叶面积指数遥感反演算法研究

叶面积指数是确定陆表生态系统物质和能量交换大小的重要结构参数之一。本文基于NDVI、RVI的反演模型,结合GDAL影像库和C++语言设计实现相关算法,形成从影像数据到叶面积指数图的处理流程,提高了影像的利用率。经预处理的Hyperion数据测试,算法运行稳定且计算结果精确,为植物长势监测、粮食产量预测提供可靠数据源。     

HJ-1/CCD地表反照率估算及其与NDVI关系分析

参照TM地表反照率反演算法,建立了适用于HJ-1/CCD传感器估算地表反照率的算法。通过应用6S辐射传输模型建立查找表,对覆盖内蒙古自治区锡林浩特市的HJ-1/CCD数据进行大气校正,并根据反照率定义,回归分析得到可见光波段地表反照率;通过与地面实测数据进行对比分析,表明该算法估算得到的地表反照率精度较高,其最大相对误差为14.32%。同时,本文将估算结果与同时期NDVI进行拟合分析,得出地表反照率与NDVI存在较高的负相关关系。     

堆石颗粒强度的尺寸效应研究

堆石料作为主要筑坝材料,具有显著的尺寸效应且易发生颗粒破碎,颗粒破碎是引起土石坝变形的重要影响因素之一。因此,研究堆石颗粒单粒破碎强度的尺寸效应可为高土石坝变形控制研究提供试验参数,具有重大意义。通过对２０ｍｍ～２４０ｍｍ范围内的大连石灰石颗粒进行单颗粒强度室内试验,分析了不同粒径颗粒强度的分布规律,发现Ｌｏｇｉｓｔｉｃ函数能够较好地描述同一粒组堆石颗粒强度的分布。基于Ｌｏｇｉｓｔｉｃ函数建立了考虑尺寸效应的颗粒强度公式,同时根据单颗粒破碎试验现象提出了四种颗粒破碎模式。最后对单颗粒破碎后的碎片进行筛分,研究了其碎片的分布规律。     

基于宽波段和窄波段植被指数的草地LAI反演对比研究

叶面积指数是一个重要的植被生理生态参数,为探讨不同植被指数反演叶面积指数的可行性,基于同空间分辨率不同光谱分辨率的HJ\|1B CCD1和Hyperion遥感影像数据,以内蒙古自治区赤峰市克斯克腾旗贡格尔草原为研究对象,选取几种常见宽波段植被指数和高光谱窄波段植被指数并结合4种常用回归模型,比较分析了不同植被指数反演叶面积指数的精度。结果表明:对于全部植被指数而言,PVI、MSAVI等综合考虑了土壤、环境等因素的植被指数较传统植被指数NDVI、RVI反演草地LAI精度更高。通过对比发现,在反演草地LAI方面,窄波段植被指数比宽波段植被指数表现出明显的优势。其中,窄波段垂直植被指数PVI验证模型的确定性系数R²为0.65,均方根误差RMSE为0.15,说明实测LAI和模拟LAI值之间具有较好的变化一致性。最后基于Hyperion影像和窄波段垂直植被指数PVI的估算模型生成研究区叶面积指数空间分布图。     

HJ-1星北京地区植被净初级生产力估算研究

本文基于HJ-1/CCD遥感影像,以一级土地利用分类的六种地物类型为研究对象,采用面积加权平均的方法对六种分类中耕地、林地、草地的最大光能利用率进行修订,采用CASA模型对北京地区2009年NPP进行估算,结果表明北京地区NPP在7、8月份最高,且分布总趋势为北部高,南部低;西部高,东部低,估算结果与实测值比较接近,相关系数在0.8左。通过本文方法所得估算结果不但合理而且可靠。     

基于颗粒破碎特性的堆石材料级配演化模型

颗粒破碎会改变土体级配,进而影响其应力应变等力学行为。针对现有技术手段难以实时确定加载过程中颗粒破碎与级配变化的现状,依据天然岩石颗粒的破碎特性,建立了一个基于颗粒强度的级配演化模型。模型中应力参数采用增量加载法,可预测加载过程中的级配演化。由单粒强度试验确定颗粒破碎特性和模型参数,试验结果表明颗粒强度服从Weibull分布。筛分颗粒破碎后的碎片发现,粒径累计分布可用正态曲线拟合,且不同粒组的粒径累计分布相似。最后,模型计算结果与三轴试验数据的对比分析表明,模型可以较好地预测试样在加载过程中的级配变化。     

北京都市圈空间格局建成区遥感分析

文章以高分16米宽幅影像,提取北京市都市圈内建成区空间格局,以20km、50km为半径进行圈层划分,分析圈层的建成区面积比重,为政府的城市规划与都市圈、城市群发展研究提供技术分析。     

利用卷积神经网络对GF-3输电塔的检测与分类

高压输电塔廊道的快速、大范围监测能力对于国家能源安全战略至关重要。合成孔径雷达遥感技术以其全天时、全天候、穿透能力强等众多优势能够为区域电力基础设施监测提供稳定数据源。但由于复杂的成像机理和大量相干斑噪声的影响,SAR数据的快速智能解译存在一定的困难。为此,提出一个基于深度卷积神经网络的输电塔快速识别分类算法框架。利用我国首颗C频段多极化合成孔径雷达高分三号数据,结合目标检测网络自动标注构建RAD-GFEP输电塔数据集,然后采用基于卷积神经网络的分类算法对该样本集进行分类测试。结果表明,基于深度卷积神经网络的分类算法能够对复杂背景场下SAR微小目标精准识别。在输电塔数据集RAD-GFEP上分类的总体精度达到了98.21%,混淆矩阵的Kappa系数值为0.972 9,该结果远远优于传统的视觉算法。研究也表明了国产星载SAR较好的成像能力和利用其进行广域输电塔发现、识别和分类的可行性,在电力基础设施规划、建设、维护和灾后评估等方面展现出了巨大的应用前景。