新疆阿勒泰克兰河中游地区冬季积雪分布及特性分析

新疆阿勒泰地区是中国季节性积雪水资源最为丰富的地区之一。2016年12月在克兰河中游地区开展了积雪观测,利用直尺和量雪筒测量雪深和雪密度,调查了积雪水资源的分布情况;利用针式温度计测量雪层温度,获取了雪层之间的温度梯度;利用雪特性分析仪和显微镜测量了积雪剖面的雪层密度、液态水含量、介电常数和雪粒径。通过分析研究区积雪水资源的空间分布和积雪特性的垂直分异发现：研究区雪深的分布非常不均匀,北部的雪深总体上大于南部,即使在同一地区,雪深也因风力等原因而分布不均匀;研究区总体上属于"干寒型"积雪,密度较小,且密实化迅速;各雪层属于干雪或者湿度极低的潮雪,绝大多数雪层的液态水含量在0.3%以下;积雪温度总体上从表层到底层逐渐升高,表层温度日变化较大;阴天积雪温度高于晴天,各雪层温度日变化小于晴天,且午后积雪会出现负温度梯度,冷中心出现在积雪次表层;雪粒径较小,雪粒长短轴比的最小值出现在中间层,且符合新雪的粒径特点。     

结合纹理信息的高分辨率遥感图像变化检测方法

高分辨率遥感图像的纹理信息同光谱信息一样能有效地用于检测变化信息,而一些基于中低分辨率遥感图像的变化检测方法多以光谱信息为研究对象,忽略了图像中的纹理信息.针对这一问题,尝试将高分辨率图像的光谱信息与纹理信息一起用于“差值主成分变化检测”方法中,一方面借助高分辨率图像间纹理信息的差异获取变化区域内部的细节信息,以弥补高分辨率图像间光谱区分度相对不足的缺点;另一方面借助纹理信息在变化区域内部的连结作用,对变化检测结果进行狭窄缺口连结、内部孔洞填充等后续处理,从而使检测结果更加完整.实验结果表明,该方法对光谱反射信息相近、但纹理信息有较大差异的变化区域具有良好的检测效果.     

天山典型林带积雪的多角度遥感识别

天山中段的山地针叶林带很大程度上影响了该地区整体卫星雪盖的识别精度,多角度卫星遥感技术的发展为林区积雪识别提供了新的途径。本文选取了2000年4月至2001年6月,10个时段研究区内无云覆盖的(Multi-angle Imaging Spectro Radiometer)MISR多角度数据,首先对红光波段不同角度观测结果组成的角度谱图像进行非监督分类,以确定天山林带的分布区域,然后在玛纳斯河中下游与那拉提山东部选取典型像元,分析这些像元红光波段各角度反射率在林区不同积雪覆盖状况下的表现差异。研究发现,若林区存在积雪,0°,±26.1°,±45.6°五个观测角度反射率的平均值大于0.1,在部分降雪月份,后向45.6°观测的反射率大于天顶方向观测的2.5倍。根据这一结论,给出基于MISR数据的研究区不同时段的积雪识别结果。结果表明,MISR红光波段对林区积雪反应敏感,不同角度观测的反射率在林区有雪和无雪时差异较大,故可利用多角度遥感信息进行林区积雪识别。     

利用Harris-Laplace和SIFT描述子进行低空遥感影像匹配

提出了基于Harris-Laplace和SIFT描述子的改进的特征匹配方法。在特征点检测阶段,采用Har-ris-Laplace算法检测出影像上的关键点,该关键点对光照变化、图像噪声和尺度变化具有不变性;然后,确定关键点的主方向,生成特征点。在特征点描述阶段,采用SIFT描述子对特征点进行描述;在特征点匹配阶段则利用BBF算法和RANSAC算法对特征点进行粗匹配和精匹配。实验结果表明,相对于基于SIFT的匹配方法,此算法在匹配速度相同的情况下,提高了匹配精度。     

干雪深度反演的同极化相位差模型

积雪深度是积雪的重要结构参数,获取高精度雪深空间分布信息对于流域尺度水资源管理、气候变化研究和灾害预报等具有重要意义.本文以新疆阿尔泰山南坡克兰河上游为研究区,利用C波段全极化GF-3数据及地面同步观测数据,根据VV与HH极化信号在积雪中折射率不同导致相位差异的原理,使用Maxwell-Garnett方程构建同极化相位差(co-pol arized phase difference,CPD)的正演模型,并基于CPD与雪深关系构建了雪深反演模型.通过对具有不同积雪条件的浅雪区与深雪区分别进行雪深反演,获得雪深空间分布信息.同时对反演不确定性进行了分析,并与已有方法进行比较,研究结果表明:①假定研究区积雪各向异性介电常数恒定的理想情况下,CPD仅是雪深的函数,可用半经验的线性模型反演雪深,反演精度的高低与计算CPD过程中使用的滤波器的窗口大小有关,浅雪区的最优滤波窗口为59×59像元,反演精度R为0.83,RMSE为2.72 cm,深雪区的最优滤波窗口为33×33像元,反演精度R为0.54,RMSE为11.69 cm;②雪深反演误差与坡度显著相关,随着坡度的增加,雪深的反演误差呈现出显著增加的趋势,雪深反演不确定性受雪层变质程度、含水量及卫星入射角观测几何条件影响,反演方法对于干燥、雪层变质结晶程度低、均质的积雪及具有大入射角的SAR卫星有更好的适用性;③对比已有基于CPD模型的雪深反演方法,本文方法已经将反演所需要的参数减少为遥感获取的CPD数据,以及进行模型拟合的实测雪深数据,反演精度更高.研究表明CPD模型反演山区雪深空间分布是有效和可行的,研究成果为山区雪深遥感反演提供了新思路.     

