中国民用航天遥感应用需求与时效性分析

本文论述了遥感应用需求分析的意义及特点、设计原则及内涵。根据卫星应用发展趋势, 探讨了中国民用卫星遥感应用需求时效性及转变特点。同时, 针对行业遥感应用需求, 总结了相关可遥感的应用参量,进而提出了行业遥感应用对遥感信息定量化所需的的技术指标。     

基于元胞自动机的遗传神经网络在土地利用变化模拟分析中的应用

元胞自动机模型在土地扩展的转换规则设计上具有随机性,受周围环境影响较大。文中建立基于BP神经网络和遗传神经网络算法优化的元胞自动机土地扩张模型,对广州市2009—2011年进行城市扩张模拟分析。实验结果显示:BP神经网络能够较好地模拟分布较集中的耕地和林地等区域,精度可达到70%以上,而对于面积较零碎的建筑用地区域,模拟效果较差;而遗传神经网络优化算法能够总体提高模拟精度约5%,部分精度能提高至20%。同时,该算法还能充分考虑影响土地变化的各种扰动因素,优化选择驱动因子和缩短迭代次数,对于城市土地扩张研究具有可行性。     

脉冲耦合神经网络的遥感影像城市道路提取

针对高分辨率遥感影像中阴影对道路提取产生较大干扰的问题,提出了一种基于脉冲耦合神经网络(PCNN)的城市道路提取方法。该方法首先在近红外波段检测并消除阴影和水体的影响,并使用PCNN对消除阴影后的灰度图像进行分割处理;然后使用形态学建筑物指数(MBI)和归一化差分植被指数(NDVI)分别提取出建筑物和植被信息,消除建筑物和植被的影响;最后提取受行道树影响较大的道路,并对处理后的图像作数学形态学法的处理。该文以深圳市SPOT-7高分辨率影像进行实验。实验表明,该方法能保留原始的道路边缘细节信息,并对阴影具有很好的抗干扰作用,提取的道路信息具有很好的连续性和完整性。     

基于多源遥感数据的济南市主要建成区热环境研究

城市热环境是反映城市环境状况的一个重要指标,本研究基于济南市快速城市化时期的Landsat-8遥感影像,利用遥感图像处理软件IDL8.5反演2016年济南市的地表温度(LST),得到济南市地表温度空间分布格局;并利用NPP-VIIRS夜间灯光数据提取济南市主要建成区范围及郊区范围,同时利用MODIS 8天温度产品,根据城郊温差法计算得到济南市主要建成区热岛强度信息,探究热岛强度的月及季节变化规律。研究发现白天热岛强度变化规律比较明显,夜间热岛强度比较稳定。同时,利用2016年谷歌影像提取济南市地表水体的分布数据,并采用剖面取样的方法在地表温度分布图上做出样点与其对应地表温度的分布曲线,研究发现水体和绿化植被的存在能显著地减缓城市热岛效应。     

农作物单产预测的运行化方法

提出了适于运行化农作物单产预测的方法。即以农作物单产区划为基础 ,通过搜集不同地区不同作物的单产预测模型 ,分析每个模型的空间适用范围 ,并从模型参数等角度筛选模型 ,然后利用这些模型进行气象站点的作物单产预测 ,并以NDVI分布图为参考数据将点上的单产数据空间外推到区域尺度。借助耕地分布估计区域水平的农作物单产。最后以 2 0 0 3年冬小麦为例 ,进行了全国 10个省的冬小麦平均单产估算 ,花费了较少的人力和时间 ,符合运行化遥感估产要求     

北京市热岛效应时空变化的HJ-1B监测分析

 本文利用2008-2011年HJ-1B/CCD可见光-近红外数据,以及HJ-1B/IRS热红外数据,采用遥感算法反演北京市地表温度,并用MODIS地表温度产品对反演结果进行了初步验证。同时分析了北京市热岛效应的年际、年内变化趋势。另利用热场变异指数分析其空间分布特征,以及NDVI、NDBI与城市下垫面对热岛效应的影响。结果表明:(1)2008-2010年北京市热岛强度总体呈上升趋势,2011年有所缓解,4年热岛强度分别为:5.2℃、5.2℃、9.2℃、8.2℃;(2)北京市2010年四季存在明显热岛现象,夏季最强,春、秋次之,冬季最弱,四季热岛强度分别为8.2℃、9.4℃、9.2℃、4.3℃;(3)2008-2011年北京市热岛空间分布特征表明,房山区和大兴区的南部热岛效应逐年缓解,2011年昌平区热岛效应比前3年明显,植被和水体形成城市冷岛;(4)地表温度与NDVI呈明显负相关,与NDBI呈正相关,城市热岛效应与下垫面类型存在明显相关性。     

