基于GOCI的浑浊水体大气校正修复方法——以太湖为例

浑浊水体的大气校正一直是水色遥感研究的热点与难点.该文以GOCI数据为基础，以太湖为研究区域，提出了最佳像素范围半径内的大气校正修复方法，修复了在浑浊水体无法获取有效的大气校正结果的问题，利用修复的大气校正结果，建立了归一化叶绿素a指数(NDCI)，并反演得到了未修复和修复后的NDCI.结果表明，在未修复和修复后的相交区域，NDCI具有较高的一致性，平均相对误差小于1.2%，说明该大气校正修复方法能有效修复大气校正失败区域.     

太湖二类水体水色遥感的大气校正问题探讨

基于简化的大气辐射传输模型,提出一种基于图像本身的水色遥感大气校正方法。根据清洁水体在绿光波段的离水辐射相对稳定的特点,来估算清洁水体像元在绿光波段的气溶胶参数,插值获取整幅图像在绿光波段的气溶胶参数,根据大气校正因子为1的假设,外推获取蓝、红波段的气溶胶参数。以太湖为研究区,对Landsat5TM蓝、绿、红波段进行大气校正,反演出离水辐亮度,进而获得水体的遥感反射率。对反演的水体遥感反射率与准同步实测的相应采样点水体遥感反射率进行了对比分析,结果表明,该方法有效地去除了大气效应对遥感数据的影响,经过大气校正的反射率值接近实测反射率值。     

基于浓密植被法的HJ-1B星CCD影像大气校正

利用红波段(0.66μm)与中红外波段(1.66μm)表观反射率之间的线性关系估计出红波段的反射率,然后利用红波段估计的反射率与其表观反射率,结合6S辐射传输模型构建查找表,查表得0.55μm处的气溶胶光学厚度(Aerosol Optical Depth,AOD)值,从而实现各个波段大气校正.通过林地校正前的表观反射率、大气校正后反射率和MODIS地表反射率的对比以及裸土校正前的表观反射率、大气校正后反射率和光谱库中反射率的对比,结果表明该方法对HJ-1B星CCD数据进行大气校正可取得较好的效果.     

环境减灾卫星高光谱数据大气校正模型及验证

根据四流近似辐射传输理论, 建立了适合环境与减灾卫星高光谱传感器(HSI)的大气校正解析模型, 给出了模型中 6 个大气参数的数值计算方法。经与 MODTRAN 模型比较, 解析模型误差小于0. 5% , 表明具有较高的数值模拟精度。利用与 HSI 数据同步过境 MODIS 数据生成的大气温湿度廓线产品和气溶胶产品, 求解出了6 个大气校正参数, 并将其用于定标后 HSI 数据的大气校正, 获得了地物真实高光谱反射率。经与地面同步观测光谱数据比较, 波长大于700 nm波段范围内校正结果与地面观测值一致性较好; 其他波段受仪器 自身存在较大噪声影响, 校正后反射率高于地表观测值。     

HJ-1A/1B卫星CCD影像的鄱阳湖6S大气校正研究

HJ-1A/1B卫星CCD数据具有较高的空间、时间分辨率,在内陆湖泊水色遥感定量监测中有较大的应用潜力,大气校正是其需要解决的首要问题.采用6S模型对2009年10月24日鄱阳湖HJ-1A/1B卫星CCD影像进行大气校正处理,并用实测数据进行了对比分析,结果表明6S模型校正后的CCD影像水体遥感反射率能表现鄱阳湖水体悬浮泥沙浓度入江水道高于主湖区的空间分布特征;二波段(绿光波段)和三波段(红光波段),大气校正结果精度较高,平均相对误差分别为9.6%、12.6%,最小相对误差分别达到3.0%、1.6%;一波段(蓝光波段)、四波段(近红外波段)大气校正结果误差较大,建议参数反演时尽量避免采用这两个波段.     

MODIS/Terra辅助的HJ-1B CCD1数据悬浮泥沙浓度反演研究

针对MODIS/Terra传感器服役时间超期需要后续卫星延续观测以及国产陆地卫星数据水环境遥感应用问题,以深圳湾为研究区域,利用2007年～2008年获取的40个现场实测数据与MODIS/Terra NIR-SWIR大气校正反射率数据建立MODIS悬浮泥沙浓度反演模型,以此为基础,反演2010年～2012年4景MODIS悬浮泥沙浓度分布状况,展开同步的瑞利散射校正反射率(Rrc)多波段组合因子的HJ-1B CCD1影像悬浮泥沙浓度反演模型对比研究.结果表明,在不进行气溶胶校正的情况下,HJ-1B CCD1数据波段比值算法(Rrc(660)/ Rrc(560))可以有效实现深圳湾悬浮泥沙浓度的反演,反演模型的决定系数为0.88,均方根误差为7.19 mg/L,模型验证的相对误差为7.45%,该研究对于进一步推进水环境遥感监测有一定的积极意义.     

