GIS支持下的像元地面方向反射几何参数计算

像元地面方向反射几何参数的计算在地物BRDF的遥感反演研究和多角度遥感数字图像的处理中有重要意义.对卫片像元地理位置和地面坡度、坡向以及高度的变化对像元与太阳、像元与卫星的相对几何取向和相互位置的影响进行了讨论.并完成了由任意卫片像元地面太阳入射方位角、入射角、反射方位角(卫星视方位角)、反射角(视角)所组成的方向反射几何参数的计算原理和方法研究.     

地物波谱的自组织神经网络分类

地物反射波谱是遥感技术中的核心，由于测量环境，条件等差异使得实际测量值的分类与期望之间存在很大差异，带来应用困难。本应用自组织神经网络对测量样本值进行非监督分类，得到由测量数据值本身特征而产生的类别，与期望类别作比较，分析差异原因，最后为测量值提出科学的应用方法。     

面向对象方法在Quick Bird影像分类中的应用研究

选取Quick Bird影像,以目视判读法作为精读评价的参考标准,对基于像元值的监督分类和非监督分类法、面向对象分类法进行了分析比较.结果表明,使用面向对象方法能显著提高Qujck Bird影像分类精度.     

基于Google Earth Plugin的校园三维网页发布——以西南林业大学为例

数字校园和Google Earth数字地球平台相结合已成为了实现数字校园的途径之一。以西南林业大学为例,采用Google SketchUp对校园建筑进行三维建模;然后基于本地服务器与Google Earth服务,利用Google Earth Plugin以网页形式在地球平台上发布学校三维全景,并提供浏览、定位查询等功能...     

城市典型地物反射波谱分辨率研究

基于城市典型地物反射波谱,采用相关系数聚类法寻找合适表达城市地物特征的波谱分辨率,得到25、50、100通道三种波谱分辨率;从信息量、可分性两个角度进行验证,表明25个通道划分方法保留了地物间的基本可分性,而后两种划分方法优于普通高光谱通道.研究为高光谱城市遥感数据降维提供了一种途径.     

基于二维小波变换的遥感分类研究

对于遥感影像的植被特征直接进行计算机智能提取、分类,不同的理论下有着不同的方法。但是由于受到各种因素的影响,传统方法的提取精度还不是很高。在对研究区内的试验区图像运用小波理论,对图像进行二维小波变换处理并提取NDVI的基础上,再进行分类,将得到的结果与直接进行计算机自动分类结果相比较,得到如下结论:①经过小波变换后的图像,其相同地物内部的土壤亮度噪声得到削弱,不同地物的边缘差异得到增强,有利于进行图像的计算机智能分类;②对图像进行小波变换后试验区植被特征的分类精度明显高于没有经过小波变化的图像分类精度;③由于小波函数的多样性,小波系数的不确定性,二维小波变换用于遥感图像的植被特征分类技术还不是很成熟,这种技术还有待进一步改进。     

基于Sentinel数据的滇池湖滨湿地地上生物量反演

为了评估基于Sentine 1/2影像数据反演滇池湖滨带湿地森林地上生物量(AGB)的效果和能力,以Sentinel-1 A/B(SAR)和Sentinel-2 A/B(多光谱)卫星图像为数据源,获取SAR双极化后向散射系数、多光谱波段、植被指数和林冠生物物理变量等因子,利用线性回归和机器学习算法,建立了多个滇池湖滨湿地生物量反演模型。所有模型与滇池湖滨湿地样地地上生物量的相关性为0.619~0.84,均方根误差(RMSE)范围为40.14~59.7 t/ha,其中基于SAR的模型反演精确度最低;在多光谱波段中,红色和红边(波段4,5和7)与生物量有很好的相关性;叶面积指数(LAI)模型是生物量反演的最佳变量组合(r=0.84,RMSE=40.14);基于Sentine 1/2影像数据反演滇池湖滨带湿地地上生物量具有可行性。