PSO优选参数的SVR水质评价方法

为进一步提高多光谱图像水质反演的评价精度,提出了一种基于PSO优选参数的SVR水质评价方法。该模型利用高分辨率多光谱遥感SPOT-5 数据和水质实地监测数据,用粒子群优化算法对支持向量回归的参数进行了优化。首先,分析和筛选渭河陕西段水质实地监测数据,得到符合条件且具有代表性的四类水质变量。接着,使用五种大气校正方法对遥感影像进行大气辐射校正。然后,对各水质变量与遥感数据波段进行相关性分析和水质反演。最后,运用该模型以渭河水质监测数据为例进行了水质评价。实验结果表明,该方法可以较好地实现水质综合评价,能从整体上准确、客观地反映河流水质情况,为内陆河流环境评价提供了一种新方法。     

基于PSO优选参数的SVR水质参数遥感反演模型

为进一步提高多光谱图像水质反演的精度,提出了一种基于PSO优选参数的SVR水质参数遥感反演模型.该模型利用高分辨率多光谱遥感SPOT-5数据和水质实地监测数据,采用交叉验证CV(cross validation)估计模型推广误差并使用PSO优选SVR模型参数,实现了模型参数的自动全局优选,在训练好的SVR模型基础之上对水质进行反演.以渭河陕西段为例进行实证研究,实验结果表明,本文提出的水质反演模型较常规的线性回归模型有更高的反演精度,为内陆河流环境遥感监测提供了一种新方法.     

渭河水质遥感反演的人工神经网络模型研究

以渭河陕西段水域为研究对象,在获取了实地监测数据和SPOT5遥感影像的基础上,对遥感数据进行预处理,建立了BP神经网络水质反演模型和RBF神经网络水质反演模型。并对水质参数CODcr、NH3-N、DO、CODmn进行反演。研究结果表明,利用神经网络模型反演水质参数是可行的,由于是非线性模型,其反演结果明显好于线性回归模型的结果。     

渭河水质遥感反演的人工神经网络模型研究

以渭河陕西段水域为研究对象,在获取了实地监测数据和SPOT5遥感影像的基础上,对遥感数据进行预处理,建立了BP神经网络水质反演模型和RBF神经网络水质反演模型.并对水质参数CODcr、NH3-N、DO、CODmn进行反演.研究结果表明,利用神经网络模型反演水质参数是可行的,由于是非线性模型,其反演结果明显好于线性回归模型的结果.     

结合灰色扩充的GA-BP神经网络模型在渭河水质遥感反演中的应用

以渭河陕西段水域为研究对象,用遗传算法改进的BP神经网络,结合灰色理论,建立了一种结合灰色扩充的GA-BP神经网络模型,对渭河水质中的主要污染指标CODmn(高锰酸盐指数)、COD(化学需氧量)、NH₃-N(氨氮)、DO(溶解氧)进行了遥感反演建模。实验证明：改进后的人工神经网络模型在预测精度上高于普通的BP神经网络模型和传统的多元线性回归模型,可用于渭河水质遥感反演建模。
     

基于Landsat 8与实测数据的水质参数反演研究

目前遥感技术已成为监测水质参数的重要手段,精度更高的水质参数反演模型是当前水质监测的重点。但由于水环境的复杂性、遥感数据的局限性等多重原因,水质参数遥感反演精度有限,且多集中于水色水质参数反演。为了得到精度更高的水质参数反演模型,以天津市海河下游段为研究区,对Landsat 8 OLI遥感影像进行大气校正、辐射定标等预处理,通过实验室理化分析测定水体的总磷、氮氨、总氮浓度及电导率,建立实测水质参数与Landsat 8 OLI遥感影像数据的统计回归模型及神经网络模型,采用决定系数(R~2)、平均绝对误差(MAE)、均方根误差(RMSE)进行精度检验,神经网络模型反演结果 R~2均大于0.85,MAE分别为0.019、0.09、0.242、0.411,RMSE分别为0.024、0.118、0.286、0.562,反演精度较好。结果表明:基于神经网络建立的水质参数反演模型精度较高。     

