长江口水域多光谱遥感水深反演模型研究

利用Landsat-7 ETM 遥感影像反射率和实测水深值之间的相关性可以探测水深。该文介绍单波段、双波段比值和多波段3种线性回归模型以及动量BP人工神经网络水深反演模型。选择长江口北港河道上段作为研究区,利用上述模型,分两种情况进行水深反演:一是以河道全部历史样本建模;二是将河道按自然水深划分为浅水区和深水区分别建模。结果表明:神经网络模型预测精度高于线性回归模型;水深分区后线性回归和神经网络模型预测误差均有所减小。     

基于ETM遥感影像的二滩库区水深反演研究

在常规测量研究的基础上,通过分析ETM遥感影像不同波段对水体、水深的敏感性,选取二滩水电站库区上段37断面以上河段,基于GIS平台建立了水深和相应的ETM适宜波段间的比值法水深遥感反演模型,从而快速获取大范围水域水深信息,整体精度达到80%以上.遥感反演水深作为评价浅水区泥沙淤积及其发展趋势的经济可行的方法之一,为库区泥沙淤积研究提供了新的思路.     

基于多光谱遥感的扎龙湿地湖泡水深反演研究

以扎龙湿地龙泡子为研究对象,利用58个实测水深数据和季相最接近的Quick Bird数据,建立湖泊水深的反演模型。探索性地建立了单波段和多波段组合的线性(多元)回归模型、指数模型、二次多项式模型、微分模型和对数模型等;通过对比模型的决定系数R2,比较模型精度;线性模型、对数模型、指数模型和幂指数模型的R2小于0.5,而二次多项式模型和多元线性回归模型的R2大于0.5,精度相对较高;筛选出拟合度较高的模型,用20个实测验证样本,采用相对误差和均方根误差进行模型精度评价;最后,利用精度较高的模型,进行龙泡子水深反演计算。水深反演结果表明,用选出的模型反演得到的龙泡子水深基本一致,为170~200 cm,即使有稀疏的水草覆盖,依然可以表现出水深渐变的趋势。以蓝、绿、红和近红外波段多光谱遥感反射率为自变量,建立的线性湖泡水深反演模型y=123.990-3.332B1+183.859B2-237.133B3-37.143B4(y为水深;B1、B2、B3和B4分别为蓝、绿、红和近红外波段的水体反射率),能较好地反演扎龙湿地湖泡的水深。     

海岸带遥感资源调查的计算机解译方法探讨

该文介绍了一种利用计算机遥感图像解译进行资源调查的方法-斑块边界自动矢量化辅以目视栅格图像校正法，解译的主要步骤包括；建立解译标志，影像配准，数据分析，图像增强，监督分类，目视解译修正，草图输出，实地检验，栅格转矢量，结果输出等。笔者结合案例对每一步出现的问题及其解决方法进行了探讨。并取得了海岸带资源遥感调查蓬莱幅的结果。     

基于OLI遥感影像的错戳龙错盐湖水深反演研究

传统的水深测量方法是利用测量船上安装的测深设备和定位设备测出水域各点的水深。用遥感方法进行水深反演,基于OLI遥感影像对错戳龙错盐湖进行水深反演研究,确定OLI4波段是研究错戳龙错盐湖遥感水深反演的最佳波段,建立了此盐湖的水深遥感模型。经过对遥感数据和实测点数据的回归分析,建立了拟合方程。根据拟合方程对水深进行反演,反演结果与实测结果基本一致,从而证明了遥感测水深方法的快速有效性,弥补了传统实测水深方法的不足。     

农作物种类高光谱遥感识别研究

作物种类高光谱识别研究对发展精准农业具有重要意义。通过原始反射光谱、常用指数、不同形式变换光谱及高光谱特征参数对观测的8种农作物的识别能力进行分析,同时采用识别效率最高的数据变换形式构建BP神经网络模型。结果表明:8种农作物的反射光谱曲线存在较大差异,差异最大的波长位置为0.65μm、0.78μm、0.86μm、0.93μm、1.08μm、1.19μm;无论采用原始光谱计算的指数还是常见卫星传感器对应通道计算的指数,识别农作物的能力从大到小均为SRNDVISAVIDVI;高光谱特征参数SDr对作物的识别效果优于其他光谱形式,构建的BP神经网络模型隐含层节点数为13时总体精度最高,达91.8%。     

