人眼分辨率和卫星数据分辨率与成图比例尺的适用性分析

从人眼对于计算机屏幕的最佳分辨率和人眼分辨率与卫星数据分辨率结合影响成图比例尺两个层面入手,从理论角度探讨人眼最佳分辨率、卫星数据分辨率及成图比例尺之间的关系。结果表明:在中高分辨率卫星中,250m分辨率的MODIS卫星最佳成图比例尺为1∶100万,30m分辨率的TM卫星最佳成图比例尺为1∶12万,15m分辨率的ETM卫星最佳成图比例尺为1∶6万,20m分辨率的SPOT卫星最佳成图比例尺为1∶8万,10m分辨率的SPOT卫星最佳成图比例尺为1∶4万,0.5m分辨率的WordView-2卫星的最佳成图比例尺为1∶2 000。     

DEM重采样坡度衰减分析

通过数字高程模型(DEM)重采样发现,随着水平分辨率的降低,地形也随着趋向平缓,坡度信息不断丢失,地面表达能力逐步下降.利用1∶10 000数字地形图生成5m水平分辨率DEM,以此为基准重采样生成10、20、40m水平分辨率的DEM,提取各水平分辨率DEM的坡度.对提取的5m水平分辨率DEM的坡度进行邻域分析,提取10、20、40m水平分辨率DEM的最大坡度,以此求取其与直接由相对应水平分辨率DEM提取的坡度的差值,并对坡度差值进行频率统计分析,同时分析了剖面曲率在重采样过程中的变化.结果表明,随着DEM水平分辨率的降低,坡度平均值不断降低,较小坡度的频率逐渐增大,较大坡度的频率逐渐减小.DEM水平分辨率较高时,坡度差值分布集中于较小坡度差值处,且范围集中;DEM水平分辨率越低,坡度差值分布曲线愈加分散,且集中于较大坡度差值处.DEM水平分辨率越高,剖面曲率曲线分布越广,DEM水平分辨率越低,曲线分布越窄,且变得集中,其中剖面曲率较高部分损失严重.     

坡面微地形DEM最佳分辨率的选择方法

【目的】研究坡面微地形DEM最佳分辨率的选择方法。【方法】以2种不同复杂程度的坡面微地形(微地形简单的裸坡小区、微地形复杂的翻耕小区)DEM作为研究对象,分析不同微地形DEM分辨率下坡度中误差(mS)、地表糙度(Cr)和微地形DEM生成时间3个参数的变化,从而确定坡面微地形DEM的最佳分辨率。【结果】采用坡度中误差法可以快速缩小分辨率的选择范围,增强了后续研究的目的性;随着分辨率的变化,2种微地形DEM地表糙度的变化趋势相似,并与分辨率呈幂函数关系;综合考量地表糙度和DEM生成时间,可以确定2种微地形DEM的最佳分辨率,且在源数据相同的情况下,最佳分辨率与微地形复杂程度并不相关。【结论】裸坡小区和翻耕小区DEM的最佳分辨率均为4mm,运用所建立方法选择微地形DEM的最佳分辨率是可行的。     

基于信息熵的山西太谷植被指数最佳分辨率尺度分析

尺度是理解地球系统复杂性的关键准则之一。由地学现象的本身出发,结合具体的遥感研究应用来选择遥感影像最佳分辨率具有重大现实意义。从信息论的角度出发,选取山西太谷作为实验区,利用信息熵方法测试该区域2010年各类植被指数不同分辨率下所包含的信息量(测试分辨率主要有30、60、120、240、480、960 m),获得各类植被指数图像的信息熵随图像分辨率的变化曲线,并据此判定最佳的分辨率尺度。结果表明,当各类植被指数图像分辨率为240 m时,植被指数的信息熵均开始趋于减小,此时图像的信息量基本达到饱和。因此,研究区植被指数的最佳分辨率为240 m。基于信息熵的方法来选择影像最佳分辨率,可以为植被遥感监测提供重要参考。     

