虚拟仿真在测量学教学中的实践和探索

《测量学》是一门理论与实践紧密结合的课程。针对测量学课程实践教学学时不足的缺陷,本文分析了非测绘专业测量学课程引入虚拟仿真教学的必要性,依据课程特点和教学现状,指出应将实践教学内容作为虚拟仿真教学的重点,从课堂教学和实践环节有机结合的角度,对虚拟仿真教学的应用模式进行了探索。     

植被生态遥感参数定量反演研究方法进展

植被参数是生态遥感定量反演的热点和难点,也是生态系统研究的基础性参数。本文在广泛阅读国内外公开发表的文献资料基础上,将现有的植被生态遥感参数概括为物理类、生化组分类、能量和功能类3大类,系统梳理了每类参数定量反演的主要模型方法,进行优缺点和适用性分析,对现阶段存在的不足和未来发展趋势进行了探讨。物理类植被生态遥感参数主要介绍了植被覆盖度、生物量、叶面积指数、树高等研究进展,生化组分类植被生态遥感参数主要介绍了植被含水量、叶绿素含量和光合能力等研究进展,能量类植被生态遥感参数介绍了光合有效辐射、植被吸收光合有效辐射等研究进展,功能类植被生态遥感参数主要介绍了植被生产力和碳交换量等研究进展。存在的主要问题包括混合像元分解、病态反演、物理模型应用过程中的误差传递、数据融合的尺度效应和空间变异性、模型耦合的最优方案确定问题。     

植被覆盖区土壤水分反演研究——以北京市为例

以北京市为研究区域,联合使用光学遥感数据和雷达数据,对植被覆盖区地表土壤水分进行反演研究。在利用同期光学数据提取出归一化水分指数(normalized differential water index,NDWI)之后,利用water-cloud模型去除植被层在土壤水分后向散射中的贡献,然后考虑到地表粗糙度,在构建后向散射数据库的基础上分别利用HH和HV极化方式的后向散射系数构建土壤水分反演模型,并对反演结果进行对比研究。结果表明,采用HH极化方式反演土壤水分的均方根误差为0.044,相对误差为15.5%;采用HV极化方式反演土壤水分的均方根误差为0.057,相对误差为20.3%;相比而言,HH极化的反演效果更好。     

ALOS-PRISM立体像对提取DEM的应用研究

本文使用ALOS-PRISM高分辨率立体像对数据提取DEM;针对DEM精度评定过程中地形单一的问题,文中着重分析了DEM在不同地形条件下的精度情况,通过与1∶50 000实测DEM比较分析,结果表明在无植被覆盖的平原地区DEM精度最高,高程中误差可以达到4.46m;其次是城区,山区最差,与同类卫星产品相比该精度已有很大的提高,因此ALOS-PRISM的应用可以为我们快速获取高精度的DEM提供一种新的途径。     

利用ANFIS方法反演裸土区土壤水分含量

为了更好地进行土壤水分反演,发展了一种基于ALOS/PALSAR数据、利用自适应神经模糊推理系统(adaptive neuro fuzzy inference system,ANFIS)反演土壤水分的方法.首先,根据研究区实际情况,利用AIEM和Oh模型模拟了试验区裸土区的后向散射特性,建立了后向散射系数与地表粗糙度之间的关系;然后,考虑到研究区地表粗糙度几乎没有变化这一情况,设定了地表粗糙度对后向散射系数的影响为常量;在此基础上,分别利用ANFIS,BP神经网络、多元线性回归和多元非线性回归方法构建了裸土区土壤水分的反演模型,并利用野外实测数据对模型进行了验证.研究结果表明,采用ANFIS方法构建的模型反演精度最高,其均方根误差为0.030,相对误差为14.5％.因此,可以利用ANFIS方法反演裸土区的土壤水分含量,其反演结果具有较高的精度.     

基于数字影像的低空摄影测量研究

随着数码相机技术的发展,非量测性的数码相机已成为摄影测量中应用研究的热点。论文阐述利用大面阵数字影像实现低空摄影测量的理论与方法,并介绍利用超轻型飞机平台实施的低空航测试验。试验结果表明,基于大面阵数字影像的低空摄影测量能满足大比例尺测图精度要求。     

定量遥感课程有效教学方法探索与实践

定量遥感是遥感科学与技术专业的核心必修课程之一，其涉及内容广泛、基础模型复杂、核心算法众多，采用何种有效教学方法才能顺利完成本科教学目标与要求，成为目前教学过程中的重点和难点。本文提出了一套“知识转化率模型”的教学方法，认为单位学时内学生习得的知识量为教师输出量、学生接受量及学生知识转化率三者的乘积，只有每一单项均达到最优，最终的教学效果才能达到最优。文中详细列举了典型的具体教学措施，以促使“知识转化率模型”中每个单项达到最优化状态。结合“遥感地表温度与植被盖度空间”模型这一定量遥感知识点，阐述了上述教学方法的应用实践。本文研究有助于提升遥感科学与技术专业的教学质量与人才培养水平，也可为其他相关课程的教学提供参考。     

利用偏最小二乘回归反演冬小麦条锈病严重度

通过人工田间诱发不同等级条锈病，在不同生育期测定冬小麦感染条锈病严重度和冠层光谱，采用偏最小二乘（PLS）方法建立了冠层光谱和条锈病严重度的回归模型。结果显示： PLS反演冬小麦条锈病严重度的效果很好，与文献［4］中提出的利用高光谱指数进行反演的结果相比，精度更高； 通过对PLS回归系数的分析，发现叶绿素吸收谷两边（505~550 nm，640~670 nm，680~700 nm）的一阶微分光谱可用于诊断冬小麦条锈病病情，条锈病病害冬小麦在叶绿素吸收谷两边的一阶微分光谱的绝对值会比健康冬小麦的更大。