基于高光谱分辨率激光雷达的气溶胶分类方法研究

气溶胶是影响气候变化和空气质量的重要因素,对气溶胶作用的量化分析依赖于气溶胶光学性质及其垂直剖面的精细探测。高光谱分辨率激光雷达利用窄带光学滤波器,可在光谱上实现对分子散射和气溶胶散射的分离,从而在不需假设气溶胶激光雷达比的情况下,独立获取气溶胶消光系数和后向散射系数。文中基于高光谱分辨率激光雷达技术,开展气溶胶分类方法研究。根据已有的气溶胶分类研究结果,给出基于气溶胶光学参数的分类方法,并建立气溶胶分类查找表。利用高光谱分辨率激光雷达于2015年春季在青岛地区测量的气溶胶消光系数、后向散射系数和退偏振比,参照建立的气溶胶分类查找表,实现了对气溶胶的分类识别,并用HYSPLIT轨迹模式、NAAPS气溶胶模式进行了印证。个例研究结果表明该方法能够实现对气溶胶类型的正确识别。     

基于视场展宽迈克尔孙干涉仪的高光谱分辨率激光雷达滤光器设计研究

提出了用作近红外高光谱分辨率激光雷达(HSRL)光谱滤波器的视场展宽迈克尔孙干涉仪(FWMI)的设计方法。详细给出了FWMI的设计理论和设计指标的确定过程,通过视场补偿及热补偿设计,使FWMI能在一定温度范围内保证较大的入射视场。给出了针对近红外FWMI的设计结果。性能评估表明,所设计的FWMI可接收的视场角大于2°,并在(20±0.5)℃的温度范围内具有几乎不变的工作性能。最后通过容差分析,保证了该设计结果能满足现有的加工工艺。该设计过程和方法对FWMI的设计加工具有一定的指导意义。     

大气海洋高光谱分辨率激光雷达鉴频特性研究

统一分析大气海洋高光谱分辨率激光雷达(HSRL)的鉴频性能,能够为大气海洋的联合探测研究提供帮助。 提出了一种基于视场展宽迈克尔逊干涉仪(FWMI)鉴频器的大气海洋HSRL系统和算法,用于反演海水和 大气颗粒的180°体积散射系数。该系统的核心在于采用混合-分子双通道接收信号,其中分子通道 利用FWMI鉴频器滤除颗粒信号,透过分子信号。研究表明,反演误差会随着颗粒散射比(总180°体积散射 系数与分子180°体积散射系数之比)增大而线性增大,而光谱分离比(分子与颗粒透过率之比)的提高能够显 著抑制误差的增长趋势。因为海洋的分子散射与颗粒散射在光谱上更加分离,因此FWMI在海洋HSRL上的鉴频 能力高于大气HSRL。所提的基于FWMI的HSRL系统能够工作于水体和大气中,对大气海洋激光雷达的性能提升有重要的意义。     

激光雷达与高光谱遥感对地立体探测研究

将激光雷达对大气,水体的透视及对地精确测距定位的立体成像探测能力和高光谱技术相结合,发展先进的空、天基对地立体成像综合定量探测系统,是国家对大气、陆地和海洋精确立体综合定量探测的迫切需要,也是遥感技术自身发展进步的要求,激光与地面、水体和大气的相互作用及其在高光谱的遥感响应是空,天基激光雷达和高光谱对地立体成像综合定量探测的核心理论基础和关键科学问题.综述了激光雷达对地探测系统的研究现状和发展趋势.提出了新的基于激光雷达与高光谱遥感的对地立体探测系统.将激光雷达对大气、水体的透视以及对地的精确测距定位与高光谱技术相结合,介绍了该系统的原理方法和特点.从激光雷达和高光谱数字影像的广义大气修正和地形辐射改正,大气光学厚度与程辐射图像的生成,激光雷达的非均匀水体修正和水底地形改正,激光雷达和高光谱与介质以及目标的相互作用,多源数据融合等五个方面阐述了该体系的关键技术及其研究思路.     

