基于MODIS遥感数据的混合像元分解技术研究和应用

使用郑州市MODIS（Moderate-Resolution Imaging Spectroradiometer）遥感数据,运用线性混合模型,对MODIS遥感数据进行混合像元分解技术研究。探讨了MODIS遥感数据的预处理、线性光谱分解模型、图像端元组分反射率的求取方法。把结果与分辨率较高的Landsat ETM＋图像分类结果进行对比,并根据得到的均方根误差（RMS;Root Mean Square）进行分析表明,利用这种像元分解方法得到的结果较为理想,MODIS数据可以有效地应用于遥感动态监测和土地覆盖分类研究。     

基于空间加权协同稀疏的高光谱解混算法研究

针对传统稀疏解混算法因空间信息利用不足带来的丰度图像空间分布连续性差的问题,本文提出了一种基于空间加权协同稀疏的解混方法.该方法利用协同稀疏正则项刻画丰度系数的行稀疏性;同时,在协同稀疏框架下,引入空间加权因子挖掘高光谱图像邻域像元间的空间相关性.本模型采用交替方向乘子法求解,通过交替迭代,对空间权重和丰度系数进行优化.模拟和真实高光谱数据实验结果表明本文方法能够比现有同类方法获得更精确的解混结果.     

混合像元分解法提取积雪盖度

通过对积雪、地物和云进行光谱分析，指出积雪在传统的NOAA-AVHRR可见光和近红外通道的高反射性特点和新增的1.6 μm红外通道上的低反射性特点为提取积雪盖度提供了大量的光谱信息。首先对AVHRR数据进行主成分分析，提取含99%信息量的前两个主分量，对其进行散点图分析，获取终元。最后使用两种策略进行多光谱混合像元分解，提取积雪盖度参数，结果很相似，说明混合像元分解是提取积雪盖度参数的有效方法。     

基于MODIS数据的积雪提取方法

基于MODIS数据,利用似然分类法及混合像元分解法对积雪分布范围进行了的试验提取,结合地理信息系统技术对积雪分布面积进行初步估算,结果表明,运用混合像元分解法提取的积雪面积精度较高,适于大面积积雪覆盖动态监测。     

基于MODIS时序植被指数和线性光谱混合模型的水稻面积提取

水稻是中国的主要粮食作物,及时获取水稻种植面积和空间分布信息对指导水稻生产、调整区域供需平衡等具有重要的意义。以江苏省为例,利用2009—2011年连续三年的MODIS 8 d合成地表反射率数据(MODIS09A1),计算了归一化差值植被指数(normalized difference vegetation index,NDVI)、增强型植被指数(enhanced vegetation index,EVI)和陆表水指数(land surface water index,LSWI)。结合水稻在不同生长发育期EVI的时间序列变化特征,确定了水稻面积提取的关键生育期。根据水稻移栽期稻田土壤含水量高的特征,利用NDVI、EVI和LSWI三种指数构建判别条件,确定可能种植水稻的区域。利用线性光谱混合像元分解模型对包含水稻的混合像元进行分解,得到江苏省三年水稻种植空间分布。最后,选取研究区内的水稻典型样区,利用与MODIS同时期的较高分辨率的环境小卫星HJ-1 CCD(30 m)数据提取水稻种植面积和空间分布,以此作为参考数据进行精度验证,同时利用统计部门的江苏省水稻种植面积统计数据对江苏省水稻面积进行验证,两种方法验证后表明误差均在10%以内。研究表明,采用MODIS09A1数据结合线性光谱混合模型可以更高精度地提取大范围的水稻种植面积。     

长江上游MODIS影像的水体自动提取方法

利用MODIS资料,分析了长江上游不同水体及其它主要地物在1～7通道的光谱特征,分析发现,水体混合像元在可见光的光谱特征与山体的阴影、云的阴影、城镇等的光谱特征具有很好的相似性,仅采用近红外波段和红光波段的方法不能有效提取出研究区的水体.提出综合采用归一化差分水指数、积雪指数以及可见光、近红外多通道信息的方法,逐步提取出研究区的水体及混合水体像元.     

