光谱角法在ASTER影像土地利用分类中的应用

为了验证光谱角法(SAM)对ASTER影像分类效果,本文对SAM分类的原理进行了阐述和分析,采用了SAM方法以ASTER遥感影像数据为数据源对泸沽湖地区的土地利用进行分类研究,并对分类精度进行了分析。研究结果表明SAM方法用于ASTER数据是一种有效的分类方法,对提高ASTER影像分类精度具有重要的意义。     

ASTER GDEM与SRTM3高程差异影响因素分析

作为最新发布的全球地形数据,ASTER GDEM比目前常用的SRTM3数据有着更高的分辨率和更广的覆盖范围,对于相关地学分析具有重要意义。本文以华中地区为研究区域,对ASTER GDEM与SRTM3数据进行了比较,重点分析了坡度、坡向、地形起伏度、土地利用类型、植被覆盖度、生成ASTER GDEM栅格点高程数据所用的ASTER DEM影像数等因素对2种DEM数据高程差异的影响。结果表明,在研究区域内,ASTER GDEM高程比SRTM3高程平均低5.42 m,两种DEM数据高程差异的RMS值为16.90 m;ASTER GDEM与SRTM3之间的高程差异随着坡度、地形起伏度、植被覆盖度的增大而增大,而ASTER DEM影像数越大,高程差异越小;坡向、土地利用类型对高程差异也有影响。     

基于ASTER立体像对提取数字高程模型的试验研究

ASTER是一种新型高分辨率多光谱传感器,其在可见光波段的准实时立体像对获取模式可以用于地面数字高程模型的提取.介绍ASTER立体像对提取DEM的基本原理和数据处理流程,并利用ASTER立体影像进行南极内陆冰盖DEM提取的试验,取得较好的结果,为今后ASTER数据在此方面的应用提供示范.     

基于ASTER数据的城市热环境效应定量分析

运用MODTRAN大气模型和通道光谱响应函数对2003年10月7日过境广西北海市的ASTER数据进行大气校正,从Planck公式和热辐射传输方程出发实现了地表温度的反演,采用ASTER VNIR和SWIR数据计算归一化植被指数(NDVI)和归一化湿度指数(NDWI),并分析了5个TIR通道地表温度、地表温度与NDVI、地表温度与NDWI之间的相关关系.结果表明,该方法反演5个TIR通道的地表温度具有显著的一致性,且与实测气温基本相符;地表温度与NDVI、NDWI之间具有明显的负相关关系;利用ASTER数据进行城市热环境效应定量分析,取得了较为理想的结果.     

基于SRTM-ASTER融合数据的河网提取

在分析SRTM、ASTER GDEM数据源基本特征的基础上,融合了一种直接面向河网提取的数据——SRTM-ASTER,利用SRTM数据较高的垂直分辨率修正ASTER GDEM,弥补了SRTM水平分辨率上的不足;引入Landsat-8遥感卫星数据提取真实河网,分析在有(无)河网辅助条件下融合数据的提取效果,并以总长度、支流数目、套合差为特征指标进行分析.研究结果表明:1)SRTM-ASTER数据提取的河网能综合SRTM和ASTER GDEM数据的优势,提取精度较好,但河流长度以及支流数目有所减少;2)有河网辅助的条件下,经过AGREE算法进行河网纠正以后,提取结果的精度有显著提高.     

ASTER数据在北方铝土矿预普查中的应用——以豫西渑池地区为例

ASTER数据的光谱和空间分辨率均具有一定优势,适合于中等比例尺的矿产预普查。为了探讨ASTER数据应用于铝土矿预普查的效果,通过对ASTER图像彩色合成、地质解译及异常信息提取,对豫西渑池地区的铝土矿进行了预普查试验。结果表明,在北方基岩裸露地区,应用ASTER数据圈定"赋矿影像单元"和提取铝土矿遥感找矿信息能获得较好的效果。     

利用ASTER数据融合的SRTM空值填补方法

由于雷达干涉采集误差导致SRTM数据出现高程空值,为了保证数据完整性,需要对其进行空值修补。本文总结了国内外对SRTM数据空值的填补方法,提出了一种在内插的基础上利用ASTER数据进行数据融合的空值填补方法。该方法首先对ASTER数据进行预处理,以消除两者之间的高程差异,然后利用处理后的90m间隔ASTER数据对SRTM数据进行融合,从而实现了SRTM数据的空值填补。实例验证了该方法是一种获取完整地形数据的有效途径。     

