植被水分遥感监测模型的研究

植被水分含量的遥感测定对农、林业和水文研究具有重要的意义，对于植被干旱评估也十分重要．研究表明，在叶片尺度上建立400-2500nm的反射率数据与表征叶水分含量的参数，如EWT（等价水厚度）与FMC（叶片相对水分含量）之间存在紧密的相关关系；在冠层水平上，植被水分与光谱指数存在很好的相关关系．归一化水分指数（NDWI）（R860-R1240）／（R860＋R1240）等能较好地反演植被冠层的水分含量．同时，本文对辐射传输模型及其与植被水分指数结合对植被水分反演的应用也进行了讨论；从利用高光谱站台辐射传输模型（如PROSPECT等）进行植被水分反演的角度，对植被水分监测进行评述．最后对利用多角度和偏振光技术定量反演植被水分和临测旱情的研究提出展望。     

遥感技术在森林健康研究中的应用

遥感技术以提供宏观、连续、动态的信息为森林健康研究提供了有效的技术平台.森林植被的健康状态可以通过提取遥感光谱数据及植被参数进行判断和区别,以便于精确、实时地掌握森林健康发生、发展的现状.文章在综合阐述国内外基于遥感技术进行森林健康研究的现状的基础上,结合遥感数据综合性的特征,提出国内外森林健康遥感研究应向高分率、高光谱遥感影像处理技术、模型反演研究方法以及遥感监测预警等方面的发展趋势.     

基于高光谱遥感的植被生物量反演方法研究

高光谱遥感技术能够为反演植被生物量提供快速无损的数据采集与分析处理方法.基于高光谱遥感在植被生物量反演中的研究成果和进展,对其反演方法进行研究:阐述高光谱遥感反演植被生物量的原理;探讨高光谱遥感反演植被生物量的估算模型;分析比较不同估算模型的特点.结论表明,利用高光谱遥感分析植被的光谱特性进而估测植被生物量是一种精度较高且应用广泛的方法.     

植被高光谱遥感分类方法研究

结合具体的OMISI高光谱遥感数据，对各种常用植被高光谱遥感分类方法进行分类训练，通过比较分类性能，得到各种方法在植被高光谱分类中的若干应用规律和分类过程中选择最优分类方法的一些技巧。在此基础上，提出将传统分类方法与基于光谱特征匹配的分类方法相结合对高光谱图像进行分类的方法。     

高光谱遥感影像分类算法并行处理设计与实现

探讨高光谱遥感影像分类算法处理遥感影像速度。通过光谱角度匹配（SAM）、光谱相关系数匹配（SCM）、信息散度匹配（SIDM）、光谱波形匹配（SWM）进行并行化改造设计,将改造的并行化算法应用到湖北大冶遥感影像数据分类处理中,结果表明并行化算法能够有效完成高光谱遥感影像分类,数据量增大,并行化处理速度加快,数据量为158×382×1092时, SAM 并行处理速度是串行处理速度的25．68倍、SCM 为25．41倍、SIDM 为17．55倍、SWM为23．68倍。并行分类算法处理遥感影像分类速度较串行分类算法处理快。     

高光谱在油气勘探中的国内外研究现状

随着科技的发展,遥感在油气勘探的作用越来越大。高光谱作为遥感发展的最新手段,自然也受到油气勘探领域的重视。高光谱遥感具有快速,经济,精确的特点。通过高光谱探测油气渗漏和其引起的地表矿物蚀变、植被变化的范围,进而确定油气勘探的区域。高光谱在油气勘探领域的应用实例相对较少,在数据和处理方法上还存在很多不足;比如现有的卫星高光谱数据覆盖范围有限(空间分辨率也较低),数据处理方法大多是原有的多光谱数据处理方法,针对高光谱数据在油气勘探中的处理方法不多。随着高光谱遥感仪器精度的提高和数据处理方法的改进,高光谱遥感必将为油气勘探提供新的机遇。     

结合FDA与NMF的高光谱数据解混方法

高光谱图像解混是遥感图像处理的重要技术之一．利用非负矩阵分解（NMF）进行高光谱图像解混是近年来发展起来的一种方法．这种解混方法假设光谱具有稳定的光谱特性;但实际上光谱经常是多变的,这个现象影响着解混的精度．为了减小这一影响,首先利用Fisher判别分析（FDA）对高光谱数据进行线性变换,而后利用变换后的高光谱数据提出了一种FDA与NMF相结合的高光谱数据解混方法．实验表明新方法能够有效地提高解混精度与效率．     

高分1号融合光谱特征提取杭州湾河口沿岸湿地典型植被信息方法研究

河口沿岸湿地典型植被信息的遥感分类提取,是监测河口湿地生态环境变化的重要前提之一.以杭州湾河口沿岸湿地为研究区,通过实地采集的典型植被光谱数据与国产高分1号卫星影像数据建立相关关系,并结合面向对象方法的分割尺度及波段比等参数的设置,利用面向对象分类方法进行杭州湾湿地典型植被信息提取.研究结果表明:基于高分1号高空间分辨率数据,结合典型植被光谱特征和面向对象分类方法,有利于提高典型植被信息提取的精度,可以有效地提取湿地典型植被信息.     

