面向Sentinel-2影像的亚像元级水体提取方法

结合Sentinel-2影像及其他高分辨率卫星数据进行长序列、高频次、大范围的水面率、蓄水量、生态流量等水资源要素监测具有重要意义。为了提高水体提取精度,解决利用多源中高分辨率卫星数据提取水体时的空间尺度效应问题,本文提出了一种面向Sentinel-2影像的亚像元级水体提取方法(简称SWES)。首先利用RWI提取纯水体像元,然后利用膨胀算法提取水陆边界混合像元,最后为解决地物的类内光谱变化问题,采用考虑空间信息的多端元光谱混合分析算法(MESMA)求解水陆混合像元中的水体丰度。3个试验区的结果均表明,SWES取得了较好效果,平均RMSE为0.147,水体提取效果均优于自动亚像元水体提取方法(简称ASWM),尤其在水陆混合像元较多的坑塘养殖区。SWES在试验区获取的水体面积也有较高精度,平均相对误差为8.03%,低于ASWM的20.23%,结果表明SWES能够有效提升水域面积提取精度。     

高光谱遥感图像亚像元信息提取方法综述

高光谱遥感图像光谱分辨率高、波谱连续、图谱合一,这为精细地物分类、探测和识别提供了数据基础。然而,由于高光谱遥感图像空间分辨率的局限性及地物场景的复杂分布,混合像元普遍存在于高光谱遥感图像。混合像元是高光谱遥感图像精细信息提取与分析中的难点。解决混合像元问题,实现亚像元级信息的提取与分析是近年来高光谱遥感图像解译的热点和前沿。本文系统梳理了高光谱遥感图像亚像元信息提取的主要研究内容,具体从混合像元分解、亚像元制图及亚像元目标探测3个研究方向综述了经典方法,并对国内外相关方向的研究进展、发展前沿及主要挑战进行了分析与评价,最后分析讨论了高光谱遥感图像亚像元信息提取研究在模型构建、优化求解及与应用结合等方面的研究趋势及方向。     

基于MERIS影像空间、光谱及时间维信息提取亚像元级的土地覆盖组分

及时获取有效的土地覆盖信息是地球系统模拟的基础。因此,中等空间分辨率传感器如MODIS或MERIS空前的通道设置与观测能力,使其具有快速更新土地覆盖图的能力。本文说明了如何结合MERIS的空间维（像元大小为300m）、光谱维（可见光与近红外范围内15个通道）和时间维（重返周期2—3d）,用于获取不同区域土地覆被组分的亚像元级组成权重。利用4月、7月和8月三期MERIS FR1b级数据得到荷兰主要土地覆被类型的组成权重。单一时相和多时相的数据都使用单个像元最优化的端元数进行线性光谱分解。利用一种形态偏离指数得到MERIS的空间维并用于端元的选择。应用荷兰土地利用数据库（LGN5）25m分辨率的栅格数据作为本文的参考数据。基于这种数据的高分辨率,因此可以从像元和亚像元的水平同时评价的分类精度。结果显示,结合4月和7月的影像可以获得最优的分类结果,精度约为58%。总的说来,亚像元和像元级的分类精度相似。通过几种组分类别和日期的光谱融合表明,物候状况对于数据获取时相最佳结合的选择以及正确识别土地覆盖类型的重要性。     

MODIS数据的洪水淹没亚像元制图研究

针对MODIS影像中普遍存在的混合像元问题,该文基于MYD09GA地表反射率数据,实现了洪水淹没的亚像元级别的空间细节定位,并加入数字高程模型(DEM)高程信息修正了亚像元制图结果,两结果与传统硬分类法提取结果进行了比较。结果表明,亚像元制图算法较传统硬分类法对洪水淹没范围提取精度更高,能够很好地保持水体空间细节特征,DEM修正后的亚像元定位结果精度进一步提高。     

