FY3A/MERSI地表温度反演

MERSI是我国第二代极轨气象卫星上的重要传感器,可获取高空间分辨率和高时间分辨率的对地观测影像。为使Jimènez-Mu珘nozSobrino算法更适用于FY3A/MERSI传感器通道特性,更新了大气函数的估算系数,并引入观测角度因子,以获取更为精确像元间更为平滑的地表温度。用MODTRAN4模拟验证该算法精度,得引入角度因子后反演精度显著提升,所有角度下平均误差为-0.6±2.2K。用实测的敦煌戈壁地表温度和MODIS地表温度产品评价MERSI反演结果,显示MERSI地表温度的空间分布准确,结果精度也较高。与实测温度对比,平均误差为1.74K,均方根误差小于1.9K。研究区域与MODIS地表温度间差异平均为2.6307K。虽然会受云检测精度和观测亮温偏高的影响,由MERSI反演的高精度地表温度在相关科研和业务方面仍然具有极好的应用前景。     

农业旱灾遥感监测系统中的MODIS 1B影像几何校正方法及其比较研究

为了满足农业旱灾遥感监测对海量MODIS影像数据的自动化快速处理需要,本文针对现有的四种几何校正坐标变换方法(仿射变换法、多项式变换法、三角网算法和改进三角网算法),结合农业旱灾遥感监测系统,在IDL(Interactive Data Language)平台上开发了MODIS影像数据的自动快速几何校正运行程序,以便比较分析这些算法的几何校正精度、影像处理时间和计算机内存开销大小.结果表明,基于三角网改进算法的几何校正程序在各方面都比较优秀,不仅几何校正精度较高,而且图像处理较快,内存用量也较小,完全能够满足农业旱灾遥感监测的实时海量图像数据处理需要.因此,我们在农业旱灾遥感监测系统中采用了这一算法,作为实时自动快速处理海量MODIS影像数据的重要模块.     

基于ATCOR2模型的CBERS-02数据大气校正

根据CBERS-02与Landsat5传感器对应波段带宽设置的极度相似性和交叉定标原理,提出利用landsat5来辅助CBERS-02的大气校正。其方法为:通过逐像元回归,求解出CBERS\|02多光谱波段和TM5第1、2、3、4波段的回归系数,然后推导出CBERS\|02的辐射定标参数,最后在ERDAS中的ATCOR2模型中通过修改Landsat4_5的大气校正模块的有关参数,实现了在ATCOR2模块中对中巴资源二号卫星的大气校正。实验结果表明该方法具有现实可行性,校正后增强了影像对比度,提高了影像的清晰度,恢复了影像质量。     

MODIS数据几何校正算法设计及其IDL实现

MODIS数据具有数据量大,波段多等特点,用现有遥感软件进行几何校正,人机交互多且耗时较长,导致图像处理效率低下。本文采用基于三角网的几何校正算法,在几何校正的过程中把影像分块,各块的校正算法相互独立,计算完毕后再进行拼接。本文作者用IDL(Interactive Data Language)编写了相关程序,运行结果表明,这种方法占用内存小,计算速度快,可以提高MODIS数据处理效率。     

基于多源数据的阿勒泰地区雪深反演研究

利用阿勒泰地区 2010~2012年冬季(11月~次年2月)3类积雪数据:风云三号微波成像仪(FY\|3/MWRI)反演的雪深数据、美国人机交互式多仪器冰雪制图系统(IMS)积雪面积数据、阿勒泰及周边地区实测雪深数据,进行积雪深度的反演研究。通过结合3类积雪数据的各自优势,建立修正模型,最终得到较准确的研究区雪深数据。同时通过编程实现了相应模型的操作平台,为今后研究区积雪业务化监测做好准备。结果表明:模型提高了FY\|3/MWRI数据反演阿勒泰地区积雪深度的准确性,改善了FY\|3/MWRI数据在阿勒泰地区雪深反演偏低的缺点,使微波与实测平均雪深误差由修正前的21.7~12.1 cm缩小为修正后的3.7~1.5 cm。     