基于高光谱遥感的新疆北疆地区土壤砂粒含量反演研究

 土壤砂粒含量是表征土壤质量的重要指标,探索建立基于高光谱遥感的区域土壤砂粒含量反演方法对区域土壤质量监测具有重要意义。通过野外采集的高光谱数据与MODIS影像相结合,遴选出土壤砂粒含量的敏感波段与反演方程,进行干旱区裸地土壤砂粒含量遥感反演研究。结果表明：430 nm为土壤砂粒含量的敏感波段,原始光谱经变换后的数值与土壤砂粒含量的相关系数在430 nm处达到最大值0.76;基于MODIS第3波段中心波长460 nm处的土壤原始光谱的反演精度最高,达到89.30%,与实际情况吻合较好,表明MODIS第3波段可以应用于干旱区裸地土壤砂粒含量的遥感反演。     

莱州湾海岸带土壤光谱分析与有机质反演研究

利用土壤光谱反射率预测海岸带典型土壤有机质含量。对莱州湾海岸带典型地区97个土壤样本的光谱反射率特性进行分析,把光谱曲线划分为4个区域,提取每个区域的代表性特征参数,与土壤有机质含量进行相关性分析,最终选用458～587.1nm区间的挠度(相关系数达0.87)作为自变量进行模型回归,并利用均方根误差(RMSE)和预测残差(RPD)进行模型检验与评价。结果表明,以458～587.1nm区间的挠度作为自变量建立的对数函数预测模型具有较高的精度和稳定性,经验证计算出其RMSE为0.39,RPD为2.5,该模型应用效果较好。     

基于实测光谱的潮滩土壤含水量遥感反演模型研究

以王港潮滩为研究区,采集土壤样品,测量土样的光谱,分析不同含水量土壤的光谱特征;利用统计相关法,建立TM遥感影像各波段对应波长处的光谱反射率与土壤含水量之间的关系模型.研究结果表明,在干燥条件下,土壤颗粒越细小,土壤表面越光滑平整,土壤光谱反射率越高,随着土壤含水量的增加,土壤反射率呈下降趋势;波长越长,土壤光谱反射率与含水量的相关性越高,其中2 220 nm处的土壤光谱反射率与含水量具有最高的相关性;通过不同的波段组合,建立新的土壤含水量反演因子,其中由490 nm与2 220 nm处光谱反射率的差值建立的因子与土壤含水量具有较高的相关性;由单波段与波段差值因子建立的土壤含水量反演模型的预测误差分别为4.590和5.147,反演精度较高.因此所建模型可以用于获取潮滩土壤含水量的空间分布,能够为研究潮滩土壤含水量与潮滩地形地貌之间的关系提供数据支持.     

基于遥感和机器学习的内陆水体水深反演技术

文章主要根据机器学习算法（随机森林算法和极端梯度提升算法）和遥感水深反演的原理,利用Sentinel_2多光谱卫星数据和无人船实测水深数据,对内陆水体——梅州水库建立了随机森林（RF）、极端梯度提升（XGBoost）和支持向量机（SVM）水深反演模型,并对反演结果进行对比分析。结果表明：1）RF的训练精度为97%,测试精度为0.80;XGBoost模型的训练精度为97%,测试精度为0.79;SVM的训练精度为90%,测试精度为0.78。说明了在水深预测方面RF模型和XGBoost模型比SVM模型表现更好,对各个区段的水深值较为敏感。2）根据运行时间考察各个模型的效率,其中RF模型从读取数据至输出结果耗时3.92 s;XGBoost模型4.26 s;SVM模型6.66 s。因此,在反演精度和效率上RF模型优于XGBoost模型优于SVM模型,且RF模型的预测结果图细节更加丰富,轮廓更加分明;XGBoost模型次之,但总体效果也较好;SVM模型表现最差。由此可知,机器学习水深反演模型获得的水深结果精度明显提高,解决了传统水深反演模型精度不高的问题。     

