回顾了目前国内外土壤水分的遥感监测方法,介绍了反射率法、植被指数法、地表温度法、温度-植被指数法、作物水分胁迫指数法、热惯量法和微波法,并对各方法的优缺点进行了详细比对;在总结国内外土壤水分遥感监测研究方法的基础上,对目前该研究领域的重点、难点和未来的发展方向进行了评价。认为:热惯量法和植被温度指数法是较为成熟的方法;微波遥感因其独特的优越性,将是该领域的重点研究方向。
以北京市为研究区域,联合使用光学遥感数据和雷达数据,对植被覆盖区地表土壤水分进行反演研究。在利用同期光学数据提取出归一化水分指数(normalized differential water index,NDWI)之后,利用water-cloud模型去除植被层在土壤水分后向散射中的贡献,然后考虑到地表粗糙度,在构建后向散射数据库的基础上分别利用HH和HV极化方式的后向散射系数构建土壤水分反演模型,并对反演结果进行对比研究。结果表明,采用HH极化方式反演土壤水分的均方根误差为0.044,相对误差为15.5%;采用HV极化方式反演土壤水分的均方根误差为0.057,相对误差为20.3%;相比而言,HH极化的反演效果更好。
为了有效地进行高分辨率图像中线性目标的检测,提出一种基于Freeman链码的改进型Hough变换算法。首先,对图像进行增强和滤波处理,采用基于灰度一致化的方法对图像进行区域分割;然后,利用Freeman编码提取目标区域的边界;最后,对链码数据进行Hough变换,检测出平行线性结构。实验结果证明:该算法能有效地提取图像中平行线性目标,将其应用于资源三号卫星影像道路网目标的识别中,准确率高且实时处理性好。
针对多聚焦图像因聚焦点不同而产生的图像模糊问题,提出了一种基于小波变换的新融合方法。该方法首先对图像进行小波分解,然后对图像的高频和低频系数分别采用区域梯度和能量加权平均法进行融合,再使用小波逆变换得到融合后图像。对实验结果进行主、客观评价的结果表明,该方法得到的融合图像具有较好的主观视觉效果和客观量化指标,效果优于传统融合方法。
针对我国西部高原湖区资源卫星遥感监测与应用需求,开展资源一号02C星(ZY-1 02C)图像水体信息提取方法研究。用归一化植被指数和归一化差异水体指数进行龙羊峡库区水体信息提取,并将二者结合,提出决策树水体信息提取方法。以人工解译的水体区域为参考,对水体区域的整体提取结果、细节提取结果和误提取率进行统计和对比分析。实验结果表明,NDVI法易受到薄云的影响,但受冰雪和地形的影响较小;NDWI法在冰雪、薄云和山体阴影等成像条件下会受到不同程度的影响;决策树法虽然受山体阴影等地形的影响较大,但是能有效地消除冰雪和薄云等气候环境的干扰。
不透水面作为城市生态环境的一个重要指标,被广泛应用于城市扩张监测、热岛效应分析及人类活动影响等方面的研究中。线性光谱混合模型构造简单、物理含义明确,是估算不透水面的主要方法。但是全约束的线性光谱混合模型容易在不透水面覆盖较低的地区(0~20%)出现高估,而在不透水面覆盖较高的地区(80%~100%)出现低估。因此,以黑龙江省富锦市为实验区,利用Landsat5 TM图像,讨论了线性光谱混合模型在不同端元数目和约束条件下对不透水面的估算精度,发现三端元(高反射率地物、植被及土壤)半约束条件的线性光谱混合模型估算结果最优,其均方根误差为16.71%,并结合地表温度和植被覆盖度辅助分析,去除了水田对不透水面估算的影响,提高了不透水面的估算精度。
