基于CA模型的香格里拉县土地利用变化模拟

以滇西北香格里拉县为例,利用1989、2000年TM(ETM)数据得出土地利用变化信息,利用元胞自动机理论对土地利用变化进行模拟和预测.预测结果经与2003年的调查结果对比,Kappa系数达0.79.与2000年相比,2015年土地利用模拟结果中自然/半自然植被面积减少幅度呈现增大趋势,减少面积占2000年自然/半自然植被总面积的9.32%;人工用地2000～2015年间282.45 hm2/年的速度增长,高于1989～2000年间208.3 hm2/年速度,主要来源是未利用土地、农业用地和自然/半自然植被的减少.农业用地2000～2015年间以1 563.613 hm2/年的速度增加,高于1989～2000年农业用地的1431.614 hm2/年速度,其增加面积主要来源于自然/半自然植被和未利用土地,主要集中在人工用地周围.     

嫦娥一号卫星2C级数据条带噪声去除

干涉成像光谱仪（Imaging Interferometer,IIM）是嫦娥卫星的有效载荷之一,IIM数据对于月表成分的反演有重要的意义通过主观目视我们可以发现IIM获取的影像数据存在少量的奈带噪声,文章利用改进的插值法和sigma滤波对影像数据的第1、13、32波段进行处理,结果表明,改进的插值法较好的保留了图像的细节部分,同时去噪效果比较好,但是在第13波段还残存一些条带噪声sigma滤波在去噪的效果上不好,第1和第32波段噪声没有去除,但是它对于13波段的去噪效果与改进的插值法比较而言,结果较好。     

基于Sentinel数据的滇池湖滨湿地地上生物量反演

为了评估基于Sentine 1/2影像数据反演滇池湖滨带湿地森林地上生物量(AGB)的效果和能力,以Sentinel-1 A/B(SAR)和Sentinel-2 A/B(多光谱)卫星图像为数据源,获取SAR双极化后向散射系数、多光谱波段、植被指数和林冠生物物理变量等因子,利用线性回归和机器学习算法,建立了多个滇池湖滨湿地生物量反演模型。所有模型与滇池湖滨湿地样地地上生物量的相关性为0.619~0.84,均方根误差(RMSE)范围为40.14~59.7 t/ha,其中基于SAR的模型反演精确度最低;在多光谱波段中,红色和红边(波段4,5和7)与生物量有很好的相关性;叶面积指数(LAI)模型是生物量反演的最佳变量组合(r=0.84,RMSE=40.14);基于Sentine 1/2影像数据反演滇池湖滨带湿地地上生物量具有可行性。     

基于多源点云数据融合的单木树形重建

基于Smart3D 软件、Maptek 软件分别对无人机倾斜影像和地面三维激光点云数据进行融合处理及树木三维建模。通过点云配准、点云降噪以及坐标纠正等一系列处理, 实现了空-地多源点云数据融合技术的树木三维模型重建。基于树木三维重建模型量算的树高、胸径、胸高断面积等几何参数与地面实测的树木参数精度高达99. 7%、97. 8%和94. 1%, 说明基于不同来源的点云数据的树木三维树型重建可以为森林或城市绿地调查提供准确高效的技术途径, 具有广阔的应用前景。     

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。     

基于机载LiDAR点云数据森林郁闭度估测

郁闭度是反映森林数量和质量的重要参数,是森林调查的重要因子之一。以广西壮族自治区高峰林场试验区获取的机载LiDAR点云数据为基础,基于二维冠层高度模型（Canopy Height Model,CHM）和三维点云开展了森林郁闭度估测研究。使用实地调查的105块样地作为验证参考数据对郁闭度估测结果进行了精度评价,结果表明：基于二维CHM估测郁闭度与实测值之间的R²=0.388,RMSE=0.17;而基于三维点云估测郁闭度采用了2种方法：第一种方法采用归一化后2 m以上高度植被点云密度与归一化后所有点云密度比值估测郁闭度,估测结果与实测值之间的R²=0.467,RMSE=0.13。第二种方法采用归一化后2 m以上高度第一次回波植被点云密度与归一化后第一次回波所有点云密度比值估测郁闭度,估测结果与实测值之间的R²=0.478,RMSE=0.12;基于三维点云的2种方法估测林分郁闭度的精度皆优于基于二维CHM的方法,基于三维点云估测林分郁闭度方法中,第二种方法的精度优于第一种方法。