基于分层线性回归的MODIS反照率产品降尺度方法研究

近年来,遥感技术在中小区域的地表能量、热环境、气候研究等领域应用广泛,对高分辨率、高精度的反照率产品需求日益增多。鉴于此,提出了一种基于物理意义的降尺度方法,用于高效、准确地生成高分辨率的反照率结果。首先,假设地表朗伯反射,利用30 m的Landsat 8反射率估算得到Landsat 8初级反照率;然后,在500 m尺度上,发现分类后Landsat 8初级反照率与MCD43A3反照率相关性更好。因此,基于地表分类建立二者的线性回归函数,在MCD43A3基础上,融合30 m高分辨率Landsat 8初级反照率,得到降尺度反照率结果。与MCD43A3反照率相比,该结果提供了丰富的细节信息;利用SURFRAD观测数据的验证实验表明,降尺度反照率结果偏差为-0.01,标准差为0.012,对于不同地表类型具有良好的适用性,这说明该算法对于生产高分辨率反照率产品具有一定的应用价值。     

FY-3C中分辨率成像光谱仪数据的窄波段地表反照率验证研究

地表反照率数据对地表能量平衡和全球变化研究具有重要意义。基于2014年FY-3C卫星250 m分辨率的反射率数据和角度数据,选取非洲及北美洲的4个区域作为研究区,采用RossThick-LiSparseR模型作为BRDF(Bidirectional Reflectance Distribution Function)核模型反演了地表窄波段反照率,得到250 m分辨率的4个窄波段黑空、白空反照率。将反演得到的FY-3C地表窄波反照率产品与MODIS反照率产品（MCD43A3）数据进行了交叉验证,结果表明：FY-3C窄波段反照率与对应MODIS窄波段反照率对比的均方根误差在0.01~0.04,平均偏差(MBIAS)为0.09,FY-3C窄波段反照率与对应的MODIS窄波段反照率在可见光波段、近红外波段有较好的一致性。本研究提升了国产风云极轨卫星的应用范围,可为FY-3C地表反照率业务化产品提供算法支撑。     

基于深度金字塔网络的Pan-Sharpening算法

为了利用高空间分辨率单波段的全色(PAN)图像和低空间分辨率的多光谱图像(MS)生成高分辨率的多光谱图像,提出一种基于深度金字塔网络的遥感图像融合(即pan-sharpening)算法,通过图像金字塔的方式逐层上采样来重构高分辨率的多光谱图像.在细节保持方面,针对全色图像和多光谱图像在尺度上跨度过大的问题,采用深度金字塔网络多尺度地融合全色图像的细节信息;在光谱保持方面,使用反卷积层代替传统的超分辨算法来上采样低分率的多光谱图像;最后将这2部分相加,得到最终的融合图像. GeoEye-1数据集上的实验结果表明,文中算法综合性能优于BDSD, PRACS, PNN and PanNet算法.     

基于多源遥感数据的积雪反照率反演研究

积雪反照率在全球气候系统中的作用显著。由于目前遥感手段的限制,积雪反照率遥感产品存在显著的数据缺失和误差不确定性。研究对遥感积雪反照率反演模型进行精度评估,开展以渐进辐射传输理论(ART)为代表的积雪反照率遥感反演算法验证工作,分别比较MODIS、TM/ETM+数据在反演积雪反照率时的差异和准确性。结果表明:利用ART模型对积雪反射率进行各向异性校正后反演得到的积雪反照率精度优于MOD10A1积雪反照率;高分辨率遥感影像在反演积雪反照率时精度明显高于低分辨率遥感影像;针对地形复杂的高寒山区,尺度效应对积雪反照率的反演会产生极大影响。     

