基于多时相卫星图像的稀土矿开发变化检测

利用研究区1999年ETM+和2005年SPOT图像对稀土矿区进行遥感变化检测。引入散点控制回归方法对图像进行辐射归一化处理,选用分类后对比检测法生成类别变化转移矩阵,确定了矿区面积增加的来源和新增矿区的分布范围,达到了预期效果。     

无人机航空摄影规范化生产管理的探讨与建议

在无人机航摄系统自动化、智能化等性能大幅度提升的背景下,以近年来各生产单位在航空摄影生产中存在的各种问题,深入剖析个中缘由,提出加强无人机航空摄影规范化生产管理的建议,力求通过一系列有效措施,进一步保障航空摄影安全、高效、高质地应用于测绘项目生产。     

基于逐日夜间灯光遥感的新冠肺炎疫情变化信息快速提取——以北京市为例

针对国内外日益复杂的疫情形势,本文以2020年6月北京疫情为例,利用NPP-VIIRS卫星的逐日夜间灯光数据,分析疫情受影响区域及疫情的控制与恢复状况,探索与人口密度等社会经济因素的关系。研究结果表明,逐日夜间灯光遥感可以有效提取疫情影响的区域范围及反映该区域受影响程度,所提取的受影响区域与国家划定的中高风险区域情况一致;同时基于逐日夜间灯光遥感能够及时监测疫情发展及疫情防控措施状况,区域夜间灯光强度随着疫情及防控的进展呈现明显的变化;平均夜间灯光损失强度及恢复强度同疫情暴发期区域人口密度均具有较强的相关性,相关性指标R²分别为0.97和0.91。本文研究结果表明逐日夜间灯光影像在快速提取新冠肺炎疫情变化信息方面有较大潜力。     

一种基于归一化扰动模型的积雪和植被覆盖度反演方法

积雪和植被的覆盖范围对于研究气候变化和水资源平衡、生态环境状况具有重要的意义,但它们的光谱曲线具有较强的时空变异性,难以获取精确的覆盖度产品。针对线性混合像元分解算法在积雪和植被覆盖度反演中噪声和光谱变异带来的误差,本文提出了一种基于归一化扰动模型的积雪和植被覆盖度反演方法,并选用了3个不同的区域（单独的积雪覆盖区、单独的植被覆盖区、积雪和植被混合的覆盖区）来验证所提出框架的可行性。研究结果表明：① 该方法单独反演积雪覆盖度的均方根误差为0.172,单独植被覆盖度反演均方根误差为0.223,积雪和植被覆盖度混合反演的均方根误差分别为0.185和0.249,3种方案均有较高的精度;② 对影像与端元组进行归一化后,降低了光谱异质性,在此方法下的扰动混合模型可以有效地减弱MODIS影像光谱变化和噪声带来的误差;③ 针对MODIS影像,该框架获取的积雪覆盖度相对于植被覆盖度具有更高的精度。今后将进一步发展类似的积雪覆盖度与雪粒径协同反演算法。     

基于样条函数的恒星光谱自动归一化方法

恒星的观测谱一般由连续谱、谱线和噪声组成,其中连续谱是黑体辐射导致的辐射流量随波长变化的光滑连续光谱。光谱分类及恒星物理参数估计等研究依赖于连续谱及谱线信息的准确提取。因此光谱数据处理的工作主要是拟合连续谱,并通过对光谱进行归一化来提取谱线特征。连续谱拟合的方法主要有多项式拟合、中值滤波、小波滤波等。已有的方法在低信噪比、宇宙线信号干扰、存在发射线等情况下,有不同程度的局限性,体现在鲁棒性和准确度上。目前,针对郭守敬望远镜的10 7条光谱没有自动化方法应用到归一化上的问题,研究并开发一种适用于不同的温度、信噪比及波长覆盖范围,并能够自动化处理的恒星光谱归一化方法,显得十分迫切。在仔细分析不同类型光谱的基础上,提出了一种基于固定窗口划分的连续谱拟合方法。该方法对光谱中能够体现连续谱特征的数据点进行筛选提取,通过细微地控制样条函数平滑度产生更加准确的连续谱。使用郭守敬望远镜中不同光谱型、温度范围、波长覆盖范围的光谱进行实验,结果表明,该方法具有良好的精度和普适性。     

