陕北地区TM 影像重采样方法研究

以1997年TM影像为遥感信息源,探讨利用ERDAS IMAGINE对陕北地区TM影像进行重采样的方法。通过对最邻近法、双线性内插法和立方卷积三种方法优缺点的比较,认为双线性内插法最适合陕北地区遥感影像的重采样。     

ERDASIMAGINE监督分类模板评价的研究

用陕北地区(榆林、延安、铜川)的TM影像,建立了监督分类模板,并对ERDASIMAGINE提供的几种模板评价工具进行了研究分析,其中评价工具包括:分类报警工具、可能性矩阵、特征对象、直方图方法、分类的分离性、分类统计分析等。实践证明:模板评价是监督分类中很重要的一步,模板的准确性直接影响着监督分类结果的精度。

     

TM影像在陕北地区生态环境本底调查中的应用

利用1997年11幅TM影像为遥感信息源，以陕北地区(榆林、延安、铜川)为试验区，采用ERDASIMAGINE提供的计算机监督分类方法，对该地区的植被类型、植被覆盖度、土地利用以及坡耕地进行了大规模的遥感调查，并将调查成果按1：10万比例尺制图。研究表明，利用监督分类方法对分辨率为30m的TM影像进行陕北地区生态环境遥感调查与制图是可行的，能较真实地反映该地区植被和土地利用的基本特征。     

陕北地区不同时相TM遥感图像的镶嵌

介绍陕北地区不同时相TM影像在ERDAS中的镶嵌，对镶嵌过程中的图像放置方法、重叠区匹配等问题进行了探讨．最终重叠区匹配方法对于同一天图像采用重叠方式，对于非同一天图像采用平均方式。     

长城沿线风沙区土地利用监督分类方法

以长城沿线风沙区为试验区，以1997年TM影像为遥感信息源，进行了土地利用状况本底调查，探讨了利用ERDAS IMAGINE对该地区TM影像进行监督分类的方法，包括以外业调查的信息为基础建立分类模板、评价分类模板、执行监督分类、评价分类结果、聚类统计分析等步骤。     

基于植被覆盖度地表温度的深层土壤湿度遥感反演

摘要：利用ＭＯＤＩＳ影像数据,在地表温度和植被覆盖度（T_s/F_г）特征空间基础上反演了江苏省仪征地区２００４年５月、９月和１１月４０ｃｍ土壤湿度。反演结果显示,５月土壤湿度值最大,９月次之,１１月最小。５月土壤湿度高值区主要位于南部靠近长江沿岸地区和北部谷底平原地区,低值区主要位于中部缓岗丘陵地区。利用实测资料进行模型检验表明,本研究反演出的土壤湿度精度较高,遥感反演的４０ｃｍ土壤湿度的平均相对误差达７.６％。

     

基于SPEI的陕西近40年干旱时空特性分析基于SPEI的陕西近40年干旱时空特性分析

根据1971—2012年陕西省96个气象观测站月降水、气温数据计算出标准化降水蒸散指数SPEI(Standardized Precipitation Evapotranspiration Index),运用经验正交函数分解EOF(empirical orthogonal function)、线性趋势分析及Morlet小波分析等方法,分析了近40 a来陕西省干旱时空演变特征、干旱化趋势、变率及周期性特征,结果表明：（1） 陕西地区具有整体干旱变化特征一致的特点,总体呈现出干旱化趋势增强的特征,其中西安地区增强最明显,关中及陕北干旱变率最大;（2）干旱呈现明显的区域分布特征,以秦岭为界将陕西省分为秦岭以南和秦岭以北两大区域,两区域干旱呈现南北相反的分布特征,突变分析表明这种相反分布特征在1994年之后加剧;（3） 从周期上看,整个陕西地区干旱呈准10 a震荡,且关中与陕北地区呈现干旱特征相反的震荡步调。

     

乌鲁木齐市热岛强度分布与植被覆盖相互关系的遥感研究

应用TM遥感影像对乌鲁木齐市城市热岛强度分布进行了提取并探讨了提取方法，在此基础上使用遥感的方法进行了城市热岛强度分布与植被覆盖相互关系的研究。结果表明：TM遥感数据对于城市热岛的研究十分有益，热岛强度的分布与植被覆盖有很好的相关性。     

基于ＶＣ＋＋的风云三号卫星实时遥感数据提取方法

分析了ＨＤＦ５文件和风云三号卫星实时遥感数据结构和特点,采用ＨＤＦ５文件最新的
Ｃ＋＋Ｃｌａｓｓｅｓ开发包、ＶＣ＋＋程序设计语言,开发一种实用性较强的风云三号卫星实时遥感数据
提取方法,并介绍合成风云三号卫星中分辨率真彩色图像的方法。

     

GMS卫星图象重采样方法探讨

为便于小区域静止气象卫星图象与地理信息、数字化雷达等资料的同化、叠加分析,必须对ＧＭＳ卫星图象资料进行重采样。本文采用非线性卫星原始图象定位技术,讨论了ＧＭＳ卫星图象的４种重采样方法,结合实例计算,对各方法的综合能力作了评估。结果表明,静止气象卫星环境监测资料重采样以最优权重法为宜,卫星云图资料重采样应采用双线性法。     

