TM影像阴影消除的探讨

地面反射电磁波的强弱决定了遥感影像的质量，地形陡峭则阴影增多，由于云南省山高坡陡，表现在TM卫星影像上阴影也多，导致信信失直，为了消除阴影，进行了归一化处理，亦即将每一个像元的光谱值统一到整体平均高度水平，以减少地形变化造成的影响，关键是求出阴阳坡归一化的标准，使用该方法，在菜阳河保护区影消除中取得了有很好的效果。     

基于不同卫星传感器的森林火灾红外辐射归一化方法研究

不同卫星传感器识别森林火灾时存在时间差异及辐射差异,通过对AUQA亮温、NOAA-19地表温度、FY-3B亮温数据进行影响因素分析,确定大气、地形、地表温度为归一化参数,建立基于3个卫星传感器的亮温归一化模型。利用地面接收站2017年4月份影像数据,将归一化模型应用到森林火灾识别中,建立了一套适合湖南省的森林火灾阈值。研究结果表明:不同卫星传感器的红外辐射归一化模型能较好地消除辐射差异影响,弥补卫星传感器的时间差异性,提高不同卫星传感器对森林火灾监测的速度。     

基于DEM的地形辐射校正模型的研究

在地形复杂的地区,地形校正是影像预处理的一个重要步骤。它不仅能提高遥感识别与分类的精度,还是各种定量化遥感应用的前提。本文以2002年延庆县的ETM+为数据源,采用了余弦、SCS、C、SCS+C和CIVC0等五种不同的校正模型进行了对比分析研究。结果表明,5种方法均能在很大程度上消除地形阴影,更好地反映阴影区域的细节信息;从总体的光谱特性保真程度来说,余弦和SCS校正都因过度校正问题表现较差,C校正也表现一般。CIVC0校正和SCS+C校正光谱特性保持较好,但SCS+C校正也存在过度校正问题,CIVC0校正有点校正不足,但相比较CIVC0校正效果更好点。     

基于不同增强方法的内蒙古大兴安岭林区快鸟影像增强效果评价

内蒙古大兴安岭快鸟影像中树木阴影会对树种、郁闭度等林分因子提取产生不利影响,因此对影像进行增强处理消除阴影,是十分必要的。本文采取直方图均衡化、Gamma校正、同态滤波、Retinex增强4种方法对影像进行增强处理,对处理后影像的均值、标准差、信息熵、平均梯度、边缘强度5项客观指标进行评价。     

归一化地形校正模型研究进展及其对比实验

对遥感图像归一化地形校正模型的研究进行了回顾和总结。归一化模型包括二阶校正模型、地形均衡模型和坡度匹配模型3种方法。在云南省香格里拉县的TM遥感图像和DEM支持下,采用3种方法进行了校正对比实验。结果表明,3种方法中坡度匹配模型校正效果最好。对归一化地形校正模型今后可能的研究方向提出了建议。     

基于Landsat 8影像的西双版纳森林覆盖信息提取研究

以Landsat 8影像为数据源,在综合分析典型地物光谱、纹理和空间分布等特征的基础上,利用归一化湿度指数(NDMI)、纹理、地形等多源数据,构建了基于决策树规则的西双版纳森林覆盖信息提取模型。验证结果表明,该模型的总体精度达99.08%,与传统的监督分类相比(96.08%)提高了3个百分点。     

不同地形校正方法对黑松分布遥感提取的影响

以青岛黄岛区为研究区,利用资源三号卫星立体像对提取精细的DEM(Digital Elevation Model),使用5种地形校正模型(Teillet-回归,VECA,Cosine-C,C和SCS+C)对Quick Bird多光谱影像进行地形校正,并结合面向对象方法提取得到山区黑松的空间分布信息。结果表明:5种模型中,Quick Bird影像经VECA,SCS+C,C校正模型校正后山区阴影有较好的减弱效果,且山区黑松分布提取的精度均有所提高,其中以VECA模型的提取精度最佳,提取精度从70.25%提高到84.30%,提高了14.05%;Kappa系数从0.53提高到0.72,提高了0.19。本研究可为光学高分遥感影像在山区松树的分布提取上提供参考。     

基于NDVI的石林风景区植被覆盖动态变化对比研究

基于归一化植被指数（NDVI）分析方法，选用1977年Landsat、1992年TM、2000年ETM^＋卫星影像，分别对石林风景区及石林县除石林风景区外的NDVI进行了计算和分析，结果认为，1977～2000年石林风景区植被覆盖度整体呈下降趋势，由1977年的62．15％下降到2000年的60．07％．对造成这一结果的原因进行了浅析．     

基于高分二号遥感数据的森林自然度等级划分

以地面样点为基础的森林自然度评价方法很难获得区域范围森林自然度等级,针对该问题,提出了利用高分遥感卫星影像数据,划分区域范围森林自然度等级的方法。以湖北竹山县九华山林场为试验区域,在选取研究区典型样地的基础上,结合高分二号(GF-2)遥感影像数据的特点,从GF-2影像上提取遥感光谱、纹理等特征并结合地形特征,采用随机森林算法在大尺度范围对九华山林场森林自然度等级进行分类研究。结果发现:以GF-2数据为基础提取的植被指数、光谱、纹理等特征与地形特征结合,采用随机森林算法可较好地划分森林自然度等级,总体分类精度高达93.97%,Kappa系数为0.91。对森林自然度等级影响最重要的6个特征因子为高程、坡向、坡度、纹理均值、光谱主成分变化分量和归一化植被指数(NDVI)。结果表明,基于遥感影像提取的特征和地形特征结合进行森林自然度等级划分的研究方法具有可行性,为大面积区域的森林自然度等级划分奠定基础。     

森林资源调查中TM影像的判读难点

在目视解译的前提下，通过对TM（4．5．3）影像图片在楚雄林资源调查中的应用试验进行TM影像判读时，约10％的面积为判读难点，包括经济林、按属工业原料林、未成林造林地、灌木材地、无林地、放牧地以及阴影区、云和云影覆盖区、太阳光照射强烈的山顶和山脊等部分。在应用试验中通过季相对比、借助已有资料分析、补充调查，逻辑判断、经验分析等方法，大部分被解译出来。