遥感尚未成功后学更需努力

陈述彭先生仙逝当天,我正在先生的家乡江西参加会议.下午会间听说陈先生病危了,赶紧联系同事代表我去探望.联系还没结果,却接到正式通知,先生仙逝了!     

基于MapX和OracleSpatial的空间数据库管理系统开发

在分析MapX和OracleSpatial的技术特点基础上,将两者有机结合进行空间数据库管理系统的设计与开发,并简要介绍了整个系统开发流程及其涉及的相关技术。最后,在．net环境下,基于MapX和Oracle10gSpatial开发空间数据库管理系统,并进行了简单的空间分析,     

基于DEM的山区遥感图像地形校正方法

基于地表反射为各向异性的假定,可以将遥感图像的地形校正分为光照和反射率校正两部分。基于6S大气校正模型和数字高程模型(DEM)对山区遥感图像进行光照和反射率校正,通过消除遥感图像中大气和地形的影响,反演得到地表反射率。通过对江西兴国县TM图像的实验,实现了对山区遥感图像的地形校正。对模型中的大气参数进行了敏感性分析,发现大气参数的误差对地表反射率的反演精度影响较小。     

森林间隙率模型及模型验证

植被冠层间隙率的研究至今已有３０多年的历史。间隙率模型的研究一直沿着辐射传输方向及几何光学方向发展，本文试图将两者结合起来得到一个更为一般的间隙率模型。要验证模型，实验数据的获取是极其重要的，为了获得准确的数据，我们对观测进行了精心的设计，并在测量方法上有所创新，如“摄影法”，“平行光孔孔法”等都是经济而方便的方法。     

非线性不适定遥感反演中正则化参数的定量确定

以地表和大气参数一体化反演为例,以香农熵减表达反演过程中的信息利用,在一定的合理假设下,推出了非线性不适定反演问题中正则化参数(先验信息比)在迭代过程中的定量确定方法。本文方法在保持反演稳定性的前提下,最大限度地利用观测数据中的信息,提高了目标参数的反演精度。     

利用多时相的高光谱航空图像监测冬小麦条锈病

冬小麦发生锈病 ,叶绿素被大量破坏 ,水分蒸滕量大大增加 ,叶片细胞大小、形态、叶片结构发生了改变 ,从而改变了叶片和冠层的光学特性 ,使得遥感探测与评价成为可能。利用多时相的高光谱航空飞行图像数据 ,了解、分析和发现条锈病病害对作物光谱的影响及其光谱特征 ;设计了病害光谱指数 ,成功地监测了冬小麦条锈病病害程度与范围。对比 3个生育期的条锈病与正常生长冬小麦的PHI图像光谱及光谱特征 ,发现 :5 6 0— 6 70nm黄边、红谷波段 ,条锈病病害冬小麦的冠层反射率高于正常生长的冬小麦光谱反射率 ;近红外波段 ,条锈病病害的冠层反射率低于正常生长的冬小麦光谱反射率 ;条锈病冬小麦冠层光谱红谷吸收深度和绿峰的反射峰高度都会减小     

利用高光谱数据对作物群体叶绿素密度估算的研究

叶绿素是农作物生长中重要的因素。叶绿素含量既表明作物生长的状况,又表征了作生的生产能力。而叶绿素密度（单位面积农作物的叶绿绿素含量）是估计农作物群体生产力的重要指标。对早播稻、晚播稻和玉米的多时相的群体光谱测量数据和相应的叶片叶绿素密度的测量数进行了相关分析,结果表明早播、晚播稻和玉米的群体光谱的反射率数据以及其导数光谱数据绿素密度具有委好多的相关性,并且可以对这几种农作物建立统一的线性回归关系。     

汶川震灾中遥感的应急与反思

2008-05-12汶川地震发生以来,整个抗震救灾工作取得了阶段性胜利.各部门、各单位的遥感力量作为抗震救灾队伍中的一支支生力军,积极主动,快速反应,活跃在抗震救灾的一线,为最终夺取抗震救灾的胜利发挥着重要的作用.     

土壤发射率光谱提取算法的对比研究

土壤的发射率具有较大的不确定性,为了准确提取土壤的发射率,利用ASTER光谱库中的58条土壤光谱,模拟产生了热红外高光谱数据集,利用这些数据进行了土壤的发射率提取试验,分析了较为典型的几种温度发射率分离方法,如NEM、ISSTES、α剩余法、MMD、TES在土壤发射率提取中的适用性、稳定性和精度,并根据分析的结果对各种算法在土壤发射率反演中的应用进行了相应改进.对于NEM方法,给出了最优的最大发射率;对于MMD方法,提出了一种比原平均-最小最大发射率之差更好的经验关系;在TES方法中,使用ISSTES代替原先的NEM方法,获得了精确的发射率初始值.基于模拟数据的算法分析结果表明,对于地面测量高光谱数据的土壤发射率信息提取,ISSTES准确度最高.最后给出了使用这5种方法由地面实测高光谱数据提取的土壤发射率光谱实例,提取的发射率光谱的分布情况很好印证了基于模拟数据的算法分析结果.     

BRDF模型参数分阶段鲁棒性反演方法

遥感BRDF物理模型均建立于一定的假设或基于某些理想状况，其模拟的数据与观测数据之间多少会存在一些差异（误差）。利用BRDF模型反演地表参数时，如果不加选择地使用所有观测数据，势必会影响模型参数反演的准确度。遥感反演时一般都采用代价函数进行参数拟合。经典的最小二乘（LS）拟合代价函数对正态分布误差具有一定的抗干扰性，但是当观测数据含有异常值时却会导致反演结果的不稳定。最小中值平方（LMS）方法具有鲁棒性特点，反演时若将其作为代价函数，则可以有效地检测出观测数据中含有的异常值，从而可以使模型反演准确度提高。本文以遥感BRDF物理模型——SAIL模型为例，使用模拟数据与真实地面观测数据，构建LMS与LS两种代价函数，分阶段地进行地表参数的反演方法研究。结果显示，针对具有一定误差或模型不能完全表示的观测数据，本文采用的分阶段方法可以对模型参数鲁棒地反演。