基于GF2卫星数据的矿山遥感监测方法及对象识别研究

基于GF2高分辨率遥感影像的数据特征和固体废弃物(尾矿库、废石堆)、矿山建筑、中转场、地下开采硐口、塌陷坑、矿山环境恢复治理等矿山遥感监测的主要地物目标特征,系统地建立了研究区主要矿山地物的遥感解译标志.通过对研究区的矿山路网和管网分析,确定研究区矿山总体分布情况,结合建立的矿山地物解译标志,对各区块内部图斑细化解译,...     

一种基于光谱角和光谱距离自动加权融合分类方法

高分辨率遥感影像分类一直是业内研究的热点之一,考虑到影像地物光谱角和光谱距离在分类中具有较好的互补性,提出了一种基于光谱角和光谱距离自动加权融合的分类方法,对传统多分类器分类的融合策略进行改进,能够在训练阶段根据样本自动地调整好各分类器对各类别进行分类的权重系数,使得融合后的分类结果更加科学和准确。QuickBird影像的分类实验表明,方法的分类精度明显优于单纯的光谱角或距离法,可广泛用于各种高分辨率影像的分类识别。     

面向对象的遥感影像承灾体边缘提取方法

承灾体是研究地质灾害的一个重要方面,基于高分辨率遥感影像的地物自动提取将成为地质灾害承灾体识别的重要途径。依据面向对象思想,对高分辨率遥感影像进行分割获得承灾体对象;通过对分割后的图像提取图像梯度,进行二值化,去除毛刺等方法处理,获得完整的承灾体边缘。实验结果表明:提取的承灾体边缘完整且准确,在实际应用中具有广泛的适应性,优于传统的提取方法。     

矿业开发活动的高分辨率遥感影像解译标志

以IKONOS 1m分辨率遥感影像为例,对矿业开发活动中按露天开采面、开采硐口、固体废弃物、尾矿库、中转场地、矿山建筑等进行分类研究,总结以上六类地物在高分辨率遥感影像上的解译标志。     

遥感技术在广西矿山开发占损土地中的应用

基于多种高分辨率遥感影像的数据特征,结合外业调查建立了广西矿山开发占地、矿山开发状态以及矿山环境恢复治理等主要矿山地物的解译标志,并根据建立的解译标志,通过区域地质、矿业权数据与遥感影像进行叠加,实现对研究区的矿山开发占损土地以及矿山恢复治理现状的调查工作,其成果为国家绿色发展指数统计、矿山地质环境管理等工作提供了技术支撑。     

基于支持向量机的遥感图像建筑物识别与分类方法研究

高分辨率遥感影像可以更精细地描述地物目标的几何特征、空间特征和纹理特征等信息,在各个领域中都得到广泛的应用。建筑物作为地物信息分类中的主要部分,是地形图成图的主要组成元素,对建筑物的识别与提取,直接影响到地物测绘的自动化水平,对它的识别和定位可以为特征提取、特征匹配、图像理解、制图和作为其他目标的参照体有重要的意义。针对建筑物的遥感影像特征,研究了支持向量机分类器(SVM)在建筑物识别与分类中的应用,提出了一种交叉验证的方法对参数敏感度进行分析,通过使用GridSearch算法确定模型参数设置的最优方案,并对分类结果中建筑物进行轮廓提取。通过实验表明,优化后的SVM算法对建筑物的分类精度达到90%,对比随机森林算法、最近邻分类器优势非常明显。     

遥感技术在城市园林绿化现状调查中的应用

本文叙述运用遥感及计算机技术进行城市园林绿化现状调查的技术方法，描述七类城市园林绿地的分类标准及其影像特征。从城市三项绿化指标分析、评价城市园林绿化水平，为城市园林绿化调查及分析评价城市园林系统，提出初步认识     

基于国产卫星在矿山集中区矿山地质环境中的应用研究

以国产卫星数据为信息源,对安徽省淮南市矿区进行矿山地物占地信息提取研究。在经过处理的图像上对研究区内的各矿山地物进行遥感解译,分析矿山地物的影像特征,通过目视解译为占地信息赋予属性,进一步将矿山占地信息细分,分析各矿山地物的变化情况。研究表明,2013-2014年间,淮南矿区矿山地物变化主要体现为采场、中转场地、固体废弃物等都有不同程度的增加;固体废弃物在部分地区出现了减少的局面,说明矿区采取的矿山环境恢复治理取得了阶段性效果。     

大气校正方法及其在高光谱影像Hyperion中的应用

利用遥感影像反演地物反射率,大气校正必不可少。对于高光谱影像,其信噪比与多波段遥感影像相比非常低,消除大气的影响显得尤为重要。在大气辐射传输模型Modtran4.0基础上,给出了一种直接、有效的大气校正参数计算方法。结合MODIS/TERRA大气温湿度廓线产品,使用此方法计算了高光谱影像Hyperion大气校正参数,并用于Hyperion影像的部分波段的反射率反演,与卫星过境时地面同步实测的典型地物反射率以及高光谱大气校正软件ACORN的计算结果进行比较,获得了比较好的结果。研究表明,大气辐射传输模型和卫星遥感大气参数产品相结合用于遥感影像的大气校正是可行的。     

