基于线性混合光谱方法的时间序列植被覆盖度提取

为了准确地从遥感数据中获取城市植被覆盖度(VFC)信息,以线性混合光谱模型(LSMM)为原理基础,参考各城市端元模型,利用MODIS时间序列提取武汉研究区2007至2014年间植被覆盖度,获得植被覆盖度年际变化情况。在对遥感影像进行端元提取及确定时,结合四种城市端元模型分别对研究区植被覆盖度进行估算,并对像元分解精度作对比分析。结果表明,MODIS时间序列使用混合光谱分析法能够科学客观地实现对研究区植被覆盖度的提取,可以有效地进行周期性监测和分析研究区植被覆盖变化。     

面向多尺度分割的疑似违章建筑提取算法

针对城市中疑似违章建筑物信息提取的问题, 提出了一种基于多尺度分割方法提取疑似违章建筑信息的新算 法。该算法首先通过设置多尺度分割参数对遥感影像进行分割, 然后通过正射校正、辐射定标、大气校正对遥感影 像进行预处理, 最后通过多尺度分割实验分析各参数对尺度分割效果的影响。研究结果表明分割尺度为 150、形状比 例系数为 0.7、紧致度比例系数为 0.3 时, 影像的分割效果最佳。     

MODIS数据植被覆盖度提取算法比较

植被覆盖度是植物群落覆盖地表状况的一个综合量化指标,是一个重要的生态气候参数。利用MODIS数据对比分析了植被覆盖度常用的提取方法。基于2007年沈阳市的MODIS影像分别使用两种不同的模型（归一化植被指数和增强型植被指数的像元二分模型;三波段梯度差法）提取了植被覆盖度信息,并利用时相相近的高分辨率Landsat TM影像的提取结果对其进行了验证。研究结果表明：对MODIS数据而言,采用像元二分模型能较好地提取大区域范围的植被覆盖度信息。     

基于支持向量值轮廓波变换的遥感影像融合

 本文研究基于支持向量值轮廓波变换的遥感影像融合.首先将支持向量值滤波器和方向滤波器组进行合理搭配,构造支持向量值轮廓波变换,该变换具有平移不变、泛化能力好、捕捉奇异性能强等特性.然后利用该变换对多源遥感影像进行多尺度、多方向、多分辨率分解,在不同的分解水平上利用基于区域能量和基于区域的轮廓波对比度方法进行融合.实验结果表明,利用该变换进行遥感影像融合时,能在不降低空间分辨率的情况下有效保留源影像的光谱信息.     

多源极轨气象卫星热红外波段数据的同化方法研究

为保证多源极轨气象卫星热红外波段数据的可比性与进一步的定量应用,从辐射和几何两个方面进行了数据同化方法研究.通过辐射定标、卫星天顶角校正和通道光谱响应差异的校正,实现了不同卫星探测辐射值的直接对比;在扫描行空间分辨率归一化的基础上,进行投影变换几何粗校正和图像平移精校正,使多源数据在几何位置上能得以高精度的配准.     

耦合辐射传输模型的植被含水量遥感改进监测

基于耦合的叶片与冠层辐射传输模型,研究并使用了改进的植被指数提取植被含水量,以实现植被水分含量的遥感监测.使用PROSAIL模拟的高光谱数据,首先对NDVI、WI、NDWI、MSI、CSI及NDII等已有的植被指数提取含水量进行可行性分析比较.结果显示NDVI不能估算出植被含水量,CSI估算能力也不理想,其余四个指数WI,NDWI,NDII,MSI估算植被含水量时相关系数平方在0.76左右;之后对NDWI提取植被含水量进行了敏感因子分析,结果表明NDWI与MCARI具有较好的线性关系,从而得出改进的植被含水量估算方法.该方法可以较好地去除LAI的干扰,估算的相关系数平方提高为0.97,增加了27%,估算残差由初始的0.0156降低为0.00535,减少了65%.     

