资源三号测绘卫星自动云检测

光学卫星遥感影像自动云检测是卫星产品生产系统的一个重要环节。利用资源三号卫星编目生成的浏览图,采用树状判别结构进行云检测,对浏览图进行分块,提取子块图像的特征进行云地分类。由于云类和地物类过于繁杂,且浏览图的分辨率较低,传统通过图像特征对云地进行分类的算法有很大的局限性,针对这一问题,本文提出了在分类之前对原始的子块图像进行增强处理,扩大云和地物的纹理差异,然后以二阶矩、一阶差分等作为云地分类的图像特征,并在多尺度空间内进行特征延拓,经过综合分析估计云在影像中的比例。该云检测算法应用于资源三号卫星应用系统工程,实际测试结果表明,该算法能够较好地提升云量检测的准确率。     

融合像素—多尺度区域特征的高分辨率遥感影像分类算法

针对基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象和面向对象影像分析方法的"平滑地物细节"现象,提出了一种融合像素特征和多尺度区域特征的高分辨率遥感影像分类算法。(1)首先采用均值漂移算法对原始影像进行初始过分割,然后对初始过分割结果进行多尺度的区域合并,形成多尺度分割结果。根据多尺度区域合并RMI指数变化和分割尺度对分类精度的影响,确定最优分割尺度。(2)融合光谱特征、像元形状指数PSI(Pixel Shape Index)、初始尺度和最优尺度区域特征,并对多类型特征进行归一化,最后结合支持向量机(SVM)进行分类。实验结果表明该算法既能有效减少基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象,又能保持地物对象的完整性和地物细节信息,提高易混淆类别(如阴影和街道,裸地和草地)的分类精度。     

多尺度表达中线状要素的综合不确定性评价模型

在考虑节点化简的基础上建立了节点数据不确定性评价模型,基于曲线光滑模型建立了线元模型不确定性评价模型,在此基础上,根据不确定性传播律构建了由数据不确定性和模型不确定性合成的线状要素多尺度表达不确定性的综合评价模型。实验表明,综合不确定性指标值作为线状要素多尺度表达不确定性的量化指标是有效的。可将其用于计算线元不确定带的宽度,解决线状要素多尺度表达不确定性空间分析和推理问题;并用于线状要素多尺度表达的质量评价与控制。     

基于小波的浙江省NDVI与自然—人文因子多尺度空间关联分析

对地表植被的空间分布格局及其与自然、人文因子间的关系开展综合的、多尺度的定量分析,这是全球气候变化背景下土地利用与覆被研究中的一项重要内容。以地处亚热带湿润季风区的浙江省为研究区,设置了东西向(样线A)和北南向(样线B)两条样线,并应用小波分析方法对研究区NDVI、高程、坡度和土地利用强度等因子的尺度特征以及这些因子间的多尺度相关关系进行了分析。结果表明:1研究区内,NDVI、高程、坡度及土地利用强度的空间分布格局存在四个尺度域;2上述因子在样线A及样线B上的空间分布分别存在两个主要特征尺度,其中东西向(样线A)上的特征尺度为40 km和80 km,北南向(样线B)上主要的特征尺度为30 km和50 km;3在较大尺度域(8 km以上),土地利用强度是影响NDVI空间分布的最主要因素,而在小尺度域(0~8 km),坡度和高程因子成为影响NDVI分布的主要因子。研究还认为,小波分析方法为识别地理要素空间分布的特征尺度、量测要素间任意尺度、任意位置上的相干关系,提供了方便的工具。     

Multi-scale Tomography for Crustal <Emphasis Type="Italic">P</Emphasis> and <Emphasis Type="Italic">S</Emphasis> Velocities in Southern California

Seismic tomography is a viable tool in building depth-velocity models in the presence of strong lateral velocity variations. In this study 3-D P- and S-velocity models for the crust of southern California are constrained using more than 1,000,000 P-wave first arrivals and 130,000 S-wave arrivals from local earthquakes. To cope with the uneven distribution of raypaths, a multi-scale tomography is applied with overlapping model cells of different sizes. Within the 300 × 480 × 39 km³ model volume, the smallest cell size is 10 × 10 × 3 km³. During the iterations of velocity updating, earthquake hypocenters are determined using both P and S arrivals, and full 3-D ray tracing is implemented. Except near the edges and in the lower crust, the resultant models are robust according to various tests on the effects of reference models, resolution and signal-to-noise ratio. The tomographic velocities at shallow depths correlate very well with the regional geology of southern California. In the upper crust the P-wave and S-wave models exhibit slow velocities in major sedimentary basins and fast velocities in areas of crystalline rocks. Mid-crustal low velocity zones are present under the Coso Range, San Gabriel Mountains, and a large portion of the Mojave Desert. P- and S-velocity patterns maintain their similarity in the lower crust though the models are less reliable there.     

