排序方式: 共有36条查询结果,搜索用时 31 毫秒
11.
利用模拟数据对Autonomous Atmospheric Compensation(AAC)和In-scene Atmospheric Compensation(ISAC)这两种高光谱热红外数据大气校正方法进行了对比和分析。结果显示,在满足方法适用条件情况下,AAC方法大气校正精度较高,除湿热的热带大气外,大气透过率的反演误差小于0.02,大气上行辐射的误差小于0.004W.m-2.sr-1.cm;而ISAC方法精度较低,透过率误差在0.05至0.3之间,上行辐射误差在0.003W.m-2.sr-1.cm至0.035W.m-2.sr-1.cm之间变化,误差随大气水汽含量增加而增加。大气非均一性对大气校正精度影响分析表明,AAC方法大气校正精度受大气非均一性影响显著。因此,需从高光谱数据光谱信息出发,发展针对低空间分辨率高光谱热红外数据的大气校正方法,以克服现有方法大气水平均一假设的不足。 相似文献
12.
Spatial information on snow wetness content (SWC) is important for hydrology, climatology applications. Limited work is available on estimation of SWC using optical sensors. In present work, spectral signature characteristics of snow (~145 samples) acquired in winters of three years, using field spectral-radiometer (350–2500 nm) were correlated with synchronized SWC measurements. Correlation is found stronger in Near-Infra-Red (NIR) and Short-Wave-Infrared (SWIR) regions than Visible (VIS). Spectral peak width at 905 and 1240 nm is found negatively correlated with SWC, while positively correlated at 1025 nm. Asymmetry tends towards right as SWC increases and has stable positive correlations as compared to other characteristics. Sensitivity of widely used snow-related indices to SWC is also analyzed. Based on analysis, new ratio method at selected wavelengths is proposed to discriminate dry and wet snow zones using air/ground borne sensors. Proposed methodology is evaluated on air-borne hyper-spectral (AVIRIS-NG) data and 88% overall accuracy with kappa coefficient 77.6 observed after validation with reference observations. 相似文献
13.
经典变分反演法是基于观测误差服从高斯分布的假定,对偏离均值较大的离群值较敏感。当实际观测数据包含离群值观测误差呈现非高斯分布时,如果采用经典反演法进行变分反演就会产生大的偏差,甚至导致变分反演的失败。使用经典变分反演法首先需要进行质量控制,剔除所谓的离群值,但有相当部分的离群值包含了一些亮点,如天气现象。如果对其“视而不见”,则对很多重要的信息就无法把握。基于此,研究采用稳健变分反演的思想同化这些离群值,主要思想是把M-估计法(L2、Huber、Fair和Cauchy一估计)的权重函数耦合到经典变分反演中,在每次变分反演极小化迭代过程中重新估计观测项对经典变分反演目标泛函的贡献率。采用高光谱大气红外探测器(AtmosphericInfraRedSounder,AIRS)的通道模拟亮温进行理想试验,结果表明:采用Huber一估计进行稳健变分反演对温度和湿度反演具有较好的效果;采用Cauchy-估计得到的效果反而更差,这是由Cauchy等分布函数固有的缺陷所决定的。因此,稳健变分反演观测误差非高斯分布是可行的,但依赖M-估计法权重函数的选取。 相似文献
14.
由于受到大气的影响,传感器接收到的辐射信息不能真实地反映地表反射光谱信息,因此,从遥感影像中去除大气的影响,即进行大气校正,是高光谱遥感数据处理中极为重要的环节。文章介绍了EO-1hyperion高光谱数据的特点,以及用FLAASH(Fast Line of Sight Atmospheric Analysis of ... 相似文献
15.
高光谱成像技术作为一种无损高效的检测方法,对于彩绘文物颜料的鉴别具有重要意义。由于全波段参与光谱相似度计算会造成数据的冗余,没有充分利用光谱的细微特征。为此,本文首先对文物颜料光谱吸收特征进行参量化分析,并通过改进的光谱吸收特征拟合算法与标准光谱进行匹配识别,从而得到识别结果。实验以获取的一幅波长为400~1000nm的古代壁画高光谱影像为例,通过光谱吸收特征分析识别出壁画的颜料主要成分有朱砂、赭粉、石绿和石青,4种颜料的光谱吸收特征拟合度分别是:0.95、0.77、0.92、0.81。实验结果表明:对光谱吸收特征分析可以帮助识别彩绘文物的颜料信息,该方法可为以后文物修复提供参考。 相似文献
16.