基于分形理论与GEOEYE-1影像的NDVI连续空间尺度转换模型构建及应用

尺度效应是定量遥感领域一个重要而基础的科学问题。尺度效应的解决方法为尺度转换。传统的尺度转换方法面临涉及的空间分辨率离散、有限及传感器间成像参数归一化的干扰等问题。在提出并实践基于分形理论构建归一化差分植被指数（Normalized Difference Vegetation Index, NDVI）连续空间尺度转换模型（continuous spatial scaling model, CSSM）的基础上,本文基于GEOEYE-1多光谱影像、以NDVI为研究对象继续就分形方法在高空间分辨率基础图影像中的适用性进行研究,并就分形模型构建最合理尺度层级的确定进行细致探讨。实验获得如下结论：（1）基于分形理论的NDVI连续空间尺度转换模型构建方法适用于高空间分辨率遥感影像;（2）在给定的条件下,NDVI尺度转换分形模型构建时最合理尺度层级存在且可计算。论文的研究使得分形方法所适用的反演量类型及基础图空间分辨率范围皆有大的扩展。     

基于时间序列遥感数据的植被覆盖度反演研究

基于案例分析,阐述时间序列遥感数据的植被覆盖度反演,结合GIS和RS技术,采用像元二分模型提取估算植被覆盖度,通过数理统计方法得到植被覆盖率的变化规律,从而为研究城市生态环境变化状况提供参考,并对城郊地表环境的改善及建设提供参考依据。     

基于遥感影像的漓江流域植被覆盖度动态变化研究

本文以漓江流域作为研究区域,用1991、2006年的TM影像和2012年的HJ1A影像作为数据源,利用归一化植被指数(NDVI)像元二分模型估算出的漓江流域不同时期的植被覆盖度信息结果进行了变化监测研究,分析了变化原因.结果显示,1991~2012年间,漓江流域的植被覆盖度变化以稳定为主,稳定部分的面积占总面积的41.478%;植被覆盖度增加部分的面积占总面积的40.340%,减少部分的面积占总面积的18.182%,增加部分的面积大于减少部分的面积;说明1991年至2012年漓江流域的植被覆盖度整体上呈现上升的趋势,其原因是漓江流域内林区的保护以及植树造林的措施比较到位,而部分区域植被覆盖度的下降主要是受人为因素的影响,需要在今后的发展过程中,继续加大漓江流域的生态环境保护,尽量减少人为原因的破坏.     

基于遥感数据的地球背景中红外场景仿真

卫星遥感是研究地球大气背景红外辐射特性的重要手段,受大气影响及传感器观测条件的限制,无法获取多气象、多探测条件的辐射数据。针对该问题,基于JHU地物光谱数据库,分析了植被、水体、岩石等光谱辐射特性,结合传感器光谱响应,建立了3~5 m基于光谱相关性的地表辐射波段转换模型,并利用逐步回归法计算误差,模型误差小于10%。利用MODIS、AIRS等多源遥感数据产品,根据地表-大气-传感器辐射传输模型,模拟不同时空分辨率、探测条件等的地球背景辐射中红外图像。结果表明,利用多源遥感数据进行中红外图像仿真,可以实现大尺度、具有细致纹理结构的图像模拟,应用于遥感研究。     