分析机载LiDAR点云与影像数据特点,提出了一种建筑物点云与配准后影像相结合的建筑物轮廓信息提取方法。首先,采用α-shapes算法从点云中提取粗糙的建筑物轮廓多边形;然后,采用基于线支撑区域的直线段提取算法从影像中提取边缘信息,并利用投票机制,以点到直线的距离为因子,从中过滤出真实的建筑物边界;最后,提出一种建筑物轮廓精化的新方法,利用从影像中提取的边缘信息修正从点云中提取的粗糙轮廓,并对修正后的轮廓采用道格拉斯-普克算法去除冗余节点,采用强制相交方法恢复建筑物转角,最终得到了准确的建筑物外轮廓多边形,并通过实验验证了该方法的有效性。
传统的遥感地质填图方法较少考虑到一个像元中多种地物共生存在的情况,因此所填图件难以反映矿物的分布特征。针对线性混合模型解混精度不高的问题,使用二次散射非线性混合模型对高光谱数据进行光谱解混,并在此基础上,提出了k(k≥2)类地物的填图规则。采用美国内华达州Cuprite地区AVIRIS数据进行填图实验,将其结果与Clark等的填图结果进行对比。实验结果表明:与线性模型的矿物填图相比,基于二次散射非线性混合模型所填图件更加接近矿物的真实分布;使用k(k≥2)类矿物填图规则的填图结果细节丰富,与Clark等人的填图结果吻合度高。
在经典的遥感图像配准中,多项式回归模型一般假设参考控制点(RCPs)是没有误差的。然而,实际情况是RCPs含有误差,并且不同图像之间RCPs残差中误差也不尽相同。通常,最小二乘(LS)方法仅考虑观测向量中的误差,而整体最小二乘(TLS)方法则同时考虑观测向量和系数矩阵的误差,并假设它们具有相同的残差中误差。针对上述情况,引入更为合理的加权整体最小二乘(WTLS)方法对多项式回归系数进行估计。实验结果表明,与LS和TLS方法相比,WTLS方法能够更好地求取几何变换的多项式系数,其图像配准精度明显提高。
GPS给测绘工作带来了极大的便利,其平面测量精度已达到亚mm级。但由于受电离层、多路径效应、几何精度因子和天线高量取等因素影响,GPS测得的高程数据很少被精密测量工作者采用。在三峡库区树坪滑坡合理布设形变监测网的基础上,经长期监测得出大量水准和GPS实测数据;以水准测量数据为基准,分析单频静态GPS测量高程在滑坡垂向形变监测中的应用精度。结果表明,单频静态GPS的垂向形变监测精度为±2 cm;依照滑坡监测规范,形变监测精度应大于其测量周期内形变量的1/5,因而可以得出单频静态GPS适用于监测周期内垂向形变在10 cm以上的滑坡的结论。对于树坪滑坡,第2期到第3期的垂向形变达到30 cm,GPS测量可以很好地提供监测数据,但不适用于其他处于缓变状态监测周期的滑坡。
如何确定合适的阈值来区分夜间辐射雾、晴空地表和中高云一直是雾检测研究的重点。圣巴巴拉DISORT 大气辐射传输模型(Santa Barbara DISORT atmospheric radiative transfer,SBDART)可模拟雾顶亮度温度。基于该模型获取MODIS B20与B31波段的亮温差(brightness temperature difference,BTD),将其用于夜间辐射雾检测。以MODIS卫星数据为可行性试验数据,用国家卫星气象中心提供的地面验证数据进行验证,结果表明,使用该模型监测夜间雾的准确率达78.3%,误判率为21.7%,可靠性指标为0.643,Kappa系数为0.730。为进一步验证方法的稳定性,选取8景卫星序列图像进行时间序列分析,结果显示Kappa系数均值为0.744,说明应用当前阈值方法对MODIS夜间雾检测具有可适用性。该方法为夜间雾预报和夜间雾参数反演提供了有效的参考。
