利用温湿度指数提高红树林遥感识别精度

针对使用TM图像反射波段信息难以将红树林与陆地植被、尤其是与水体—植被混合像元有效区分的问题,结合不同潮位的TM图像,基于反射波段信息,引入TM6热红外波段信息,提出了温湿度指数(temperature-moisture index,TMI)。分析结果表明,综合潮位信息、热红外波段信息及温湿度指数能显著提高红树林与其他地物之间的可分性。采用光谱角度制图(spectral angle mapping,SAM)监督分类法对红树林进行分类识别,较之其他研究者所采用的分类特征,热红外波段信息及温湿度指数能使红树林分类精度明显提高(Kappa系数提高了0.14,错分率降低了19.9%),说明利用潮位信息、热红外波段信息及温湿度指数可以提高红树林的遥感识别精度。     

利用全极化SAR数据的极化特征获取海冰密集度的算法

本文提出了一种利用全极化SAR数据的极化特征获取海冰密集度算法。首先,对全极化SAR数据进行多视化及滤波等预处理,以获取相干矩阵与协方差矩阵;其次,通过相干矩阵与协方差矩阵获取若干极化特征,对这些极化特征进行相关性与冗余性分析,构建最优特征空间;然后,将最优特征空间作为输入量放入神经网络分类器中,得到海冰分类结果;最后,根据海冰分类结果提取海冰密集度。选用拉布拉多南部海域2景全极化Radarsat-2影像获取海冰密集度,与业务化海冰密集度产品ASI-3125进行对比研究。本文算法结果与ASI-3125海冰密集度分布趋势基本一致,总体上略大于ASI-3125海冰密集度,标准差值分布为3.46%和6.82%,说明利用高分辨率全极化SAR数据在监测边缘区域小尺寸破碎海冰方面具有优势。     

基于机载MASTER数据的果园叶面积指数遥感反演

叶面积指数(leaf area index,LAI)是描述植被冠层结构的重要参数,准确获取果树的LAI对果树长势监测和果树估产均有重要作用。以美国加州中部的果园为研究区,基于沿太阳主平面飞行成像的机载MODIS/ASTER模拟传感器(MODIS/ASTER airborne simulator,MASTER)数据,利用实测LAI数据与归一化差值植被指数(normalized difference vegetation index,NDVI)、归一化差值红外指数(normalized difference infrared index,NDII)和归一化差值水体指数(normalized difference water index,NDWI)分别建立回归模型,并选取NDWI进行研究区LAI的反演。结果表明:由于地物的二向性反射,垂直太阳主平面飞行获取的遥感数据具有明显的亮度梯度现象,而沿太阳主平面飞行获取的遥感数据几乎不受亮度梯度的影响;NDVI在高植被覆盖区容易达到饱和,而NDWI比NDVI和NDII具有更高的拟合度和更小的均方根误差,更加适合研究区LAI的遥感反演;该研究结果可以丰富LAI反演理论,也可以为研究LAI尺度问题提供理论和数据支持。     

基于知识与规则的红树林遥感信息提取

针对难以将红树林同陆地植被,尤其是同水体与陆地植被混合像元有效识别的现象,结合TM影像提取了能有效反映红树林湿地特征的绿度指数和湿度指数,同其他常用的NDVI、TM3/TM5、TM5/TM4等指数相比:绿度指数和湿度指数更能有效地提高红树林同陆地植被,尤其是同水体与植被混合像元的可分性.采用知识与规则方法提取红树林遥感信息,与其他学者常采用的分类特征及分类方法相比,识别精度有明显提高,Kappa系数提高0.10,错分率降低16.1个百分点.     

结合潮位信息的红树林遥感识别

红树林的滨海湿地生境使得它同陆生植被、水体-陆生植被混合像元难以区分,且红树林在遥感图像上的空间分布还随着潮位的变化而变化,因此基于通常采用的单一潮位遥感图像无法精确提取红树林空间信息.基于高潮位和低潮位TM遥感图像,尝试利用红树林的潮位周期性变化和滨海湿地特征来精确提取红树林空间分布信息.研究结果表明：基于缨帽变换和潮差信息提取的WI_L+WI_H、GVI_L和GVI_L-GVI_H（WI、GVI分别为Wetness Index、Greenness Vegetation Index,下标L和H分别表示低潮位和高潮位）等指数能使红树林与其他地物之间具有很好的可分性;进一步采用最大似然法对红树林进行分类识别,通过结合潮位信息能精确提取红树林,其中制图精度和用户精度分别为94.57%、98.8%.     