基于概率神经网络的遥感影像分类方法

在对数据进行归一化处理的基础上,将概率神经网络用于遥感影像分类,并探讨样本区的选择和高斯基函数标准差对分类精度的影响。用西藏波密地区1999年的TM遥感影像进行分类试验,并将分类结果和经典的最大似然法进行比较。结果表明：概率神经网络的总体分类精度和Kappa系数分别为94.5%和0.934,取得了较为理想的识别和分类效果。     

基于TM影像的三维飞行制作

以陕北地区地表植被观察为目标,介绍了利用TM影像及DEM高程数据在ERDA S中进行虚拟三维工程文件的制作及后期视频文件输出的过程,提出了制作和输出过程中应该注意的问题及视频编码的选择建议。     

2016年陕西气候影响评价

2016年陕西气温偏高。降水略偏少且时空分布不均,陕北大部偏多,关中、陕南偏少。冬季1月遭遇强冷空气,多地最低气温跌破或逼近历史极值。初夏关中、陕南汛雨早,强度大,灾害重。夏季多暴雨、大暴雨等强降水天气,西安等大中城市内涝严重。夏季高温范围广,强度大,持续时间长,关中、陕南伏旱严重。冬季关中渭河河谷地带霾频次多,严重影响居民出行及身体健康。2016年属于灾害一般的年份。

     

决策树在遥感影像分类中的应用

在充分了解决策二叉树分类过程的基础上,以西藏波密地区的TM遥感影像为研究对象,提取并分析各种典型地物的反射光谱特征,利用不同地物的光谱差异并结合人工目视判读建立了一组能够精确、快速划分遥感影像的分类规则。用ENVI建立分类决策树对实验区遥感影像进行分类,并将分类结果和传统的最大似然法相比较。结果表明：决策树分类的总体精度和Kappa分别为97.15%和0.9644,优于传统的最大似然法,取得了较为满意的分类结果。     

决策树在遥感影像分类中的应用

在充分了解决策二叉树分类过程的基础上, 以西藏波密地区的TM遥感影像为研究对象, 提取并分析各种典型地物的反射光谱特征, 利用不同地物的光谱差异并结合人工目视判读建立了一组能够精确、快速划分遥感影像的分类规则。用ENVI建立分类决策树对实验区遥感影像进行分类, 并将分类结果和传统的最大似然法相比较。结果表明:决策树分类的总体精度和Kappa分别为97.15%和0.9644, 优于传统的最大似然法, 取得了较为满意的分类结果。     

遥感影像分类方法在水体面积估算中的比较研究

随着遥感技术的广泛应用,利用遥感影像提取水体信息为水文研究提供了基础数据.目前进行水体提取所使用的遥感数据分辨率较低,影响了水体提取的精度.Landsat TM遥感影像主要依据水体在7个波段上光谱的不同特征以及其他地物与水体的区别,通过分析水体及背景地物的光谱值,利用单个波段或多个波段组合来提取水体信息.以昭平台水库的TM数据为例,对其进行了几种提取水体信息方法的研究.通过总体精度及Kappa系数的对比,选择最优分类方法,并将该方法用于水体面积的估算.     

ERDASIMAGINE监督分类模板评价的研究

用陕北地区(榆林、延安、铜川)的TM影像，建立了监督分类模板，并对ERDAS IMAGINE提供的几种模板评价工具进行了研究分析，其中评价工具包括：分类报警工具、可能性矩阵、特征对象、直方图方法、分类的分离性、分类统计分析等。实践证明：模板评价是监督分类中很重要的一步，模板的准确性直接影响着监督分类结果的精度。     

高空气象探测雷达场强仿真方法及应用研究

利用FEKO产品对高空气象探测雷达场强进行建模,获取相对场强的离散值,研究并比较了双线性内插法、反距离加权法(k=1)和(k=2)、边界平滑的反距离加权法(k=1)和(k=2)5种内插方法计算的高空气象探测雷达在任意方向的相对场强。结果表明:任意方位角和天顶角范围内,双线性内插法计算的高空气象探测雷达场强的拟合度最好;在主瓣区域采用小于等于0.5°,旁瓣区域采用小于等于0.1°间隔的初始场强,仿真结果可以满足高空气象探测雷达模拟训练系统的需求。     

陕西果区近50年降水变化特征及影响分析

通过对陕西省果区近50a降水的时空分布特征进行分析,发现陕西大部果区呈减少趋势,减少最显著的是延安果区,其次是延安南部和渭北西部地区,关中和渭北东部地区减少趋势较缓;在季节上各果区春、秋两季降水量呈减少趋势,尤以春季减少明显,大部果区秋季连阴雨发生呈增加趋势,夏、冬两季降水呈增加趋势;依降水变化对各果区的影响进行分区评述,提出有针对性生产措施。

     

金塔绿洲地表特征参数遥感反演研究

TM影像是陆地资源卫星（Landsat）携带的专题绘图仪（Thematic Mapper,TM）扫描计获取的遥感图像,近年来,该数据得到了广泛的应用。本文使用Landsat-5TM数据推算了金塔地区的地表参数,包括标准化差值植被指数NDVI、修正的土壤调整植被指数MSAVI、植被覆盖度、地表反射率及地表温度。并将地表反射率、地表温度的反演值与观测值进行对比,结果表明：地表温度反演结果的相对误差在9％以内,地表反射率反演结果的相对误差在8％以内。