MODIS-NDVI时序数据分析方法研究——以塔里木河下游第七次秋季输水为例

采用季节指数方法对MODIS-NDVI数据进行时序分析,以塔里木河下游为试验区开展生态环境遥感监测应用研究,对塔河下游2005年第秋季生态输水效应进行定量化评价:与2001年相比,此次输水改善了下游区域总体生态状况,距河道3 km内NDVI平均波动在0.7~0.85左右;而各河段区的生态改善程度因地而异,下游上段NDVI变异函数变程为0.65 km,后段为0.4 km;同时发现输水对植被物候历有16天的滞后作用;另外,输水后16天旱区植被状况最佳,输水后32天下游生态整体改善最为明显。利用NDVI时间序列可以对生态输水效应进行评估,然而NDVI空间变化与输水过程中地下水位抬升变化的相关关系需要进一步研究。     

遥感影像智能图解及其地学认知问题探索

本文提出遥感地学智能图解模型 (RSIGIM)概念 ,主要内容是如何模拟地学专家对遥感影像的综合解译和分析过程 ,对遥感影像中包含的地物目标进行描述、识别、分类和解释 ,提取遥感影像中地物目标所属的类别 ,判别其大小、结构、相互关系等地学属性及遥感成像机理、内部特征 ,进一步融合地学分析模型 ,预测地理现象和地理过程的发展趋势 ,作出决策性规划。 RSIGIM的核心问题——遥感地学智能图解中的认知模型 ,具有层次结构 ,从低到高包括基于数理统计的影像基本处理和分析模型、基于神经计算模型影像视觉生理认知模型和基于符号知识逻辑心理认知模型等三个层次的分析认知模型。     

遥感信息图谱支持的土地覆盖自动分类

遥感数据的海量堆积与应用信息的匮乏日益凸显信息认知提取的重要性,在地学信息图谱方法论的指导下,同时参考视觉认知流程,提出了遥感信息图谱认知方法用于遥感数据的自动解译。在地理信息系统的统一框架下逐步挖掘多源遥感数据的"图"、"谱"特征并进行图谱耦合分析,通过多尺度分割、特征分析、监督学习等关键步骤完成"察觉—分辨—确认"的地学认知流程,初步满足自动化和智能化应用需求。在土地覆盖信息自动解译应用中建立了基于"图谱"先验知识的管理与运用机制以实现自动化,采用机器学习算法提升智能化程度,并以自适应迭代控制模型使结果精度向最优逼近。选取了珠江三角洲的试验区域进行了基于ALOS多光谱影像的土地覆盖自动分类,结果符合预期,说明了本文方法的可行性。     

图谱迭代反馈的自适应水体信息提取方法

提出图谱迭代反馈模型,结合空间聚合图特征和非线性谱映射结果的优点,设计图谱迭代反馈机制,并通过自适应信息计算方法自动地调整提取参数,逐步地计算逼近正确的专题区域边界。结合水体提取案例,在分析当前较为有效的水体提取方法基础上,选取ETM影像作为数据源,提出图谱迭代反馈的自适应水体信息提取（WERSTP）理论与方法。试验比较表明,该方法能充分结合基于指数和基于光谱分类提取方法的优势并成功融入水体空间分布特征,获得较好的提取效果。     

利用混合光谱分解与SVM估算不透水面覆盖率

对比了线性混合光谱分解模型(SMA)与支持向量机(SVM)在TM影像上估算不透水面覆盖率(ISP)的精度,通过SVM模型拟合TM像元光谱特征与样本ISP间的关联而获得对未知像元ISP的估算能力。对于天津市主城区的TM影像,选择学校区、工矿区和住宅区的高分辨率影像分类结果作为训练样本(7020个)和验证样本(1500个),SVM模型的ISP估算均方差(15.4%)优于SMA估算结果(19.4%);在增加缨帽变化“绿度分量”及混合光谱分解“高反射率分量”作为SVM特征变量后,ISP估算精度提高为12%。研究结果表明：SVM模型能够拟合各像元光谱组分间非线性关系且具有较好小样本泛化的性能,适用于地面样本较少的大区域ISP制图;增加与ISP相关性大的光谱特征向量作为SVM输入能提供更多的区域地物空间分布信息,能够调整无样本的地表类型的ISP估算值,提高区域ISP估算的整体精度。     

面向对象的遥感影像多层次迭代分类方法研究

在分析应用对象化分析方法改进高空间分辨率遥感影像分类技术的基础上,提出了应用多层次的迭代模型改进分类流程,在自适应的迭代过程中有效地结合主导类别选择、高级对象特征计算、基于互信息的特征选择等技术提高对象化方法中丰富的影像特征的利用效率,同时,有机结合像素级特征信息弥补对象化特征。通过对SPOT5影像与航空影像两种数据源...     

