同化FY3B/IRAS资料对GRAPES分析场影响诊断

GRAPES(Globe and Regional Assimilation and Prediction System)变分系统能够同化常规资料和非常规卫星资料,这些被同化的资料究竟对同化系统得到的分析场有何影响,目前国内外尚未见相关的研究文献。为此,首次采用基于信息熵信号自由度思想,诊断风云三号B星(FY3B)红外分光计(Infrared Atmospheric Sounder,IRAS)资料对GRAPES分析场的影响。诊断过程中,采用数值逼近方法,统计2012年12月24日18时到2013年1月22日00时共114个时次IRAS资料对GRAPES分析场影响,结果表明,IRAS中高层通道亮温资料对GRAPES分析场影响比地表通道20观测亮温的影响大,地表通道8和9观测亮温对分析场影响较大。前24个GRAPES变分同化时次每个时次IRAS通道亮温对分析场影响的贡献率分析结果显示,高层通道和H_2O通道贡献率较大。个例分析结果表明,在同化探空资料基础上加入IRAS资料后,温度和湿度增量场变化幅度较大,表明IRAS资料对分析场有降温和增湿作用。     

利用多光谱卫星遥感和深度学习方法进行青藏高原积雪判识

青藏高原积雪对全球气候变化十分重要,针对已有积雪遥感判识方法中普遍采用的可见光与红外光谱数据易受复杂地形与高海拔影响,导致青藏高原地区积雪判识精度较低的问题,提出了一种基于多光谱遥感与地理信息数据特征级融合的积雪遥感判识方法:以风云三号卫星可见光与红外多光谱遥感资料与多要素地理信息作为数据源,由地面实测雪深数据与现有积雪产品交叉筛选出样本标签,构建并训练基于层叠去噪自编码器(SDAE)的特征融合与分类网络,从而有效辨识青藏高原遥感图像中的云、积雪以及无雪地表。经地面实测雪深数据验证,该方法分类精度显著高于使用相同数据源的FY-3A/MULSS积雪产品,略高于国际主流积雪产品MOD10A1与MYD10A1,并且年均云覆盖率最低。试验结果表明该方法可有效地减少云层对积雪判识的干扰,提升分类精度。     

基于有理多项式模型的GF4卫星区域影像平差处理方法及精度验证

分析了我国首颗静止轨道光学遥感卫星高分四号(GF4)特有的区域成像模式的几何特性,基于静止轨道成像基高比较小的几何特性提出一种利用平均高程面的区域网平差方法。该方法针对GF4卫星影像构建了基于有理多项式模型RFM的区域网平差模型,并在无控制条件下,对GF4卫星区域影像进行区域网平差处理,解决了GF4号区域影像由于定轨误差、定姿误差、大气折光以及镜头畸变等因素导致的拼接精度较低的问题。最后,通过两组真实数据试验对本文方法的精度及有效性进行了验证,同时分析了采用不同的误差补偿模型对于平差结果精度的影响。     

天绘一号03星三线阵/多光谱载荷影像质量评价

2015年10月26号发射的天绘一号03星是中国传输型立体测绘卫星天绘一号系列的第3颗卫星。三线阵和多光谱影像数据是天绘一号卫星的重要数据,用于立体测绘、彩色融合、遥感观测等多种用途。因此,为了推动天绘一号03卫星影像数据早日为相关领域提供服务,本文采用客观评价的方法,对天绘一号03星的三线阵和多光谱影像质量进行了全面的评价分析。评价结果显示(天绘一号)03星的清晰度、对比度、细节能量、边缘能量、功率谱、信息容量指标值远高于天绘一号01、02星。说明天绘一号03星三线阵/多光谱影像在地物细节和边缘纹理特征的描述上优于天绘一号01、02星,同时载荷接收的信息量远高于天绘一号01、02星。天绘一号03星较高的信噪比指标说明其载荷抑制噪声的能力优于天绘一号01、02星。边缘辐射畸变和增益调整畸变表明在辐射均匀程度上,天绘一号03星三线阵/多光谱影像介于天绘一号01和02星之间。因此,与同类天绘一号01,02星的三线阵与多光谱影像相比,天绘一号03星影像质量有着显著的提高。     

