空间分辨率与纹理特征对多光谱遥感分类的影响

多光谱遥感分类与影像空间分辨率有着密切的关系,在适宜空间分辨率影像上进行地物分类能够获得更高的精度。随着遥感影像空间分辨率的提高,纹理特征被广泛用于遥感分类,但由于不同地类空间尺度不同,纹理对不同地物分类的影响程度也有所差异。本文基于高分一号2 m全色和8 m多光谱影像融合后的高空间分辨率多光谱数据构建反射率空间序列,选用3种分类方法对序列分类,并分别计算2 m融合数据及8 m多光谱影像的纹理特征,选择特征波段与相应多光谱波段组合用以分类研究,最后计算混淆矩阵评价分类精度。研究结果表明,通过回归分析得到多光谱分类的最佳空间分辨率为5 m,与其他研究中利用全色波段分类的结论一致,这说明最佳空间分辨率的选择不受光谱信息影响;对多光谱分类精度随空间分辨率变化的变化趋势分析发现,分类精度在20~30 m分辨率范围区间内快速降低,这为多光谱遥感分类数据空间分辨率的选择提供了重要参考;此外,对光谱与纹理特征结合后不同地类分类精度的变化分析显示,加入纹理特征后,冬小麦、人工建筑、有林地和水体的分类精度在2 m分辨率下分别提高了1.49%、1.51%、4.94%、1.54%,8 m分辨率下分别提高了2.95%、10.95%、5.91%、5.14%,说明引入纹理特征有利于提高分类精度,但其对不同地物类型、不同分辨率影像的影响程度不同。     

PS技术及其在地表形变监测中的应用现状与发展

合成孔径雷达干涉测量技术（InSAR）为地表形变监测提供了极具应用潜力的手段,具有大面积、高空间分辨率、全天候及成本低的优点。但由于大气条件变化、地表覆被等时间空间去相干的影响,其精度和普适性受到极大限制。 近几年发展的永久散射体（PS）技术在传统差分干涉测量（DInSAR）中引入时间维,分析长时间内保持稳定的像元集相位变化,获得毫米级的地表形变测量精度,同时有效地解决了时间空间去相关和大气非均质性影响的问题,目前在滑坡、地面沉降和地质灾害监测等领域得到了广泛的应用。PS技术具有高精度、高时间分辨率、能极大提高影像利用率的优点;但只适用较小区域、需要大量影像、且不适于分析快速突变的地表形变。为克服PS应用中的问题,近年来出现了三角反射体技术、多平台PS技术及相关性像元分析（CPT）技术,使PS技术应用具有更广泛的适应性。     

江苏近海辐射沙洲水域水深与光谱的相关性研究

通过对实测光谱数据和水深数据的分析研究发现，泥沙浓度在水深遥感中具有重要意义。泥沙含量决定水体光谱反射率与 水深的相关性方向： 泥沙含量较少的清水区，光谱反射率与水深呈负线性相关； 而在泥沙含量较高的浊水区，光谱反射率与水深 数据呈正线性相关。以此为依据，对水体进行清/浊水体的光谱分别处理，可提高水深的光谱反演精度。同时，结合实测水体光谱 进行不同光谱分辨率的模拟分析，发现高光谱分辨率遥感将有助于提高水深反演精度。     

基于MODIS的LAI时间序列谱的地物分类方法研究

利用MODIS数据所反演的每8d一景,全年共46景的时间序列叶面积指数(LAI)图像,分析江西省不同类型地物的LAI时间序列谱,并对地物进行分类。首先,利用最小噪声比变换技术(MNF)将噪声从数据中分离;然后,通过纯净像元指数(PPI)从LAI时间序列谱中提取5类主要地物类型终端单元(Endmember),从而对地物进行分类并制图;最后,结合2000年江西省兴国县1 10万比例尺的土地利用/覆盖矢量图对本研究分类结果进行检验。结果表明,该方法的地物分类精度达到74.45%,其分类方法是有效可行的。     

