基于单亲遗传算法的SAR图像混合像元分解

已有的遥感影像混合像元分解理论方法都要求遥感影像的通道数目大于地物种类,而合成孔径雷达(SAR)的自身特点决定了SAR图像不可能有过多的通道数目,为解决SAR图像地物种类大于通道数目情况下的混合像元分解问题,本文基于单亲遗传算法提出了一种新的混合像元分解方法,创建了一种新的染色体编码方式及进化迭代方式,新算法很好地实现混合像元的分解,可以分解出比通道数目更多的地物种类.并从北京地区ENVISAT-ASAR图像中截取天安门附近区域作为数据源进行实验,实验结果表明了本文算法的正确性和有效性.     

定量遥感反演作物蒸腾和土壤水分利用率的区域分异

首先讨论了在农业生态站建立的行之有效的、以遥感数据为主体的作物蒸腾二层模型.重点阐明了以多时相辐射温度和热惯量信息为基础的作物地表混合像元（视场）温度的分解模型,在遥感反演过程中提出了一些在模型和算法方面的优化和改进:提出了一个区域比辐射率估算的算法、提出了运用地表温度的静态反馈算法和扩展生态台站的空气温度到区域的算法.并在LUCC分类技术的支持下,提出了以地面粗糙度和辐射温度为参数的地面2m高的气温和风速的空间扩展算法.最后应用 NOAA-AVHRR和地面同步观测及其定标,按像元逐点运算,反演了华北地区农田作物蒸腾和水分利用率的区域分布.揭示了春天华北地区水资源在农业上的利用效率,为采取有效的节水措施提供了科学依据.     

高光谱遥感数据的改正暗目标大气校正方法研究

高光谱遥感数据常用的大气校正方法均侧重于去除水汽及其他吸收气体的影响, 主要研究了从高光谱影像同时去除气溶胶与水汽影响的方法. 由于高光谱遥感数据波段众多, 常规暗目标方法一直难以适用于高光谱遥感数据的大气校正. 通过选取小麦作为新的暗目标对象, 着重讨论了使用多波段线性回归与插值的方法对常规暗目标方法进行改正使之充分利用高光谱的众多波段特性, 从而把改进的暗目标方法扩展应用于高光谱遥感数据的大气校正. 为了同时去除大气中水汽的影响, 大气校正全过程采用了循环迭代的算法. 以山东济宁地区EO-1卫星搭载的Hyperion高光谱数据为应用实例, 通过使用MODTRAN建立的查找表直接从影像估算出气溶胶与水汽含量, 实现了对该数据的大气校正. 大气校正的结果表明, 改正暗目标大气校正算法可以有效地对高光谱遥感数据进行大气校正.     

尺度转换规律与同步反演作物播种面积和叶面积指数

遥感作物估产是保证粮食安全的重要手段.然而中国田块破碎程度较高,在中低分辨率遥感图像上混合像元所占比例很高,混合像元信息分解问题成为中国实施遥感作物估产必须克服的首要难题.本文基于尺度转换规律,针对混合像元,提出了一个同步反演作物播种面积和叶面积指数的新方法.为解决作物的二向性反射及滤除土壤背景干扰的问题,采用了准确、简便的作物冠层反射率模型,利用高光谱优选波段的二阶微分方法很好地滤除了方向性和背景的干扰.选择甘肃省张掖市盈科灌区为试验区,区内主要作物为小麦和玉米,以2008年7月15日的Hyperion/EO-130m分辨率的高光谱数据为基础,通过将反射率值取平均的方法获得分辨率分别为180和1080m的图像,构成多尺度遥感图像系列,通过尺度转换规律反演计算了1080m分辨率图像上每个像元的播种面积和平均叶面积指数.用2008年8月10日的SPOT-510m分辨率多波段图像的分类结果作为近似真值,验证了播种面积的反演结果,结果表明以这一方法获得的农田空间分布规律与验证值一致,反演误差近似正态分布,误差在?0.1～0.1之间;并用地面实测的85个LAI-2000测量点配合手持GPS定位对平均LAI的反演结果进行了验证,反演平均LAI的标准差为0.34,结果表明这一方法具有较高的可信度.     