基于FastICA算法和MODIS数据的水稻面积提取

以苏、皖、赣三省为研究区域,采用FastICA算法从MODIS数据中提取2010年水稻种植面积,并验证该算法在混合像元分解中的有效性。在对2010年46景8 d合成地表反射率产品数据进行预处理的基础上,结合MODIS土地利用产品和平滑滤波算法,构建耕地类型像元的I_LSW和I_NDV时相变化曲线。依据I_LSW和I_NDV曲线在水稻移栽期前后的变化规律,并根据由各地区水稻I_NDV时相曲线计算得到水稻相似性指数,从MODIS影像中提取水稻像元。采用FastICA算法对潜在水稻像元水稻生长期内的I_NDV时相曲线进行分解,计算每个像元的水稻丰度,绘制水稻丰度图,获取研究区各省水稻分布和种植面积。利用统计年鉴数据和样方资料对FastICA算法提取的水稻面积进行了验证。结果显示:采用水稻相似性曲线有利于提高稻田识别效率,所获取的水稻分布与实际情况吻合;FastICA算法能够分解不同地区水稻I_NDV时相曲线;与统计资料比较,江苏、安徽、江西三省水稻面积的提取精度分别为86.4%、87.9%、51.5%。江西水稻面积提取误差主要出现在地形起伏较大的山区。     

基于权重曼哈顿非负矩阵分解的图像修复和聚类方法

当数据中存在大量椒盐噪声时,传统的鲁棒非负矩阵分解方法无法获得更具有鲁棒性的低维特征.为了解决该问题,本文提出了一种更具有鲁棒性的权重曼哈顿非负矩阵分解来修复被污染的数据点以及通过曼哈顿矩阵分解获得鲁棒的特征表示.本文提出的模型可以被看作为非凸非光滑的优化问题,可以通过加速梯优化理论和最小一乘法求其局部最优解.通过对人脸图像ORL数据集加入椒盐噪声,实验结果表明本文提出的算法在图像修复和学习特征表示方面更有效、更鲁棒.     

基于KL-ISOMAP的高光谱图像彩色可视化

标志点等距映射（L-ISOMAP）作为一种降维方法,在高光谱图像可视化中极具潜力.针对L-ISOMAP算法标志点代表性不足以及计算代价较高的问题,提出了基于K-medoids聚类算法的改进型L-ISOMAP算法（KL-ISOMAP）,进而形成可视化方法.该可视化方法由以下几部分组成：1）通过改进型K-medoids算法选择标志点;2）根据相似度剔除相似像元;3）实现剩余像元的非线性降维;4）完成降维结果的可视化.实验结果表明,KL-ISOMAP算法一方面有效地提高了标志点的内在结构代表性,进而取得了更好的可视化效果;另一方面可通过对相似阈值的设置,加快算法的运算速度.由此形成的可视化方法有着较好的视觉效果、距离保持特性以及像元可分性.     

利用HJ-1卫星数据监测山区水库资源

遥感技术能够快速、宏观地获得研究区域的数据,已成为湖泊环境动态变化监测的重要技术手段。但是对于山区的湖泊和河流而言,由于沟壑众多,河道狭窄,水体像元多为混合像元,利用现有方法提取水体遥感影像难度较大。水体与植被、城市和土壤等地物在不同波段的光谱反射率的差异是利用遥感手段提取水体信息的基本原理。本文在水体光谱特征分析的基础上,描述了HJ-1卫星数据特征及所采用的山区水体信息的遥感提取方法,并以南湾水库为例,描述了利用植被指数(NDVI)方法识别水体信息的技巧:首先将HJ-1数据的第3和第4波段经过波段运算得到NDVI图像;再将两种遥感图像中NDVI值小于0的像元判识为水体,NDVI值大于0的判识为水库周围的农田,经过计算像元数量得到水体面积信息;最后在各种专业软件的支持下,结合非监督分类的水体识别效果,将水体与其他地物类型区分开来。结果表明,利用HJ-1卫星数据可有效排除其他地物的干扰,显著提高水体监测的精度。     