基于IDL的遥感影像大气与地形校正方法实现

介绍了利用交互式数据语言（Interactive Data Language,IDL）开发TM/ETM遥感影像大气与地形校正模型的详细过程,以2000年4月30日密云ETM影像为例,对大气与地形校正方法的有效性和实用性进行了验证。结果表明,该方法有效地消除了大气与地形影响,提高了地表反射率等地表参数的反演精度和数据质量,为进一步开展定量遥感研究提供了数据质量保障。     

山地TM遥感影像大气辐射校正模型改进及地表反射率反演

基于光学遥感辐射传输理论,着重阐述了地形对天空散射光相互作用及邻近像元的影响,提出了一种改进的山地大气辐射校正模型及地表反射率反演方法;基于IDL编程实现模型算法,选择贵州黎平县丘陵森林覆盖典型研究区,结合Landsat-5TM和1∶50000DEM数据进行了实例验证、评价与分析。研究结果表明,本研究方法能够同时有效消除TM数据的大气与地形影响,提高地表反射率反演精度与数据质量,将进一步推动山地光学遥感数据的定量分析与应用。     

不同辐射校正水平下水稻植被指数监测对比分析

归一化植被指数(NDVI)是反映植被长势特征的重要参数之一。获取准确的植被指数对揭示植被长势变化等定量遥感分析至关重要。基于不同辐射校正水平(辐射定标与大气校正),分别利用Landsat ETM+影像的灰度值(DN)、表观(TOA)反射率与地表(Surface)反射率计算相应NDVI,并根据鄱阳湖区野外定点观测数据,从农田、景观尺度揭示不同辐射校正水平下水稻生育期内NDVI动态变化特征。结果表明,根据DN、TOA反射率与Surface反射率提取的NDVI基本上可以反映出年内水稻不同熟制种植信息变化特征,即移栽期NDVI处于谷值,孕穗抽穗期NDVI达到峰值。但相应NDVI逐渐增加,且波动范围逐渐增大。就不同熟制水稻生育期而言,根据DN值计算并构建的NDVI曲线差异较小,而根据TOA反射率与Surface反射率反演的NDVI曲线差异明显。在植被定量遥感研究中,通过大气校正反演地表反射率计算植被指数相对客观准确。     

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。     

Applying support vector regression to water quality modelling by remote sensing data

This article applies a nonlinear machine learning method, support vector regression (SVR), to construct empirical models retrieving water quality variables using remote sensing images. Based on in situ measurements and high-resolution multispectral SPOT-5 (Satellite Pour l'Observation de la Terre) data, a fittest nonlinear function between input and output was obtained from this method, and SVR model parameters were selected automatically using a genetic algorithm (GA). The relationship between water quality variables – permanganate index (COD_Mn), ammonia-nitrogen (NH₃–N) and chemical oxygen demand (COD) – and spectral components of SPOT-5 data for the Weihe River in China was constructed by the proposed method. Spatial distribution maps for the three water quality variables were also developed. The results show that SVR can implement any nonlinear mapping, and produce better predictions than the traditional statistical multiple regression method, especially when samples are limited. With further testing, SVR can also be extended to hyperspectral remote sensing applications in the management of land and water resources.     

基于HJ-CCD的漫湾坝区河流悬浮物浓度遥感反演

坝区河流悬浮物浓度监测对于评估水利水电工程对河流水质影响具有较大的意义。HJ\|CCD重返周期短、空间分率高等优点,应用于漫湾这种中小尺度坝区水体悬浮物浓度监测有着重要的现实意义。大气校正采用暗像元、FLAASH以及QUick Atmospheric Correction(QUAC)几种常见的基于图像的大气校正方法。大气校正结果表明:暗像元法效果较好,其第2波段和第3波段的平均相对误差分别为16.1%和17.9%。然后,应用其大气校正较好的波段构建适用于研究区的悬浮物浓度反演模型。结果表明,该模型的决定系数为0.92,均方根误差(RMSE)为4.83 mg/L,平均相对误差为33.1%。最后,将此反演模型应用于2014年影像质量较好的HJ\|CCD数据上,得到了其悬浮物浓度空间分布图,反映了漫湾坝区附近的悬浮物浓度的变化规律。     

