Geomatics 与数字地球

本文论述了Geomatics的内涵及特点,强调了数字地球是真实地球的数字化再现,是信息高度富集的统一体,是当代科学技术高度发展的产物,也是人类资源共享的一种概念模式.两者包含了地球系统的相关内容,并以3S等技术为支撑.知识经济时代对地理学提出了诸多问题,人类必须从全球的角度研究一系列资源环境问题,以保证全球性可持续发展战略的实施.     

利用高光谱数据进行植被生化成分反演方法研究

高光谱数据包含着丰富光谱信息,能够定量地分析物质成分^[1]。由高光谱数据,可以运用多元逐步线性回归方法反演植被生化组分含量,从而达到监测植被生长状况的目的^[2]。本文具体介绍了多元逐步线性回归方法,及其在氮、木质素和纤维素含量估算中的应用。     

APPLICATIONS OF ARTIFICIAL INTELLIGENCE TECHNIQUES TO REMOTE SENSING*

Remote sensing is a geographic analysis tool capable of producing large quantities of data in the spectral, temporal and spatial domains. Techniques for automating the image analysis process would be advanced by the inclusion of artificial intelligence techniques in the design of image processing systems. The remote sensing application which show promise for successful implementation of artificial intelligence techniques are intelligent onboard processing, advanced database interrogation, and the automated analysis of multispectral imagery.     

卫星图像中不同水体类型识别研究

在具有高空间分辨率特性的图像上,城市中大型建筑物、道路、河流、湖泊和其他人工地物形状特征和纹理特征清晰可辨。针对高分辨率卫星图像的特点,文章以水体类型识别为例,从卫星数字图像目标地物波谱特征抽取入手,通过图像分类,将水体从背景中分离并予以识别,同时实现像素重组。在区域分割与边界跟踪基础上,对卫星图像进行水体形状特征的抽取与描述,实现不同水体类型的识别。     

基于加卸载响应比理论的降雨型滑坡预警研究

在建立边坡远程实时监测系统并获得变形与降雨量连续监测数据的基础上,运用加卸载响应比理论的基本原理,提出以一用为加卸载周期、将日降雨量及其变化作为边坡的加卸载参数、相应的日平均变形速率及其变化值为加卸载响应参数,建立了基于加卸栽响应比的降雨型滑坡短周期预警模型。以某公路边坡为例,运用加卸载响应比预测模型对边坡的2个监测点进行了加卸载响应比计算,发现2个点的加卸载响应比时序曲线与其稳定性动态演化规律相吻合。研究结果表明,可以运用该模型进行降雨型滑坡短周期预测预警。     

土地利用变化遥感监测精度评价系统——以随机抽样为基础的方法

中国正在采用遥感技术对 5 0万以上市区非农人口城市的建设用地扩展情况进行分期监测 ,监测结果的精度评价是该项工作的一个重要方面。本文提出以分层随机抽样的方法来获取对遥感监测的精度分析 ,内容包括监测精度评价的指标系统、分层随机抽样样本容量的确定和在各层的分配、抽样评价的工作步骤以及抽样调查的统计分析和结果表达 ,并以北京和重庆 2 0 0 1年的遥感监测数据和实地调查数据为基础进行了精度评价的实际演练。     

中分辨率成像光谱仪数据的滩涂环境遥感应用能力研究

以长江口海岸带地区为示范区，探讨了我国中分辨率成像光谱仪(CMODIS)的滩涂及水体图像特征。结合地面现场观测和图像处理结果，评价了其在滩涂环境遥感中的应用能力。     

基于高分辨率遥感影像的设施农业资源信息采集技术研究

结合设施农业空间位置分布规律及其在高分辨率遥感影像上的纹理特征体现,设计了批量设施自动生成算法,并基于GIS组件开发了基于高分辨率遥感影像的设施农业信息采集系统;该系统以高分辨率遥感影像为基础底图,结合批量设施自动生成算法进行数字化,实现了人机交互式半自动化信息采集。     

太湖水体叶绿素浓度反演模型适宜性分析

为确定适合太湖水体叶绿素的反演算法,为同类卫星数据的建模和应用提供参考,本文根据太湖2007年11月、2009年4月和2011年8月实测水质参数以及同步光谱数据,结合水色遥感传感器MODIS、MERIS、GOCI及我国自主发射的HJ-1号卫星CCD传感器波段参数,基于差值模型、比值模型、三波段模型及APPEL模型,分别建立太湖水体叶绿素浓度反演模型,并分析模型的适宜性.结果显示,基于不同传感器数据APPEL模型的决定系数为0.7308~0.8107,模型相对误差为15%~24%,均方根误差为21%~32%;三波段模型基于不同传感器数据拟合的决定系数为0.6014~0.7610,相对误差为28%~36%,相对均方根误差为39%~46%;差值模型决定系数为0.4954~0.7244,相对误差为39%~53%,相对均方根误差为51%~72%;比值模型决定系数为0.4918~0.7098,相对误差为41%~55%,相对均方根误差为56%~75%.相比较而言,APPEL模型的稳定性较强,适合于不同传感器数据的太湖水体叶绿素浓度的反演.此外,相应不同传感器波段位置、波段宽度对模型反演的精度和稳定性的影响也不同,当波段位置接近叶绿素特征波长时,较窄的波宽有利于模型精度的提高,波段位置和叶绿素浓度特征波长相差较大时,合理增加波谱范围有利于叶绿素特征信息的获取.     

煤炭资源开发破坏和占用土地遥感监测研究

煤炭资源开发引发地面塌陷造成的土地破坏和矿山开发占用大量土地资源,已严重危及日益紧缺的土地资源和区域可持续发展。本文主要利用高分辨率遥感图象对煤炭资源开发过程中破坏和占用土地监测的方法和效果进行研究。