不同种类炭黑填充的天然橡胶/顺丁橡胶并用胶的性能研究

研究5种炭黑(RX2007,NC1301,NC1312,BC2109,N234)填充的天然橡胶(NR)/顺丁橡胶(BR)并用胶的性能。结果表明：炭黑RX2007填充的NR/BR并用胶的t₉₀最短,炭黑NC1312填充的NR/BR并用胶的t₉₀最长;炭黑BC2109和N234填充的NR/BR并用胶的定伸应力、拉伸强度和撕裂强度较大;炭黑RX2007填充的NR/BR并用胶的动态力学性能最优;炭黑RX2007和N234填充的NR/BR并用胶的耐压缩疲劳生热性能较优;炭黑NC1312填充的NR/BR并用胶的耐磨性能最佳;5种炭黑在NR/BR基体中均分散良好,炭黑各项物性综合决定炭黑填充的NR/BR并用胶的各项性能。     

水云模型于L波段SAR和中国北方森林的适用性分析

水云模型假定来自植被体的体散射是主导散射机制,二面角散射可以忽略;这一假定是否适用于穿透性较强的L波段SAR和中国东北森林有待研究。本文以黑龙江省逊克县森林和ALOS PALSAR全极化数据为基础,分析典型地物的Yamaguchi极化分解散射分量的直方图,研究中国东北典型森林在L波段的散射机制,以确定水云模型的适用性。结果表明,体散射是该地区森林的主导散射机制,树干-地面的二面角散射可以忽略,水云模型的假设条件满足,可以应用于L波段SAR和中国东北森林。     

基于ALOS PALSAR数据的森林/非森林分类

分析了ALOS PALSAR后向散射系数、干涉相干性和不同极化的比值数据对于森林/非森林的区分能力,并选取对森林/非森林区分度最好的数据组合(干涉相干性和HV极化后向散射系数)进行分类。为了提高分类精度,引入了一种基于后验概率的迭代分类方法,通过迭代不断优化样本的均值与协方差。本文以黑龙江省逊克县为例,用该方法进行森林/非森林分类,总体精度和kappa系数分别达到86%和0.80,均高于传统最大似然分类方法。     

改性炭黑对天然橡胶/顺丁橡胶并用胶性能的影响

采用3种方法对传统炭黑进行表面改性,考察了改性前后炭黑表面形貌及结构的变化,并采用改性炭黑填充天然橡胶（NR）/顺丁橡胶（BR）并用胶,考察了改性炭黑对并用胶力学性能、硫化特性及动态力学性能等的影响。结果表明,与未改性炭黑相比,细化粒径、调高pH值及木质素改性处理后,炭黑表面的粗糙程度增加;且细化改性炭黑具有更高的比表面积,调高pH值改性炭黑具有更多疏松的二次结构,木质素改性炭黑粒径略有增加。对于炭黑填充NR/BR,用细化粒径及调高pH值方法处理的炭黑进行填充,NR/BR硫化胶的力学性能、耐磨性能及抗湿滑性均得到明显改善,但硫化延迟效应明显;木质素改性后,炭黑填充胶的力学性能、耐磨性能均出现不同程度的降低。     

基于纹理的雷达与多光谱遥感数据小波融合研究

众所周知,多光谱与雷达影像融合具有重要的意义,但雷达影像小尺度的纹理特征在先前的融合方法中却没有被考虑。为了更好地对多光谱与雷达影像进行融合,基于双正交小波变换,提出了一种小尺度纹理影像参与融合的三影像小波融合方法。该方法借鉴多通道滤波及基于亮度调节的平滑滤波(SFIM)融合的原理,首先提取多时相雷达影像的小尺度纹理数据;然后再将该纹理数据、单时相JERS-1SAR数据及TM多光谱数据进行小波融合。分析表明,该方法的融合结果较雷达与多光谱影像小波融合的结果不仅具有更丰富的光谱特征,而且由于继承了雷达影像丰富的小尺度纹理特征,因而具有更高的清晰度。实验证明,该方法可获得较好的融合结果,是一种切实有效的融合法。     

基于ALOS PALSAR数据时相特征的土地覆盖识别

合成孔径雷达遥感具备全天时、全天候的观测能力,是多时相数据获取的有效保证。以福建省漳浦县为研究区,利用ALOS PALSAR双极化数据开展土地覆盖识别研究。首先基于多时相的强度数据构建时相稳定性指数,基于重复轨道干涉数据的相位信息计算相干性,以此分析和描述该地区典型地物的雷达数据时相特征。然后以典型地物的时相特征为基础,构建决策树分类器,进行土地覆盖识别。最后以实地考察数据、ALOS AVNIR\|2影像和Google Earth影像为参考,进行分类结果的精度评价,总体精度达到81.43%,比利用不同时期的后向散射强度图像为输入波段的最大似然法的分类精度(总体精度为63.06%)高出很多。结果表明:在分类中有效融合时相信息,可以充分提高地物的可分性。     

基于多极化星载SAR数据的水稻/旱田识别-以江苏省海安县为例 

合成孔径雷达(SAR)数据对于南方多云多雨天气的地表农作物类型的探测具有独特的优势。以江苏省海安县为例,基于多极化SAR数据,包括双极化ALOS PALSAR以及全极化Radarsat\|2数据,采用面向对象的方法,针对当地水稻/旱田进行识别。针对双极化SAR数据,利用了其强度信息进行分类识别;而基于全极化数据,除强度信息外,还利用了其SAR信号统计分布概率进行分类规则建立。结果表明:L波段的ALOS PALSAR在识别旱地的桑树方面具有很大的优势,而基于两种分类方法的C波段Radarsat\|2数据识别水稻的精度分别为85%和75%,略低于ALOS PALSAR的识别结果(87.5%)。     

基于SRTM DEM和Landsat TM数据的SAR图像自动地理编码

合成孔径雷达(SAR)图像特殊的斜距成像方式使得利用传统的校正方法很难校正雷达图像。常用的方法是利用DEM和SAR成像几何信息模拟的SAR图像对真实SAR图像进行校正。在区域制图中,平坦地区由于没有地形起伏特征,使得模拟SAR图像特征不明显,无法建立与真实SAR图像的配准关系。本文在研究大范围SAR图像自动化地理编码的过程中,分析讨论了图像模拟和图像匹配的原理和过程,实现了自动判断模拟SAR图像与真实SAR图像的匹配偏移量是否达到信噪比要求,从而自动判断是否使用具有地物专题信息的TM图像代替模拟SAR图像和真实SAR图像进行匹配,实现了海量SAR图像地理编码的自动化。     

ALOS PALSAR数据在漳江口红树林提取中的应用

红树林是国际上生物多样性保护和湿地生态保护的重要对象,及时获取红树林面积变化是加强红树林保护的迫切需求。以福建漳江口红树林国家级自然保护区为研究区域,对2007年多时相的ALOS PALSAR数据进行处理,分析红树林与各典型地物L波段HH、HV极化的后向散射值的时间变化特征及去极化特征。红树林在L波段HH和HV极化的后向散射随时间变化不明显,与其它林地较为相似,但两者去极化能力差异明显。相对于时相信息,极化信息对于提取红树林的作用更为重要。基于面向对象分类方法,提出应用HH、HV和HV与HH比值进行红树林提取的方法,取得较好的分类结果。