地物波谱

在遥感技术系统中,地物波谱的研究是基础理论研究。我们必须根据地物波谱特征来选择传感器的波段;根据地物波谱的特征来校正大气传输过程中遥感信息的失真;根据地物波谱的特征来进行目视解译;根据地物波谱的特征来引导数字图像识别。因此,美国一些大学的研究生,入学后首先要用三个月进行野外地物波谱测试,以加深对遥感信息的理解。测定的地物波谱被分门别类归档存入数据库,这对上述四方面的研究能提供许多便利。地物波谱特性,主要分为4个波段:即反射光谱段(0.3～2.5微米),反射-发射波谱段(3～5微米),发射波谱段(8～14微米)和微     

地物波谱数据仓库系统设计研究

典型地物波谱特征是遥感仪器波段选择的依据,是遥感解译的基础。我国已经积累了大量的地物波谱数据,而且即将获得更多的地物波谱数据。如何有效地管理数据?从观测波谱数据中挖掘出观测间隙的波谱数据?该文按照参数配套原则,提出用树状结构的事实表和分维表实现数据管理。基于相关作物模型和数据挖掘方法采掘观测间隙的光谱数据,并用北京顺义野外实验SE590波谱数据为实例介绍一种地物波谱数据仓库系统的设计。     

基于Bhattacharyya距离的典型地物波谱特征差异性分析

地物波谱数据主要应用于定量遥感与影像分类等相关基础研究,对各条光谱曲线之间进行定量化的光谱差异性分析具有重要意义。从USGS及JHU地物波谱库中挑选了在土地覆盖分类层次具有意义的植被(73条)、人工材料(100条)与土壤(30条)3种类型共203条地物波谱数据,以分层分类体系在4.2~2.5 μm的波长范围内分析比较各类典型地物材料的光谱特征,以B距离(Bhattacharyya Distance)作为指标定量计算不同类别地物波谱间的光谱差异性。结果表明:波谱库中金属、砖石和混凝土3类人工材料光谱对于植被、土壤等自然材料光谱具有较大的光谱差异性,而塑料与自然地物间的光谱差异度最小,在此基础上统计了最能反映这些地物光谱特征差异的最优波段。该方法能够量化多种光谱曲线间的差异性并得到最佳的区分波段,从而为地物材料光谱及高光谱数据分类提供参考。     

微波遥感中的地物光谱特性研究

地物光谱特性研究是遥感中的一项重要的应用基础研究,对传感器波段的选择,遥感图象的解译和处理,数字图象的识别,大气传输过程中遥感信息的校正及新的遥感领域的开拓等均具有重要意义.它可分为四个波段,即反射光谱波段(0.3～2.5微米)、反射一发射光谱波段(3—5微米)、发射光谱波段(8～14微米)和微波波段(1mm—30cm).目前,可见光和红外波段的地物光谱特性研究比较充分,积累资料比较多,微波波段则比较薄弱,起步也较晚,正在大力研究发展之中.     

机载中波红外影像分类性能分析

由于中波红外谱段复杂的辐射特性以及红外探测技术的限制,目前学界对中波红外的遥感分类应用探索较少。该文是在国内首幅可见光-中波红外高分辨率(中波红外0.6m分辨率)多光谱影像的基础上,探索地物的中波红外辐射特性,挖掘中波红外谱段的潜在价值,进而融合地物的中波红外与可见光的特征,分析中波红外影像的地物分类性能,提高遥感地物分类的精度。中波红外谱段的光谱辐射特性不同于可见光与热红外谱段,既包含地面反射辐射,也包含地面物体的发射辐射能量。研究中基于多尺度分割算法与随机森林分类器分别对可见光影像和中红外+可见光四波段融合影像进行面向对象分类。该方法融合了地物的可见光与中波红外特征,并且评估了光谱、形状、纹理等特征在分类中的重要程度,定量分析了融合中波红外波段后的特征空间。研究结果表明:针对中红外特征,最有效特征为中红外与可见光其中两波段组合HIS空间各分量特征,其次为灰度共生矩阵纹理信息;中波红外波段的引入可以稳定地提高地物分类的总精度;中波红外波段对于人工地物的分类效果优于非人工地物类型,其中建筑物的分类精度提升最为显著。     