基于EasyOrtho的高分二号卫星批量数据自动处理试验

随着遥感数据的广泛应用,遥感应用行业对亚米级遥感影像数据的处理速度和处理精度有了更高的要求。文章以黑龙江省鹤岗市兴安区作为试验区,基于EasyOrtho软件,对高分二号卫星数据进行批量快速自动处理,生成正射影像图;并与人工处理成果进行对比,分析该方法的可行性,提出合理化建议。     

太原市地表热环境时空格局分析

针对鲜有资源型城市的地表热环境研究这一情况,该文基于Landsat8遥感数据,反演了太原市在2013—2015年间共3期的地表温度。提出一个考虑空间格局结构的城市热岛效应指数,在3期数据中,太原市区整体热岛效应指数分别为9.1%、9.8%和8.9%;同时,根据城市功能和路网结构将太原市区划分为6个分区,从分区级层面量化分析了地表热环境的时空分异特征规律,结果表明,太原市区地表温度整体呈现空间分散化特征,不同分区也呈现出不同的时空格局演变过程;最后,选取40个地表温度实测样本点验证反演精度,最大误差绝对值为1.1℃,最小误差绝对值为0.2℃,均方根误差为0.7℃。     

结合多尺度纹理特征的遥感影像面向对象分类

地物具有多尺度的特点,单一尺度难以准确描述遥感影像包含的地物纹理信息。利用我国自行研发的高分一号遥感影像数据,采用灰度共生矩阵对第一主成分进行纹理特征提取,利用Jeffries-Matusit距离选择多尺度组合,并通过单一纹理结合多光谱数据的分类精度,以及纹理特征间的相关性,最终选择多尺度纹理特征组合进行面向对象分类。研究结果表明:结合多尺度纹理特征组合的面向对象GF-1影像分类能有效提取地物信息,总体分类精度达到81.75%,Kappa系数0.78。     

Landsat 8热红外数据定标参数的变化及其对地表温度反演的影响

Landsat系列卫星上的TIRS热红外传感器数据已被大量应用,针对TIRS数据的地表温度反演也相继开发出一些算法,并有一些研究对TIRS数据的定标及其地表温度反演算法的精度进行了对比。本文主要就TIRS热红外传感器定标参数的变化,结合这些定标参数变化的时间点对有关地表温度反演算法的适用性和有效性进行分析,特别是对劈窗算法是否适合当前的TIRS数据进行了讨论,以使用户能够对Landsat 8 TIRS热红外数据的正确使用有进一步的认识。总的看来,由于视域外杂散光的影响,TIRS数据的定标精度仍达不到设计目标,TIRS第11波段的不确定性仍成倍大于TIRS 10波段。因此,在Landsat团队未彻底解决这一问题之前,同时用TIRS第10、第11这两个差距较大的波段构成的劈窗算法来反演地表温度,其精度存在较大的不确定性,US6-S团队仍在致力于改进第11波段的精度,改进后的波段可以用劈窗策法。目前应以TIRS第10单波段的方式来反演地表温度为宜。     

基于光谱特征的月球岩性分类方法研究——以Apollo 16登月区域为例

利用NASA行星数据系统提供Apollo计划登月点采样线路影像数据,通过与嫦娥二号CCD数据、印度M~3数据空间校正获得采样路线坐标。开展嫦娥二号CCD数据与印度M~3数据MAP(后验概率)融合并选择Apollo 15、Apollo 16-62231的LSCC测得的标准岩石双向反射率光谱与M~3、嫦娥二号进行交叉定标。本文采用月球岩石光谱谱型全特征分析方法,选取涵盖Apollo计划登月获取的36个基站主要岩性87种、285件岩石样品,利用校正后的M~3数据分析月球典型岩石各阶吸收反射特征,建立月球典型岩石标准遥感影像光谱库,此后应用Apollo 623个岩石样品进行对比得到很好结果,同时完成Apollo 16登月点周围领域岩性分布图,并讨论了研究区的岩石成因,Apollo 16区域形成于高地大撞击,在早期的研究中已经被用于划分月球年代,本文方法对于月球岩石类别研究与理解月球的岩浆演化具有重要的研究价值。     

广东厚婆坳整装勘查区锡多金属矿资源潜力分析

利用广东厚婆坳整装勘查区内的典型矿床、重点工作区、其他矿床的潜力评价成果,建立了8个定量预测模型区;然后通过综合信息分析,按热液型、斑岩型2种矿床类型在厚婆坳整装勘查区分别圈定并优选了最小预测区,进行资源量估算;最后对最小预测区进行归并整理,形成综合预测区,在此基础上提出了勘查部署建议。