多源海洋遥感叶绿素数据融合

叶绿素α(chlorophyll-α)是一个关键的水色要素,掌握叶绿素α的含量及变化情况对保护水体及维护生态环境质量具有重要意义。针对国内外相关科研机构生产的海洋叶绿素α融合产品存在精度低、覆盖率低、时间跨度短等问题,收集整理了1998—2017年的MODIS-Aqua、MODIS-Terra、MERIS、SeaWIFS、VIIRS共5个传感器的叶绿素α浓度数据,构建了小波变换与Kalman滤波技术相结合的多源遥感数据融合算法,完成了全球叶绿素α数据的融合,开展了融合产品的均值、方差和信息量的分析,并进行了融合产品与实测数据、欧空局(European Space Agency,ESA)的GSM(Garver-Siegel-Maritorena)产品的对比分析。结果显示,本文的融合产品与实测数据相关性达到60%;与实测值和欧空局的GSM产品对比分析中,融合产品的数据可利用率为60%,而欧空局的GSM产品的数据可利用率为30%左右,融合产品与实测值的相关性为0.792 2,而GSM与实测值的相关性为0.349 4,均低于本文的融合产品。     

多源遥感图象融合及应用

标准的数据融合方法在解决一幅高分辨率、全色图象与一幅低分辨率多频谱图象融合问题时,会使多频谱数据的频谱特性失真。我们基于多分辨率小波分解开发了一种技术,用于此类图象的融合。此法是将高分辨率图象的小波系数添加到多频谱（低分辨率）数据上,再将全色图象小波变换的高阶系数添加到多频谱图象的浓度组件上,此算法是对对标准的浓度－色度－饱和度（IHS或LHS）合并法的改进,将该算法应用于SPOT与LANDSAT（TM）图象融合的结果表明,在保留频谱与空间信息方面优于IHS和LHS融合法。     

多源遥感图像融合的数据同化算法

为解决现有融合方法不能根据遥感图像的后续处理要求对融合规则进行自适应调整的问题, 本文结合模型算子和观测算子的优点构建数据同化系统, 提出了基于数据同化和遗传粒子群方法的遥感图像融合算法. 该算法将平移不变性小波变换作为模型算子, 将对比度金字塔作为观测算子. 由后续处理对图像属性指标的依赖程度确定属性指标的权重, 用评价指标的加权和构造目标函数, 并用遗传粒子群算法优化目标函数, 从而获取高清晰度的遥感图像. 本文通过遥感全色图像与多光谱图像、红外图像与可见光图像的融合证明了算法的优越性.     

多源遥感影像融合理论、技术和应用

多源遥感影像融合日趋成为国际上遥感领域的研究热点，也是处理和充分利用多源遥感海量数据的有效途径。本文综述了多源遥感影像数据融合技术，包括融合原理、融合的主要方法、遥感影像融合应用、融合评价指标，最后指出了融合中存在的问题和发展趋势。     

基于多源遥感数据融合的土壤水分反演研究

土壤含水量作为地表的重要参量之一,对地球能量循环、水循环、碳循环及生态环境都有十分重要的意义。以南京市金川河流域为研究区,融合哨兵 2 号 L2A 数据和 Landsat 8 遥感数据 2 种数据源,分别采用偏最小二乘法(PLSR)、最小二乘-支持向量机(LS-SVM)、反向传播神经网络(BPNN)和随机森林(RF)4 种建模方法,建立遥感数据与土壤含水量之间的关系,并进行模型的验证与评价。结果表明：1)土壤含水量与哨兵 2 号和 Landsat 8 各波段反射率均呈负相关关系,和海岸带监测波段(波长为 430~450 nm)和近红外波段(波长为 2 100~2 300 nm)相关性最佳;2)融合后的遥感数据相较于单一遥感数据源,预测土壤含水量的能力更佳, 最优模型 R2 达 0.996,均方根误差仅为 0.003 g/g;3)4 种建模方法中,建模效果从好到差依次为 PLSR,RF, LS-SVM,BPNN。融合哨兵 2 号 L2A 和 Landsat 8 数据,结合 PLSR 建模方法可进行土壤含水量的精准反演, 相较于现有研究反演精度大大提升,对研究该地区地表与地下水循环和生态环境治理有一定参考价值。     

