中国西部地区基于经验模型的土壤水分反演

地表土壤水分含量的时空分布信息是十分重要的,常常作为水文模型、气候模型、生态模型的输入参数,同时,也是干旱预报、农作物估产等工作的重要指标。被动微波遥感是监测土壤含水量最有效的手段之一。相比红外与可见光,它具有波长长,穿透能力强的优势。相比主动微波雷达,被动微波辐射计具有监测面积大、周期短,受粗糙度影响小,对土壤水分更为敏感,算法更为成熟的优势。目前,已研究出许多反演土壤水分的方法.本课题的主要内容是借助AMSR-E土壤水分影像数据、MODIS归一化植被指数(NDVI)影像数据和MODIS分类影像数据,利用ENVI软件进行遥感图像数据处理,运用统计分析方法建立NDVI与土壤水分的经验模型,研究中国西部地区稀疏植被覆盖区土壤水分的反演。     

基于本体的地理信息查询检索方法研究

传统的GIS查询方式和信息检索方式已经难以满足人们对地理信息查询和检索的越来越广泛的需要,为此需要发展新的地理信息查询检索方法。本文将地理本体的思想引入到信息查询应用中,从查询式优化、查询式扩展、可视化与检索结果知识化等方面展开讨论,是对传统查询检索方法的丰富和发展。在此基础上,设计了基于本体的信息检索模型框架,详细并讨论了实现该检索模型的两个关键技术-自然语言处理技术、本体推理技术。     

一种改进的基于坡度变化的机载激光雷达点云滤波方法

机载激光点云数据滤波是获取高精度数字表面模型和数字高程模型的关键。本文分析了几种重要的滤波算法,在研究基于坡度变化的滤波算法的基础上,提出一种改进的分块滤波处理的方法。实验表明:该方法能有效对点云数据进行分类。     

基于小波变换与滤波的DEM简化方法

针对现有3维地形模型简化方法中的不足,提出了一种基于小波变换与滤波的规则格网简化方法。同时还在大量实验的基础上,给出了一般情况下需要的变换层数,分析了滤波门限与简化效果之间的关系。这里的研究不仅为3维地形的多分辨率合理建模与精度评估提供了理论和方法,而且也为今后开展类似研究及进行建模质量控制提供了科学的依据。     

简化模糊H-ARTMAP神经网络在高光谱遥感分类中的应用

人工神经网络作为一种不需估计类别分布参数的遥感影像分类方法,能够克服分类中的不确定性,提高分类精度。模糊ARTMAP人工神经网络具有稳定、泛化性能好、支持增量式学习等特点,通过对简化模糊AR-TMAP神经网络和H-ARTMAP神经网络的分析和集成,构造了一种用于高光谱遥感影像分类的简化模糊H-ART-MAP网络。实验证明该方法在分类效率、运算时间和分类精度等方面都优于最大似然分类、BP神经网络、最小距离分类、光谱角制图模型等分类方法。     

基础电子地图显示的关键技术

电子地图在走向产业化、实用化的过程中,人们越来越感到电子地图的显示所产生的问题不能被忽视。目前,对电子地图显示缺少系统的研究,特别是从理论、技术和实际应用层面相结合的研究还比较少见。因此,在分析基础电子地图显示存在问题的基础上,以地图制图理论为指导,研究了基础电子地图的显示特点,提出了基础电子地图显示研究的理论框架,并针对基础电子地图自适应变焦显示、可视化表达以及显示风格转换系统的研制等关键问题进行了探讨和实践。     

基于DEM的SAR图像模拟

首先阐述了研究基于数字高程模型(DEM)的SAR图像模拟的重要性。然后针对SAR图像的几何特点,并顾及地面坡度、成像距离等因素对雷达波后向散射强度的影响,设计了基于强度积分的SAR图像模拟方案。根据Leberl构像模型计算SAR图像的像点坐标,采用强度积分策略对各点处的强度进行模拟,并进行归一化处理。通过仿真实验得到了满意的SAR模拟图像,验证了该模拟方案的正确性和有效性。     

BP神经网络模型在澜沧江流域径流量模拟中的应用

河川径流等水文时间序列属于复杂的非线性系统,使用回归分析等传统的分析方法,难以获取和描述其内在关联和变化规律。利用现有的相关站点的径流量历史数据和输沙量、降水量数据,在进行规格化处理和主成分分析的基础上,利用三层BP人工神经网络模型,对澜沧江流域上游昌都站径流量与各关联因子之间复杂的非线性映射关系进行模拟,采用拟牛顿算法对模型进行训练,模拟结果达到期望精度要求,并利用1982年~1985年实测数据进行模型验证。结果证明利用BP神经网络模型对澜沧江流域站点的月径流量序列进行模拟、预测和数据补缺处理具有可行性。     

CA-AR模型在人口空间场属性变化模拟中的应用

本文结合CA(cellular automata)和AR(auto-regression)提出模拟人口空间场属性变化的CA-AR模型,以1991～2006年成都市各区、县市的人口统计数据和成都市行政区划图为基础,将行政单元转化为单元网格,分别建立成都市主城区各单元格的CA-AR模型。结果显示,模拟结果的绝对误差和相对误差都较小,模拟精度较高,模型的显著性水平都比较高,说明CA-AR模型用于模拟人口空间场的人口数量变化是可行的。     

植被波谱空间尺度效应及尺度转换方法初步研究

基于遥感图像的地物识别需要大量地物波谱数据的支持,而现有地物波谱库中收集到的同一地物的波谱,由于其测量尺度和方法的差异,波谱也存在很大差异.以冬小麦为例,首先介绍了材料波谱、端元波谱和像元波谱这3种不同尺度波谱的概念,并以实验数据分析了不同测量尺度下波谱的差别,以此说明波谱尺度转换的必要性.然后利用物理模型和统计模型建立不同测量尺度下的波谱转换关系.分别验证了SAILH模型和线性光谱混合模型在波谱转换中的精度.研究表明,在大尺度上采用统计模型,在小尺度上采用非线性的物理模型可以解释不同尺度观测植被波谱之间的差异.