耦合GF-2遥感影像与街景影像的广州市城中村识别

及时准确地获取城中村的空间分布及其环境质量信息对于优化城市空间、改善人居环境具有重要意义。本文以广州市越秀区为例,提出了耦合GF-2高分遥感影像和百度街景影像的城中村识别方法。首先,从街景影像中提取越秀区的街道空间品质特征;其次,在对高分遥感影像预处理并进行多尺度分割的基础上计算光谱、形状、纹理、场景特征和建筑结构5类共计23个特征;最后,融合两种影像的特征用于构建随机森林分类器进行城中村识别。结果表明,基于高分影像和基于街景影像的城中村识别整体精度分别为94.5%和85.7%,Kappa系数分别为0.58和0.31,而两者融合后的分类精度和Kappa系数为96.1%和0.67;其中基于街景影像获取的度量街道空间品质的5个指标贡献了31.6%的特征重要性。鸟瞰视野高分影像和人本视角街景影像提供的信息综合互补,构建了更有区分度的特征空间,减少了城中村的错分现象。本文证实了高分影像和街景影像在特征尺度的融合提升了城中村识别精度。街景影像中的信息可以融入到高分遥感影像等数据源中,辅助进行城中村等非正规居住空间的识别。     

一种基于智能手机成像的立体量测方法

在分析智能手机相机成像参数稳定性的基础上,介绍了一种手机成像的立体量测方法。根据大角度、大重叠度且无控制点的情况,使用相对定向的直接解法来确定手机像对的相对位置关系,通过空间前方交会解算出待定点的物方空间坐标,并利用光束法平差来优化立体量测结果;同时,利用室内检校场控制点的坐标真值,验证了手机的测量精度,表明了智能手机相机可以用于近景摄影测量工作。     

一种基于实践九号卫星的快速系统误差补偿技术

直接利用光学遥感卫星的严格成像模型对地面点进行定位,定位误差与卫星姿态测量误差有关,其中包括地球自转引起的偏流角误差和姿态角常差。偏流角误差可以根据星历数据予以有效消除,而姿态角常差一般要利用少量控制点进行消除。基于此,在消除偏流角的影响下,这里采用了一种改进的四元数算法——P-H算法用于快速计算姿态角常差,并对系统误差进行补偿。该技术较常用的欧拉角解算,具有原理简单,计算速度快和结果稳定的特点。通过实践九号卫星影像的实验表明,运用该技术能快速和大幅度提高卫星在稀少控制点情况下的定位精度。     

多角度遥感估算稀疏团粒分布型土壤表面粗糙度方法初探

表面粗糙度是影响土壤在微波波段发射和散射辐射的主要因素之一,也是微波遥感研究与应用的重要参量。由于微波后向散射还受介电特性、穿透深度等因素的影响,在微波遥感应用中往往难以单独考虑介质表面粗糙度,给参数估算与反演带来了一定困难。在可见光、近红外波段,粗糙度作为土壤表面重要的结构参数之一,直接影响着土壤的二向反射分布特征。因此,本文尝试利用光学多角度观测信息,反演土壤表面粗糙度。基于地表二向反射几何光学模型,假设裸土像元由随机分布于平坦表面的土壤团粒组成,将团粒近似为半椭球体,建立裸露土壤表面二向反射模型,模拟不同粗糙度条件下土壤表面像元的二向反射分布特征。进一步尝试采用多角度观测数据反演模型,估算土壤团粒的几何结构参数,进而计算土壤表面均方根高度,作为表面粗糙度的衡量指标。地面实测多角度数据的初步验证结果表明,多角度光学遥感估算土壤表面粗糙度的方法是可行的。     

基于NDVI先验知识的LAI地面采样方法

针对非均质中低分辨率像元的叶面积指数LAI验证中如何布设基本采样单元ESU的问题,提出基于NDVI先验知识的ESU布设方法,并采用不同植被类型、不同均匀程度的地表作为模拟场,分析对比了方法的精度及稳定性。结果显示,本文方法用NDVI先验知识描述植被的生长空间分布信息,能相对准确地划分植被的不同生长水平,有效降低层内方差。在草地和森林地区的试验中,精度与稳定性均优于传统的随机采样、均匀采样和基于分类图的3种采样方法。因此,本文提出的采样方法为大尺度非均质区域LAI地面验证的采样方案提供了新的设计思路。     

遥感地表温度降尺度方法比较————性能对比及适应性评价

在归纳现有遥感地表温度降尺度方法的基础上, 选取3种代表性方法:Normalized Difference Vegetation Index (NDVI)、Pixel Block Intensity Modulation (PBIM)和Linear Spectral Mixture Model (LSMM)方法进行实验比较, 并建立了一种纹理相似性度量指标CO-RMSE (Co-Occurrence Root Mean Square Error)。结果表明:(1)NDVI方法受季节影响最严重, 不适于春、冬季, 其次为PBIM方法;(2)LSMM方法受分辨率限制最大, 低分辨率时丢失大量纹理信息, NDVI方法在较高分辨率时优于PBIM方法, 较低分辨率时则相反;(3)3种方法的适用区域分别为植被与裸土像元并存区域, 山区和反照率变化较大区域, 以及类别间温差较大区域;(4)NDVI方法操作最简单, LSMM方法最复杂。分析认为, 尺度因子是决定方法性能的关键, 应根据季节、分辨率、地表覆盖、应用目的和操作性等综合选择。     

面向异构空间区域分片的3RM缝隙处理模型

针对分布式环境下区域分片片段间的各种原始缝隙,提出一种3RM(Three Relational Matrix)缝隙处理模型。该模型采用两阶段流程,第1步划分空间计算单元,对区域分片边界处的要素进行聚类分组;第2步对各个空间计算单元进行缝隙处理。模型研究区域分片边界处缝隙的描述和区分方法,依据要素拓扑关系、属性关系以及精度3种关系建立了3RM缝隙处理矩阵,发现线状和面状要素在分片数据边界处的38种潜在的缝隙,并建立了相应的缝隙处理方法。运用3RM模型对异构的土地利用分片数据进行缝隙处理试验,试验结果表明,本文提出的缝隙处理模型能够有效处理实际分片数据当中的各种缝隙。     

利用船测数据以及Landsat-7 ETM+影像评估南极海冰区AMSR-E海冰密集度

利用第26次中国南极科学考察期间收集的海冰密集度船基观测资料以及由Landsat-7 ETM+得到的海冰密集度来验证AMSR-E南极海冰区海冰密集度产品的精度。AMSR-E海冰密集度与船基目视观测的海冰密集度存在着一定的线性关系(R²=0.816), 但两者匹配得并不是很好。与ETM+海冰密集度相比,AMSR-E数据趋向于低估海冰密集度,在25景晴空条件下的ETM+影像中,平均海冰密集度偏差(AMSR-E海冰密集度-ETM+海冰密集度)从-5.33%到-21.5%,而相应的均方根误差RMSE (Root Mean Squared Errors)从13.7%到33.8%。依据Landsat-7 ETM+ 海冰分类,AMSR-E数据海冰密集度最大的误差产生于新冰区。