ZY-3 MUX传感器数据的缨帽变换系数推导

缨帽变换是一种实用性都很强的遥感影像增强方法,已被成功地应用于各种遥感领域。然而,对于缺少中红外波段的4波段高分卫星传感器,采用常规的Gram-Schmidt正交化方法难以推导出缨帽变换的湿度分量,即便少量推导出湿度分量的算法也存在着结果失真的问题。因此,开展针对4波段传感器缨帽变换系数的推导,提出了先确定湿度分量、再确定亮度和绿度分量的逆推算法,并将其应用在ZY-3 MUX传感器数据上。实验结果表明:(1)逆推方法可以有效地推导出ZY-3 MUX缨帽变换的湿度分量,较好地解决了前人研究中出现的湿度分量失真问题;(2)新方法求出的3个分量的散点在其三维特征空间中呈现典型的"缨帽"特征,较于传统的GramSchmidt正交化方法,新方法的散点在水体、植被和建筑用地/裸土之间的空间分布位置可以更好地相互分离,不会造成不同地类之间的混淆;(3)采用新方法所得到的缨帽变换系数的精度好于传统的Gram-Schmidt正交化方法,体现在新方法具有较高的R值和较低的RMSE误差。本研究可为ZY-3 MUX数据提供一套有效的缨帽变换系数,同时也为缺乏中红外波段的高空间分辨率遥感影像提供一种新的缨帽变换系数推导方法,解决了常规GramSchmidt正交化方法无法准确表示湿度分量的问题。     

基于缨帽变换影像融合的遥感影像植被信息提取

充分结合缨帽变换、遥感影像融合以及归一化植被指数(NDVI)的优点,提出了一种基于缨帽变换的遥感影像融合与NDVI相结合的植被信息提取方法,并与传统的NDVI方法进行了对比。实验表明,该方法很好地改善了遥感影像植被信息的提取精度,特别是提取道路两旁的行道树以及居民小区中的绿地信息,效果更好。     

资源一号02C与Landsat8影像融合方法对比分析

针对以往关于资源一号02C和Landsat8卫星影像数据融合的研究不足的问题,该文利用前者在空间分辨率上高于后者、后者具有前者所不具有的光谱信息这一特性,选取主成分变换法、比值变换法、色彩变换法、高通滤波法和超分辨率贝叶斯法5种融合方法,分别对两种数据本身及数据间进行融合,并利用定性与定量的方法对融合结果进行评价,得出:资源一号02C星全色波段与多光谱波段数据融合结果中高通滤波法与超分辨率贝叶斯法效果较好,Landsat8OLI全色波段与多光谱数据融合结果中高通滤波法效果最好,资源一号02C星全色波段与Landsat8OLI多光谱数据融合结果中高通滤波法效果最好。     

利用Sentinel-2A多光谱成像仪与Landsat8陆地成像仪影像进行普陀山岛植被分类效果比较

卫星遥感技术可用于海岛资源调查。Sentinel-2A与Landsat 8两颗卫星都可免费提供空间分辨率较高的多光谱遥感影像,在海岛调查中的应用潜力较大。本文以浙江舟山普陀山岛为例开展了针对这两种影像在海岛植被分类中的应用效果的研究,分别利用Sentinel-2A多光谱成像仪（MSI）和Landsat 8陆地成像仪（OLI）影像基于最大似然法分类获得了该岛阔叶林、针阔混交林、针叶林、灌丛、草丛等植被及其他地物的分布情况,并进行了精度检验,结果表明MSI的总体分类精度略高于OLI。     

基于Landsat8与高分数据的矿山植被动态监测研究

以中梁山片区为实验区,利用landsat8数据对2012—2021年露天矿山植被指数进行变化分析,利用高分数据进行2017—2021年短时间序列变化分析,并对2种遥感数据计算的植被指数进行关联性研究,以期为未来露天矿山修复的监管提供技术支撑。结果表明Landsat8数据与高分数据对矿山植被指数变化趋势反映基本一致,在2017年呈现波谷,随后逐渐变好;高分数据由于分辨率较高,对于植被指数高值区域和低值区域较为敏感,能够更好地反映植被生长初期状况,Landsat8数据则将植被指数进行了平均而中间值较多;两者计算的植被指数具有较好的线性相关性,决定系数为0.739 3,但总体上表现为低值和高值区相关性好,中间部分相关性略差。     

