L波段高空气象探测雷达操作特殊问题及处理方法

现代气象发展中,其主要的工具就是L波段高空气象探测雷达。自从L波段高空气象探测雷达作为主要的高空气象探测工具以来,取得了不少的优异成绩,是其他的探测工具远远不能达到的。由于它的探测精度较高,对各种条件需求度也高,所以不免出现一些问题。文本通过对L波段高空气象探测雷达的工作内容,结合新疆昌吉L波段高空气象探测雷达工作中出现的特殊问题,对其进行科学的探究。     

我国开发监控海洋溢油污染紫外成像技术

近日,我国采用紫外成像技术首次成功航摄到海洋溢油污染的紫外图像,验证了此项技术在可见盲紫外波段探测海洋溢油目标的可行性,为我国未来监测海洋以及内陆水体的溢油污染提供     

用收音机查找变配电设备接触不良点

接触不良是变配电设备常见的故障,也是很难查找的故障.农村电工查找这类故障时,一般没有专用仪器,所以查找起来比较困难,若用普通收音机查找这类故障,往往事半功倍.     

利用MODIS数据反演气温监测夏季高温热害

[目的]研究利用MODIS数据反演气温来监测夏季水稻高温热害。[方法]介绍了一种新的反演我国东部地区白天气温的统计算法,并给出了一个监测2007年我国东部夏季水稻高温热害的例子。[结果]夏季在我国南部水稻的抽穗期期间,高温对水稻的产量起着关键性的影响。利用MODIS数据监测高温热害是减轻农业灾害的一个可行办法。[结论]该研究结果为我国夏季水稻高温热害的监测提供了方法。     

光谱异质性参数优化方法及其在QuickBird影像中的应用

提出了一种光谱异质性参数优化方法,与现有方法相比,新方法的改进主要有:①在设置参与分割的波段数据时,通过引入派生波段数据来增强分割判据的数据支撑;②在设置各波段数据层的权值时,综合考虑了各波段数据层包含的信息量和相互间的信息相关度,以抑制波段数据层间的信息冗余对分割过程的不利影响.最后,通过分割对比实验证明:采用新方法设置的光谱异质性参数执行影像分割,“欠分割”现象有了较大幅度地减少,对象间的差异程度和对象内部的均质程度都得到了提高,分割质量有了明显地改善.     

基于高光谱成像技术检测脐橙溃疡

为了研究从带有不同缺陷的柑橘类水果中快速识别出溃疡果的有效方法,基于高光谱成像技术,该文提出特征波段主成分分析法及波段比算法。以脐橙为研究对象,选取包括溃疡在内常见的10类脐橙果皮缺陷果及正常果。首先,提取并分析11类果皮感兴趣区域（ROI）光谱曲线并结合主成分分析法确定5个最佳波段（630、685、720、810和 875 nm）;然后基于特征波段做主成分分析,选取第5主成分（PC-5）作为分类识别图像,识别率达到80%。为了进一步提高溃疡识别率,该文又提出采用特征波段主成分分析法与波段比算法相结合的方法,基于此算法溃疡正确识别率提高到95.4%。试验结果表明,基于高光谱成像技术可以有效地对带有溃疡病斑的脐橙分类识别。     

基于多光谱卫星模拟波段反射率的冬小麦水分状况评估

为及时掌握作物水分利用状况、评估作物水分亏缺和提高作物水分利用效率,在2012—2016年期间进行了不同水分处理的冬小麦田间试验,获取了冬小麦主要生育期冠层光谱和叶片含水量等数据。利用冬小麦冠层光谱以及Quickbird、IKONOS、GF-2、GF-1、Landsat8、HJ-1A/B、GF-4和MODIS卫星传感器光谱响应函数模拟卫星多波段反射率,参照归一化植被指数(Normalized vegetation index, NDVI)、比值植被指数(Ratio vegetation index, RVI)和差值植被指数(Difference vegetation index, DVI)的形式,将各卫星波段反射率两两组合,系统分析构建的植被指数与叶片含水量的相关性,探讨不同空间分辨率(2.44、4、8、30、50、250m)波段组合及植被指数对作物水分状况和灌溉活动的响应能力。结果表明,NDVI、RVI和DVI 3种指数对作物水分敏感区域的分布类似;8个卫星的近红外波段与叶片含水量的相关系数为正,其余几个波段与叶片含水量的相关系数为负;NDVI(GF-1绿波段,GF-2绿波段)、RVI(GF-1绿波段,GF-2绿波段)和DVI(GF-2蓝波段,GF-4蓝波段)与叶片含水量相关性较好,决定系数R2分别为0.776、0.774和0.886,以DVI形式构建的植被指数对叶片含水量的估算效果最好。本研究可为区域作物水分状况评估以及作物灌溉活动监测提供技术和方法支持。     

基于高光谱成像技术识别苹果轻微损伤的有效波段研究

为了筛选出适用于开发苹果轻微损伤自动分级仪器的有效波段,以200个烟台富士苹果为对象进行研究。首先获取400～1 000 nm波长范围内完好和轻微损伤后0、0.5、1 h的苹果高光谱图像,然后提取完好与损伤样本感兴趣区域的平均光谱反射率数据,再利用载荷系数法（x LW）、连续投影法（SPA）和二阶导数（second derivative）法提取特征波长,分别提取3、9和20个特征波长,并根据特征波长建立基于遗传算法优化的BP神经网络（GA BP）和支持向量机（SVM）损伤识别模型。结果显示,三种基于特征波长提取方法建立的SVM模型对测试集的识别率（分别为77.50%、91.88%、96.88%）均高于BP GA模型（分别为75.63%、90.63%、93.75%）,因此,SVM被确定为最佳苹果轻微损伤识别模型。最后,利用每一特征波长分别作为变量建立SVM模型。结果发现,波段811 nm识别率达到90.63%,优于其他波段,被确定为苹果轻微损伤识别的最优波段。     

基于ASD与Hyperion高光谱数据的主要针叶树种分类研究

以云南省香格里拉市为研究区,对ASD光谱仪实测的4种针叶树种光谱数据采用包络线去除法、光谱一阶微分法和光谱二阶微分法3种波段选择方法得到Hyperion高光谱影像数据的分类特征波段,采用最大似然法、支持向量机2种分类方法对所选的特征波段开展树种识别分类,对原始影像采用光谱角填图分类方法作对比实验。结果表明,基于ASD数据的光谱一阶波段选择方案的支持向量机分类方法精度最高,总体分类精度为81.95%,Kappa系数为0.725 1。采用ASD实测光谱数据能有效指导Hyperion进行树种分类,基于数据尺度和换算方式,一阶微分更适合特征波段选择;与传统的数理统计分类方法和光谱特征分类方法相比,基于机器学习的方法如支持向量机等在高光谱遥感分类中具有更大的应用潜力。