矿区典型地物波谱数据建设和管理研究

本文依据现有地物波谱数据采集标准和自定义标准,对矿区各类地物的波谱数据库结构进行了设计,采用基GDI＋技术的波谱曲线可视化技术、基于关系数据库的波谱分类管理技术以及渡谱数据质量控制技术等,已经实现了针对于矿区植被大类的农作物属性信息和光谱数据的批量入库、查询、显示等,并通过自主开发的图形控件实现了光谱曲线的批量绘制和比较,为进一步的地物波谱数据应用提供了联动的、丰富的原始观测信息。     

典型地物的光谱空间结构特征研究

地物光谱是遥感技术应用与研究的物理基础。本文提出将地物在光谱特征空间的几何点阵结构特征作为研究重点,着重分析植被、土壤、岩石的野外实测光谱数据的光谱空间结构特征,并对所测得地物的光谱数据进行光谱线性混合模拟,进而分析线性混合地物的光谱空间结构特征。对实测地物光谱数据空间结构特征的分析不仅可以指导遥感影像数据的分析与应用,而且也为遥感影像地物目标识别和矿化蚀变信息提取技术的研究提供更多的科学理论依据和新的研究思路。     

基于最佳波段指数和J-M距离可分性的高光谱数据最佳波段组合选取研究——以环境小卫星高光谱数据在东莞市的应用为例

高光谱数据普遍存在波段相关性强、数据冗余严重的特点,因此选择合适的波段组合,是高效开展后续应用研究的基础。以东莞市为研究区,应用环境与灾害监测预报小卫星（HJ-1A）高光谱数据,在分析各波段信息含量和波段间相关性的基础上,使用了3种经典的波段指数选择最佳波段组合;针对经典模型应用中存在的问题,对最佳指数模型进行了改进,通过对波段均方差和相关性设置一定阈值,筛选得到一个较为合理的波段组合;最后,针对草地、林地和耕地3种地物,应用J\|M距离模型对3种地物的可分性进行判别,并指出：50-80-108波段组合,50-79-108波段组合以及50-80-111波段组合是分别用于草地-林地、草地-耕地、耕地-林地分类的最佳波段组合。     

顾及任务适宜度的时空谱多星协同观测方法研究

基于多源遥感卫星的时间、空间、光谱协同优化观测是国土资源与生态环境安全监测技术研究的重要内容。针对已有多星协同观测任务规划方法在地物光谱特性方面考虑不足的问题,分析了典型观测目标分类、地物波谱特性、传感器波段、卫星载荷之间的逻辑递推关系,提出了面向优化目标函数的适宜度指标,构建了时空谱一体化的多星对点目标协同观测的约束优化模型;进而,采用基于启发式规则的贪婪算法对模型进行求解,实现任务优先级和任务适宜度的同步优化。最后,以新疆尾矿库污染、耕地荒漠化、水资源污染和城镇发展应用问题为例对本文提出的方法进行实际仿真实验,验证了研究内容的先进性和实际应用价值。     

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。     

Spot5影像统计分析及最佳组合波段选择

遥感影像特征分析是影像融合和解译的基础,而对遥感数据源各个波段进行定量分析是图像融合的前提。本文以SPOT5为遥感数据信息源,在湖南省资兴市天鹅山林场进行了图像特性和波段组合的实验研究。研究主要采用了典型地物的光谱数据采集分析和遥感数据定量分析相结合的方法,计算出各波段之间的熵、相关系数和协方差。研究结果表明:SPOT5各波段的标准差大小顺序为:波段3>波段4>波段2>波段1,熵值的大小顺序则为:波段4>波段1>波段2>波段3;波段3与波段4的协方差最大,而且两波段又处在红外区域,说明红外波段之间独立性较强;从光谱辐射仪采集的数据来看,水体、草地、裸土地的光谱反射率就有很大的差异性。乔木树种的光谱反射率在可见光区域内非常接近,在红外———近红外区域内具有一定的差异,红外———近红外区域波谱对林业遥感研究具有极其重要的意义;利用联合熵和最佳指数方法确定了最佳波段组合为1(R)4(G)3(B)波段。     