高光谱分辨率激光雷达测量低层大气温度

基于碘分子滤波器对大气气溶胶散射的强吸收特性,滤除低层大气中气溶胶散射的影响,从而利用分子瑞利后向散射信号强度反演低层大气温度.激光雷达低层大气温度测量结果与探空数据进行了对比,显示出较好的一致性,温度偏差在9 km内不大于3 K.讨论了激光雷达测得的大气温度与探空数据对比结果之间存在的系统偏差和由于参考高度温度初始值引起的激光雷达温度反演结果的变化.     

高空间分辨率和高光谱分辨率遥感图像的融合

1 引言 在遥感成像系统的设计中,空间分辨率和光谱分辨率常常不可兼得,因为高光谱成像系统的光谱带宽很窄,必须用较大的瞬时视场(IFOR)才能收集足够多的光量子以维持可接受的信噪     

基于模式识别的激光雷达遥感灰霾组分识别模型

提出了一种基于贝叶斯模式识别的激光雷达大气遥感灰霾组分识别的方法。介绍了灰霾组分模式识别模型的建立过程,并利用具体的贝叶斯判别函数作为灰霾粒子光学特征向量的选择依据对灰霾粒子进行识别分类。采用计算机仿真实现了该灰霾组分模式识别模型,并通过两种自验证方法检验了模型的正确性和稳定性。讨论了该模型对现有大气遥感激光雷达的适用性,凸显了偏振高光谱分辨率激光雷达(HSRL)的优势。     

机载激光雷达和高光谱技术的遥感监测数据分类

针对随机森林算法、支持向量机以及线性判别分析3种分类方法分类准确率较低、性能不佳的问题,基于机载激光雷达和高光谱技术提出一种新的遥感监测数据分类方法。分析机载激光雷达和高光谱遥感的工作原理,依据二者的工作原理提取遥感监测数据。为了提升数据分类的准确性,需要进行数据预处理,具体包括噪声点剔除和平滑校正处理,并进行数据配准。在此基础上,采用K最近邻搜索算法提取遥感监测数据特征,最终运用决策树算法中的C4.5算法构建分类器,实现遥感监测数据的分类。实验结果表明:通过混淆矩阵得到所设计方法的分类准确性达到了95以上,分类结果优于传统分类方法,能准确识别目标,证明了方法有效性和可行性。     

基于艇载遥感成像数据的高空间分辨率全色遥感图像仿真

高空间分辨率全色遥感图像在军事侦察、地面监视等领域具有较高的应用价值.为模拟星载全色遥感图像, 提出了一种由艇载遥感成像系统获取的低空遥感图像为数据源的高空间分辨率全色遥感图像仿真方法.首先将低空宽视场图像按典型地物类型进行监督分类, 其次将低空宽视场图像与多光谱图像按不同地物类型分类拟合, 并将多光谱拟合结果合成高空间分辨率全色仿真图像, 最后对高空间分辨率全色仿真图像进行仿真精度评价.相比星载全色遥感图像, 仿真图像同样具备高空间分辨率、全色波段、宽视场等特点.仿真方法可为星载全色遥感图像仿真提供较准确的数据支撑.     

Designing optimal spectral indexes for remote sensing applications

Satellite remote sensing data constitute a significant potential source of information on our environment, provided they can be adequately interpreted. Vegetation indexes, a subset of the class of spectral indexes, represent one of the most commonly used approaches to analyze data in the optical domain. An optimal spectral index is very sensitive to the desired information (e.g. the amount of vegetation), and as insensitive as possible to perturbing factors (such as soil color changes or atmospheric effects). Since both the desired signal and the perturbing factors vary spectrally, and since the instruments themselves only provide data for particular spectral bands, optimal indexes should be designed for specific applications and particular instruments. This paper describes a rational approach to the design of an optimal index to estimate vegetation properties on the basis of the red and near-infrared reflectances of the AVHRR instrument, taking into account the perturbing effects of soil brightness changes, atmospheric absorption and scattering. The rationale behind the Global Environment Monitoring index (GEMI) is explained, and this index is proposed as an alternative to the Normalized Difference Vegetation Index (NDVI) for global applications. The techniques described here are generally applicable to any multispectral sensor and application     

