玄武岩的多角度偏振反射光谱研究

该文研究玄武岩在2π空间的多角度反射光谱、偏振反射光谱特征。实验测定了玄武岩在2π空间上反射光谱、偏振反射光谱与光线入射角、探测角、方位角、波段、偏振性等因子之间的关系。结果表明：1)光线入射角对玄武岩的反射光谱、偏振反射光谱影响很大；2)空间水平方位角对光谱具有偏振(极化)特征。空间竖直探测角的影响是随着光线入射角的不同而显著影响着玄武岩的波形曲线特征；3)波段的不同，影响着玄武岩反射光谱、偏振反射光谱吸收能量的大小，但不显著影响玄武岩的空间波形曲线特征。     

云的立体观测研究进展

对云的立体观测的研究历史做了回顾,按照具有代表性的观测平台的变化划分了4个发展阶段,分别予以介绍,内容包括典型平台、技术途径和特点、同步精度、云高指定精度等。重点介绍了双星联合观测的云高指定技术,分析了关键技术和可能存在的问题,为技术实现做了较好的准备。     

基于MISR多角度光学遥感影像的海面风速估算实验

太阳耀光是来自粗糙海面的直接太阳反射光,其强度与海面粗糙度密切相关,而海面粗糙度主要受海面风场影响。因此,包含太阳耀光信息的光学遥感影像在海洋动力过程和海面风速探测中具有积极意义。本文利用2016年2月到2017年3月期间成像的25幅Terra卫星MISR(Multi-angle Imaging Spectro Radiometer)传感器的多角度遥感影像,分别提取了太阳的高度角和方位角、正视和后视影像的卫星观测角、方位角等信息,校正获得正视和后视影像的太阳耀光辐射强度,进一步反演海表面粗糙度信息,进而计算海面风速。最后利用ECMWF(European Centre for Medium-Range Weather Forecasts)的模式风速数据与反演获得的风速结果进行对比验证。结果表明,两者的相关系数较高(R=0.745),均方根误差和平均绝对偏差值分别为1.514 m·s^-1和1.319 m·s^-1。初步实验结果表明,利用MISR多角度光学遥感影像估算海表面风速是可行性的。     

地面和机载多角度观测数据的反照率反演及对MODIS反照率产品的初步验证

MODIS的反照率产品采用半经验的二向性反射核驱动模型算法(AMBRALS),对16天累积观测的多角度遥感数据进行反演。产品的应用需要相关研究的地面观测数据进行验证。主要研究基于地面气象台站用反照率表观测的反照率数据、地面和机载多角度遥感数据通过AMBRALS算法反演得到的反照率,与MODIS相应的地面反照率产品做比较的降尺度验证方法,并提供对MODIS反照率产品的初步验证结果。     

玉米叶面积指数的CHRIS/PROBA数据反演分析

叶面积指数(LAI)是衡量植被生态状况和估算作物产量的一个重要指标。LAI的反演是定量遥感研究的重要内容。传统的经验统计反演方法基于单一观测角度的遥感数据进行,忽略了地物反射率的方向性。若在反演中加入多观测角度的信息,则有可能提升LAI反演的精度。以2008年甘肃省张掖市玉米实验区为研究区,利用欧空局的CHRIS/PROBA多角度高光谱数据对比分析了传统植被指数NDVI、RVI、EVI的变化规律及其反演玉米叶面积指数LAI的精度,并根据NDVI随观测角度的变化规律,构造出新型多角度归一化植被指数MNDVI,分别对实测叶面积指数进行线性回归并利用实测数据对估算LAI进行精度验证,结果表明：新型MNDVI指数相比于传统NDVI、RVI、EVI对LAI的反演精度有了显著提升,估算模型决定系数R²达到0.716,精度验证均方根误差为0.127,平均减小了33.3%。     