基于最小噪声分离变换的遥感影像融合方法

针对主成分分析（PCA）融合算法的不足和最小噪声分离（MNF）变换的优势，以IKONOS新型高分辨率观测卫星提供的全色和多光谱数据为实验数据，提出了基于最小噪声分离变换的遥感影像融合方法，并与其它融合方法进行定量和视觉比较，结果表明该方法能得到更好的融合效果。     

基于对数-主成分变换的EM算法用于遥感影像分类

提出对多光谱数据进行对数变换来凸显类型特征,然后进行主成分变换并根据主成分贡献率确定EM算法分类所需主成分数,消除方差协方差矩阵的奇异性,同时削弱噪声;对数变换后的第一主成分直方图充分反映类型信息,由此确定的初始类别标签作为多个主成分EM分类算法所需初始值,避开随机选初值的敏感问题.实验证明,所提出的计算方案分类精度优于普通EM方法和传统的K-means方法.     

基于光谱变换与融合的IKONOS多光谱影像分类

利用多种光谱线性变换及其融合的方法,减少波段间的信息冗余,提高光谱特征的可分性,并用实验证明了算法的有效性。     

资源三号卫星高分影像的城市建筑物阴影提取

针对城市高分影像中普遍存在的建筑物阴影严重影响了高分影像的处理和应用问题,该文通过对资源三号卫星(ZY-3)各波段的影像特征进行分析,分别采用基于直方图的阈值分割法、基于主成分变换和HIS变换集成法对阴影提取并对比分析,在此基础上提出了一种基于谱间关系的阴影提取模型。实验结果表明,该文提出的方法能够较好地区分ZY-3影像中的阴影和偏蓝色地物及水体,能够准确地提取城市高大地物阴影。     

切比雪夫多项式拟合GPS轨道坐标的改进算法

针对利用切比雪夫多项式拟合卫星轨道,常规算法在高阶次拟合时,由于数值计算不稳定,拟合误差增大趋于发散的问题,该文使用2种改进算法来求解轨道坐标拟合.考虑在高阶次拟合时法方程为病态方程且系数矩阵接近奇异矩阵,改进算法以矩阵分解为基础,在求解法方程时避免对奇异矩阵求逆和病态方程求解,从而获得较为精确的计算结果.基于IGS精密星历数据的拟合实验中,分别使用了常规算法、LU分解算法和QR分解算法,结果显示在6和12h弧段的轨道拟合中,无论是在算法的稳定性还是在轨道拟合精度方面,QR分解算法都有一定的优越性.     

基于缨帽变换的遥感图像融合方法研究

本文阐述了图像融合和缨帽变换的意义,针对缨帽变换在植被信息提取方面的优点,提出一种新的基于缨帽变换的遥感图像融合方法。为了验证算法的有效性,在城区遥感图像融合中,将其与其他几种图像融合算法进行比较。实验结果表明,基于缨帽变换的遥感图像融合方法得到的结果图像纹理清晰、结构完整、光谱保持能力强,在城市零星绿地提取中有着显著的效果。     

Mapping paddy rice planting area in rice-wetland coexistent areas through analysis of Landsat 8 OLI and MODIS images