精准地理应用驱动的高分遥感协同计算研究

高分遥感智能解译是实现地理信息精细生成与快速更新的重要途径,从基于遥感开展精准地理应用的背景出发,解析了遥感信息产品生产与落地应用中的局限性,阐释了遥感回归地理应用问题的必要性以及其中“精（形态）”“准（内容）”图谱特征耦合的关键性。以地理学指导智能遥感研究为基本认识,提出了基于精细地理场景开展高分辨率遥感地学分析的发展方向和技术思路,以及时空/星地两个层面相协同的智能计算模式,并以中国贵州省关岭县石漠化耕地评价为应用案例,利用分区分层感知/时空协同反演/多粒度决策3个基础模型,在复杂山地区开展精准应用驱动的高分遥感协同计算。结合实验结果,通过对不规则网格空间表达、时序特征多模态重建、多源不确定性解析以及不确定性引导的迭代优化等关键科学问题的探讨分析,给出面向未来的探索方向和研究思路,为地理学指导下的智能遥感研究以及遥感支撑的精准地理应用提出发展路径。     

基于样本自动选择与SVM结合的海岸线遥感自动提取

利用卫星遥感手段自动、快速、准确地测定海岸线动态信息是遥感应用的一个重要领域,对海域管理规划具有重要意义.由于近岸水体光谱特征受区域环境影响较大,在水陆分离过程中,利用传统的归一化差值水体指数(normalized difference water index,NDWI)阈值分割法时,一部分近岸水体易被错分为陆地,严重影响了岸线提取精度.为此,在NDWI模型的基础上,提出了基于样本自动选择与支持向量机(support vector machine,SVM)的海岸线遥感自动提取算法.首先进行NDWI计算与全局阈值分割,实现水体信息的初步提取;再通过NDWI信息控制初始样本的自动选择;然后利用SVM分类器对水体再次分类,实现海陆分离;最后填充小的陆地水体单元,实现岸线自动跟踪.实验结果表明,该方法能有效增强对近岸水体的识别能力,提高海岸线遥感提取的精度和自动化程度.     

“全域-局部”不透水面信息遥感分步提取模型

提出"全域-局部"遥感信息分布提取模型,通过计算和整合影像局部范围内的空间和光谱特征来优化全域上光谱混淆较大像元的提取精度。模型分为两个主要计算步骤:"全域"前分类与"局部"后分类;"全域"前分类将仅划分出满足一定精度阈值标准的像元,而"局部"后分类则在此部分分类结果基础上,进一步发掘和计算已分类像元所蕴含的信息来辅助对全域未分类像元的提取。在不透水面专题提取过程中,采用支持向量机SVM作为前分类器,通过控制精度阈值所对应的分类后验概率产生部分分类结果;采用调节最小距离分类器作为后分类器,根据一定的权重整合像元局部范围内的空间与光谱信息,代替了传统的全域光谱信息来优化分类。实验采用TM5影像以及所对应的NLCD(National Land Cover Data)标准不透水面产品作为测试集,"全域-局部"模型对应单一SVM模型的提取精度由80.31%提高为82.73%,局部后分类器精度较单一SVM模型由54.27%提高到59.94%。实验证明该模型具有较明显的精度提升且能够较好地解决不透水面与裸土混淆的问题,并得到空间形态上更为完善的不透水面提取结果。     

海量遥感数据的高性能地学计算应用与发展分析

航空及航天遥感器的快速发展,使得多源、多时空分辨率的遥感数据成TB级增长,对海量遥感数据的高性能计算与处理提出了更高的要求。据此,当前的遥感应用已经吸收了新型硬件架构计算、集群计算和分布式计算等高性能计算领域的最新技术。本文针对高性能计算处理海量遥感数据的效率问题,分别从分布式并行遥感文件系统和高性能遥感地学计算模式两个方面来论述该问题的研究进展;在此基础上,列举了当前具有代表性的集群和分布式遥感计算平台/系统,并结合具体实验工作,详细阐述了遥感高性能计算平台gDos-IPM(Geospatial Data Operation System-Image Processing Machine)的设计思路;最后总结了高性能遥感地学计算的发展趋势。