雷达卫星的遥感应用及发展

合成孔径雷达（ＳＡＲ）有着其他遥感器所难以比拟的优点和特性,因此一些发达国家和组织都积极研制与发展各自的ＳＡＲ遥感卫星（简称雷达卫星）本文对国外雷达卫星的性能,有效载荷和应用,乃至今后的发展趋势等分别作了介绍与评述,最后就我国卫星的研制及发展提出了对策与建议。     

基于航天与航空多角度观测提取二向性反射系数与方向半球反射信息(英文)

ＭＩＳＲ计划于１９９８年搭载ＥＯＳ的ＡＭ１平台发射升空。目前我们利用仿真数据和现在已有的机载ＡＳＡＳ多角度数据来测试分析ＭＩＳＲ数据所需要的算法。ＭＩＳＲ数据的处理可以分为３个主要的顺序执行的阶段。第一阶段的作用是提取景上空的必要的大气特性。第一阶段处理的结果可以被第二阶段用来一个象素一个象素地从景中提取表面光谱ＨＤＲＦ。最后，在第三阶段中，第二阶段获得的ＨＲＤＦ被用来对一个３参数ＢＲＦ模型进行线性化，以便提取对应的ＢＲＦ。我们给出了基于仿真ＭＩＳＲ数据的提取算法的结果。     

SAR图像纠正的数学模型

本文对Ｇ．Ｋｏｎｅｃｎｙ等提出的平距投影的合成孔径雷达（ＳＡＲ）图像纠正的数学模型给子证明，并指出其近似性。随后推导了斜距投影的雷达图像纠正的数学模型，且以雷达图像的模拟数据，验证了该数学模型与Ｇ．Ｋｏｎｅｃｎｙ的数学模型具有相同的数学精度。     

美国海军大地测量卫星GEOSAT测高数据解密对今后大地测量的影响

美国海军大地测量卫星ＧＥＯＳＡＴ的测高数据本来可以为大地测量学，海洋学和地球物理作出巨大贡献，但自１９８６年以来，绝大部分数据保密，在国际地学界引起强烈反应。随着欧洲空间局ＥＲＳ－１卫星大地测量任务于１９９５年３月完成，其测高数据的质量和分辨率同ＧＥＯＳＡＴ的差不多，而且公开供国际地学界应用。在此形势下，美国不得不把ＧＥＯＳＡＴ数据解密，这两种测高数据的结合，将对今后测量产生重大影响。最直接的影响     

利用MAGSAT卫星数据研究青藏高原及其邻近地区磁异常

使用４３７９２个ＭＡＧＳＡＴ卫星磁测数据，编绘青藏高原及邻近地区卫星标量和矢量磁异常图。为了提取岩石层卫星磁异常，首先对ＭＡＧＳＡＴ卫星数据进行了筛选，然后进行主磁场，磁层场，电离层场和感应场改正。     

雪盖方向反射的多角度测量(英文)

雪域和表面反照率的精确测量对于推进人们认识全球气候系统非常重要。这是因为大面积雪盖的高反射特性（北半球的冬季，雪可覆盖到４０％的陆地表面）。雪的反射随太阳光线入射角度和观测角度的变化而变化。我们已采用具有不同空间分辨率的可见光传感器来获得雪的参数。目前，从卫星观测器能获得的只是天底观测方向反射数据，因此需要用多角度进行观测来获得雪域的半球反射率。我们建议用包括不同观测角信息和多极化信息的ＰＯＬＤＥＲ数据来研究雪域的方向反射。载于ＡＤＥＯＳ１卫星上的ＰＯＬＤＥＲ已于１９９６年８月成功发射。但目前仍不具备ＰＯＬＤＥＲ数据，我们研究采用的是从可定向的机载分光辐射谱仪获得的ＡＳＡＳ数据。从Ｍｏｎｔａｔａ冰河国家公园采集的数据显示出很强的角度依赖性。初步的结果证实了雪反射的各向异性。对雪盖ＢＲＤＦ认识是以后的发展真实反照率模型的关键。     

加拿大雷达卫星“应用开发与研究计划”的最新动态

加拿大雷达卫星“应用开发与研究计划”的最新动态加拿大雷达卫星（ＲＡＤＡＲＳＡＴ）是加拿大第一个大型的航天遥感计划。经过约十年的研究和建造，计划１９９５年初发射。这是由加拿大政府、美国政府、加拿大的若干个省和私人企业联合投资的发射计划。卫星上主要携带一...     