基于HJ-1B卫星的玉树M_S7.1地震地表温度异常识别

基于中国HJ-1B卫星热红外数据,对2010年玉树M_S7.1地震区进行地表温度(LST)研究。研究结果显示,2010年4月初LST异常值最初出现在毗邻震中的西南部,并且主要沿属于应力增强区的扎那曲-着晓断裂和杂多-上拉秀断裂分布;之后异常幅度逐渐增强,异常区域逐渐扩大至震中区域,但主要高值异常区依然位于震中西南部且沿着断裂带分布,显示出地表升温异常与断裂构造的相关性;在地表温度变化的过程中,4月14日发生了玉树M_S7.1地震,然后异常现象逐渐减弱,4月26日异常区域的LST值明显低于18日的数值并逐渐消散,5月中下旬该区域LST值恢复至正常状态;地震前后的LST异常呈出现-扩散集中-衰减-消失的变化过程。同时,以相同方法和标度计算了2009年同区域、同时段的LST值作为背景信息,进一步印证了2010年4月14日青海玉树M_S7.1地震LST临震异常的可靠性。     

城市行道树绿视量指数研究

本文立足于街道景观视觉质量定量研究不足,以行人的视觉感受为出发点,创新性地提出一种用于衡量城市行道树的绿量可视性的绿视量指数。该方法通过模拟人眼视野范围内周围树木的真实场景,定量描述了行人视角下所能捕获的行道树绿色面积,以及这种目视接触概率的空间分布差异。研究结果表明：对于复杂的城市街道景观,绿视量指数能够很好地反映出行道树的空间分布、树冠三维结构、建筑物遮挡、以及观察距离对行人感知城市绿量产生的影响。本方法充分利用多源信息,基于计算机的自动解译,实现了街道场景内任意位置的绿视量高精度计算,大大降低了人力成本,可用作大范围多区域间的对比评价。研究成果证实了多源遥感数据在评价道路绿化景观视觉效果上的有效性,可为环境规划设计、绿化精细化管理、人居环境改善提供技术支撑。     

基于GF-2卫星数据的孕穗期小麦叶面积指数反演——以河北省廊坊市为例

叶面积指数(leaf area index,LAI)是评价植被长势和预测产量的重要农业生理生态参数。高分2号(GF-2)卫星数据具有高空间分辨率特点,能反映更多细节信息,针对该数据特点的LAI反演方法具有较高的研究价值。以河北省廊坊市万庄镇为研究区,对孕穗期小麦采用了回归模型和神经网络算法反演LAI;采用4种植被指数与实测LAI值构建回归模型,同时重点探讨了PROSAIL模型结合神经网络方法进行LAI反演。研究结果表明,在回归模型中,归一化植被指数(normalized difference vegetation index,NDVI)的二项式模型估算LAI可以获得最高精度,采用实测数据验证的决定系数(R2)和均方根误差(root mean square error,RMSE)分别为0.719 3和0.393 6;与回归模型相比,神经网络反演LAI方法更显著提高了精度,R2和RMSE分别达到0.900 8和0.273 2。基于GF-2卫星数据,在研究区小麦孕穗期,神经网络反演LAI具有较强可行性和适用性,可为高空间分辨率卫星影像的LAI反演提供参考。     

利用半经验模型的土壤水分反演方法

针对土壤水分反演经验模型使用范围受限、而理论模型相对复杂的问题,该文利用积分方程模型及经验相关长度定标模型,分析均方根高度、地表相关长度、土壤体积含水量对雷达后向散射系数组合的影响;结合RADARSAT-2全极化C波段雷达数据和野外实测数据,构建研究区均方根高度反演模型;将该模型与Dubois模型、介电模型进行结合以反演表层土壤含水量,并对反演值进行线性校正,最终实现裸土区表层土壤水分反演。实验结果表明,HH、VV极化下土壤水分实测值与反演值绝对误差在0.06内的点数分别达到总点数的78%和68%,证明该方法具有一定的可靠性和实用性,可为地表均方根高度、土壤水分反演提供方法和借鉴。