基于COM技术的遥感参数反演系统设计与实现

遥感参数反演是遥感研究和应用的前沿领域,但目前尚缺乏软件系统支持。论文在对遥感参数反演系统需求分析的基础上,把组件化程序设计方法引入到系统的设计中。在COM技术下,开发出遥感参数反演系统。该系统具有良好的扩充性,能很好地满足遥感参数反演工作的需求。     

基于Apache Spark的MODIS海表温度反演方法

为应对海量遥感影像快速计算的需求,通过对影像获取、算法和计算过程优化和改进,提出了一种基于Apache Spark并行计算框架的MODIS海表温度反演方法,实现了海量MODIS遥感影像的海表温度快速反演.应用四轮网络查询请求获取特定的时空范围影像数据,提高影像获取阶段的效率;应用简化算法参数、拟合过程变量改进海表温度劈窗算法,使之适合快速并行计算;应用弹性分布式数据集（RDD）窄依赖关系的优点,避免并行计算中的数据交换延迟.通过单机模式与集群模式对比实验,发现集成了并行计算框架的集群模式影像处理效率约为单机模式的10倍.研究结果表明了融合集群计算技术的海表温度反演过程有效提高了传统单机应用程序的处理效率.     

利用MODIS数据反演南海南部海表温度及时空变化分析

南海海水表面温度对中国陆地的气候变化具有显著的影响。以南海南部海域为例,首先对MODIS基础数据进行几何校正及影像去云等预处理,利用辐射传输模型MODTRAN计算大气透过率,利用MODIS数据第31和32波段辐射亮度值计算亮度温度,采用劈窗算法反演南海南部海域海表温度,反演结果与产品及实测数据进行回归分析,采取决定系数（R ²）、误差平方和（SSE）及均方根误差（RMSE）进行拟合情况评价。决定系数（R ²）大于0.8,SSE、RMSE较小,其中反演结果与实测数据的SSE为1.025,RMSE为0.158,说明反演精度良好。研究表明:温度具有明显的区域和季节变化特征,秋冬较低,春夏较高,在空间上从离近岸向中心海域方向递减,海盆中心温度低。温度受气候的影响,与厄尔尼诺现象呈正相关,与拉尼娜现象呈负相关。     

MODIS数据陆面温度反演研究

陆面温度(LST,landsurfacetemperature)是研究地表和大气之间物质交换和能量交换的重要参数。基于推广的分裂窗算法,运用MODIS数据,在青海湖地区(200km*200km)进行了陆面温度反演研究。在实验区,推广的分裂窗算法传感器高度角大于40°,将原分裂窗的区间进行了细化,与分裂窗方法相比,传感器高度角在40°～50°,大气柱水汽含量小于1.5cm时,反演精度较高,小于1K;与分裂窗方法类似,该方法对比辐射率和传感器仪器质量的误差不甚敏感。     

基于MAS的编队对海打击仿真系统设计与实现

针对编队对海打击仿真问题,设计了一种基于MAS(multi-agent system)的编队对海打击仿真系统;提出结合MAS和OPN(object-oriented Petri net)的思想,利用OPN设计系统的Petri网基网模型;在基网模型基础上,加入状态标示,建立系统Petri标示网的形式化模型;进而采用Petri网的关联矩阵对系统形式化模型的状态进行分析,从形式上确定系统的结构与状态,有效降低了系统初期开发的难度;利用JADE平台实现了编队对海打击仿真系统.仿真实例表明,仿真系统具有良好的人机交互功能,与实际符合较好,能够为对海打击提供决策参考.     

