基于ENVISat ASAR影像的湿地植被冠层下淹水范围提取以扎龙保护区为例

以扎龙自然保护区湿地为例,结合ENVISat ASAR多极化(HH/HV)雷达影像与传统的光学影像Landsat TM (band1~5,7),分析雷达影像后向散射系数与Landsat TM影像不同波段反射率在淹水植被、非淹水植被、明水面和裸土不同地表覆被类型的差异。选择训练样本,采用分类回归树(Classification and Regression Tree,CART)模型,分别对两种影像进行分类,可视化表达湿地植被淹水范围空间分布情况。基于实测的植被冠层下淹水范围与非淹水范围样本点对两种数据源的分类结果进行精度验证。结果表明:HH/HV极化影像中,植被覆盖下水体的后向散射系数与其他地表覆被类型有明显区别,分类结果总精度为79.49%,Kappa系数为0.70,湿地植被淹水范围提取精度较高。而TM影像分类结果中,由于部分地区植被覆盖水体,淹水植被分类误差较高。将雷达影像引入沼泽湿地研究,提高了植被淹水范围提取效果,为有效分析湿地生态水文过程提供基础,对湿地水资源合理利用及生物多样性保护具有重要意义。     

基于多时相HJ卫星的冬小麦面积提取

我国环境与灾害监测预报小卫星HJ-1A/B具有较高的时间和空间分辨率,在作物种植面积提取和长势监测等方面具有较大优势。本文以江苏省姜堰市为研究区,根据冬小麦的物候规律和季相节律的差异性,选取返青期和拔节期两个生育期的HJ卫星影像,借鉴分层信息提取法原理,综合利用监督分类和非监督分类法,结合人机交互目视解译和实地定位调查等资料提取了姜堰市的冬小麦种植面积,总体面积提取精度达到90.22%,样点空间匹配精度为81.25%,实验基地空间匹配精度为80.34%。结果表明：HJ卫星能够用于提取南方地区冬小麦种植面积和长势监测,满足农情监测的需要,且利用多时相遥感影像能有效地增加信息量,实现信息互补,有助于提高监测精度。     

基于多时相TM影像的冬小麦面积变化监测

利用北京1992年、2000年、2004年、2009年的多时相Landsat TM5影像数据,结合实际调查数据,分析了近20年来北京冬小麦种植面积的变化趋势及演变特征。采用决策树、PCA、缨帽变换等手段对地物进行分类,利用多时相影像,NDVI组合阈值提取小麦种植区面积。研究结果表明:北京地区1992年、2000年、2004年、2009年冬小麦种植面积分别为:113671ha,84322ha,40410ha,61529ha。北京冬小麦种植面积呈现为明显的先减少后增加的趋势。从1992年到2009年共减少52143ha。其中,从1992年到2000年冬小麦种植面积减少了29349ha,减少的面积中城区扩张占用和转变为裸地的最多,分别为39.7%和42.8%,另外有13.3%变为设施用地,3%成为水体(鱼塘和水田);从2000年到2004年冬小麦种植面积共减少43921ha,减少的面积中转变为裸地和城区扩张占用的最多,分别为39.8%和33.1%;从2004年到2009年冬小麦种植面积共增加了21119ha,其中裸地转变为小麦种植区面积最大。     

基于多时相遥感和GIS技术的湿地识别研究

本以江苏省洪泽湖湿地为例,首先利用秋季成像的TM影像进行分类,采用了混和分类法。然后利用同年度春季成像的TM影像制作湖泊掩膜来纠正分类中湿地类型与高地类型的错分现象。研究发现,该方法能有效地降低分类的误差,提高分类的精度。     

利用多时相ASAR数据反演黑河流域中游地表土壤水分

土壤水分是地表能、水循环过程中的重要变量之一,利用主动微波遥感,特别是合成孔径雷达（SAR）进行土壤水分的反演已经越来越受到人们的关注。地表与微波相互作用机理非常复杂,受到粗糙度的强烈影响,成为制约土壤水分准确反演的一个重要因素。利用3景时序接近的ASAR影像对黑河中游临泽草地试验区地表参数进行了多通道的反演,获得了像元尺度上的粗糙度分布状况,从而不需要借助粗糙度的地面测量辅助信息,节省了工作量。土壤水分反演取得了较为满意的结果（均方根误差< 6%）。      

基于分区和多时相遥感数据的山区植被分类研究

山区地形的特殊性导致了山区植被分类的复杂性。位于不同光照区域的同种植被,其光谱亮度值具有较大差异,分区使分类规则及阈值的设计更具针对性。多时相遥感数据能够充分利用不同植被类型间光谱特征时间效应。基于此提出了利用分区和多时相遥感数据进行山区植被的分类研究。研究表明,该方法在山区植被分类中具有明显的技术优势,分类总体精度和kappa系数分别为81.3%和0.72。     