FY-3近红外与热红外资料大气柱水汽总量反演对比

大气水汽含量信息对卫星图像辐射校正、大气微物理过程理解、降水预报等具有重要意义。分别利用FY-3A中分辨率成像光谱仪(MERSI)近红外和扫描辐射计(VIRR)热红外通道反演大气柱水汽总量,并将反演结果与地面探空站观测值进行比对分析,结果表明:(1)MERSI反演值与观测值的相关系数为0.763,而VIRR反演值与观测值的相关性较差,相关系数为0.169;从水汽含量的反演精度看,MERSI(RMSE=1.109g/cm~2)高于VIRR(RMSE=1.894g/cm~2);(2)MERSI三通道水汽反演精度比17、18、19通道(RMSE分别为1.133、1.424和1.827g/cm~2)高,主要原因是3个水汽通道对水汽敏感性不同,综合利用3个通道反演大气柱水汽含量可达到取长补短的效果。     

基于三维重建的大区域无人机影像全自动拼接方法

低成本无人机由于不具有精密的惯性导航系统,其拍摄区域有可能是一些难以布设控制点的无人区,因此无法采用传统的航空摄影测量处理手段获得拍摄区域的拼接影像。为此,提出一种基于三维重建的无人机影像全自动拼接方法。利用从运动恢复结构和多视角立体算法重建拍摄区域的密集点云,根据密集点云数据采用一种基于邻点分布约束的点坐标插值算法内插待定点空间坐标,运用间接微分纠正方法对影像进行几何校正,从而获得几何一致的拼接影像。实验结果表明,该方法全程无需人工干预且拼接耗时短,相邻影像之间几何拼接精度约为2.5个像素。     

ETM+全色波段影像的几何精校正

为确保遥感影像为森林资源调查和监测提供更好的服务,必须对影像进行图像预处理,而图像的几何校正是图像预处理中关键一步.传统的基于TM影像的几何精校正只是采用其地面分辨率为30m的波段的影像,由于分辨率不高,导致校正精度不高.介绍了一种使用ETM 影像的地面分辨率为15m的Pan波段校正,在后续处理中,用其它波段与校正后的Pan波段几何配准,从而达到几何精校正的效果.仿真试验表明,这种先校正分辨率高的影像,再配准分辨率低的影像的方法,在一定程度上提高了校正精度,降低了控制点选取的难度.     

LANDSAT-8卫星影像长条带数据处理

目的 LANDSAT-8卫星发射以来,美国地质调查局(USGS)向全球发布WRS(world reference system)分幅体系下的标准景产品,该产品覆盖区域较小。针对面向区域遥感应用需要较大覆盖范围长条带卫星影像的问题,提出一种长条带数据处理方法。方法 长条带处理分为预处理、辐射校正和几何校正3个部分,包含了预处理、长条带数据辐射一致性纠正和姿轨数据精化等过程,解决了长条带影像处理的关键技术。结果 利用3组LANDSAT-8数据进行实验,本文方法处理得到的长条带影像,辐射均一性得到提高,整体精度同单幅标准景产品的精度相当,且效率较传统的分景处理再镶嵌的方式提高了45.9%。结论 本文LANDSAT-8长条带处理方法能够得到高质量的长条带影像,且处理效率较高,能够有效满足大区域遥感应用的数据需求。     

结合波段相关性的FY-3C MERSI异常条带检测方法

针对风云三号C星(FY-3C)搭载的中分辨率光谱成像仪(medium resolution spectral imager,MERSI)数据存在异常条带的问题,提出了一种结合波段相关性的异常条带检测方法。算法结合了FY-3C MERSI数据波段相关性和异常条带分布规律,通过构建波段差矩阵,快速准确地得到影像数据中存在的异常条带。定量实验分析结果表明,由于阈值选取和确定分割界线起止顺序等原因,基于数学形态法的检测结果会出现异常行条带定位不准确、存在大量误检和漏检的现象(行检测率64.5%,误检率45.2%,漏检率35.5%);而本文算法可以准确定位异常条带的行列号,能够有效地检测出FY-3C MERSI数据的异常行列条带(行检测率98.1%,误检率0.0%,漏检率1.9%),更适用于对大数据量的FY-3C MERSI影像数据异常行列条带进行批量检测处理。     

Validation of Narrow-band Surface Albedo Retrieved from FY-3C MERSI Satellite Data

