NOAA／AHRR数据的几何精纠正方法研究

利用ＮＯＡＡ／ＡＶＨＲＲ资料进行有水稻遥感长势监测与估产是以高精度配准为前提的，因此首先论述了在利用ＴＢＵＳ报进行系统纠正的基础上，还必须进行几何精纠正的必要性及其方法的选择；提出综合利用ＡＲＣ／ＩＮＦＯ和ＥＮＶＩ的功能建立几何精纠正的标准空白，通过各种变换进行图像增强处理，仔细胞选取地面控制点；利用５９次浙江省范围的ＮＯＡＡ／ＡＶＨＲＲ数据计算出不同方法中的误差，首次通过方差分析和多重比较进行     

NOAA/AVHRR遥感数据在夜间雾监测中的应用

通过对夜间雾的NOAA/AVHRR红外光谱特征分析,建立基于NOAA/AVHRR遥感数据的夜间雾遥感监测模型。利用该模型对2005年冬季和2008年秋季2个时次江西省范围内的夜间雾分布格局进行监测,经地面气象观测资料检验表明,该模型监测夜间雾的准确率达69.2%。该模型的应用可弥补常规气象监测方法的不足,基本实现对夜间雾的宏观、动态、连续监测。     

应用NOAA/AVHRR遥感资料对阿拉善草地进行动态监测的研究

应用ＮＯＡＡ／ＡＶＨＲＲ遥感资料对阿拉善地区的６个荒漠类草地进行了生长季内的动态监测。结果表明，应用ＮＯＡＡ／ＡＶＨＲＲ遥感资料对阿拉善荒漠进行动态监测是可行的而且是必要的；提出了以“面”取样，“面”与“面”样本区配的建模方式，克服了以往建模方法中样本间“点”对“点”不能很好匹配的缺点。     

陆地资源卫星影像自动几何纠正方法

陆地资源卫星提供了早期的地球观测数据记录,需要L1T或L1G级校正,从精度地理定位和正射纠正后处理到L1T,将具有更高的地理精度。L1G影像产品仅适合于当必要的高程数据和地面控制信息都不满足时的情况。使用L1G产品,用于各种较复杂的分析应用,则需要这些影像较高的几何校正精度。本文提出了一种高精度地理定位和正射纠正L1G影像的自动方法。通过定量估计方法的性能,达到了亚像素的平均几何精度。     

旋翼无人机遥感图像几何纠正的初步研究

基于旋翼无人机遥感平台信息采集的试探性研究,介绍了获得图像几何畸变特征及其纠正方法。研究结果表明,旋翼无人机所获得图像几何畸变明显,经几何纠正后,所获得的田块信息精度能满足精准农业的要求。     

基于SRTM3的MODIS图像几何精校正方法研究

地形地物被高度综合化,只存在超大尺度或大尺度的特征地物,可供选择GCP(地面控制点)的明显地物非常有限,这是中低分辨率遥感图像进行几何精校正面临的最大难题。本文提出了基于SRTM3数据构建与遥感图像几何特征尺度一致的地理参照,对MODIS图像进行几何精校正的方法。首先,利用90 m分辨率的SRTM3进行地形综合,生成250 m像元尺度的DEM并提取地性线,并将其与1∶25万的大型湖泊、大江大河矢量图合并;使用地形光照立体渲染模型 (Hillshade)制作250 m的负立体可视化彩色地形地貌图;集成由3种地理信息要素构成的地理参照数据集。之后,分别选取250和500 m分辨率的MODIS数据,利用亚像元分解与增强技术制作125 m分辨率的假彩色影像。最后,叠加显示地理参照数据集和假彩色卫星图像,目视比对采集控制点,利用自适应三角网控制校正模型对多波段数据进行校正处理,其GCP点集的均方误差达到了431 m。结果表明:250 m分辨率的DEM地性线与MODIS亚像元图像表达的特征地物的几何尺度一致,MODIS图像中能识别的特征地物在SRTM3地性线与大型水系中均能找到,地性线所表达的特征地物点的数量多于遥感图像。与传统的基于基础地理底图选择控制点的方法相比,本文提出的方法更有利于同名地物点的判读和选取,并且操作处理简单,选取的GCP点的坐标精度较高,纠正处理工作效率高。      

ER Mapper软件进行几何精校正的原理和方法

几何精校正是利用地面控制点(GCP)对遥感图像进行几何校正.用ER Mapper软件进行几何精校正,主要包括参数设置、控制点输入和几何精校正.影响几何精校正的因素,主要表现在GCP的数量、分布和本身的定位精度,校正方法不同,影响也不同.     