基于PHI高光谱影像的植被光谱特征应用研究

探讨了植被冠层的光谱反射特征和诊断性光谱吸收特征。从连续统去除的光谱吸收特征中获得了波段深度、连续统去除后微分反射比、波段深度比和归一化波段深度指数等光谱特征变量。应用染有病害的多时相小麦PHI（Pushbroom hyperspectral imager）航空高光谱影像数据，分析了小麦病害对小麦光谱的影响及其光谱特征；运用微分光谱特征分析了监测小麦病害的可能性。     

红透山地区植被异常遥感信息提取及其找矿意义

为了解决遥感技术在高植被覆盖区的应用受到较大限制的问题,在充分考虑植被反射光谱特征及其在TM数据波段响应基础上,对TM5,TM4,TM2/TM3多光谱遥感数据进行主成分分析并拉伸处理.矿化区植被与背景区植被表现出明显的区别,矿化区植被呈暗红色,而背景区植被则表现为鲜艳的粉红色;对上述影像数据进行监督分类,结果表明该方法可以很好地突出由矿化蚀变导致的植被异常信息.该方法对东北高植被覆盖区遥感地质勘查具有一定的借鉴意义.     

西南喀斯特地区植被定量遥感研究进展

喀斯特地区植被相比非喀斯特地区具有更高的时空差异性,在维持脆弱生态系统稳定与可持续发展中具有极其重要的作用。西南喀斯特地区作为全球生物多样性热点地区,植被类型多样且存在显著的同物异谱/同谱异物现象。为更精准、高效地进行喀斯特地区植被定量遥感研究,本文从个体尺度到生态系统尺度,从遥感数据源选择和方法应用上回顾了西南喀斯特地区植被定量遥感的研究进展,并探讨下一步需要重点关注的研究方向。西南喀斯特地区植被定量遥感研究主要集中在群落和生态系统尺度的植被覆盖度、植被分类、生态系统服务功能与价值研究;遥感影像数据应用相对单一,主要为被动成像中低分辨率的光学影像(如Landsat和MODIS)。在个体和种群尺度上,虽采用了地物高光谱遥感技术和无人机遥感技术,但该技术主要应用于小尺度近地面植物个体和种群研究,难以扩展到区域范围。亟待开展融合多源影像,尤其是激光雷达影像(Light Detection and Ranging,LiDAR)与非影像数据的应用及其先进分析方法研究,以及个体和种群尺度的喀斯特地区植被生化参数定量估算与自然植被物种精准识别,群落和生态系统尺度的生物多样性与碳循环定量遥感研究工作,以期为喀斯特地区植被格局、过程及其生态系统服务功能定量研究、脆弱生态系统植被恢复和石漠化治理决策的制定提供参考。     

应用高光谱植被指数反演冬小麦叶绿素的光谱指标敏感性研究

高光谱植被指数反演叶绿素含量的精度除与模型有关外,光谱指标中心波长、波段宽度、信噪比等的差异也会带来一定的影响。本研究基于实测光谱数据,结合波段模拟、噪音分析等方法,研究不同的光谱指标对植被指数反演叶绿素含量的影响,分析用于反演的光谱指标的敏感性,结果表明：(1)最佳中心波长的位置与适用于高低覆盖的植被指数类型有关,反演精度在一定范围内并不随着波段宽度的增加而提高;(2)不同植被指数抗噪声能力有一定的差异,其中DVI、NDVI和SAVI等抗噪能力比较强,MCARI和TCARI抗噪能力比较弱;(3)联合反演模型反演结果为R2=0.7415,RMSE=0.4026,优于MTCI的反演结果,通过模拟HJ1A-HSI,Hyperion等数据,研究出联合反演模型在不同高光谱传感器下有一定的适用性。     