笔者在新疆吉木萨尔地区开展航空高光谱遥感油气探测示范研究的过程中,发现油气渗漏地区往往有盐碱化现象。据此,利用航空高光谱成像系统在该区取得的可见光-近红外和短波红外遥感数据,采用自主开发的波段分类填图方法,对吉木萨尔农田、荒地和戈壁地区的油气渗漏异常信息进行了提取,经野外验证和化学分析,圈定了7处油气渗漏异常区。同时,构建了盐碱化的高光谱识别模型,利用该模型进行了盐碱化信息填图,并对吉木萨尔同一覆盖区的盐碱化异常进行了提取,圈定了盐碱化异常区。通过对油气渗漏异常区与盐碱化异常区的叠置聚焦分析,发现二者空间位置有高度的重合性。笔者认为这一高光谱遥感探测发现,不仅具有探索的理论意义,而且具有实用价值。其实用价值主要体现在高光谱遥感油气探测中,通过烃碱信息的相互印证,可以减少油气信息的漏判,提高油气渗漏信息识别的准确性。同时,在缺少航空高光谱遥感数据的情况下,还可以利用卫星多光谱遥感数据源,通过提取盐碱化异常和圈定盐碱化异常区的途径,帮助缩小找油气的目标区,为油气资源的调查、评价和选区提供新的信息和依据。上述研究同时表明,自然界的盐碱化可能并非全是由"干旱蒸发"形成,很可能还存在与油气有关的盐碱化,在油气勘查中如何区分这两种类型的盐碱化,特别是应用高光谱遥感技术将二者区分开来,是值得深入探讨的科学问题。 相似文献
17.
黄壁庄水库水质参数遥感反演研究 总被引:6,自引:0,他引:6
以石家庄市黄壁庄水库为研究对象,利用ASD FieldSpec Pro野外光谱辐射计进行反射光谱测量和同步水质采样分析,应用高光谱技术阐释了水质参数(SS、COD、TN、TP)与光谱反射率的关系,为今后利用星载高光谱传感器对黄壁庄水库乃至我国北方内陆水体水质参数进行大面积反演提供理论基础。在分析水库水体反射光谱特征的基础上,运用微分光谱技术和统计相关方法直接分析、诊断各水质参数的敏感波段,并建立线性估算模型,确定研究区SS、COD、TN、TP的敏感波段分别为715 nm7、04 nm、595 nm8、73 nm。 相似文献
18.
航空高光谱遥感固体矿产预测方法与示范应用 总被引:1,自引:0,他引:1
高光谱遥感是当前遥感地质领域应用的前沿和热点,目前国内外都在积极进行探索。高光谱遥感技术的发展为遥感的直接找矿带来了新的希望,航空高光谱遥感技术由于可以获得高空间分辨率(可达亚米级)的高光谱遥感数据,能够识别规模小的近矿围岩蚀变,从而具有直接找矿的效果。直接找矿的核心是对矿产的预测,预测效果是矿产勘查取得突破的关键环节。本文利用核工业北京地质研究院遥感信息与图像分析技术国家级重点实验室的CASI/SASI/TASI(可见光-近红外,短波红外,热红外)航空高光谱成像系统,在甘肃北山柳园—方山口和新疆雪米斯坦地区获取的航空高光谱遥感数据,对固体矿产预测技术进行了研究,建立了基于航空高光谱遥感的成矿环境分析法、矿床定位模型识别法和含矿构造追踪法等预测方法,并对每种方法进行了应用示范,共发现7处金属矿化地段,取得了明显的找矿效果。该项成果不仅为研究区的进一步找矿提供了新的有利地区,而且建立的预测方法,将会助力于高光谱遥感技术在其它地区的推广应用。 相似文献
19.
土壤含水量高光谱灰色关联度估测模式 总被引:2,自引:0,他引:2
针对土壤含水量高光谱估测中的不确定性,基于灰色系统理论,建立土壤含水量灰色关联度高光谱估测模式。首先根据光谱特征因子的非时间数据序列特性,利用基于加权距离的灰色关联度计算方法,构建灰色关联度预测模型;然后利用识别残差建立修正模型,提出了具有残差修正的灰色关联度预测模式,并应用于山东省泰安市土壤水含量高光谱估测。结果表明,检验样本的平均相对误差为3.614%,而基于经典的灰色关联模式和线性回归模型的平均相对误差分别为4.762%和6.841%。应用实例说明提出的模式是有效的。 相似文献
20.