城区高光谱遥感数据假彩色波段组合研究

高光谱数据具有波段数目多、波段宽度窄、数据量庞大等特点，如何根据具体的应用目的，在众多的波段中选取最佳波段组合用于假彩色合成，对于有效进行高光谱数据处理、分析及信息提取至关重要。以面阵推帚式机载超光谱成像仪(PHI)获得的上海市黄浦江附近复杂地表高光谱图像数据为例，分析了图像所包含的信息量、各通道之间的相关性以及影像上各地物的光谱特征，选出了那些包含信息量大、相关性小、光谱差异大的波段子集，然后再结合协方差矩阵特征值法、最佳指数法和波段指数法波段组合方法选出了高光谱遥感图像的最佳波段组合。     

Algorithm Studies on How to Obtain a Conditional Nonlinear Optimal Perturbation (CNOP)

The conditional nonlinear optimal perturbation (CNOP), which is a nonlinear generalization of the linear singular vector (LSV), is applied in important problems of atmospheric and oceanic sciences, including ENSO predictability, targeted observations, and ensemble forecast. In this study, we investigate the computational cost of obtaining the CNOP by several methods. Differences and similarities, in terms of the computational error and cost in obtaining the CNOP, are compared among the sequential quadratic programming (SQP) algorithm, the limited memory Broyden-Fletcher-Goldfarb-Shanno (L-BFGS) algorithm, and the spectral projected gradients (SPG2) algorithm. A theoretical grassland ecosystem model and the classical Lorenz model are used as examples. Numerical results demonstrate that the computational error is acceptable with all three algorithms. The computational cost to obtain the CNOP is reduced by using the SQP algorithm. The experimental results also reveal that the L-BFGS algorithm is the most effective algorithm among the three optimization algorithms for obtaining the CNOP. The numerical results suggest a new approach and algorithm for obtaining the CNOP for a large-scale optimization problem.     

A Preliminary Application of the Differential Evolution Algorithm to Calculate the CNOP

A projected skill is adopted by use of the differential evolution （DE） algorithm to calculate a conditional nonlinear optimal perturbation （CNOP）. The CNOP is the maximal value of a constrained optimization problem with a constraint condition, such as a ball constraint. The success of the DE algorithm lies in its ability to handle a non-differentiable and nonlinear cost function. In this study, the DE algorithm and the traditional optimization algorithms used to obtain the CNOPs are compared by analyzing a theoretical grassland ecosystem model and a dynamic global vegetation model. This study shows that the CNOPs generated by the DE algorithm are similar to those by the sequential quadratic programming （SQP） algorithm and the spectral projected gradients （SPG2） algorithm. If the cost function is non-differentiable, the CNOPs could also be caught with the DE algorithm. The numerical results suggest the DE algorithm can be employed to calculate the CNOP, especially when the cost function is non-differentiable.     

Intelligent optimization algorithms to VDA of models with on/off parameterizations

Some variational data assimilation (VDA) problems of time- and space-discrete models with on/off parameterizations can be regarded as non-smooth optimization problems. Same as the sub-gradient type method, intelligent optimization algorithms, which are widely used in engineering optimization, can also be adopted in VDA in virtue of their no requirement of cost functions gradient (or sub-gradient) and their capability of global convergence. Two typical intelligent optimization algorithms, genetic algorithm (GA) and particle swarm optimization (PSO), are introduced to VDA of modified Lorenz equations with on-off parameterizations, then two VDA schemes are proposed, that is, GA based VDA (GA-VDA) and PSO based VDA (PSO-VDA). After revealing the advantage of GA and PSO over conventional adjoint methods in the ability of global searching at the existence of cost functions discontinuity induced by on-off switches, sensitivities of GA-VDA and PSO-VDA to population size, observational noise, model error and observational density are detailedly analyzed. Its shown that, in the context of modified Lorenz equations, with proper population size, GA-VDA and PSO-VDA can effectively estimate the global optimal solution, while PSO-VDA consumes much less computational time than GA-VDA with the same population size, and requires a much lower population size with nearly the same results, both methods are not very sensitive to observation noise and model error, while PSO-VDA shows a better performance with observational noise than GA-VDA. It is encouraging that both methods are not sensitive to observational density, especially PSO-VDA, using which almost the same perfect assimilation results can be obtained with comparatively sparse observations.     