基于子空间-粗集法的高光谱数据光谱与纹理特征优选

为提高光谱数据光谱信息和纹理信息利用率,提出基于自动子空间划分和粗集理论的光谱与纹理特征优选方法。该方法在传统子空间划分法的基础上,利用粗集约简思想对不同类别地物光谱特征进行约简,得到基于光谱的初选波段,再利用灰度共生矩阵法计算出初选光谱波段的纹理信息,并约简优选,得到基于光谱和纹理信息的终选波段。利用黑河生态水文遥感试验中所获取的机载高光谱数据CASI,开展该方法的实证研究。对原始光谱波段、初选光谱波段和终选波段进行SVM(Support Vector Machine)分类,结果表明:与原始光谱数据相比,经过光谱初选得到的初选波段和增加纹理优选的终选波段,总体分类精度分别提高了0.84%和2.78%,Kappa系数分别提高了0.01和0.035;对地物纹理信息进行深度挖掘可以进一步提高遥感影像分类精度。     

基于多时相NDVI及特征波段的作物分类研究

时相和光谱特征信息在农作物种植分类提取方面具有十分重要的应用价值。以黑龙江大型农场--友谊农场为研究区域,利用4景不同时相的TM和SPOT卫星遥感影像,提取相应时相的NDVI时间谱图像数据作为新波段信息,在分析地物目标在相应影像各波段上光谱和时间特征的基础上,设计了决策树分类算法,通过对待分类影像进行系列阈值分割和掩膜处理,成功提取黑龙江友谊农场的大豆、玉米和水稻的种植信息,分类总体精度达到98.67%。     

基于分类KLT的高光谱图像压缩

高光谱图像的有效压缩已经成为高光谱遥感领域研究的热点。提出了一种基于分类KLT（ Karhunen-Loeve Transform）的高光谱图像压缩算法。该算法利用光谱信息对高光谱图像进行地物分类,根据相邻波段的相关性对高光谱图像进行波段分组。在地物分类与波段分组的基础上,对每组的每一类地物数据分别进行KL变换,利用EBCOT（Embedded Block Coding with Optimal Trtmcation）算法对所有主成分进行联合编码。实验结果表明,该算法能够取得优于JPEG2000以及DWT-JPEG2000的压缩性能,适合实现高光谱图像的有效压缩。     

基于分类KLT的高光谱图像压缩

高光谱图像的有效压缩已经成为高光谱遥感领域研究的热点。提出了一种基于分类KLT（Karhunen-Loève Transform）的高光谱图像压缩算法。该算法利用光谱信息对高光谱图像进行地物分类,根据相邻波段的相关性对高光谱图像进行波段分组。在地物分类与波段分组的基础上,对每组的每一类地物数据分别进行KL变换,利用EBCOT（Embedded Block Coding with Optimal Truncation）算法对所有主成分进行联合编码。实验结果表明,该算法能够取得优于JPEG2000以及DWT-JPEG2000的压缩性能,适合实现高光谱图像的有效压缩。     

植被指数在长江口潮滩湿地植被信息提取中的应用研究

以长江口崇明东滩湿地为研究区,分析了崇明东滩湿地实测反射光谱数据和Landsat TM地物反射波谱曲线,发现在近红外波段,植被的反射率差异最突出;在绿光波段,受水分影响较大的植被特征信息比较突出。在上述分析的基础上,选取9种典型的植被指数进行计算,提出了适合研究区植被信息提取的三波段比值植被指数TRVI。并且利用该指数,使用人工决策树分类方法,进行典型地物信息的提取,取得了满意的效果。     

