遥感技术在城市1:2000多目标地籍图制图方法中的研究

着重研究了遥感技术在制作城市1:2000多目标地籍图中的应用.以黑龙江北安市为例,详细描述了从遥感数据获取到利用ERDAS影像处理软件对影像进行校正,并通过HIS影像融合原理对数据进行融合处理过程,以及根据各部门的不同需求利用ARCMAP软件生成1:2000多目标地籍图矢量文件成果的方法和技术流程.     

QuickBird影像在建立1:2000空间数据库中的应用研究

运用主成分变换(PCA)方法对QuickBird多光谱和全色遥感影像进行融合，运用目视方法评定其融合效果，利用融合后的QuickBird遥感影像进行了1：2000空间数据库建库研究。研究结果表明，主成分变换方法得到的融合影像能基本满足建立1：2000空间数据库的需要；应用融合后的影像，并参考有关辅助资料制订相应的地物判读分析依据，采用目视解译方法提取遥感影像地物信息，容差格网矢量化技术进行屏幕矢量化，建立了现代农业示范园区1：2000比例尺空间数据库。     

不同遥感数据融合方法在南方水稻面积监测中的应用研究

在南方水稻遥感监测中,单一传感器影像数据已不能满足监测精度的要求,需要将高空间分辨率全色影像与中高空间分辨率多光谱影像进行融合,得到新的高空间分辨率多光谱影像,有利于改善影像识别与分类精度.该文利用江苏省金湖地区HJ-1A卫星30m分辨率多波段影像与ALOS卫星2.5m分辨率全色影像进行水稻监测,采用4种融合方法(Brovey变换、IHS变换、高通滤波和小波变换)对2种影像进行融合处理.随后对各种融合影像结果进行了目视定性和融合评价指标定量说明与评价,结果表明小波变换在空间与光谱信息上具有最佳的融合效果.进一步利用小波变换的融合影像进行水稻识别与面积提取,统计表明融合影像相比HJ-1A多光谱影像,水稻面积估测精度从79.26%提高到91.65%.因此,利用多源遥感数据融合的方法对南方水稻面积进行监测,可显著提高其监测精度.     

Sentinel-1A与不同云量Sentinel-2A的融合尺度及分类研究

为了提高多云雾地区光学遥感影像利用率、探索不同云量的光学影像和SAR影像的最佳融合尺度,选取重庆市渝中地区为研究区,基于Sentinel-1A极化合成孔径雷达(SAR)影像与不同云量的Sen鄄tinel-2A(云量分别为0、10%、20%、30%)光学影像,进行小波变换融合、乘积变换融合、高通滤波融合,再利用图像评价方法评价影像融合以后的效果,最后利用面向对象的方法对融合前后的影像进行分类,利用混淆矩阵比较最终的分类精度。结果显示,无云情况下,小波变换融合效果最好,最大限度地保留了原多光谱影像的亮度、反差,有效防止了影像信息的丢失,对植被的解译能力有了明显改善,而融合后的影像保真度较差,其余两种融合效果相对次之,因此,在多云雾地区进行多源遥感数据融合时,尤其是异质数据融合时,优先推荐小波融合算法;当云量为10%以上时,3种融合算法虽然信息熵略有增加,但平均梯度、标准差减少了,造成解译困难,导致最终分类精度均略低于Sentinel-2A影像,远低于Sentinel-1A影像,基本不能满足使用要求,因此,在进行地表覆被解译时,推荐用SAR影像替代光学影像。     

SPOT5遥感影像在土地利用变更调查中的应用

以浙江省湖州市东林镇的SPOT5遥感影像为基础数据,利用几种融合后的影像进行土地利用变更调查,根据其精度对比结果,建议针对不同地物,采用不同方法融合的影像进行变更调查,以提高利用遥感影像进行土地利用变更调查的精度.同时,对利用SPOT5遥感影像进行土地利用变更调查,并输出1:1万成果图的可行性进行了讨论.     

