融合变换在紫茎泽兰遥感监测中的应用研究

应用融合变换对四川西昌地区紫茎泽兰遥感图像ASTER数据进行处理，结果表明：对ASTER三种传感器生成的三种分辨率的影像数据进行Gram-schmidt融合处理，可以将具有较高光谱分辨率的多光谱遥感波段的空间分辨率从30m×30m提高到15m×15m，增加更多的地表地物组分信息，有助于识别各种不同地物类型，同时使同一地物的光谱信息变换前后保持不变，确保了后续图像分类的可靠性。应用ENVI中对融合后的图像进行马氏距离分类，分类结果总体精度为73．6983％，Kappa系数等于0．6936。     

融合变换在紫茎泽兰监测中的应用研究

应用融合变换对四川西昌地区紫茎泽兰遥感图像ASTER数据进行处理,结果表明:对ASTER三种传感器生成的三种分辨率的影像数据进行Gram-Schmidt融合处理,可以将具有较高光谱分辨率的多光谱遥感波段的空间分辨率AK30m×30m提高到15 mx15 m,增加更多的地表地物组分信息,有助于识别各种不同地物类型,同时使同一地物的光谱信息变换前后保持不变,确保了后续图像分类的可靠性.应用ENVI中时融合后的图像进行马氏距离分类,分类结果总体精度为73.6983%,Kappa系数等于0.6936.     

祁连山金强河河谷区域高寒灌丛群落海拔梯度影响特征与光谱变化

高寒灌丛是青藏高原生态系统的重要部分,研究高寒灌丛对青藏高原生态系统的研究具有重要意义。光谱遥感技术作为近年来发展迅速的遥感探测技术,可以实现高空间分辨率和高光谱分辨率的地物大面积无损探测。研究高寒灌丛的光谱变换特性有助于光谱遥感技术在青藏高原生态系统研究中的应用。选取青藏高原祁连山东段的甘肃省天祝县金强河河谷区域,根据海拔高度的变化,从2 900 m到3 600 m的阴坡,每100 m设置一个样地,采集每块样地的光谱数据。对采集的光谱数据进行平滑降噪处理后,通过反射率(REF)、吸收率(ABS)及反射率和吸收率的一阶导数(GREF和GABS)变换,分析了灌丛群落和光谱特征随海拔梯度的变化规律。主要结论如下:1)群落多样性的空间格局中,物种多样性随海拔梯度的变化极显著,光谱REF与α多样性随海拔升高均呈现倒"V"字形变化。α多样性最高的海拔梯度与群落光谱REF最大的值均集中在中间海拔区域(3300～3400 m);2)灌丛含水率随海拔梯度的变化呈"N"字形,即灌丛含水率与群落光谱REF随海拔梯度的增加先升高后下降再升高;3)群落高度,生物量和茎叶比对灌丛群落光谱特征的影响较明显。阴坡灌丛群落光谱REF与生物量、茎叶比随海拔梯度的增加呈反"N"形变化;4)千里香杜鹃和头花杜鹃灌丛在整个灌丛群落中占有关键地位,其群落特征的变化对灌丛光谱特征的影响明显。     

达茂旗草原资源现状的遥感制图分析

本文采用2002年15m分辨率ETM和1999年～2000年30m分辨率TM卫星数据,结合40余个地面野外数据、历史资料等,基于地面资源与遥感图像相关性,通过制作达茂旗乡级草原类、亚类分布图,分析了2000年代与80年代草原类型面积的变化趋势。     

基于地物字典的遥感图像分类方法研究

遥感图像信息提取与分类是当今数据挖掘领域中的热门话题之一。遥感图像计算机分类的主要措施是基于统计特征的模式识别技术和句法模式方法。该文是在认真阅读了相关资料的基础提出了有关分类的一种设想,一种人工智能和数据库理论结合的分类方法,即利用地物字典进行遥感图像分类。     

GPU在高光谱遥感图像解混领域的应用

随着空间分辨率和波普分辨率的提高,高光谱遥感图像处理存在着数据量大,计算量大,算法普遍复杂度高等特征,越来越不能满足数据处理实时性的需求。然而,GPU具有大量可计算核心,线程间切换开销小,性能功耗比和性价比高等特点。本文结合cuda框架,概括了将基于GPU的并行计算技术应用在高光谱遥感图像处理研究状况。     