结合小波变换的梯度场图像渐进融合算法

基于梯度场的图像融合算法只适用于尺度差异不大于1∶4的多光谱图像与全色图像。针对尺度差异为1∶8的北京一号卫星多光谱图像及高分辨率全色图像的融合问题,提出一种结合小波变换的梯度场图像尺度渐进融合算法。利用小波变换方法将多光谱图像与高分辨率全色图像尺度差异倍数缩小,得到基于小波变换的初级融合,再进行基于梯度场的Poisson图像融合。实验结果表明,渐进融合图像与多光谱图像的平均颜色差异值为23.5,与高分辨率全色图像的平均梯度差异值为2.1,多尺度纹理特征值差异值分别为3.98、10.2、18.9,渐进融合图像与高分辨率全色图像的空间细节和纹理细节吻合程度更好。     

相似尺度图像融合算法

提出了一种新的融合思想,即图像应在相似尺度（similar scale,SS）上进行融合．当融合低分辨率多光谱图像与高分辨率全色图像时,一般的方法没有考虑到插值的多光谱图像和高分辨率的全色图像的尺度不一致性．基于相似尺度的思想,图像融合算法如下．首先,使用“atrous”离散小波变换分解高分辨率全色图像,使其低通分量与插值后的多光谱图像具有相似的尺度．然后,用加权多尺度基本形式（weighted mutlitscale fundamental form,WMFF）来融合它们得到合成的最低频带．最后,“atrous”逆小波变换用来重建高分辨率的多光谱图像．与其他的基于小波变换的图像融合算法相比,基于相似尺度的融合方法取得了更好的融合结果．     

基于 MTF 和变分的全色与多光谱图像融合模型

Pan-sharpening将高分辨率图像全色(Panchromatic, Pan)波段的空间细节注入多光谱(Multispectral, MS)波段, 以生成同时具有高光谱和高空间分辨率的多光谱图像. 为改善融合效果, 需要考虑多光谱和全色波段的调制传输函数(Modulation transfer function, MTF). 本文提出了一个新的基于MTF和变分的Pan-sharpening模型. 该模型的能量泛函包括两项, 第1项为细节注入项, 基于高通滤波器从Pan波段中提取细节信息并注入融合图像;第2项为光谱保真项, 基于MTF设计多孔小波的低通滤波器以保持MS波段的多光谱信息. 在QuickBird、IKONOS和GeoEye数据集上的融合结果表明, 该模型可以生成同时具有高空间和高光谱质量的融合图像, 融合效果优于AWLP、IHS_BT、HPM-CC-PSF、NAWL、快速变分等算法.     

HJ-1A/B星地表反照率生成算法与检验

提出了适合环境与灾害监测预报小卫星-A、B星(简称HJ-1A/B星)CCD相机的大气订正算法,并基于不同地表特性和大气条件下的辐射传输模拟数据,建立HJ-1A/B星的窄波段向宽波段反照率转换的模型.利用多级灰阶靶标实测数据、敦煌检验场实测数据验证了大气订正算法以及转换模型的可靠性和精度,并将HJ-1A/B星影像数据计算的反照率产品与同时相的MODIS反照率产品进行对比分析.结果表明:文章提出的HJ-1A/B星CCD相机大气订正算法可有效校正大气影响;窄波段向宽波段反照率转换模型反演的反照率精度可靠;基于研究成果生成的HJ-1A/B星地表反照率与MODIS反照率产品一致性较好,满足后续遥感数据定量化模型研究的精度需要.     

基于融合的高分辨率彩色图像拷贝—变换—移动篡改检测

拷贝—变换—移动篡改是一种操作简单但非常有效的数字图像篡改方法,现有检测框架无法检测。同时,在处理高分辨率篡改图像时,基于穷举搜索的现有算法框架会有计算量的困难。针对高分辨率彩色图像拷贝—变换—移动篡改提出了基于图像融合和尺度不变特征变换(SIFT)特征点匹配的检测算法。首先利用基于加权多尺度基本形的图像融合方法将降采样后的彩色图像信息融合至单幅灰度图像中,然后设计快速匹配方法得到融合图像中匹配的SIFT特征点作为种子点,最后根据图像处理规则和SIFT特征点的尺度和方向信息制定合适的生长策略逐步生长出被篡改区域。对手动制作的篡改图片和可疑新闻图片的实验结果表明,该算法对常用的润色操作和亮度调整以及JPEG有损压缩有较强的稳健性。     

