HY-1C/D卫星CZI数据的岛礁浅海水深遥感无控反演能力评估

岛礁浅海水深是海洋重要的基础资料。中国南海岛礁远离大陆,水下现场调查效率低、难度大,难以评估水下地形的长期变化,迫切需要大面积、高频次成像的卫星遥感数据。海洋一号C/D (HY-1C/D)卫星双星组网大大提高了覆盖频次,配置的海岸带成像仪CZI (Coastal Zone Imager)可为岛礁水下探测提供快速的业务化遥感数据服务。为充分发掘两颗卫星的岛礁水深反演能力,本文以中国南海永乐环礁为研究区域,以HY-1C/D CZI多光谱遥感影像为数据源,结合半分析模型和对数比值模型开展了不依赖实测数据的水深反演研究,并与GeoEye-1高分辨率卫星多光谱遥感数据反演结果进行对比。结果表明,HY-1C/D CZI多光谱数据在甘泉岛的水深反演结果与实测数据相比,在0—20 m水深范围内的平均绝对误差分别为1.60 m和1.85 m,平均相对误差分别为22.48%和26.23%;HY-1C/D CZI多光谱数据与基于GeoEye-1数据在甘泉岛的水深反演结果相比,平均绝对偏差分别为1.65 m和1.81 m,平均相对偏差分别为22.33%和23.83%。HY-1C/D CZI与GeoEye-1多...     

基于支持向量机和BP神经网络的水深反演研究

根据高空间分辨率Quickbird遥感影像反射率和实测水深之间的相关性,选取相关性较高的反演因子b1/b2、b1/b3和b2/b3建立单因子模型、双因子模型、多因子模型和BP神经网络模型,并对甘泉岛附近20m内的水深进行反演。同时,利用最佳指数因子(OIF)和支持向量机(SVM)对甘泉岛研究区域基于水深颜色分成两类,将分类结果分别提取建立BP神经网络模型并进行水深反演。通过对反演结果对比发现:遥感影像分类前,线性回归模型中多因子线性模型反演精度最高,但比BP神经网络模型稍差。遥感影像分类后,浅海水域BP神经网络模型的反演精度要比分类前的各模型反演精度低,但是,深海区域BP神经网络模型的反演精度最高。     

基于多光谱数据的南海浅水水深测量算法研究

沿海地区的水深测量是大多数海岸工程和沿海科学应用的常见要求。然而,在我国南海浅水区域(0—10 m)及部分政治敏感区,船只很难到达导致测量非常不便,这种情况下遥感测量方法凸显了其价值。本文基于QuickBird多光谱遥感影像及同时期多波束实地测量水深点数据,利用6种算法模型定量反演了中国南海甘泉岛周边浅海的水深。精度验证结果表明,基于遗传算法优化的BP神经网络模型与实际测量水深的相关系数R2大于0.96,测量结果可靠。     

渤海湾近岸海域水深遥感反演研究

针对多光谱遥感技术进行浅海水深信息提取具有覆盖地域大、动态连续监测等特点,该文利用环境与灾害监测预报小卫星星座A星(HJ-1A)影像数据,对渤海湾20m以内近岸水域的水深进行实验研究。通过对HJ-1A遥感图像不同波段及波段组合的反射率与实测水深值的相关关系分析,选取敏感波段,建立最佳回归模型,定量计算研究区水深值。研究发现:5~10m水深区域内遥感反演效果最好;10~20m次之;0~5m受沿岸构筑物、泥沙等影响严重,反演效果较差。     

基于Worldview3数据的浅海水深反演研究

传统水深测量技术灵活性较差,水深资料更新周期长、时效性差。因此,我们需要找寻一种高效便捷方法提取水深。本文采用Worldview3多光谱高分辨率数据与实测数据相结合,针对不同的海底底质类型,建立统计回归模型(单因子模型和多因子模型),对西沙群岛北岛周边的浅海海域,进行浅海水深反演。通过对研究结果的分析,发现单因子模型和多因子模型相关系数都在0.91以上,标准误差也都在1.27以下,反演数据与实测数据偏差较小。且将海底底质分为沙质和草质海底底质类型后建模的精度要高于未对海底底质分类建模的精度。     

基于GeoEye-1卫星影像的立体测图技术研究

以某试验区的GeoEye-1卫星遥感影像、外业控制资料等数据为基础进行影像区域网平差解算,对平差精度进行分析,并通过部分试验区外业调绘来分析GeoEye-1卫星遥感影像是否满足国家相应规范中1∶10 000、1∶5 000以及1∶2 000地形图修测要求,最终形成基于GeoEye-1卫星遥感影像的立体测图生产工艺流程。     

海底底质分类支持下的WorldView-3多光谱影像浅海海域水深反演

近几十年来,基于遥感影像进行水深反演一直是国内外学者研究的热点。本文使用WorldView-3高分辨率卫星影像,结合卫星测高数据,以中国海南岛附近的蜈支洲岛及其附近海域为主要研究区域,在进行数据预处理、底质分类之后,分别通过多元线性回归模型、Stumpf对数比值模型和BP神经网络集中对岛屿周围0～20 m水域的水深进行反演和结果分析。结果证明,对这3种模型而言,在进行底质分类之后精度都会明显提升。其中,BP神经网络反演水深精度最高(均方根误差范围为0.2～0.7 m),多元线性回归模型次之(均方根误差范围为0.3～0.8 m),对数比值模型精度最低(均方根误差范围为0.6～1.1 m)。     

GeoEye-1卫星影像定向精度初步分析

利用北京市某地区的GeoEye-1卫星影像、外业控制资料等数据来进行卫星影像区域网平差解算试验.试验与分析表明:GeoEye-1卫星影像采用RPC+二维仿射变换的区域网平差时,当在试验区的四角和中心位置分别布设一个控制点时,试验结果可以满足国家1:5 000地形图绝对定向后的平面与高程限差.     

基于SPOT影像的可吸入颗粒物遥感反演

通过用SPOT 5遥感影像近红外与红光波段计算的差值植被指数(DVI)与实测的可吸入颗粒物(PM10)浓度数据建立模型,对2007年北京市城区SPOT 5影像进行PM10浓度反演试验,反演结果与实测数据所反映的PM10空间分布趋势基本一致.2007年北京市城区北部PM10污染较为严重,南部污染相对较弱; 绿地和水体附近...     

基于多源影像融合去云的水深遥感反演研究——以哨兵-2A和资源三号为例

利用Worldview-2、资源三号、Sentinel-2A、高分一号,以及Landsat-8等5种光学卫星数据和电子海图数据,在研究多光谱遥感水深反演机理以及基本流程的基础上,探究了多源遥感数据去云融合与水深反演。一方面,以不同空间分辨率的影像融合为切入点,用GM融合算法、小波融合探讨不同空间尺度、不同数据源融合影像对水深反演结果的影响,探讨水深反演过程中遥感影像去云融合的可行性。另一方面,以多源遥感水深反演为切入点,基于双波段比值法,反演实验区域20 m以内的水深,并进行精度评价。实验表明,利用小波融合去云可以改善水深遥感反演中有云区域的影响,一定程度上提高反演精度和制图资料的完整性。