AMSR-E与AMSR2被动微波亮温数据交叉定标

长时间序列的对地观测数据集在研究地球环境变化及趋势分析中具有十分重要的意义。而目前的对地观测卫星寿命很少有到数十年或者几十年以上。因而,通过对具有重叠观测并且具有相近配置的传感器之间进行交叉校正获得连续的对地观测数据就显得十分必要。由于不同传感器之间系统配置以及定标过程不同等,即使同时同地的观测值也可能会有一些差异。AMSR\|E和AMSR2具有极其接近的物理配置,为了获得长时间序列的地表参数数据集,选取该传感器2013~2014年一年期18.7 GHz和36.5 GHz陆面观测数据进行对比来确定观测值之间的差异,并建立了针对两传感器在这两个频率之间基于像元观测的线性转换模型。对比发现这两个通道的观测值之间的相关性在0.98以上,两传感器同时同地亮温观测值有2~6 k的差距,这些差异在地表参数反演及长时间序列数据集的建立中应予以关注。
     

结合光谱响应函数的Landsat-8影像大气校正研究

针对受大气吸收与散射影响,遥感器得到的测量值与目标物的真实值间存在误差,给反演地表反射率/反照率和地表温度等关键参数带来较大误差,影响图像分析精度的问题,该文利用Landsat-8的光谱响应函数,对OLI多光谱数据进行大气辐射校正和反射率反演,对校正前后的地物光谱曲线和归一化植被指数(Normalized Difference Vegtation Index,NDVI)的变化进行了对比。研究表明:OLI大气校正后较好地恢复各类地物光谱的典型特征;大气校正后NDVI增幅明显;类似的基于光谱响应函数的FLAASH大气校正方法可以为其他的高级陆地成像仪等传感器校正提供依据。     

基于深度学习算法的图像传感器误差自动校正研究

图像传感器受到环境、镜头畸变等因素影响，采集数据存在一定误差，为了改善图像传感器采集效果，提出了基于深度学习算法的图像传感器误差自动校正方法。首先分析图像传感器误差校正的研究进展，分析图像传感器误差的影响因素，然后利用支持向量机对图像传感器偏移角度进行补偿，并采用深度学习算法根据影响因素建立误差自动校正模型，最后通过粗标定机制对传感器的响应参数进行拟合，实现图像传感器误差自动校正。实验结果表明深度学习算法可以提高图像传感器数据精度，校正后误差较小，校正速度较快，具有一定的实际应用价值。     

一种节流流量传感器测量滞后的校正方法

针对节流流量传感器的测量滞后问题,提出了一种基于GM(1,1)模型的预测校正方法.该方法首先依据新陈代谢模型对测量数据进行实时更新,然后利用自适应滤波法对新老数据给予不同的权重值,最后基于这些测量数据建立GM(1,1)模型预测下一个数据,并用预测得到的数据来代替节流流量传感器即将显示的数据.实验结果表明:所提方法能有效地解决节流流量传感器的测量滞后问题,平均相对误差小于0.38％,该方法能够满足实际工程的需要.     

HJ-1/CCD地表反照率估算及其与NDVI关系分析

参照TM地表反照率反演算法,建立了适用于HJ-1/CCD传感器估算地表反照率的算法。通过应用6S辐射传输模型建立查找表,对覆盖内蒙古自治区锡林浩特市的HJ-1/CCD数据进行大气校正,并根据反照率定义,回归分析得到可见光波段地表反照率;通过与地面实测数据进行对比分析,表明该算法估算得到的地表反照率精度较高,其最大相对误差为14.32%。同时,本文将估算结果与同时期NDVI进行拟合分析,得出地表反照率与NDVI存在较高的负相关关系。     

不同辐射校正水平下水稻植被指数监测对比分析

归一化植被指数(NDVI)是反映植被长势特征的重要参数之一。获取准确的植被指数对揭示植被长势变化等定量遥感分析至关重要。基于不同辐射校正水平(辐射定标与大气校正),分别利用Landsat ETM+影像的灰度值(DN)、表观(TOA)反射率与地表(Surface)反射率计算相应NDVI,并根据鄱阳湖区野外定点观测数据,从农田、景观尺度揭示不同辐射校正水平下水稻生育期内NDVI动态变化特征。结果表明,根据DN、TOA反射率与Surface反射率提取的NDVI基本上可以反映出年内水稻不同熟制种植信息变化特征,即移栽期NDVI处于谷值,孕穗抽穗期NDVI达到峰值。但相应NDVI逐渐增加,且波动范围逐渐增大。就不同熟制水稻生育期而言,根据DN值计算并构建的NDVI曲线差异较小,而根据TOA反射率与Surface反射率反演的NDVI曲线差异明显。在植被定量遥感研究中,通过大气校正反演地表反射率计算植被指数相对客观准确。     