利用GEOSAT／ERM卫星测高数据计算中国近海海平面

本文利用一年（１９８６年１１月８日～１９８７年１１月１７日）２２个ＥＲＭ周期的ＧＥＯＳＡＴ卫星测高数据计算出中国近海海域（１０５°～１３５°Ｅ，０°～４０°Ｎ）相对于ＧＲＳ８０参考椭球面的１°×１°年平均海平面。该海平面我们称之为ＩＧＧＭＳＳ９５平均海平面。在数据处理过程中，由于采用了混合轨道误差模型及交叠平差技术，极大地消除了在误差中占主要成分的径向轨道误差影响，使得ＩＧＧＭＳＳ９５平均海平面的总体精度达到±２０～３０ｃｍ（ＲＭＳ）水平。与ＯＳＵ９１Ａ重力大地水准面模型相比较可以发现两者具有惊人的一致性。     

水稻微波后向散射系数的模拟分析

海洋雷达后向散射回波主要来自短重力波的Ｂｒａｇｇ 散射,这种散射与海面风场信息、边界层涡旋等密切相关。因此,可以从雷达散射截面反演风场信息。对１９９４ 年４ 月航天飞机成像雷达（ＳＩＲＣ／ＸＳＡＲ）获取的南中国海合成孔径雷达（ＳＡＲ） 图像进行了分析研究。利用ＳＩＲＣ 数据,从ＳＡＲ 图像谱提取了风向;根据ＣＭＯＤ４ 模型,从Ｃ波段雷达后向散射系数反演风速;利用双尺度散射模型对反演的风速进行了对比分析。结果表明,从ＳＩＲＣ雷达数据可以反演海面风矢量,星载ＳＡＲ是提取海面风场信息的有效技术手段之一。     

GIS与CAD数据交换

针对ＧＩＳ与ＣＡＤ数据交换中的几个基本问题，着重分析了ＧＩＳ数据与ＣＡＤ数据的异同点，并以ＡＲＣ／ＩＮＦＯ与ＡｎｔｏＣＡＮ两种典型的ＧＩＳ与ＣＡＤ软件数据交换为例，探讨了ＧＩＳ与ＣＡＤ数据交换的关键技术及方法。     

Potential of texture from SAR tomographic images for forest aboveground biomass estimation

Synthetic Aperture Radar (SAR) texture has been demonstrated to have the potential to improve forest biomass estimation using backscatter. However, forests are 3D objects with a vertical structure. The strong penetration of SAR signals means that each pixel contains the contributions of all the scatterers inside the forest canopy, especially for the P-band. Consequently, the traditional texture derived from SAR images is affected by forest vertical heterogeneity, although the influence on texture-based biomass estimation has not yet been explicitly explored. To separate and explore the influence of forest vertical heterogeneity, we introduced the SAR tomography technique into the traditional texture analysis, aiming to explore whether TomoSAR could improve the performance of texture-based aboveground biomass (AGB) estimation and whether texture plus tomographic backscatter could further improve the TomoSAR-based AGB estimation. Based on the P-band TomoSAR dataset from TropiSAR 2009 at two different sites, the results show that ground backscatter variance dominated the texture features of the original SAR image and reduced the biomass estimation accuracy. The texture from upper vegetation layers presented a stronger correlation with forest biomass. Texture successfully improved tomographic backscatter-based biomass estimation, and the texture from upper vegetation layers made AGB models much more transferable between different sites. In addition, the correlation between texture indices varied greatly among different tomographic heights. The texture from the 10 to 30 m layers was able to provide more independent information than the other layers and the original images, which helped to improve the backscatter-based AGB estimation.     

