基于6S模型的遥感数据大气校正应用研究

基于辐射传输理论的大气校正模型,具有明确的物理意义,易于操作,应用广泛。该文首先对Landsat-5 TM图像大气校正参数的确定进行了详尽分析并采用6S模型对图像进行了大气校正,然后从光谱响应曲线、归一化植被指数(NDVI)等方面,探讨了大气校正对TM图像地物光谱响应特征的影响。研究表明,TM图像经大气校正后,地物在可见光,近红外和短波红外波段反射率明显减小;大气校正后的NDVI增幅明显;采用的参数确定方法可为类似研究提供参考与借鉴。     

采用Landsat8产品算法流程的高分一号数据大气校正

高分一号(GF-1)卫星搭载的传感器,实现了高分辨率和宽幅成像能力的结合,使其在精准农业方面应用发挥重要作用。该文在6S大气辐射模拟模型基础上,参照LaSRC大气校正流程,设计了GF-1卫星WFV/MSS数据从算法原理分析到编码实现的大气校正。算法应用大气总传输率、水汽透过率和大气后向半球反照率等参数和高程、大气可降水以及臭氧含量等值,循环计算使GF-1像元红蓝通道值比等于来自MODIS数据的红蓝通道值比,求得GF-1像元气溶胶,再将包含当日大气可降水和臭氧含量的辅助数据文件等代入6S模型,得到大气校正后的地表反射率。试验表明,该大气校正方法在有农田和林木等植被覆盖的中低纬度大气校正效果较好,对稀疏植被的荒漠裸地和建筑地表大气校正效果相对稍差。比较GF-1WFV/MSS数据与Landsat8(LC8)OLI数据的基于6S模型LaSRC流程算法的大气校正结果,GF-1WFV/MSS各传感器与LC8OLI大气校正结果的相关系数为0.825~0.972,2种卫星数据大气校正结果相关性高,其中WFV相较于MSS显示出与LC8 OLI更相近的大气校正结果。结果表明,应用6S模型原理参照LaSRC校正流程设计的自行估计数据逐像元水平气溶胶参数的GF-1卫星数据大气校正方法应用方便、可操作性强,适合生长季农林监测等陆面应用。     

水土保持监测中SPOT5遥感图像几何精校正方法研究

为探索空间分辨率为2.5 m的SPOT5遥感图像用于水土保持监测的可行性,须进行遥感图像几何精校正。在理论分析遥感图像校正模型的基础上,通过实例计算,详细研究各种可能的几何精校正方法及实际精度状况。综合考虑几何位置变换精度、灰度重采样精度,确定适合水土保持监测的SPOT5遥感图像的几何精校正方法。     

基于薄云雾去除的ETM+影像大气校正

中国南方农业遥感监测中,遥感影像常常受到薄云雾影响,大气的散射与吸收作用会使传感器接收到的地物反射率与真实值之间存在差距,是导致数据质量下降的主要原因,薄云雾去除和大气校正处理是十分必要的。该研究利用LandSat-7/ETM+影像,结合背景抑制云雾厚度因子（BSHTI）云检测方法和虚拟云点（VCP）云去除方法进行薄云雾去除,并与暗元法去云处理结果对比分析,然后将去云处理后的影像进行FLAASH大气校正,选取校正前后典型地物的光谱特征和NDVI值进行分析评价。结果表明,BSHTI-VCP法可有效消除薄云雾对遥感数据的影响,提高了云雾覆盖范围的影像质量;FLAASH大气校正较好地消除了大气影响,获得了地物真实地表反射率。该研究为南方作物遥感监测中定量反演与信息解译提供了良好理论支持。     

