融合多源遥感数据的黑河中游地区生长季早期作物识别

在生长季早期获取作物的种植情况,对于农业水资源管理,尤其是缺水地区的水量分配等具有重大的意义。本文利用改进型时空自适应融合模型（ESTARFM）,将作物生长早期3—6月的Sentinel 2影像与MOD09GQ数据计算得到的NDVI数据进行融合,建立NDVI时间序列,并利用随机森林分类方法对2019年黑河流域中游地区作物种植结构进行早期识别。利用3-6月Sentinel-2 NDVI与时空融合NDVI相结合建立的时间序列,作物分类精度达到91.42%,kappa系数为0.85,相比仅使用Sentinel-2 NDVI时间序列的作物分类精度提高1.05%,kappa系数提高0.02。与使用整个作物生长期（3—10月）Sentinel-2 NDVI时间序列的作物分类结果相比,精度仅低1.53%,kappa系数仅低0.03。利用Gini系数对利用Sentinel-2 NDVI与时空融合NDVI相结合建立的时间序列进行特征重要性评估,发现Gini系数得分高于平均值的10期NDVI影像中,有6期为时空融合影像,说明时空融合获取的NDVI数据利于提高分类精度的有效性。对比使用不同长度NDVI时间序列对作物种植结构进行早期识别的精度发现,最早可在4月中旬与4月下旬分别实现对苜蓿和玉米的早期识别;玉米的分类精度受NDVI时间序列长度的影响较大,可在5月下旬实现对玉米的早期识别。     

ENVISAT ASAR数据与CBERS-02数据的融合与应用

本文首次利用ENVISAT ASAR交叉极化模式数据与中巴地球资源卫星02星(CBERS 02)CCD数据进行融合,对融合后的图像进行分析和讨论。通过对IHS变换融合、主成分分析融合和小波变换融合比较分析发现,采用IHS变换融合具有更好的目视判读效果,但是由于ASAR数据受到相干斑噪声的影响,在滤波去噪后,使融合图的空间分辨率变低。另外,该融合图包含了地物的VV极化和HH极化后向散射特征,使地物结构形态、复介电常数和地物的光谱信息等重要的地物参数信息都包含在融合图中,增强了区别地物的能力,就农作物的目视解译和分类而言,精度得到了较大的提高。     

多星数据协同的地块尺度作物分类与面积估算方法研究

为了解决多云雨地区遥感数据时空覆盖缺失的问题,以满足对地块尺度作物种植信息日益迫切的应用需求,本文在遥感图谱认知理论框架下发展了一种基于多星数据协同的地块尺度作物识别与面积估算方法。首先,基于米级高分辨率影像提取农田地块对象;其次,通过对多源中分辨率时序影像的有效化处理和指数计算,获取“碎片化”的高时空覆盖有效数据,并以地块对象为单元构建时间序列;然后,在时序分析基础上,建立多维特征空间,结合作物生长物候特征,构建决策树模型进行作物分类识别与面积计算;最后,以湖南省宁远县为研究区开展了水稻种植信息的提取实验。结果表明：本文方法可在农田地块尺度下实现不同水稻类型的准确识别及其种植面积的精细提取,早、中、晚稻的用户精度分别可达94.33%、90.76%和95.95%,总体分类精度为92.51%,Kappa系数为0.90;早、中、晚稻面积提取精度分别为93.37%、91.23%和95.42%。试验结果证明了本文方法的有效性,为其他作物种植信息的精细提取提供了借鉴。     

图像数据融合的地貌类型识别分类与制图

计算机遥感地貌制图是利用航空像片或者卫星影像进行识别制图;另是利用DEM数据融合计算提取。对此,本文介绍了一种对区域基本地貌形态类型进行计算机自动分类的方法。它通过识别标志在影像上对地貌分布区进行数字化,把TM影像中的地貌信息和从DEM中提取出来的地貌信息结合,以划分出详细的地貌类型:如河北省沽源县的台地、河谷平原、开阔平原、丘陵、低山和中山6大类。最后,通过一定的算法进行分类成图。     

多传感器数据融合技术与应用

研究了多传感器数据融合理论的相关算法及其在多传感器系统中的应用，分析了数据融合技术目前在应用方面存在的问题；针对应用证据理论（D-S方法）解决多传感器条件下的数据融合过程中存在的失效问题，给出了修正合成规则；通过实例对其进行了验证。     

无线传感网络中多目标识别与定位系统设计

设计了一种基于无线传感网络的多目标识别与定位系统。系统采用DSP控制器作为传感节点的核心,实时采集移动目标的红外信号、磁信号和声音信号,并对所采集的目标信号进行预处理,通过无线传感器网络将所采集的目标信息上传至上位机,通过上位机调用基于Matlab的神经网络目标识别算法和定位算法分别实现对移动目标的识别与定位。分别进行了室内单人定位和小车定位的多目标探测实验,结果表明,设计的基于无线传感网络的多目标识别定位系统对目标的识别正确率均达到92%以上,定位效果的均方误差小于0.22 m,达到了探测系统的技术指标要求。     