利用深层卷积神经网络实现地形辅助的多波束海底底质分类

海底底质分类对于海洋资源开发与利用、海洋科学研究等多方面具有重要意义。目前,多波束探测是实现大范围海底底质分类的有效手段之一,通常基于多波束反向散射强度提取角度响应(AR)特征及反向散射图像特征进行底质分类。由于特征来源较单一,分类器结构简单,往往分类精度不高。为此,本文提出了一种基于深层卷积神经网络(CNN)的多波束海底底质分类方法。除反向散射强度特征外,还利用地形特征,将特征向量转换为波形图,再输入卷积神经网络进行训练和分类。试验对比不同特征组合以及BP网络、支持向量机(SVM)、K近邻(KNN)、随机森林(RF)4种常规分类器,本文模型算法总体分类精度达到94.86%,Kappa系数为0.93,精度具有明显优势,效率也比较高。表明该方法有效利用两种数据类型所蕴含的海底底质信息,充分发挥卷积神经网络权值共享、高效率等特点,实现高分辨率海底底质分类,可对海底底质分类研究提供参考。     

Leaf Area Index Estimation Using Time-Series MODIS Data in Different Types of Vegetation

The aim of this study is to estimate leaf area index (LAI) in different type of plants using vegetation indices (VIs) and neural network algorithms retrieved from MODIS data. Four VI were calculated, and neural networks were built up based on MODIS surface reflectance products. Among the tested VIs, normalized difference vegetation index (NDVI) and chlorophyll index (CI) appeared to be the best candidate indices in estimating LAI across sites with different vegetation types. The models having the highest accuracy were CI for grassland and deciduous broad leaf forest with determination coefficients (R-square above 0.70, and NDVI for crop R-square?=?0.78). Neural network showed better results than VI methods except in grassland sites. The added VI information showed no significant improvement of model accuracy for the neural networks in most sites.     

高分辨率影像的植被分类方法对比研究

高分辨率影像的纹理信息可解决用光谱分类面临的“同物异谱”和“同谱异物”问题,更精确地分辨地物的细微变化,但将纹理作为主要信息进行植被分类的研究较少。本文以南京市钟山景区为例,利用IKONOS影像数据的纹理信息进行植被分类,并将结果与用光谱信息、植被指数信息的分类结果比较。共使用了4个灰度共生矩阵纹理量：CON（对比）、COR（相关）、HOM（同质）和MCON（改进的对比）分析各类植被的纹理表征设阈值分割;用3个植被指数：NDVI（归一化指数）、MSAVI（改进的土壤调节指数）和SAVI（土壤调节指数）（L取0.5和5）选择发现SAVI5最能区分。对纹理和指数信息均设各类型的阈值进行分割提取;基于光谱信息分别用最小距离监督分类和ISODATA非监督分类。研究中先进行数据恢复,再分别用三种信息将试验区植被分为6类：草地、竹林、常绿针叶林、常绿阔叶林、混交林和园地,最后将三种方法4个结果进行比较。精度评价的结论是：纹理信息分类的精度最高,植被指数次之,光谱信息中的非监督分类最低,纹理反映地物光谱及差异信息,可作为最佳方法用于植被分类。     

Envisat ASAR数据在沿海防护林提取中的应用

沿海防护林的建设与生态环境和经济发展密切相关。本文以福建省漳浦县沿海防护林地区为例,利用2005年多时相、多极化的ENVISATASAR(Environmental Satellite Advanced Synthetic Aperture Radar)数据,分析了典型地物后向散射极化和时间特性。沿海防护林的后向散射随时间变化较小,VV极化能较好的体现沿海防护林的表面形态和特征,VH极化可以将水体和沿海防护林很好的区分开来,植被间的差异在HH极化中得到较好的反映。针对不同的极化组合情况,采用面向对象的方法提取沿海防护林信息,并对提取结果进行了对比分析,认为多极化的数据更有利于防护林信息的提取。     

Sentinel-2影像多特征优选的黄河三角洲湿地信息提取

以北方典型河口湿地—黄河三角洲湿地为研究区,采用在特征选择和分类提取等方面具有明显优势的随机森林算法,对研究区内的湿地信息进行提取。首先基于多时相、光谱信息丰富的Sentinel-2数据生成4类不同的特征变量,包括光谱特征、植被指数和水体指数、红边指数、纹理特征;再根据以上特征构建6种不同的提取方案,对黄河三角洲湿地信息进行提取并验证不同方案的提取精度,旨在选择最佳方案改善湿地信息提取的效果。结果表明:(1)有效地使用多种特征变量是提高湿地信息提取的关键,就不同特征对湿地信息提取的贡献率而言,红边指数植被指数和水体指数光谱特征纹理特征;(2)基于随机森林算法优选的特征变量提取效果最佳,总体精度高达90.93%,Kappa系数为0.90,表明随机森林算法可以有效地进行特征选择,在特征变量数据挖掘的同时,仍能保证湿地信息提取的精度,提高运行效率。本研究为湿地信息提取在数据源选择、特征选择和方法选择方面提供了一种新思路、方法和技术手段。     

基于目标时域散射特性的土地覆盖类型分类研究

目标散射特性随时间变化的规律称之为目标时域散射特性。目标时域散射特征是利用多时相雷达遥感图像进行目标识别的基础。本研究以广东肇庆为试验区,利用多时相单参数雷达图像进行土地覆盖类型分类研究,分析了试验区内典型植被的结构、形态及其散射机理等特征,总结了各类目标的时域散射特性,区分识别了多种目标,制作了土地覆盖类型分类图.     

