东北典型黑土区有机碳遥感定量反演研究

利用多元逐步回归分析法,结合Landsat8 OLI遥感数据对该地区土壤有机碳进行定量反演.试验采集了164个土壤样品,通过3倍标准差准则对样品进行奇异点去除及数据集划分,其中120个样品作为训练集,44个样品作为验证集,建立土壤有机碳的多元逐步回归预测模型.结果表明：有机碳与Landsat8各波段反射率均显著相关;黑土有机碳光谱预测最优模型以倒数为自变量模型最优,决定系数R²=0.180,均方根误差RMSE=0.558,海伦地区适于C_org含量遥感反演,预测模型稳定性好,可以用于揭示黑土典型区C_org含量的空间分布特征.同时认为在不对土壤进行地面光谱测试的情况下,直接采用化学分析数据与遥感卫星相关联的方法预测模型拟合度有限,光谱对有机碳可解释性较低.     

利用卫星影像和航空影像更新基础地理信息方法研究

基础地理信息的更新,是保证地理信息系统现势性的充要条件.卫星遥感影像数据具有周期短、信息丰富、现势性强等特征.利用卫星影像数据来更新基础地理信息数据是一种行之有效的方法.如何利用遥感数据融合技术,将多传感器获取的各种影像数据中所含的信息优势有机地结合起来,更是成为目前研究的热点.利用航空影像和Landsat多光谱波段影像进行数据融合,能够有效地提高影像空间分辨率,以获取更高质量的信息.     

应用OB-HMAD算法与光谱特性的遥感图像动态变化检测

在对图像动态变化情况进行检测的过程中,对原始图像的分割精度较低,导致检测结果存在较大误差。为此,应用OB-HMAD算法与光谱特性,进行自然资源遥感图像动态变化检测。在计算了影像各波段的光谱异质性和形状异质性特征值参量后,结合各波段对应的权重系数,考虑自然资源遥感图像的光谱异质性和形状紧凑度、形状平滑度,利用OB-HMAD算法对自然资源遥感图像进行多尺度分割处理。在图像动态变化检测阶段,根据自然资源遥感图像变化与光谱特征参数之间的关系,计算了各分割图像的曲率参数,通过计算曲率参数之差完成对目标图像参数动态变化的计算。实验结果表明,该方法应用下,图像NDVI、RVI和SAVI变化量的检测结果与实际值的误差分别仅为0.000 9,0.005 7和0.004 8。以上数据证明该方法完成了遥感图像动态变化检测,且检测效果较佳。     

资源三号卫星正视全色与多光谱影像融合及评价

资源三号卫星(ZY-3)是我国发射的首颗民用高分辨率光学传输型立体测绘卫星,其全色波段与多光谱波段有相同的太阳高度角和其他环境条件,影像获取时间一致,因此两种不同分辨率的数据可实现高精度融合形成新的影像。使用Brovey变换、主成分变换、IHS变换、小波变换、GS光谱锐化五种不同的数据融合方法,对ZY-3全色和多光谱影像进行融合,并从清晰度、纹理和色调进行定性分析;从标准差、信息熵、平均梯度、偏差指数、相关系数和光谱扭曲程度进行定量评价。结果表明:基于Gram-Schimdt光谱锐化融合方法产生的遥感图像失真较小,同时很大程度地保持了高分辨率全色波段的空间纹理细节信息,是一种适合于ZY-3图像融合的较好方法。     

基于航空高光谱遥感数据的黑土地有机质含量反演:以黑龙江省建三江地区为例

掌握黑土地有机质含量对黑土资源利用与保护具有重要意义,而高光谱卫星影像的缺乏制约了区域尺度土壤有机质反演研究的开展.以黑龙江省建三江黑土区为例,采用CASI/SASI航空高光谱数据、ASD（analytical spectral devices）地面光谱数据和土壤样品有机质含量数据,基于有机质含量与光谱反射率的相关性和定量关系,构建最优的回归模型并开展研究区土壤有机质含量遥感反演.结果表明:偏最小二乘法回归模型比多元逐步回归模型更稳定（判定系数分别为0.885和0.653）,且精度更高（均方根误差分别为0.424和0.744）;采用偏最小二乘模型反演的结果与地面化探结果基本一致.      

