基于薄云雾去除的ETM+影像大气校正

中国南方农业遥感监测中,遥感影像常常受到薄云雾影响,大气的散射与吸收作用会使传感器接收到的地物反射率与真实值之间存在差距,是导致数据质量下降的主要原因,薄云雾去除和大气校正处理是十分必要的。该研究利用LandSat-7/ETM+影像,结合背景抑制云雾厚度因子（BSHTI）云检测方法和虚拟云点（VCP）云去除方法进行薄云雾去除,并与暗元法去云处理结果对比分析,然后将去云处理后的影像进行FLAASH大气校正,选取校正前后典型地物的光谱特征和NDVI值进行分析评价。结果表明,BSHTI-VCP法可有效消除薄云雾对遥感数据的影响,提高了云雾覆盖范围的影像质量;FLAASH大气校正较好地消除了大气影响,获得了地物真实地表反射率。该研究为南方作物遥感监测中定量反演与信息解译提供了良好理论支持。     

基于遥感影像的露天煤矿区土地特征信息及分类研究

该研究利用Landsat TM数据,以安太堡大型露天煤矿为例,在对地物光谱特征深入分析的基础上,设计了大型露天矿区土地剧烈扰动下不同地物特征提取模型,提取了安太堡露天矿区植被高覆盖区、植被低覆盖区、剥离堆垫区、采煤运煤区及边坡区等不同地物信息。采用归一化植被指数(NDVI)提取植被低覆盖区与植被高覆盖区信息,采用(TM4-TM5)>0提取植被高覆盖区信息并与NDVI进行了比较,采用TM4<40提取采煤运煤区信息,采用TM4/TM7在0.99～1.01范围来提取边坡区信息, 并统计计算了各类地物所占面积和分布情况。对研究区TM影像进行主成分分析,剥离堆垫区、采煤运煤区和边坡区等反映矿区扰动特征的信息主要由第1主成分反映,植被低覆盖区和高覆盖区等反映矿区植被覆盖特征的信息主要由第2主成分反映,两个主成分的贡献率达到97.16％,并利用扰动特征和植被特征对研究区地物进行了分类。该技术与方法为露天矿地物变化动态监测以及土地复垦与生态重建均提供了准确数据支持。     

多光谱低空遥感图像光照辐射度校正

为了提高受云层阴影影响的遥感图像的信息提取准确度,该文以水稻小区试验过程中为进行氮素水平检测而采集的低空机载高分辨率多光谱遥感图像为对象,对受云层阴影影响的高光谱图像进行光谱校正,从而提高氮素水平检测的精度。试验中采用机载的双摄像机同步采集可见光和近红外的水稻遥感图像,并将两摄像机的图像进行几何校正后合成得到彩红外(color infrared,CIR)光谱图像;同时在图像采集区域布置3块不同反射率的1.2 m×1.2 m标定靶,利用便携式光谱仪测定标定靶的反射光谱曲线,并统计标定靶在图像中各通道的亮度均值。以标定靶在晴天无云和有云图像中的亮度值为节点,对G、R和近红外(near infrared,NIR)通道分别建立分段的线性变换模型进行校正。为验证校正精度,在遥感图像中分别选择大田水稻、小区试验田块和裸地3个不同区域的图像的G、R和NIR通道像素亮度均值及归一化植被指数(normalized differential vegetation index,NDVI)作为评价指标。试验结果表明,和传统的整体线性变换相比,采用分段线性变换校正具有较高精度,G、R和NIR通道校正后的平均误差为8.6%,9.1%和11.7%,NDVI平均误差为11.5%,有效提高了阴影条件下的遥感图像的信息提取精度,提高了受云层影响遥感图像的利用率。研究为低空遥感的图像校正提供了参考。     