基于相关性的热红外温度与发射率分离算法

在分析地面测量大气下行辐射和地表发射率之间关系的基础上,给出了针对热红外高光谱数据温度与发射率分离过程中地表温度优化的相关性判据,提出了基于相关性的温度与发射率分离算法（the Correlation Based Temperature Emissivity Separation Algorithm,CBTES）。该算法利用大气下行辐射和地表发射率之间的相关性优化地表温度,进而获得地表发射率。基于模拟的热红外高光谱数据,对CBTES算法的精度进行分析,结果表明CBTES算法具有较高的温度与发射率反演精度;并与光谱迭代平滑温度发射率分离算法（ISSTES）进行比较,发现CBTES算法具有和ISSTES算法相当的精度。此外,CBTES算法具有一定的抗噪性,对测量过程中大气下行辐射的变化不敏感;对于非同温像元,当其发射率定义为r-emissivity时,其辐射温度是对波数缓慢变化的,假设在比较窄的光谱区间内辐射温度近似不变,可以用CBTES算法反演非同温像元在窄光谱区间内的等效温度,在714-1250cm^-1。光谱区间内多个窄光谱区间反演的等效温度可以较好的刻画非同温像元辐射温度的变化趋势。     

基于Hyperion数据的太湖水体叶绿素a浓度遥感估算

通过对2004年8月19日太湖Hyperion高光谱遥感数据的处理和分析,文章首先采用比值和一阶微分处理技术进行了叶绿素a浓度的估算．为了弥补此两种方法在模型的适用性和通用性方面的不足,本文尝试了利用混合光谱分析模型进行太湖水体叶绿素a浓度的提取和成图．实验结果说明高光谱遥感数据Hyperion可以进行水体叶绿素a浓度的监测,并且作为高光谱处理技术之一的混合光谱分析技术是水体叶绿素a浓度估算的另一条佳径．     

基于多角度热红外遥感的混合像元组分温度演化反演方法

研究了多年来热红外多通道遥感反演陆面温度的成果后指出, 由于通道间信息高度相关, 以及不能直接反演混合像元组分温度, 所以它的反演精度及应用价值都受到极大的限制. 在建立非同温混合像元热辐射方向性模型基础上, 指出热红外多角度遥感提供了直接反演组分温度的可能性, 但这是一个多参数的同步反演问题. 通过数值模拟和实验验证表明, 演化算法是一个行之有效的多参数同步反演方法. 热红外多角度遥感与演化反演算法结合有望实现组分温度反演精度达到1 K以内的目的.     

基于拉格朗日分解算法的SAR图像混合像元分解

为解决与光学遥感图像不同的合成孔径雷达(SAR)图像中存在大量混合像元的问题,本文提出了一种基于拉格朗日分解算法的SAR图像混合像元分解的方法,结合相关内容中具体定理的证明,文中给出拉格朗日分解算法用于SAR图像混合像元分解的系统的求解方法.用人工模拟SAR图像和ENVISAT SAR图像进行实验,结果表明拉格朗日分解算法的混合像元分解结果明显优于非约束类神经网络(文中实验以BP神经网络为例)的分解结果.     

吉林查干湖水体叶绿素a含量高光谱模型研究

叶绿素a含量能够在一定程度上反映水质状况,高光谱遥感可有效反演叶绿素a含量.该研究通过分析水体叶绿素a浓度与其高光谱反射特征之间的相关关系,采用单波段相关分析、波段比值、微分光谱和神经网络模型等多种算法建立了叶绿素a高光谱定量模型.结果表明:叶绿素a与单波段光谱在蓝、绿波段相关系数较低,而在红光与近红外波段有明显提高,微分光谱也表现出同样的趋势;反射率比值算法模拟效果好于线性回归法;神经元网络模型可以大大提高实测光谱数据的反演能力,确定性系数高达0.95.这为今后利用星载高光谱传感器在查干湖进行叶绿素a浓度大面积遥感反演提供了研究基础.     

基于多道卷积信号盲分离的多次波自适应相减方法

本文将多次波自适应相减问题表示为一个多道卷积信号的盲分离问题.利用2D卷积核来表示预测多次波和实际多次波之间的差异,并采用分离出的一次波信号的非高斯性最大化作为优化目标,我们提出一种基于多道卷积信号盲分离的多次波自适应相减算法.为了求解上述非线性优化问题,所提方法将其转化为一个迭代线性优化问题,采用迭代最小二乘方法加以实现.由于采用了多道卷积信号盲分离模型,所提方法能够适应预测和真实多次波之间在时间及空间上的变化.通过对简单模型数据、Pluto数据和实际数据进行处理,验证了所提算法的有效性.     

一种可操作的区域尺度地表通量定量遥感二层模型的物理基础

以修正的二层模型耦合机制,提出了PCACA算法以及理论定位算法,结合干点和湿点定标场的参数测定值,推算到4个极端的混合像元真实温度.提高了干线和湿线的定位的可靠性.并且提出了二层分层能量切割算法,算法简捷明了,具有物理基础.摆脱了难以逐个像元获取的通量阻力网参数.对平流的影响提出了新的思考.又以PCACA算法分解了混合像元的反照率.联合二层分层能量切割算法,分解了混合像元的净辐射通量.克服了传统以Beer定律分解净辐射通量的不确定性.通过反演结果的验证分析,方法是可行的也是易于操作的.在论述上述算法可操作性的同时也客观地指出了不确定性.     