基于Matlab的遥感图像IHS小波融合算法的并行化设计

随着遥感图像数据规模的不断扩大与融合算法计算复杂度的增大,遥感图像的快速融合成为很多遥感处理步骤的关键一环。计算机技术快速发展,CPU多核架构逐渐普及,为了充分利用多核处理器资源,Matlab提供了并行计算模型。本文选取了基于小波变换和IHS空间的图像融合算法进行并行化设计,利用Matlab并行计算工具箱与分布式计算服务器进行任务分割,实现了算法的并行化。实验结果表明,并行化处理可以有效缩短图像融合的时间,获得良好的加速比,验证了并行算法的高效性,对进一步研究并行图像处理有一定的指导意义。     

基于高光谱影像的高寒牧区土地覆盖分类与草地生物量监测模型

利用环境减灾卫星HJ 1A高光谱图像数据,分析了研究区不同土地覆盖类型的波谱曲线特征,比较了监督分类和光谱角分类方法对高光谱影像的分类精度,研究了高寒牧区草地生物量超光谱遥感监测模型。结果表明,1）不同地物波谱曲线的吸收位置和吸收深度等波谱特征在可见光波段具有较大差异,在近红外波段吸收特征相似。在可见光波段,云和植被的吸收位置最少,都只有1处,但云的吸收深度小于植被;裸地吸收位置有5处;水域吸收位置最多,有6处。2）光谱角与监督分类均适于高光谱影像分类,但光谱角分类方法的总精度可达85.9%,远高于监督分类法。3）依据草地生物量与9种植被指数间的回归分析结果,选出了适合研究区草地植被生物量动态监测的两种植被指数,即归一化植被指数和比值植被指数。     

Coastal zone land use/cover information extraction method based on RS

本文以地处莱州湾东海岸的莱州市为研究区域,以TM影像为主要信息源,在分析各类地物分类效果的基础上,结合区域特点和地物光谱特征,综合利用两期典型季相的遥感图像,并针对每一种土地利用类型确定最佳信息提取影像,提出了基于光谱、地形等多种知识的分层信息提取方法.结果表明该方法分层目标明确,分类精度和计算效率都有明显提高,且在数据分析和解译方法上表现出更大的灵活性.     

图像无损压缩传输技术研究

随着光谱分辨率、空间分辨率、时间分辨率以及辐射分辨率的不断增加,星载成像光谱仪获取的高光谱图像数据量急剧膨胀。对于星载成像光谱仪获取的高光谱图像,庞大的数据量已经给数据的存储与传输带来了巨大压力,严重制约着高光谱图像的后续应用,因此,必须利用有效的图像压缩技术对三维高光谱图像数据进行稳定的压缩。根据重建图像与原图像的比对和重建图像的信息恢复程度,一般情况下可将图像压缩方法分为无损压缩和有损压缩,在实际应用中,需要根据具体的应用需求选择相应的压缩类型。无损压缩则是压缩过程中仅仅去除图像的冗余,这里包括空间冗余和谱间冗余,重建图像可完全恢复原图像信息,但压缩比较低,重建图像的完整性是在损失压缩比的前提下获得的。一般情况下无损压缩应用在空间遥感图像应用领域,如星载图像等,由于空间航天器获得的图像信息非常宝贵、价值巨大,压缩时应尽量避免丢失或者尽量少丢失信息。本文分析了图像无损压缩及传输的相关技术问题。     

应用MODIS进行草原生物量估测误差原因分析

草原生物量遥感监测从地面调查到遥感分析涉及诸多环节和步骤,不计偶然误差,系统误差存在于每一个环节,造成系统误差的原因来自多方面,一是遥感影像的分辨率低、噪声多和处理过程中信息损失;二是地面样方信息的不确定性和片面性;三是当前遥感监测业务和技术发展水平的局限等。本研究结合当前普遍应用的草原监测方法,总结并分析了各种误差来源和对监测结果产生的影响。     