WorldView-2影像的湿地典型挺水植物群落含水量估算研究——以北京野鸭湖湿地为例

利用多光谱遥感技术定量估算野鸭湖湿地挺水植物的含水量.基于典型挺水植物的实测冠层光谱及其对应样方的叶片含水量和叶面积指数LAI数据,首先对芦苇和香蒲的地面实测光谱进行重采样,以模拟WorldView-2影像的光谱,然后利用模拟光谱分别构建芦苇和香蒲任意两波段反射率组合而成的比值(SR)和归一化差值植被指数(NDVI),通过分析植被指数与CWC(冠层含水量,Canopy Water Content)的相关关系,选择与CWC显著相关的植被指数,并通过单变量线性与非线性拟合的分析方法确定监测不同挺水植物群落的最佳植被指数,建立估算模型;结合覆盖研究区的WorldView-2高分辨率多光谱影像,对研究区的挺水植物群落CWC进行反演及制图.结果表明,基于模拟WorldView-2影像光谱构建的比值(SR)和归一化差值植被指数(NDVI)与CWC的总体相关性较高;SR(8,3)芦苇为估算CWC芦苇的最优植被指数,估算模型为y=0.005x+0.003,NDVI(8,3)香蒲为估算CWC香蒲的最优植被指数,估算模型为y=2.461x2-0.313x+0.032,通过交叉检验,CWC芦苇和CWC香蒲的预测精度分别为87.42%和82.12%,预测精度较为理想;利用实测数据对反演的CWC空间分布图进行了验证,通过验证,芦苇和香蒲影像估算CWC的均方根差(RMSE)分别为0.0048和0.0052,估算精度分别为83.56%和80.31%,表明利用WorldView-2高分辨率多光谱影像反演湿地挺水植物群落CWC具有较高的可行性.     

基于艇载遥感成像数据的高空间分辨率全色遥感图像仿真

高空间分辨率全色遥感图像在军事侦察、地面监视等领域具有较高的应用价值.为模拟星载全色遥感图像, 提出了一种由艇载遥感成像系统获取的低空遥感图像为数据源的高空间分辨率全色遥感图像仿真方法.首先将低空宽视场图像按典型地物类型进行监督分类, 其次将低空宽视场图像与多光谱图像按不同地物类型分类拟合, 并将多光谱拟合结果合成高空间分辨率全色仿真图像, 最后对高空间分辨率全色仿真图像进行仿真精度评价.相比星载全色遥感图像, 仿真图像同样具备高空间分辨率、全色波段、宽视场等特点.仿真方法可为星载全色遥感图像仿真提供较准确的数据支撑.     

城市生态环境基础状况遥感信息提取研究——以上海市中心城区为例

综合考虑遥感解译能力和生态环境效应,将城市生态环境基础状况分为八大类型.以上海市中心城区为例,探讨城市生态环境基础状况的遥感影像信息提取方法.以TM与SPOT融合影像为数据源,基于已有的GIS数据库中对八大类的目视解译分类知识,建立了不同类型在融合影像的三色合成图像和融合图像不同波段比值的彩色合成图像的分类回归树识别方法,实现了大范围城市居住区信息,水体信息,以及绿化和农业四类信息提取.     

Monitoring detailed land surface changes using an airbornemultispectral digital camera system

Airborne multispectral digital camera systems provide the potential for flexible and inexpensive monitoring of land surface changes at high spatial resolutions. The goal of this study was to characterize the radiometric properties and processing requirements of Airborne Data Acquisition and Registration (ADAR) System 5500 data in the context of environmental monitoring applications. This airborne multispectral digital imaging system, manufactured and operated by Positive Systems Inc., consists of four digital cameras and an on-board digital capture system. Sensor lab tests of the digital cameras were conducted to determine spatial uniformity of image brightness, high frequency noise and signal-noise ratio (S/N), linearity of radiometric response, spectral response, and radiometric normalization and calibration. Submeter resolution ADAR 5500 data were acquired over constructed and natural coastal marshes, concurrent with ground-level radiometric and plant measurements, ADAR 5500 data were found to have high radiometric fidelity and were successfully normalized and calibrated using simple procedures and knowledge that the radiometric response is linear. Noise levels were low, and S/N was about 120 for lab test images and 90 for airborne images of the marsh complex. Vignetting effects were evident in lab images, which were inverted and low-pass filtered to generate a correction mask. Spatial and temporal differences of spectral reflectance between important marsh vegetation cover types represent “environmental signals” in the context of monitoring habitat restoration projects     