基于HJ-1A高光谱遥感数据的湟水流域典型农作物分类研究

利用高光谱遥感技术识别农作物类型已经成为高光谱遥感研究的热点领域。以青海省湟水流域内油菜、小麦和青稞等典型农作物为分类对象,以HJ-1A HSI高光谱数据和GF-1 WFV高分辨率数据为数据源,探讨利用高光谱遥感影像进行农作物类型信息提取的方法。数据经预处理后,首先,利用WFV数据采用面向对象方法提取研究区农作物种植边界,并利用其对HSI高光谱影像进行种植区域提取;其次,将提取后的高光谱影像经数据形式变换获得包括:R、1/R、Log(R)、d(R)、d(Log(R))和CR共6种数据形式;最后,利用上述6种数据形式的全波段数据和经遗传算法GA-SVM进行光谱波段选取后的6种特征数据,采用支持向量机SVM方法进行农作物分类。结果表明:采用基于样本的面向对象分类方法提取耕地信息精度高且实现周期短;利用GA-SVM波段选取后的6种特征数据集进行农作物分类,其精度显著高于全波段数据集分类精度;6种数据变换形式中,d(Log(R))和CR是两种最优的高光谱分类数据形式,其全波段和特征波段数据进行农作物分类均能获得较好的分类精度,总体精度最高分别达88%和86%,而采用1/R、Log(R)和R数据形式需经GA-SVM光谱波段选取后才能获得较优分类精度。     

WorldView卫星16波段影像光谱特征分类

传统的高分辨率遥感卫星光谱分辨率较低,WorldView卫星在8个可见光G近红外多光谱波段的基础上,新增加的８个短波红外(short wave infrared,SWIR)影像,有助于提高影像提取地物信息能力。分析了WorldView卫星的16波段影像上各种地物的光谱特征和分类性能,提出了新的植被指数、水体指数和建成区指数。实验表明,相比于8波段影像,使用16波段影像分类能够显著提高各类地物特别是裸地、建筑物和道路的分类精度,总体精度提高约5.5％。基于16波段设计的新地物特征指数能更好地避免干扰地物,通过简单阈值提取地物,取得较高的提取精度。     

WorldView卫星16波段影像光谱特征分类

传统的高分辨率遥感卫星光谱分辨率较低,WorldView卫星在8个可见光-近红外多光谱波段的基础上,新增加的8个短波红外(short wave infrared,SWIR)影像,有助于提高影像提取地物信息能力。分析了WorldView卫星的16波段影像上各种地物的光谱特征和分类性能,提出了新的植被指数、水体指数和建成区指数。实验表明,相比于8波段影像,使用16波段影像分类能够显著提高各类地物特别是裸地、建筑物和道路的分类精度,总体精度提高约5.5%。基于16波段设计的新地物特征指数能更好地避免干扰地物,通过简单阈值提取地物,取得较高的提取精度。     

GF-5卫星高光谱数据大气校正反射率精度评价

反射率是高光谱遥感数据应用的基础,直接关系到高光谱应用效能和质量。目前,对国产GF-5卫星高光谱数据的精确大气校正反射率精度评价方法尚未有全面深入的研究,这严重制约了国产高光谱遥感数据的高质量应用。针对此问题,综合采用6S模型和FLAASH模块,选取了三个实验区的三种典型地物及外业光谱数据,采用三种定量化指标进行大气校正,得出了以下结论:三种地物大气校正反射率与实测反射率曲线特征基本一致,黑土地的大气校正反射率光谱最优,水体由于反射率数值较低,大气校正反射率光谱稍差;可见光近红外波段大气校正效果优于短波红外波段;6S模型大气校正结果略优于FLAASH模块,更适用于GF-5卫星高光谱影像。