利用TM遥感影像和DEM估算山区地表反照率

利用Landsat TM遥感影像可见光-近红外波段的数据和DEM,计算了复杂地形条件下的反射率,再将窄波段的光谱反射率组合得到地表反照率.在计算反射率时解决了两方面的问题:计算太阳入射光谱辐射时考虑了微观地形因素的局地海拔、地形坡度、坡向、地形遮蔽等参数对较高分辨率影像的影响;考虑了大气对遥感图像的影响.在全面地考虑了大气和地形对影像影响的基础上,发展了一个适用于利用DEM和较高分辨率的卫星影像计算复杂地形条件下的地表反射率和反照率的模型.以黑河上游山区为例,利用TM图像和DEM计算了复杂地形条件下的地表反照率,对结果进行验证表明模型合理可行.     

南海珊瑚礁光学浅水海域多光谱遥感水深反演

海洋水深信息对研究珊瑚礁海域资源与环境具有重要作用。南海珊瑚礁海域测深数据受多种条件限制施测困难,在时间与空间方面数量非常有限。文章针对南海岛礁海域以I类水体为主导的海水光学特性,以南沙群岛库归沙洲海域为例,使用Sentinel-2多光谱卫星遥感影像和同期过境的MODIS卫星数据,构建底质光谱,采用半分析半经验模型计算海水表面遥感反射率与海水叶绿素浓度,通过对数比值模型进行该地区光学浅水海域遥感水深反演分析,并进一步通过多时相反演水深融合提升精度。经与多波束实测水深数据验证,研究区域反演水深总体均方根误差和平均相对误差分别为2.68 m 和9.99%。该方法通过叶绿素浓度推演部分海水光学特性,可以从多光谱卫星影像中快速获取南海岛礁光学浅水海域初步水深信息,供相关海洋领域分析与应用。     

基于多角度高光谱指数的花岗岩中长石含量反演研究

花岗岩中长石含量的定量估算有助于其定名和分类,为后续相关地质过程研究提供基础数据。在可见光—近红外—短波红外波段范围内（0. 35~2. 5 μm）,传统基于光谱吸收特征参数反演矿物种类和含量的方法,不适用于像长石这类无诊断性吸收特征的矿物。同时,基于物理的辐射传输模型由于计算复杂,在较大程度上限制了该方法在矿物定量反演中的应用。本文基于多角度高光谱数据,通过不同光谱预处理方法及光谱指数类型的组合实验,创建用于估算花岗岩中长石比例的光谱指数模型。结果表明,使用2035 nm波段的反射率二重差分型（CRDDn2035）指数模型,在不同实测数据集中均具有良好表现,估算精度达到0. 81。本研究创建了一种适用于估算长石占比的光谱指数模型,为定量反演具有弱吸收特征的岩矿信息提供了新的技术手段与思路。     

基于方差分析的Landsat8数据高温目标识别方法研究

基于Landsat8遥感数据源采用方差分析的方法进行各波段数据的可分性度量研究,从而筛选出高温目标识别的最佳波段。通过对不同地表覆盖类型样本光谱进行分析,提出多种光谱波段的组合方式并对其进行可分性度量分析,得出研究区高温目标识别的最优光谱指数形式。通过地类样本数据,检验高温目标的识别精度为91.3%,达到了较好的识别效果。研究表明:采用Landsagt8遥感数据构建高温目标光谱指数可以实现地表高温目标的有效识别。     

土壤氮、磷、钾含量的高光谱遥感探测方法

以新疆生产建设兵团共青团团场为研究对象,在地面光谱测试与土壤采样分析测试的基础上,通过分析0. 4～2. 5μm光谱区间的土壤光谱反射率与氮磷钾的含量的相关性,选择相关性最密切的波段,建立其与氮磷钾含量的关系模型。对该区129个测试点的光谱反射率与同步获取的Landsat8 ETM+卫星遥感图像对应波段的反射率进行相关性分析,发现在Landsat8 ETM+的band5区间,相关性最高。进而分析建立利用band5计算获得本区土壤氮磷钾丰度图,为团场的大范围的施肥提供决策依据。     