云贵高原典型地物L波段SAR散射特性分析——以昆明为例

高分光学遥感在典型地物分类研究中已开展很多,但受限制于多云雾覆盖、多雨的低纬度地区。合成孔径雷达可穿透云雾、植被冠层,被引入典型地物分类中。本研究以L波段HH、HV双极化2景高分辨率ALOS-2 PALSAR-2遥感影像为主要数据源,开展了低纬亚热带高山地昆明地区的建筑物、林地、耕地、湿地、深水等五类典型地物的极化后向散射特性分析实验研究。实验结果表明:五类典型地物的HH、HV极化散射特性基本不受升降轨侧视成像、季节性影响;五类典型地物样本点的HH、HV极化后向散射空间特征较为明显。实验结果有力证明了HH、HV双极化SAR具有多云雾、低纬亚热带地区典型地物分类、反演及动态监测的应用潜力,可作为光学或热通道遥感开展地物监测的有效补充手段。     

草地植被盖度的多尺度遥感与实地测量方法综述

植被盖度作为一个重要的生态学参数被用在许多气候模型和生态模型中。地表实测和遥感测量是获取植被盖度的两种基本途径。以草地植被盖度的测量为研究对象,综合讨论了目前地表实测和遥感测量常用的方法,分析了它们的优缺点,并对如何提高草地植被盖度的测量精度做出展望。数码相机、高光谱遥感以及多尺度遥感数据的综合使用可能是未来草地植被盖度测量发展的趋势。     

植被覆盖度遥感估算研究进展

植被覆盖度是刻画地表植被覆盖的重要参数,在全球变化研究、地表过程模拟和水文生态模型中发挥着重要作用.遥感能够反映不同空间尺度的植被覆盖信息及其变化趋势,是获取区域及全球植被覆盖度参数的一个重要手段.综合分析了用于植被覆盖度估算的遥感数据源,包括高光谱数据、多光谱数据、微波数据和激光雷达数据.而且分析了各种常用的植被覆盖度遥感估算方法及其优缺点,并评价了现有基于遥感数据的植被覆盖度产品及存在问题.最后,针对目前研究中存在的问题,讨论了植被覆盖度遥感估算研究的发展趋势,指出高时空分辨率长时间序列的全球植被覆盖度数据集、多源遥感数据融合和同化技术是未来植被覆盖度遥感估算研究的主要方向.     

高分辨率遥感数据处理方法实验研究

近几年高分辨率遥感数据处理与应用研究越来越受到国内外学者的重视,已成为目前遥感应用研究领域的热点和难点之一。首先分析了基于像素的中分辨率卫星数据的遥感数据处理方法,包括:基于统计理论的分类方法和基于光谱信息的非参数理论方法的分类方法。在此基础上,针对高分辨率遥感图像的特点,分析了面向对象的高分辨率遥感数据处理方法。其中,图像分割是最关键的一步,即如何有效地提取出对象特征非常重要。最后,给出了高分辨率遥感数据处理方法相关算法实验,主要进行了几种图像分割算法实验,同时结合植被变化检测,进行了变化检测算法实验。     

MODIS在水文水资源中的应用与展望

MODIS是新一代遥感技术,其遥测数据与其他单独的遥感平台(如NOAA和Land Sat)所获得的数据相比,具有免费、较高时间分辨率(0.5d)、空间分辨率(250m)和光谱分辨率(波谱范围0.4～14μm,36个光谱通道)等优势和特点.详细介绍了国内外的研究现状,着重对MODIS在洪水过程和洪灾范围实时动态监测、冰川和积雪、降水、植被、土壤水分、蒸发、水文模型、水质等方面的应用和研究进展进行了评述,指出MODIS在水文水资源中具有广阔的应用前景.     

基于多尺度遥感数据估算地表通量的方法及其验证分析

地表水热通量(显热通量、潜热通量)的遥感估算在全球气候变化、水资源、生态环境等研究领域具有重要的应用价值.MODIS数据的空间分辨率较低(热红外波段星下点为1 km),而地球表面的几何物理属性又具有高度非均匀性,因而在实际应用中面临较严重的尺度问题.探讨了多源卫星数据(中高分辨率Landsat TM与中低分辨率MODIS)相结合佑算像元通量的2种方法,分别利用高分辫率的地表分类及植被指数信息在混合像元内部进行亚像元处理,以提高非均匀地表混合像元的通量估算精度.研究数据来自于2008年黑河流域综合实验获取的遥感数据和辅助数据,验证数据来自于实验期间获取的不同下垫面的地表通量数据,包括涡度相关(EC)数据,以及大孔径闪烁仪(LAS)数据.计算结果表明,2种方法皆可在下垫面不均匀或者地表类型较复杂的情况下得到比较明显的纠正效果,纠正后的通量与观测更加接近.相比之下,利用植被指数分解温度的方法适用性更广,纠正效果更好.在地面验证中,对比分析了EC和LAS数据在TM尺度和MO-DIS尺度通量验证的适用性.LAS数据测量尺度与MODIS卫星像元尺度相匹配,可以直接验证MODIS通量计算结果,EC数据虽然可以直接验证TM计算的通量,但与MODIS数据对比,还需要进行尺度转换,即先用EC验证TM通量,然后将TM通量降尺度,与MODIS进行对比.最后对利用LAS验证通量的不确定性进行了分析,发现图像中LAS测点的几何定位误差以及LAS测量路径中像元的选取都对验证结果有一定影响.     