天山北坡草地遥感分类及其精度分析

基于遥感资料的植被类型划分能快速获得大尺度的植被覆盖变化数据。采用遥感和GIS技术,利用天山北坡典型草地2008年Landsat 5 TM遥感影像和1999年Landsat 7 ETM+全色波段数据,在对遥感影像预处理的基础上,进行了数据融合处理。根据融合影像的纹理特征进行监督分类,将研究区域的植被初步分为8种主要覆盖类型,在监督分类的基础上借助专家知识系统构建决策树,进一步将草地分为5类,包括平原荒漠、平原沙漠、低山荒漠、温性草甸和高寒草甸,最后对分类结果进行精度评价,总精度在95%以上,总Kappa系数为0.939 6,间隔9年的影像融合和决策树分类方法在研究区植被分类中具有较高的可行性。     

The Classification of Grassland Types Based on Object-Based Image Analysis with Multisource Data

The spatial distribution of different grassland types is important for effectively analyzing spatial patterns, obtaining key vegetation parameters using remote sensing (e.g., biomass, leaf area index, net primary production), and using and protecting grasslands. Existing classifications of grasslands by remote sensing are mostly divided according to the fractional vegetation cover or biomass, but classifications according to grassland types are scarce. In this study, we focused on the classification of different grassland types using remote sensing based on object-based image analysis (OBIA) with multitemporal images in combination with a 30-m digital elevation model (DEM) and the normalized difference vegetation index (NDVI). The grasslands were located in Hulunber, Inner Mongolia, and an autonomous region of China. The support vector machine (SVM) and random forest (RF) machine learning classifiers were selected for the classification. The results revealed the following: 1) It is feasible to generally extract different grassland types on the basis of OBIA with multisource data; the overall classification accuracy and Kappa value exceeded 90% and 0.9, respectively, using the SVM and RF machine learning classifiers, and the classification accuracy of the different grassland types ranged from 61.64% to 98.71%; 2) Multitemporal images and auxiliary data (DEM and NDVI) improved the separability of different grassland types. The information in the growing season was conducive for distinguishing temperate meadow steppe from temperate steppe and was favorable for extracting lowland meadow and swamp in the nongrowing season. The DEM and NDVI also effectively reduced the number of image segmentation objects and improved the segmentation effects; 3) Spectral and textural features were more important than geometric features in this study. A few main variables played a major role in the classification, while a large number of variables had either no significant effect or a negative effect on the classification results when the optimal feature subset was determined. This study provides a scientific basis and reference for the classification of various grassland types by remote sensing, including the data selection, image segmentation, feature selection, classifier selection, and parameter settings.     

应用遥感技术对内蒙古镶黄旗草原分类的研究

研究了遥感技术在内蒙古镶黄旗草原资源调查中的应用,探讨了利用TM影像进行草原资源专题信息提取的整个过程,包括几何校正、镶嵌、特征提取和训练区的选择,采用常规的监督分类和非监督分类方法,对图像进行了分类,同时对分类结果进行了校验。     

基于STARFM的草地地上生物量遥感估测研究——以甘肃省夏河县桑科草原为例

遥感数据具有实时、动态、大范围等特点,在草地资源监测与管理研究中获得了广泛应用。然而,单一的遥感植被指数无法同时满足草地地上生物量观测中时空分辨率的需求。因此,本研究基于时间序列Landsat NDVI和MODIS NDVI数据,结合时空融合算法（spatial and temporal adaptive reflectance fusion model, STARFM）,生成了2000-2016年高时空分辨率的植被指数数据集（NDVI_STARFM,时间分辨率为16 d,空间分辨率为30 m）,并基于2013-2016年地面实测草地地上生物量数据,构建了夏河县桑科草原高寒草地地上生物量遥感反演模型,分析了2000-2016年研究区草地地上生物量生长状况和变化趋势。结果表明：1）基于NDVI_STARFM的最优估测模型为乘幂模型,其R²为0.58,均方根误差（root mean square error, RMSE）为795.62 kg·hm^-2,模型的表现能力次于Landsat NDVI最优估测模型（R²=0.76,RMSE=634.83 kg·hm^-2）,而优于MODIS NDVI最优估测模型（R²=0.24,RMSE=937.79 kg·hm^-2）;2）基于NDVI_STARFM最优估测模型对各样区草地地上生物量总产的估测精度优于MODIS NDVI而次于Landsat NDVI,总体精度达84.05%;3）2000-2016年来,夏河县研究区草地地上生物量总体呈现增加趋势,其中90%左右的区域年增量大于30 kg·hm^-2,草地地上生物量呈现减少趋势的区域仅占2.30%。     