基于MODIS数据的渭河流域土壤水分反演

利用MODIS产品数据MOD11A1、MOD13A2和MOD15A2获取地表温度(TS)、昼夜温差(TSD)、表观热惯量(ATI)、归一化植被指数(NDVI)、增强植被指数(EVI)、叶面积指数(LAI),构建渭河流域2006年8月1日、8月6日的TS-NDVI、TS-EVI、TS-LAI、TSD-NDVI、TSD-EVI、TSD-LAI、ATI-NDVI、ATI-EVI、ATI-LAI特征空间,根据TS-NDVI、TS-EVI、TS-LAI、TSD-NDVI、TSD-EVI、TSD-LAI、AI-NDVI、ATI-EVI、ATI-LAI特征空间建立了温度归一化植被指数型干旱指数(TNDI)、温度增强植被指数型干旱指数(TEDI)、温度叶面积指数型干旱指数(TLDI)、温差归一化植被指数型干旱指数(DTNDI)、温差增强植被指数型干旱指数(DTEDI)、温差叶面积指数型干旱指数(DTLDI)、表观热惯量归一化植被指数型干旱指数(ANDI)、表观热惯量增强植被指数型干旱指数(AEDI)、表观热惯量叶面积指数型干旱指数(ALDI),并以这些干旱指数作为土壤水分监测指标,反演了渭河流域2006年8月1日、8月6日的土壤水分.利用TDR实测10cm土壤水分进行相关分析表明: TEDI、TNDI、TLDI在高植被覆盖的地区、低植被覆盖的地区进行土壤水分反演和干旱监测都能取得较好的效果,其中TEDI效果最好;DTNDI、DTEDI、DTLDI、ANDI、AEDI、ALDI比较适合在低植被覆盖的地区进行土壤水分反演和干旱监测,但在高植被覆盖的地区效果较差,不适合进行土壤水分反演和干旱监测.     

基于消息反演的动态工作流引擎的研究与实现

本文提出了一种基于消息的动态工作流引擎的实现方式.该方式通过定义任务项的等价关系,由消息触发反演计算.该反演计算以结点-状态路由算法N-S实现基于能力的任务项的动态路由,使工作流引擎对流程实例进行动态流转,从而整个活动结点的负载能保持相对平衡,提高了流转的效率.     

基于Qt的地质统计学反演系统设计与实现

介绍了Qt及其类库,论述了Qt对象间的通讯机制。阐明了地质统计学反演算法的原理,对地质统计学反演系统进行了设计。通过采用QtDesigner快速开发工具,实现了地质统计学反演系统。采用Qt开发平台,节六了程序开发时间,提高了程序开发效率。     

基于反演模式的碳排放数据集成管理系统的设计与实现

针对"能源消费与水泥生产的排放"项目中所采集、生产的各类数据,设计并构建基于反演模式的碳排放数据集成管理系统,提供采样数据的预处理、录入导入、分析挖掘及反演预测等功能。着重解析了系统设计开发中的架构设计、数据预处理和反演预测模型等关键模块。实践结果表明,这些模块在碳排放数据集成管理系统中的应用,有利于实现多源数据的统一管理展示,有利于精准确定我国能源消费和水泥生产过程的碳排放系数。     

基于XGBoost-PredRNN++的海表面温度预测

准确预测海表面温度对于海洋渔业生产、海洋动力环境信息预测预报等至关重要.传统数值预报方法计算代价大、时效差,而现有基于数据驱动的海表温预测方法大都针对单个观测点进行海表温预测,不适合预测由多个观测点构成的某个区域的海表面温度,而现有的区域海表温预测方法的预测精度仍然有待提高.为此,本文提出了一种基于XGBoost结合PredRNN++的区域海表温预测方法 (XGBoost-PredRNN++),该方法首先将海表面温数据处理成灰度图片,然后利用XGBoost模型来提取每个点的时间特征;在此基础上,采用CNN网络将时间特征融合到原始海表温数据中,同时提取出海表温数据之间的空间依赖关系;最后利用PredRNN++时间序列预测模型提取整个海表温序列之间的时空关联关系,从而实现了区域海表温度的高精度预测.一系列实验结果表明,本文提出的方法具有较高预测精度和效率,明显优于现有预测方法.     

基于MODIS和TM数据的陆面温度反演

陆地表面温度(LST)反演一直是热红外遥感研究中的一大难题。目前,分辨率较高的Landsat5/TM数据是陆地表面温度(LST)反演的常用遥感信息源。然而,由于TM只有一个热通道,大多数情况下由TM6数据得到的都是星上亮度温度,与实际地表温度有较大差距。普适性单通道算法的提出为从TM6数据高精度地反演地表真实温度提供了可能。为寻找一条从TM6数据高精度反演陆地表面温度的有效途径,利用该算法对北京地区的地表温度进行了反演试验,对该算法必需的总大气水蒸汽含量通过MOD IS数据计算获得。同时利用卫星过境时的同步实测数据对反演精度进行了检验,并与用标准大气数据得到的结果进行了比较。其结果表明,该方法具有较高的反演精度,其rmsd值为1.67℃,显示了多源数据结合的优势。     