Fusion Methods and Multi-classifiers to Improve Land Cover Estimation Using Remote Sensing Analysis

Geotechnical and Geological Engineering - Adopting a low spatial resolution remote sensing imagery to get an accurate estimation of Land Use Land Cover is a difficult task to perform. Image fusion...     

机载高光谱遥感在内陆水体或海湾水质监测中的研究与应用现状

与传统卫星遥感相比,机载高光谱遥感具有高时空分辨率、机动灵活等优势,可解决传统水质监测方法中存在的短板问题。机载高光谱遥感反演方法可以更全面地反映水质的时空分布变化,能够更好地捕捉地物光谱特征以提取更多的水质参数,适用于内陆水体或海湾的水质监测和水体污染的应急遥感监测。文章简述了机载高光谱遥感的特点,阐述了机载高光谱遥感水质监测的原理、监测对象和方法,综合介绍了有人机载和无人机载高光谱遥感在内陆水体或海湾水质监测中的研究与应用现状,剖析了机载高光谱遥感在水质监测中的问题,并对未来的发展趋势进行了展望。     

植被指数研究进展

在遥感应用领域,植被指数已广泛用来定性和定量评价植被覆盖及其生长活力。由于植被光谱表现为植被、土壤亮度、环境影响、阴影、土壤颜色和湿度复杂混合反应,而且受大气空间—时相变化的影响,因此植被指数没有一个普遍的值,其研究经常表明不同的结果。20多年来,已研究发展了40多个植被指数。该文对已有的大部分植被指数进行了归纳分类,评价其各自优势和局限性,并探讨了未来研究的方向,这将有助于遥感在农业、植被和生态环境监测方面进行有效地开发与应用。     

Spectral wheat yield prediction modeling using SPOT satellite imagery and leaf area index

As wheat represents the main staple food and strategic crop in Egypt and worldwide and since remote sensing satellite imagery is the tool to obtain synoptic, multi-temporal, dynamic, and time-efficient information about any target on the Earth, the main objective of the current study is to use remote sensing satellite imagery to generate remotely sensed empirical preharvest wheat yield prediction models. The main input parameters of these models are spectral data either in the form of spectral reflectance data released from Satellite Pour l’Observation de la Terre (SPOT) 4 satellite imagery or in the form of spectral vegetation indices. The other input factor is leaf area index (LAI) that was measured by LAI Plant Canopy Analyzer. The four spectral bands of SPOT4 imagery are green, red, near-infrared, and middle infrared; the five vegetation indices that are forms of ratios between red and near-infrared bands are normalized difference vegetation index, ratio vegetation index, soil-adjusted vegetation index, difference vegetation index, and infrared percentage vegetation index. Another vegetation index is green vegetation index that is calculated through a ratio between green band and near-infrared band. Each of the above-mentioned factors was used as an input factor against wheat yield to generate wheat yield prediction models. All generated models are site-specific limited to the area and the environment and could be applicable under similar conditions in Egypt. The study was carried out in Sakha experimental station by using the dataset from two wheat season 2007/2008 and 2009/2010. The total wheat area was 1.3 ha cultivated by Sakha 93 cultivar. Modeling and validation process were carried out for each season independently. Modeled yield was tested against reported yield through two common statistical tests; the standard error of estimate between modeled yield and reported yield, and the correlation coefficient for a direct regression analysis between modeled and reported yield with each generated model. Generally, as shown from the correlation coefficient of the generated models, green and middle infrared bands did not show good accuracy to predict wheat yield, while the other spectral bands (red and near-infrared) bands showed high accuracy and sufficiency to predict yield. This was proven through the correlation coefficient of the generated models and through the generated models with the wheat crops for the two seasons. Accordingly, the green vegetation index that is generally calculated from green and near-infrared bands showed relatively lower accuracy than the rest of the vegetation index models that are calculated from red and near-infrared bands. LAI showed high accuracy to predict yield as shown from the statistical analysis. The models are applicable after 90 days from sowing stage and applicable in similar regions with the same conditions.     

基于多源遥感数据的融合算法变换效果对比研究

随着多源遥感影像融合技术的成熟发展,如何提高高分辨率遥感数据的利用效益和使用质量已经成为影响其应用效果的瓶颈问题.针对QucikBird-2高分遥感数据光谱分辨率不足等问题,结合ASTER多光谱遥感数据,引入3种融合方法：主成分分析（PCA）融合、小波PCA融合和基于小波的IHS（色度、亮度、饱和度变换）融合,实现了对多光谱图像和高分辨率图像的融合,得到了多光谱高分辨率影像,使得在增强影像空间分辨率的同时也尽可能地保留了影像的多光谱信息.最后对3种融合方法的结果进行了定性和定量评价.