高光谱图像大气校正自动化与快速处理北大核心CSCD

全谱段宽幅高分辨率推扫式光谱成像仪作为我国新一代航空高光谱成像仪已进入应用校飞阶段,文章针对其TB/日数量级高光谱图像快速处理问题,对大气校正过程的参数自动化设置方法和并行加速方法进行研究。在传统基于辐射传输模型的大气校正基础上,分析了可见近红外和短波红外通道是否波段合并、重合波段优选、大气类型选择、是否水汽反演、水汽吸收波段选择等方面对反射率反演精度的影响,实现了参数优化自动设置,并开发了并行化大气校正算法。以吉林榆树和辽宁辽中的数据进行验证,结果表明,反演反射率与参考真值反射率一致性高,同时处理速度比串行处理大大提高,可为高光谱反射率数据产品的业务化生产提供有力工具。     

基于HJ-1 CCD数据的洪涝灾害范围动态监测研究——以黑龙江省抚远县为例

洪涝灾害范围是表征洪涝灾害时空分布特征的关键物理参数,是洪涝灾害灾情评估的主要内容和重要基础。充分利用遥感技术、地面站网观测数据和实地调查核查等手段,是当前"天、空、地、现场"一体化开展洪涝灾害范围动态监测的研究前沿。针对洪涝灾害范围实时动态演变过程监测时效性受数据和信息提取效率制约的问题,提出了基于HJ-1CCD数据利用区域生长算法的洪涝灾害范围提取模型。在研究多种地物目标的影像特征与光谱响应特征基础上,采用区域生长算法对2013年汛期黑龙江省抚远县洪涝灾害范围进行识别和判定。结果表明:汛期内稳定高频次获取的HJ-1CCD数据能为洪涝灾害范围识别和动态演变过程监测提供数据保障。区域生长法提取集中连片水体的效率高,能够将过去目视解译、人工勾画需要5h的工作量缩短到10min之内;提取结果宏观性强,在影响范围大的洪涝灾害范围动态监测业务中发挥着重要的作用。     

基于HJ-1卫星CCD数据的厦门海域叶绿素a浓度反演

针对HJ-1A/B卫星CCD数据,建立适合于厦门海域的叶绿素a浓度反演模型,将为持续监测该海域的赤潮提供时间序列的叶绿素a浓度数据。基于2013年7月31日厦门海域水体实测光谱与叶绿素a浓度同步测量数据,及HJ\|1B卫星CCD2光谱响应函数,对各波段遥感反射率与叶绿素a浓度的相关性进行比较,证实蓝、绿波段比值与叶绿素a浓度相关性最高。对OC3模型在内的5种模型的反演结果和实测叶绿素a浓度做相关性分析,发现各模型相关系数均达到0.7以上。利用2013年7月30日实测数据对同期厦门海域HJ-1B卫星CCD2数据叶绿素a浓度反演结果进行精度验证,结果表明本地化的10指数模型在反演叶绿素a浓度动态范围较大的区域具有更高的精度。     

非负矩阵分解融合高光谱和多光谱数据

由于光谱分辨率和空间分辨率的制约以及物理条件的限制,高光谱数据具有很高的光谱分辨率而其空间分辨率却很低。因此,一般高光谱数据的空间分辨率往往低于仅有几个波段的多光谱数据的空间分辨率。高光谱数据和多光谱数据的融合可以得到同时具有高空间分辨率和高光谱分辨率的数据,进而应用于更高空间分辨率下地物的识别和分类。非负矩阵分解(Nonnegative Matrix Factorization)算法用于实现低空间分辨率高光谱数据和高空间分辨率多光谱数据的融合。首先利用顶点成分分析法VCA(Vertex Component Analysis)分解高光谱数据,得到初始的端元波谱矩阵和端元丰度矩阵;然后用非负矩阵分解算法交替地对高光谱数据和多光谱数据进行分解,得到高光谱分辨率的端元波谱矩阵和高空间分辨率的丰度矩阵;最后两个矩阵相乘得到高空间分辨率和高光谱分辨率的融合结果。在每一步非负矩阵分解过程中,数据之间的传感器观测模型用于分解矩阵的初始化。AVIRIS和HJ-1A数据实验结果分析表明:非负矩阵分解算法有效提高了高光谱数据的所有波长范围内波段数据的空间分辨率,而高精度的融合结果可用于地物的目标识别和分类。     

