气象卫星遥感洪涝面积估算

本文介绍了应用ＮＯＡＡ极轨气象卫星ＡＶＨＲＲ资料估算洪涝面积的原理和技术方法。应用气象卫星遥感资料，结合地理信息和实陆调查资料，通过计算分析和图像处理，可以实时、客观地判断洪涝灾害范围，区分洪涝程度，计算受灾面积。     

决策树在遥感影像分类中的应用

在充分了解决策二叉树分类过程的基础上,以西藏波密地区的TM遥感影像为研究对象,提取并分析各种典型地物的反射光谱特征,利用不同地物的光谱差异并结合人工目视判读建立了一组能够精确、快速划分遥感影像的分类规则。用ENVI建立分类决策树对实验区遥感影像进行分类,并将分类结果和传统的最大似然法相比较。结果表明：决策树分类的总体精度和Kappa分别为97.15%和0.9644,优于传统的最大似然法,取得了较为满意的分类结果。     

决策树在遥感影像分类中的应用

在充分了解决策二叉树分类过程的基础上, 以西藏波密地区的TM遥感影像为研究对象, 提取并分析各种典型地物的反射光谱特征, 利用不同地物的光谱差异并结合人工目视判读建立了一组能够精确、快速划分遥感影像的分类规则。用ENVI建立分类决策树对实验区遥感影像进行分类, 并将分类结果和传统的最大似然法相比较。结果表明:决策树分类的总体精度和Kappa分别为97.15%和0.9644, 优于传统的最大似然法, 取得了较为满意的分类结果。     

基于高分卫星的一季稻面积遥感估算

高分一号卫星(GF-1)是中国高分辨率对地观测系统中的重要成员之一,可以提供高空间分辨率的对地观测信息。本文以合肥市为研究范围,根据物候历选择2017年5月下旬和8月上旬的两个时相GF-1影像为研究资料,利用增强型植被指数(EVI)为监测判别指标,并以一季稻成熟期的蓝移现象作为辅助判别条件,构建了种植面积遥感估算模型。结果表明:通过对比验证模型,发现用统计调查数据来验证遥感估算结果的精度为93.2%,用混淆矩阵法来验证的精度和Kappa系数分别为83.7%和0.84。验证精度表明本文构建的遥感估算模型是合理可行的,为安徽省及合肥地区一季稻信息提取和估算提供参考。     

基于概率神经网络的遥感影像分类方法

在对数据进行归一化处理的基础上,将概率神经网络用于遥感影像分类,并探讨样本区的选择和高斯基函数标准差对分类精度的影响。用西藏波密地区1999年的TM遥感影像进行分类试验,并将分类结果和经典的最大似然法进行比较。结果表明：概率神经网络的总体分类精度和Kappa系数分别为94.5%和0.934,取得了较为理想的识别和分类效果。     

利用归一化植被指数研究植被分类、面积估算和不确定性分析的进展

植被在全球生态系统中扮演着重要的角色.陆地生态系统与全球气候变化也是息息相关.利用遥感资料对植被进行分类,并估算植被覆盖面积已成为一个极具活力的研究方向,其结果的准确度及误差来源受到不同程度的重视.作者对利用遥感资料研究植被分类,进行面积估算,分析其不确定性三个方面的研究进展进行了回顾和讨论,探索进一步利用遥感资料分析植被信息的可行性.     

基于HJ-1A卫星数据的衡水地区冬小麦面积遥感估算应用

采用HJ-1A遥感数据,研究了衡水市冬小麦种植面积提取的分类方法。分别运用最大似然法、最小距离法、马氏距离法和ISODATA算法对2010年、2012年和2013年衡水市冬小麦种植面积进行提取,并与实际种植面积进行比较分析。结果表明,最大似然法、马氏距离法、最小距离法和ISODATA法提取的冬小麦种植面积的平均误差分别为6.1%、25.9%、24.9%和17.2%。因此,最大似然法具有较高的估算精度,能够满足研究区域冬小麦种植面积估算要求。     

遥感估算降水在西藏高原中的应用研究

采用遥感估算降水模型RFE 2.0(Rainfall Estimation Algorithm Version 2)模拟了2009年西藏高原的区域降水,并结合该地区气象站降水观测资料分别从日、月、年尺度上评价了该模型在西藏高原降水估算中的适用性,最后通过系数校正分析了2009年8月西藏高原降水量和年降水量的分布格局。结果表明,RFE2.0模型日降水量模拟值与观测值的相关系数在0.40以上的测站占46%,变化趋势较一致,但在日降水量较小时(接近零)模拟结果不稳定,在降水量较大时(>15mm)模拟结果一般会偏低;月平均降水量模拟结果与观测结果的相关系数在0.80以上的测站占62%,模拟结果较好地反映了观测结果的变化趋势,但个别月份的模拟结果会出现偏差。雨季降水量的模拟结果明显好于干季,为进一步提高模拟精度,确定雨季校正系数为1.133,干季校正系数为1.265;年尺度上降水量的模拟值与观测值的相关系数为0.368(P=0.026)。整体来看,遥感估算降水模型(RFE2.0)模拟的西藏高原降水结果较好,可为西藏高原降水模拟提供借鉴和参考。     