基于多进制小波的森林遥感影像融合

为监测森林资源动态变化信息,探讨了基于多进制小波变换与RGB特征融合相结合的遥感影像融合方法。在融合过程中,首先对高分辨率全色影像和多光谱影像进行M进制小波分解,再将高分辨率影像的高频分量分别与多光谱影像的R、G、B波段高频分量以区域能量为融合准则进行特征融合,形成新的高频分量;然后与多光谱影像的低频分量进行多进制小波逆变换,最后经RGB合成为彩色影像。结果表明,该方法既改善了影像的清晰度和分辨率,同时也保留了原影像的光谱信息,利用融合后的影像进行森林资源动态监测,效果明显提高。     

HJ星和GF1号数据在水稻种植面积提取中的应用

利用中高空间分辨率遥感技术监测农作物生长已成为当今农业遥感研究的热点问题。本研究选用国产中空间分辨率卫星HJ星和高空间分辨率卫星GF1号遥感影像数据,在分别对其进行大气校正、几何校正等预处理的基础上,选用PCA、Brovey、HPF和Wavelet 4种融合方法对HJ星和GF1号遥感数据进行融合,并对其融合效果进行定性和定量评价。通过计算融合影像的RVI和NDVI,比较其光谱特征的差异性,并对筛选出的最适融合影像进行水稻种植面积的提取与精度验证。结果表明,在4种遥感融合方法中,HPF融合效果最佳,其标准差和信息熵分别为10.984 3和1.468 6,信息量丰富,与原始影像的交叉熵和相关系数分别为1.848 5和0.370 2,保真度较好,HPF融合影像RVI和NDVI分别为6.508 1和0.713 6,与实测值最为接近,近似率分别为87.71%和98.63%,利用水稻种植面积提取样方验证的精度为98.08%。说明,对HJ星和GF1号遥感影像进行HPF融合,可以增强融合影像的信息量和光谱特征,有利于县域级水稻种植面积准确提取。     

基于面向对象的QUICKBIRD数据和SAR数据融合的地物分类

为了实现精确植被类型信息提取,以福建省三明市将乐林场Quickbird影像和Radarsat-2全极化影像作为基础数据,探讨高空间分辨率光学遥感影像与SAR(合成孔径雷达)全极化影像融合进行地表覆盖及森林类型识别的可行性。采用面向对象多尺度分割方法对Quickbird全色与多光谱的融合影像进行处理,SAR影像采用Gram-Schmidt融合方法处理,运用处理的Quickbird与SAR的融合影像,分类提取植被的光谱、纹理和几何特征信息,建立类层次结构,并对分类结果进行比较分析。结果表明:基于对象与知识的方法对高空间分辨率影像分类取得了较好的分类效果,多源遥感数据分类的总体精度为0.903。     

基于IHS的多源遥感影像数据融合研究

运用IHS变换方法对农八师148团的TM和ALOS影像数据进行数据融合。首先给出了影像融合的技术流程和IHS变换的计算方法,然后根据计算方法得到了影像融合图像,最后根据影像质量评价指标对影像融合后质量进行评价。结果表明,融合后的影像数据更有利于计算机自动解译和进行更准确的分类决策。     

高分辨率卫星影像在城市数字地图更新中的应用

随着卫星影像分辨率的不断提高、影像信息的极大丰富 ,使得遥感数据应用于城市测绘成为可能 .该文概要介绍了高分辨率卫星影像在城市测绘中的最新应用 ,着重介绍了影像数据的纠正及利用正射影像更新 1∶10 0 0 0地形图数据的制作方法和生产工艺     

CBERS与ASAR影像融合处理及在提取土壤侵蚀信息中的应用

以CBERS数据与ASAR数据为多源遥感数据源,进行CBERS影像与ASAR影像HPF像素级融合,得到了高空间分辨率的多光谱影像HPF融合影像,并结合DEM数据,提取植被覆盖度、土地类型、坡度土壤侵蚀信息,在土壤侵蚀信息准确性和丰富性方面,取得了较理想的效果,为实际应用中提取土壤侵蚀信息提供了参考。     

一种新的基于小波变换与SFIM遥感影像的融合算法

多源遥感数据融合是当今遥感领域的一个研究热点。为了综合利用多平台的卫星遥感数据,得到高光谱、高几何分辨率的遥感影像数据,在研究当前多源遥感数据融合方法的基础上,将小波变换与SFIM融合算法相结合提出小波比值法融合算法思想,利用Landsat ETM+与SPOT-4遥感数据验证了该算法的可行性。     

基于多源遥感影像融合的植被覆盖度信息提取研究

植被覆盖度是评估生态环境的一个重要参数,对于全球环境变化和监测研究具有重要意义。如何从遥感数据资料估算植被覆盖度,并提高估算精度是建立全球或区域气候、生态模型的基础工作。该研究以CBERS数据与ASAR数据为多源遥感数据源,进行CBERS影像与ASAR影像HPF像素级融合,生成高空间分辨率的多光谱影像HPF融合影像。分别运用CBERS影像和HPF融合影像,提取植被覆盖度,并对两者的提取效果进行精度对比评价分析。评价结果表明,HPF融合处理的影像提取的植被信息精度较高、效果较好,为植被覆盖度信息的提取提供了参考。     

Worldview-1与SPOT5遥感数据融合评价

采用HSV、Brovey、PC、Gram几种常用方法对Worldview-1与SPOT5遥感数据进行融合,以光谱保真度和纹理清晰度为依据对各融合效果进行定量评价.实验表明:对Worldview-1与SPOT5两种数据采用PC和Gram的融合方法优于另外两种;直接融合Worldview-1与SPOT5多光谱数据的效果优于使用SPOT5全色影像进行过渡融合的效果.     