福卫全色图像与SPOT5多光谱图像数据融合

本文采用多源遥感数据融合技术对来自两种传感器的遥感图像进行配准、融合,两种数据分别是福卫全色图像（PAN）2M分辨率和SPOT5多光谱图像（MS）10M分辨率。其中全色图像（PAN）,地面分辨率：2M,多光谱图像（MS）,     

基于时序遥感影像的西南山区地块尺度作物类型识别

西南山区地块破碎且复杂,种植类型多样,且该地区多云多雨,可利用遥感数据有限,利用单一的光谱特征或植被指数难以实现作物的有效识别。物候特征能够反映作物的生长周期规律,可用于复杂地区作物的精细监测。本研究以重庆市潼南区为例,基于多时相中分辨率的Sentinel-2和Landsat8遥感影像,对地块尺度的NDVI、EVI等6个植被指数进行时间序列构建并提取其物候特征,通过特征优选构建多维数据,利用随机森林分类模型对柠檬、油菜、水稻、玉米等作物进行识别。结合植被指数与物候特征进行作物分类,总体精度达94.52%,Kappa系数为0.90,柠檬、油菜、玉米、水稻的精度分别为89.88%、87.30%、84.98%和95.57%。研究表明,利用时序遥感数据的植被指数与物候特征能够有效进行地块尺度的作物识别,为复杂种植结构地区获取大范围作物分布制图提供参考。     

基于地形特征融合的卷积神经网络滑坡识别

滑坡严重威胁着人民群众的生命财产安全。完整、准确的滑坡编录图是研究滑坡的重要资料。深度卷积神经网络方法由于众多优势而备受关注,然而卷积神经网络结构复杂,需要大量的训练样本,制约了其在滑坡制图上的发展。提出了融合地形特征的卷积神经网络建模方法。首先在遥感影像上叠加地形因子构建新的滑坡样本,然后设计提取并融合空间与光谱特征的轻量级卷积神经网络(FF-CNN),最后训练最优模型进行滑坡识别。在四川汶川地区进行的消融实验证明：在空间特征基础上融合光谱特征的FF-CNN模型滑坡识别评价指标F1分数和平均交并比(MIoU)分别提高0.020 2和0.014 4;在遥感影像上叠加地形因子后,FF-CNN模型滑坡识别评价指标F1分数和MIoU值分别提高0.066 4和0.048 2。在湖北省三峡库区和四川省都江堰市虹口乡的实验说明FF-CNN模型表现出较强的适用性和迁移能力,在滑坡识别上具有较大潜力。     

洪涝灾情快速反应的星载SAR与TM数据的融合处理

本文以1998年鄱阳湖地区发生洪涝灾害为研究实例,应用灾中的Radarsat-SAR和灾前的TM数据,以不规则三角网(TIN)方法实现了高精度几何配准。然后,通过波段相关性和信息熵值分析,选取最佳波段。最后,对不同融合模型得出的图像进行对比,得出结论:以灾中的SAR和灾前TM的一个近红外(TM5或TM7)以及一个可见光波段(TM3最佳),分别赋RGB色合成的图像效果很好,既能识别区分洪涝淹没的绝产区、土壤滞水减产区和未受灾区,并且操作简便,能满足洪涝灾情快速反应要求。     

��L���κ�C����SAR�����о��봨�����ͬ���α�

???ALOS PALSAR??Envisat ASAR?????????????α?????????L???κ?C????SAR?????????????????????L?????????????????????????????????????????α??????????α???????????PALSAR??????????????е?????????????????λ????????????????     

多极化SAR数据反演额济纳冲积扇地表参数

本文采用遗传算法和后向散射模型相结合的方法,探讨了多极化SAR(Synthetic Aperture Radar)数据反演冲积扇地表参数(地表粗糙度和土壤湿度)的可行性.通过理论模拟和实地地表测量对比,表明该方法在反演冲积扇地表参数方面是切实可行的.该方法可以根据获取数据情况不同,灵活调整反演的代价函数式,并且用于反演的SAR图像必须大于(或等于)两景,数据越多,反演结果越精确.在此基础上,利用ENVISAT ASAR数据和ALOS PALSAR数据,对内蒙古额济纳冲积扇的地表参数进行了反演计算.结果表明,额济纳冲积扇地面相对比较平坦,粗糙度参数变化较小,大部分地区均方根高度小于1.0cm.黑河沿岸地区粗糙度参数较大,而远离黑河的戈壁滩地表粗糙度较小.该地区的土壤湿度反演结果表明,该地区属于极端干旱区域,大部分地区土壤体积含水量低于10%.     

干旱荒漠区植被覆盖变化的遥感监测分析

多期的遥感数据可以用来分析干旱荒漠区植被的空间分布格局和变化特征。本文以1989、2000和2007年3个不同时相的Landsat TM/ETM+影像为数据源,利用线性光谱混合分析和RGB彩色合成法构建一个研究框架,对古尔班通古特沙漠西缘进行植被信息的提取和变化监测分析。在混合像元分解过程中,通过多种方法选择端元,比较...     

