浅谈ADS100与ADS80航摄数据制作DOM的区别

随着摄影测量技术的发展,航摄影像的应用越来越广泛。本文针对目前应用较广泛的ADS80、ADS100相机在硬件组成、技术参数、利用像素工厂制作数字正射影像的区别进行了对比与分析,并探讨总结了生产正射影像过程中需要注意的问题,为今后的生产过程提供参考。     

基于时序NDVI的昭觉植被覆盖度变化研究

归一化植被指数(NDVI)能精确地反映植被绿度、光合作用强度,在一定程度上反映着植被的演化信息,是评价生态环境状况的重要指标之一。本文利用Landsat TM数据分别对昭觉地区2009年和2014年的NDVI进行计算,并分别利用均值法、像元二分模型及NDVI差值植被指数对研究区域植被覆盖变化进行定量分析,结果表明:昭觉县NDVI均值上升了11.6%,植被覆盖度中极度改善的面积比例约占38%,昭觉县整体NDVI植被覆盖度显著提高,并对其变化原因进行简要分析,为生态环境建设提供决策依据。     

基于UCD数码影像在1∶10000地形图生产中像控点布设方案的研究及精度分析

叙述了在1∶10 000地形图生产中,通过设立试验区,在进行全野外布点的基础上,采用UCD数码影像在无POS辅助和有POS辅助两种情况下,使用自动空中三角测量软件Geolord-AT进行加密的方法。论证了区域网的大小对精度的影响,并通过精度分析,确定像控点布设方法,可为相似航测项目像控点布设方案的确定提供参考。     

无人机航摄在农村土地承包经营权确权登记颁证中的应用——以凤阳县为例

无人机航摄使用成本低、反应迅速快、场地限制小、操作简便、见效快,在农村土地确权中得到广泛应用,并取得了令人瞩目的研究成果。笔者单位为了保质保量按时完成凤阳县(第二标段:大庙镇、殷涧镇、刘府镇)农村土地承包经营权确权登记发证工作,采用无人机航测遥感技术,进行农村土地承包经营权确权,通过数据处理、外业指界标绘、调查底图制作、质量控制、结果分析等步骤,获取工作区内每一块农村承包土地的面积、权属和分布等信息,并分析无人机遥感手段获得的成果与传统方式成果在精度方面的优势,以便进一步推广。     

以SRTM-DEM为控制的光学卫星遥感立体影像正射纠正

针对全球测图缺少统一的控制基准的问题,提出了利用SRTM-DEM作为控制基准,对光学卫星遥感影像进行正射纠正的方法。首先,对光学卫星影像构建的立体影像对进行自由网平差并制作DEM;然后,以SRTM-DEM作为控制,将DEM作为单元模型,进行独立模型法DEM区域网平差,获得单元模型的定向参数;最后,改正立体影像的成像几何模型参数,进行正射纠正。选取湖北咸宁和江西某地两个测区的资源三号数据进行试验,试验结果表明,资源三号正视全色影像的平面定向精度由12.93像素提高到6.85像素。     

顾及像面畸变的卫星视频稳像

卫星视频每帧影像外方位元素数值存在差别,相邻帧影像间的同名点在像面位置不同,且由于每帧影像均存在几何畸变,经典的帧间的投影变换模型、仿射变换模型等视频稳像的配准模型不能精确描述帧间的同名点关系。针对该问题,本文提出顾及像面畸变的卫星视频稳像算法,基于仿真的卫星视频,验证了该算法的可行性和精度。     

总体最小二乘法在相机标定中的应用

对比总体最小二乘方法与最小二乘方法在相机标定中的适用性及优越性。在相机标定中,由于像点坐标和对应的地面点坐标均存在误差,因此采用总体最小二乘方法对误差方程中的系数矩阵及观测向量同时改正,能够建立更加合理的计算模型。文中以相机标定两步法为例,通过实例解算,证明利用总体最小二乘法能够得到精度更高的相机标定参数解。     

太湖地区HJ-1卫星CCD数据反演气溶胶及大气校正

针对HJ-1卫星CCD数据,利用改进的暗像元法反演气溶胶光学厚度(AOD),再利用反演的AOD对其进行大气校正。将反演的气溶胶与地基太阳光度计数据进行对比验证,发现当反演的AOD值大于0.2时,反演值与地基观测值的相关系数为0.964,符合MODIS业务化反演AOD的精度要求。再将反演得到的气溶胶带入6S辐射传输模型中,对HJ-1卫星CCD数据进行大气校正实验。结果表明,该方法能有效提高HJ-1卫星CCD数据大气校正的精度,更好地复原地物的真实光谱信息。     

融合机载雷达和航空正射影像的道路提取

针对单一遥感数据源提取道路信息中存在的问题,该文提出一种融合多源数据的方法:采用面向对象思想,融合机载激光雷达和航空正射影像,运用对象平均强度指数进行道路精确提取。首先利用点云强度信息进行道路粗提取,再结合影像光谱信息对粗提取点云进行优化,得到"一次点云";然后通过分形网络演化算法对影像进行多尺度分割形成对象,将"一次点云"导入分割对象,利用对象平均强度辅之以对象面积完成道路精确提取。实验结果表明,该方法提取流程简单快速、无须精确配准、道路提取精度较高。     

结合像元分解和STARFM模型的遥感数据融合

高空间、时间分辨率遥感数据在监测地表快速变化方面具有重要的作用。然而,对于特定传感器获取的遥感影像在空间分辨率和时间分辨率上存在不可调和的矛盾,遥感数据时空融合技术是解决这一矛盾的有效方法。本文利用像元分解降尺方法(Downscaling mixed pixel)和STARFM模型(Spatial and Temporal Adaptive Reflectance Fusion Model)相结合的CDSTARFM算法(Combination of Downscaling Mixed Pixel Algorithm and Spatial and Temporal Adaptive Reflectance Fusion Model)进行遥感数据融合。首先,利用像元分解降尺度方法对参与融合的MODIS数据进行分解降尺度处理;其次,利用分解降尺度的MODIS数据替代STARFM模型中直接重采样的MODIS数据进行数据融合;最后以Landsat 8和MODIS遥感影像数据对该方法进行了实验。结果表明:(1)CDSTARFM算法比STARFM和像元分解降尺度算法具有更高的融合精度;(2)CDSTARFM能够在较小的窗口下获得更高的融合精度,在相同的窗口下其融合精度也高于STARFM;(3)CDSTARFM融合的影像更接近真实影像,消除了像元分解降尺度影像中的"图斑"和STARFM模型融合影像中的"MODIS像元边界"。