基于FLAASH的CBERS-02B星CCD影像大气校正

中巴资源卫星的CCD数据作为我国自主卫星数据源,在遥感应用方面发挥着重要作用。但由于CCD数据所获取的可见光-近红外波段信息易受大气因素干扰,因此寻求一种适合于中巴资源卫星CCD数据快速、有效的大气校正方法,以提高影像的利用率。介绍FLAASH大气校正的主要算法原理,并利用其进行CBERS-02B星CCD影像的大气纠正试验。通过分析校正前后的影像目视效果、典型地物光谱特征和NDVI值,表明FLAASH方法能够快速、有效地纠正大气因素对CBERS-02B星CCD影像的影响,对于植被覆盖地区纠正效果尤为明显。因此,FLAASH大气校正方法能够为大数据量的CBERS系列卫星CCD数据的大气校正提供了快速、可行及有效的方法。     

CBERS-02B卫星在喀斯特山区的应用潜力分析

为促进国产资源卫星数据在西部大开发和贵州经济建设服务中的应用,探索了CBERS-02B数据在喀斯特山区的土地利用遥感解译中理想的图像处理方法及分类方法。结果显示:134波段为土地利用分类的最佳波段组合,HIS变换融合是喀斯特高原山区背景下的CBERS-02B星HR与CCD数据的最佳融合方法。说明,国产卫星CBERS-02B能较好地实现喀斯特地区大比例尺土地利用分类,可以替代国外遥感影像TM,运用于喀斯特山区土地利用与调查方面。     

基于CBERS-02卫星遥感图像海岛棉与陆地棉植被指数的对比

随着遥感技术的发展,植被指数作为用来表征地表植被覆盖和生长状况的度量参数,已经在环境、生态、农业等领域有了广泛的应用。本文利用中巴资源卫星CBERS-02星CCD1-5波段遥感图像,比较了海岛棉与陆地棉5种植被指数(比值植被指数RVI,归一化差异植被指数NDVI,红色植被指数R I,转换型植被指数TVI,归一化差异绿度指数NDG I)的差异。结果表明:海岛棉与陆地棉的5种植被指数差异均未达到显著性水平(P>0.05);海岛棉与陆地棉之间比值植被指数RVI差异最大,而转换型植被指数TVI差异最小;在阿拉尔垦区利用7月份CBERS-02卫星遥感图像植被指数的差异很难区分出海岛棉与陆地棉。     

基于遥感的乡镇级棉花面积提取与长势监测研究

棉花面积及长势信息是棉花生产管理的重要依据.本文以山东广饶县丁庄镇为研究区,以CBERS01和HJ1B卫星图像为信息源,选取棉花信息较为突出的时相,经几何校正、腌膜、图像增强等预处理,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棉花种植面积.利用2009年棉花生长期4个不同时相的遥感图像,分析棉花生长过...     

基于冠层温度棉花水分胁迫指数与高光谱植被指数的关系

[目的]用红外热图像提取棉花水分胁迫指数(CWSI),并用高光谱遥感植被指数对棉花的CWSI进行遥感估算,为红外热图像和高光谱遥感监测作物水分状况提供科学依据.[方法]通过Fluke热像仪和ASD非成像高光谱仪,分别获取棉花2品种4水平水分处理5个关键生育时期冠层的红外热图像和高光谱数据;对红外热图像进行技术处理,基于Jones定义的作物水分胁迫指数CWSI公式,计算CWSI;与高光谱数据转换得到的4种高光谱植被指数进行回归分析.[结果]CWSI与4种高光谱植被指数均达到了1;极显著的线性相关关系;其中红边归一化植被指数RENDVI与CWSI呈最高的线性负相关关系,利用它们的相关模型方程,估算CWSI,实测值与估算值之间呈极显著的线性相关(r=0.8399**,n=30,α=l;).[结论]红外热图像与高光谱遥感技术的结合,可以精确地对棉花水分胁迫指数CWSI进行遥感估算,更好的诊断棉花水分状况.     

