遥感与地理信息系统GIS在土地利用动态监测中的应用

文章论述了采用先进技术进行土地利用动态监测的必要性，介绍了遥感与GIS进行动态监测的优势及方法。并阐述了TM和SPOT卫星图像信息在土地利用类型调查中的作用。     

遥感在土地利用动态监测中的应用——以武汉市为例

经济全球化发展为全市产业结构调整和优化带来了新的契机。随着经济全球化趋势的增强,全球生产要素和产业转移加快,沿海产业将加速向内地转移。武汉市产业基础雄厚、土地和劳动力成本相对较低,在内陆地区具有承接东部产业转移的显著优势,这为全市促进产业结构调整和优化带来了新的契机。耕地和基本农田保护形势显得尤为严峻。为促进经济社会可持续发展和土地资源的可持续利用,必须加强农用地特别是耕地的保护。而武汉市耕地后备资源数量少,分布零散,严重制约了耕地资源补充的能力,耕地和基本农田保护形势更加严峻。因此如何协调好经济建设用地保证经济快速稳步发展和保护农用耕地稳固第一产业的基础地位成武汉市城市规划的当务之急。     

广东省土地利用动态监测影像数据库的设计与建设

本文主要研究了基于Oracel＋ArcSDE的,广东省土地利用动态监测影像数据库的设计与建设,探讨基于从影像处理、数据库设计、数据集组织、数据入库等方面的问题。     

浅论航空摄影测量中的卫星遥感影像

随着人们对太空不断深人的探索,航空技术也在不断地成熟。航空摄影测量是人们探索太空的飞跃性体现,也是人们探索太空过程中的科技产物。近来,随着卫星遥感技术越来越多的在航空摄影测量中运用,卫星遥感影像也渐渐为人们所认知。高清晰的卫星遥感影像为航空摄影测量带来了不少变化和进步,也使航空摄影测量的技术日趋成熟,在本文中,我们就浅论了航空摄影测量中的卫星遥感影像。     

浅谈士地利用遥感动态监测的体会

所谓土地利用动态监测,就是将不同时相的土地利用数据进行对比分析,从空间分布和数量上分析其动态变化特征及未来发展趋势。利用遥感技术动态监测土地利用的本质是对图像系列时域效果进行最化,通过量化多时相遥感图像空间域、时间域、光谱域的耦合特征,来获得土地利用变化的类型、位置和数量等内容。     

土地利用动态遥感监测

土地利用动态遥感监测技术与方法是中国土地勘测规划院负责组织实施的国土资源大调查土地资源监测调查工程的系列成果之一。文章针对土地利用动态遥感监测技术与方法进行了阐述。     

卫星瞬时视场仿真与遥感影像可视化研究

随着经济的发展,我国的科技水平也取得了很大程度上的进步,航空事业在这样的大环境下不断的摸索着自己的发展方向,在探索中更新、完善自身技术。用更加先进的技术,来满足人们日益提高的生活要求,让科技引领整个社会乃至国家进入一个全新的科技信息时代。     

土地利用动态遥感监测的研究

土地利用遥感动态监测能够快速提取土地利用变化信息,更新土地利用现状图,对于土地资源合理利用、科学管理具有重要的意义。本文主要阐述了土地利用动态遥感监测的方法和过程。     

遥感影像自动化处理系统处理资源三号卫星影像的方法

资源三号卫星是我国第一颗民用高分辨率立体光学传输型卫星。通过对遥感影像自动化处理系统的二次开发,解决了资源三号卫星影像数据的读入问题。通过大量实验,总结了资源三号卫星影像数据生产作业中的方法技巧,探索出一套基于遥感影像自动化处理系统的影像产品生产流程。     

遥感图像融合技术及其在土地资源动态监测中的应用

论述遥感图像融合常见的技术方法、融合过程和类型，并以两种遥感图像融合方式为例说明遥感图像融合技术在土地资源动态监测中的应用前景。     

数字航空遥感地面仿真平台技术与实现

本文介绍了对地观测数字航空遥感地面仿真实验平台的系统组成、关键技术和系统实现。该地面仿真系统实现了对无人机航空遥感系统飞行过程中的数字传感器控制、影像数据的存储显示监控以及数据的传输功能进行地面仿真,为开发适用于无人机平台的软硬件技术提供了一个可靠的地面验证平台。     

卫星层析扫描(CT)遥感大气的通道优化

从ＨＩＴＲＡＮ光谱数据库中以７条具有良好空间分布权孙数，适合于卫星ＣＴ反演大气温度的通道，采用特征值方法，分析了各通这独立性，讨论了扫描角度对ＣＴ反演大气温度廓线权函数的影响。     

Inference for Errors-in-Variables Models in the Presence of Systematic Errors with an Application to a Satellite Remote Sensing Campaign

Motivated by a satellite remote sensing mission, this article proposes a multivariable errors-in-variables (EIV) regression model with heteroscedastic errors for relating the satellite data products to similar products from a well-characterized but globally sparse ground-based dataset. In the remote sensing setting, the regression model is used to estimate the global divisor for the satellite data. The error structure of the proposed EIV model comprises two components: A random-error component whose variance is inversely proportional to sample size of underlying individual observations which are aggregated to obtain the regression data, and a systematic-error component whose variance remains the same as the underlying sample size increases. In this article, we discuss parameter identifiability for the proposed model and obtain estimates from two-stage parameter estimation. We illustrate our proposed procedure through both simulation studies and an application to validating measurements of atmospheric column-averaged CO₂ from NASA’s Orbiting Carbon Observatory-2 (OCO-2) satellite. The validation uses coincident target-mode OCO-2 data that are temporally and spatially sparse and ground-based measurements from the Total Carbon Column Observing Network (TCCON) that are spatially sparse but more accurate. Supplementary materials for the article are available online.