土壤有机物质对土壤介电常数的影响

土壤介电常数是开展微波土壤水分和冻融状态的监测的基础,也是植被和积雪的下垫面边界条件,然而目前已有的介电常数研究都没有对高有机质含量的土壤开展系统观测。本文将土壤中的自然有机物质分为腐殖质和植物性残留物两类。采用控制变量实验方法,通过测量5种不同有机质含量的东北黑土和加入不同比例毛白杨碎屑的扁都口草甸土,研究了腐殖质和植物性残留物的对土壤介电常数的影响。结果表明,腐殖质会降低干燥土壤的容重,从而发挥间接作用,使介电常数降低;而对于相同容重下观测的潮湿土壤,腐殖质含量较多的土壤介电常数更大。与Dobson模型的比较显示,在29℃室温下,腐殖质对25%重量含水量潮湿土壤实部的影响在±2左右,虚部能达到1。与腐殖质相比,植物性残留物对风干土壤和潮湿土壤的影响都十分明显。植物性残留物能有效地疏松土壤并代入植物组分的介电特征。当重量含水量为30%时,含毛白杨含量为20%的混合土壤比纯扁都口土壤在实部平均减小3—7左右,虚部减小 1—3左右。因此,根据实验观测以及和模型的比较,土壤中的有机物质会改变土壤介电性质,对微波遥感造成影响。     

近红外波段(900—2500 nm)水吸收系数测量

根据水在红外波段强吸收且吸收能力变化大的特点,在所提出可见光波段水吸收系数测量系统基础上增设了薄层水测量装置,使得测量水层厚度可在0.04—350 mm之间变化。在此基础上对厚度为0.04—150 mm的多个厚度水层进行了吸收系数测量,并对消除杂质影响后的测量数据进行了有效整合,得到900—2500 nm波段纯水吸收系数。由于确保了各波段数据均在仪器最佳探测区间取得,所得结果精度较高,且与被普遍接受的前期研究结果相一致,可作为相关定量遥感的基础数据。     

联合机载LiDAR数据和潮汐数据自动提取潮位线

首先,联合机载激光雷达(LiDAR)数据提取的海岸带数字表面模型(DSM)与验潮站数据提取的高、低潮面进行相交运算,生成"水陆二值图像",然后对其以提取边缘的方式提取高、低潮潮位线;针对LiDAR光束无法穿透水体导致低潮线附近DSM为无效值的缺陷,采取移动趋势面拟合法外推概略低潮线附近DSM,在此基础上重新提取更精确的低潮潮位线。实验表明,该方法能在较少人工干预的情况下有效提取高、低潮潮位线。     

CBERS-02B卫星遥感影像的区域网平差

针对中巴资源一号卫星(CBERS-02B)卫星遥感影像姿态角误差较大的特点,提出了利用区域网平差方法提高其对地目标定位精度的策略和具体计算过程。首先对参与平差的每景影像选取4个地面控制点进行影像姿态角常差检校,然后采用与地形无关方案解求各自的RPC参数,最后选取带仿射变换项的有理函数模型(RFM)进行多重覆盖影像的区域网平差。对两个地区的0级CBERS-02B单条CCD立体影像对的区域网平差试验表明,对地目标定位的平面和高程精度均达到了±3个像元的水平,且高程精度明显优于平面精度。相对于常规的卫星遥感影像区域网平差方法,平面和高程精度均有明显提升,几乎达到国外同等高分辨率卫星遥感影像的几何定位精度。这说明中国卫星遥感影像亦具有较好的几何定位潜力,在区域网平差之前进行系统误差预改正是必要和可行的。     

基于光谱分类的太湖水体后向散射研究

由于时空变化而产生的水体后向散射系数参数化差异一直是影响水质参数遥感定量反演精度的一个重要因素。在对太湖遥感反射率光谱进行分类的基础上,针对影响太湖水体水色的不同主导因子,把太湖水体分为3种类型,分别利用半分析方法和光学闭合原理对后向散射系数进行模拟,在此基础上研究其光学特性及其与水体组分浓度的关系,最后针对3种不同主导类型的水体分别建立了后向散射系数参数化模型。将后向散射特性在不同时间和空间上的差异转化为水体不同主导因子在生物-光学上的差异,从而得到适用于太湖不同湖区及不同季节的后向散射系数参数化模型,为利用分析方法对太湖水质参数进行更为精确的遥感反演提供了基础。     