基于WRF模式不同分辨率湖南强降水研究

利用WRF模式设计3种不同分辨率试验方案研究不同分辨率下湖南强降水预报效果,结果表明:两层嵌套分辨率为90、30 km时,对强降水预报效果最差;分辨率为36、12 km时,24 h模拟的大暴雨中心和实况一致,48 h模拟出了雨带的东移,但是范围较实况缩小很多;采用120、40 km分辨率时,24、48 h雨区和雨带位置一致,模拟结果基本不可信。     

DEM分辨率对大兴安岭林区水土流失评价结果的影响

为揭示数字化高程模型(DEM)分辨率对水土流失评价结果的影响,基于地理信息系统(GIS)和遥感技术(RS),利用不同分辨率(10、20、30、40、50、60、70、80、90、100 m)DEM,提取坡度因子(S)和坡长因子(L),并复合成地形因子(L_S),将L_S因子、降雨侵蚀力、土壤可侵蚀性、植被覆盖和管理与水土保持措施5个主要影响水土流失的因子,带入修正的通用土壤流失方程,得到不同分辨率下的土壤侵蚀量。分析不同DEM分辨率下,地形因子及水土流失评价结果的变化规律。结果表明:在研究区域内,土壤流失量对分辨率变化最为敏感,对L_S因子的敏感度大于S因子和L因子;DEM分辨率小于40 m时,土壤侵蚀量变化较小;当分辨率为50 m时,发生剧变,当分辨率超过60 m后逐渐趋于平稳。随着DEM分辨率的降低,其对水土流失评价结果影响也越来越小,因此可以认为最适宜水土流失评价的DEM分辨率应为50~60 m。利用50 m分辨率DEM计算的研究区域水土流失主要以微度和轻度侵蚀为主,占研究区域总面积的90%以上,水土流失较严重情况主要位于山脊和人类干扰较强烈地区。     

农牧交错带典型样区DEM分辨率对高程梯度的影响

根据坡度算法基本项高程梯度p和q,选取陕西绥德和黑龙江拜泉两个样点,分析分辨率及组分对p和q影响。结果表明,p和q反映地形在x、y方向起伏程度。随平滑程度增加、采样间距增大及分辨率降低,p和q变化规律类似。随分辨率降低,图像平滑且产生信息损失,方差、值域变小,分布集中。分辨率及组分对p和q影响排序为:分辨率>平滑程度>采样间距。     

DEM分辨率对地形湿度指数的影响

地形湿度指数可定量描述流域内土壤水分的空间分布信息,广泛应用于静态土壤含水量的评估。但DEM的结构特点使其受DEM分辨率的直接影响。以安岳县为例,通过分析不同分辨率下提取的地形湿度指数的变化形式,来阐述DEM分辨率对地形湿度指数的影响。结果表明DEM分辨率降低对地形湿度指数有较强的削弱作用。     

基于分形的中低分辨率坡度降尺度变换方法研究

【目的】针对中低分辨率数字高程模型(DEM)提取坡度的尺度效应问题,建立一种能够对中低分辨率坡度进行降尺度变换的方法。【方法】利用地形分形特性和半变异函数理论,可知坡度是分辨率和分维数的函数,从而对县南沟流域设立的建模区和检验区的坡度进行降尺度变换,并对变换结果进行精度评价。【结果】在0.2～1.0倍的原始分辨率坡度范围内,100,50和25m分辨率坡度分形变换后,与目标较高分辨率坡度在统计意义上相似,并且空间分布格局基本一致,其中0.2～0.25倍的原始分辨率坡度为最佳变换范围。【结论】分形变换可以为坡度的降尺度变换问题提供理论支持,对坡度变换方法的完善有重要意义。     