多尺度多特征融合的高分辨率遥感影像分类

针对高分辨率遥感影像多尺度、空间分布复杂以及特征繁多的特点,从遥感影像特征提取的尺度效应以及各类地物显著性特征各异入手,提出了基于多尺度多特征融合的高分辨率遥感影像分类的方法。该方法构建最优尺度分割函数模型,寻找出各地物的最优尺度,分别提取影像的纹理、颜色和形状特征。在此基础上,利用各地物特征的显著性差异实现多尺度下多特征的加权融合。该加权融合方法突破了常规的最优尺度分割算法未能充分考虑各类地物特征差异性的局限性,通过分析各类地物的显著性,建立了各个特征在分类中所占权重的模型。实验结果表明：相对传统无监督分类算法,该方法准确率提高约7%,且运行效率高。     

High resolution remote sensing image ship target detection technology based on deep learning

With the development of China''s high-resolution special projects and the rapid development of commercial satellite, the resolution of the mainstream satellite remote sensing images has reached the sub-meter level. Ship target detection in high-resolution remote sensing images has always been the focus and hotspot in image understanding. Real-time and effective detection of ships play an extremely important role in marine transportation, military operations and so on. Firstly, the full-factor ship target sample library of high-resolution image is synthetically prepared. Then, based on the Faster R-CNN framework and Resnet model, optimize the parameters of the model to achieve accurate results. The simulation results show that the detection model trained in this paper has the highest recall rate of 98.01% and false alarm rate of 0.83%. It can be applied to the practical application of ship detection in remote sensing images.     

Spectral band selection for visible-near infrared remote sensing:spectral-spatial resolution tradeoffs

Recent technological developments permit improved instrumentation for surveillance and resource monitoring, but tradeoffs of spectral resolution and number of spectral bands versus spatial resolution and measurement precision must be considered. A band selection procedure is applied to high spectral resolution (0.01 μ/m) aircraft sensor imagery representing the visible and near-infrared wavelengths (0.4-2.5 μm). Approximately 30-40 spectral bands characterize virtually all the information (variability) in the data, with the precise number depending on issues of data interpretation. This suggests that lower spectral resolution and higher spatial resolution are preferable to the reverse. Further study is needed to evaluate the significance of spectral bands having very low amplitude variability     

激光雷达监测海面溢油遥感理论

超连续谱激光在保持激光原有的高能量密度和良好的方向性的基础上,还具有较宽测量谱段的特点,因此与传统的被动式遥感方式相比,超连续谱激光雷达具有很多独特的优势。在海面溢油探测领域,对溢油事故的发生进行及时而准确的监测是十分重要的,当前采用的遥感探测技术均存在各种缺陷,而超连续谱激光雷达能够在夜晚和白天持续工作,且由于探测信号为回波信号,因此能够实现较大的探测距离和较高的遥感精度。本文主要从海面溢油监测现状、大气对激光传输的影响以及海面溢油高光谱遥感原理入手,对激光雷达海面溢油遥感理论进行了介绍。     

卫星激光大气遥感数据反演探讨

卫星激光遥感是继红外、可见和微波之后的一种新型主动探测手段,其数据反演是卫星应用的关键技术和重要环节。卫星激光大气遥感主要有气体成分浓度、气溶胶/云垂直廓线和三维风场等三个应用方向。针对大气CO2和气溶胶/云等要素,分别介绍了天基激光差分吸收和后向散射探测原理,探讨了CO2反演bottom-up算法和气溶胶/云反演层次查找分类算法流程。此外,设计了卫星遥感分级数据产品并给出了反演算法地基和机载验证途径。该研究可服务于激光大气遥感卫星的顶层设计。