基于多特征的高光谱遥感土地利用信息提取

【目的】为了降低高光谱遥感数据噪声,提高土地利用分类信息提取精度,探索结合纹理和空间信息的分类方法。【方法】以河南镇平县Hyperion高光谱成像光谱仪获取的高光谱影像为数据源,借鉴决策树分类思想,采用了一种结合光谱、纹理和空间信息的高光谱遥感多特征地类提取方法,先通过提取光谱特征初步提取地类,再分别采用提取纹理特征和基于空间信息的植被提取进行详细地类信息的分层提取,最后,用地面实测样点验证各类土地利用类型的分类精度,比较了用不同方法对不同地类的提取效果。【结果】基于多特征的地类分层提取体系中,采用各波段光谱反射率区分大的地类,再用纹理特征进行光谱差异较小的地类划分,而基于空间信息进行植被的分类。通过结合纹理和空间信息提取方法的总分类精度达86.7%,较最大似然法分类精度提高13.3%。【结论】高光谱与纹理和空间信息相结合的遥感分类方法能有效减小噪声,提高分类精度,可为土地利用分类提取研究提供一定的参考。     

云南山区NPP遥感监测研究中遥感图像预处理

 在国际上,区域植被第一性生产力(NPP)的监测和估算已成为遥感技术应用研究的重要方面.针对云南山区特点,利用遥感监测技术进行山区植被NPP的应用方法研究具有特殊意义.现就课题“遥感监测山区植被NPP的应用方法研究”中所进行的有关前期工作———遥感图像预处理的内容、工作平台、遥感图像与基础地理信息概况、遥感图像数据的试验样区切割提取,以及试验样区遥感数据多光谱信息的统计计算等进行操作整理与初步分析研究,对有关研究的深入进行获得初步的基础研究成果.     

高光谱数据组分信息的盲分解方法

将基于独立成分分析(independent component analysis,ICA)技术的盲分解方法(blind signal separation,BSS)应用于遥感混合像元的定量分解,解决了幅度不确定性问题,实现了从高光谱数据中同时得到定量的组分光谱信息和组分权重信息。通过数值模拟实验提出了光谱反演区间的选择方法,进一步完善了该算法,且讨论了算法的稳健性。以陕西省横山县为试验区,从HYPERION高光谱影像中反演了各像元的植被覆盖度,并利用SPOT5影像进行了精度验证,结果表明该方法具有较高的精度。     

高光谱数据组分信息的盲分解方法

将基于独立成分分析（independent component analysis,ICA）技术的盲分解方法（blindsignalseparation,BSS）应用于遥感混合像元的定量分解,解决了幅度不确定性问题,实现了从高光谱数据中同时得到定量的组分光谱信息和组分权重信息。通过数值模拟实验提出了光谱反演区间的选择方法,进一步完善了该算法,且讨论了算法的稳健性。以陕西省横山县为试验区,从HYPERION高光谱影像中反演了各像元的植被覆盖度,并利用SPOT5影像进行了精度验证,结果表明该方法具有较高的精度。     

SAM权重法在端元提取中的应用

高光谱遥感的出现使得在宽波段遥感中不可探测的物质能被探测。获得的高光谱数据大都具有数据冗余度高、信噪比低等特点。文章通过idl编程实现高光谱数据的特征提取并利用其做了端元提取流程与光谱解混,及权重法SAM端元提取、混合光谱分解模型及实现。利用SAM权重法能够完成端元提取并最终得到的解混结果。     

大面积遥感植被成图方法的述评

自然植被的地理空间分布是十分重要的环境因子，其应用需求范围很广，包括全球气候变化，自然灾害监测，生态系统活力监测以及火灾管理等。日益增长的更高层次的应用需要一种有一定比例尺的大范围的且能提供详细信息的植被数据集。笔者介绍一种能生成分辨率为30m的自然植被类型覆盖图以及可用于可燃物和火险评估项目的结构变量的遥感方法。此方法的成功有赖于传感器的改进和数据的质量、对区域及其植被生态的全面了解、大量遥感和地面数据的成功整合以及灵活的成图算法。初步成果来自犹他州中部地区，包括28个植被类型。森林、灌木和草本层的郁闭度（亚像元密度）的分类总精度为60％（按生命表平均），三者郁闭度的相关系数分别为0．89，0．60和0．55，平均冠层高的相关系数分别为0．73，0．50和0．20。对改进过的第一轮技术成果进行了讨论，其中包括成图模型的细化、有关环境梯度的应用以及与实际植被类型相关的潜在植被问题等。     

形态梯度重构的标记分水岭高光谱影像分割

传统分水岭算法通常对梯度图像做无标记分割,其结果是容易造成过度分割。为了克服过分割的缺陷,进而应用于复杂的高光谱遥感图像分割,结合形态学预处理方法,在对图像实施平滑处理的同时,利用形态学开闭重构技术对梯度图像进行重建,在此基础上对高光谱遥感梯度重建图像进行标记分水岭分割。实验证明,这种处理技术对高光谱遥感图像的分割效果良好,能够满足高光谱遥感图像分类与信息提取的需要。