基于视觉显著模型的遥感图像舰船快速检测

为了降低传统高分辨率海面遥感图像舰船目标检测方法的计算复杂度,提高检测速度,在舰船目标检测中引入了基于直方图对比度的视觉显著模型和空间降维算法,提出一种新的高分辨率海面遥感图像舰船目标快速检测算法。首先对高分辨率遥感图像进行空间降维,然后计算降维图的视觉显著图,突出感兴趣目标区域,最后利用最大类间方差法分割视觉显著图以获取舰船目标候选区域。结果表明,目标检测所消耗的时间减小为原来的10%~12%,弱化了复杂海面纹理背景对目标检测的影响。该研究提高了高分辨率遥感图像舰船目标的检测效率。     

Removal of terrain effects from SAR satellite imagery of Arctictundra

Synthetic aperture radar (SAR) images of the Earth's terrestrial surface contain geometric and radiometric image effects which are caused by varying terrain elevation and slope. The radiometric effects tend to mask signal variations caused by other physical variables such as soil moisture and surface vegetation type, which are known to influence SAR backscatter signals. As a result, raw SAR images are of limited use in classifying surface vegetation type or quantifying the spatial distribution of soil moisture in regions of terrain relief, The authors present a technique for removing radiometric terrain effects from SAR images. Image correction was carried out in two steps. First, an existing modeling package was used in combination with digital elevation data in order to map the raw image pixels onto a geodetic coordinate system, thereby removing the geometric portion of the image distortion. Radiometric effects were then removed with the aid of a backscatter model which treats the reflected radiation as a combination of diffuse-Lambertian and specular components. Parameters in the backscatter model were determined by comparing two C-band SAR images of a test area in a region of Arctic tundra which were taken from ascending and descending orbit tracks of the ERS-1 satellite. The ascending and descending images displayed reductions in pixel value variance of 30% and 13%, respectively, after processing. Direct comparison of the two test area images reveals a dramatic improvement in image similarity after processing     

A framework for analyzing and designing scale invariant remotesensing algorithms

The land surface exhibits heterogeneity across a range of spatial scales. Remote sensors provide integrated information at the pixel scale, however, there is important spatial variability at scales smaller than the scale of the sensor. On the other hand, large scale models that use remotely sensed data do not require them at the same spatial resolution at which remote sensors are required to operate. In this paper, a framework for testing aggregation-disaggregation properties of remote sensing algorithms is presented. The proposed framework provides a systematic approach for parameterizing the land surface heterogeneity effects. For the estimation of the pixel scale response, the lumped response should be modified by the variance and covariance terms. This representation of land surface heterogeneity could lead to substantial savings in remote sensing data storage and management. Using simulated land and vegetation scenarios, the authors have successfully parameterized subpixel scale heterogeneity effects for the estimation of vegetation index, by modeling the variances and covariance terms with the pixel scale values     

数字图像空间分辨率改善的插值--模拟采样迭代方法

在遥感图像和计算机视觉的一些应用中,需要从已有的一些低分辨率图像来获得更高分辨率的图像.已有一些方法都是针对大小完全相同和图像之间不存在局部的几何畸变(或假设如此)的图像,而对从大小不同或分辨率不同的图像和图像之间存在相对的几何畸变等更普遍存在的实际图像来重构更高分辨率图像的问题未加涉及.本文用从带限信号的非均匀采样进行信号重构的迭代方法和凸集投影方法出发,导出了一种应用范围更加广泛的从多幅空间分辨率低的图像重构更高空间分辨率图像的一般性空间域插值-模拟采样迭代方法,并提出了凸集投影的变权迭代解法.该迭代方法可以对付图像之间存在相对的几何畸变、辐射亮度差异、空间分辨率差异及图像存在噪声等情形.实验表明,该迭代解法具有很好的收敛性和很好的收敛效果.