基于NDVI与丰度关系的MODIS影像浒苔混合像元分解方法

MODIS影像是浒苔业务化卫星遥感监测的重要数据源,但其空间分辨率(250m)较低,混合像元效应导致传统的NDVI(Normalized Difference Vegetation Index)阈值法浒苔提取误差较大。为解决此问题,本文以准同步的较高分辨率的HJ-1CCD影像浒苔提取结果为基准,建立基于MODIS NDVI与浒苔像元丰度(浒苔覆盖面积占像元面积百分比)关系的浒苔信息提取模型,利用该模型可提取每个像元的丰度(即浒苔覆盖率),从而提高整景影像浒苔覆盖面积提取精度。该模型可为浒苔灾害等级的确定以及防灾减灾应急决策提供支持。     

基于多片空间后方交会的CCD相机检校

近年来,CCD相机逐步应用于近景摄影测量、低空摄影测量。影响摄影测量成果精度的重要因素之一是相机的技术参数,因此相机技术参数的检校是保证成果质量能否满足精度要求的关键问题之一。文中通过单片空间后方交会和多片空间后方交会的比较试验,分别对两种方法实施了精度分析和可靠性分析,总结得出多片空间后方交会是一种更为可靠的CCD相机检校方法,且运用多片空间前方交会方法进一步验证了多片空间后方交会检校成果的可靠性。     

无人机载线阵摆扫CCD影像几何校正

充分利用无人机载GPS/INS组合导航系统提供的导航遥测数据,首先分析线阵CCD传感器摆扫成像的基础原理和成像特点,并建立严格的成像模型;然后提出线阵摆扫CCD影像严格几何校正的详细算法和流程;最后进行多组实验证实成像模型和几何校正算法的正确性和准确性.实验结果证实采用文中的成像模型和几何校正流程,可获得正确、高精度地理编码的线阵摆扫CCD正射影像.     

针对HY-1A CCD数据处理的瑞利查找表

在海洋水色遥感中,瑞利散射占大气顶（TOA）处测量信号的绝大部分,作为大气修正的第一步,必须精确计算瑞利散射的贡献,并从总信号中去除.本文针对HY-1A CCD传感器的波段设置,利用6S模型计算了不同情况下的瑞利反射率;基于计算结果,分析了瑞利反射率的特征,包括大气类型的影响、波长的影响,以及宽波段设置带来的波段平均效应的影响等;构造了针对HY-1A CCD的瑞利反射率查找表,并应用于实际卫星数据处理,初步评估了方法的有效性.     

HJ-1A/B卫星CCD影像的武汉市东湖水色三要素遥感研究

以武汉市东湖为研究区域,利用同步的MODIS-Terra气溶胶光学厚度数据为输入参数,采用FLAASH模型对2010年3月11日HJ-1A/B卫星CCD影像进行大气校正处理,并利用多年实测数据建立叶绿素a浓度、悬浮泥沙浓度、黄色物质吸收系数三要素神经网络反演模型,对水色三要素进行反演。通过对反演结果与实测数据的对比分析可知,悬浮泥沙浓度、黄色物质吸收系数和叶绿素a浓度的平均相对误差分别为28.052%、17.628%和35.621%,表明HJ-1A/B卫星CCD传感器基本能满足II类水体水色要素的遥感监测需求。     

CCD单晶衍射仪进行单晶德拜衍射

利用CCD单晶衍射仪的旋转图功能,并进行了支持软件的开发,实现了单晶体拍摄德拜衍射图,提出了利用单晶体获取粉晶衍射图谱的一种新方法。对比实验表明,该方法相当实用而有效,对稀有贵重样品的衍射分析具有十分重要的意义。     

一种改进的一维最大熵星图分割算法

在CCD天文测量技术中,星点质心坐标提取的精度直接影响野外天文测量的坐标精度,而星图分割算法是数字星图处理技术中最为关键的一环。一维最大熵星图分割算法具有良好的二值化效果,且能够充分保留星图图像信息,其可靠性与准确性均已得到了试验验证。本文基于一维最大熵星图分割算法,提出了一种改进的星点区域划分算法,可以在不影响精度和可靠性的前提下,大幅提升一维最大熵算法的运算效率,进一步提高野外天文测量作业的效率,在实际作业中,具有更好的可应用性。     

我国无地面控制点卫星摄影测量综述

简要论述我国以无地面控制点为条件的卫星摄影测量的研究历程,包括第一代、第二代返回式摄影测量卫星,传输型摄影测量演示验证工程和理论研究,同时介绍了在我国月球探测工程所做的工作,并进行带有月球曲率影像的处理研究。     

基于卷积神经网络的逐时降水预报订正方法研究

应用2017—2018年5—9月福建省观测资料对华南区域中尺度模式(GTRAMS-3 km-RUC)预报进行站点检验,建立和训练基于卷积神经网络的逐时降水分级订正模型,并与频率匹配法进行2017—2018年测试集的对比试验和2019年数据集的模拟业务检验,探讨了试验过程中遇到的样本不均衡、特征变量选取以及模型过拟合问题。结果表明:模式对于15 mm·h^-1以上降水的预报能力弱,各订正方法对原始预报均有不同程度的改进作用。从评估指标来看,基于卷积神经网络的订正方法比频率匹配法表现出优势,其中相关系数判别方案下的网络模型对强降水预报的订正效果显著优于其他方法;在输入特征变量选取方面,应用主成分分析方案的模型训练收敛速度比相关系数判别方案更快,最佳训练期有所提前,但也更早进入严重的过拟合状态,而相关系数判别方案能够使网络模型的训练拥有更长的提升期以达到更具"潜力"的状态;基于卷积神经网络的订正方法对减少分类降水预报的漏报率、晴雨和弱降水预报的空报率具有显著作用,其优化程度明显超过频率匹配法。