太阳耀斑发现反物质

太阳耀斑是一种最剧烈的太阳活动。美国航空航天局研究人员利用高能太阳分光镜成像卫星,于2002年7月23日拍摄到了太阳耀斑的图像。研究人员发现,这次太阳耀斑产生了大约半公斤反物质。     

基于多时相高分四号影像的雪盖范围提取

积雪覆盖监测是地球科学研究的基础,对于研究全球气候变化,开展防灾减灾救灾等工作都有重要的意义.高分四号卫星是我国高分辨率对地观测系统重大专项中唯一一颗民用高轨卫星,也是世界上首颗静止轨道高分辨率光学成像卫星,其机动灵活、高频次观测能力在积雪遥感业务化监测中具有广阔的应用前景.该文利用高分四号卫星多谱段、高时效、大幅宽和中分辨率等成像优势,紧密结合积雪和移动云层在多时相图像上的反射特点,提出了基于多时相高分四号卫星数据的积雪覆盖范围提取方法.首先对高分四号卫星全色图像进行二值化分割以消除低反射目标的影响;然后对多时相云雪覆盖区域进行合成来剔除移动云层的干扰;在此基础上,利用云、雪在多时相近红外图像上反射值变化的差异性,通过对多时相高分四号卫星近红外图像的最小值合成和阈值分割精细化地提取积雪覆盖范围,进一步去除变化云层的影响.以新疆中西部为试验区,通过与基于HJ-1B卫星的积雪覆盖结果比较,实验表明：两类数据提取的积雪空间分布具有较好的趋势一致性,高分四号卫星影像监测积雪范围更广,总体精度达92.19%,高于HJ-1B卫星图像的89.84%;但受空间分辨率和“不变云层”的影响,基于高分四号卫星影像的积雪识别精度为85.16%,低于基于HJ-1B卫星图像的识别精度94.53%.     

跃动的土星

NASA（美国宇航局）的土星探测器“卡西尼”号于1997年10月发射，2004年7月飞抵环绕土星的轨道，现在仍不断向地球发送着关于神秘的土星及其卫星的图像。下面，我们将从近年发表的图片中精心挑选一部分给大家介绍。     

使用Hough变换配准陆地卫星多光谱图象

本文提出了一种以河流为控制点集的陆地卫星多光谱图像的配准技术。它以推广的Hough变换为基础,匹配两个或多个图像中的相应物体(这里用河流),从而检测出图像之间的相对位移、旋转,甚至尺度变化。然后使用仿射交换纠正检测出的位移、旋转,达到这些图像的相互匹配。以福建南平地区的MSS图像为例,其实验结果表明了这种方法的配准精度。它可以用于卫星图像与地形图之间的配准,多时相卫星图像之间的配准以及其它各种图像之间的配准。     

基于遥感和GIS的都安瑶族自治县土地利用/覆被变化分析

该文以都安瑶族自治县为研究对象,利用 1988年和 1999年都安县卫星遥感数据( Landsat/TM)和有关资料,依托遥感和 GIS技术,确定地物类型、建立解译标志、分析遥感图像处理方法和遥感解译过程,进而对都安土地利用 /覆被变化进行分析.     

生态恢复的卫星遥感监测--江西省兴国县为例

利用遥感手段研究了江西省兴国县造林及生态保护所带来的植被变化。使用数据为1985和2000年Landsat TM的2个时期图像以及土地利用的GIS数据。利用图像差值法计算近红外光(波段4)的辉度变化，以此分析植被动态。结果显示，兴国县植被在面积上变化不大，略有增加，但是植被状况有所改善，和当地多年造林的成效是一致的。研究结果还表明，利用卫星图像定量评价植被变化是一个有效而简洁的方法，包括面积、生产力、分布状况等。     

基于HJ-1A、B卫星影像数据分析的地表环境变化研究——以河南省焦作市为例

综合利用HJ-1A、B环境监测数据,以焦作市地表环境变化为研究对象,利用环境HJ-1A、B卫星在2008年和2009年的成像为基础,参考焦作市地图、地形图、城市规划图等资料,借助ERDAS IMAGINE和ArcGIS等软件对图像进行处理和分析,进而分析焦作市的地表环境变化情况。另外,形成了一套可行的环境变化信息的提取和监测流程。     

基于遥感影像的苏州市绿地格局分析与评价

采用TM影像与中巴卫星遥感图像作为主要数据源,以野外实地调查、航空像片和地形图等资料为辅,基于ERDAS IMAGINE和ENVI等遥感软件作为处理平台,运用最佳波段组合、图像校正、图像增强、神经网络图像分类等先进的遥感数据处理手段,实现对苏州市城市绿地信息的充分提取,得到1986、1998、2004年苏州市绿化覆盖情况的动态调查结果.并从苏州市整体和局部等多角度讨论绿化分布和变化状况,最后分析和评价了苏州市绿地格局分布的特点.     

出售卫星图像公司谷歌谋求轻资产发展

2017年2月,谷歌亏本将旗下卫星图像公司Terra Bella出售给地图创业公司Planet Labs.这一业务剥离举动背后,是谷歌对于卫星图像市场的刻意淡化,还是谋求“轻资产”转型的战略布局?     

徐州市土地利用变化的遥感监测

以1987、1994、2003年的卫星遥感图像TM为主要数据源,利用神经网络分类法提取出土地利用类型信息,计算出徐州市各土地利用类型数量、比例以及土地利用类型变化的变化率指数,在此基础上构建起土地利用变化的空间分布图,据此分析了徐州市16年来土地利用时空变化特征.结果表明:建设用地和水体的面积急剧增长致使耕地的面积大幅度减少,煤炭资源的开采是引起耕地塌陷积水以及村庄搬迁的重要原因.