几何失真对SAR图像匹配的影响及校正方法分析

合成孔径雷达SAR用于图像匹配导航系统,可大大提高导航精度。然而地形起伏和大气干扰等因素使得SAR实时图存在几何失真,降低了匹配性能。通过对SAR实时图几何失真成因分析,提出了一种二维可分离的几何校正方法,并得出方位向几何失真可跟随成像处理预先校正,图像后处理只需校正距离向。利用数字高程模型DEM和正射图模拟得到了3幅具有不同地形特征的SAR实时图,并分别利用3种几何校正方法对其进行统计实验,得到了不同地形SAR实时图几何校正方法选取的准则。     

采用DBM方法的时间序列LAI建模与估算

运用DBM(Data Based Mechanistic)方法,使用MODIS数据,建立了遥感观测反射率数据与叶面积指数(LAI)在时间序列上的统计关系模型(LAI_DBM模型),并结合部分Bigfoot站点实测LAI数据进行了模型检验。结果显示,LAI_DBM模型能够较好表达时间序列反射率与LAI的动态变化关系。LAI_DBM模型使用遥感观测数据实时估算得到的LAI,在数据质量和时间连续性上比MODISLAI有改进。     

近红外大气吸收波段太阳辐射计定标

用通用大气辐射传输软件CART模拟了POM02太阳辐射计的1020nm、1627nm和2200nm等3个近红外通道的大气透过率特性。结果表明,前两通道处于大气非吸收波段,其透过率很好的遵从Beer-Lambert定律,而2200nm通道则有较强的吸收,吸收光学厚度随大气质量的变化服从指数分布,与Beer-Lambert定律有一定的偏差,其定标需采用改进的Langley法。通过选取好天的5个定标实例证明,采用改进的Langley法定标2200nm通道,可提高其透过率测量精度约3.8%。     

侧视雷达影像距离-共面模型严密定位

本文对现有侧视雷达遥感影像的几何构像模型在摄影测量应用中的不足进行了理论分析,以外方位元素作为定向参数,依次建立了像点坐标显函数形式的距离-共面(R-Cp)方程、地心直角坐标系中星载侧视雷达影像的距离-共面方程、以及星载侧视雷达遥感影像的严密定位模型,并进行了稀少控制点条件的星载TerraSAR-X影像定位试验。理论和试验表明,本文所建立的R-Cp严密定位模型,使得雷达影像像点量测坐标作为摄影测量观测值的属性得到体现,容易吸收和利用光学遥感影像基于共线方程模型发展起来的成熟的数字摄影测量数据处理方法,有利于提高雷达遥感影像摄影测量数据处理的严密性、稳定性、可靠性及数据处理效率。     

Modelling and Remote Sensing of Land Surface Temperature in Turkey

This study introduces artificial neural networks (ANNs) for the estimation of land surface temperature (LST) using meteorological and geographical data in Turkey (26?C45°E and 36?C42°N). A generalized regression neural network (GRNN) was used in the network. In order to train the neural network, meteorological and geographical data for the period from January 2002 to December 2002 for 10 stations (Adana, Afyon, Ankara, Eski?ehir, ?stanbul, ?zmir, Konya, Malatya, Rize, Sivas) spread over Turkey were used as training (six stations) and testing (four stations) data. Latitude, longitude, elevation and mean air temperature are used in the input layer of the network. Land surface temperature is the output. However, land surface temperature has been estimated as monthly mean by using NOAA-AVHRR satellite data in the thermal range over 10 stations in Turkey. The RMSE between the estimated and ground values for monthly mean with ANN temperature(LST_ANN) and Becker and Li temperature(LST_B-L) method values have been found as 0.077?K and 0.091?K (training stations), 0.045?K and 0.003?K (testing stations), respectively.