图像特征检测与匹配方法研究综述

几十年来,图像特征检测与匹配一直是图像处理的最核心领域之一,是计算机视觉的基石.没有特征检测与匹配就没有SLAM、Sfm、AR、通用图像检索、图像配准、全景图像等视觉任务.本文在回顾几十年来的经典检测算法的基础上,阐述了引用最新的以深度学习为首的机器学习算法后,在本领域取得的最新进展,包括特征点、局部特征子、全局特征子、匹配及优化、端到端框架等所有关键点,展示了算法各自的优缺点.总而言之,面对工业界的宽基线、实时、低算力检测的要求,图像特征检测和匹配仍然是一项未能完整攻克的任务,融合特征点、局部特征子、全局特征子、匹配及优化的多任务全局框架成为未来发展的趋势.     

高光谱图像分类方法综述

在过去数十年中,高光谱图像的研究与应用已经完成了从无到有、从差到优的跨越式发展.在对其研究的众多方面中,高光谱图像分类已经成为了一个最热的研究主题.研究表明空间光谱联合的分类方法可以取得比仅依赖光谱信息的逐像素分类方法更好的分类效果.本文将对众多的空间光谱联合分类方法进行归类和分析.首先介绍高光谱图像中相邻像素间的两类空间依赖性关系,因而可将现有的空谱联合分类方法分为依赖固定邻域和自适应邻域两类;此外,还可以依据是否同时利用两类依赖关系将现有方法进一步分为单依赖和双依赖两类.另外,还可以依据空谱信息融合的不同阶段将现有的分类方法划分为预处理方法、一体化方法及后处理方法三类.最后展示几种具有代表性的空间光谱联合分类方法在真实高光谱数据集上的分类结果.     

INTELLIGENT ALGORITHMS FOR SOLVING CNOP AND THEIR APPLICATIONS IN ENSO PREDICTABILITY AND TROPICAL CYCLONE ADAPTIVE OBSERVATIONS

Some intelligent algorithms (IAs) proposed by us, including swarm IAs and single individual IAs, have been applied to the Zebiak-Cane (ZC) model to solve conditional nonlinear optimal perturbation (CNOP) for studying El Ni?o – Southern Oscillation (ENSO) predictability. Compared to the adjoint-based method (the ADJ-method), which is referred to as a benchmark, these IAs can achieve approximate CNOP results in terms of magnitudes and patterns. Using IAs to solve CNOP can avoid the use of an adjoint model and widen the application of CNOP in numerical climate and weather modeling. Of the proposed swarm IAs, PCA-based particle swarm optimization (PPSO) obtains CNOPs with the best patterns and the best stability. Of the proposed single individual IAs, continuous tabu search algorithm with sine maps and staged strategy (CTS-SS) has the highest efficiency. In this paper, we compare the validity, stability and efficiency of parallel PPSO and CTS-SS using these two IAs to solve CNOP in the ZC model for studying ENSO predictability. The experimental results show that CTS-SS outperforms parallel PPSO except with respect to stability. At the same time, we are also concerned with whether these two IAs can effectively solve CNOP when applied to more complicated models. Taking the sensitive areas identification of tropical cyclone adaptive observations as an example and using the fifth-generation mesoscale model (MM5), we design some experiments. The experimental results demonstrate that each of these two IAs can effectively solve CNOP and that parallel PPSO has a higher efficiency than CTS-SS. We also provide some suggestions on how to choose a suitable IA to solve CNOP for different models.     

光谱地质遥感研究进展

地质遥感是最能体现与发挥光谱遥感技术特点与优势的应用领域之一.本文从矿物岩石光谱模拟、矿物岩石光谱特征分析、遥感光谱仪技术指标的优化设计、辐射定标与数据辐射校正、地表光谱反演、信息提取、信息产品验证、地质应用8个方面总结了最新的研究进展,并对目前光谱遥感地质应用存在的问题和发展趋势进行了深入的论述.