无人机可见光遥感影像的空间分辨率对毛竹立竹度识别精度的影响

为探究无人机可见光影像在毛竹立竹度提取方面的适用性，以福建省三明市永安市天宝岩国家级自然保护区毛竹林为研究对象，运用重采样的方式获取不同空间分辨率(0.25、0.50、0.75 m)下的可见光影像，利用面向对象多尺度分割确定各个分辨率下的最佳分割尺度，采用随机森林分类方法，对不同空间分辨率下立竹度提取精度进行了比较。结果表明：不同空间分辨率下分割尺度的选择不同，影像空间分辨率为0.25、0.50、0.75 m的最佳分割尺度分别为20、9和8,立竹度提取平均精度分别为80.97%、81.29%和77.82%,Kappa系数分别为0.806 0、0.863 3和0.817 1;图像空间分辨率为0.50 m时，总体分类精度和Kappa系数最高，因此，毛竹立竹度提取的适宜图像空间分辨率为0.5 m,最佳分割尺度为9。     

森林植被遥感监测影像最佳分辨率选择

遥感影像分辨率的高低直接影响着森林植被监测的精度、成本和效率,故选择适合森林植被监测的影像最佳分辨率具有重要的应用价值。针对森林植被监测影像最佳分辨率选择方法及结果缺乏的问题,从林业实际应用出发,提出了基于1个步长的变异函数分析空间变异并综合考虑监测精度、成本和效率来确定森林植被监测影像最佳分辨率方法。基于最新的国产高分二号（GF-2）全色影像,利用1个步长的变异函数对湖南常宁洋泉镇林区3种典型分布类型森林植被进行拟合分析,初步确定适合森林植被监测的影像最低分辨率。然后对重采样形成的不同尺度多光谱影像分别进行监督分类,并对结果进行定量定性分析,结合影像成本和数据处理时间,找到适合不同类型森林植被监测的影像最佳分辨率。研究表明:不同分布类型的森林植被,适合遥感监测的影像最佳分辨率不同:①小冠幅森林植被3.2 m;②大冠幅森林植被16.0 m;③混合冠幅森林植被8.0 m。该森林植被遥感监测影像最佳分辨率确定方法和结果可为其他区域森林植被遥感监测影像最佳分辨率确定提供借鉴。     

高光谱分辨率遥感技术在农作物估产中的研究现状与发展趋势

综述了高光谱分辨率遥感技术及利用高光谱分辨率遥感对农作物估产的研究,包括作物种植面积的遥感估测、作物遥感估产最佳时相的选择和地面单产遥感估产模型的研究,并分析了高光谱分辨率遥感在农作物估产中的发展趋势。     

不同插值方法的栅格DEM质量分析与最佳分辨率的选取

以鄱阳湖自然保护区为例,利用不同内插算法生成DEM,并选取高程差绝对值、中误差以及单点最大误差三大指标分析了DEM的精度,结果发现利用反距离加权(IDW)算法的精度较好。利用坡度中误差的大小判定了不同网格分辨率下的DEM精度,试图选取DEM的最佳分辨率,结果显示:当分辨率达到20时,坡度中误差的变化明显减缓,因此确定最佳分辨率为20。     

基于ERDAS IMAGINE软件的谷歌地球影像融合方法研究

谷歌地球影像具有高时效性、高空间分辨率等特点。但经过处理后的谷歌地球影像光谱分辨率较差。在林业实际工作中,出于经费等因素的考虑,遥感影像的空间分辨率普遍不高。本文利用ERDAS IMAGINE遥感处理软件,将下载后的谷歌地球影像与实际工作中的低空间分辨率、光谱分辨率较好的遥感影像进行融合处理,再对不同融合方法的效果进行对比分析,从而为谷歌地球影像在林业生产、林业调查等工作中的应用提供了参考。     

多帧图像融合提高分辨率的方法研究

多帧图像融合的目的在于复原截止频率之外的信息,以使图像获得更多的细节和信息,提高图像的分辨率.本文阐述了提高图像分辨率的关键技术,从图像匹配和运动估计入手,应用共轭梯度多帧图像融合方法对楔形空间分辨率测试图像进行了方法实验,证实了该方法的可行性与有效性.     