基于NDVI的喀斯特水资源遥感定量监测及分析——以贵州省为例

喀斯特是一类脆弱的生态环境,水资源是脆弱生态环境的重要组成部分,NDVI是流域赋水状况及空间分布的重要指标,因此,喀斯特水资源监测是研究脆弱生态环境的重要内容。在贵州省内选择20个流域作为研究样区,根据Landsat TM的植被光谱特征,利用遥感技术,提取LNDVI和ρNDVI;利用数学分析方法,建立喀斯特流域水资源监测模型。通过分析得出:①植被覆盖率是喀斯特流域赋水的重要指标;②利用地物表观反射率的归一化植被指数(ρNDVI)对喀斯特流域水资源进行监测,效果更好、精度更高;③建立了喀斯特水资源遥感监测模型。     

基于6S模型的山区环境星影像大气校正研究

针对山区地形复杂,高程变化较大的特点,利用6S辐射传输模型建立查找表,结合研究区DEM对影像进行了大气校正。试验结果表明,校正后的影像清晰度、对比度提高了,消除了大气对NDVI的负面影响。     

陕西省土地覆盖分类的遥感应用研究

利用监督分类和阚值判别相结合的方法，在对不同地物的地表光谱特征进行分析的基础上，对NOAA和FY－1C卫星各个季相的晴空资料分别进行了计算NDVI与判别分类，制作了陕西省遥感土地覆盖分类图，从而探索了一种通过极轨遥感资料进行宏观的土地覆盖分类的方法，此外，提出的用于遥感图像精校正的火点定位法，解决了地面控制点与遥感图像元的对应问题。     

Landsat TM8及GF-1影像黑龙江省线状地物实际与解译宽度对比

线状地物又称为线性地物,是一种普遍存在的土地利用方式。在遥感图像上,线状地物大量存在,这种存在表现为线状地物的可见性,即线状地物的图像特征表现为数个像元宽度的狭长型地物;另一方面,大量线状地物被"淹没"在遥感图像的混合像元中,这部分线状地物在遥感图像上具有相对不可见性。在面状地物解译中,线状地物常常由于遥感影像分辨率有限而包含在面状地物中,使面状地物解译结果偏大而不够准确。因此,准确解译线状地物可以校正面状地物解译结果。Landsat TM8影像与GF-1影像作为近几年新出现的高质量高分辨率卫星遥感影像,在各行各业中应用较为广泛,在农业遥感中亦是如此。在农作物面积估算中,Landsat TM8影像与GF-1影像线状地物扣除技术的精确程度直接影响农作物面积估算精度。Landsat TM8影像与GF-1影像线状地物实际宽度与解译宽度对比研究对于农作物面积估算和估产具有重大意义。由于分辨率相差较大,在线状地物解译中,GF-1影像具有明显优势。该文以23景Landsat TM8影像和14景GF-1影像为基础,运用统计学方法对黑龙江省341条线状地物实际宽度与解译宽度做对比研究。结果表明,对线状地物解译精度影响较大的主要因素为卫星遥感影像分辨率。Landsat TM8影像解译精度较差(|夸张系数|50%)的线状地物共94条,占全部线状地物的27.5660%;在这部分线状地物中,通常是解译宽度远大于实际宽度;以线状地物实际宽度分类中的0~10 m类别中,线状地物的解译精度最差,而按走向分类和按类型分类对线状地物解译精度影像不大。GF-1影像解译精度较差的线状地物共有29条,占全部线状地物的8.5044%,在这部分线状地物中,通常是解译宽度远大于实际宽度。     

基于波段比模型的地形调节植被指数组合算法构建与验证

为消除山区植被遥感监测中的地形影响,该文根据山区主要地物波谱曲线特征和波段比模型等基本原理,构建地形调节植被指数(topography-adjusted vegetation index,TAVI)组合算法。首先,提出TAVI研究思路。其次,利用山区Landsat8多光谱遥感影像分析山区主要地物波谱曲线特征,阐释TAVI光谱原理。接着,用红光波段数据构建新的阴影植被指数(shady vegetation index,SVI),并优选比值植被指数(ratio vegetation index,RVI)与SVI形成TAVI组合算法,再结合地形调节因子"极值优化"算法计算TAVI结果。最后,采用目视比较、统计分析和差值分析证明TAVI组合算法达到经大气加地形校正后遥感影像计算的NDVI的削减地形影响的效果,其与太阳入射角余弦值一元线性回归方程斜率降至0.035,相关系数降至0.075。TAVI组合算法可应用于山区植被信息和有关参数的遥感监测与估算。     