线要素多尺度表达的一种新方法

本文依据多比例尺条件下矢量数据的绘制原理,提出了多尺度线化简与线选取方法。多尺度线化简算法依比例尺将空间坐标转换为像素坐标,根据像素坐标删除曲线中重合点与共线点,综合后的曲线与原始曲线在各比例尺下绘制结果相同;多尺度线选取算法利用仿射变换结果快速计算线要素之间的连通关系,然后渐进删除长度小于阈值的悬线与孤立弧段,保持了线要素的连通性。对不同类型数据的实验验证了本文算法的有效性和可行性。     

利用多尺度Hough变换提取高分辨率SAR图像建筑物L型结构

提出了一种利用多尺度Hough变换从高分辨率SAR图像提取建筑物L型结构的方法。针对高分辨率SAR图像建筑物L型结构的特点,建立了建筑物L型结构简化几何模型,并采用从粗到精的思路利用多尺度Hough变换提取建筑物L型结构方向线。并提出了一种L型结构组合度函数对提取直线进行编组,确定建筑物L型结构的方向和拐点。最后,采用基于扫描线的方法计算L型结构线宽,得到完整规则的建筑物L型结构。多幅真实机载高分辨率SAR图像实验结果表明,本方法可以有效地提取高分辨率SAR图像建筑物L型结构,提取结果与实际位置吻合较好。     

基于光谱多尺度分割特征的高光谱混合像元分解

提高混合像元线性分解精度的一个关键点在于改善端元光谱矩阵的构成。本文提出一种基于光谱多尺度分割特征的混合像元分解方法。首先在分割段内离差平方和最小准则下,对高光谱影像的光谱进行多尺度分割,并以各分割段中对应像元的光谱平均值为光谱特征,最后以限制性的最小二乘方法估计出混合像元的组分。模拟与真实数据的实验结果表明,本文方法能够较大的提高遥感影像混合像元的分解精度,并且优于光谱维小波特征的分解。     

云南雨季开始期演变特征分析

应用EOF分析方法、小波分析方法及云南16个地州代表站1961～2002年共42年逐日降水量资料,对云南雨季开始期的空间分布、时间演变及多尺度周期变化等特征进行了诊断研究.结果表明:1)云南雨季开始期的空间分布,第一主要特征是全省雨季开始期一致偏早(晚);第二主要特征为云南滇中及以东、以南地区与云南西部雨季开始期反向变化的空间异常分布型态;2)云南雨季开始期存在明显的40年左右长周期、28年左右的年代际周期和8年左右的年际周期.从小波方差看,云南雨季开始期的变化以40年和28年左右的变化周期的振动最强,变化最显著,而年际变化相对较弱;3)云南雨季开始偏早期与偏晚期5月份500 hPa高度距平场有着明显区别;4)印度季风与南海季风对云南雨季开始爆发也起着积极的作用.     

A multi-scale 3-D crust velocity model in the Hefei-Chao Lake area around the southern segment of Tanlu Fault Zone

Regional high-precision velocity models of the crust are an important foundation for examining seismic activity, seismogenic environments, and disaster distribution characteristics. The Hefei-Chao Lake area contains the main geological units of Hefei Basin, with thick sediments and the Chao Lake depression. Several major concealed faults of the southern NNE-trending Tanlu Fault Zone cross this area. To further explore the underground distribution characteristics of the faults and their tectonic evolutionary relationship with adjacent tectonic units, this study used ambient noise data recorded by a seismic array deployed in Hefei City and Chao Lake, constructing a 3-D velocity model at the depth of 1–8 km. Then a multi-scale high-resolution 3-D velocity model of this area was constructed by this new upper crustal velocity model with the previous middle and lower crustal model. The new model reveals that a high-velocity belt is highly consistent with the strike of the Tanlu Fault Zone, and a low-velocity sedimentary characteristic is consistent with the Hefei Basin and Chao Lake depression. The distribution morphology of high and low velocity bodies shows that the sedimentary pattern of Hefei-Chao Lake area is closely related to the tectonic evolution of the Tanlu Fault Zone since the Mesozoic. This study also identifies multiple low-velocity anomalies in the southeastern Hefei City. We speculate that strong ground motion during the 2009 Feidong earthquake (magnitude of 3.5) was related to amplification by the thick sediments in the Hefei Basin. We also discuss further applications of multi-scale high-resolution models of the shallow layer to strong ground motion simulations in cities and for earthquake disaster assessments.