利用端元光谱内插的青海植被覆盖度估算研究

针对利用像元二分模型估算植被覆盖度的精度不高的问题,该文基于OSAVI,提出了选定模型参数(OSAVIs和OSAVIv)的方法,并将该方法应用于青海省植被覆盖度估算。该方法通过高分辨率影像在研究区内选取纯裸地和纯植被样点,并将纯裸地样点的OSAVI作为纯裸地样点像元的OSAVIs,将纯植被样点的OSAVI作为纯植被样点像元的OSAVIv,利用样点像元的OSAVIs和OSAVIv值,通过普通克里金内插法,求得研究区每个像元对应的OSAVIs和OSAVIv。经精度验证结果表明:此方法较常规的参数选取方法,RMSE由0.170降至0.156,MAE由0.137降至0.124。经进一步分析表明,此方法对边缘验证点和非边缘验证点的估算精度都有所提高,由于配准误差和周围地表漫反射的影响,边缘验证点的估算精度低于对非边缘验证点的估算精度。     

恶劣环境下GPS/BDS混合双差模糊度固定性能分析

针对在恶劣观测环境下每个GNSS系统只观测到较少的几颗卫星,采用标准双差模型很难实现整周模糊度固定的问题,该文对GPS/BDS系统间混合双差模型进行研究,利用该模型计算出GPS/BDS系统偏差。在此基础上,利用实验分别对模拟和真实恶劣观测环境下的模糊度固定性能进行分析,实验结果表明,恶劣环境下GPS/BDS系统间混合双差模型表现良好,相较于经典的双差模型可将模糊度固定平均所需时间分别缩短43%和33%,模糊度固定成功率分别提高107%和31%。     

点云中混合像元的探测与剔除算法

针对地面三维激光扫描仪扫描过程中产生混合像元的问题,通过对混合像元产生原理和相关特性的分析,提出了一种用于探测和剔除混合像元的算法,并且编制相应的计算机程序予以实现。同时以球体作为实验扫描对象,用混合像元剔除算法对扫描过程中产生的混合像元予以剔除,并比较了混合像元剔除前后点云拟合模型与实际物体在尺寸上及拟合精度的差异,从而验证了该算法的有效性和实用性。混合像元探测与剔除算法可以为后期进行的点云配准、特征提取和曲面建模等工作提供更精确的点云。     

多季相混合像元部分分解特征的不透水面分类

针对利用光谱混合分解提取不透水面特征通常受到端元类型和数量的限制,同时植被变化会影响估计精度的问题,该文提出 了一种综合季相和植被变化信息的不透水面提取框架.基于混合像元部分分解算法——混合调谐匹配滤波(MTMF),设计了多季相组合MTMF(SCMTMF)特征和多季相叠加MTMF(SSMTMF)两种策略,构造了不透水面的多季相MTMF特征,将不透水特征与多季相植被指数结合利用支持向量机实现对不透水面的精确分类.结果表明,利用多季相特征得到的不透水面提取效果相较于单季相有较明显的改善,该文所提出的策略有利于提高不透水面的估计精度.     

三江源典型区草地退化Hyperion高光谱遥感识别研究

三江源草地退化直接影响当地及长江、黄河和澜沧江中上游地区的生态安全、水资源合理利用、经济可持续发展和社会稳定,一直是人们关注的焦点问题。近年来,该地区草地群落毒杂草组分增大,退化严重。高光谱遥感具有精细识别草地种群的潜在能力,如何利用其进行草地群落组成信息探测并进行退化识别是当前研究的热点和难点问题。利用卫星高光谱Hyperion影像和地面实测高光谱遥感数据,通过多端元混合像元分解技术,提取可食牧草、毒杂草以及裸土组分信息;以此为指标对研究区草地退化程度进行分类识别,依次为:未退化、轻度退化、中度退化、重度退化和极度退化。利用野外样方实测数据验证监测结果,精度达到84.2%,表明高光谱遥感对草地退化探测具有良好的应用潜力。     

GPS单双频混合方法在地表形变监测中的应用

在地表形变监测中,若全采用双频GPS则费用过高,若全采用单频GPS则因电离层误差得不到较好消除而导致精度下降。针对这一问题,本文采用GPS单双频混合模式,即通过解算监测区域外围的双频GPS数据获取该区域大气延迟误差残余量,将其用于改正内部单频监测站点数据,从而在降低硬件成本的同时改善监测精度。利用研发的软件对实测数据进行处理分析,结果表明,改正后的高程分量精度优于1.24 cm,三维位置精度优于1.59 cm,较单频方法提高24%;且当单频站点位于双频站点组成的区域内部时改正效果更好,高程分量精度优于0.95 cm,三维位置精度优于1.2 cm,精度改善比例达到30%,最高可达58%。     

基于高光谱卫星遥感数据的UPDM分析方法

提出了一种用于处理多/高光谱卫星数据的UPDM分析方法。研究结果证明,该方法应用于Land sat/TM(ETM+)、Terra/MODIS和ADEOS II/GLI等高光谱卫星传感器时,光谱重构均方根误差小于0.029,适用于研究高光谱卫星遥感数据。     

鄱阳湖地区土壤,植被光谱混合模型的研究

本文针对鄱阳湖地区的土壤、植被的特点设计了一套非线性混合光谱模型、较好了地预测了实际的混合光谱，从预测精度上看，要优于传统的线性混合光谱模型。