基于向量场模型的多光谱遥感图像多尺度边缘检测

提出一种基于向量场模型的多光谱图像多尺度边缘检测算法,并在算法中引入两种梯度方向量化邻域模型。首先,对多光谱图像进行二进小波变换,得到每个波段图像在不同尺度上的细节系数,然后根据向量场模型计算多光谱图像的梯度幅值和梯度方向,选择适宜的邻域模型对梯度方向进行量化,最后沿量化后的方向获取由细到粗的多层次边缘信息。对QuickBird多光谱图像上农田、厂房等地物进行多尺度边缘提取,定性分析了图像分辨率大小与地物尺寸关系在不同尺度边缘信息的表征;利用F测度,定量评价了检测结果的边缘准确度。与传统算子检测结果对比表明,利用向量场模型综合了所有波段的边缘信息,减少了多波段图像边缘信息的不一致性,引入的量化邻域模型能够有效地获取完整的多尺度边缘点。     

基于改进二维离散希尔伯特变换的图像边缘检测方法

提出一种新的基于二维希尔伯特变换的边缘检测方法。对于频域信号而言,希尔伯特变换不改变信号的幅值,而仅仅改变其相位,即负频率的相位作+90°相移,而正频率作-90°相移。经由傅里叶变换后,边缘特征呈极值状态,因此本文利用二维离散希尔伯特变换实现边缘检测。由于二维离散希尔伯特变换结果具有方向性,提出利用两个呈正交性的二维离散希尔伯特变换的幅度平方和来检测图像边缘特征。此外将高斯核函数引入到希尔伯特变换中,以减少图像噪声对检测结果的影响,并根据PSNR(峰值信噪比)来确定最佳参数σ,从而得到理想的边缘检测效果。为验证该方法的检测结果,将所提方法与传统边缘检测算子的检测效果进行了比较分析,并将该方法运用于卫星遥感图像中,结果表明该方法可以有效地应用于边缘检测工作中。     

一种基于频谱段能量的高分辨率遥感图像边缘特征检测方法

从图像信号的能量角度出发,探讨一种基于频谱段能量的高分辨率遥感图像边缘检测的方法。该方法采用滑动窗口傅里叶变换和频谱能量分段叠置的手段,将含有噪声的图像信号分解到不同的频谱段中,然后根据直流中心频谱段图像良好的噪声抑制特性,在此基础上进一步分析其高阶频谱段能量对图像边缘特征的贡献作用,将3×3的滑动子窗口中频谱半径为1～1.5范围内的频谱能量系数进行求和叠置,并量化至0～255的灰度范围,得到最终的边缘检测图像。试验结果表明,基于频谱能量所检测出的图像边缘特征响应较为显著,视觉效果尚可,并且具有特定方向上的边缘检测能力。     

利用频谱能量进行高分辨率遥感图像地物识别

提出了一种基于频谱能量的高分辨率遥感图像地物识别方法。首先将预处理后的典型地物的遥感图像通过傅立叶变换从空间域转变到频率域,然后用位于频谱中心的一个矩形窗口提取频谱图上对能量贡献起主导作用的低阶频谱能量系数作为目标识别的主要特征值,并利用该特征值结合SVM分类方法对目标地物样本进行识别和分类。研究结果表明,每种地物样本均获得了较高的识别结果,总体精度达到了88.96%。     

中国积雪特性及分布调查

介绍了"中国积雪特性及分布调查"的背景、科学目标、调查内容及方案。调查的总体目标是建立中国全面而系统的积雪特性数据库,服务于气候变化、水资源调查和积雪灾害的数据需求。调查将从历史资料整编、典型积雪区积雪特性地面调查以及积雪遥感调查等方面展开。历史资料的整编包括收集气象站以及各单位已开展的积雪特性观测资料,并按照一定的规范进行整编;典型积雪区地面调查主要是在东北地区、新疆地区和青藏高原开展不同季节的积雪特性调查,以点、线、面3种方式开展,观测内容包括雪深、雪密度、雪水当量、积雪形态、表层硬度、液态水含量、雪粒径、雪层温度、雪土界面温度、介电常数以及积雪的若干化学特性;遥感积雪调查将利用地面调查的积雪特性信息改进已有的积雪参数反演算法,建立中国长序列的积雪面积、反照率以及雪水当量数据集。最终,利用地面和遥感调查所获取的积雪特性及分布数据集对中国进行积雪类型划分,并生产系列积雪特性及专题分布图。