山区星载ALOS PALSAR微波遥感图像的正射校正

多山地区微波遥感图像的正射校正是实践应用中的关键和瓶颈,该文以星载合成孔径雷达数据ALOS(advanced landobservation satellite)PALSAR为基础数据,GAMMA软件为处理平台,研究微波图像正射校正方法。首先利用数字高程模型(digital elevation model,DEM)及卫星轨道参数生成模拟合成孔径雷达数据(synthetic aperture radar,SAR),再利用图像交叉相关分析算法自动搜索模拟SAR与真实SAR同名地物点偏移量,建立校正多项式模型,在此基础上通过建立校正查找表方法实现真实SAR图像的地理编码及正射校正。校正效果经检验,误差在一个像元以内,校正效果较好。     

合成孔径雷达水稻识别和监测研究进展

合成孔径雷达SAR具有全天时、全天候、高分辨率、大幅面监测地物的特征,利用SAR在阴雨天气多、云量大的水稻种植地区开展水稻识别、监测和估产具有光学遥感无可比拟的优势.总结了目前用于水稻识别和监测的SAR的类型和特征,以及SAR水稻监测后向散射机理模型,分析了影响水稻后向散射系数的主要因素,综述了国内外基于SAR的水稻识别和监测研究进展,并对未来SAR水稻研究进行了展望.     

卫星雷达数据与处理软件在德钦县地质灾害监测中的最优选取研究

摘要：德钦县地质灾害监测项目主要运用的技术手段为合成孔径雷达干涉技术,简称InSAR,该技术具有监测范围广、不受时间空间限制、监测精度高等特点。当前,雷达卫星和处理软件多种多样,根据德钦县地质环境特征,选取合适的雷达卫星和处理软件,是保证地质项目得以顺利实施,取得良好监测结果的重要环节。本文通过对比覆盖德钦县的雷达卫星数据,探讨数据处理软件的优缺点,采用最优原则,分析适合德钦县地质灾害监测的雷达卫星和处理软件。     

利用多时相Sentinel-1 SAR数据反演农田地表土壤水分

土壤水分是陆面生态系统水分和能量循环的重要变量,在农田干旱监测、作物长势监测和作物估产等应用研究中具有重要的作用。该文结合基于变化检测的Alpha近似模型,利用Sentinel-1卫星获取的多时相C波段合成孔径雷达(synthetic aperture radar,SAR)数据,实现了农田地表土壤水分的反演。该文首先利用微波辐射传输模型验证了Alpha近似模型在土壤水分反演中的合理性。研究发现,对于土壤散射占主导的区域,Alpha近似模型对辐射传输模型有较好的近似,能够有效地消除地表粗糙度和植被对雷达后向散射系数的影响。在此基础上,结合怀来研究区多时相Sentinel-1 SAR数据,利用Alpha近似模型构建了土壤水分观测方程组,通过求解方程组得到了农田地表土壤水分。地面验证结果表明,土壤水分反演的均方根误差(root mean square error,RMSE)为0.06 cm3/cm3,平均偏差为0.01 cm3/cm3,精度较好。该文研究为利用高重访周期、多时相的Sentinel-1 SAR数据获取农田地表土壤水分提供了参考。     

极化干涉SAR森林冠层高反演的地形坡度改正

极化干涉SAR森林冠层高反演是当前SAR领域研究的热点。经典的森林冠层高反演算法主要基于随机地表二层相干散射模型(Random Volume over Ground,RVo G),该模型在山区受到植被层下地表的地形坡度影响,反演精度存在较大误差。为了提高森林冠层高反演精度,采用地形坡度改正的S-RVo G(Sloped Random Volume over Ground)模型,结合三阶段算法,应用德国宇航局DLR提供的星载Tan DEM-X全极化干涉数据反演森林冠层高,并对结果进行验证。结果表明:坡度级为II、III级,RVo G模型反演效果接近于S-RVo G模型;坡度级为IV级,RVo G模型与二调平均树高的相关关系明显下降,加权相对误差和RMSE增大;S-RVo G模型与二调平均树高保持显著相关关系,反演误差同比小于RVo G模型。因此,S-RVo G模型一定程度上改正了地形坡度造成的误差,提高了森林冠层高反演精度,在坡度大的地区精度提升程度更为明显。     