Surface albedo is one of the driving factors in surface radiant energy balance and surface-atmosphere interaction.It is widely used in surface energy balance, medium and long-term weather forecasting and global change research.This study aims to validate the surface albedo retrieved from FY-3C MERSI. This paper selected four regions in Africa and North America as study areas to validate the retrieved albedo from the reflectance data and angle data of FY-3C MERSI at 250 m resolution in 2014. The semi-empirical kernel-driven BRDF(bidirectional reflectance distribution function) model RossThick-LiSparseR and least squares fitting method were used to calculate the parameter of BRDF. Then four narrow-band black-sky albedos and four narrow-band white-sky albedos can be obtained by angle integration. Finally, the cross-validation of FY-3C surface narrow-band albedo products with MODIS albedo products (MCD43A3) was carried out. The results show that theRoot Mean Square Error(RMSE) between the FY-3C narrow-band albedo and the corresponding MODIS narrow-band albedo is in the range of 0.01 ~ 0.04, and the Mean Bias (MBIAS) is 0.09. FY-3C narrow-band albedo has good consistency with the corresponding MODIS narrow-band albedo in the visible and near-infrared bands. So, the methodologyof using the BRDF model to invert the surface albedo of FY-3C medium resolution imaging spectrometer data is feasible and reliable. The further improvement of the inversion accuracy of FY3C-MERSI surface albedo also depends on the improvement of basic data processing quality, including image geometric correction, calibration, and strict data quality control.     

FY-3C中分辨率成像光谱仪数据的窄波段地表反照率验证研究

地表反照率数据对地表能量平衡和全球变化研究具有重要意义。基于2014年FY-3C卫星250 m分辨率的反射率数据和角度数据,选取非洲及北美洲的4个区域作为研究区,采用RossThick-LiSparseR模型作为BRDF(Bidirectional Reflectance Distribution Function)核模型反演了地表窄波段反照率,得到250 m分辨率的4个窄波段黑空、白空反照率。将反演得到的FY-3C地表窄波反照率产品与MODIS反照率产品（MCD43A3）数据进行了交叉验证,结果表明：FY-3C窄波段反照率与对应MODIS窄波段反照率对比的均方根误差在0.01~0.04,平均偏差(MBIAS)为0.09,FY-3C窄波段反照率与对应的MODIS窄波段反照率在可见光波段、近红外波段有较好的一致性。本研究提升了国产风云极轨卫星的应用范围,可为FY-3C地表反照率业务化产品提供算法支撑。     

基于FY-3C MERSI影像的洱海水体提取研究

遥感技术在水体监测方面已有成熟应用,风云三号是我国自主研发卫星,时间分辨率高、覆盖范围广,能短时间内完整监测大范围水体。针对国产FY-3系列中分辨率卫星在水体信息自动化提取中的应用问题,以FY-3C MERSI影像为数据源,采用归一化差异水体指数(NDWI)结合大津算法(Otsu)进行阈值分割,提取出洱海水体边界,通过与采用相同方法的邻近时期Landsat 8 OLI影像水体提取结果的对比分析,发现二者水体边界整体拟合较好,面积误差为1.53%,FY-3C MERSI影像较为快速、准确地提取出了洱海水体。表明MERSI数据在水体信息自动化提取方面具有较高的应用价值和潜力,可用于较大面积湖泊的水体提取。     

卷积神经网络提取风云影像土壤湿度

目的 时空分辨率较高的土壤湿度数据对于生产实践和科学研究具有重要意义。以国产的风云气象卫星为数据源,利用卷积神经网络自主学习输入变量间深层关联的优势,获取高质量土壤湿度数据,为科学研究和生产实践服务。方法 首先构建了一个土壤湿度提取卷积神经网络（soil moisture convolutional neural network,SMCNN）,SMCNN由温度子网络和土壤湿度子网络构成,每个子网络均包含特征提取器和编码器。特征提取器用于为每个像素生成一个特征向量,其中温度子网络的特征提取器由11个卷积层组成,湿度子网络的特征提取器由9个卷积层组成,卷积层均使用1×1的卷积核。编码器用于将提取到的特征拟合为目标变量。两个子网络均使用平均方差作为损失函数。使用随机梯度下降算法对模型进行训练,最后利用训练好的模型提取区域土壤湿度数据。结果 选择宁夏回族自治区为实验区,利用获取的2016-2019年风云3D影像和相应地面站点数据作为实验数据,选择线性回归模型、BP（back propagation）神经网络模型作为对比模型开展数据实验,选择均方根误差作为评价指标。实验结果表明,SMCNN的均方根误差为0.006 7,优于对比模型,SMCNN模型在从风云影像中提取土壤湿度方面具有优势。结论 本文利用卷积神经网络分别构建用于反演地表温度和土壤湿度的子网络,再组成一个完整的土壤湿度反演网络结构,从风云3D数据中获取数值精度、时空分辨率均较高的土壤湿度数据,满足了科学研究和生产实践对大范围高精度土壤湿度数据的需求。     