基于中高分辨率卫星遥感数据的县域冬小麦估产

随着人口的增加和耕地面积的不断减少,粮食安全问题一直备受关注。该文以山东省广饶县为研究区,探讨基于中高分辨率卫星遥感数据的县域冬小麦估产技术。采用陆地卫星和中巴资源卫星（CBERS）中高分辨率遥感图像,选择冬小麦信息较为突出的4个相似时相,经几何精校正、掩膜、相对辐射校正等预处理,在分析研究区典型地物光谱特征的基础上,采用决策树分类方法提取冬小麦种植面积。同时,利用植被指数变化规律对各时相植被指数进行修正,根据植被指数分布情况及其与产量的关系,分别构建了基于像元比值植被指数之和（∑RVI）及不同长势区归一化植被指数（NDVI）的冬小麦估产模型。结果显示：各时相冬小麦种植面积的提取精度均在96%以上,且具有较好的空间精度;二种估产模型的估产精度分别达到了96%以上和94.74%,效果较好。研究为县域冬小麦产量的预测提供了有效方法,能更好地指导冬小麦生产和粮食政策的制定,对区域农业可持续发展和粮食安全有积极价值。     

资源一号卫星CCD图像在作物面积监测中的应用

该文对资源一号卫星CCD图像在作物面积监测中的应用进行了评价。评价内容包括图像的几何纠正、主要地物类型识别、典型地物图像面积量算与实地面积量测、样区遥感图像解译等几个主要方面。采用的方法为资源一号CCD图像与Landsat TM图像对比的方法。评价结果显示，资源一号CCD图像能够较好地应用于作物种植面积监测。     

基于环境星CCD图像的甘蔗叶面积指数反演方法

及时准确获取甘蔗叶面积指数对于甘蔗长势监测和产量预测具有重要意义。尝试通过构建组合核函数,利用支持向量回归方法建立甘蔗LAI估算模型,并利用新型国产卫星数据环境星CCD图像和准同步的地面观测数据,分别采用指数关系模型、对数关系模型、支持向量回归模型3种方法,以广西甘蔗主产县为例,开展了环境星遥感图像在甘蔗叶面积指数反演试验。结果表明,3种方法都可以对甘蔗LAI进行有效预测,且能获得较好的预测效果,验证了环境星CCD图像在甘蔗LAI反演中的实用性,其中支持向量回归模型反演精度最高：5月份决定性系数R2分别比     

山区星载ALOS PALSAR微波遥感图像的正射校正

多山地区微波遥感图像的正射校正是实践应用中的关键和瓶颈,该文以星载合成孔径雷达数据ALOS(advanced landobservation satellite)PALSAR为基础数据,GAMMA软件为处理平台,研究微波图像正射校正方法。首先利用数字高程模型(digital elevation model,DEM)及卫星轨道参数生成模拟合成孔径雷达数据(synthetic aperture radar,SAR),再利用图像交叉相关分析算法自动搜索模拟SAR与真实SAR同名地物点偏移量,建立校正多项式模型,在此基础上通过建立校正查找表方法实现真实SAR图像的地理编码及正射校正。校正效果经检验,误差在一个像元以内,校正效果较好。     

CBERS-02B星HR高分辨率遥感数据融合研究分析

在阐述遥感影像融合原理的基础上,以贵州省贵阳市部分区域为研究区,应用PCA,Brovey,SVR,IHS共4种融合方法对CBERS-02B星HR数据与CCD数据进行融合实验。从光谱信息和空间信息两个方面对融合效果进行分析,对比4种融合方法对CBERS-02B星影像数据的适用程度,同时与SPOT-5融合数据进行对比分析。研究表明:(1)4种融合方法中,SVR变换法最适合CBERS-02B星遥感数据的融合,融合数据的各评价指标均高于其他融合方法,空间信息丰富,图像细节效果良好;(2)CBERS-02B星同源遥感数据融合影像的质量低于SPOT-5影像融合数据;(3)CBERS-02B星CCD数据的质量低是导致融合影像质量不高的主要原因,所以在CBERS-02B星HR数据的使用过程中应尽量寻求其他来源的多光谱数据进行融合。     