基于多时相合成孔径雷达与光学影像的冬小麦种植面积提取

小麦是中国最重要的农作物之一,准确、及时掌握小麦种植面积具有重要意义。以探索合成孔径雷达(synthetic aperture radar,SAR)与光学数据对种植结构复杂地区冬小麦识别的能力,提高识别精度为目的。该研究以多时相SAR(Sentinel-1A)和光学影像(Landsat-8)为数据源,选取种植结构复杂的都市农业区为研究区。构建不同特征向量组合,利用支持向量机(support vector machine,SVM)提取冬小麦种植面积。通过对比分析基于不同特征向量组合的冬小麦识别精度,结果表明:1)使用SAR后向散射数据得到85.7%的制图精度和87.9%的用户精度;2)添加SAR数据纹理信息,总体精度高达90.6%,比单独使用后向散射数据在制图精度和用户精度上分别提高7.6%和6.7%;3)当SAR数据和光学影像结合时,总体精度高达95.3%(制图精度97%,用户精度98.4%),比单独使用SAR数据在制图精度和用户精度上分别提高3.7%和3.8%。因此,基于SAR数据的都市农业区冬小麦分类,有着较高分类精度,纹理信息和光学影像的添加能有效提高识别精度。研究结果可为SAR数据的农作物识别和应用提供理论基础。     

适于转基因苹果种子和果肉总DNA提取的方法

为探求适宜的转基因苹果种子和果肉DNA提取方法,以转豇豆胰蛋白酶抑制剂基因（CpTI）嘎拉（Gala）苹果果实为试材,采用改良CTAB法、SDS法与高盐低pH值SDS法对苹果种子和果肉进行基因组总DNA提取。结果表明,在提取种子基因组DNA时,供试3种提取方法均可获得纯度较高的DNA,但不同方法所获得的DNA产量差异较大,以改良CTAB法获得的DNA产量最高,为0.221 mg?g-1鲜重,SDS法和高盐低pH值SDS法所获得DNA产量偏低,分别为0.053 mg?g-1鲜重和0.034 mg?g-1鲜重;在提取果肉基因组DNA时,SDS法在纯度和产量上效果最好,DNA的A260/ A280 值为1.808,产量为0.012 mg?g-1鲜重,而其它两种方法提取质量较差。考虑到质量和得率的综合因素,认为改良CTAB法适宜提取转基因苹果种子DNA,SDS法适宜提取转基因苹果果肉DNA。     

合成孔径雷达在农作物长势监测中的应用

合成孔径雷达(SAR)技术具有24小时全天候监测的优势,伴随着多频多极化SAR技术的发展趋势,在农业中也越来越普遍.本文综述了SAR技术在农业监测中的应用进展,重点包括SAR技术在作物分类与总面积获取、农业物理与微生物主要参数反演技术、农作物监测、农业灾害监测等方面的应用;揭示了SAR技术在农业监测中的发展潜力和局限性...     

华南农作物覆盖区土壤水分ENVISAT-ASAR与MODIS数据联合反演算法研究

准确、及时地获取大面积地表土壤水分信息在农业科学领域具有较大的应用潜力。本文以地域特色突出的广东省徐闻县为试验区,联合使用双极化ENVISAT-ASAR数据和光学遥感MODIS数据,充分利用MODIS数据的高重复覆盖率,提取试验日期内的归一化差分水指数(NDWI),计算各试验点所对应的植被含水量(VWC)数据,相较于NDVI,NDWI具有不易饱和的特点,更加适合于本次研究所在的高植被覆盖区。最后利用"水—云模型"从ASAR数据总的后向散射中去除植被的影响,建立裸土后向散射系数与实测土壤含水量之间的关系,拟合结果VV极化优于HH极化,相关系数为VV极化R=0.865,HH极化R=0.676,总体上针对农作物覆盖地表土壤水分变化的估算算法还需要更进一步发展和改进,以提高反演精度。     

基于特征优选的多时相SAR数据水稻信息提取方法

多时相合成孔径雷达(Synthetic aperture radar, SAR)数据可为水稻提取提供丰富信息,在多云多雨地区对水稻识别和监测具有独特优势。但过多特征变量的加入,一定程度上造成“维数灾难”及信息冗余,因此,本文提出一种基于多时相后向散射特性及干涉相干性优选特征的水稻提取方法。基于研究区水稻生长周期的多时相Sentinel-1 SAR数据,构建后向散射系数和干涉相干系数特征集,利用ReliefF算法对特征重要性进行排序,同时采用JM距离确定最优特征数目完成最优特征选择,结合随机森林分类算法对研究区水稻进行提取及精度评价。结果表明：基于优选特征提取水稻面积相对误差为4.96%,总体精度达到92.48%,Kappa系数为0.90;从优选特征剔除干涉相干特征提取的水稻面积相对误差增加2.39个百分点,总体分类精度和Kappa系数分别降低4.03个百分点、0.06,说明干涉相干性有利于水稻信息提取。基于多时相后向散射特性及干涉相干性的特征优选减少了数据冗余,提高了运算效率,可实现大范围高精度水稻提取。