长白山生态景观格局动态变化分析

长白山独特的地质和地理条件,形成了特有的自然景观,植被垂直带谱在亚洲具有代表性。通过1977年MSS、1985年TM及1999年TM三期遥感影像,结合实地调查建立解译标志,进行分类并计算景观指数,分析了长白山地区近30年来的景观结构变化。分析表明：从景观面积变化率来看,1977-1985年间,水体、苔原、居民点、针叶林和草地的面积减少,耕地和针阔混交林的面积增加显著,阔叶林、岳桦林、道路、裸地增加;1985-1999年间,水体、裸地、针阔混交林和阔叶林的面积减少,其他类型面积增加。景观格局变化表明,人为活动对景观格局产生的影响,已成为景观格局变化的主要驱动因子。     

高保真影像超分辨率重建应用研究

高分辨率图像是人们一直追求的目标,超分辨率图像重建技术就是人们获取高分辨率图像的一种很重要的方法。研究了超分辨率贝叶斯方法,该方法利用全波段增强多光谱遥感影像,结合传感器特性模拟了全波段和多波段影像的观测过程。这种方法使全波段数据与多光谱波段数据自动对齐,成功地保留了光谱信息,实现了遥感数据信息的高保真,进而增强了空间分辨率。以IKONOS全波段和多波段影像为例进行了深入地探讨,并对自动融合的结果进行了定性和定量分析。     

数字地貌形态分类优化方法

地貌形态特征分类对生态环境、水文研究及地质构造分析等地学研究具有重要意义,已成为现代地貌学的一个研究热点。利用高分辨率DEM数据,以平均坡度、截面曲率、最大曲率和最小曲率等地貌形态因子为参数,构建地貌形态分类模型;基于自组织映射神经网络提出数字地貌形态分类数学优化方法,对长春地区进行地貌分类。该方法实现自动聚类分析,获得了10种地貌类型阈值,达到地貌形态特征分类要求。这种方法突破了形态参数分类方法6种地貌类型的限制,分类种类达到10种;通过SOM聚类分析,自动获取阈值,从而减少了人为主观因素的干扰。地貌形态分类取得较好效果。     

Pleiades遥感数据融合在地理国情调查中的应用

地理国情调查工作中,数据源的选取和预处理在工程过程中占重要地位,由于航空影像数据获取时相受到一定的限制,因此,航天遥感数据作为影像有效补充。普利亚(Pleiades)航天数据以其优越的数据质量在地理国情调查工作中得到有效应用。本文从普利亚(Pleiades)地理国情调查应用出发,以探索全波段与多波段数据融合方法,提高数据可用性为目的,研究了遥感数据的几种融合方法,并对融合后的数据进行定量评价,从中选取最优方案,从而提高普利亚(Pleiades)数据的空间分辨率,达到数据分割,解译准确、精确的目标。     

3维景观快速建模技术研究

地表3维景观几何对象经过模型化后,都存储在计算机中,只有将其模型进行可视化,才能看到虚拟模型化后的地物景观.本文主要讨论了利用Creator,采用纹理和贴图技术、LOD模型、动态多分辨率的纹理与影像优化技术,提高3维模型的表达,加强可视化效果.     

ASTER数据在吉林市土地利用调查中的应用

以吉林市土地利用调查为例,阐述了以ASTER数据为数据源生产土地调查图件的全过程.同时,简要介绍了土地利用调查的技术方法和工作流程.着重介绍了采用ASTER 15 m空间分辨率遥感影像,参考LandsatETM+30 m分辨率遥感影像,利用1:50 000土地利用现状图及1:50 000DLG地形图,进行影像解译及土地利用统计分类的工作方法.     

融合化探信息的遥感异常提取

遥感信息与化探信息为地表地质体或地质现象物理特性和化学特性的表现,矿物特征光谱是对矿物化学组分的响应,二者存在密切的关联。2种信息融合既要达到空间位置的精确对应,又要根据物质成因的相关性,实现2种数据间数据层、决策(符号)层等不同层次的数据耦合,提高异常信息提取的准确度。通过对遥感与化探信息形成机理及特点的分析可知,二者在空间和成因上具有一定的相关性。采用反距离加权插值法,将化探散点数据转化为栅格数据结构并进行空间尺度的转换和配准,选择和研究区异常相关的4种元素(Au、As、Sb、Bi)与原始遥感数据进行融合,对融合后数据采用主成分分析的方法对内蒙古苏尼特左旗地区进行蚀变信息提取,较单独利用遥感数据提取结果剔除了无意义的异常信息点,异常区域更为具体。经野外检查,验证多处地表岩石蚀变的存在,证实了该方法的有效性。     

MapGIS下图切地质剖面自动绘制方法探究

传统的图切地质剖面方法较为烦琐,一般是在地形图上确定剖面线的起点和终点,用尺量出平距,结合图面等高线计算坡角,以画出剖面的地形线,然后根据实际情况绘制剖面花纹,这样进行剖面绘制工作效率较低。因此,笔者就剖面绘制的方法进行了探索,成功地在MapGIS平台下实现地质剖面绘制自动化。     

基于LiDAR点云数据的地物几何特征提取与制图

从机载激光雷达数据自动识别地物对象,可提高数据的解译能力,成为快速、高效地形图测量、数字地籍、三维城市等数据获取的有效途径。本文基于机载Li DAR数据和遥感数据,进行快速数据获取与制图研究,充分利用激光雷达获取数据质量高的优势,通过高密度、不规则点云分析,构建建筑物、树木、地表、电力线等地物的离散几何模型,从而提高点云数据的分类精度及制图自动化。根据描述地物使用线和面以及纹理、颜色的方面的约束条件,通过构建点云的离散几何模型,对高维数据进行降维,达到高精度构建地物信息。应用法线估计法,计算邻域法线的各项异性的相似度,判断相邻网格是否属于一个平面,结合区域增长法构建规则地物的几何模型;采用自组织神经网络法对点云数据进行处理,利用自由曲面描述地物,以长春师范大学校园为例,实现了Li DAR点云数据的地物几何信息提取与制图。     

PanSharpening自动融合算法及应用研究

如何将各种不同传感器获得的遥感数据结合起来,通过图像融合来提高图像的信息量,从中挖掘更深层次的信息,以更充分地识别和解译有关专题信息,受到国内外科研工作者的重视,研究了超分辨率贝叶斯方法--PanSharpening方法,该方法利用全波段增强多光谱遥感影像,合并传感器特性模拟了全波段和多波段影像的观测过程.这种方法使全波段数据与多光谱波段数据自动对齐,成功地保留了光谱信息,同时增加了空间分辨率,丰富了地面信息.以IKONOS全波段和多波段影像为例进行了深入的探讨.并对自动融合的结果进行了定性和定量分析.