考虑作物生长状态的农田表面温度数据精量甄别与区分

农田表面温度是土壤、作物和大气之间进行水/热交换传输的重要参数,也是灌区遥感反演模型的重要参量。在利用热红外传感器连续获取农田表面温度数据时,由于作物的生长发育处于动态变化中,农田表面温度数据往往混合了作物冠层温度和土壤表面温度。为精准甄别和区分田间海量监测数据,该研究结合Logistic作物生长模型,通过考虑作物生长状态指标叶面积指数（Leaf Area Index,LAI）和作物冠层高度及其关键节点,构建了农田表面温度监测数据的甄别算法。以内蒙古永济试验站玉米和向日葵实测数据对算法进行验证,并利用解放闸灌域和吉林省长春试验站的玉米和向日葵田间观测数据进行校核。结果表明：考虑LAI和作物冠层高度并利用Logistic模型模拟的关键节点来建立甄别算法,能够为农田稀疏植被表面温度数据甄别提供高效判定。与人工测量值对比,冠层温度优化幅度在10%左右（相对误差）,土壤表面温度优化幅度超过5%;甄别方法可以明显提升冠层和土壤表面温度的获取精度。甄别算法中校正因子数值需根据作物种植密度及LAI确定,其中玉米校正因子选择作物冠层温度校正因子0.9,土壤表面温度校正因子1.1;向日葵校正因子以叶面积指数最大值4为基础,选取冠层温度校正因子0.7,土壤表面温度校正因子1.2;在不同地区应用时,向日葵叶面积指数最大值每增加1,推荐冠层温度校正因子调高0.35,土壤表面温度校正因子调低0.18。研究结果为精量灌溉提供技术支撑,提高了农田监测数据的性能,为无人机遥感和卫星遥感数据的精量甄别提供算法和验证。     

用基于IHS变换的SPOT-5遥感图像融合进行作物识别

遥感图像融合可以发挥多源遥感数据的优势。但是由于遥感数据和融合模型的多样性,目前仍难以找到一种适合于各种类型数据之间、各种应用需要的“万能”的融合算法,而是根据特定图像,特定地表覆盖状况和特定应用的需要选择适合的融合模型。SPOT-5图像是一种较新的高空间分辨率遥感图像,目前已用于运行化农情遥感监测,以弥补传统低空间分辨率遥感图像应用的不足。该文将SPOT-5多光谱和超模式全色图像进行融合,以进行中国东北地区大豆识别。对实验数据分别做基于IHS变换和PCA变换的融合处理,通过比较得出,基于IHS变换的融合     

多光谱低空遥感图像光照辐射度校正

为了提高受云层阴影影响的遥感图像的信息提取准确度,该文以水稻小区试验过程中为进行氮素水平检测而采集的低空机载高分辨率多光谱遥感图像为对象,对受云层阴影影响的高光谱图像进行光谱校正,从而提高氮素水平检测的精度。试验中采用机载的双摄像机同步采集可见光和近红外的水稻遥感图像,并将两摄像机的图像进行几何校正后合成得到彩红外(color infrared,CIR)光谱图像;同时在图像采集区域布置3块不同反射率的1.2 m×1.2 m标定靶,利用便携式光谱仪测定标定靶的反射光谱曲线,并统计标定靶在图像中各通道的亮度均值。以标定靶在晴天无云和有云图像中的亮度值为节点,对G、R和近红外(near infrared,NIR)通道分别建立分段的线性变换模型进行校正。为验证校正精度,在遥感图像中分别选择大田水稻、小区试验田块和裸地3个不同区域的图像的G、R和NIR通道像素亮度均值及归一化植被指数(normalized differential vegetation index,NDVI)作为评价指标。试验结果表明,和传统的整体线性变换相比,采用分段线性变换校正具有较高精度,G、R和NIR通道校正后的平均误差为8.6%,9.1%和11.7%,NDVI平均误差为11.5%,有效提高了阴影条件下的遥感图像的信息提取精度,提高了受云层影响遥感图像的利用率。研究为低空遥感的图像校正提供了参考。     