MODIS和降尺度TM数据反演叶面积指数相互验证中几何处理方法的研究

提出了利用MODIS产品中的几何信息,把经过几何校正的TM数据反演叶面积指数(LAI)模拟成具有MODIS成像几何的降尺度LAI,然后与MODIS数据反演LAI进行对比验证的几何处理方法.以江西千烟洲研究区为例,采用经验公式反演TM和MODIS数据以获得两个尺度的LAI图像,分别用本文提出的新方法和传统方法进行尺度转换和对比验证.由反射率和LAI散点图得:新方法能显著提高TM降尺度图像与MODIS对应区域图像像元的对应精度.并且,新方法对大倾角观测MODIS图像与TM图像之间像元对应关系的改善更明显.因此,本文提出的几何处理方法可以建立不同尺度的遥感数据间更为准确的像元对应关系,更适用于不同尺度遥感数据反演产品的相互验证.     

由遥感数据获取的地表反照率归一化问题探讨

以洛河流域为研究区域,以反照率为研究对象,根据同时相的ETM 与MODIS数据探讨了地表参数的一致性问题.在对ETM 影像进行地形与大气校正的基础上,利用窄波段反射率组合方法获取了研究区的地表反照率,通过ETM 反演的反照率与MODIS二向反射函数(BRDF)反演的反照率产品的对比分析得出了两者间的关系.     

基于MODIS荧光高度变化的藻类水华遥感监测方法

为了研究如何有效应用MODIS荧光高度(fluorescence line height,FLH)产品于近岸水华监测,基于福建近岸浮游植物水华期获得的35组实测遥感反射率和叶绿素a数据,提出MODIS FLH差值法,即当日FLH与前14 d平均FLH差值≥0.06 mW/(cm2.μm.sr)时,判别为水华发生.取2005年6月和2003年5月两个赤潮案例,处理获得MO-DIS卫星FLH时间差值产品,依据FLH差值≥0.06 mW/(cm2.μm.sr)的判据,判别水华影响区域与实际报道吻合,说明这一方法对于本研究水体行之有效.适用其他水体的情况尚未知,且具体的判据可能随水域而变化,进一步的研究与实例检验将是必要的.     

FY-3A/MERSI与Terra/MODIS地表反射率数据的初步比较

为探究联合MERSI和MODIS多角度观测数据遥感反演地表参数的可行性,本文首先利用MERSI观测几何角度信息(太阳天顶角、卫星天顶角、太阳-卫星相对方位角)对MODIS地表反射率进行各向异性校正,之后选取2010年6—7月期间共24个晴空对比区域,对6组具有良好光谱对应关系的地表通道中的MERSI反射率,以及经过各向异性校正的MODIS反射率的相关性和偏差进行了统计分析.研究表明:(1) MERSI与MODIS地表反射率数据的相关系数一般在75%以上,相关性较好.其中红光通道反射率数据的相关性最高,相关系数达到95%.MERSI与MODIS反射率在3个可见光通道以及红外1通道中的偏差较小,均方根误差和平均偏差都在0.04以内.(2)红外2通道MERSI与MODIS反射率绝对偏差频率曲线呈现显著的"双峰"结构,因此该通道中MERSI与MODIS反射率的相关性较低(75%),均方根误差(0.087)和平均偏差(0.077)较大.(3) 3种地表类型中,MERSI与MODIS反射率数据在庄稼地中的相关性最高、偏差也最小.     

利用SeaWiFS资料对二类水体辐射大气校正方法的研究

SeaDAS软件提供的标准大气校正算法中，假设第7和第8通道的离水辐射为0，但测量数据表明，在二类水体的大气校正算法中这种假设不成立．针对中国海区的特点．选取不同的近岸二类水体大气校正方法进行分析和比较，给出了适用于近岸二类水体尤其是近岸高泥沙含量的混浊水体的大气校正方法．     

广东飞来峡库区水深遥感

 通过深入分析太阳光在水体中传输的物理过程,引入水体光学厚度概念,根据辐射传输理论,推导出水深遥感物理模型。以广东省飞来峡水库为例,采用SPOT5多光谱遥感数据,对其进行精确的辐射纠正、大气纠正,转化为符合地表实际反射率的反射率图像。经过水陆分离,选用合适的遥感波段数据,代入有关水体光学参数,应用水深遥感模型,计算出水域各像元水深值,通过图像处理软件绘制水深遥感制图。由于水面采砂、网箱养殖等人类活动的影响,水库采砂区水域水体浑浊以及库湾水域叶绿素浓度偏大,影响水深遥感精度,本文的模型综合考虑了水中泥沙和叶绿素对水深遥感的影响,并采用多波段数据求解水深,信息量丰富,精度得到大幅度提高。     