高光谱与多角度数据联合进行混合像元分解研究

混合像元问题是定量遥感的主要障碍之一。将混合像元问题归结为类内与类间像元混合两类，并对类内混合像元分解问题加以研究。混合像元分解的关键在于确定组分光谱，确定组分光谱的方法很多，但大多数方法基于以下假定，即从图像本身可以找到纯组分光谱，然而这一假定对于类内混合像元分解问题来说很难成立。提出采用高光谱与多角度相结合的方法，利用几何光学模型和线性光谱混合模型进行类内混合像元分解。即首先利用多角度数据反演几何光学交互遮蔽(GOMS)模型获得组分光谱，再对高光谱数据进行组分光谱分解。由于该方法直接从混合光谱产生的机理出发，因而更容易获得真正的亚像元信息。为减小反演误差，反演过程中采用改进的多阶段的反演策略，并充分利用多角度图像本身提供的先验信息。用BORE—AS试验获取的高光谱与多角度数据所作的研究表明，该方法可以获得比较理想的分解结果。     

混合像元线性分解的精度估算

遥感图像中普遍存在着混合像元,对混合像元进行分解是遥感图像处理中的难点。混合像元线性分解技术是进行高光谱影像处理的常用方法。本文针对混合像元线性分解的基本原理与算法作了简要分析,并通过实验的方法估算了混合像元线性分解模型的精度。     

基于模糊ARTMAP神经网络模型的遥感影像亚像元定位

结合亚像元的相关理论,提出了基于模糊ARTMAP神经网络模型的遥感影像亚像元定位方法,利用该方法对模拟的武汉地区的TM影像进行了实验,并将实验结果与BP神经网络模型进行了比较。结果证明,利用本文方法能够更有效地解决亚像元定位的问题。     

非负矩阵分解在高光谱图像解混中的应用探讨

从线性混合模型与非负矩阼分解的定义出发,分析非负矩阵分解适用于高光谱图像解混的原因,总结近年来学者们提出的基于非负矩阵分解的光谱解混算法,并重点对SC-NMF、MVC-NMF、APS-NMF算法步骤进行介绍与分析,最后总结非负矩阵分解及其应用于混合像元分解所面临的问题.     

基于模拟退火算法的遥感影像亚像元定位方法

根据地物空间分布自相关原理,提出一种基于模拟退火算法的亚像元定位新方法,通过优化子像元的空间分布,最终确定混合像元中各组分的位置。通过遥感影像数据对模型进行测试,并使用已有评价指标对试验结果的视觉效果和分类精度进行评价,试验证明本方法能更好地重建地物空间分布,与硬分类方法相比能显著提高分类精度。     

基于正则MAP模型的遥感影像亚像元定位

为了更好地解决亚像元的定位问题,基于超分辨率影像重建的技术,结合亚像元定位理论,提出了一种应用于亚像元定位的正则MAP估计模型,并且通过真实数据进行了检验。实验表明,该模型是一种简单、有效地解决亚像元定位问题的方法。     

高光谱遥感积雪制图算法及验证

雪盖面积是高山地区和季节雪盖区水文和气象模型的重要输入因子。机载和星载遥感数据提取的雪盖面积是融雪径流模型的重要组成部分。对应不同传感器件的光谱特征，多种分类方法被相继提出。但是，缺乏相对独立的验证手段来评价各种分类方法，其主要原因是缺乏地面真实状态。针对该现状，本研究利用高光谱图像的细分光谱特征，建立高光谱影像及其对应“地面真相”的像对数据库来发展和验证积雪制图算法，并展示MODIS积雪制图算法验证和ASTER混合像元分解雪盖制图算法研究的应用实例。     

在GIS支持下用NOAA/AVHRR数据进行旱情监测

旱灾是影响农作物生产的一种重大自然灾害,它对中国北方春小麦生产的影响极大。本文介绍了一个应用遥感、ＧＩＳ技术对黄淮海平原春小麦的旱情进行监测的系统及其方法。它综合使用的ＮＯＡＡ／ＡＶＨＲＲ数据、地面气象资料和地图,选用作物缺水指数（ＣＷＳＩ）模型和热惯理模型对旱情进行监测。监测结果分别用分县的旱情等级分布图和相应不同等级的旱情面积、面积比例数统计表来表示。该系统自１９９４年起投入运行３年,监测结果     