面向内陆水环境监测的GF-1卫星WFV数据特征评价

各种卫星遥感数据在内陆水环境监测中得到日益广泛的应用并各具优势和不足。2013年4月发射的高分一号(GF\|1)卫星搭载的宽视场相机(WFV)为水环境监测提供了新的数据源。通过与Landsat8 OLI和HJ\|1 CCD对比,从辐射、光谱和空间3个方面客观评价GF\|1 WFV 的数据特征,并分析其在内陆水环境监测应用中的优缺点。结果表明:WFV在内陆水体区域的灰度级数和信噪比高于CCD但低于OLI 10 bit的量化等级足以满足水质参数反演的精度要求,在水体监测应用中WFV现有辐射定标系数需修正;WFV的波段数量和宽度与CCD基本一致,比OLI的少且宽,不能很好地捕捉内陆水体的光谱特征;WFV16 m的空间分辨率和800 km的幅宽,明显优于CCD和OLI。总之,WFV在大范围中小型内陆水体环境动态监测方面具有良好的应用前景。     

Land Surface Temperature Data Fusion of Landsat ETM and MODISby Combining TsHARP and STITFM Model

Land Surface Temperature (LST) is an important parameter that describes energy balance of substance and energy exchange between the surface and the atmosphere,and LST has widely used in the fields of urban heat island effect,soil moisture and surface radiative flux.Currently,no satellite sensor can deliver thermal infrared data at both high temporal resolution and spatial resolution,which strongly limits the wide application of thermal infrared data.Based on the MODIS land surface temperature product and Landsat ETM+image,a temporal and spatial fusion method is proposed by combining the TsHARP (Thermal sHARPening) model with the STITFM (Spatio\|Temporal Integrated Temperature Fusion Model) algorithm,defined as CTsSTITFM model in this study.The TsHARP method is used to downscale the 1 km MODIS land surface temperature image to LST data at spatial resolution of 250 m.Then the accuracy is verified by the retrieval LST from Landsat ETM+ image at the same time.Land surface temperature image at 30 m spatial scale is predicted by fusing Landsat ETM+ and downscaling MODIS data using STITFM model.The fusion LST image is validated by the estimated LST from Landsat ETM+ data for the same predicted.The results show that the proposed method has a better precision comparing to the STITFM algorithm.Under the default parameter setting,the predicted LST values using CTsSTITFM fusion method have a root mean square error (RMSE) less than 1.33 K.By adjusting the window size of CTsSTITFM fusion method,the fusion results in the selected areas show some regularity with the increasing of the window.In general,a reasonable window size set may slightly improve the effects of LST fusion.The CTsSTITFM fusion method can solve the problem of mixed pixels caused by coarse\|scale MODIS surface temperature images to some degree.     

基于SVM模型的妫水河叶绿素a浓度的遥感反演

以北京市妫水河为研究区,基于2011年9月25日和2012年9月30日的两期叶绿素a浓度实测数据和准同步的环境一号卫星(HJ-1A)多光谱数据,分别构建一元线性和多元支持向量机模型(SVMM),通过决定系数R²和平均相对误差对模型的精度进行检验,用模型进行水体叶绿素a浓度的反演,并分析其时空分布特征。研究表明:在样本数较少的情况下,SVM具有很强的非线性映射能力,能够取得较好的预测结果,更适用于反演叶绿素a浓度。时间分布上,研究区叶绿素a浓度呈增加趋势,均值上升了6.86 μg/L;空间分布上,深水区叶绿素a浓度值低于浅水区,上游高于下游。国产HJ-1A CCD2多光谱数据以其4 d的时间分辨率,在水质动态变化监测方面具有优势。     