基于波段权重的多尺度Retinex遥感图像渐晕校正方法

针对传统函数逼近法存在的校正质量不稳定、耗时长以及Retinex算法存在的光晕、泛灰和光谱数据失真的问题,该文提出了一种带光谱恢复的多尺度Retinex渐晕校正方法。通过对无人机遥感图像全局亮度的估计以及光谱恢复因子的引入,实现无人机遥感光谱图像的渐晕校正。利用该文方法对遥感图像进行处理,并与基于高斯曲面的函数逼近法和多尺度Retinex算法结果进行对比,依据灰度分布情况、标准差、平均梯度、清晰度、光谱相关系数以及光谱角指标进行评价分析。试验结果表明,该文提出的方法可以取得较好的渐晕校正效果,结果不存在光晕、泛灰现象,结果的平均梯度和清晰度均值分别为0.077 4和49.33,相较原始图像和函数逼近法以及多尺度Retinex算法处理结果,平均梯度分别提高了5.94%、5.56%和4.78%,清晰度分别提高了8.94%、6.79%和6.63%,该文方法校正图像的对比度和清晰度更优,方法具有较好的渐晕校正效果。     

基于6S模型的GF-1卫星影像大气校正及效果

高分一号(GF-1)卫星是中国高分系列卫星的首发星,自2013年4月成功发射以来,在中国农业遥感业务工作中得到了广泛应用,已成为中国大宗农作物种植面积遥感监测的主要数据源。该文基于6S(second simulation of a satellite signal in the solar spectrum)辐射传输模型原理,设计并实现了适合于GF-1卫星数据大气校正算法与程序。算法以GF-1卫星1级数据、元数据及传感器公开参数为输入数据,不需要其他外源辅助数据,经过辐射定标,计算各波段平均太阳辐射值、表观反射率,通过选择大气模式,驱动6S模型获取表观反射率转换为地表反射率的参数,逐像元计算影像地表反射率。在算法研制的基础上,应用Fortran和IDL语言编写了大气校正批处理程序,实现了大气校正过程的批处理。该文采用2014年4月3日、6月28日、11月2日,以及2015年1月19日4个时相北京地区GF1卫星WFV(wide field view)数据,分别代表春夏秋冬4个季节,通过与ENVI软件的FLAASH(fast line-of-sight atmospheric analysis of spectral hypercubes)大气校正结果对比进行评估。2种方法 4个时相各波段全年相对偏差为3.26%,蓝光波段偏差最大为11.21%,其次是红、近红和绿光波段,分别为1.19%、0.73%和0.24%。作物覆盖区平均相对误差为12.99%,冬季最高为17.40%,秋季和春季分别为15.02%和14.15%,夏季相对差异最小为8.31%。各波段地表反射率的整体校正情况并未有太大差异,但6S校正后各波段反射率普遍比FLAASH校正结果略微偏高。2种校正结果计算的NDVI也基本一致,相对偏差0.64%;除水体外,绝对值差值的平均值均在0.0548以内。从计算效率来分析,6S模块实现了商用软件FLAASH模块中未提供的批量计算,在相同硬件环境下计算效率提高了75.0%以上。研究结果表明了该文开发的大气校正程序能够稳定批量处理GF-1卫星数据,可以作为农业遥感监测业务流程的组成部分。     

GF-1遥感大数据自动化正射校正系统设计与实现

近年来随着遥感数据的爆炸性增长,快速、稳定的自动化影像正射校正成为遥感大数据处理的重要环节。该文在分析GF-1遥感大数据组织方式与元数据特征的基础上,将有理多项式模型正反变换与数字高程数据提取结合,设计实现自动化正射校正系统,并以提高正射校正计算效率与稳定性为目标,研究待校正影像对应数字高程数据快速提取方法,待校正影像分块读取策略等关键问题。在此基础上针对20景覆盖不同地形区域GF-1 8 m多光谱正射校正影像选择均匀分布的检查点,以Google Earth影像中同名点坐标为真值,分析校正误差及收敛情况,试验结果 X(纬线方向)方向和Y(经线方向)方向最大误差均小于16.863 m,距离误差小于23 m,并且92.25%的检查点误差小于16 m(2个像元)。该文提出的自动化正射校正方案在山地地形与平原地形均表现出良好的校正精度与稳定性。     