Comparison and Integration of Radar and Optical Data for Land Use/Cover Mapping

Abstract

This study examined the complementarity of spaceborne radar and optical data for surface feature identification. RADARSAT data sets were assessed independently and in combination with Landsat Thematic Mapper (TM) multispectral data. The primary methodology was spectral signature extraction and the application of a statistical decision rule to classify the surface features for a site near Kericho, Kenya. Relative accuracy of the resultant classifications was established by digital integration and comparison to reference information derived from field visitation. Speckle filtering was a great improvement over the poor results achieved with the unfiltered, original radar data but still not adequate for accurate land cover classification. The extraction and use of Variance texture measures was found to be very advantageous. The overall results were not significant improvements over speckle removal (6% increase) but several individual classes, forest and urban, had excellent results with texture. Combinations of radar with Landsat TM greatly improved results, achieving near perfect classification of all individual classes. The highest overall accuracy was achieved with a merger that included the best individual texture image and six reflectance bands of the TM data. The systematic strategy of this study, determination of the best individual method before introducing the next procedure, was effective in managing a very complex, almost infinite set of analysis possibilities.     

基于多样性特征协同技术的飓风前后森林破坏遥感监测

对被飓风破坏的森林进行变化监测与灾害评估是遥感技术的一个重要应用,遥感影像的特征信息提取对森林遥感监测的效果至关重要。多样性特征结合可以有效提高对森林变化的监测精度。然而,当前的空间信息如纹理特征的获取算法依旧保留着传统的固定式计算模式,一直面临着特征数量和邻域参考范围之间难以均衡的问题。为了解决以上问题,本文提出了基于多样性特征协同技术的飓风前后森林破坏遥感监测方法,首先计算出森林遥感影像变化前后的归一化植被指数差值和增强植被指数差值,并提出了基于复合窗口技术的来提取纹理特征,然后建立了多样性特性结合模型;其次提出了一种基于特征分离的旋转森林改进算法,最终,实现了内泽尔森林在暴风前后的高精度变化监测;另外,还测试了新模型在不同训练样本数量下的分类性能。实验结果表明,相对传统的基于光谱特征和单纯的纹理特征的变化监测方法,本文所提出的方法的整体精度、对变化区域和未变化区域的检测精度至多分别提高了3.68%、6.53%和3.46%。本文的研究方法可以有效提高森林变化监测的性能,为森林灾害评估与森林资源保护提供参考依据。     

An object-based approach for mapping forest structural types based on low-density LiDAR and multispectral imagery

Mapping forest structure variables provides important information for the estimation of forest biomass, carbon stocks, pasture suitability or for wildfire risk prevention and control. The optimization of the prediction models of these variables requires an adequate stratification of the forest landscape in order to create specific models for each structural type or strata. This paper aims to propose and validate the use of an object-oriented classification methodology based on low-density LiDAR data (0.5 m^?2) available at national level, WorldView-2 and Sentinel-2 multispectral imagery to categorize Mediterranean forests in generic structural types. After preprocessing the data sets, the area was segmented using a multiresolution algorithm, features describing 3D vertical structure were extracted from LiDAR data and spectral and texture features from satellite images. Objects were classified after feature selection in the following structural classes: grasslands, shrubs, forest (without shrubs), mixed forest (trees and shrubs) and dense young forest. Four classification algorithms (C4.5 decision trees, random forest, k-nearest neighbour and support vector machine) were evaluated using cross-validation techniques. The results show that the integration of low-density LiDAR and multispectral imagery provide a set of complementary features that improve the results (90.75% overall accuracy), and the object-oriented classification techniques are efficient for stratification of Mediterranean forest areas in structural- and fuel-related categories. Further work will be focused on the creation and validation of a different prediction model adapted to the various strata.