基于指数计算的多层次遥感信息提取模型

指数计算是描述地物波谱特征简单而有效的方法.但单纯依靠指数方法进行遥感专题信息提取,错分、漏分现象严重.该文提出一种"全域一局部"的遥感信息提取思路:对整幅图像进行全域分割、全域分类,实现目标地物与背景地物的初始分离;在目标地物周围建立一定尺度的缓冲区,作为局部分割一局部分类的作用区域,并在局部作用域内选择不同的阈值,通过迭代过程实现目标地物与背景信息的最优分离.选取鄱阳湖地区Landsat 7/ETM+影像,应用该方法进行水体提取试验,精度达95.751%,优于常规的最大似然法.     

新疆博斯腾流域湿地遥感监测及时空变化过程

博斯腾流域是新疆最大的湖泊湿地分布区。湿地作为干旱区的一种特殊景观类型,在流域生态环境和水循环中发挥了重要的作用,其产生和消失、扩大和萎缩对区域生态环境将产生重要的影响。以Landsat系列数据为主要数据源,完成了博斯腾流域的3期遥感制图(1990、2000、2010年),分析了博斯腾流域湿地分布现状,探讨了区域湿地的时空变化过程和动态变化特征。结果表明:新疆博斯腾流域的湿地面积总体上一直在萎缩,1990-2010年总面积减少了16.24%;但是减少趋势相对变缓,且不同类型的湿地变化过程有所不同。其中:1990-2000年河流湿地和湖泊湿地表现为增加趋势,芦苇沼泽湿地表现为减少趋势;2000-2010年河流湿地、芦苇沼泽和湖泊湿地面积都表现为萎缩。在变化动态特征上,流域河流、湖泊湿地最近20a呈现倒"V"型波动,而芦苇沼泽湿地则持续下降。通过湿地变化与区域生态环境因子耦合分析表明,在近期内人类活动是造成区域湿地萎缩的主要因素。     

基于不确定性迭代优化的山地植被遥感制图

山地因其较高的异质性和特殊的环境特征给遥感科学及其应用带来了诸多问题和挑战。为实现山地植被信息的精准提取,本研究选择部分滇西北山地区域作为研究区开展方法实验,利用高分辨率遥感影像数据和数字高程模型,结合分区分层感知思想,提出一种基于不确定性理论的山地植被型组分类制图方法。首先结合地形对研究区影像进行多尺度分割制作图斑;然后根据图斑特征使用随机森林方法进行分类,将分类结果与对应类别样本间的相似性作为优化目标, 并构建混合熵模型定量计算图斑推测类型的不确定性,据此进行针对性的样本补充和分类模型的迭代优化。实验总体分类精度达90.8%,较迭代前提升了29.4%,Kappa系数达到0.875。在高不确定性区域,该方法相比使用一次性补样和随机补样方法的分类结果,精度分别提高了17%和13%。研究结果表明,通过人机交互的方式,基于不确定性理论为样本库融入增量信息的迭代优化方法能够有效提高植被型组分类的精度,相较于传统的样本选择方法具有更高的效率和更低的不确定性。     

基于MODIS数据的Landsat-7 SLC-off影像修复方法研究

研究如何修复由于扫描行校正器SLC故障而造成的数据坏行,成为国际遥感研究的热点.文章在总结现有的修复方法基础上提出用相同时相的MODIS09数据修复SLC-off数据的方法.该方法采用时空自适应反射率融合模型(STARFM)算法实现MODIS09数据和TM/ETM+数据的融合,获得与SLC-off数据相同时相和空间分辨率的融合数据,然后采用局部线性直方图匹配完成对SLC-off数据填充.实验证明该方法修复效果明显好于传统方法,解决了传统修复方法中存在的一些问题,一定程度上提高了ETM+SLC-off数据的利用率.     

地物波谱数据辅助的SPOT影像模拟真彩色方法研究

提出一种新的高分辨率遥感影像真彩色模拟方法。该方法从遥感成像光谱角度,依据地物波谱特性,采用光谱角匹配模型(SAM),首先计算出地物在绿(G)、红(R)、近红外(NIR)以及短波红外(SWIR)波段的整体和局部波谱向量角;然后根据角度距离构建最小距离隶属函数,查找对应地物波谱库中最为相似的地物波谱;最后对此条地物波谱曲线积分计算出该像素点在蓝波段的反射率。实验表明,该方法模拟出的SPOT真彩色影像在视觉效果和空间信息上优于传统的方法。     

遥感信息计算研究进展

遥感应用的本质是从对地观测影像上提炼专题信息和获取领域知识, 并以之服务于各类分析与决策的过程。作为整个遥感应用服务技术链(遥感空间信息系统)的基底, 遥感信息计算是在高性能计算环境支持下进行数据高效能处理和信息智能化提取的计算过程。本文在地学计算理论基础上构建了遥感信息计算的理论方法体系, 将其分为“像素级”和“对象级”两个层次的计算过程并分别介绍了各自的研究进展, 并提出了“像素—基元—目标—格局”为一体的信息计算方法, 阐述了高性能计算环境支持下遥感信息计算平台的设计开发思路及目前研发进展, 总结了遥感信息计算的发展趋势和重点研究问题。     

分步迭代的多光谱遥感水体信息高精度自动提取

以LANDSAT卫星遥感数据为信息源, 在归一化差异水指数(NDWI)计算的基础上, 采用“全域—局部”的分步迭代空间尺度转换机制, 将全域分割、全域分类、局部分割与分类等计算过程有机地结合起来, 分阶段地融合了水体信息提取所需的不同层次知识, 并建立迭代算法实现了水体最佳边缘的逐步逼近, 获得了高精度的水体信息提取。通过对青藏高原试验区湖泊信息提取的实验表明, 该方法除了能够实现对复杂多样的水体信息进行高精度自动提取外, 还可有效避免与阴影等信息的混淆。