非线性参数平差的一个新途径

在分析顾及一阶偏导致的非线性参数平差的近似直接解法与迭代解法基础上,提出顾及到二阶偏导数的非线性参数平差的一种新的计算公式。由于非线性度量曲率立体阵的引入,使得平差计算公式表达简洁,而且便于非线性平差本质的分析。最终算例分析说明该方法的有效性及实用性。     

流域地形自动分割研究

本文提供了基于栅格数字高程模型（ＤＥＭ）提取流域空间结构,进行流域自动分割的技术方法。该方法包括地貌形态结构定义、流域结构定义和算法设计３个部分。基于本文设计的算法,可以从ＤＥＭ提取完整的汇流网络和分水线网络,两者组成的多边形集把流域分割成具有拓扑结构的多个子汇流区,这个子汇流区集作为存贮流域信息的基本地貌单元,是流域信息进入地学数据库的框架,也是进行空间分布式机理──过程流域分析模型的基础。并以山西离石黄土丘陵沟壑区的王家沟流域为试验区,获得了较为满意的结果。     

玉米大豆生长中后期遥感辨识的指示性特征研究

玉米和大豆是两种主要的粮食作物,及时准确地监测两者的种植面积对于产量预测和市场价格的制定具有重要的意义。利用遥感技术探究在生长季中后期能有效区分玉米和大豆的指示性特征集,为在不同实验区进行推广应用和提前玉米和大豆种植面积信息发布的时间提供技术支撑。文章以玉米和大豆为研究对象,以黑龙江和安徽省两个典型种植区为实验区,以高分一号影像为数据源,计算多种植被指数特征和两种纹理特征,同时利用特征优选方法评价特征间的相对重要性,并结合随机森林分类算法分析特征个数对精度的影响,得到不同试验区区分两者的最佳特征子集。随后根据不同实验区最佳特征子集的共同点和差异,遴选出对玉米和大豆中后期区分的遥感指示性识别特征集,并设计实验方案验证其有效性和稳定性。实验表明：在玉米和大豆生长中后期存在具有高效辨识两者的遥感特征集,能有效和稳定地增强两者的遥感识别能力;在不同实验区,基于特征优选方法可以选择出区分玉米和大豆的最佳分类特征子集,得到两者最优的识别效果,比仅仅使用原始波段特征的分类精度提升了近10个百分点,总体分类精度能够平均达到97%,Kappa系数0.96,玉米和大豆的单类分类精度平均超过95%;在不同的种植区,利用玉米和大豆的指示性特征集可以得到几乎与优选出的最佳特征子集同样的分类精度和制图效果,且具有稳定性和有效性,较最佳特征集更具推广使用意义。指示性特征集包含6种：植被指数中的比值植被指数（RVI）,差值植被指数（DVI）,转换型植被指数（TVI）,改进型叶绿素吸收比率指数（MCARI）和灰度共生矩阵（GLCM）纹理特征中的二阶矩（the Second Moment）和熵（Entropy）。     

融合随机森林模型和6种水体指数的上海市水体信息提取

为快速、准确地掌握水体分布信息,本文以上海市为研究区,基于多时相Sentinel-2卫星数据构建水体提取特征集,并采用效率高、稳健性好的随机森林模型,对研究区内的水体进行提取。水体提取特征集在现有光谱波段特征的基础上加入6种水体指数,分别为NDWI、MNDWI、AWEI_sh、WI₂₀₁₅、SWI和RWI,旨在提高水体提取精度。针对10个光谱波段特征及6种水体指数,设计了8种试验方案探究加入水体指数对于水体提取的作用。结果表明,将6种水体指数全部加入的方案精度最高,为97.910%;NDWI和RWI能提高水体提取精度、降低漏提率和误提率。     

Semi-automatic delineation of badlands using contrast in vegetation activity: a case study in the lower Chambal valley,India

Population growth worldwide leads to an increasing pressure on the land. Recent studies reported that many areas covered by badlands are decreasing because parts of badlands are being levelled and converted into arable land. It is important to monitor these changes for environmental planning. This paper proposes a remote-sensing-based detection method which allows mapping of badland dynamics based on seasonal vegetation changes in the lower Chambal valley, India. Supervised classification was applied on three Landsat (Thematic Mapper) images, from 3 different seasons; January (winter), April (summer) and October (post-monsoon). Different band selection methods were applied to get the best classification. Validation was done by ground referencing and a GeoEye-1 satellite image. The image from January performed best with overall accuracy of 87% and 0.69 of kappa. This method opens the possibilities of using semi-automatic classification for the Chambal badlands which is so far mapped with manual interpretations only.     