我国东部地区ASTER GDEM高程精度评价

为了解我国ASTER GDEM数据高程精度,在考虑空间分布的情况下,选取我国东部辽宁、山东、浙江和海南4个地区的平原、丘陵、山地等作为典型研究区,并以1∶5万DEM为假定真值、以1∶25万DEM为参照,通过DEM面误差可视化分析和DEM面误差信息熵模型等方法对ASTER GDEM数据的高程精度做了分析。结果表明:ASTER GDEM数据高程误差在整个地图上分布是否均匀与其高程精度高低无决定关系;在山地和丘陵地形研究区,其数据高程精度要高于SRTM DEM和1∶25万DEM。总体来看,中国东部地区ASTER GDEM数据高程精度整体上要高于SRTM DEM和1∶25万DEM,但低于1∶10万DEM。     

多源DEM融合的高差拟合神经网络方法

本文侧重于介绍智能化摄影测量机器学习的高差拟合神经网络方法。观测手段和处理方式等限制导致全球高质量无缝DEM数据的缺乏,进而制约了它在水文、地质、气象及军事等领域的应用。本文提出了一种基于高差拟合神经网络的多源DEM融合方法,尝试融合全球DEM产品SRTM1、ASTER GDEM v2和激光雷达测高数据ICESat GLAS。首先,根据ICESat GLAS的相关参数及与DEM数据的高程差值,结合坡度自适应的思想设置高差阈值对ICESat GLAS进行滤波,剔除异常数据点。然后,以ICESat GLAS数据为控制点,利用神经网络模型拟合ASTER GDEM v2的误差分布。以地形坡度信息和经纬度坐标作为网络输入,ICESat GLAS和ASTER GDEM v2的高程差值作为目标输出,训练得到预测高差,将其与ASTER GDEM v2高程值相加即可获得校正结果。最后,引入TIN差分曲面的方法,利用校正后的ASTER GDEM v2高程值对SRTM1的数据空洞进行填充,融合生成空间无缝DEM。本文通过随机选取数据进行真实试验,对模型进行了精度验证,并给出了处理结果的定量评价和目视效果。结果表明,不论是空洞还是整体区域,本文方法相比其他DEM数据集和其他方法的处理结果都能够在RMSE上表现出优势,同时,本文提出的方法能够有效克服ASTER GDEM中异常值的影响,得到空间无缝DEM。     

一种适用于ASTER数据同时反演大气水汽含量和地表温度的三通道算法

提出了针对ASTER数据同时反演大气水汽含量与地表温度的三通道算法,即利用ASTER数据的第12,13,14三个热红外波段建立三个热辐射传输方程。再利用MODTRAN软件分别模拟ASTER 12,13,14波段透过率与大气水汽含量的关系,通过分析可知ASTER三个热红外波段的透过率与大气水汽含量的关系可用近似线性方程表示,从而得到另外三个方程。这样就构成了一个包含六个未知数、六个方程的方程组,形成了针对ASTER数据同时反演大气水汽含量与地表温度的三通道算法。由于各参数都可以通过方程组计算出来,所以,这种算法仅需要ASTER数据就可反演出大气水汽含量与地面温度,且关键参数大气透过率的计算精度提升到了AS-TER数据一个像元（15×15）m2的程度。     

ASTER卫星影像自动生成南极格罗夫山地区相对DEM

利用南极格罗夫(Grove)山立体像对自动提取了相对DEM,通过与在2000年由中国第16次南极科学考察队GPS实测的数据比较,证明在南极特殊的环境下也能达到很好的精度。     

基于ASTER数据反演我国南方山地陆表温度

 以贵州省黎平县山地植被覆盖区为例，基于ASTER遥感数据进行15 m分辨率的归一化植被指数制图和地表发射率制图，在利用 MODTRAN 4大气辐射传输模型进行大气订正的基础上，基于普朗克辐射方程的推导反演陆表温度，取得了较为理想的结果。     