The influence of lipid-extraction on the δ13C of mesopelagic and demersal fish in the South China Sea: modification and application of lipid normalization models

Mesopelagic fish,the most important daily vertically migrating community in the oceans,are characterized by high lipid content which may obscure the interpretation of stable isotopes analysis.Demersal fish,which are important consumers in the food web dominated by mesopelagic fish,also have a high lipid content.Here we collected 127 fish samples from the South China Sea and evaluated the effect of lipid contents on δ¹³C of mesopelagic and demersal fish.In lipid-extracted mesopelagic f...     

Using multi-temporal remote sensor imagery to detect earthquake-triggered landslides

Landslides are a major type of geohazards claiming thousands of casualties and billions of dollars in property damages every year. Catastrophic landslide activities are often triggered by some extreme events such as earthquakes, excessive precipitations, or volcanic eruptions. Quickly identifying the spatial distribution of landslides induced by these extreme events is crucial for coordinating rescue efforts and planning in situ investigations. In this study, we propose an automated method for detecting the spatial distribution of earthquake-triggered landslides by examining after-event vegetation changes. Central to this method is the use of pre- and post-event remote sensor images covering the same area. Geometric correction and radiometric normalization are performed before deriving a vegetation index from each image. Then, an image differencing procedure is applied to the two derived indices. With the resultant difference image, an initial landslide distribution map is generated by highlighting the pixels with a threshold percentage decrease in the brightness values as a direct result of the image subtraction. The threshold percentage value is interactively determined by using a visual interpretation method. The final landslide distribution map is produced after using a modal filter to suppress boundary errors in the initial map. This method has been implemented in a test site, approximately 30 km from the epicenter of the Sichuan earthquake (7.9 Ms) that struck on 12 May 2008. A pre-event Thematic Mapper image and a post-event Advanced Spaceborne Thermal Emission and Reflection Radiometer scene are used. The thematic accuracy assessment indicates that 90% of the landslides have correctly been mapped. Given the relatively simple procedures and the good mapping accuracy, the image processing and change detection method identified in this study seems to be promising from an operational perspective.     

加入地物倾角分析的LiDAR回波强度校正

LiDAR回波强度数据的校正处理可以提升其在地物分类识别方面的利用价值。本文研究发现倾斜地物(如三角形、拱形房顶等)的自身倾角会改变激光反射角进而影响回波强度,而现有归一化校正模型缺乏对地物倾角的计算分析。随后结合LiDAR数据的采集方式和特点,以及倾斜地物的结构特征,提出了一种加入地物倾角计算的改进型归一化校正算法。首先,对激光点的回波强度值进行基于传输距离值的初步校正;然后,以平面距离值、高程、回波强度值差异为参考,判定激光点是否属于同一倾斜地物,若满足条件,则计算出激光点的趋势角,并依据制定的判定规则确定趋势角的正负;最后,将趋势角计算结果与扫描角数值结合计算出对应的反射角,并重新对回波强度值进行计算校正。实验表明,蓝铁皮材质的三角形、拱形房顶的回波强度值范围和均方差缩小,且采集的8种地物样本的回波强度均值的差异性与激光反射率测量结果基本一致,说明该算法能够有效识别具有一定面积且材质均一的倾斜人工地物并计算修正其自身倾角对回波强度带来的影响,从而进一步提高基于回波强度值的地物可分性。     

两种多波束反向散射强度数据归一化方法的建立与分析

多波束反向散射强度数据应用广泛,但由于受到角度响应的影响,导致生成的多波束声呐图像质量偏低,且现有角度响应改正方法在复杂海底底质环境下适应性较差。为此本文对散射强度进行分析,给出了两种多波束反向散射强度数据归一化方法,分别为基于高斯拟合以及角度响应的散射强度改正方法,前者主要是基于散射强度的变化规律进行改正,而后者则是基于声波的散射机理进行改正。实验结果表明两种方法较传统改正方法精度均有约30%的提升,并且角度响应方法较高斯拟合方法改正精度更高,但计算效率有所下降。以上实验验证了两种方法的有效性,实现了散射强度数据的归一化,提升了多波束声呐图像的质量。