用于CMOS图像器件的超分辨率算法研究

提出一种基于CMOS图像器件的超分辨率图像合成算法,该方法将4幅沿水平、垂直及对角线方向错位获取的CMOS图像重新组合,得到一幅重建的新图像.对重建图像的像素灰度进行了理论分析和计算,求出了重建超分辨率图像的算法.结果表明,在不提高CMOS工艺水平的条件下,该算法能将重建的CMOS图像的分辨率提高到原图像的2×2倍.实现了CMOS图像器件的超分辨率图像合成算法.对该算法进行了计算机仿真,结果同理论分析计算的结果完全一致,证明了所提出的CMOS图像器件超分辨率算法是正确的.     

辉腾锡勒风机数量、面积变化分析

本文以辉腾锡勒风电场为例,以辉腾锡勒风电场1995年和1999年的ETM遥感影像(多光谱分辨率为30m;全色分辨率为15m)以及2005年和2010年的SPOT5遥感影像(多光谱分辨率为10m;全色分辨率为2.5m)为基础,利用ENVI、MAPGIS等遥感信息软件,用定量分析的方法,对各年份风电场风机数量、面积进行分析,归纳风电场对环境和生态的影响,为风电场建设和该地区环境保护提供了理论依据。     

利用中低分辨率DEM提取坡耕地坡度信息的误差分析(英文)

利用数字高程模型(DEM)实现坡耕地数据的自动提取和侵蚀状况调查,并与实地勘察及相关研究结果进行对比,分析利用中低分辨率DEM提取坡耕地坡度信息误差的来源及其对水土流失调查结果的影响。结果表明:利用忠县1∶50000地形图生成分辨率为25m的DEM,基于该分辨率DEM自动提取的坡耕地信息在评价其水土流失现状时与实地勘察和相关研究结果存在一定差异,其主要原因为:①该地区地貌特殊,平行岭谷地貌和出露的侏罗纪紫色泥(页)岩与砂岩互层结构共同作用形成的地形较为复杂,造成该区土地利用多以小地块为主的镶嵌结构,而分辨率较低的DEM对地形起伏的描述误差较大;②人为修建的梯田(水田)、坎田以及垄沟整地措施对坡耕地微观地形改变的影响较大。因此,在坡耕地水土流失现状评价中,单从中低分辨率DEM获取坡度信息来判断水土流失程度,将会产生较大误差。DEM分辨率越高,对与坡度有关的地貌和水文参数的描述越精确,提取的坡度信息越准确。中低分辨率坡度可以通过变换,使其接近较高分辨率坡度对地形起伏的反映能力。此外,还应加强实地勘察力度,并与计算机自动提取技术相结合,才是正确评价坡耕地水土流失的方法。     

GNSS-R陆面遥感为重要补充的土壤水分监测体系设计

介绍了GNSS-R陆面遥感的原理和发展现状,在重庆市土壤水分监测现状分析基础上,设计了一种面向用户需求的土壤水分综合监测体系.在方案设计中,对人工测墒、地面气象站、自动土壤水分监测、卫星遥感干旱监测、 GNSS-R陆面遥感等5种监测手段进行了时间分辨率、空间分辨率、观测代表性的对比分析,说明将GNSS-R陆面遥感作为重要补充进行综合土壤水分监测体系设计是可行的、有益的.研究表明, GNSS-R路面遥感的应用可进一步提高重庆市土壤水分监测体系时空分辨率,填补自动土壤水分观测和卫星遥感在时间分辨率、空间分辨率之间的衔接空白,拓展GNSS连续跟踪站网新应用.与雷达估测降水、卫星重力、陆面资料同化结合,可为长江上游水资源动态监测提供支撑.     

GF-1卫星数据在水稻长势监测中的应用

GF-1国产高分辨率卫星遥感数据具有高空间分辨率、高时间分辨率和高光谱分辨率的优点。该研究利用GF-1卫星宽视场遥感数据,在GPS实地取样的基础上,利用增强型植被指数(EVI),提取建湖县2014年多时相水稻长势信息。结果显示,GF-1卫星宽视场影像可以清晰反映水稻长势要素,能够在遥感估产中推广应用。