基于小波分析的Hyperion影像地物分类波段宽度

【目的】高光谱遥感为地物的精细识别提供优势的同时,也带来了数据量多、波段间相关性大、处理精度和效率下降等问题,而且在遥感分类中并不是使用的通道越多、波段越窄效果越好。因此笔者从光谱角度出发探讨降低高光谱数据量,以寻求适宜遥感分类波段宽度的方法。【方法】首先对Hyperion影像进行处理,主要包括去除未定标和受水汽影像波段、坏线、条纹和Smile效应,辐射定标和大气校正处理后得到161个波段,对选用的LIR级数据进行几何校正。根据样地调查情况确定试验区待分类别,对提取的14类地物样本平均光谱进行7次Sym3小波分解,由得到的小波细节系数方差和小波细节系数熵分析适宜各类型识别的光谱区间,然后将不同光谱区间内窄波段进行小波融合,最后选取支持向量机方法进行分类识别。【结果】美人松林、落叶松林、樟子松林、针叶混交林、阔叶混交林、火烧迹地、水体、耕地和未利用地9类地物识别的适宜光谱分辨率为40 nm,剩余5种地物识别的适宜光谱分辨率为80 nm,不同光谱区间对应的波段数大大降低,且最终分类精度总体都达到81%以上。【结论】将小波分析与支持向量机方法(SVM)结合,解决了高光谱存在的“维数灾难”问题,提高了高光谱数据的利用率,遥感分类中并不是使用的通道越多、波段越窄效果越好。     

基于6S模型的可见光、近红外遥感数据的大气校正

受大气吸收与散射的影响,电磁波在大气—目标物—遥感器途径传输过程中发生失真,造成目标地物反射辐射能量到达遥感器时被衰减。给计算地表反照率/反射率和地表温度等关键参数带来较大的误差。选择陆地卫星7号ETM+遥感影像的可见光、近红外波段数据,利用6S模型,进行大气辐射校正和反射率反演。同步气象数据用于遥感器所接受的大气顶部辐射的模拟、验证和评价6S对大气校正的可靠性。最后对ETM+可见光和近红外波段数据大气校正前后的反射辐射和均一化植被指数（NDVI）的变化进行了对比研究。     

基于卷积神经网络的卫星遥感图像拼接

针对传统算法不适用于外观发生较大变化的图像拼接问题, 提出一种基于卷积神经网络的遥感图像拼接方法, 通过深度学习使模型实现对遥感图像的配准和拼接. 通过两次实验将该算法与传统算法进行对比. 首先, 以欧氏距离作为评价指标, 分别通过两种算法在不同图像数据集上进行统计, 对它们的图像配准能力进行评估. 其次, 在真实的遥感图像拼接应用场景下对比两种算法实现的遥感图像拼接效果. 实验结果表明, 卷积神经网络模型对外观发生较大形变的图像具有更好的配准能力, 因此对于外观产生较大变化的遥感图像, 可采用该算法代替传统算法实现图像拼接, 得到更精确的全景图像.     

基于人工神经网络遥感图像分类的应用研究

阐述了遥感图像分类处理中应用BP神经网络的方法,在ENVI平台下,对基于BP神经网络的分类方法进行了研究。结果表明：基于BP网络神经的遥感图像分类效果是相当突出的,是一种非常有效地处理遥感图像的方法。     

湖泊叶绿素a反演的大气校正模型比较研究

为获取湖泊叶绿素a定量反演所需的最优大气校正方法,以太湖为例,分别使用FLAASH、6S及QUAC 3种大气校正模型对HJ-1B卫星CCD数据进行大气校正,通过对比各波段反射率及遥感指数与叶绿素a的相关性,得到归一化水体指数相关系数最高,并使用归一化水体指数建立叶绿素a反演模型.反演模型R2在0.7以上,同时通过了统计检验.实验利用太湖采样点平均光谱反射曲线及实测光谱对比大气校正模型的影像处理效果,并在此基础上,利用误差参数评价不同大气校正处理后的反演精度.结果表明:3种大气校正算法的影像处理效果总体较好,FLAASH和6S算法的各项参数接近,反演精度优于QUAC算法,并且聚类分析结果很好地证实了二者的相似性;QUAC算法在获得较高精度的同时其典型地物光谱出现失真.因此,在湖泊叶绿素a浓度反演建模时,大气校正方法应优先考虑FLAASH算法和6S算法,尽量避免使用QUAC算法.     

基于最优区域生成的深度多尺度融合遥感飞机检测方法

遥感图像中典型目标的检测是当前图像处理领域的研究热点,飞机在战场监视、航空管制和交通运输等领域发挥着重要作用。为了提高遥感图像中飞机检测的正确率,提出了一种基于多特征融合的遥感飞机检测方法,将深层特征经过上采样操作后与浅层特征进行融合,解决了遥感飞机目标较小造成的检测困难的问题。首先,对于锚框尺寸和个数由人为确定而造成目标位置检测不准的问题,采用K-均值聚类(K-means)算法对数据集的目标框大小进行聚类分析并获得适合飞机遥感图像的锚框(anchor boxes)个数以及宽高维度;其次,采用上采样的方法扩大感受野,以提高网络对小目标的检测准确率。采用多尺度融合的卷积神经网络,以适应不同尺度目标的检测,最终提出一种基于最优区域生成的深度多尺度融合遥感飞机检测方法。仿真结果表明:与典型的飞机检测方法相比,所提方法在测试集上取得了更高的的检测精度。