3维场景植被冠层多波段模拟研究进展

植被冠层辐射散射信号中蕴含了丰富的植被信息,通过构建植被冠层辐射散射模型,可以实现植被结构等生物物理参数的遥感定量反演。迄今为止,可见光/近红外、热红外、微波波段均已发展了大量的模型,这些模型在参数反演方面各具优势,但不同波段的模型又有其自身的局限性。跨波段的联合模拟可以实现模型间的优势互补,进而提高地表参数的反演精度,近年来已有学者专注于可见光/近红外与热红外模型,热红外与微波模型,主被动微波模型,以及可见光/近红外与微波模型的联合模拟和协同反演,但多是两两联合,且主要是基于经验模型或解析模型。基于3维场景的植被冠层辐射散射特性模拟模型可以细致刻画不同组分的结构和空间分布特征,对于由植被结构引起的多次散射和组分比例变化的考虑具有优势。本文主要介绍了3维模拟模型在可见光/近红外、热红外和微波波段,以及跨波段联合模拟方面的研究进展,从模型机理、场景统一、以及组分理化参数的统一的角度,探讨了构建多波段3维模拟系统的可行性,展望了多波段3维模拟模型的发展趋势。     

应用图像关联度的图像模糊分类

提出了应用图像关联度的图像模糊分类新方法。该方法在求得每幅图像相对各个类别的关联度的基础上,求得每个类别图像关联度的均值和标准差σ;然后计算每幅图像的关联度与所在类别关联度均值之差Δi,差值Δi≤2σ,该图像应“留“在该类中;否则,该图像应归入与另两个类别的关联度较大的类别。每幅图像都经过这样的检验,实现图像的再划分,直到这一过程稳定为止。实验结果表明,该方法的图像分类质量有一定优势。     

Jason-2高度计数据在中国四大海域的波形重跟踪与分析

在Brown-Hayne模型基础上,利用迭代最小二乘算法实现了回波波形参数的重跟踪,同时利用重心偏移算法(OCOG)、阈值算法对Jason-2 卫星的波形数据在中国渤海、黄海、东海、南海4个海域开展了波形重跟踪试验。试验表明,在4个海域,Brown-Hayne模型法获得的波形重跟踪结果相比较于阈值法、OCOG算法与法国空间局(CNES)公布结果最为一致,相互较差的标准差约2 cm左右。50%阈值算法获得的波形重跟踪结果相比较于其它阈值精度更优,与CNES比较其标准差在3~6 cm,但存在4~10 cm的系统偏差。OCOG算法获得的结果存在较大误差,但其结果可作为Brown-Hayne模型解算的初始值。当卫星地面轨迹靠近大陆时,波形重跟踪获得的海面高改正量会较宽阔海域增大,其中南海区域的海面高改正量最大,可达1 m,其原因可能是卫星地面轨迹经过了西沙群岛,雷达回波波形受到了一定的影响。     

Woody vegetation and land cover changes in the Sahel of Mali (1967–2011)

In the past 50 years, the Sahel has experienced significant tree- and land cover changes accelerated by human expansion and prolonged droughts during the 1970s and 1980s. This study uses remote sensing techniques, supplemented by ground-truth data to compare pre-drought woody vegetation and land cover with the situation in 2011. High resolution panchromatic Corona imagery of 1967 and multi-spectral RapidEye imagery of 2011 form the basis of this regional scaled study, which is focused on the Dogon Plateau and the Seno Plain in the Sahel zone of Mali. Object-based feature extraction and classifications are used to analyze the datasets and map land cover and woody vegetation changes over 44 years. Interviews add information about changes in species compositions. Results show a significant increase of cultivated land, a reduction of dense natural vegetation as well as an increase of trees on farmer's fields. Mean woody cover decreased in the plains (−4%) but is stable on the plateau (+1%) although stark spatial discrepancies exist. Species decline and encroachment of degraded land are observed. However, the direction of change is not always negative and a variety of spatial variations are shown. Although the impact of climate is obvious, we demonstrate that anthropogenic activities have been the main drivers of change.     

基于均值变点法提取地形起伏度的影响因素分析——以黄河流域(山西段)为例

地形起伏度因子在宏观尺度生态评估中具有重要作用。均值变点法是确定地形起伏度最佳分析窗口的常用方法,但其影响因素尚缺乏研究。本文以黄河流域(山西段)为例,基于DEM数据和均值变点法提取了研究区地形起伏度,并探讨了分析窗口样本数量、DEM分辨率和地貌类型3种因素的影响。结果表明：(1)分析窗口样本数量对最佳分析窗口取值有明显影响。随着样本数量的增加,变点所在的最佳分析窗口面积也不断增加。(2)DEM分辨率对最佳分析窗口取值有一定影响。分析窗口面积取值范围一致时,基于30 m ASTER GDEM计算得到的最佳分析窗口面积小于基于90 m SRTM DEM的最佳分析窗口面积。(3)地貌类型对最佳分析窗口取值的影响不大。当分析窗口样本数量一致时,不同地貌类型区及整个研究区最佳分析窗口相同或接近。总体而言,分析窗口样本数量是最关键的影响因素。