水稻时域散射特征分析及其应用研究

通过对肇庆试验区1996年和1997年获取的多时相、多模式雷达卫星（RADARSAT）数据分析，从图像上直接提取地物的后向散射系数，结合实地测量水稻的生长结构参数，建立了水稻生长模型，分析了不同生长周期（从80天到120－125天）4种类型水稻的时域散射特性。利用1997年4月至7月获取的7景标准模式雷达卫星数据，对试验区内三个县和两个行政区共5000km^2面积范围内的作物进行分类和水稻产量预估算，水稻类型分类及面积量算精度达91％。结果表明：利用雷达遥感数据进行水稻种植面积量算和估产需要水稻生长期间三个时相的数据，即插秧期、抽穗期、收割前期。若能够获得多参数雷达图像，可以用插秧期和收割前期的两个时相图像来代替上述的三个时相图像同样可以达到种植面积量算和估产的效果。这一结果充分说明多时相雷达卫星数据对我国南方水稻长势监测及估产具有明显优势和潜力。     

水稻时域后向散射特性分析：雷达卫星观测与模型模拟结果对比

利用已有的微波后向散射模型模拟计算了水稻的雷达后向散射特性，分析了一个生长周期内水稻冠层与微波电磁波的相互作用。重点分析植物物理参数对其后向散射特征的影响及其随极化而变化的规律。以及这些特征在整个水稻生长周期中的变化规律。输入后向散射模型的数据包括通过田间测量获取的水稻物理参数。在地面测量的同时或准同时获取了中国广东肇庆试验区的多时相雷达卫星（RADARSAT）遥感图像。雷达卫星观测结果和后向散射模型模拟计算结果的比较分析表明：在水稻的生长过程中，水稻的后向散射特征随其物理参数的周期性变化而变化，并且在不同的极化状态具有不同的变化规律。这从理论上预示了多时相多极化雷达遥感技术进行水稻长势监测的潜力。     

基于目标时域散射特性的土地覆盖类型分类研究

目标散射特性随时间变化的规律称之为目标时域散射特性。目标时域散射特征是利用多时相雷达遥感图像进行目标识别的基础。本研究以广东肇庆为试验区,利用多时相单参数雷达图像进行土地覆盖类型分类研究,分析了试验区内典型植被的结构、形态及其散射机理等特征,总结了各类目标的时域散射特性,区分识别了多种目标,制作了土地覆盖类型分类图.     

水稻微波后向散射系数的模拟分析

提出了一套完整的水稻一次后向散射作用物理模型,通过该模型可以定量地模拟水稻对入射电磁波的后向散射作用,包括不同入射角、不同时相、不同波段、不同极化等各种情况,从而得到大量有价值的模拟结果。通过深入分析这些结果,可以对如何利用ＳＡＲ遥感数据更准确、更经济、更方便地进行水稻识别、长势监测及产品评估等工作提供理论依据和方法指导。     

水稻单产遥感估测建模研究

本文系统扼要地总结了统计、气象、农学和光谱等估产模型,以及水稻遥感估产农学机理等主要研究结果,并在建立的多种估产模型中,重点介绍了具有应用前景的光谱估产与水稻生长模拟估产的复合模型。     

农作物后向散射特性的测量

利用多波段极化散射计对中原地区常见的几种农作物（水稻、棉花、玉米、花生）的后向散射特性进行了测量,并从散射系数的测量结果得出了其在不同频率及不同地物参数下的散射特点     

稻田光谱与水稻长势及产量结构要素关系的研究

本文通过对水稻不同生育期的稻田光谱与水稻长势和产量结构的相关分析得出以下几点结论:(1)稻田光谱与水稻长势的相关性较好,特别是在水稻生长后期;(2)抽穗期,稻田光谱与决定水稻产量的各结构要素之间相关系数较高;(3)在水稻灌浆期,稻田光谱与水稻理论产量的相关性较好,特别是800nm的反射光谱值:(4)水稻估产模型是:Y=6.65PVI_D+8.19PVI_H+4.48PVI_Mt+4.36PVI_Ms-0.3,其中:Y-水稻产量;PVI-垂直植被指数,D,H,Mt,Ms,分别代表分化期、抽搐期、灌浆期及乳熟期。     

基于光谱分类的太湖水体后向散射研究

由于时空变化而产生的水体后向散射系数参数化差异一直是影响水质参数遥感定量反演精度的一个重要因素。在对太湖遥感反射率光谱进行分类的基础上,针对影响太湖水体水色的不同主导因子,把太湖水体分为3种类型,分别利用半分析方法和光学闭合原理对后向散射系数进行模拟,在此基础上研究其光学特性及其与水体组分浓度的关系,最后针对3种不同主导类型的水体分别建立了后向散射系数参数化模型。将后向散射特性在不同时间和空间上的差异转化为水体不同主导因子在生物-光学上的差异,从而得到适用于太湖不同湖区及不同季节的后向散射系数参数化模型,为利用分析方法对太湖水质参数进行更为精确的遥感反演提供了基础。     

用ERS风散射计数据估算土壤水分方法的研究

欧空局ERS1/2卫星上的风散射计(WSC),分辨率是50km,4天内能覆盖全球超过80%的范围,并可在多角度下对地物目标进行观测。本文研究利用该散射计数据估算土壤水分的方法。首先,利用基于ERS散射计数据建立的全球C波段雷达后向散射系数数据库,根据传统的几何光学模型(GOM),反演得到与土壤含水量密切相关的法线方向Fresnel反射率,并与两个采样点(安多和那曲)上的实测降雨量及土壤水分相对比,证明了ERS散射计数据与土壤水分的高相关性;第二步,以水云模型为基础,结合AIEM模型,发展了一种简化模型来估算土壤水分绝对值,分别利用气象站实测点数据和同时期的Basist湿度指数(BWI)进行验证,表明反演结果能较好反映土壤水分的空间分布状况。     