基于多光谱影像的单红边波段叶绿素指数验证

【目的】应用多光谱影像和光谱指数法准确估算作物叶绿素含量。【方法】使用4个生长期玉米冠层高光谱反射率及叶绿素含量建立单红边波段叶绿素指数(SRCI)的叶绿素含量估算模型:首先由高光谱反射率和光谱响应函数计算得到等效的Worldview-2多光谱反射率,以等效反射率计算SRCI;然后根据SRCI与叶片叶绿素含量(LCC)、冠层叶绿素密度(CCD)的线性关系,分别建立LCC和CCD的一元线性回归模型。使用2012年9月14日获取的Worldview-2多光谱遥感影像计算得到的SRCI作为输入,估算LCC和CCD。【结果】Worldview-2 SRCI估算叶片叶绿素含量的偏差均方根为4.70μg/cm~2,相对误差平均为7.0%;估算冠层叶绿素密度的偏差均方根为1.63 g/m~2,相对误差平均为6.4%。【结论】多光谱卫星遥感的红边光谱指数能准确估算玉米叶绿素含量。     

中巴资源卫星在宁夏水稻种植面积调查中的应用

以中巴资源卫星02星CCD图像作为基础数据，结合实地调查资料，运用遥感图像处理技术，对宁夏灌区进行地物分类和水稻面积信息提取。获得的宁夏灌区水稻种植面积与宁夏回族自治区统计局农调队2006年调查结果相比较，精度达96．03％。不仅为宏观的掌握宁夏灌区水稻种植面积提供了可靠的依据，同时也为中巴资源卫星02星数据在农业领域的推广应用进行了技术上的实践。     

基于TM和MODIS数据的滇中地区云南松林反射光谱特征分析

以云南省滇中地区为研究区,以2007年云南松样地一类清查结果为基础数据,获取样地测树因子信息。以Landsat、MODIS卫星遥感图像为光谱信息提取数据源,获得多光谱遥感图像的光谱值,并分不同坡向、郁闭度等级和不同分辨率等级绘制成滇中云南松的反射光谱曲线。结果表明,滇中地区的云南松主要分布影像在红外波段部分,曲线变化特征及反射率值比TM像反射率值阴坡大于阳坡;不同郁闭度等级提取的云南松反射率值,TM和MODIS的结果均为:密中疏,郁闭度相对坡向而言,对云南松反射率值的影响更大。     

基于环境一号卫星数据的洞庭湖叶绿素a浓度反演

通过星地同步地面试验,建立起洞庭湖水体的叶绿素a浓度遥感反演模型,运用2011年4月~2012年4月的多期环境一号卫星CCD数据,对洞庭湖叶绿素a浓度进行动态监测和分析。结果表明:环境一号卫星CCD数据第三通道(HJ3)反射率与第二通道(HJ2)和第四通道(HJ4)反射率之和的比值与洞庭湖水体叶绿素浓度具有较高的相关性,从而构建基于环境一号卫星多光谱数据的洞庭湖叶绿素a浓度反演模型;采用多期环境一号卫星CCD数据对洞庭湖的叶绿素a浓度进行了连续监测,较好地反映了洞庭湖叶绿素a的时空分布变化。     

基于分类回归树分析的棉花种植面积提取——以库、新、沙三县为例

以研究区2012年的HJ卫星CCD影像为数据源,通过物候历和主要农作物的光谱特征分析,确定棉花识别最佳时相。采用分类回归树分析(CART)的决策树方法提取棉花种植面积信息,并以农田实地调查样点和统计数据为参考对提取的棉花种植面积结果进行评价。结果表明,基于HJ-CCD数据,使用CART算法的决策树可以较好地提取棉花覆盖信息,最终提取的棉花种植面积总量精度为94.29%,位置精度为88.57%;本研究采用的决策树方法,操作方便、容易实 现,分类结果较为实际,基本满足棉花种植面积遥感监测的需求,可对棉花种植面积估算和种植结构分析提供一定的参考。     

新疆棉花遥感识别最佳时相的选择

棉花遥感识别最佳时相的选择是棉花遥感监测系统快速有效建立和正常运行的关键性、基础性环节之一,它必须兼顾作物遥感识别和监测系统中各模型对遥感时相选择的要求,综合考虑多方面的影响因素.从新疆三大棉区棉花和其它主要农作物的光谱差异和物候历的差异,同时参考太阳高度和土壤光谱噪声的变化以及棉花面积的代表性等方面,初步确定新疆三大棉区的棉花遥感识别最佳时相期,同时提出了最佳时相选择时还有待试验和解决的问题,以供进一步研究参考.     