油砂的光谱反射特征及其遥感应用

油砂作为21世纪以来世界能源的重要组成部分,已经有大量的地质工作者对其形成的地质特征、成矿带分布特征等进行了详细研究,并取得一定成果,但是对于遥感在油砂勘探中的应用少有研究。遥感技术识别不同地物的理论基础是同一波长位置处的反射率差异及反射率随波长的变化规律,因此本文通过分析油砂的实测光谱数据,得到其反射光谱的特征及规律。为实现在Landsat 8OLI卫星遥感影像上对油砂的识别,根据油砂实测光谱的研究,分别提出基于油砂光谱特征和相关性分析的Landsat 8遥感影像油砂识别模式,并将其应用在柴达木盆地冷湖和马海两个研究区。结果表明:利用遥感影像进行油砂找矿靶区圈定是可行的;本文总结出的基于相关性分析的油砂提取模式优于光谱特征分析模式;冷湖地区用比值方法进行油砂遥感信息增强效果较好,马海地区则差值方法较好。     

ETM+和ASTER数据在遥感矿化蚀变信息提取应用中的比较——以安徽铜陵凤凰山矿田为例

在利用遥感技术找矿中,矿化蚀变信息识别与提取起着重要作用。选择具有典型蚀变特征的安徽铜陵凤凰山矿田作为研究区,从分析地物波谱,尤其是岩矿光谱特征出发,根据ETM+和ASTER数据的光谱特征,采用主成分分析（PCA）,设计了相应的粘土矿化蚀变信息提取方案,成功地进行信息提取。对两者的提取结果进行比较后表明,ASTER数据较之ETM数据在粘土类矿化蚀变信息提取中具有更大的优势。     

多光谱遥感蚀变信息提取新方法研究

文章以青海巴音山多金属矿化区为例,将高光谱数据处理方法运用于多光谱遥感数据中提取矿化蚀变信息.利用该区域的Landsat7 ETM遥感影像和标准光谱库中的特征蚀变矿物光谱为基本数据,借鉴已知矿物标准中的吸收谷特征,应用光谱特征匹配技术进行吸收谷谱区间和吸收谷深度对比,通过比较两者的相似性,达到提取蚀度矿物的目的,提取出许多有价值的似蚀变带遥感信息.结果证明了该方法在多光谱遥感矿化蚀变信息提取应用中的可行性,同时取得了较为满意的效果.     

Solution of Multiple——Point Statistics to Extracting Information from Remotely Sensed Imagery

Two phenomena of similar objects with different spectra and different objects with similar spectrum often result in the difficulty of separation and identification of all types of geographical objects only using spectral information．Therefore,there is a need to incorporate spatial structural and spatial association properties of the surfaces of objects into image processing to improve the accuracy of classification of remotely sensed imagery．In the current article,a new method is proposed on the basis of the principle of multiple-point statistics for combining spectral information and spatial information for image classification．The method was validated by applying to a case study on road extraction based on Landsat TM taken over the Chinese YeHow River delta on August 8,1999． The classification results have shown that this new method provides overall better results than the traditional methods such as maximum likelihood classifier (MLC)     

Estimation of winter wheat biomass based on remote sensing data at various spatial and spectral resolutions

Biomass can indicate plant growth status, so it is an important index for plant growth monitoring. This paper focused on the methodology of estimating the winter wheat biomass based on hyperspectral field data, including the LANDSAT TM and EOS MODIS images. In order to develop the method of retrieving the wheat biomass from remote sensed data, routine field measurements were initiated during periods when the LANDSAT satellite passed over the study region. In the course of the experiment, five LANDSAT TM images were acquired respectively at early erecting stage, jointing stage, earring stage, flowering stage and grain-filling stage of the winter wheat, and the wheat biomass was measured at each stage. Based on the TM and MODIS images, spectral indices such as NDVI, RDVI, EVI, MSAVI, SIPI and NDWI were calculated. At the same time, the hyperspectral field data was used to compute the normalized difference in spectral indices, red-edge parameters, spectral absorption, and reflection feature parameters. Then the correlation coefficients between the wheat biomass and spectral parameters of the experiment sites were computed. According to the correlation coefficients, the optimal spectral parameters for estimating the wheat biomass were determined. The bestfitting method was employed to build the relationship models between the wheat biomass and the optimal spectral parameters. Finally, the models were used to estimate the wheat biomass based on the TM and MODIS data. The maximum RMSE of estimated biomass was 66.403 g/m².     