地形引起的雷达辐射畸变及其校正

合成孔径雷达影像由于其侧视特点 ,存在着严重的地形引起的几何畸变及辐射畸变。辐射畸变不仅对 SAR辐射标定造成困难 ,而且严重影响了影像分类、土壤湿度信息提取、森林蓄积量信息提取等应用。本文将辐射畸变归结为面积效应和局部入射角效应 ,推导了散射面积归一化因子 ,以消除辐射畸变的面积效应。提出了一种以局部入射角的线性函数表达的后向散射模型 ,在此基础上 ,给出了消除局部入射角效应的校正函数。最后 ,以RADARSAT SAR影像进行地形辐射畸变校正的试验与分析     

雷达后向散射模型及其在雷达图像地形影响纠正中的应用

在从雷达估测森林生物量时，经常遇到的一个问题是地形对雷达信号的影响。地形使得雷达波的入射角度改变，使每个雷达图像像元所包含的地表面积改变，由于地面的起伏，植被本身的结构也不同，纠正这种由地形而不是植被类型引起的雷达图像的变化是一个很复杂的问题，除了需要高质量的地形数据外，还必须理解植被雷达信号随地形变化的规律。提出一种可用来模拟森林及其它植被处于山坡上的雷达后向散射模型。结合DEM数据，模拟的结果可用来进行雷达图像的地形影响纠正，如果多极化或多波段图像存在，通过雷达模型可用从一种极化推导出的地形信息来纠正其它极化的图像数据。     

结合时间序列Sentinel-1数据和面向对象的湿地信息提取方法

基于光学影像的遥感技术受云雨等天气条件影响较大,而合成孔径雷达(SAR)由于具有穿透能力可以很好的克服这一缺陷。本文以黑龙江流域扎龙湿地为研究区域,采用时间序列C波段双极化(VV、VH)Sentinel-1数据,结合面向对象的图像分析技术对扎龙湿地进行分类。对比分析了5种机器学习算法得出随机森林算法的精度最高,总体精度为88.43%,Kappa系数为0.8646,其中沼泽的制图精度达到84.68%,用户精度达到89.47%。使用Sentinel-1数据对扎龙湿地进行湿地信息提取的最佳时相为5月、7月和8月。     

域分析、域模型在GIS中的应用

根据GIS在应用开发中的现状和遇到的问题,通过对相关解决技术如组件技术、软件体系结构技术等的研究与分析,介绍了双重生命周期模型,提出了GIS在国土信息管理领域的特定域模型,目的在于降低应用开发的复杂度,提高软件生产率,支持动态的可扩展的软件体系结构模型。     

傅里叶时频分析的建筑物沉降预测

针对时间序列自回归(AR)模型在高层建筑物沉降预测中出现的对于历史资料分析和利用不充分的情况,提出了一种基于傅里叶时频分析的沉降预测模型。以桂林市某在建的高层建筑物的沉降变形为例,在分别从时域和频域两个方面充分分析资料的基础上,对建筑物的沉降观测数据进行建模分析,得到了均方误差为0.107 9 mm的预测精度,很好地克服了AR模型在应用中存在的问题,提高了预测精度。     

地心运动时间序列的抗差谱分析

本文将抗差估计与谱分析相结合，提出了抗差谱分析。用该方法对全球约120个IGS站5年GPS观测结果求得的地心运动时间序列进行了分析，发现地心运动在各方向有不同的主周期变化。X方向受地球物理交叉影响较大，无法分离出对该方向影响较大的主周期变化；而Y，Z方向都有明显的主周期变化。Y方向有明显的年周期变化、半年周期变化、季节性变化和月周期变化，其中，年周期变化的贡献最大；Z方向的主周期是年周期变化、半年周期变化、51天和609天的周期变化。与X，Y方向相比，Z方向振幅明显偏大。     

原子钟时域频率稳定性影响因素分析

为了明确地分析原子钟的时域频率稳定性特性，本文在给出各种方差估计式的基础上，分析了影响原子钟时域稳定性的主要因素，如能量谱噪声、频率漂移、无数据段以及周期变化分量等，并给出了相应的改正方法。     

InSAR技术及其在地质灾害中的应用

InSAR是在太空对地球进行3维成像技术,它标志着空间遥感从2维信息获取进入到3维信息获取的新阶段,也为大地测量带来了一场革命。该技术为地质灾害的研究提供一个全新的工具。运用InSAR和D-In-SAR技术进行地面微位移监测,是近年来发展起来并得到日益重视的新方法。本文例举了InSAR技术在地震、火山喷发和滑坡等地质灾害应用的实例。表明它在形变监测研究中有广阔的应用前景,具有不可替代的优势。     

二轴土壤背景纠正的植被指数及其在华南水稻遥感估产中的应用

目前国内外学者提出了各种植被指数来进行作物遥感估产的定量研究。这些指数多是基于“土壤线”的存在来进行土壤背景消除的。但它们只消除了土壤背景中的含水量(沿“土壤线”方向)对遥感数据的影响,而没有消除由于不同土壤质地的变化(垂直于“土壤线”方向,如红壤、棕壤等不同的土壤类型)所造成的遥感数据的偏移。本文首次提出了能基本上完全消除土壤背景影响(包括土壤含水量、土壤类型等)的二轴土壤背景纠正的植被指数(TWVI)模型。该指数比目前使用的其它植被指数更适合于作为进行全球监测的植被指数。已成功地应用于华南地区的水稻遥感估产试验。