RS在生态旅游资源信息提取中的应用研究

针对遥感图像的选择、解译范围在遥感图像上的定位及生态旅游资源各景观要素信息的RS采集技术进行了概述,研究表明:(1)遥感图像的选择除要考虑具体判读的景观因子外,还要因地而异,选择具体的摄影平台、分辨率、比例尺、拍摄时间、光谱波段等;(2)利用Erdas Imagine软件定位使用方便、操作简单、精度较高,是未来的主要发展方向;(3)在各种景观要素的遥感图像解译中,应综合利用多时相和多源遥感数据,并在GIS支持下,充分发挥人工智能优势,提高解译的精度,为生态旅游资源的科学规划和管理提供可靠的基础资料。     

关中棉区生态环境的遥感综合评价编图

在陕西省棉花区划研究的基础上,运用Landsat-5TM遥感影像,并结合气候、土壤、水文及农业生产实际资料,对关中棉花立地生态环境进行了综合评价。共划分138个生态景观单元,归纳为4种适宜区和4个立地类。根据评价分类系统编制了关中棉花立地生态条件评价图。     

基于CART决策树的自然保护区植被类型分布研究

目的针对保护区监测需求，充分发挥GF-1 WFV影像的宽幅特点和面向对象、机器学习算法在遥感影像分类中的优势，提高保护区植被类型遥感监测的精度，为保护区管理决策提供依据。方法以甘肃省白水江国家级自然保护区为研究区，主要数据源包括GF-1 WFV多光谱数据、Landsat-8 OLI遥感数据、DEM数据、野外调查数据等。首先，对GF-1 WFV数据进行多尺度分割，将研究区划分为诸多区域性的分割对象；然后，以分割对象为基本单元，研究光谱特征、几何特征、纹理特征不同组合情况下，基于CART决策树分类的结果；最后，利用训练样本建立基于TTA的精度检验，并基于混淆矩阵对分类结果进行分析。结果在多尺度分割过程中，形状因子、紧致度分别设置为0.2和0.5时地物边界显示较好；当形状因子和紧致度固定时，研究区最佳分割尺度为40。精度检验结果表明，基于CART决策树的保护区植被类型分类结果整体精度均在83%以上，Kappa系数在0.80以上，优于最邻近分类法和支持向量机分类算法，其中基于光谱特征、几何特征、纹理特征的CART决策树分类结果精度最高，总体精度为85.18%，Kappa系数为0.832 2，优于光谱特征分类、光谱特征结合几何特征分类的方法。结论基于CART决策树算法和面向对象方法的GF-1遥感影像分类方法适用于保护区植被类型分布研究，可有效辅助保护区监测工作。      

TM影像在长春市土地利用分类研究中的应用

利用Landsat TM遥感影像,在Erdas Imagine 9.2软件的支持下,分析了吉林省长春市Landsat-7影像的光谱特征值以及NDVI、NDBI和NDWI的特征值。参照高程及坡度数据,确定了各类地物的综合阈值。用监督分类和专家分类技术对Landsat TM分类,评价了专家分类方法在大尺度遥感数据分类中的作用。     

基于无人机高光谱不同高度的地物快速识别研究

[目的]探究不同高度下地物的光谱特征变化以及不同时期、不同高度下地物的有效快速识别方法。[方法]以2016年8月7日200 m高空高光谱影像和2016年9月25日100、200、300 m高空高光谱影像共4景影像为研究对象,研究不同高度下地物的高光谱特征变化以及不同时期、不同高度下地物的分类精度。[结果]不同高度下,植被的光谱反射率差异显著,随着高度的升高,植被特有的特征如"绿峰"降低、"红谷"升高、"红边位置"出现"红移",在近红外范围内,光谱反射率降低;综合考虑人工参与程度、处理时间和分类精度等方面,基于ISODATA法可实现不同时期、不同高度下地物的快速识别研究。[结论]该研究结果为利用无人机高光谱遥感在其他领域的应用奠定了基础。     

水体叶绿素遥感反演中的多尺度分析

水体遥感影像提取污染物信息普遍存在着尺度效应问题,选择合适的空间分辨率影像能够准确地表征水域污染的空间分布状况.充分利用水体空间尺度信息,研究水色遥感的尺度问题,有利于提升湖泊水体遥感反演模型的应用能力.以巢湖水域HJ-lA卫星HSI高光谱和CCD多光谱遥感数据为例,以Matlab为平台,采用基于离散小波多尺度变换分析方法,生成多光谱尺度和空间尺度影像,然后利用水体污染物的定量遥感反演方法,获取湖面水体叶绿素多尺度空间分布浓度,并利用水面同步实测数据对反演结果进行验证.通过结果比较,确定100 m分辨率的HSI高光谱数据为较优分析空间尺度.