基于光谱归一化的马尾松LAI遥感估算研究

通过对比不同传感器间光谱响应函数的差异,研究基于光谱响应函数的不同传感器相似波段的归一化方法,探讨归一化后植被指数在马尾松叶面积指数（LAI）估算中的应用。以某一传感器为基准,根据波段总辐射率比值关系将其他卫星传感器归一化为基准传感器,然后计算其植被指数,建立LAI反演模型。为验证方法可行性,选取永安地区2008年3月获取的BJ-1CCD、IRS-P6LISS3和MODIS数据作为研究对象,根据三者的光谱响应函数差异,将BJ-1CCD和IRS-P6的LISS3的红光和近红外波段归一化为MODIS的相应波段,并分别计算归一化前后的NDVI值。结果表明归一化后不同传感器的植被指数关系与理想的关系y=x更加接近。利用归一化后的IRS-P6影像的NDVI反演马尾松LAI,并将其应用于MODIS和BJ-1传感器,得到归一化后不同传感器的植被指数值基本相等,表明归一化以后的植被指数应用于LAI的估算具有一定的普适性,能适用于多种传感器。     

HJ-1A高光谱数据高效大气校正及应用潜力初探

环境与灾害监测预报小卫星于2009年3月30日开始正式交付使用,A星上搭载了我国自主研制的空间调制型干涉高光谱成像仪（HSI）,作为一种新型传感器,HSI数据的应用在我国还处于探索阶段。要充分发挥超光谱数据优势、进行有效的遥感应用,首先需要消除遥感成像过程中的大气影响,获得不同波段的地物真实反射辐射信息。通过使用FLAASH大气辐射传输模型对HSI数据进行大气校正,并与表观反射率进行对比分析,证明了校正后获得的地表光谱反射率的有效性。同时基于校正后得到的光谱反射率图像,进行改良型土壤调整植被指数（MSAVI）与叶面积指数（LAI）的反演,初步展现了HSI数据的实际应用效果。     

基于高程或气溶胶厚度与6S模型校正参数回归方程的遥感图像大气校正模型

为了消除影像中的大气影响,反演地表真实反射率,需要进行大气校正。6S是通用的大气校正模型之一,但是对于覆盖面积较广、下垫面较复杂的影像,若用平均的气溶胶厚度和高程参数来对影像进行校正,将出现较大误差。提出了建立一种基于6S模型,以高程或气溶胶厚度为参数的大气校正模型与方法,并以广州Landsat ETM+为例,对校正前后的反射率直方图、NDVI灰度直方图以及各类地物的光谱特征进行分析。结果证明了该方法简单实用,校正精度高,可直接用于该地区相似气候条件下影像的大气校正,对类似的研究有借鉴意义。&     

基于高程或气溶胶厚度与6S模型校正参数回归方程的遥感图像大气校正模型

为了消除影像中的大气影响,反演地表真实反射率,需要进行大气校正。6S是通用的大气校正模型之一,但是对于覆盖面积较广、下垫面较复杂的影像,若用平均的气溶胶厚度和高程参数来对影像进行校正,将出现较大误差。提出了建立一种基于6S模型,以高程或气溶胶厚度为参数的大气校正模型与方法,并以广州LandsatETM＋为例,对校正前后的反射率直方图、NDVI灰度直方图以及各类地物的光谱特征进行分析。结果证明了该方法简单实用,校正精度高,可直接用于该地区相似气候条件下影像的大气校正,对类似的研究有借鉴意义。     