消除水分因素影响的野外原状土壤盐分高光谱建模估测

土壤水分被确定为土壤属性(有机碳、盐分等)光谱预测准确性下降的一个主要原因,该文通过两种方法的对比旨在探索去除土壤水分影响、提高盐分高光谱定量估测精度的方法和技术路线。首先以山东省东营市垦利区为研究区,采用地物光谱仪测定了96个样本的野外原状土和室内风干土光谱,并进行一阶导数变换;接着,对比分析盐分光谱特征及水分的影响;然后分别采用外部参数正交化(external parameter orthogonalization,EPO)和非负矩阵分解(non-negative matrix factorizing,NMF)方法校正和融合野外原状土光谱,去除土壤水分因素的影响,形成野外原状土光谱的校正和融合光谱;最后基于野外原状土光谱、校正和融合光谱,分别采用多元逐步线性回归(multiple step linear regression,MSLR)和偏最小二乘回归(partial least squares regression,PLSR)构建土壤盐分含量的估测模型,并进行验证和比较,分析预测精度变化。结果显示:土壤水分对野外原状土光谱及盐分光谱特征影响较大,需要研究去除;EPO和NMF均可提高土壤盐分野外原位光谱估测精度,比较而言,NMF效果更为显著;EPO结合PLSR或NMF结合MSLR可作为去除水分影响的土壤盐分校准模型的技术路线。     

基于Hyperion高光谱图像的氮和叶绿素制图

利用云南省西双版纳的Hyperion高光谱图像,利用多元逐步线性回归建立了Hyperion一阶导数反射率与氮浓度和叶绿素浓度的关系,结果表明：经6S模型大气校正的Hyperion反射率与野外实测冠层反射率基本吻合;经6S校正的反射率计算的NDVI,高于用绝对亮度、表观反射率计算的NDVI,而且前者与野外实测计算的NDVI最接近;预测氮和叶绿素浓度的模型中大部分入选波长与蛋白质的吸收有关,R²分别为0.586和0.506。产生了冠层水平氮和叶绿素浓度的空间分布。结果表明：水稻的氮浓度最高,为2.5%～3.5%,其次为甘蔗、土豆、茶树,氮浓度为1.0%～2.5%,而大多数森林的氮浓度在1.0%～1.5%。对于叶绿素,水稻、马铃薯的叶绿素浓度最高,为25%～35%,其次为玉米、甘蔗,叶绿素浓度为20%～30%,而栗树的叶绿素浓度为20%～25%。证明高光谱图像是大尺度估算植被生化组分的有效方式。     