长城沿线风沙区土地利用监督分类方法

以长城沿线风沙区为试验区，以1997年TM影像为遥感信息源，进行了土地利用状况本底调查，探讨了利用ERDAS IMAGINE对该地区TM影像进行监督分类的方法，包括以外业调查的信息为基础建立分类模板、评价分类模板、执行监督分类、评价分类结果、聚类统计分析等步骤。     

基于数据融合的土地遥感分类技术研究

以吐鲁番主要农区为试验区，运用多源遥感数据融合图像进行土地利用现状调查及葡萄种植面积遥感调查。运用IHS变换方法进行了研究区多光谱与全色高分辨率图像的融合工作，生成了质量较好的图像。用于土地分类及葡萄面积提取。在对研究区土地利用类型的分类中，本文采用的分类方法是结合目视判读的经验，在无监分类法和有监分类法的基础上，辅以地面数据，在遥感图像处理常规分类方法的范畴内，采取最大程度的有利于提高分类精度的措施，得到了全试验区相对最高的计算机自动分类精度65％；然后采取分区分类或人工解译改进分类结果，可使研究区的土地利用分类精度超过90％。因此，此方法在土地利用现状调查及作物面积监测中是可行的。     

遥感图像融合方法研究

利用遥感图像专业处理软件ENVI与ERDAS IMAGINE,对珠海市2002年的Landsat 7 ETM+遥感数据进行了图像融合方法试验,包括IHS变换、Brovey变换、K-L变换和Gram Schmidt波谱锐化等。然后利用定性和定量方法对各种方法的融合结果进行了光谱特征和统计参数等方面的评价。研究结果表明:Gram Schmidt波谱锐化在纹理信息、亮度信息和光谱信息等方面都优于其他几种融合方法。     

气象遥感图像去噪预处理方法研究

针对静止轨道遥感卫星上多通道扫描型载荷成像、传输与存储过程中,存在数据质量下降等问题,本文在经典三维块匹配算法（Block Matching 3D,BM3D）基础上,提出一种基于多层级小波分解的并行执行策略。首先,使用小波变换对原始气象遥感图像分解,得到4个图像分量;其次,将所得图像分量进一步进行3级分解,并选择其中的10个图像分量;最后,每个分量并行执行BM3D滤波器去噪,并重构10个分量的输出图像。与传统BM3D去噪算法相比,改进BM3D算法的计算量可有效降低20%以上。通过与中值滤波、均值滤波、NL-Bayes、BM3D四种降噪算法进行实验对比,所提算法的峰值信噪比平均增益在0.39～4.45 dB之间,特别是在高斯白噪声和脉冲噪声的混合噪声去噪方面要显著优于选取的四种对比算法。     

水稻遥感估产的一种方法

该文利用NOAA/AVHRR空间覆盖度宽、资料获取时次多的特点，寻求预测北方一季稻产区水稻产量的最佳时期，利用植被指数建立水稻单产的预报模式，遥感估算水稻种植面积。研究表明，利用卫星遥感手段对水稻进行估产的精度高于常规农业气象模式，又可提高预报时效。     

基于MODIS和HJ-1数据的宿鸭湖水库面积遥感监测研究

水体与植被、城市和土壤等地物在不同波段的光谱反射率的差异是利用遥感手段提取水体信息的基本原理。以宿鸭湖水库为例,在水体光谱特征分析的基础上,采用归一化植被指数（NDVI）方法提取2010年的MODIS和HJ-1遥感影像上的水体信息。首先将MODIS数据的第1和第2波段,以及HJ-1数据的第3和第4波段经过波段运算得到NDVI图像。将两种遥感图像中NDVI值为负的像元判识为水体,NDVI值为正的判识为水库周围的农田,经过计算像元数量得到水体面积信息。水体判识阈值在全年变化范围在-0．08和0．08之间。HJ-1数据具有较高的空间分辨率,水体判识的结果比MODIS数据更加精确。利用HJ—I数据水体监测结果对MODIS数据结果进行校正,使得到的监测结果同时具有较高的时间分辨率和空间分辨率。研究结果表明：利用HJ-1数据校正后的MODIS数据所测得的水域面积与实际观测得到的水库蓄水量之间的复相关系数为0．8603,显著提高了水体监测的精度,从而为大范围的水资源与水环境动态监测提供了迅速、可靠的依据。     

地基遥感大气水汽总量和云液态水总量的研究

介绍了地基微波辐射计遥感反演大气柱中的水汽总量和云液态水总量的辐射传输原理和反演方法。给出了实用的有气候代表性的北京地区4个季节的反演公式，并对反演公式进行了数值检验，分析了反演精度：春、夏、秋、冬4季水汽总量反演的相对标准偏差分别为3．1％、1．6％、2．2％和2．4％。用反演公式反演在香河探测的NASA微波辐射计资料发现：微波辐射计反演的水汽总量平均比探空测量值偏大O．21cm，二者的线性相关系数为0．988．均方根误差为0．16cm：云液态水总量除降水云天外．值均在0．1mm以下。