基于褶积模型的地球物理反演模型增强

地球物理数据在采集和处理过程中,由于存在噪声、模型误差、以及数据离散化误差等系统误差,导致了异常体边界模糊和模型分辨率降低等一些不可避免的不良系统退化效应的产生.本文提出了一种新的地球物理反演模型增强方法,通过消除反演估计模型中的系统误差,压制模型中的不良系统退化效应,增强反演模型的分辨率.文章从理论上分析了数据中存在的系统误差对模型求解的影响,提出了一个新的系统误差褶积退化模型,并根据该模型提出了一种基于混合范数总变分正则化的盲反褶积模型增强算法.最后,文章通过1D线性反演增强试验和2D大地电磁反演增强试验,验证了所提出的地球物理系统退化模型的正确性,以及盲反褶积增强算法的有效性.试验结果表明,方法可以有效地提高反演参数模型的分辨率.     

基于区间值模糊C-均值算法的土地覆盖分类

用区间值数据描述聚类原型特征更符合遥感数据的模糊性特点,即传感器获取的地物反射光谱的不确定性和不均匀性在影像上的反映.本文以遥感影像数据为基础构建了区间值数据模型,并提出一种区间最大相异度量方法,进而进行基于区间值数据的模糊C-均值聚类.利用珠三角地区SPOT5卫星和青海玉树附近的TM影像数据进行基于区间值模糊C-均值算法的土地覆盖分类实验.结果表明区间值数据的模糊C-均值算法兼顾了模糊聚类的泛函特性和地物反射光谱的条带特点,从而可以明显改善聚类效果,尤其可以降低"同物异谱"现象对聚类结果的不利影响,而区间最大相异度量可实现基于多波段遥感影像构建的区间向量的最大可分离度,有效抑制类间光谱混叠造成的错分现象,进一步改善聚类效果,最终结果明显优于传统的模糊C-均值聚类方法.     

基于地面实测光谱的太湖水体富营养化水平估算

富营养化指数是评价水体污染情况的一个重要的综合性指标．通过对高光谱遥感数据和水体富营养化指数的分析,确立了反演水体富营养化水平的高光谱敏感波段,进而用选择的敏感波段和波段组合来建立模型．通过对几个模型的比较,选出了较为理想的估算模型．最后对模型进行精度分析,认为该模型具有一定的可靠性和实用性．从而确定了直接由高光谱遥感数据监测水体富营养化水平的可能性,为实现由高光谱遥感数据开展大范围的水质调查奠定了一定的理论基础．     

改进的基于订正ALPHA差值谱的TES算法

与可见光遥感不同, 热红外传感器测得的辐射亮度值是温度和发射率的函数, 因此, 对于热红外遥感, 温度和发射率的分离是一个关键问题. 热红外地表温度反演需要考虑的另一个问题是地表反射的大气下行辐射订正, 由于该项与地表发射率紧密联系在一起, 在地表发射率未知的情况下, 该项很难消去. 研究从普朗克方程的维恩近似出发, 引入Li和Becker等提出的大气下行辐射修正项, 以此为基础, 推导出与温度无关的改进ALPHA差值谱, 并进一步提出消除维恩近似影响的修正项. 在上述工作基础上, 借鉴ALPHA导出发射率法和ASTER TES算法的优点, 提出改进的基于订正ALPHA差值谱的TES算法(ICADS TES). 由于算法采用多光谱反演技术, 并且算法中包含波段差值、比值操作, 因而可以部分消除大气、仪器噪声等的影响, 具有良好的抗干扰能力. 采用不同大气条件、下垫面类型、地表温度组合的数值模拟实验表明, 算法具有很宽的适用范围和稳定性, 反演的温度精度一般在0~1.5 K之间, 平均发射率精度在0~0.015之间. 算法反演温度产品与ASTER数据下载中心 (Earth Observing System Data Gateway, EDG)提供的地表温度产品相比, 相关性非常好, 相关系数接近1.0, 产品直方图分布基本一致. 与现有发射率温度分离算法相比, ICADS TES算法的优点是适用的温度和下垫面范围宽, 不需要诸如地表分类、发射率方向性等先验信息支持, 计算结果不受参数设置影响, 更为客观. 由于该算法不需要下垫面类型先验信息支持, 可以避免其他算法中出现的因地表误分类、混合像元等问题引起的反演误差. 与作者此前提出的基于订正ALPHA差值谱的TES算法(CADS TES)相比, 算法考虑了大气下行辐射的影响, 在大气辐射特性已知的条件下, 可以获得更好的反演结果.     