基于多时相MODIS监测冬小麦的种植面积

论文基于时相和波谱信息，利用MODIS数据监测了北京冬小麦的种植面积。首先，基于地形高度对地物光谱反射值的影响，借助DEM数据对研究区域进行划分。其次，在分析并提取北京地区主要农作物时间谱曲线特征的基础上，设计决策函数，成功提取了北京地区冬小麦的种植面积。最后，比较并分析了非遥感数据对监测精度的影响。研究结果表明，（1）时相信息可以极大的提高农作物种植面积的监测精度。（2）辅助数据的利用，使决策函数的设计更具有针对性，监测结果更可靠。（3）多源多时相遥感数据在农作物种植面积的提取中具有明显的技术优势和重要的应用潜力。     

基于分类融合的武汉市多时相遥感影像监测

利用多时相遥感影像监测环境变化是目前最快捷和有效的手段之一。本文以武汉市两个时期的 TM卫星影像为试验数据 ,通过使用分类融合的方法 ,监测武汉市的水面、城区和树林的动态变化 ,并分析了变化的原因和对环境的影响 ,提出了武汉市改善环境的方法和建议     

基于多时相NDVI及特征波段的作物分类研究

时相和光谱特征信息在农作物种植分类提取方面具有十分重要的应用价值。以黑龙江大型农场--友谊农场为研究区域,利用4景不同时相的TM和SPOT卫星遥感影像,提取相应时相的NDVI时间谱图像数据作为新波段信息,在分析地物目标在相应影像各波段上光谱和时间特征的基础上,设计了决策树分类算法,通过对待分类影像进行系列阈值分割和掩膜处理,成功提取黑龙江友谊农场的大豆、玉米和水稻的种植信息,分类总体精度达到98.67%。     

SAR图像多时相组合滤波方法

提出一种SAR图像多时相组合滤波方法,利用同区域多幅时间序列SAR图像构建最优线性组合,得到权矩阵,通过处理使多幅图像在信息互补过程中达到抑制斑噪的目的。利用3幅不同时相真实SAR图像进行滤波实验分析,并与经典SAR图像滤波方法比较,结果表明,该方法能够保持空间细节信息,且去除斑点噪声效果良好,可以同时应用于同一区域多幅SAR图像的滤波处理。     

基于多时相影像直接分类的土地利用变化监测方法研究

实时土地利用变化信息对当地部门区域规划、城市扩展和社会经济可持续发展的研究具有重要意义。本文借助于徐州市1987年和2000年TM影像数据,重点讨论了多时相影像直接分类在土地利用变化监测中的应用,并对结果进行了分析。结果显示,1987-2000这13年间,城市主要向东部和南部扩展。     

基于多时相光谱和物候特征的陕西省神木县地物遥感分类研究

开展了时间序列Landsat TM/ETM遥感影像定量化处理与相对辐射校正,提取了陕西神木县不同地物光谱和NDVI物候特征,结合时间序列NDVI物候特征和多时相光谱信息,采用了地表覆盖的决策树分类算法,实现了陕西神木县地物的高精度遥感分类,包括水体、沙地、城镇、耕地、林地、草地及灌丛等7类地物,分类总体精度达95.77%,Kappa系数达0.93。研究结果表明,基于多时相光谱和物候特征的决策树分类算法能够有效集成多时相、多光谱信息,从而克服了单时相影像分类的缺陷,实现了地物的分类。论文研究方法和结果能够为三北防护林区域的生态环境监测与评估提供技术支持。     

基于遥感影像时间序列的冬小麦种植监测最佳时相选择研究

遥感影像植被分类的最佳时相对作物种植面积遥感监测非常重要。根据2005~2006年北京冬小麦不同物候期的Landsat TM影像和2006年Spot\|2影像,计算了各时期影像中主要植被类型的光谱可分性距离,分析了北京郊区主要植被物候差异和光谱可分性;对各生育期的遥感影像及其主要组合进行了监督分类,采用总体精度和分类效率指标两个参数,结合地面GPS调查数据,对分类结果进行了精度评价。结果表明：北京地区小麦监测最佳时相是4月上旬,影像分类的总体精度为92.9％,明显优于其它单时相影像的分类结果;发现北京郊区冬小麦光谱分类的最佳时相组合为4月上旬(起身期)和5月下旬(灌浆期),分类总体精度为94％。     

基于条件随机场的多时相遥感影像分类*

多时相遥感影像分类方法通常使用人工设置的转移矩阵作为时间上下文信息,这样不仅难以获得准确的转移矩阵,而且没有充分利用时间上下文信息。针对多时相遥感图像中的时间与空间上下文信息难以构建的问题,提出了一种基于条件随机场模型的多时遥感影像分类方法。首先运用最大期望算法生成用于描述时间上下文信息的时间势能,然后结合空间以及时间上下文信息构造了条件随机场模型,最后使用该模型对多时相遥感影像进行分类。一系列的实验结果表明,该方法可以有效提高遥感影像的分类精度。     