我国东海海面温度定量遥感反演研究

提出了利用Terra卫星的MODIS的20、29、31 和32红外通道数据来反演我国东海海面温度的区域SST反演算法。算法的系数是通过辐射传输模型MODTRAN 4,输入TIGR大气廓线库中中国东海附近的大气廓线进行辐射传输模拟获得。通过MODIS的SST产品MOD28数据以及实测海面浮标数据进行算法精度验证,验证结果显示,该算法获得的SST分布与MOD28产品相吻合;用21个实测浮标数据为真值,算法精度为0.98 K,RMSE为1 K,而MOD28的精度为1.29 K,RMSE为1.26 K,该算法精度优于MODIS的SST产品精度;卫星观测角度在40°以内精度为0.68 K,大于40°精度降低到1.16 K,对于大观测角度的SST反演,算法还有待改进。     

针对HJ-1B的水表温度反演方法研究

利用HJ-1B热红外波段数据进行了水表温度反演。数据定标后,利用水体指数对HJ-1B热红外数据进行了水体识别,识别后直接对水体区域进行编程处理。在模型方面,考虑了HJ-1B热红外通道波谱响应函数的影响,利用MODTRAN4模型修正了Jimenez-Munoz和Sobrino提出的单通道算法,算法的参数"水汽含量"从MOD05水汽产品中取得。最后利用相同时间段内MODIS的海表面温度产品进行了验证,结果显示在抽取的1211个验证点中相对误差在5%以下的占78.695%,可以认为利用HJ-1B热红外数据进行水表面温度反演是可行的。     

水色水温遥感产品真实性检验误差分析

真实性检验是利用现场观测数据或其他高质量遥感产品来获取待检验遥感产品精度的技术,是遥感产品制作及其应用的前提。通过分析均方根误差、平均绝对误差和平均相对误差等多种遥感产品精度评价统计量的适用性,确定了一套水色、水温遥感产品真实性检验流程。以中分辨率成像光谱仪(MODIS)海表温度(SST)遥感产品的真实性检验实例展示了文中确定的水色水温遥感产品真实性检验流程的可行性。分析结果表明待检验产品的分布规律(样本均值和标准偏差)对检验结果的统计量会产生一定的影响,平均值对平均相对误差的影响呈现高相关性。     

一个从MODIS数据同时反演地表温度和发射率的神经网络算法

MODIS的三个热红外波段29、31、32建立了三个辐射传输方程,这三个方程包含了5个未知数(大气平均作用温度、地表温度和三个波段的发射率)。用JPL提供的大约160种地物的波谱数据对MODIS三个波段(29/31/32)发射率之间的关系和用MODTRAN4对大气透过率和大气水汽含量之间关系进行模拟分析。分析结果表明地球物理参数之间存在着大量的潜在信息。由于潜在的信息难以严格地用数学表达式来描述,因此神经网络是非常适合被用来解这种病态反演问题。利用辐射传输模型(RM)和神经网络(NN)反演分析表明神经网络能够被用来精确地同时从MODIS数据中反演地表温度和发射率。地表温度的平均反演误差在0.4°C以下;波段29/31/32发射率平均反演误差都在0.008以下。     

利用MODIS数据反演地表温度的研究

地表温度(LST)是气象、水文、生态等研究中一个重要的参数,目前国内的研究大多使用NOAA/AVHRR数据来获取地表温度,应用MODIS数据获取LST基本上还是空白。MODISLST反演算法精度较高但是计算复杂,在很大程度上限制了其应用。采用简单的统计方法和神经网络方法,得出了内蒙古东北地区的LST计算公式。该公式计算简单而且精度很高,完全能够满足一般的研究需要。     

Sea Surface Temperature Inversion of the Southern South China Sea from MODIS and Temporal and Spatial Variation Analysis

The sea surface temperature in the southern South China Sea has a significant influence on the climate change of China land. In the paper, on the basis of the geometric correction and cloud removal of MODIS basic data in the southern South China Sea, the atmospheric transmittance was calculated by MODTRAN Model, and the brightness temperature was calculated by the radiance intensity of the MODIS 31, 32 channels. The split-window algorithm was used to retrieve the sea surface temperature in the southern South China Sea. Finally, the accuracy was evaluated byR ², SSE, RMSE and the regression analysis between retrieved temperature and the products temperature or ground measured temperature.R ² is lager than 0.8. SSE and RMSE are all smaller. The inversion accuracy is good. The research showed the distinct seasonal variation of lower temperature in autumn and winter and higher temperature in spring and summer. The research still showed the fundamental variation of temperature with declines from the near shore to the center of the sea, and lowest temperature over the deep basin. The sea surface temperature was affected by variations of weather. The sea surface temperature was positively correlated with El Ni?o, and was negatively correlated with La Ni?a.