基于多源遥感数据融合的地表覆盖分类方法

针对当前地表覆盖分类结果精度低的问题,提出基于多源遥感数据融合的地表覆盖分类方法。首先,将红-绿-蓝（Red Green Blue,RBG）、数字表面模型（Digital Surface Model,DSM）和归一化植被指数（Normalized Differential Vegetation Index,NDVI）作为编码器的3个分支,生成地表覆盖遥感影像语义分割网络;其次,利用多源遥感数据融合技术构建地表覆盖分类模型;最后,通过对模型的训练和优化,输出空白域自适应与影像地表覆盖分类结果。实验结果表明,该方法可以实现对多种地表覆盖类型的高精度划分,具有一定的应用价值。     

基于多进制小波的多源遥感影像融合

首先介绍了遥感影像融合的一般理论和方法，然后在讨论多进制小波理论和影像特征的基础上，提出了一种基于特征的多进制小波变换的影像融合算法，该算法根据待融合影像分辨率之比来确定采用几进制小波，将待融合的高分辨率影像进行多进制小波变换，然后把高分辨影像经小波变换后获得的低频成分和低分辨率影像依据一定的关系进行相互转换，以形成新的高分辨影像的低频成分，经过多进制小波逆变换获得到融合后的影像，最大限度地利用了待融合影像的信息，防止了影像信息的丢失，通过对具体影像的清晰度和空间分辨率，融合后的影像最大限度地保留了待融合影像的光谱信息，同时提高了待融合影像的清晰度和空间分辨率，给出了SPOT全色影像与SPOT多光谱影像，SPOT全色影像与TM影像的融合结果，并与其他方法进行了比较，从而证明了本方法的优越性和自适应能力。     

多源遥感影像融合技术在地质灾害调查中的应用

我国是地质灾害频发的国家,灾害造成了大量人员伤亡和经济损失,“5·12”地震更是诱发了滑坡、崩塌、泥石流以及堰塞湖等地质灾害,给人民生命财产造成重大损失。实践表明,运用遥感技术可以进行大范围的地质灾害调查与监测,使应急速度得到显著提高,但目前传感器种类较多,如何在海量的数据中发现规律、进行数据的协同处理,弥补信息提取能力的不足,是亟待解决的问题。在对图像融合方法分析的基础上,结合地质灾害调查的任务和研究区具体情况,以全色SPOT和多光谱TM影像为数据源,进行数据融合算法及图像质量评价研究,取得了良好的效果。融合后图像不仅保留了多光谱信息,而且空间信息量也得到了增强,提高了孕灾因子及承灾体的提取精度,为地质灾害调查与地质灾害风险评价起到了技术支撑作用。     

多源遥感图像数据融合

该文分别从遥感图像数据融合的基本概念、方法、以及其在与地学相关的应用等方面对图像数据融合进行分析和讨论。     

国内多源遥感影像信息融合技术的新进展

遥感影像信息融合是有效利用遥感海量数据的关键技术。在总结传统遥感影像融合算法的基础上,对传统算法的改进算法和新的融合算法做了较为详尽的介绍,以期为全面系统地了解我国影像融合技术的发展,为我们的学习和研究工作提供便利。     

遥感图象分类的统计融合方法及性能分析

基于数据层的统计数据融合方法,以提高遥感图象的分类性能为目的,实现了一种新的可调参数的图象分类方法。用这种方法对ＴＭ图象和ＳＡＲ图象进行了一系列的实验,并对实验的结果进行了分析,从而得出关于数据层统计信息融合方法的有益的结论。     

土地覆盖遥感专题信息的分层提取方法及其应用

重点讨论了土地覆盖遥感专题信息的分层提取方法,即根据各类目标的不同特征,采取相应的信息提取方法,分别建立专题信息层,最后把各专题层合并得到整体分类图;在此方案实施过程中,对各类目标开展了野外遥感调查和特征系统分析,并对样本区进行了ＧＰＳ定位,以获取空间辅助信息,提高提取精度;分层提取方法充分考虑到各类目标的不同特点,从而避免了通常分类方法中,单纯利用光谱特征所造成的地物混分现象     

基于遥感的地表蒸散发研究进展

地表蒸散发是整个生物圈、大气圈和水圈中水分循环和能量传输的重要控制因素。遥感技术的应用使得区域尺度的蒸散发估算成为可能,并在过去的几十年中快速发展。研究对遥感蒸散发估算进行了总结与归纳,在此基础上展望了今后的发展方向,明确指出了遥感蒸散发未来研究的突破点及发展方向。提出未来应加强蒸散发尺度效应、夜间蒸散发、不同蒸散发产品的统一真实性检验、国产卫星数据的使用、更高时空分辨率产品的研发以及机器学习在遥感蒸散发产品中的应用。     