基于多源遥感数据提高山地森林识别精度——以祁连山国家公园肃南县段为例

本研究旨在探索一种基于多源遥感数据的提高山地森林识别精度的方法。以祁连山国家公园肃南县段为实验区，结合ICESat/GLAS（geoscience laser altimeter system ）星载激光雷达数据、Landsat OLI影像、Google Earth高分辨率影像、DEM数据以及样地调查数据，综合利用各数据提供的垂直结构、光谱、季相和地形特征探索基于多源遥感数据的山地森林识别精度提升方法。结果表明：1）将经过地形校正后的GLAS数据提取的垂直结构信息与光谱信息结合能够提高山区复杂地形条件下森林范围识别的精度，相比仅依据光谱特征进行分类，依据光谱及垂直结构综合特征分类时其总体分类精度提高了10.67%。2）地形信息的加入能够尽量全面的考虑到不同地形特征上各森林类型的不同光谱特征，从而提升森林类型的识别精度，且就本研究区域而言，加入坡向信息比海拔信息更能够提高森林类型的分类精度。3）多源多时相遥感影像提供的季相特征能够对不同森林类型的分类提供帮助，而不同的波段组合对分类精度几乎没有影响。 研究对探索低成本、高时效、操作方便并具有一定精度保证的山地森林识别方法具有一定的借鉴意义。     

黄河源流域单元概念及其提取方法研究

针对黄河源高寒草地生态系统保护的流域属性与差异性，本研究提出了一种准确便捷的流域单元识别方法。以国产高分辨率遥感影像所提取水系矢量数据作为标准参照系，基于数字高程数据（Digital elevation model，DEM）汇流累积计算量阈值设置为30 000时所获取的水系信息与黄河源实际水系状况较为相近。通过合并集水区获取黄河源流域单元878个，其中干流单元1个，一级支流单元219个，二级支流单元420个，三级支流单元194个，四级支流单元21个，断流河流单元23个。受地形地貌影响黄河源流域单元中河流长度与流域面积差距较大。本研究完善了黄河源水系及流域单元特征信息，为黄河源生态治理工作提供参考。     

Remote sensing and epidemiology: examples of applications for two vector-borne diseases

Remote sensing techniques have greatly contributed to improve our capacity to observe our environment and its processes. For about 15 years, the use of satellite images for epidemiological purposes has been largely promoted to determine diseases distributions and their variations through time. In some circumstances, when diseases are strongly related to environmental data such as climate, vegetation or land-use, radiation values can be included in prediction models. In other cases, remote sensing data provide information for drawing thematic layers involved in the epidemiological processes, which may differ according to the different ecotypes and ecosystems. According to its final goal, the users can choose from the panel of available radiometers with specific characteristics including spatial resolution and frequency of data. In this paper, two examples of major vector-borne diseases, namely Animal Trypanosomosis and Bluetongue, illustrate these applications.     

基于CASA模型的甘肃省草地净初级生产力研究

利用基于遥感数据的光能利用模型-CASA模型估算了2005年甘肃草地生态系统NPP,分析了其空间格局,以及地形因素对草地NPP的影响。(1)实测数据与模拟结果对比表明,修正后的CA-SA模型的可操作性强,仅利用地面气象数据和遥感数据就可以对草地生产力进行模拟,模拟效果较好。(2)2005年甘肃省草地NPP总量为3.76×1013g/(m2.a),最高值达790.56g/(m2.a),年均值为139.15g/(m2.a),由西南向东北逐渐减少。(3)草地NPP季节变化非常明显,夏季NPP达到最大值;冬季植被基本停止生长,草地NPP值最低。4)在海拔3 000～3 500m区域、25°～30°坡度以及东坡草地NPP均达到较高水平。     

基于3S技术的若尔盖县草原沙化遥感监测研究

草原沙化是国内外关注的重大生态环境问题。本文利用遥感数据,在“3S”（RS,GIS,GPS）集成技术的支撑下,采用地面调查方法,建立遥感影像与地面数据的数学模型,对若尔盖县沙化草,-原开展遥感监测。利用不同地物在遥感影像上的色调与形态差异,建立草原解译标志与分级指标体系,获取沙化草原面积、分布和等级情况。本研究为进一步开展西川省草原沙化调查提供了技术支持,为治理草原沙化提供了科学参考。．