基于6S模型的GF-1卫星影像大气校正及效果

高分一号(GF-1)卫星是中国高分系列卫星的首发星,自2013年4月成功发射以来,在中国农业遥感业务工作中得到了广泛应用,已成为中国大宗农作物种植面积遥感监测的主要数据源。该文基于6S(second simulation of a satellite signal in the solar spectrum)辐射传输模型原理,设计并实现了适合于GF-1卫星数据大气校正算法与程序。算法以GF-1卫星1级数据、元数据及传感器公开参数为输入数据,不需要其他外源辅助数据,经过辐射定标,计算各波段平均太阳辐射值、表观反射率,通过选择大气模式,驱动6S模型获取表观反射率转换为地表反射率的参数,逐像元计算影像地表反射率。在算法研制的基础上,应用Fortran和IDL语言编写了大气校正批处理程序,实现了大气校正过程的批处理。该文采用2014年4月3日、6月28日、11月2日,以及2015年1月19日4个时相北京地区GF1卫星WFV(wide field view)数据,分别代表春夏秋冬4个季节,通过与ENVI软件的FLAASH(fast line-of-sight atmospheric analysis of spectral hypercubes)大气校正结果对比进行评估。2种方法 4个时相各波段全年相对偏差为3.26%,蓝光波段偏差最大为11.21%,其次是红、近红和绿光波段,分别为1.19%、0.73%和0.24%。作物覆盖区平均相对误差为12.99%,冬季最高为17.40%,秋季和春季分别为15.02%和14.15%,夏季相对差异最小为8.31%。各波段地表反射率的整体校正情况并未有太大差异,但6S校正后各波段反射率普遍比FLAASH校正结果略微偏高。2种校正结果计算的NDVI也基本一致,相对偏差0.64%;除水体外,绝对值差值的平均值均在0.0548以内。从计算效率来分析,6S模块实现了商用软件FLAASH模块中未提供的批量计算,在相同硬件环境下计算效率提高了75.0%以上。研究结果表明了该文开发的大气校正程序能够稳定批量处理GF-1卫星数据,可以作为农业遥感监测业务流程的组成部分。     

TM影像中基于光谱特征的棉花识别模型

为快速、准确地在遥感图像上从各种农作物中识别提取棉花作物的信息，满足大尺度、运行化棉花遥感监测系统的要求。作者在试验区的棉花主要生长期里，同期进行了棉花与其它主要农作物的地面光谱测量并采集了同期的Landsat TM图像。通过对各时期棉花及主要农作物的地面测量光谱与TM图像光谱特征的差异性及规律性分析，确定了试验区棉花遥感识别的最佳时相期为9月中下旬， 研究开发了基于光谱特征的棉花识别模型。经数学分析与实际应用验证，该模型简单、操作方便并且识别的准确度较高，适用于大尺度的“新疆棉花遥感监测运行系统”。     

采用Landsat8产品算法流程的高分一号数据大气校正

高分一号(GF-1)卫星搭载的传感器,实现了高分辨率和宽幅成像能力的结合,使其在精准农业方面应用发挥重要作用。该文在6S大气辐射模拟模型基础上,参照LaSRC大气校正流程,设计了GF-1卫星WFV/MSS数据从算法原理分析到编码实现的大气校正。算法应用大气总传输率、水汽透过率和大气后向半球反照率等参数和高程、大气可降水以及臭氧含量等值,循环计算使GF-1像元红蓝通道值比等于来自MODIS数据的红蓝通道值比,求得GF-1像元气溶胶,再将包含当日大气可降水和臭氧含量的辅助数据文件等代入6S模型,得到大气校正后的地表反射率。试验表明,该大气校正方法在有农田和林木等植被覆盖的中低纬度大气校正效果较好,对稀疏植被的荒漠裸地和建筑地表大气校正效果相对稍差。比较GF-1WFV/MSS数据与Landsat8(LC8)OLI数据的基于6S模型LaSRC流程算法的大气校正结果,GF-1WFV/MSS各传感器与LC8OLI大气校正结果的相关系数为0.825~0.972,2种卫星数据大气校正结果相关性高,其中WFV相较于MSS显示出与LC8 OLI更相近的大气校正结果。结果表明,应用6S模型原理参照LaSRC校正流程设计的自行估计数据逐像元水平气溶胶参数的GF-1卫星数据大气校正方法应用方便、可操作性强,适合生长季农林监测等陆面应用。     