基于NOAA/AVHRR卫星数据的淮北地区干旱监测

基于2001—2006年极轨气象卫星遥感影像资料和农业气象观测站的旬土壤墒情资料,同时根据安徽省淮北地区干旱特点,利用距平植被指数与20cm土壤墒情建立了干旱监测模型,分别为y春=0.221x 54.375,y冬=0.4474x 81.447;各指数值反演土壤墒情分布,对模型进行统计检验,结果表明春季和冬季距平植被指数通过显著性检验。     

利用微机进行MSS数字图象几何精纠正研究

作者以计算机打印字符占纸面积为基本坐标单元建立统一的坐标系,对非监督分类后的MSS数字图象进行几何精纠正,并将其与相同比例尺的地形图进行对照检查,结果表明,纠正中误差仅为±47.5米,相对误差不到一个象元,能够满足中、小比例尺MSS专业制图的精度要求。     

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。     

星基差分GPS用于林区高分辨率遥感图像几何精校正

为解决林区缺乏大比例尺地形图而难以进行高空间分辨率遥感图像几何精校正问题,采用基于广域差分技术的星基差分GPS精确测定地面控制点(GCP),以多项式变换进行QuickBird pan(0.61 m)图像几何精校正.结果表明,全部GCP的点位误差均小于1个像元,总的点位误差为0.411 9.在进行图像灰度重采样中,最邻近点法、双线性内插法和三次褶积法的效果均无明显差异;就信息量和灰度值变动情况而言,以三次褶积法略好;就图像灰度保真而言,以最邻近点法略好.     

建立大田早稻农学光谱估产模式研究初报

大田试验结果表明,不同氮素水平的水稻冠层光谱之反射率存在着极显著差异。其中630～690nm,760～900nm和520～600nm三个波段可作为检测水稻氮素水平的敏感波段。利用测定光谱反射,通过光谱变量计算以估测LAI和Chl等农学参数是可行的。单一生育期光谱建模估产的精度较低,而且应用时生育期也难统一。RVI复合估产模式和LAI-RVI综合估产模式的精度很高,但仍只是“样板模式”,实际应用于大田估产时,仍需进行多点试验,进一步验证模式并建立一套修正方法,以适应不同熟制和不同产量水平的需要。     

基于 FY3B／MERSI水稻长势监测及其与 AQUA／MODIS数据对比分析

为利用中分辨率光谱成像仪FY3B/MERSI数据进行水稻种植面积信息提取及长势监测,首先对FY3B/MERSI与AQUA/MODIS单通道反射率进行对比分析;其次,通过目视解译和遥感监督分类方法提取了环鄱阳湖区双季早稻的空间分布;最后,基于面积识别结果,利用NDVI对环鄱阳湖区双季早稻长势进行监测。结果表明：（1） FY3B/MERSI与AQUA/MODIS水稻种植区红光和近红外通道反射率具有极显著相关性,且MERSI红光波段及近红外波段反射率都略小于对应MODIS反射率;（2）水稻的提取精度总体达到了92％,可以满足其生育期长势遥感监测的需求;（3） FY3B/MERSI和AQUA/MODIS计算的水稻区NDVI存在显著正相关,且二者测得的水稻长势均与实际苗情数据基本吻合,因此,由FY3B/MERSI遥感影像直接得到的水稻苗情分类基本可以满足业务化需要。     

水稻计算机模拟及应用 Ⅰ.水稻生长及产量形成模拟模型构建

根据作物生理、作物生态、农业气象等学科的基本原理,建立了逐时水稻冠层光合生产动态模拟模型,模型包含辐射、气温２个气象因子和密度、Ｎ肥、播种期３个栽培因子．模拟模型由５个子模型耦合而成,即发育子模型,光合生产和干物质积累子模型,固化物分配和叶面积动态子模型,产量形成子模型和辐射、气温模拟子模型．利用模型对水稻生长的动态过程进行仿真,将模拟值和实测值进行比较,两者拟合程度较好