Accurate and up-to-date information on the spatial distribution of paddy rice fields is necessary for the studies of trace gas emissions, water source management, and food security. The phenology-based paddy rice mapping algorithm, which identifies the unique flooding stage of paddy rice, has been widely used. However, identification and mapping of paddy rice in rice-wetland coexistent areas is still a challenging task. In this study, we found that the flooding/transplanting periods of paddy rice and natural wetlands were different. The natural wetlands flood earlier and have a shorter duration than paddy rice in the Panjin Plain, a temperate region in China. We used this asynchronous flooding stage to extract the paddy rice planting area from the rice-wetland coexistent area. MODIS Land Surface Temperature (LST) data was used to derive the temperature-defined plant growing season. Landsat 8 OLI imagery was used to detect the flooding signal and then paddy rice was extracted using the difference in flooding stages between paddy rice and natural wetlands. The resultant paddy rice map was evaluated with in-situ ground-truth data and Google Earth images. The estimated overall accuracy and Kappa coefficient were 95% and 0.90, respectively. The spatial pattern of OLI-derived paddy rice map agrees well with the paddy rice layer from the National Land Cover Dataset from 2010 (NLCD-2010). The differences between Rice_Landsat and Rice_NLCD are in the range of ±20% for most 1-km grid cell. The results of this study demonstrate the potential of the phenology-based paddy rice mapping algorithm, via integrating MODIS and Landsat 8 OLI images, to map paddy rice fields in complex landscapes of paddy rice and natural wetland in the temperate region.     

Comprehensive study of the biophysical parameters of agricultural crops based on assessing Landsat 8 OLI and Landsat 7 ETM+ vegetation indices

For three agricultural crop types, winter wheat (Triticum aestivum L.), barley (Hordeum vulgare L.), and canola (Brassica napus L.), we estimated biophysical parameters including fresh and dry biomass, leaf area index (LAI), and vegetation water content, for which we found the equivalent water thickness (EWT), fuel moisture content per fresh weight (FMC_FW), and fuel moisture content per dry weight (FMC_DW). We performed these estimations using data from the newly launched Landsat 8 Operational Land Imager (OLI) sensor, as well as its predecessor the Landsat 7 Enhanced Thematic Mapper Plus (ETM+). Progress in the design of the new sensor (i.e., Landsat 8), including narrower near-infrared (NIR) wavebands, higher signal-to-noise ratio (SNR), and greater radiometric resolution highlights the necessity to investigate the biophysical parameters of agricultural crops, especially compared to data from its predecessor. This study aims to evaluate vegetation indices (VIs) derived from the Landsat 8 OLI and the Landsat 7 ETM+. Both the Landsat 8 OLI and Landsat 7 ETM+ VIs agreed well with in-situ data measurements. However, the Landsat 8 OLI-derived VIs were generally more consistent with in situ data than the Landsat 7 ETM+ VIs. We also note that the Landsat 8 OLI is better able to capture the small variability of the VIs because of its higher SNR and wider radiometric range; in addition, the saturation phenomenon occurred earlier for the Landsat 7 ETM+ than for the Landsat 8 OLI. This indicates that the new sensor is better able to estimate the biophysical parameters of crops.     

植被信息的Landsat8卫星影像提取方法

传统植被信息提取的信息源多以TM/ETM+等影像为主,在如何应用Landsat8影像提取高精度的植被信息方面研究较匮乏。针对上述问题,该文应用大理市Landsat8影像开展了植被信息提取方法研究。研究过程中通过对原始波段组合法、主成分分量组合法、衍生波段组合法、直接解译法提取结果进行对比分析,确定最佳波段组合;之后将纹理信息作为最佳波段组合影像新的波段,与光谱信息一同分类,并对结果进行分析。研究结果表明,添加纹理能够在一定程度上提高植被信息提取的精度。     

北京地区Landsat 8 OLI高空间分辨率气溶胶光学厚度反演

卫星气溶胶光学厚度(AOD)反演中,传统暗目标方法在反射率较低的水体、浓密植被覆盖区域取得了较好效果,在反射率较高且结构复杂的高反射地表上空目前多采用深蓝算法,但存在空间分辨率较低,对细节分布描述性较差等问题。为解决这一问题,本文首先以5年(2008年—2012年)长时间序列MODIS地表反射率产品为基础,采用最小值合成法建立500 m分辨率逐月地表反射率产品数据集,然后利用地物波谱库中典型地物波谱数据,分析建立MODIS与Landsat 8 OLI传感器蓝光波段反射率转换模型,最后北京地区AERONET地基观测数据确定了气溶胶光学物理参数,并反演获取了北京地区上空500 m分辨率的AOD分布。为验证反演算法的精度,分别将反演结果同AERONET及MODIS/Terra气溶胶产品(MOD04)进行交叉对比,同时利用相关系数R,均方根误差RMSE,平均绝对误差MAE以及MODIS AOD产品预期误差EE共4个指标进行衡量。结果表明:算法反演获取的AOD与AERONET观测值具有较高的一致性,各指标分别为R=0.963,RMSE=0.156,MAE=0.097,EE=85.3%,稍优于MOD04产品(R=0.962,RMSE=0.158,MAE=0.101,EE=75.8%),并且有效的对比点数也高于MOD04。通过与地基观测相比,卫星遥感获取的高分辨率城市地区AOD精度可作为定量评估城市空气质量的有效依据。     