基于RS的北京门头沟植被覆盖时空演变研究

应用RS技术,以1979年和2005年的Landsat TM影像为数据源,并对其进行边界修补、去云处理、地形校正、大气辐射订正和反射率计算,然后运用归一化植被指数和改进的像元二分模型,分别计算其归一化植被指数ND-VI及植被覆盖度,对北京市门头沟区的植被覆盖进行动态遥感监测。结果表明:(1)门头沟区植被覆盖整体呈下降趋势,覆盖度从1979年的76.4%减少为2005年的72.7%;(2)覆盖度在60%以上的区域比较稳定,是植被覆盖的主体;(3)覆盖度在80%以上的大面积减少,说明该区植被破坏严重,这与城市化进程的加快、对土地大规模利用、经济增长有很大关系;(4)由于居民点建设中采沙、采石和采煤占用绿地,永定、龙泉、谭柘寺植被退化最严重;军庄退耕还林和果林绿化是唯一植被覆盖增加的乡镇。其它乡镇植被退化平均在5%以内,妙峰山、王平、大台、斋堂四个中部乡镇由于采矿、采石等人为活动,特别是京西矿业集团的煤矿多基本集中在此,使这4个乡镇植被退化明显,并已形成采空区和塌陷区;雁翅、清水乡植被退化主要以自然退化为主,退化幅度相对较小。     

基于K-T变换的地表水体信息遥感自动提取模型

 传统的水体提取方法阈值法和谱间关系法对于水体和云体阴影难以区别,影响提取精度。为建立一种能精确提取水体并且能够消除各种云体阴影影响的模型,对所研究的图像先进行K-T变换,再利用新生成的6个波段建立水体信息提取模型。结果表明：只有水体（Water）的波谱曲线具有W型的独特特征,建立的水体提取模型Greenness〈Wetness〉Fourth不但可消除云体阴影,而且可高精度地提取地表水体。     

Modelled and measured ratio of PAR to global radiation under cloudless skies

The ratio between photosynthetic photon flux density (PPFD) and solar broadband irradiance depends on the spectral structure of radiation. Therefore, at the Earth surface, this ratio depends on atmospheric conditions and solar height. Specifically, for cloudless skies, and based on results from a spectral radiative transfer model, a parameterised model is presented here in order to obtain the ratio between PPFD and global irradiance from meteorological routine measurements. The two main input variables of the model are air mass and an estimation of precipitable water column. Modelled values are compared to measurements taken at Girona (NE Iberian Peninsula). A correction to measurements is developed to take into account the non-cosine response of the instruments. Agreement between measurements and model is significantly better than merely considering a constant value of the ratio between PPFD and global broadband irradiance.     

SPECTRAL BEHAVIOUR AND SPECTRAL SEPARABILITY OF ERODED LANDS USING MULTI-SENSOR DATA

A sound knowledge of the spectral behaviour of any feature or phenomenon helps to establish its spectral response pattern, which ultimately allows it to be detected and delineated using spectral measurements made by multispectral sensors aboard different platforms. The spectral behaviour of eroded lands and associated features was studied in part of the Bijapur District of Karnataka State using multispectral measurements made by the Landsat-multispectral scanner system (MSS) and thematic mapper (TM), and SPOT-HRV multispectral linear array (MLA) sensors under near-identical illumination and atmospheric conditions. The spectral separability of different categories of eroded lands was also studied using scattergrams and divergence analysis. © 1997 John Wiley & Sons, Ltd.     

Evaluating Modified Atmospheric Correction Methods for Landsat Imagery: Image‐Based and Model‐Based Calibration Methods

Abstract

To increase the accuracy of remotely sensed data for agricultural forecasting, pixel values must be corrected for atmospheric effects and converted to spectral reflectance. The objective of this research was to compare two atmospheric correction methods of Landsat imagery under a range of atmospheric conditions. Ground‐based dark‐object subtraction (GDOS) is an image‐based calibration method that used in situ ground data that the dark‐object subtraction (DOS) method did not use, whereas atmospheric calibration (AC) is a model‐based calibration method that required a standard atmospheric profile refined with the use of in situ atmospheric data. GDOS and AC methods improved the reflectance values and had relationships with measured bands, which were approximately 1 to 1 in all bands. However, the GDOS generally had lower root‐mean‐square errors (RMSE) than AC. Data from this study suggest that at the present time the GDOS method may be more accurate than the AC method.