地物，这种薄云或者气溶胶的不均匀性带来的误差，极大地降低了水体遥感图像的信噪比，进而影响水体信息遥感提取精度。根据部分太湖地区的遥感图像和地面实测数据，作者以一种新的思路来尝试解决这个问题。该方法充分考虑了水气环境的特点，把水体像元光谱看作水、污染物和气溶胶（薄云）等光谱的混和。基于混合像元模型，该方法有效地消除了薄云和气溶胶的影响，可使我们通过遥感手段更加精确地提取水质信息。     

监督分类和目视修改相结合在高分辨率遥感影像中的应用

用计算机对遥感影像进行地物类型识别是遥感数字图像处理的一个重要内容，传统的地物分类一般采用MSS、TM和Spot等遥感影像作为数据源。与MSS、TM和Spot等传统遥感影像相比，QuickBird等高分辨率影像数据量大，混合像元减少、地物信息增大，能够被应用于土地分类。在监督分类中，对于达不到精度要求的模板，通常采用重新选择训练区的方法来进行修正，而本文采用目视修改的方法来对监督分类进行补充。本文方法可以改正初次分类中的误分、混分地物，使其归到正确的地物分类中，显著提高了土地分类的精度。为了验证算法的有效性，利用ERDASIMAGING遥感图像处理软件进行实验和精度评价。实验结果表明，监督分类和目视修改相结合的地物分类方法可以显著提高图像的分类精度。