基于GA-LSSVR的渭河水质参数遥感反演研究

针对渭河水质参数遥感反演这一典型的非线性、小样本回归估计问题,引入最小二乘支持向量回归（LSSVR）方法来解决,它将SVR中的二次规划问题转化为线性方程组求解,在保证精度的同时极大地降低了计算复杂性,加快了求解速度;针对其参数难以选择的问题,利用遗传算法(GA)来优选模型参数。采用提出的方法对标准数据集进行了实验,并建模对渭河的4种水质参数CODmn(高锰酸盐指数)、NH₃-N(氨氮)、 DO(溶解氧)、COD(化学需氧量)进行了遥感反演,结果表明GA-LSSVR模型可用于解决复杂的回归问题并具有较好的预测性能。     

遥感图像大气校正方法综述

对目前常用的大气校正方法作了较详细的介绍，包括辐射传输模型法、黑暗像元法、不变目标法、直方图匹配法等8种方法。分析了各种方法的优缺点，以及它们各自的适用范围，并对各种方法在国内外应用的情况作了概括。     

基于地表参数真实性的GF-1和SPOT-7多光谱影像质量评价

目的 遥感影像中地表信息表达真实程度决定了影像信息提取和定量化应用水平,传统的从像素灰度和视觉特性角度的影像质量评价方法难以评价影像对地表信息表达能力,本文从地表反射率和NDVI（normalized difference vegetation index）两种地表参数真实性角度评价GF-1和SPOT-7多光谱影像质量。方法 提出了一种基于地表参数真实性的多光谱影像质量评价方法,完成GF-1和SPOT-7卫星对实验区同步成像,地面同步测量大气光学特性和典型地物样区光谱,获取同步观测数据并对多光谱影像进行辐射误差处理,计算地物样区在影像上的反射率和NDVI,通过与地面实测光谱数据比较分析了地表参数真实性,评价GF-1和SPOT-7多光谱影像质量。结果 人工靶标中GF-1影像在4个波段反射率误差均在5%内,精度优于SPOT-7;植被地物中SPOT-7影像在蓝绿红波段反射率误差在4%内,近红外波段误差在15%内,NDVI误差在16%内,反射率和NDVI精度均优于GF-1;硬地地物中GF-1影像在4个波段反射率误差在6%内,精度优于SPOT-7;评价结果表明SPOT-7多光谱影像对植被类地物光谱表达真实度更高,GF-1对硬地类地物光谱表达真实度更高。结论 提出的基于地表参数真实性的遥感影像质量评价方法,能够有效地从地物光谱信息表达精度的角度评价影像质量。     

基于CBERS-02B和SPOT-5全色波段的图像融合纹理信息评价研究

CBERS-02B是我国第一代传输型陆地资源遥感卫星,搭载的传感器可以获得2.36 m分辨率的全色波段数据。通过遥感影像融合技术,将CBERS-02B全色数据和SPOT-5全色数据与SPOT-5多光谱数据10 m分辨率的图像进行了多方法的融合处理,通过对融合后图像的空间纹理信息进行比较和评价,获得了纹理信息的特征参数值。通过目视评价和定量分析,认为用CBERS-02B全色数据融合的影像在空间纹理上比SOPT-5融合的影像有优势。因此,CBERS-02B的全色波段是一种较高质量的高分辨率数据,应用前景广阔。     

遥感影像地形与大气校正系统设计与实现

遥感影像地形和大气校正是提高定量化遥感数据处理精度的重要因素。目前的数据处理软件系统集成了一些地形和大气校正算法,但在应用中还存在不能获取重要的地形参数(如阴影因子、天空可视因子等),需提供精准DEM和校正方法基于朗伯体地表假设等问题。为应对遥感专业用户需求,设计并实现了遥感影像地形与大气校正软件系统,用以对影像进行地形辐射校正、获取DEM数据和相关地形参数、地形与大气校正等。介绍了系统的功能模块设计并展示了系统的原型版本,并应用系统中的地形和大气校正方法获取了HJ/CCD影像和Landsat/TM影像的反射率。校正结果表明:该系统中的BRDF模型能够有效消除地形影响。系统的实现可以为遥感科学研究和应用提供支撑。