杭州湾海岸线信息的遥感提取及其变迁分析

综合利用ISODATA分类、地图综合、离散地物去除和岸线追踪等技术,通过ENVI和ArcGIS实现了海岸线遥感信息的提取。以1979、1987、2000和2005年4期Landsat影像为基础数据,提取了杭州湾海岸线;将提取的目标海岸线重采样为30~960 m等10种空间分辨率,从而计算分维数并分析其变迁。研究表明:1979~2005年杭州湾海岸线长度增加了近37.5 km,其中北岸增加的长度(24.9 km)大于南岸(12.5 km);同时,杭州湾海岸线具有显著的分形特性,其中1979~1987年分维数增大,1987~2000年降低,而2000~2005年则为增大。宁波、绍兴、嘉兴、金山、奉贤和芦潮港6个重点海岸的岸线变迁表明,隶属上海市的海岸线受泥沙淤积、港口建设、沿海工业建筑和土地开发等的影响较大;而隶属浙江省的海岸线受自然条件、近海水产养殖和滩涂围垦等的影响较大。     

遥感图像中的数据挖掘应用概述

由于遥感图像数据包含了大量的信息,它成为数据挖掘中最具潜力的领域。本文主要讨论了在大型遥感图像上的数据挖掘技术。     

遥感数据像素级融合统一模型及实现技术

研究遥感数据像素级融合统一模型及相应的实现技术具有重要的理论和应用价值。根据遥感数据成像机理和多光谱影像理想融合增强结果提出了遥感数据融合算法统一模型,该模型通过数学表达式的方式清晰地反映了参与融合的多光谱影像、从高分辨率全色影像提取的空间细节信息和采取的融合策略三者之间的运算关系,将三类典型融合算法推导成本文提出的统一模型;提出了基于统一模型的实现技术,该实现技术舍去对融合结果没有影响的计算步骤,只计算影响最终融合结果所需的参量,并列出常用融合算法实现过程中两个重要参量的求法。通过分析与比较,本文的统一模型概括更全面、适用性更广;通过分析实现步骤和比较实验结果,证明了基于统一模型的实现技术具有减少运算量的优越性,且具有普遍适用性,能应用于已提出的大部分遥感数据融合算法,有助于遥感数据融合技术的应用推广。     

利用ASTER数据评价ETM+遥感数据自身融合效果

ETM+自身融合后的遥感影像折中了全色波段的高空间分辨率和多光谱波段的光谱分辨能力。通过同一季相和同一地区的ASTER影像和ETM+自身融合后影像的极限放大进行对比分析,发现ETM+自身融合后的彩色合成影像的空间分辨力达不到15 m,但能保证到17.3 m;通过ASTER影像和ETM+融合后影像的NDVI植被指数的对比分析,发现ETM+自身融合后的彩色合成影像的综合光谱分辨能力仍能保持ETM+彩色合成影像的73%以上。ETM+自身融合效果的好坏与融合算法优劣也具有一定的关系。     

基于遥感影像综合理解模型的遥感影像分类

为了改善遥感影像的分类精度,介绍了遥感影像综合理解模型,并提出了一种新的遥感影像理解模型。利用它支持图像分类,在分类过程中,相关的地理数据得到使用,且用规则表示成像和知识。经验证,该方法与传统方法相比,有效改善了分类精度,是一种好的分类方法。     

扫描蛇：一种从高分辨率遥感图像上提取道路的新方法

为了能对高分辨率遥感图像上各种复杂情况下的道路进行有效提取,提出了一种称之为"扫描蛇"的半自动新方法。该方法的基本过程是:首先根据用户确定的起始点确定道路的基本走向、路宽、灰度分布等剖面特征;然后在起始剖面两侧进行深度搜索,寻找满足符合条件的道路边缘(梯度极值)点对;最后进行点对连接形成双线道路。在"北京一号"小卫星图像上的实验证明在道路方向、灰度特征分布发生显著改变,道路间断、相互交叉等一系列复杂条件下,该方法均能有效地提取主干道路,体现出较强的鲁棒性和实用价值。     

遥感图像融合的研究现状、困境及发展趋势探讨

从像素级、特征级和决策级遥感图像融合的角度,概述了遥感图像融合的研究现状处于瓶颈发展时期。提出遥感图像融合研究的三方面主要困境:缺乏统一的融合理论框架作指导;缺乏面向应用的融合算法设计;融合数据源的选择没有针对性,缺乏针对不同传感器数据和不同分辨率的融合研究。指出目前遥感图像融合研究在特征级和决策级融合,多角度融合,数据预处理精度,以及不确定性分析方面的研究不足。最后,提出了未来遥感图像融合的发展趋势和研究热点。