高光谱数据的空间分辨率普遍偏低,混合像元分布广泛,故模糊分类方法常用于此类型数据的信息提取。针对模糊分类的精度常受限于特征维数和模糊样本选取等问题,提出了基于随机森林(random forest,RF)算法的高维模糊分类方法。首先将RF算法用于特征选择和模糊样本获取,然后在低维特征空间中利用模糊样本进行模糊分类,通过2步分类、遵循假设前提一致原则,实现RF和模糊分类2种分类器的融合;并通过不同样本、不同实验区和分区优化前后的3个实验(包括20余次对比实验、60多次子实验),验证了该方法不仅提高了模糊分类的精度,具有分类的有效性和可推广性,而且具有可优化性和对原始样本质量的鲁棒性。
针对多尺度遥感图像灰度差异大的特点,利用特征集形状进行配准,提出了一种改进的Hausdorff距离及相应的图像匹配算法。首先采用基于尺度不变特征转换(scale-invariant feature transform,SIFT)的特征提取方法,提取多尺度图像间的尺度不变特征;然后利用Hausdorff距离作为适应度函数,通过遗传算法(genetic algorithm,GA)寻求图像间的几何变换参数;最后将待配准图像经过几何变换以及重采样与参考图像匹配,实现多尺度遥感图像的配准。实验结果表明,改进的Hausdorff距离算法与传统的Hausdorff相比,具有较高的配准精度和较快的配准速度,且稳定性和抗噪性更高,更适合用于图像配准。
快速、准确地获取溢油污染信息,对海洋的动态监测、保护和可持续利用具有重要意义。环境与灾害监测预报小卫星星座一号(HJ-1)是我国针对生态环境污染和灾害监测发射的新型卫星平台,但HJ-1 CCD多光谱数据的光谱波段较少,仅依赖光谱信息获取海面溢油范围的精度较低。因此,以墨西哥湾溢油事件为研究对象,在分析不同地物光谱特征的基础上,采用灰度共生矩阵,选择合适的纹理结构因子,提取HJ-1 CCD图像中影响溢油识别的地物纹理特征;建立光谱特征和纹理特征相结合的决策树模型,提取海面溢油信息,并与只考虑光谱信息的传统分类方法进行精度对比。结果表明,与最大似然分类法相比,决策树方法的油膜提取用户精度和制图精度分别提高了11.85%和4.28%。
以德兴铜矿尾矿坝附近的土壤为研究对象,在实验室内利用ASD便携式光谱仪对研究区内68组土壤样本进行了测定,并通过研究土壤反射光谱特征,选择了反射率的对数微分变换作为土壤有机质(soil organic matter,SOM)预测模型的因变量;通过对土壤有机质含量与土壤光谱特征的相关分析,将402 nm与2 312 nm波段反射率的对数微分变换结果参与模型建立;最终,从多元回归分析和模糊数学2个角度建立了有机质含量的预测模型。结果表明:基于模糊数学的研究方法优于多元线性回归方法,相关系数达到89.3%,平均相对误差较小。因此,地面实测光谱可以用于预测土壤的有机质含量。该方法具有周期短、成本低等特点。
将雷达遥感技术应用于滑坡灾害调查是地学应用的一个重要方向,特别是在多云多雨地区。由中国科学院电子学研究所研发的高效能机载SAR系统(high-performance airborne synthetic aperture Radar system,HASARS)具备X波段双基线干涉和P波段全极化观测的能力,是国内首家多频段多模式机载SAR系统。从多极化机载SAR数据的特征选择和信息提取等角度,评估了不同极化模式组合对滑坡信息提取精度的影响;并基于Bayes决策理论,提出了多极化SAR图像分类的特征选择方法。利用不同研究样区的特征选择结果提取了多个滑坡的范围,提取精度均在90%以上。HASARS的高空间分辨率及其获取的高精度DEM和P波段全极化观测,可以近实时、高精度地获取地表滑坡灾害专题信息,在滑坡等减灾救灾领域具有广阔的应用前景。