风云二号气象卫星图像自动几何精校正

介绍了一种风云二号（FY-2）卫星图像自动几何精校正系统和方法。首先获得标称图坐标系下的二值化地标模板,然后通过Bayes后验概率,获得二值化FY-2待匹配图像;通过最大相关系数方法将地标模板与FY-2标称图进行匹配,获得地标偏移量;再通过质量控制获得匹配成功的地标对,实现自动的地标匹配。最后,应用DLT变换对FY-2图像进行几何精校正。大量的测试数据表明,该方法能够有效改进FY-2可见光通道图像定位精度。几何精校正后,可见光通道图像在南北方向上的定位精度提高了31.06%,东西方向上的定位精度提高了45.21%。分析指出FY-2可见光通道图像几何精校正前后,定位精度在星下点地方时正午前后均达到最佳状态,且南北方向上的定位精度优于东西方向上的精度。同时,统计分析结果表明,提出的方法成功率达到95.29%。     

机载AISA Eagle Ⅱ高光谱数据处理——以额济纳旗试验区为例

机载AISA EagleⅡ传感器为"黑河综合遥感联合试验(HiWATER)"额济纳旗试验区提供航空高光谱影像。介绍了高光谱原始数据的辐射定标、几何校正、大气校正等预处理过程。根据研究区地形差异以及数据使用目的的多样性,几何校正中可选择是否加高精度DEM产品,大气校正的选择策略可分为平坦地形无DEM的大气校正和起伏地形添加DEM大气校正。本试验数据采用加载高精度DEM的几何校正和平坦地形大气校正方法,经过预处理后的高光谱数据产品,其地理坐标与高分辨率的CCD影像对比,地理位置信息较为准确;与实测地物光谱对比,影像光谱能较好地体现地物光谱的特性,数据可用作定量遥感进一步的研究。     

基于矩形角点几何变换的畸变图像校正

在以数码相机等数字设备拍摄图像时,所拍摄的图像经常会产生各种各样的变形,这种变形可能会导致识别软件中的后续处理失败,从而使图像无法被识别。为了使普通的识别软件能够对数码相机等拍摄的图像进行识别,有必要对其进行校正。针对大部分畸变图像是倾斜变形和透视变形,采用类似倾斜变形图像的几何校正算法,分两步实现图像的校正。实验表明,该方法对于倾斜变形和透视变形有良好的校正效果,以便于后续的图像处理。     

Derivation and Comparison of Water Vapor between Infrared Channels and Near Infrared Channels from FY\|3

Atmospheric water vapor content has important significance for radiometric correction of satellite image,understanding of atmospheric micro\|physical process,precipitation prediction and so on.We will retrievie atmospheric column water vapor based on Moderate Resolution Imaging Spectroradiometer (MERSI)near infrared channels and Visible and Infrared Radiometer (VIRR)thermal infrared channels datas of FY\|3A,respectively.Comparing the retrieval results of MERSI,VIRR and the observations of sounding ground stations respectively,we find :① the observed correlation between retrieval results of MERSI and observations is 0.763,while retrieval results of VIRR has poor correlations with observations,which is0.169.What’s more,The retrieval accuracy of MERSI (1.108 g/cm2)is higher than that of VIRR (1.894 g/cm2);②The average atmospheric column water vapor with three channels of MERSI has higher retrieval accuracy than channel 17th(1.133 g/cm2),18th(1.424 g/cm2),19th(1.827 g/cm2).The main reason is that three channels have different sensitivities of water vapor,and utilizing three channels to retrieve atmospheric column water vapor content can reach the effect of perfection.