基于环境一号卫星高光谱遥感数据的巢湖水体叶绿素a浓度反演

三波段模型是基于生物光学模型构建的叶绿素a浓度反演半分析模型,是目前反演内陆富营养化浑浊水体叶绿素a浓度效果较好的方法.本文通过星地同步实验,分析巢湖水体各组分光谱特征,分别基于地面实测数据与环境一号卫星高光谱遥感数据建立三波段模型反演巢湖水体叶绿素a浓度.结果表明,由于特征波段在不同数据源的位置不同,导致了两个模型波段选择及反演精度的差异.因此,只有在充分考虑遥感数据的光谱特征的条件下,分析遥感信息理论和实际图幅影像有效结合在一起的地物信息,才能进一步优化三波段模型的波段选择,实现遥感数据定量反演水体叶绿素a浓度的目标.     

环境一号卫星高光谱遥感数据的内陆水质监测适宜性——以巢湖为例

环境一号星座的A星(HJ-1A)上搭载了超光谱成像仪(HSI),它是具有高光谱分辨率的全新国产遥感数据源,为水质遥感特别是内陆水质遥感提供了新的高光谱数据.但HSI影像的处理方法尚不完善,在广泛应用于水质遥感前对其进行质量研究和评价非常必要.本文针对HSI数据在巢湖水质监测应用方面的适宜性,对信噪比和数据真实性、倾斜条...     

长春市南湖富营养化高光谱遥感监测模型

通过对长春市南湖水质参数和高光谱反射率的相关分析,建立两者间的一元回归模型;同时利用日本学者相崎守弘等人提出的修正营养状态指数(TSIM)模型,分别针对水质参数实验室数据和高光谱数据,对长春市南湖富营养化程度进行评价和监测.结果表明:1)利用高光谱遥感监测模型进行湖泊富营养化监测和评价,能够获取较为准确的评价结果,相对于传统监测方法具有省时省力的特点;2)用实验室数据得出的TSIM修正营养状态指数,各点数据起伏比较大,而高光谱遥感监测模型模拟营养状态指数相对平缓,这表明监测模型对各点数据进行了不同程度的同化,相对缩小了同期各点数据和异期同点数据之间的差异,这与实验室化学分析数据监测结果相比是一个不足之处;3)长春市南湖水体呈现较为严重的富营养化状态,需要采取措施防止南湖水质进一步恶化.     

混合藻类高光谱特征及其叶绿素a分离定量模型

利用地物高光谱遥感技术,在室内进行小球藻、聚球藻及其混合藻高光谱测量.得到这3组藻的反射光谱特征,同时进行叶绿素a(Chl.a)浓度测量.利用Matlab软件中的神经网络工具箱对得到的高光谱数据进行了曲线拟合.并用拟合结果和光谱测量实际结果分别建立了两种单一藻类的定量模型单一小球藻Chl.a最优的定量模型为用反射率实际值建立的小球藻单波段反射率模型Chl.a=1×10~7(R_(687))~2-37016R_(687)+53.64.单一聚球藻Chl.a最优的定量模型为利用反射率实际值建立的聚球藻两波段模型Chl.a=853 15×[R~(-1)(669)-R~(-1)(730)]×R(730)+505.78.在对两种单一藻类定量模型研究的基础上分别用单波段反射率分离模型、三波段分离模型和两波段分离模型对由小球藻和聚球藻组成的混合藻进行了Chl.a浓度分离.其中单波段反射率分离模型和两波段分离模型得到了较好的分离结果,单波段反射率分离模型结果要优于两波段分离模型结果.利用神经网络模型拟合值构建的模型要优于直接用反射率测量值构建的模型,而三波段分离模型的分离结果不理想,不适用于本研究.     

应用实测光谱估算千岛湖夏季叶绿素a浓度

依据2010年8月的实测数据构建了千岛湖水体夏季叶绿素a浓度的实测光谱数据估算模型,并进行了验证.利用ASD FieldSpec3野外光谱仪获取高光谱数据,计算水体离水辐亮度和遥感反射率.通过寻找反演水体叶绿素a浓度的高光谱敏感波段,采用单波段相关分析、波段比值、微分光谱、三波段模型、BP人工神经网络等多种算法进行比较分析,结果表明:叶绿素a浓度与单波段光谱反射率的相关性不大;596 nm和489 nm波长处反射率比值、545 nm处光谱一阶微分与叶绿素a浓度均呈较显著相关,估测模型决定系数R2分别为0.782、0.590,RMSE分别为0.89、1.98μg/L;三波段模型的反演结果优于传统的波段比值和一阶微分法,R2为0.838,RMSE为0.71μg/L;神经网络模型大大提高了叶绿素a浓度的反演精度,R2高达0.942,RMSE为0.63μg/L.本研究为今后在千岛湖水域的夏季相邻月份进行叶绿素a浓度大范围遥感反演研究奠定了基础.