三“S”技术在矿产预测中的应用

遥感、全球定位系统、地理信息系统相互渗透，共同发展为目前的三“Ｓ”技术，概述了三“Ｓ”技术应用于矿产预测的三个发展阶段，并展望了三“Ｓ”技术在当前隐伏盲矿床，超大型矿床、油气资源等矿产预测中的应用前景。     

多角度高光谱CHRIS/Proba植被模式数据大气校正

遥感数据大气校正是进行定量遥感的前提,大气校正的好坏直接影响到后期的定量分析、信息提取和遥感应用.选择长白山地区2008年8月30日的多角度高光谱CHRIS/Proba数据为研究对象,根据多角度高光谱CHRIS数据植被模式的特点,利用滤波进行条带噪声去除;根据MODTRAN模型原理进行多角度高光谱CHRIS/Proba...     

松辽盆地西部斜坡的地球物理与遥感信息综合处理

多源地学信息综合处理包括复合(Integration,拟合)和叠合(Overlay,叠加)两种处理形式。地理信息系统为多源地学信息综合处理提供技术支持和保证。多源地学信息范围很广,从大的方面来说,包括地质、地理、地球物理、地球化学、遥感等各种地面、空中调查和探测的数据。本文基于地理信息系统,以松辽盆地西部斜坡为例,来探讨地球物理与遥感信息的相关性,然后对其进行复合和叠合处理。     

基于Landsat-8数据南海近岸悬浮泥沙与叶绿素a浓度定量反演

为了对南海近岸海域海水悬浮泥沙与叶绿素a进行浓度估算,基于Landsat-8数据确定悬浮泥沙与叶绿素a的敏感波段并构建估算模型。结果表明,Landsat-8数据第一、二、四波段对悬浮泥沙浓度较为敏感,第一、二、三波段对叶绿素a浓度较为敏感,而以上单波段仍不能单独用于准确提取该区悬浮泥沙与叶绿素a,故建立多种形式的统计模型。由第一、二、四波段线性组合形成的悬浮泥沙浓度反演模型的相关系数达到0.904,平均相对误差为10.24%,反演精度为89.76%。由第一、二、三波段线性组合形成的叶绿素a浓度反演模型的相关系数达到0.886,平均相对误差为11.27%,反演精度为88.73%。     

地学尺度转换理论及方法研究

首先阐述了尺度问题有关的基本概念,然后在综合分析大量国内外相关文献的基础上,总结归纳出了一些普适性的尺度转换理论方法,最后指出了尺度问题研究中尚存在的问题和尺度转换方法选取应考虑的一些因素。     

基于MODTRAN的ASTER通道星上光谱模拟

由于轨传感器位置影响, 传感器接收的能量不完全来自地物的反射, 地面与传感器间大气辐射能量的作用同样不可忽略.通过中分辨率大气辐射传输模型(moderate resolution atmosphere transmittance and radiance code, MODTRAN)将辐射传输过程与传感器光谱响应函数进行耦合运算, 基于二长花岗岩、正长岩、石英正长岩及石英闪长岩的地面实测光谱数据及测量时大气和几何条件, 完成了4种岩性先进星载热发射和反射辐射仪(advanced spaceborne theemal emission and reflection radiometer, ASTER)通道星上光谱的模拟, 建立了实测光谱数据与星上光谱数据间的联系, 证明将地面与传感器间大气辐射影响耦合到传感器接收地面反射能量过程中的必要性, 从而为多光谱影像的形成和应用提供了支持.      

利用MODIS热红外数据反演地表温度前应处理的几个问题

中分辨率成像光谱仪(M0DIS)作为甚高分辨率扫描仪(AVHRR)等的换代产品,必然考虑到利用MODIS红外数据来反演地表温度.首先通过大气窗口的分析,在MODIS的16个热红外波段中可以选择7个波段,即波段20、22、23、29、31、32、33.它们与相应的AVHRR波段有着共同的波谱响应范围,但利用反演算法时应注意它们比较大的相关性.在MODIS热红外通道的定标处理中,使其记数值换算为具有物理意义的辐射亮度值.     

松辽盆地西部斜坡三维结构模拟研究

松辽盆地西部斜坡是整个松辽盆地油气勘探区的一部分,模拟斜坡区的三维结构对油气的勘探有比较重要的意义。利用遥感信息结合数字高程模型(DEM)生成地表的三维结构,同时通过对重磁等地球物理数据的反演,获得斜坡区地下地质界面的深度信息,从而直观再现了斜坡区地下三维结构图。由此,形成了斜坡区从地表到地下的三维结构模拟。     

基于MODIS IMAPP-SPA大气数据产品反演方法

研究了MODIS IMAPP-SPA通过MODIS Aqua和Terra的L1B直接广播数据获得MODIS L2大气产品的具体步骤。分析了MODIS IMAPP-SPA算法集的应用机制和修改方法。对MODIS L2大气产品进行了比对分析,验证了MODIS IMAPP-SPA在大气处理中的应用效果。     

遥感影像像元组分分解模型及其应用

像元组分分解模型主要包括线性混合模型(LSMM)、模糊分类器模型、神经网络模型以及高斯混合判别分析模型(MDA)。以线性光谱混合模型为例给出了像元组分分解的过程,并分析了各种模型在不同领域的应用。像元组分分解还处于探索阶段,应根据不同的应用领域,不同的前提条件来选择和发展更为合适的模型,或用几种模型进行组合。端元的类型和数量的确定要力求准确,端元光谱值的获取要根据实际分析,研究更为适合的方法,使组分像元分解的精度得到进一步的提高。