深度置信网络算法反演Landsat 8 OLI气溶胶光学厚度

传统的气溶胶遥感反演算法在地表反射率较低、结构较为均一的海洋及浓密植被等区域的气溶胶反演可以达到较高的精度,而在城市、矿区等高亮度、高异质性区域的气溶胶反演中仍面临较大的挑战。当地表反射率较高时,卫星传感器获取的对气溶胶具有标识性的信息不足,导致了气溶胶反演的困难。为更大程度地挖掘卫星信号中对气溶胶具有标识性的信息,本文提出使用深度学习技术的气溶胶遥感反演算法,用于Landsat 8 OLI传感器的气溶胶反演。选择全球不同区域的AERONET站点气溶胶实测数据以及对应区域的Landsat 8 OLI传感器的观测几何角度和表观反射率数据,根据合理的时空匹配原则构建样本数据。选择深度置信网络,在合理设置训练批次和训练次数的基础上对网络进行训练和测试,生成关于卫星传感器数据的气溶胶光学厚度拟合网络模型,实现气溶胶遥感反演。使用独立的AERONET站点气溶胶实测数据对反演结果进行了验证,结果表明：该方法可反演不同地表类型区域连续空间覆盖的气溶胶光学厚度,且达到了较高的精度（R=0.8745,RMSE=0.0391,MAE=0.0616,EE=87.94%）。与传统的方法相比,本方法基于单时相卫星遥感数据即可实现气溶胶的高精度反演,简化了气溶胶反演的步骤,提高了气溶胶反演的稳定性和时空适应性。     

Remote estimation of water quality parameters of Himalayan lake (Kashmir) using Landsat 8 OLI imagery

The overarching aim of this study was to derive simple and accurate algorithms for the retrieval of water quality parameters for the Wular Lake using Landsat 8 OLI satellite data. The water quality parameters include pH, COD, DO, alkalinity, hardness, chloride, TDS, total suspended solids (TSS), turbidity, electric conductivity and phosphate. Regression analysis was performed using atmospherically corrected true reflectance values of original OLI bands, images after applying enhancement techniques (NDVI, principal components) and the values of the water quality parameters at different sample locations to obtain the empirical relationship. Most of the parameters were well correlated with single OLI bands with R² greater than 0.5, whereas phosphate showed a good correlation with NDVI image. The parameters like pH and DO showed a good relation with the principal component I and IV, respectively. The high concentration of pH, COD, turbidity and TSS and low concentration of DO infers the anthropogenic impact on lake.     

综合多特征的Landsat 8时序遥感图像棉花分类方法

传统的多时相遥感图像分类大多拘泥于单一特征,本文基于多时相的Landsat 8遥感数据,开展了综合多特征的特征提取与特征选择方法研究。综合了NDVI时间序列、最佳时相反射率光谱特征以及纹理特征作为初始分类特征,并采用基于属性重要度的粗糙集特征选择算法对其进行特征约简。分类结果表明:(1)利用初始分类特征,分类的总体精度达到92.81%,棉花提取精度达87.4%,与仅利用NDVI时间序列相比,精度分别提高5.53%和5.05%;(2)利用粗糙集选择后的特征分类,分类总体精度可达93.66%,棉花分类精度达92.73%,与初始分类特征提取结果相比,棉花分类精度提高5.33%。基于属性重要度的粗糙集特征选择不仅提高了分类精度,同时有效降低了分类器的计算复杂度。