巴音河流域高时空分辨率叶面积指数数据集

叶面积指数（Leaf Area Index,LAI）是表征地表特征变化的重要指标之一,也是陆表、水文等模型的重要参数。本数据集是基于增强型时空自适应反射率融合模型（ESTARFM）,将全球陆地表层卫星（GLASS）LAI(8d/500m)、中分辨率成像光谱仪（MODIS）MOD13A1和MYD13A1、陆地卫星Landsat-7 ETM+和Landsat-8 OLI数据,进行融合,得到8 d/30 m分辨率的LAI,通过分段线性内插最终得到巴音河流域高时空分辨率LAI(1 d/30 m)。对比高时空分辨率LAI(1 d/30 m)与GLASS LAI产品的时空特征,验证数据集精度。结果表明：与原始GLASS LAI相比,本数据集在空间上具有与GLASS LAI一致的分布特征,且轮廓与纹理更为清晰。在时间上,二者具有相同的月际变化特征,且由1 d/30 m LAI估算的区域月平均LAI和区域8日平均LAI与原始GLASS LAI存在显著正相关性,R2分别为0.95、0.94,Pearson积矩相关系数均为0.97,P值均小于0.01。此数据集可为陆表过程、水文循环等模拟提供重要的数据支持...     

联合快舟一号影像纹理信息的城市土地覆盖分类

仅依靠光谱信息无法满足高分辨率遥感分类的应用需求,辅之以纹理特征信息进行分类,可提高影像分类精度。利用KZ\|1卫星影像和Landsat\|8卫星影像数据,基于面向对象的影像分割法和灰度共生矩阵纹理分析法对新疆石河子市局部城区进行了地表覆盖分类实验,将不同空间分辨率的全色影像纹理信息、光谱信息构成多种影像特征组合进行分类比较研究,以选择最佳的分类特征集。结果表明:KZ-1影像能为城市区域的土地覆盖分类提供丰富的纹理信息,面向对象的影像分割可较好地利用高分辨率数据的几何结构信息实现优化的影像分割,从而提高多光谱影像的分类精度,总体分类精度为90.06%,Kappa系数为87.93%,比单纯利用光谱信息分类的总体精度提高了8.02%,Kappa系数提高了9.65%,表明KZ\|1数据可为光谱分类提供丰富的纹理信息,从而提高城市区域的土地覆盖分类精度。     

结合方向小波的多光谱与全色遥感图像融合算法

针对现有的遥感图像融合算法所得融合图像存在边缘清晰度不高与光谱保持能力较差等问题,根据方向小波变换的高效性与方向选择性,提出了一种结合方向小波的多光谱与全色遥感图像融合算法。该算法采用人眼的视觉特性首先对待融合图像进行预处理,并根据小波变换的分解特性,对低频子带小波系数采用基于能量比的图像融合规则,而对高频子带则采用基于纹理一致性的融合规则。实验结果表明:该算法能够在保留多光谱图像信息的基础上,得到清晰度较高的融合图像,其中对中等分辨率图像的融合处理效果最佳。     

基于HJ-1CCD影像的呼伦贝尔草原区MODIS/FPAR产品验证与分析

植物吸收性光合有效辐射分量(FPAR)是描述植被结构以及与之相关的物质与能量交换过程的基本生理变量。选取内蒙古呼伦贝尔谢尔塔拉镇针茅和羊草草甸草原为研究对象,利用2013年5次地面实测实验,通过HJ-I CCD高分辨率卫星影像建立统计模型,从而实现对该研究区MODIS/FPAR产品的验证与分析。1km HJ/FPAR"真值"与MODIS/FPAR产品值的变化趋势基本一致,并且二者具有较好的一致性,R2达到了0.6762。MODIS/FPAR产品能够很好地反映呼伦贝尔草甸草原在整个生长季的长势及物候变化,这是因为研究区样地尺度上HJ/FPAR和MODIS/FPAR产品值不但变化趋势相一致,而且相关系数R2高达0.9148。无论在同尺度(1km)还是整个研究区尺度,MODIS/FPAR均有一定的高估现象。研究结果对了解和进一步使用该地区的MODIS/FPAR产品具有重要的指导意义。