FY-2C积雪判识方法研究

介绍了利用FY-2C资料进行积雪判识的原理,在阈值法基础上的辅助因子函数积雪判识方法以及相应的FY-2C积雪判识结果精度验证分析等。一般较为常用的卫星遥感积雪判识方法为简单阈值法,由于其带有一定的随机性,很难客观反映下垫面条件差异对阈值选取的影响。以阈值法为基础,将所使用的主要变量以函数形式表达,以海拔高度、地理位置、季节、土地覆盖类型等作为阈值函数的变量,通过大量采样建立起多种阈值函数,从而实现随时空特点变化的阈值实时计算。该方法用于FY-2C积雪判识,较好地解决了FY-2C全圆盘范围内广大区域不同下垫面类型下的实时积雪监测。通过与NOAA-17人机交互积雪判识结果对比分析,该方法的积雪判识精度可达85%左右。     

Snow Cover Monitoring in Qinghai-Tibetan Plateau Based on Chinese Fengyun-3/VIRR Data

Snow cover monitoring in the Qinghai-Tibetan Plateau is very important to global climate change research. Because of the geographic distribution of ground meteorological stations in Qinghai-Tibetan Plateau is too sparse, satellite remote sensing became the only choice for snow cover monitoring in Qinghai-Tibetan Plateau. In this paper, multi-channel data from Visible and Infrared Radiometer (VIRR) on Chinese polar orbiting meteorological satellites Fengyun-3(FY-3) are utilized for snow cover monitoring, in this work, the distribution of snow cover is extracted from the normalized difference snow index(NDSI), and the multi-channel threshold from the brightness temperature difference in infrared channels. Then, the monitoring results of FY-3A and FY-3B are combined to generate the daily composited snow cover product. Finally, the snow cover products from MODIS and FY-3 are both verified by snow depth of meteorological station observations, result shows that the FY-3 products and MODIS products are basically consistent, the overall accuracy of FY-3 products is higher than MODIS products by nearly 1 %. And the cloud coverage rate of FY-3 products is less than MODIS by 2.64 %. This work indicates that FY-3/VIRR data can be reliable data sources for monitoring snow cover in the Qinghai-Tibetan Plateau.     

应用NOAA/AVHRR数据测算局地水稻种植面积方法研究

本文采用在模糊监督分类中增加迭代过程的方法－－模糊监督分类一迭代法,在分解混合像元的基础上,利用ＡＶＨＲＲ数据求算水稻种植面积。根据稻田与旱地存在温度差异的特点,在分析ＡＶＨＲＲ数据统计特征的基础上,增加了第３和４两通道参加模糊监督分类,从而增加了分类橡元值矢量维数,增强了对水稻的鉴别能力。反采用的迭代法是收敛具有效的,经本方法输出的水稻种植面积百分含量图与实际水稻分布十分吻合,测算出的面积值与Ｔ     

基于新疆GPS联测资料分析青藏高原北缘地壳运动规律

介绍了该网的布网方案、点位的选取、观测方案、数据处理方案等,并且阐述了对六期观测成果的处理、分析的方法,给出了青藏高原北缘板内块体相互运动变化的趋势。     

M变换在NOAA/AVHRR数据变化检测中的应用

将基于典型相关分析的正交变换的基础理论用于NOAA/AVHRR数据的多元变化检测 ,对具体实施步骤进行了深入的探讨 ,并对部分中间结果进行了分析。实验表明 ,该方法应用于NOAA/AVHRR数据的多元变化检测具有明显的优势 ,克服了传统方法存在的缺陷 ,具有良好的应用前景。     

遥感植被指数对多时相AVHRR数据主成分分析的影响

对中国全年36个旬NOAA－AVHRR的1km覆盖数据进行两步处理：分别采用比值植被指数RVI、归一化植被指数NDVI、土壤调整植被指数SAVI和修改型土壤调整植被指数MSAVI最大值合成方法从每3旬数据合成每月数据；对每一种处理后的原始数据计算四种植被指数，并对这16种数据进行了主成分变换，分析不同处理方式对主分量积累方差和各主分量所分映生物学规律的影响。