定量遥感升尺度转换研究综述

尺度转换问题是定量遥感领域基础而重要的科学问题之一.重点针对升尺度转换研究现状,从现象描述、尺度效应产生原因分析、尺度转换方法归纳及尺度转换效果评价4个方面进行细致论述.认为目前的研究主要存在3个问题:①基于离散的多传感器影像进行的反演量尺度转换研究,受到不同传感器间成像参数归一化精度的影响;②反演量物理模型发展有限,基于这些模型的反演量连续空间尺度转换研究仍不成熟;③基于分形理论等数学方法的反演量连续空间尺度转换研究取得了一定的进展,但仍受限于尺度上推理论与技术的发展水平.对于定量遥感升尺度转换研究的发展趋势,做出如下展望:①随着成像参数归一化技术的进步,问题①将得到更有效的处理,这将有助于实际应用问题的解决;②连续空间尺度转换模型构建是升尺度转换研究发展的重要趋势.随着多学科知识的融入,定量遥感反演理论的发展及尺度上推理论与技术的进步,问题②与③亦将得到较好的解决,这将有益于揭示遥感反演量真正意义上的尺度转换规律.     

基于主成分分析的反射光谱在岩石学中的应用——以哈密地区为例

本文首先总结并分析了岩矿常见光谱特征的波长位置及其产生原因。然后基于主成分分析技术对哈密42条岩石实验室光谱进行了定量分析。前两个主成分共包含了96．7％的信息量，代表了原始信息。第一主成分反映了岩石总体反射率大小，称为反照率因子；第二主成分反映了光谱曲线斜率变化，称为形状因子。使用这两个主成分可以区分该区主要岩类，达到了数据压缩和分类的目的。第三和第四主成分尽管所占信息很少，但反映了岩石蚀变信息。为了突出蚀变岩石光谱吸收特征，进而又对经过连续统去除后的光谱进行主成分分析，结果发现，在新生成的第三和第四主成分图上，4种矿石被清晰区分开来。     

基于遥感影像的大气辐射校正和反射率反演方法

应用1995年7月在法国La Crau辐射校正场进行的遥感实验获得的SPOT HRV数据,在DOS方法的基础上,合理分析假设暗体反射率值,并结合Lowtran-7、6S、Modtran-3大气辐射传输模型进行大气模拟,研究并发展基于遥感影像信息的快速、经济、有效的大气辐射校正和反射率反演方法。通过La Crau场的反射率反演值与实时测量反射率值相比较,分析评价了该研究方法的有效性。     

高光谱反演水稻叶面积指数的主成分分析法

为了通过水稻冠层反射光谱来提取水稻叶面积指数信息，尝试利用辐射传输模型PROSPECT+SAIL来模拟水稻冠层反射光谱， 比较了各植被指数中叶面积指数(LAI)和叶绿素浓度的相关性。在观察光谱曲线后发现，红边位置光谱可以较好地区分LAI和叶绿素 浓度二者引起光谱变化的差异。由此提出对700 nm~750 nm区间内的反射光谱做主成分变换，并利用第2主成分与LAI建立反演模型( 即主成分分析法)，取得了较好效果，表明在植被指数趋近于饱和以至于无法区分二者相关性时，主成分分析法可以作为一种简单 而有效提取水稻叶面积指数信息的补充手段。     

遥感影像阴影多波段检测与去除理论模型研究

阴影是遥感影像的基本特征之一，它使地物目标反映的信息量有所损失或受到干扰，而去除阴影一直是遥感影像处理的难题。从研究遥感影像阴影产生机理出发，提出了一种多波段检测阴影的方法和基于能量信息补偿去除阴影的理论模型。通过IKONOS影像进行方法与模型验证，真实再现阴影区地物特征，增加影像信息量，提高数据质量。     

高分辨率遥感植被分类研究

以南京市区的植被覆盖为研究对象,基于IKONOS遥感影像,采用决策树分类算法,根据各种植被光谱特征建立知识库,提出基于光谱信息的植被分类方法,继而结合高分辨率影像特有的纹理特征引进局部一致性指数对该方法进行改进,提出结合纹理信息的高分辨率遥感植被分类方法,分类总体精度从仅利用光谱信息的83.16%显著提高到91.89%,Kappa系数达到0.8886。采用Quickbird遥感影像对该方法进行验证,分类总体精度为91.94%,Kappa系数为0.8783,表明该植被分类方法能有效地对植被进行分类与识别,精度较高,且对于不同数据源的植被分类具有一定的普适性,为实现植被的自动化提取提供了理论依据和有效的方法途径。