高分一号遥感卫星影像融合及质量评价方法研究

遥感技术正在突飞猛进的发展,影像融合技术得到了深入研究,本文在像素级融合的基础上,以高分一号卫星影像为实验数据源,并用主成分变换、Brovey变换、Gram－Schimdt变换、HSV变换等方法,进行试验研究,并以主客观相结合的方式,对实验结果进行评价,最后得出结论,本文研究成果可对高分一号影像进一步应用提供借鉴。     

某数字城市实景影像数据采集方案设计

随着测绘科技、计算机及网络技术的飞速发展,完全基于4D数据构建的数字城市已不能适应信息时代对于属性信息"准、全、新"的要求。可量测立体影像和360°全景影像数据将原来地理信息数据由4D上升到5D,弥补了4D数据的缺憾。本文主要介绍了这两种数据外业采集和内业处理的方法和过程,对未来数字城市建设数据采集方法的改进有一定的参考价值。     

浅谈高原高寒地区遥感影像判读技巧

以西藏怒江流域高原高寒地区为背景,对利用高分辨率遥感影像进行判读时经常遇到的几方面问题,运用实例分析的方法,给出了解决问题的思路,为以后的工作和类似区域遥感影像的判读提供了参考依据。     

多源遥感影像管理与服务平台的设计与实现

针对遥感影像管理与共享服务,在分析不同来源遥感影像数据资源特点基础上,提出了适合多源、海量遥感影像数据管理的"文件+数据库"的存储和管理方式,采用镶嵌数据集进行遥感影像数据管理,并进行服务发布;同时提出了多源遥感影像管理与服务平台的总体构架体系,包括海量遥感影像管理平台和多源遥感影像网络化服务平台的设计与实现。     

西藏冈底斯成矿带矿化蚀变提取与成矿分析——以尼玛县帮勒地区为例

冈底斯成矿带是我国极具找矿潜力的地带,但受自然条件限制,该地带矿产资源开发程度普遍偏低。选取冈底斯成矿带北部尼玛县帮勒地区为研究区,以Landsat-8OLI数据为主要信息源,采用主成分分析法提取研究区铁染和羟基矿化蚀变信息。在GIS平台上,将提取的蚀变信息结合研究区现有地质、化探、矿产等资料进行综合分析,依据成矿理论,圈定2个成矿远景区。经野外验证,文中获取的矿化蚀变信息分布状况与已知矿点和已探明蚀变带的空间一致性高。矿化蚀变带的探明能够为区域矿产资源开发与勘查提供帮助。     

高精度遥感影像的空间投影几何精校正

几何校正为影像预处理工作做了技术准备。其精度直接影响着后续工作的质量。目前,高精度遥感影像因其空间分辨率较高、数据产品格式复杂,在实际应用中对其进行几何精校正(包括正射校正)还存在许多问题。在地面控制点(Ground Control Point,GCP)分布不均或数量不足的情况下,运用空间投影加密控制点的方法,能有效解决此类问题。本文以Quick Bird遥感卫星影像为例,阐述了该方法的可行性。     

一种结合四元数与直方图的多光谱图像自适应边缘检测方法

针对图像自适应边缘检测的难点和传统多光谱遥感图像边缘检测方法的局限性,提出了一种结合四元数与直方图的自适应边缘检测方法。该方法在四元数空间,利用矢量旋转完成了多光谱图像的边缘检测,并通过直方图统计的方法获取自适应阈值,实现了边缘图像的检测。利用陆地多光谱遥感图像和水域多光谱遥感图像分别进行实验,验证了方法的有效性。     

一种基于输入向量机的高光谱影像分类算法

支持向量机分类方法存在惩罚系数需要交叉验证获取、训练时间较长、支持向量个数随着训练样本数量的变化而变化,以及稳定性和稀疏性较差等问题。针对这些问题,提出了一种基于输入向量机的高光谱影像分类算法。该算法在核逻辑回归模型的基础上,采用前向贪心算法选择训练样本中的输入向量来进行模型的训练,达到稀疏的目的,提高影像的分类精度和分类效率。通过PHI和OMIS两组高光谱影像分类实验,结果表明基于输入向量机分类算法具有稳定性好、稀疏性强的优点。     

河南省农作物虚拟水含量时空分异特征

在GIS技术的支持下,通过对1978—2013年河南省冬小麦、夏玉米、花生、棉花、油料作物、蔬菜6种主要农作物虚拟水量的计算与分析,探讨了其时空分异规律。河南省6种农作物单位质量虚拟水量在不断下降的趋势下有波动,2003年出现峰值,与当年大旱、所有农作物大面积减产有关;在农作物类型中,棉花单位质量虚拟水含量最高,多年平均值达到8 077.4 m3/t,蔬菜最低,多年平均值仅为159.95 m3/t。6种作物的虚拟水含量在空间分布上有明显差异,按其2013年的产量进行加权分析得到,第一等级区域为三门峡、郑州、信阳,第二等级为平顶山、洛阳、济源、开封,第三等级为南阳、驻马店、新乡、鹤壁、安阳、濮阳,第四等级为漯河,最低为许昌、周口、商丘、焦作。从整体看,西部、南部虚拟水含量高,而北部、东部虚拟水含量低。     

Non-destructive estimation of foliar chlorophyll and carotenoid contents: Focus on informative spectral bands

Leaf pigment content provides valuable insight into the productivity, physiological and phenological status of vegetation. Measurement of spectral reflectance offers a fast, nondestructive method for pigment estimation. A number of methods were used previously for estimation of leaf pigment content, however, spectral bands employed varied widely among the models and data used. Our objective was to find informative spectral bands in three types of models, vegetation indices (VI), neural network (NN) and partial least squares (PLS) regression, for estimating leaf chlorophyll (Chl) and carotenoids (Car) contents of three unrelated tree species and to assess the accuracy of the models using a minimal number of bands. The bands selected by PLS, NN and VIs were in close agreement and did not depend on the data used. The results of the uninformative variable elimination PLS approach, where the reliability parameter was used as an indicator of the information contained in the spectral bands, confirmed the bands selected by the VIs, NN, and PLS models. All three types of models were able to accurately estimate Chl content with coefficient of variation below 12% for all three species with VI showing the best performance. NN and PLS using reflectance in four spectral bands were able to estimate accurately Car content with coefficient of variation below 14%. The quantitative framework presented here offers a new way of estimating foliar pigment content not requiring model re-parameterization for different species. The approach was tested using the spectral bands of the future Sentinel-2 satellite and the results of these simulations showed that accurate pigment estimation from satellite would be possible.