CoLM模式在西北干旱区和青藏高原区的适用性研究

运用CoLM(CLM3.0)模式对典型干旱区(张掖站)和青藏高原区(安多站、MS3478站)进行了off-line验证试验,检验了CoLM模式在典型干旱区和青藏高原区的性能。结果表明:CoLM模式对典型干旱区绿洲灌溉农业的陆面过程模拟较好,土壤各层温度的日变化趋势和季节变化趋势都能较准确地模拟出来,模拟的地表温度与观测值相关系数为0.885,均方差为0.873;模拟的5 cm土壤温度值与实测值的相关系数为0.944,均方差为0.891。在高原地区能量平衡分量的模拟中,净辐射、感热模拟效果较好,潜热分量模拟值偏大,故将CoLM模式用于高原地区还有待进一步改进。     

遥感科学与技术专业创新型人才培养模式的探索

遥感作为一种高效的对地观测技术在社会各领域发挥着重大的作用,培养创新型遥感人才已成为我国高等院校的重要任务。本文以南京信息工程大学为例,阐述了遥感科学与技术专业创新型人才培养模式的整个过程。根据遥感科学与技术专业学科交叉的特点并结合我校气象行业的特色,确立了"强数理基础、宽大气口径、重遥感实践、培养具有气象应用特色的跨学科复合型创新人才"的培养目标。围绕人才培养目标,重点阐述遥感人才培养的过程的7个环节。最后以2010级遥感科学与技术专业学生的培养为典型案例,评价了我校遥感科学与技术专业创新型人才培养模式的培养质量。     

基于高分六号宽幅影像的油菜种植分布区域提取方法

油菜作为我国主要的农业经济作物及食用油的主要来源,及时、准确地获取其种植分布信息,是全面掌握油菜种植状况、加强生产管理、优化作物种植空间格局的重要依据。高分六号（GF-6）的宽视场（Wide Field View,WFV）传感器在可见光-近红外波段基础上增设了2个红边波段、1个黄波段和1个紫波段,为油菜遥感识别提供了更加丰富的光谱信息,进而相较于蓝、绿、红、近红外4个“传统波段”的识别精度有所提升。本文以油菜开花期内两景不同时相GF-6 WFV影像拼接图像作为数据源,选择油菜生产优势区的河南省固始县为研究区,针对油菜同其他地物的“异物同谱”现象以及不同生长阶段油菜的“同物异谱”现象,利用油菜开花期独特的反射光谱特征,结合均值间标准化近距离提出了NDSI₂₈、S₃₄、NDSI₂₃和NDSI₄₆共4个光谱指数,并由此构建油菜种植区域提取的决策树模型。研究结果表明,基于4个指数组合构建的决策树模型对油菜种植分布信息的提取达到了较好的效果,总体精度为96.17%,与随机森林、支持向量机、最大似然法相比分别高出0.31%、0.88%和1.24%;制图精度方面,决策树法为98.15%,比随机森林、支持向量机、最大似然法分别高4.72%、4.21%和5.59%;对于用户精度,决策树法为86.89%,较随机森林、最大似然法分别低2.2%和1.63%,比支持向量机高0.11%。由此说明,GF-6 WFV数据中的新增波段极大地丰富了其光谱信息,使其在包括油菜在内的农作物种植分布信息提取中具有独特的优势和巨大潜力。     

高浊度原水的透光脉动性能研究

通过实验研究和理论分析 ,以流动高浊度原水为研究对象 ,考察了在不同絮凝剂搅拌速度、投药量和投药方式条件下 R值的变化规律 ,从而得到絮凝体破碎和重组的有关信息 ,及时反映各种变化条件下的絮凝体特性。