基于决策树的多角度遥感影像分类

快速准确地获取土地利用/覆被信息是遥感领域研究的一个热点课题.本文用5种决策树分类器及MISR多角度数据,对塔里木河下游地区进行土地覆被分类研究.通过对不同波段和观测角数据组合形成的6个数据集进行分类比较发现:(1)无论使用哪种分类器,相比于天底角观测方式,多角度观测都能获得更高的分类精度,特别是能显著提高灌木,林地和草地类型的分类精度,说明多角度观测能有效地反映地物的反射异质性信息,更好地区分地物.(2)与MLC分类法相比,决策树算法的分类精度更高,特别是随机森林和C 5.0方法最为突出,说明决策树的分类能力要优于MLC法.使用多角度数据集时,这种差别更明显,说明决策树能更有效地利用多角度信息.(3)4种决策树算法(J48,Random Forest,LMT,C 5.0)使用近红外波段的分类效果好于使用红光波段的分类效果,说明近红外波段能提供更多的地物反射异质性信息.     

基于多角度遥感的植被指数与叶面积指数的线性关系研究

以辐射传输方程PROSAIL为基础,模拟不同观测天顶角和不同叶面积指数(LAI)下的植被冠层光谱。利用模拟的冠层光谱构建3种常用的植被指数,并分析不同观测天顶角下叶面积指数变化对3种植被指数的影响。结果表明,MSR能较好解决由于LAI变化而引起的饱和现象。观测天顶角为-30°时,3种植被指数与叶面积指数的线性关系较30°和0°时好。     

Evaluating the potential of multi-view data extraction from small Unmanned Aerial Systems (UASs) for object-based classification for Wetland land covers

Unmanned Aerial Systems (UASs) have the potential to provide multi-view data, but the approaches used to extract the multi-view data from UAS and investigation of their use in image classification are currently unavailable in publications to our best knowledge. This study presents a method that combines collinearity equations and a two-phase optimization procedure to automatically project a point from real world coordinate system of an orthoimage to UAS image coordinate system (row and column numbers) to be used in multi-view data extraction. The results show average errors for the computed UAS column and row numbers were 1.6 and 1.8 pixels respectively evaluated with leave-one-out method. Based on this algorithm, it’s also for the first time that object-based multi-view data were extracted and presented, and the potential of using the multi-view data to aid Geographic Object-Based Image Analysis(GEOBIA) through bidirectional reflectance distribution function (BRDF) modelling was evaluated with two representatives of BRDFs, the Rahman-Pinty-Verstraete(RPV) and Ross-Thick-LiSparse (RTLS). Our results indicate the RPV model tends to overestimate the bidirectional reflectance for land cover types with high reflectance, while perform well for those with relatively low reflectance in our study area. To test the impact of using multi-view data on image classification, we extracted parameters from BRDF models and used these parameters as object features for object-based classification. The 10-fold cross validation results show that the 3-parameter RTLS significantly improved overall accuracy compared to the classifications relying only on the orthoimage features, while other BRDF models did not show significant improvements, raising the needs to develop new methods to better utilize the multi-view information in GEOIBA in the future.     

不同植被LAI的MODIS反演及其在青藏高原东部的应用

应用Terra和Aqua卫星的MODIS资料和三维叶分布模式,结合MODIS陆地植被覆盖产品数据,估算了6种生物群落的LAI,并与我国西北地区叶面积仪观测结果进行了对比和分析。结果表明,从两颗卫星连续8天的观测资料可以估算出LAI,反演结果的相对误差基本在±20%以内,平均相对误差为13.7%,说明该方法可以反演实际植被的LAI;根据植被类型的差异,建立了6种生物群落LAI与NDVI的指数关系,相关性较好;青藏高原东部的LAI时间变化有不一致性的特征,反映了不同生物群落的生物学特性的差异;不同季节的LAI变化在空间上有很大差异,说明本研究区域西部冷、干和高原东部相对暖、湿的复杂气候特征。     

AMTIS大气订正算法——基于MODTRAN4．1与BRDF大气订正环

基于BRDF大气订正环的途径和核驱动模型 ,用MODTRAN创建大气参数查找表 (LookUpTable LUT) ,加入地表先验知识 ,对AMTIS(AirborneMulti angleTIR/NIRImagingSystem AMTIS)的可见光、近红外波段数据进行了大气订正 ,并根据地面数据进行了验证。结果表明 ,采用本文算法比基于地表朗伯假定的大气订正能更有效地去除大气影响