PHI-3高光谱数据预处理

主要介绍PHI-3高光谱遥感数据从原始数据到产品这一阶段的预处理情况。针对该数据的特点，对原始数据进行了完整性处理、格式转换、辐射校正、暗电流处理、几何校正等预处理，获得了较好的图像，为数据的进一步处理和应用奠定了基础。     

土地覆盖类别面积混淆矩阵校正与回归遥感估算方法对比

混淆矩阵校正和回归估算是2类常用的,以遥感数据作为辅助的区域面积总量估算方法,但它们的相对效果及适用条件并不明确。该文根据遥感影像分类误差的分布规律模拟生成不同总体分类精度的图像,并在此数据的基础上,采用统一的抽样方案,以简单抽样反推方法为对比基准,探讨在不同的总体分类精度和不同的样本量下区域面积总量遥感估算方法的精度及稳定性。试验得到以下结论:1)相比于简单抽样反推方法,混淆矩阵校正和回归估算具有更好的准确性和稳定性;2)在各总体分类精度和样本量下,简单回归估计、比估计均具有良好的准确性和稳定性,相比于混淆矩阵校正,回归类方法略具优势;3)当遥感数据分类精度较低(≤60%)时,混淆矩阵逆校正的准确性和稳定性与简单抽样反推方法无明显区别,因此在此种情况下应尽量避免使用混淆矩阵逆校正方法。     

黄河三角洲土壤水分遥感监测研究

黄河三角洲地区对我国经济、农业等方面有着至关重要的意义。以利用卫星遥感数据评价黄河三角洲地区土壤水分的分布作为主要研究目的,使用全波段Landsat-5TM图像,用遥感—数学—模型融合的研究方法,在实地考察土壤水分和其他辅助资料的基础上,用分解像元法排除植被干扰来提取土壤水分光谱信息,采用土壤水分光谱法并借助回归分析建立土壤水分遥感的TM数据模型。利用土壤水分遥感的TM数据模型对研究区进行了实地验证。结果表明,研究结果符合实际,利用土壤水分遥感的TM数据模型监测并评价土壤水分分布是可行的。     

3S技术在农田基础地图测绘与更新中的集成应用

为了得到大比例尺、高精度、电子版的农田基础地图作为参照图层，来分析与处理精细农业研究与实践中采集到的不同数据，该文讨论了几种利用3S技术的测绘方法，并进行了GPS测绘工作。GPS定位数据在GIS系统中经过处理并编辑成图。为了提高测绘和成图的精度，文中设计并测试了单点重复定位—求平均，以及连续定位—移动平均等GPS数据的处理方法；测试结果表明测绘精度达到0.5 m左右。该文农田基础地图的更新基于经过多项式几何校正与坐标配准后的遥感图像进行。     

基于卷积神经网络和重排序的农业遥感图像检索

卷积神经网络具有很强的分类能力,并在图像分类等应用中取得显著成效,但遥感图像检索应用中还较少利用该分类能力。为了提高农业遥感图像检索性能,该文提出一种利用卷积神经网络分类能力的遥感图像检索方法。首先利用微调的卷积神经网络模型提取查询图像的检索特征和估计查询图像的每个类别权重,然后利用根据CNN模型判断的检索图像类别和初始排序结果计算类别查准率,根据查询图像的类别权重和类别查准率计算加权类别查准率,最后根据加权类别查准率对图像类别进行排序,并根据排序结果对初始检索结果进行重排序,从而得到最终的检索结果。试验结果表明:该检索方法在PatternNet数据集中平均查准率达到97.56%,平均归一化调整后的检索秩达到0.0201;在UCM_LandUse数据集中平均查准率达到93.67%,平均归一化调整后的检索秩达到0.049 2,较之其他遥感图像检索方法下降0.2358,降幅超过82.7%;平均每张检索图像重排序时间大约是初始排序时间的1%。该文提出的重排序方法可以得到更好的遥感图像检索结果,提高了遥感图像检索性能,将有助于农业信息领域信息化和智能化。