基于查找表的塔基平台O_2-A波段大气校正方法研究

塔基光谱观测是连接通量站点与卫星遥感数据间的重要桥梁,而水平地表与塔基平台之间大气吸收、散射的作用对O_2-A等大气吸收波段的影响难以忽略。首先,分析了大气辐射传输对塔基平台上下行辐射的影响,建立了基于上下行透过率的大气校正方法,即通过直射光透光率和总的透过率校正上下行辐射的影响。其次,利用中分辨率大气传输模型的模拟数据,定量分析了550 nm气溶胶光学厚度(Aerosol Optical Depth at 550 nm,AOD_(550))、辐射传输路径长度对大气透过率的影响,并建立了基于近红外与红光波段下行辐照度比值和太阳天顶角的AOD_(550)查找表(Look-up Table,LUT),以及基于AOD_(550)和辐射传输路径长度的上下行大气透过率LUT。最后,利用塔基平台观测的不同生育期玉米冠层光谱数据,分析了大气校正前后O_2-A波段吸收线内外表观反射率的差异。结果表明:基于AOD_(550)和辐射传输路径长度的LUT大气校正方法,可以较好地校正塔基平台O_2-A吸收波段大气上下行辐射传输的影响,为塔基平台的日光诱导叶绿素荧光观测等应用提供了重要方法支持。     

太湖水体GF-1/WFV影像的6S逐像元大气校正

水体光谱信息微弱,常用的基于辐射传输模型的大气校正方法在水体中校正精度较差。基于覆盖太湖水体的2016年4月29日的高分一号宽幅相机影像（GF-1/WFV）和同步的实测光谱数据,对6S辐射传输模型的输入参数进行敏感性分析,逐像元计算观测几何,使用分区气溶胶类型、分区暗像元和Spline插值确定的气溶胶光学厚度（Aerosol Optical Depth,AOD）进行6S逐像元大气校正。实验结果表明:气溶胶模式对6S大气校正结果的影响最大,与FLAASH方法相比,逐像元计算观测几何和气溶胶参数的校正方法对大气校正精度有改进作用,4个波段的平均相对误差分别降低了1.84%、7.78%、4.79%和17%。结合精确大气参数输入的6S逐像元大气校正方法可以改进水体表面遥感反射率的大气校正精度。     

利用风云卫星MERSI数据反演叶面积指数的研究

风云三号A星上搭载的中分辨率成像光谱仪(Medium Resolution Imaging Spectrometer)MERSI从2008年5月底开始对地球观测,其中5个波段250m分辨率的数据包含了丰富的植被信息,在全球同类传感器数据中独具特色,在其基础上反演的陆表植被数据产品目前还不多见。利用2013年生长季在河北固城观测获取的冬小麦光谱数据,结合MERSI 250m数据计算的NDVI值,建立二者NDVI之间的线性转换模型Y=1.1458 X+0.1916;同时利用地物光谱NDVI与实测叶面积指数构建了NDVI-LAI指数模型Y=0.0899e4.459 X;然后,利用MERSI 250m数据反演出华北太行山前平原区冬小麦的叶面积指数,经与大田观测的叶面积指数以及同期MODIS的叶面积指数产品对比验证,结果表明:反演的MERSI-LAI与实际观测叶面积指数接近且具有很好的线性关系,其空间分布与MODIS的叶面积指数相近,但MODIS-LAI数值明显偏小。     

利用随机森林和地理加权回归的黄河源GIMMS3gNDVI降尺度方法

针对现有AVHRR、SPOTVGT、MODIS产品难以构建长时序、高时空分辨率NDVI数据集的问题,提出了利用随机森林和地理加权回归模型对GIMMS_3g NDVI进行降尺度的方法。基于“关系尺度不变”假设,从不同空间分辨率和数据源角度将其空间分辨率从8 km提高至250 m,并利用MODIS数据进行精度评价。结果表明：降尺度数据的空间分辨率有较大提升,能真实反映源区内NDVI空间分布特征;降尺度数据与MODIS数据具有较好的一致性,除500 m分辨率下的RF降尺度外,其他降尺度结果的绝对误差≤0.1的比例达到70%;东南部高植被覆盖区的降尺度效果要优于西北部;RF模型在体现局部细节纹理特征方面更具优势;解释变量的不同组合会影响降尺度的精度;降尺度模型尺度的改变对RF模型降尺度结果影响较大。     

二维光谱图像的神经网络校正方法

二维光谱图像普遍存在畸变现象,这种畸变会影响抽谱操作,从而降低一维光谱数据的质量。针对上述问题,提出了一种有效的基于神经网络的二维光谱图像的校正方法。该方法首先从二维光谱图像中提取表示畸变特征的数据,即抽取平场光谱中每条光纤的中心线以及拟合定标灯谱中每个特定波长处的特征谱线,再根据这两组线构造数据集;然后设计神经网络模型,训练模型拟合图像校正前后的像素坐标值之间的关系,通过模型计算出校正图像的所有像素坐标值;最后根据原始畸变图像的通量值一一对应填充校正图像的通量值。分别用平场光谱、定标灯谱、目标光谱数据进行校正实验。与此同时,对比了目标光谱图像校正前后的抽谱结果。实验证明该方法能够有效校正弯曲的二维光纤光谱图像,并在一定程度上提升一维光谱数据的质量。     