内陆水体环境遥感监测研究评述

应用遥感技术进行水质监测较常规监测具有巨大优势,能快速、大尺度、低成本的监测水质参数在时空上的变化状况。本文首先简要阐述了内陆水体环境遥感监测的基本原理;其次,介绍了常用水质参数的遥感监测研究现状,包括叶绿素a(Chl-a)、悬浮物(SS)、有色可溶性有机物(CDOM)以及总磷(TN)、总氮(TP)等其他水质参数,并将其划分为经验模型和生物光学模型两种监测方法;再次,对常用的遥感数据源进行了介绍和优缺点的评述;最后,讨论了内陆水体环境遥感监测误差来源,并对今后内陆水体环境遥感监测研究重点进行了展望。     

黄河流域土壤水分遥感估算

利用1982～1998年AVHRR的pathfinder遥感数据,以及相同时段黄河流域29个农业气象观测站土壤水分观测资料和263个气象台站降水、蒸发资料,建立基于遥感条件温度植被指数和气象观测数据基础上的黄河流域厚层土体(0～1m)土壤水分遥感估算方法,计算出1982～1998年黄河全流域1m土体各层土壤水分。计算结果检验表明该方法适合进行大区域、连续时间段、厚层土体土壤水分估算,并为黄河流域水循环研究提供了丰富的土壤水分数据。     

基于语义和边缘特征融合的高分辨率遥感影像水体提取方法

利用卷积神经网络从遥感影像中提取水体时,水体对象边缘像素的特征与内部像素的特征之间往往存在较大差异,导致提取结果中边界模糊、内部像素与边缘像素的提取精度差异较大,影响了整体精度的提高。针对如何从高分辨率遥感影像中进行水体高精度、自动化提取的问题,文章首先以高分辨率遥感图像为基础,利用边缘提取算法生成边缘图像,然后以高分辨率遥感图像和边缘图像作为输入,建立了语义特征和边缘特征融合的高分辨率遥感图像水体提取模型（Semantic Feature and Edge Feature Fusion Network, SEF-Net）,用于从高分辨率遥感图像中提取水体对象。实验结果表明,SEF-Net模型在3个数据集中的召回率（91.97%、92.07%、93.97%）,精确率（91.12%、98.37%、97.88%）,准确率（89.56%、95.07%、94.06%）和F1分数（91.54%、95.12%、95.88%）均优于对比模型,说明SEF-Net模型从高分辨率遥感图像中提取水体时,具有更高的精度和泛化能力。     

一种基于地物诊断性波谱吸收特征的高光谱遥感图像降维方法

高光谱遥感数据具有波段数目多、波段宽度窄、数据量庞大、波段间相关性高等特点,在一定程度上为图像的进一步处理和信息提取带来困难.为解决这一问题,在分析已有降维方法的基础上,提出了基于地物诊断性波谱吸收特征的高光谱遥感图像降维方法,将地物的诊断性吸收波谱特征区间作为一个独立的子空间进行处理,尽可能保留地物独有的吸收特征;在此基础上,进行子空间的特征提取和特征选择.为验证该方法的优越性,将其与传统的基于波谱区间的子空间划分方法进行分类对比,研究表明:基于该文方法降维后的图像分类精度更高,丰富了现有降维方法理论,具有一定的实用和推广价值.     

水质遥感监测技术研究进展

该文综述水质遥感监测研究的发展状况,阐述水质遥感监测的机理,介绍常用的遥感数据、遥感监测方法及其对叶绿素a、悬浮物、黄色物质等水质指标遥感监测的应用进展,提出该领域发展存在的主要问题,展望其发展方向和研究重点。     

基于地质统计学纹理特征的遥感影像分类方法研究

介绍地质统计学的原理与方法,论述了地质统计学应用于遥感影像描述及纹理提取的有效性,并将地质统计学变差函数得到的遥感影像纹理信息与其光谱信息相结合进行遥感影像分类试验,结果表明,辅以地质统计学纹理特征的遥感影像分类方法能够明显提高分类精度.     

基于决策树模型的海岸带分类方法研究

海岸带地物分布复杂,地物混淆常造成海岸带提取困难。该文以江苏省粉砂淤泥质海岸为研究对象,运用图像光谱特征、纹理特征并引入地学知识,构建研究区遥感图像分类决策树模型,并利用ETM 图像进行海岸地物分类研究。结果表明:采用的决策树模型可以较好地结合纹理信息和地学知识,解决遥感图像中复杂地物分类过程中的混淆现象,分类精度达89.26%,比最大似然法分类精度提高了15.19%。