基于多源遥感特征融合与卷积神经网络(CNN)的丘陵地区水稻识别

为探究卷积神经网络(CNN)算法和多源遥感优选特征数据融合对丘陵地区水稻种植区的识别效果和适用性,以江西省上高县为研究区,利用Sentinel-2与GF-1遥感影像数据,对研究区晚稻种植区域进行识别。选取影像波段特征、植被指数、纹理特征及地形特征等分类特征,用分离阈值法(SEaTH)筛选出对各类别分离度较大的特征变量。基于Sentinel-2优选特征数据、GF-1优选特征数据、Sentinel-2与GF-1优选特征融合数据,使用CNN分类算法进行晚稻识别,同时用支持向量机(SVM)、最大似然法(MLC)分类算法进行对比。结果表明,Sentinel-2与GF-1优选特征融合数据在CNN分类算法下对水稻的识别效果最好,总体精度、Kappa系数分别为96.19%、0.93,结合野外调查数据进行验证,实际验证精度达94.69%。由研究结果可知,Sentinel-2与GF-1优选特征融合数据在CNN分类算法下对丘陵地区水稻识别具有较好的效果和适用性,是丘陵地区水稻遥感识别的有效手段。     

基于QUEST决策树的Landsat 8遥感影像的南京市土地分类研究

以南京市为研究对象,获取研究区域Landsat8 OLI遥感影像,利用QUEST决策树的分类方法对影像进行分类。将植被覆盖指数(NDVI)、迭代自组织数据分析技术(ISODATA)非监督分类作为地学辅助数据因子添加到分类波段中,构建多源数据集进行不同特征的融合,处理目标类别之间的非线性关系。该方法灵活性大,总精度达91.045%,Kappa系数为0.851,取得了比普通方法更好的精度。精度的提高有助于解决南京市复杂的规划、决策和管理等问题。     

基于CA模型的土地利用变化研究——以新疆鄯善县为例

本文首先运用新疆鄯善县2005年土地利用数据进行现状分析,分析了鄯善县土地利用的特点;运用1993年～2000年的土地变更数据,对鄯善县的土地利用变化的特点进行了进一步分析,找出鄯善县土地利用变化的特点和变化的方向、幅度,然后选择鄯善县城及附近的区域作为实验区,进行CA模型的建立与实现。以实验区1990年TM影像作为基础数据;以实验区2000年TM影像作为训练模型的训练数据,对模型进行调试;以2005年的资源二号卫星影像数据作为检验模型的检验数据,对模型进行评价和检验。最后运用模型模拟2010年的实验区土地利用状况。     

SPOT5卫星影像在1∶1万地形图修测中的应用

研究对SPOT5卫星遥感影像进行影像增强、影像配准、影像融合和影像正射纠正一系列图像处理,对处理好的影像进行矢量化,通过在外业实地调绘及内业图形整理,进行比较。得出SPOT5影像更新地形图价格低、工作量少且易于操作,因此,SPOT5卫星影像在1∶1万地形图修测中有一定的应用价值,但是有些地物在影像图上不易判别。     

基于SPOT高分辨率遥感数据的农作物估产方法研究

[目的]为了达到基于SPOT高分辨率遥感数据的农作物估产方法研究的目的。[方法]以邢台市为例,利用SPOT-5卫星2.5 m分辨率全色影像与10 m分辨率多光谱影像的融合得到高分辨率多光谱影像,以此对农作物估产方法进行研究。[结果]结果表明,基于SPOT高分辨率遥感数据的农作物估产结果与地面实测结果相比,其检验结果可信。[结论]该研究为农作物遥感估产的实践应用提供了参考依据。     

基于MERSI和ETM＋遥感图像融合的湿地苇田识别研究

采用Gram—Schmidt变换和像素级融合方法,将不同空间分辨率的MERSI影像与ETM＋影像进行融合,用于识别盘锦湿地苇田,并对融合结果进行了主观和客观评价。结果表明：采用Gram-Schmidt变换融合方法保留了MERSI影像的多光谱特性。提高了影像的空间细节。对空间分辨率之比（达1：9）较高的影像融合进行了分析,能够满足湿地苇田识别的应用目的。