整合机载CASI和SASI高光谱数据的北方森林树种填图研究

将机载CASI和SASI高光谱数据整合,既可以获取可见光-近红外-短波红外区间连续的窄波段地物光谱,又能得到很高的空间分辨率,为高覆盖度的森林树种识别又增加了一种新方法。但是由于两种传感器的光谱响应不同,接收到的辐射值差异较大,如何将两种数据有效整合目前仍是一个难题。CASI和SASI覆盖谱段不同,受大气影响程度也不同,根据植被反射和吸收光谱特性,首先用基于统计模型的经验线性法和基于辐射传输的MODTRAN模型分别对CASI和SASI大气校正,复原地物光谱真实的反射率。然后去除反射率光谱包络线,用Savitzky\|Golay滤波函数对归一化后的光谱曲线进行平滑,以去除噪声及异常点,实现CASI和SASI数据（CASI+SASI）的整合。与实测光谱曲线对比发现,整合后的CASI+SASI光谱曲线与实测光谱曲线匹配度较高,并且比单一传感器的光谱信息更丰富,有利于不同树种的区分识别。最后应用光谱微分及曲线匹配技术,选取SVM分类器实现了研究区的树种填图,总体精度达到86.21%,Kappa系数为0.8297,该方法有效可行,为后续的相关研究提供了参考。     

机载高光谱数据提取冬小麦冠层叶绿素含量的模型分析及验证

遥感提取叶绿素含量的方法是精准农业的重要研究方向之一,但是如何用冠层光谱数据有效地提取叶绿素含量仍然是一个难点。本文用光谱指数TCARI和OSAVI的组合建立提取冬小麦冠层叶绿素含量的关系式,并使用实验田获取的冬小麦冠层光谱以及与之同步的机载高光谱传感器OMIS数据进行了验证。通过误差分析讨论了该方法用于遥感高光谱数据时需要注意的问题,表明大气校正的精度,传感器的信噪比以及波段中心的漂移是模型反演精度的主要制约因素。     

基于OGC SOS标准的多传感器观测数据共享方法研究

针对传感器网络之间缺乏互操作性和互通性等问题,构建了传感器观测服务的共享数据模型,建立了传感器观测数据共享数据库,基于OGC SOS标准规范,提出了传感器观测数据共享框架,部署了三层网络模型的SOS服务器,屏蔽了传感器网络、信息交换方式和通信格式的异构性问题,实现了对多传感器间观测数据的互操作与共享的支持,并以不同传感器的不同观测属性的数据为例进行了实验,实验表明本文的共享方法能够实现传感器观测数据的共享与集成应用.     

基于波谱匹配的Hyperion数据大气校正方法对比研究

遥感影像数据的大气校正是高光谱遥感地空对比、信息提取的前提和关键,如何根据不同数据、不同研究区、不同研究目的选择合适的大气校正方法是高光谱遥感应用研究的重点和难点。针对EO\|1卫星Hyperion高光谱遥感数据特点和研究区地形环境特征,分别选择线性回归经验模型、基于MODTRAN4模型的FLAASH和基于DEM数据的ACORN\|3模型不同大气校正方法对研究区Hyperion数据进行大气校正。从波谱匹配、识别的目的出发,通过计算不同方法校正后影像像元的波谱曲线与实测地面波谱曲线的匹配程度分析不同大气校正方法的校正效果。     

高分一号影像水稻叶面积指数反演真实性检验

为了解决常规卫星遥感叶面积指数真实性检验方法存在的破坏样地植被、操作复杂、耗时费力,且难以用于对应大范围的植被采样等问题,该文以安徽省来安县为研究区,利用实测水稻冠层光谱结合GF1-WFV传感器进行光谱重采样并计算水稻NDVI,基于此进行LAI反演建模,通过光谱计算的LAI反演结果对GF-1星多光谱遥感水稻LAI的反演结果进行真实性检验,并结合野外LAI观测数据证明了该方法的有效性和可行性。研究表明,该方法操作简单,准确度高,大大减少了野外试验的工作量,为快速、准确获取大量真实性检验数据及定量化应用提供了有效的途径。