对ASTER GDEM数字高程模型的精度评价及修正

针对ASTER GDEM高程精度还未得到充分验证,以江西省莲花县为试验区,使用ICESat-2数据系统分析了ASTER GDEM在坡度、地形起伏度和土地利用类型中的误差分布。结果表明,ASTER GDEM受坡度、地形起伏度影响严重,随坡度、地形起伏度增加,GDEM误差呈上升趋势;对于不同土地利用类型,GDEM误差存在较大差异,在水域误差最大,在建设用地误差最小。最后,使用后向传播神经网络(BPNN)对莲花县ASTER GDEM修正,结果发现BPNN模型可以有效改善其高程精度。     

一个针对ASTER数据同时反演地表温度和比辐射率的四通道算法

本文利用对地观测卫星多传感器的特点，提出了针对ASTER数据同时反演地表温度和比辐射率的多通道算法。即利用ASTER数据的第11，12，13，14热红外波段建立热辐射传输方程，并通过对于地表比辐射率分析可知，ASTER4个热红外波段的比辐射率可以用近似线性方程表示，得到了6个方程6个未知数，从而形成了针对ASTER数据的同时反演地表温度和比辐射率的多通道算法。对于关键参数大气透过率，则是通过同一颗星的MODIS传感器的3个近红外波段反演大气水汽含量，然后用MODTRAN模拟大气水汽含量与ASTER热红外波段的统计关系，并进而根据这二关系来计算ASTER热红外波段的大气透过率。由于MODIS和ASTER是在同一颗星上。因此这种大气透过率估计方法保证了地表温度反演过程中所需大气参数的同步获取。     

Mapping from ASTER stereo image data: DEM validation and accuracy assessment

The Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) on-board the National Aeronautics and Space Administration's (NASA's) Terra spacecraft provides along-track digital stereo image data at 15-m resolution. As part of ASTER digital elevation model (DEM) accuracy evaluation efforts by the US/Japan ASTER Science Team, stereo image data for four study sites around the world have been employed to validate prelaunch estimates of heighting accuracy. Automated stereocorrelation procedures were implemented using the Desktop Mapping System (DMS) software on a personal computer to derive DEMs with 30- to 150-m postings. Results indicate that a root-mean-square error (RMSE) in elevation between ±7 and ±15 m can be achieved with ASTER stereo image data of good quality. An evaluation of an ASTER DEM data product produced at the US Geological Survey (USGS) EROS Data Center (EDC) yielded an RMSE of ±8.6 m. Overall, the ability to extract elevations from ASTER stereopairs using stereocorrelation techniques meets expectations.     

基于ASTER GED产品的地表发射率估算

地表发射率是地表温度反演的重要输入参数,为了解决现有地表发射率估算方法在裸露地表精度较差的问题,本文基于最新的ASTER全球地表发射率产品(ASTER GED)和基于植被覆盖度的方法(VCM),提出了一个改进的地表发射率估算方法。首先,利用ASTER GED产品求解裸土发射率,然后,利用ASTER波谱库中的植被发射率和植被覆盖度结合VCM方法计算地表发射率。利用张掖地区2012年11景ASTER TES算法反演的地表发射率产品和实测地表发射率数据进行了验证,同时利用一景Landsat 8 TIRS数据分析了对地表温度反演精度的影响。结果表明该方法估算的地表发射率整体精度较高,可以有效改进裸露地表的发射率估算精度,用于支持利用多种热红外传感器数据生产高精度的地表温度产品。     

利用弹性反馈神经网络融合ASTER GDEM和SRTM1高程数据

由于数据获取与后期处理方式不同,先进星载热发射和反射辐射仪全球数字高程模型(advanced spaceborne thermalemissionandreflectionradiometerglobaldigitalelevationmodel,ASTERGDEM)和航天飞机雷达地形测绘任务(shuttle radar topography mission,SRTM)数据在高程精度上存在差异,采用弹性反馈（resilient backpropagation,RProp）神经网络算法对二者进行融合处理,实现优势互补以提升高程精度。选取两个黄土丘陵沟壑地貌样区分别用于模型建立与效果验证,1∶10 000高程精度为参考数据,在建模样区应用RProp神经网络算法构建ASTER GDEM高程校正模型、SRTM1高程校正模型、ASTER GDEM与SRTM1高程融合模型,同时应用误差反向传播(back propagation,BP)神经网络建立ASTER GDEM与SRTM1高程融合模型,将这些模型的高程精度优化效果进行对比,并在验证样区检验RProp融合模型的可行性。结果表明,RProp融合模...