一种基于高光谱遥感数据的植被LAI反演算法

针对高光谱遥感数据反演叶面积指数(LAI)的问题,提出了基于主成分变换(PCA)的综合反演算法。研究表明,利用变换后的高光谱数据建立的神经网络反演模型具有更好的泛化性,提高了实测数据的反演稳定性和精度,同时加快了反演速度。     

航空高光谱热红外数据的两种发射率反演方法对比

本文在介绍航空高光谱热红外的两种发射率反演算法——ARTEMISS算法和ASTER TES算法基础上,以甘肃柳园地区的热红外高光谱TASI数据为基础,对实验区进行了发射率反演,结合野外实测结果,对两种算法的图像质量和精度进行了对比分析。结果显示,两种算法均能满足反演精度要求,ASTER TES算法图像质量好,精度较高;ARTEMISS步骤简单,反演结果能很好地体现出岩性差异。在实际应用中应结合不同的应用要求来选择不同的反演算法。     

基于MEMLS模型的积雪深度反演方法

利用被动微波遥感反演积雪深度一直是积雪遥感领域中的研究热点。在现有的积雪深度反演算法中,NASA算法因其简洁、易于扩展的特点,成为应用最为广泛的算法。但NASA算法存在着一定不足:首先,由于NASA算法基于线性拟合得出,在应用到其他研究区域时需要对反演公式进行重新拟合,适用范围受到一定限制;其次,由于算法中引入的19GHz与37GHz的亮温差在雪深达到一定范围时会达到饱和,因此算法会低估积雪深度。本文针对现有反演算法的不足之处,结合蚁群智能算法的特点,发展了基于蚁群算法的积雪深度反演算法;此外,针对NASA算法中存在的雪深低估问题,引入了AMSR-E10.7GHz亮温数据,对算法进行了改进。利用MEMLS模型的模拟数据与AMSR-E辐射亮温数据对算法进行实验,并采用实测数据与AMSR-E雪水当量产品对算法的反演精度进行评价。结果表明,两种积雪深度反演算法均是可行的,反演精度与现有产品相比有较为明显的改进。     

一种协同反演气溶胶与水汽含量的高光谱图像大气校正算法

大气校正是高光谱图像定量反演地表参数的前提。为充分利用高光谱数据本身的光谱特点,提出了一种协同反演大气气溶胶光学厚度(aerosol optical thickness,AOT)与水汽含量(water vapor content,WV)的大气校正方法,在同时考虑了气溶胶模式、AOT和WV这3个因素的综合影响基础上,采用循环迭代的思想,基于6S辐射传输模型,反演大气参数及地表反射率,弥补了现有反演算法中没有同时考虑AOT与WV的不足;并以武汉市Hyperion高光谱图像为例,验证了该算法的有效性。从与FLAASH算法及MOIDS提供的AOT和WV产品对比来看,该算法能较好地校正气溶胶与水汽对高光谱图像的影响,且反演过程中所有的输入均来自图像数据本身或6S辐射传输模型,无需输入额外的参数。     

基于BRDF原型反演地表反照率

先验知识在遥感反演中起到重要的作用,本文首先根据各向异性平整指数AFX和地表多角度观测数据集建立了BRDF二向性反射分布函数原型库,然后介绍了以BRDF原型作为先验知识的提取多角度数据地表反照率的原型反演算法,为验证算法的精度,将原型反演及全反演算法拟合验证数据子集得到的反照率与MODIS全反演算法拟合完整数据集得到的结果作比较。结果对比表明,观测天顶角在40°以内时,非垂直主平面的观测数据能够代表部分地表的各向异性反射特征,此时原型反演算法的最大平均绝对误差为0.036,相对精度比全反演算法高约5%—10%;当数据位于垂直主平面时,观测信息量严重不足,此时原型反演算法结果相对较稳定,而全反演算法的最大绝对误差高达0.18。 综上所述,原型反演算法能够在整个采样空间范围内对BRDF进行约束,对观测数据位置分布的依赖较小,抗噪声能力强,在反演观测信息不足的多角度数据时,结果精度优于全反演算法。     

地温敏感波段的遥感图像反演算法研究

针对应用于地表温度反演的航天遥感数据波段选择问题,文章提出了利用波长范围为8~10.5μm的热红外遥感数据反演地表温度的单通道反演算法:从温度敏感性的角度证明了利用波长范围为8~10.5μm的遥感数据反演地表温度的合理性;在此基础上,将仪器光谱响应率引入到基于大气校正原理的单通道反演算法中,提高了地表温度的反演精度。最后通过实验证明了利用此波段的热红外遥感数据反演地表温度的可行性。     

基于KPCA和FCM的HJ-1A星遥感数据分类

为提高对环境与灾害监测预报小卫星1A(HJ-1A)星遥感数据分类的精度,首先将HJ-1A星HSI高光谱数据和CCD多光谱数据进行GS(Gram-Schmidt)融合,然后利用主成分分析法(principal component analysis,PCA)和核主成分分析法(kernel PCA,KPCA)分别对融合后的高光谱图像进行降维处理.KPCA降维时采用高斯、线性和多项式3种核函数,根据特征提取效果评价结果,选择累积贡献率较大的多项式核函数.最后,分别对融合后的高光谱图像、PCA主成分图像和基于多项式核函数的KPCA主成分图像进行模糊C均值分类.实验结果表明,KPCA对融合后高光谱图像的特征提取得到了较好的效果,同时提高了分类精度和效率.     

基于遗传算法的二类水体水色遥感反演

提出一种基于遗传算法的二类水体水色遥感反演算法。该算法以三成分 (叶绿素、悬浮泥沙与黄色物质 )海水光学模型作为前向模型 ,以实数编码遗传算法作为优化方法 ,并采用一对波段比来构造目标函数。模拟反演的结果表明 ,该算法可以有效克服已有二类水体水色遥感优化反演方法在搜索策略方面存在的困难 ,是一种有较高计算效率、可靠与稳健的反演算法     

Quickbird全色与多光谱数据融合算法的比较

以Quickbird全色和多光谱数据为例,采用Brovey变换、高通滤波（HPF）变换、主成分（PCA）变换、主成分替换小波变换算法对比研究了同一传感器全色和多光谱数据的融合问题。以均值、标准差、信噪比、信息熵、平均梯度、相关系数及偏差指数为客观融合质量评价指标,由定性和定量的分析认为：针对Quickbird数据而言,...     

基于PCA的高光谱遥感图像分类

高光谱遥感图像的出现进一步提升遥感图像分类的准确性,但高光谱遥感图像的数据量大,处理高光谱遥感图像复杂度高、效率低。为解决这一问题,将主成分分析算法作为遥感图像分类的预处理技术。分析主成分分析算法的原理,利用主成分分析算法提取高光谱图像的主要波段图像。通过实验验证得出结论:高光谱遥感图像的主波段图像包含分类所需的大部分信息,利用少数的主波段图像即可达到70%以上的分类正确率。实验结果表明,在保证分类正确率的前提下,PCA算法可有效地减少图像分类处理的数据量,提高图像的处理效率。