Mapping the distribution of iron ore minerals and spatial correlation with environmental variables in hilltop mining areas

The prime contribution of this assignment was to examine the hyperspectral remote sensing, based on iron ore minerals identification using spectral angle mapper (SAM) technique. Correlation analyses between field iron contents and environmental variables (soil, water, and vegetation) have been performed. Spectral feature fitting (SFF) and multi-range spectral feature fitting (MRSFF) methods were used for accuracy assessment in extracting iron ore minerals from Hyperion EO-1 data. Spectral inspections as a reference were used in SAM technique for image classification for iron ore minerals: Hematite (24.26%), Goethite (32.98%) and Desert (42.76). Iron ore minerals classification is justified by the United States Geological Survey (USGS) spectral library and field sample points. The regression analysis of USGS and Hyperion reflectance spectra has shown the moderate positive correlation. The regression analyses between iron ore contents and environmental parameters (soil, water, and vegetation) have shown the moderate negative correlation. The examination was significantly effectual in extracting iron ore minerals: Hematite (SFF RMSE?≤?0.51 MRSFF RMSE?≤?0.48), Goethite (SFF RMSE?≤?0.047 MRSFF RMSE?≤?0.438) and Desert (SFF RMSE?≤?0.63 and MRSFF RMSE?≤?0.50); and the MRSFF RMSE histograms indicate the above result likened to a conventional SFF RMSE. MRSFF RMS error result is best because multiple absorption features typically characterize spectral signatures. This analysis demonstrates the potential applicability of the methodology for iron minerals identification framework and iron minerals impact on environmental parameters.     

基于GF-5、Landsat8与GF-2遥感数据的蚀变信息提取研究——以四川宁南铅锌矿集区为例

四川宁南铅锌矿集区是中国重要的铅锌矿成矿区之一，区内铅锌矿床广泛分布，其围岩蚀变主要为白云岩化、方解石化、黏土矿化、硅化、黄铁矿化及赤铁矿化，是重要的找矿标志，同时也为遥感提取铁染、羟基、碳酸根离子蚀变信息提供了重要的理论依据。由于遥感卫星传感器类型的不同，同一研究区内不同种类影像所得到的数据会有所差异，且采用不同的提取方法所得到的蚀变信息结果也会有所不同，因此，对同一区域进行单一影像或单一提取方法的研究往往存在偶然性与不充分性。据此，文章基于对研究区内Landsat8与GF-5两种影像数据的详细解读，采用3种有效方法进行蚀变信息提取。①波段比值法，对影像数据采用波段比值计算，并对波段比值进行密度分割，从中突出铁染，羟基、碳酸根离子蚀变信息；②主成分分析法和主分量密度分割法对铁染蚀变信息，羟基、碳酸根离子蚀变信息进行提取并作分级处理，结合GF-2高空间分辨率影像以及依据同谱异物、同物异谱、混合像元等原理剔除伪异常，以得到有效的蚀变信息；③光谱角匹配法，通过提取GF-5高光谱影像数据的纯净端员，结合光谱角匹配技术提取有效的蚀变信息矿物。对2种影像数据分别用3种提取方法所得到的蚀变信息结果进行对比，讨论其差异性，并通过叠合已知矿产地信息的方法筛选出效果较好的蚀变信息，将选取出的结果进行综合比对，最终在宁南矿集区圈定出预测靶区，经过室内化探数据验证及野外实地工作验证，证实其真实性，同时也为该地区下一步工作提供真实可靠的资料。     

晶体硅电池组件在不同地域的性能分析

本文结合晶体硅太阳能电池组件的分光敏感度和温度特性,分析了不同地域阳光辐射量和环境温度对晶体硅太阳能电站性能的影响。同时结合实际项目情况,对晶体硅太阳能电站的选址提出了科学的论断。     

ASD FieldSpec 3地物光谱数据在水磨—大河地区岩性分类中的应用

以四川省旺苍县水磨—大河地区为研究区, 利用美国ASD FieldSpec 3便携式地物光谱仪野外实测岩矿波谱数据和ASTER遥感影像数据, 基于GIS平台, 根据野外实测的岩石光谱曲线和USGS光谱库的典型岩石光谱曲线提取端元波谱, 对区域影像像元的光谱曲线进行匹配, 采用ENVI4.4软件自动信息提取与人机交互解译相结合的方式, 进行岩性分类, 可以有效地划分区内岩性界线, 满足填图需求, 对辅助该区区域基础地质调查、矿产普查等具有重要的应用价值。