地理国情监测遥感影像解译方法对比与分析

随着社会经济的飞速发展,土地利用类型也在随之发生变化.若要合理开发利用土地,对其变化信息的提取和研究也就显得极其重要.现如今,我国大面积开展地理国情监测项目,其中普遍涉及利用遥感手段获取土地利用信息并监测其变化情况.本文围绕地理国情监测项目中常用的几种遥感影像解译方法进行对比和分析,并探讨其各自的优缺点.     

基于简译的高分辨率卫星影像信息提取研究

利用简译遥感信息提取软件,以资源三号高分辨率卫星影像为数据源,选取老挝首都万象市为研究区,采用分层信息提取思想,在道路、建筑等地表覆盖要素人工提取结果的基础上,对未分类地物(水田、旱地、林地、工矿用地),利用最小距离算法和深度学习算法进行信息提取研究.研究结果表明,基于最小距离算法的总体分类精度为85.7％,Kappa系数为0.8165;基于深度学习算法的总体分类精度为89.29％,Kappa系数为0.8634,都可以达到很好的智能化提取效果.     

利用深度卷积循环神经网络的高光谱影像空谱特征分类方法

针对高光谱影像分类问题,提出了基于深度卷积循环神经网络的高光谱影像空谱特征分类方法.首先将高光谱数据立方体看作一组特征序列;然后利用深度卷积循环神经网络构建特征序列的依赖关系,并采用"预训练+微调"的训练策略对深层网络模型进行训练,从而使得所设计的深层网络在训练样本较少的情况下也能得到更加充分的优化.在Pavia大学和Indian Pines数据集上的试验结果表明,构建的深度卷积循环神经网络的分类精度比RNN方法分别提升了9.49％和5.8％.     

经验模态分解方法在树木年轮宽度序列标准化中的应用

高分辨率的树木年轮是记录历史时期气候变化的良好生物载体,在古气候研究中被广泛应用。但年轮宽度与气候因子之间有着复杂的联系,这种关系受气候因子之间的相互制衡和因物种而异的树木生长节律的共同影响。在利用树木年轮开展历史时期气候变化的研究中,剔除树木年轮与年龄相关的生长趋势是准确获取气候信号的先决条件。然而,传统的和相对改进的一些树轮标准化方法在拟合并剔除树龄相关的趋势及非气候干扰信息方面仍存在一些问题。本文利用经验模态分解(EMD)方法进行树轮资料的标准化方法研究, 对已获得的树轮生长序列所记录的信息进行分解,得到一系列不同物理意义的本征模态分量,结合多样本信息的对比及生物学特性,深入解读各分量表征的气候变化、环境干扰及缓慢生长趋势项等不同物理意义,进而剔除非气候信息,得到可以准确反映气候变化的代用序列,并将该方法与目前广泛采用的标准化方法进行对比,分析不同方法的利弊所在,为进一步改进树轮标准化方法提供新思路。     

卡尔曼滤波器在卫星遥感影像大地校正中的应用

在卫星遥感图像的预处理中,通过系统校正可以基本上消除影像内部的变形误差。然而,整幅影像的大地定位误差仍然是很大的,甚至几百米至1公里的数量级。本文介绍利用少量的地面控制点,采用递归算法而不是批处理算法,大大地提高大地定位精度。在单幅影像处理中,可以重新对卫星的轨道参数与姿态参数进行估值,从而提高影像的大地定位精度。在一条轨道上连续的多幅影像中,可以预报下一幅影像的大地位置,从而对那些不具有地面控制点的影像的大地校正中,实现外推计算。文中介绍并推导了卡尔曼滤波器方程中的转移矩阵和测量矩阵的系数,并推荐用数值回归的办法求得其数值解。文中最后介绍模拟试验及算法计算结果,并讨论其优缺点。     

基于特征指数合成影像的不透水面提取和分析

不透水面作为表征一个地区城市化水平的关键性指标,其时空变化特征与城市建设密切相关.以济南市重要的泉水补给区南部山区为研究对象,根据植被-不透水面-土壤(V-I-S)城市地表组分模型选取了NDVI、BCI、SBAI、MNDWI和NDUI 5种遥感特征指数构成合成影像,利用最大似然法对特征指数合成影像进行分类获取不透水面信...     