基于多光谱LiDAR数据的道路中心线提取

针对城市三维激光点云中,道路与地面高程相差小、激光反射强度相近使得道路提取困难;广场、停车场等地物的高程、反射强度与道路极为相近,容易产生错误提取的问题。本文设计了一种描述道路条带信息的局部二进制特征（Stripe Local Binary Feature, SLBF）,结合LiDAR数据中的三维信息和多光谱信息获得基于强度、密度和平坦度等统计特征（Statistics-Based Feature, SBF）,并采用随机森林分类器实现了机载点云中道路面点云和非道路面点云的有效提取。通过欧式聚类精化道路点云和迭代腐蚀边界细化中心线,进而获得矢量化的道路中心线。以Waddenzee区域的多光谱机载点云数据进行实验验证,道路中心线提取结果的完整度达到94.15%,准确度达到97.95%,精度达到92.28%。实验结果表明,该方法可以有效地提取道路中心线,同时由于设计的特征具有不变性,能够适用于城市和林间小路等各种环境。     

基于GF-3和Landsat 8遥感数据的土壤水分反演研究

基于我国首颗全极化雷达卫星高分三号（GF-3）和Landsat8数据,研究浓密植被覆盖地表土壤水分反演方法。为了提高浓密植被覆盖地表土壤水分反演精度,首先利用PROSAIL模型、实测植被参数及Landsat8光学数据分析了8种植被指数与植被冠层含水量的相关性,从中优选出归一化差异水指数（NDWI₅）用于反演植被冠层含水量,并通过分析植被含水量和植被冠层含水量的关系,构建植被含水量模型;然后结合植被含水量反演模型和简化MIMICS模型校正了植被对雷达后向散射系数的影响,最后基于AIEM建立裸土后向散射系数模拟数据集,发展一种主动微波和光学数据协同反演浓密植被覆盖地表土壤水分模型,并以山东省禹城市为研究区,实现了玉米覆盖下HH、VV和HH+VV 3种模式土壤水分反演。实验结果表明： ① NDWI₅为最佳植被指数,对于去除植被影响有较好效果;② 基于此方法,利用GF-3和Landsat8卫星数据反演得到的土壤水分具有较高的精度;③ 相比HH和VV两种极化模式,HH+VV双通道模式对土壤水分反演结果更好,决定系数（R2）为0.4037,均方根误差（RMSE）为0.0667 m ³m ^-3。     

Exploring the Potential of Mapping Cropping Patterns on Smallholder Scale Croplands Using Sentinel-1 SAR Data

It is of paramount importance to have sustainable agriculture since agriculture is the backbone of many nations’ economic development. Majority of agricultural professionals rarely capture the cropping patterns necessary to promote Good Agricultural Practises.Objective of this research is to explore the potential of mapping cropping patterns occurring on different field parcels on small-scale farmlands in Zimbabwe. The first study location under investigation are the International Maize and Wheat Improvement Center(CIMMYT) research station and a few neighboring fields, the second is Middle Sabi Estate. Fourier time series modeling was implemented to determine the trends befalling on the two study sites. Results reveal that Sentinel-1 synthetic aperture radar(SAR) time series allow detection of subtle changes that occur to the crops and fields respectively, hence can be utilized to detect cropping patterns on small-scale farmlands. Discrimination of the main crops(maize and soybean) grown at CIMMYT was possible, and crop rotation was synthesized where sowing starts in November. A single cropping of early and late crops was observed, there were no winter crops planted during the investigation period. At Middle Sabi Estate, single cropping on perennial sugarcane fields and triple cropping of fields growing leafy vegetables, tomatoes and onions were observed. Classification of stacked images was used to derive the crop rotation maps representing what is practised at the farming lands. Random forest classification of the multi-temporal image stacks achieved overall accuracies of 99% and 95% on the respective study sites. In conclusion, Sentinel-1 time series can be implemented effectively to map the cropping patterns and crop rotations occurring on small-scale farming land. We recommend the use of Sentinel-1 SAR multi-temporal data to spatially explicitly map cropping patterns of single-, double-and triple-cropping systems on both small-scale and large-scale farming areas to ensure food security.     

一种基于双频非差GNSS相位数据的周跳实时探测与修复方法

在TurboEdit方法的基础上,提出一种双频非差GNSS相位数据周跳实时探测与修复算法。在MW组合中,根据卫星高度角进行定权并结合移动窗口递推计算宽巷模糊度。在电离层残差组合的基础上进行历元间二次差分,以更好地减弱电离层残差对周跳检验量的影响。当探测出存在周跳的历元之后,采用搜索法进行修复。通过采用30 s的静态数据和1 s的动态数据,并在观测数据中模拟加入小周跳、大周跳对该方法分别进行测试。结果表明,该方法可正确实现周跳的实时探测与修复。     

道路网数据变化检测与融合处理技术

道路网数据是导航电子地图的骨架数据,为保征数据的现势性,导航数据生产部门需要参考不同来源的道路数据进行更新,本文针对该种现状和需求,提出了数据匹配、数据抽取、数据整合的路网数据融合技术方法,并以郑州地区为试验,进行了验征,具有重要的理论意义与现实意义.