基于FY-4A数据的青藏高原多时相云检测方法

基于我国新一代静止气象卫星FY-4A/AGRI的4 km分辨率全圆盘数据,利用其高时间分辨率、高光谱分辨率的特点,提出一种青藏高原地区多时相多通道阈值组合的云检测方法,并通过实际案例分析所提出的云检测方法有效可行。结果表明:对比中国国家气象中心云检测产品以及传统单时相云检测方法,多时相云检测方法,其准确率为94.4%,误检率为7.2%,漏检率为5.6%,均优于其他两种方法,体现了多时相检测的优越性;云相态检测中,分别使用GPM降水资料以及CALIPSO卫星云相态观测结果对检测结果进行精度评价,其中冰云分布与GPM实测降水分布相似度达到了0.883,云相态整体检测结果与CALIPSO实际观测的云相态也较吻合,进一步验证了云相态检测的合理性,这也是对青藏高原地区进行降水监测的一种辅助手段。     

基于双极化ASAR数据的水稻信息提取

通过分析长乐市试验区2005年ENVISAT ASAR数据图像,研究水稻信息提取的方法。提出在分析两个时相、双极化ASAR水稻后向散射变化规律的基础上,构建基于两个时相、双极化的新波段图像的新方法,该方法不仅增强了水稻信息,还减少了水稻和其他背景地物的混淆度,只要采用简单的图像监督分类方法就可以很好地提取出水稻信息,其精度达到94.92%。研究表明,该方法能够有效的识别并提取出水稻信息。     

基于多时相图谱的土地利用变化特征分析

运用地学信息图谱结合多时相遥感数据复合分析方法,对土地利用动态变化过程和空间分布特征进行定量化研究.土地利用变化图谱的构建能够获取土地利用变化的种类、数量和空间分布特征,为探索土地利用变化的成因、过程提供重要的科学依据.本文以分析东莞市近20年来的土地利用变化特征为例.利用多时相遥感分类数据,构建了5个时序单元的(1988～1993、1993～1997、1997～2001、2001～2006、1988～2006年)土地利用变化图谱,并系统地分析了东莞市18年来土地利用的时空演变过程及空间分异规律.研究结果表明,1988年以来,东莞市土地利用急剧变动,其中以大量农田被侵占转化为城市用地最为显著,农业内部结构也发生了调整;从空间格局上看,被侵占的农田主要集中于交通干线两旁.利用GIS空问分析技术对农田流失与道路之间的关系进行定量研究,揭示了农田流失的区位效应.     

基于多时相TM和北京一号卫星影像的春播进度遥感监测

基于作物生长的物候规律,利用2007年4月26日、2007年5月28日Landsat TM影像和2007年6月28日北京一号卫星影像进行北京地区春播进度遥感监测。首先,分析了地物类型之间的光谱可分性距离;其次,采用逐步鉴别分析方法,并将掩膜技术和决策树分类方法相结合,监测北京2007年5月28日和6月28日的春播作物种植面积;最后,基于地面调查点对分类结果进行精度评价。结果表明5月28日总体精度为84.5%,6月28日总体精度为88.0%;逐步鉴别分析方法有利于寻找作物分类的光谱差异,建立多时相分类规则,简化了多时相多作物遥感分类流程并提高了分类精度。     

基于多时相协同变化检测的耕地撂荒遥感监测

针对地表覆被复杂、地块破碎等原因导致的撂荒地提取精度较低问题,提出一种基于多时相协同变化检测的耕地撂荒信息提取方法。以河北省石家庄市鹿泉区为研究区,采用Sentinel-2A和Landsat 7多光谱影像,在野外样本的支持下,分析耕地各种覆盖类型的归一化植被指数（Normalized Difference Vegetation Index,NDVI）季相变化规律,以季节性撂荒、常年性撂荒、冬小麦、多年生园地为分类体系,构建多时相协同变化检测模型,开展研究区耕地撂荒状态遥感监测。研究结果表明：基于Sentinel-2A影像的季节性撂荒和常年撂荒耕地的分类精度分别为95.83%和96.55%;基于Landsat 7影像的季节性撂荒和常年撂荒耕地的分类精度分别为91.67%和93.10%;2019年鹿泉区季节性撂荒占耕地面积的4.7%,常年撂荒耕地占7.1%。利用该方法能够快速、准确地获取研究区耕地空间分布、面积等信息,对于不同分辨率的影像均具有较好的撂荒地提取精度。     

三维石油遥感应用中多时相影像数据管理

针对目前多时相影像数据管理主要是面向影像产品管理,仅考虑影像产品本身的信息作为管理要素,无法满足石油行业遥感应用要求这一问题,提出一种面向三维石油遥感应用的多时相数据管理方法,通过采用数据组织目录结构与瓦片存储目录结构相结合的方式,建立了多时相影像数据的分级管理与访问。该方法满足石油遥感应用多样性、应用的油区范围分散、多数据源组合、油区变化性检测的要求,并以鄱阳湖三角洲环境变化中多时相数据管理为例进行了软件实现。