利用遥感综合分析西风引导气流与地形对沙尘运移路径的影响

沙尘暴的发生受大气环流、地表状况、降雨的影响，还受到局部地区地形的影响。一次规模较大的沙尘暴过程，沙尘可以从蒙古国和我国西部沙源地输送到我国东部、韩国、日本乃至夏威夷、美国西海岸。中日亚洲沙尘暴ADEC项目对亚洲沙尘暴的起沙、传输和降落的运行机制已经作了深入的研究，并建立了亚洲沙尘暴的数值模拟系统。本文以影响北京地区的沙尘暴事件为例，利用遥感技术，综合DEM地形数据和地面实测数据分析西风引导气流和地形对沙尘运移路径影响，将MODIs影像数据和DEM地形数据以及地面观测站点实测数据相结合，进行综合分析，结果表明在一次沙尘暴过程中，沙尘在运移过程中的运移路径明显地受到西风引导气流、沙尘粒子自然沉降规律以及局部地形的影响，要预防(减少)北京地区的沙尘暴仅仅作好北京地区的生态环境建设是不够的，加强北京周边地区，尤其是张家口地区、官厅水库库区及库区周围地区的生态环境建设尤为重要。     

2002年秋季山东省干旱遥感监测分析

利用极轨气象卫星遥感资料对2002年山东省秋季干旱进行监测和服务,其监测方法主要采用热惯量法。为了提高土壤水分模式的计算精度,将全省分为4个区域,对利用卫星资料反演的地表温度日较差进行植被指数等环境因素订正。在地理信息系统支持下,比较准确地计算出农田受旱面积,效果良好。     

基于PRS的遥感图像地物信息提取模型

点源理论(PRS)是一种面向应用需求的集中信息处理方式。不同尺度、不同分辨率的点都是一定的综合信息场,是客观世界的真实反映。本文在数字图像处理过程中引入点源理论,探讨针对地物空间信息应用服务的遥感信息分析和处理模型,讨论基于点源的图像构造、知识构造及地物模型建造过程,给出基于点源的遥感图像地物提取流程。     

概率神经网络与BP网络模型在遥感图像分类中的对比研究

通过分析概率神经网络(以下称PNN)的基本结构及其训练算法,建立了卫星图像分类的概率神经网络模型,并通过实例对比分析了概率神经网络与BP网络分类模型的分类效果。实验表明,PNN图像分类方法在分类精度上优于误差反向传播神经网络模型,且分类时间相当,是一种有效的图像分类方法。     

基于灰度形态学的高分辨率遥感影像预处理

提出了一种从高分辨率遥感影像中提取线性目标时影像预处理的方法。该方法基于灰度形态学的Top-Hat运算和灰度膨胀运算，用Top-Hat算子除去影像的噪声，再利用灰度膨胀增强影像目标和背景之间的对比度，使目标更易于识别。经过处理的遥感影像，能够更有效地提取影像的目标。     

GIS数据辅助下的线状目标自动提取

首先介绍了遥感影像中线状目标骨架自动提取的意义和研究现状，然后结合老的GIS数据，提出了一种算法来实现遥感影像中线状目标骨架的自动提取，算法主要包括影像预处理、GIS数据与影像的配准、骨架跟踪、编组连接与数据简化等步骤。最后又利用遥感影像和相应的GIS数据进行了实验，实验证明了算法的可行性和有效性。     

高分辨率遥感影像的精纠正

论述了对高分辨率遥感影像进行精纠正获得正射影像的关键技术。若干实际不同分辨率的高分辨率遥感影像被用于相应的实验，实例证明了本文算法的正确性。     

基于光谱信息的遥感图像空间域自适应滤波

遥感图像往往由于内外因素的干扰含有各种噪声 ,为提高图像质量人们对其进行滤波。常规的滤波方式完全基于图像空间域 ,在消除异常点使图像平滑的同时使边界变得不清楚从而使图像模糊 ;或者正相反 ,在边缘信息得到增强时也放大了图像噪声而使图像变得粗糙。该文的自适应滤波方法充分利用多光谱和高光谱遥感图像的光谱维信息 ,滤波时不仅要使均匀的地块得到平滑 ,而且要使地块间的边缘、局部的异常点、线仍然得到保存、在光滑的同时尽量保持原有的数值特征     

利用案例推理（CBR）方法对雷达图像进行土地利用分类

提出了基于案例推理 (CBR)的遥感分类的新方法。基于规则的专家系统被用来提高遥感分类的效率。但所涉及的规则可能多达上百或上千条 ,有的问题根本无法用规则来表达。CBR只是根据以往的案例进行推理 ,克服了基于规则的推理方法的不足 ,可以用来解决一些复杂的资源环境问题。利用CBR和模糊数学结合 ,并通过分层随机采样来控制案例在空间上的分布 ,以反映复杂环境所造成的光谱变化 ,由此解决遥感分类中的“同物异谱”现象。实验表明 ,所建立的案例库可以被重复多次使用 ,分类的效果比监督分类和非监督分类要好。     

利用AMTIS数据反演植被和土壤温度

遥感陆面温度 (LST)是目前遥感界面临的重要课题 ,组分温度反演则为LST反演的主攻目标。如果混合像元组分间的温度及发射率存在明显差别 ,就可以从多角度热辐射亮度变化中分离出组分温度的信息。在热辐射矩阵模型的基础上 ,讨论了确定可反演参数和反演组分温度的方法 ,并以AMTIS多角度热红外图像为数据源 ,在进行几何和大气纠正后 ,尝试利用矩阵反演方法分解混合像元中的植被和土壤温度。误差分析表明土壤温度反演结果较好 ,但植被温度的反演精度不高