基于贝叶斯模型的器测、古气候重建与气候模拟数据的融合试验

气象部门馆藏的西部最早的器测气象资料始于20世纪30年代,不能满足建立20世纪以来中国气候变化序列的需求,而古气候重建或气候模拟资料则可以延伸到器测时代以前。为了探讨长序列多源气候资料序列融合方法,采用贝叶斯方法对中国北疆地区8条树轮气温重建资料、器测资料与国际耦合模式比较计划第5阶段（CMIP5）模式模拟资料进行了融合试验。首先利用器测资料对气温代用资料进行校验与网格重建,并以此作为贝叶斯模型的先验分布,然后,用泰勒图选出了该区域气候模拟效果最佳的几个模式;最后将网格重建和气候模拟序列用贝叶斯模型进行了融合试验。结果表明,贝叶斯融合模型能有效提取各种数据来源的有用信息进行融合,融合结果的长期变化（线性）趋势更接近器测气候序列,并在一定程度上提高了序列的精度,减小了结果的不确定性;并且,融合结果能够纠正先验分布及气候模拟数据的明显偏差,为长年代气候序列重建提供了一个可行的思路。      

地面气象站环境变化对气温序列均一性影响

为研究浙江省地面气象站环境变化对气温序列均一性的影响程度,采用测站历史沿革资料,对全省测站环境的时空演变进行了分析。采用距平累加、偏差界限值、F值检验法,对36个代表站的年平均气温序列进行均一性检验,并对非均一性产生的原因进行分析。结果表明:1971~2004年,浙江省测站的地理环境有显著改变;36站中有39%的测站为非均一性,产生非均一性的测站中,迁站原因占57%,环境恶化占36%;测站迁站引起的非均一性多发生在1980年以后;测站迁站时,新旧站址海拔高度差大且地理环境差异显著是造成气温序列非均一性的主要原因,迁站后气温序列较旧址存在偏高或偏低现象,其值对累年平均值有影响。指出了测站在迁移或环境变化过程中应注意的事项,以助于减少气温序列非均一性。     

2000～2008年中国东北样带植被变化

利用经过重建后的 2000～2008年生长季MODIS-NDVI时间序列逐年生长季均值对中国东北样带植被覆盖变化进行了研究,发现植被NDVI变化过程具有明显的时空分异特征.在时间上,2001年与2002年NDVI均值比 2000～2008年9年均值分别偏低1.89%和1.44%,而2003年和2008年分别偏高2.92%和2.87%.在空间上,样带东部半湿润地区植被覆盖在 2000～2008年间年际变化很小,NDVI波动在2%以下.样带中部半干旱区NDVI波动一般低于5%.而样带西部干旱的草原和荒漠化草原区植被覆盖波动明显,NDVI波动于2003年和2008年分别出现了8.51%和6.35%高值,裸地甚至于2003年出现了高达15.07%的波动.研究区NDVI变化的时空分异特征,对遥感研究和生产实践有重要意义.一方面,在进行陆地生态系统变化监测时,不能用少数几次的监测结果预测变化趋势,这对"高空间分辨率-低时间分辨率"遥感数据应用有重要意义; 另一方面,NDVI波动的空间差异,要求在变化监测时把重点放在NDVI波动频繁的地区.     

基于时序MODIS NDVI的黑河流域土地覆盖分类研究

归一化植被指数(NDVI)是植被生长状态及植被覆盖度的最佳指示因子,其时序数据也已成为基于生物气候特征开展大区域植被和土地覆盖分类的基本手段。基于时序NDVI数据的土地覆盖分类,即通过提取NDVI时间信号所包含的植被生物学参数,构建起一个包含植被生物学信息的分类特征空间。利用2006年重建得到的MODIS NDVI 16天合成时间序列数据,并结合1 km分辨率的DEM数据、野外实地调查资料等辅助数据,综合分析了不同土地覆盖类型对应的时序NDVI谱线及其第一、二谐波的特征阈值,建立决策树对黑河流域的土地覆盖开展分类研究。结果表明,基于时序MODIS NDVI谱线特征的决策树分类精度为78%,Kappa系数为0.74。利用1 km时序MODIS NDVI时间序列获得较为准确的黑河流域土地覆盖类型是可行的。