遥感学报杂志 北大期刊 CSCD期刊 统计源期刊

遥感学报 2007年第05期杂志 文档列表

遥感学报杂志基础理论

水稻叶片最优叶肉结构参数估算626-631

摘要：叶片作为植物冠层的基本组成元素,其自身的光学特性直接影响着遥感所能获得的植物冠层反射光谱。从原理上讲,叶片的光学特性不仅取决于其内部生化组分含量的多少,还与其物理结构密切相关。因此对叶片内部物理结构进行估算有助于分离其对叶片光谱的影响,从而提高叶片生化信息反演的精度。在基于叶片内部辐射传输过程的PROSPECT模型中,叶片内部结构用一个假想的叶肉结构参数N来描述。PROSPECT模型模拟光谱发现,N对叶片反射率和透过率均影响显著,且影响范围涵盖400—2500nm的全部波段。本文利用水稻叶片实测光谱和生化数据尝试了3种N的估算方法,包括两种经验方法和一种模型反演方法,并对其进行比较。结果表明,由于两种经验方法都基于N和表观叶面积（SLA）之间的非线性经验公式,因此两者具有内在的数学关系。运用模型反演方法估算的N可在实测水稻光谱和模型模拟光谱间得到最小RMSE,且其在数值上小于两种经验方法的估算值。以N为因变量,叶片光谱反射率为自变量,运用逐步线性回归分析建立了N的光谱估算模型,550nm,816nm,1210nm和1722nm四个波段被选入模型,回归效果较好,为N的估算提供了一种新的经验方法。

基于室内光谱测量的玉米单叶偏振与二向性反射关系研究632-640

摘要：本研究利用多角度光度计实测了玉米单叶的偏振反射比与二向反射比数据。该光度计能够在不同的观测天顶角、入射天顶角和方位角下测量目标物的偏振反射和二向反射,获得地物目标在2π空间的多角度观测数据。通过分析实测的偏振反射和二向反射数据,得出了玉米单叶的偏振反射与二向反射之间关系密切,最大与最小偏振反射比之和的平均数约等于同等观测条件下玉米叶片的二向反射比。该研究成果为植被遥感监测做出了一种新的尝试,并且对偏振光遥感、多角度遥感的深入研究与应用提供了依据。

不同钾素处理春玉米叶片营养元素含量变化及其光谱响应641-647

摘要：目的是研究不同钾营养水平春玉米典型生育期叶片的光谱响应,探索叶片内营养成分与叶片光谱反射率的相关性。方法是设置了不同梯度钾处理的盆栽试验,按玉米生育期进行光谱测定和取样分析。结果,通过对不同钾处理间玉米叶片养分含量的差异性分析表明,随着施钾的提高,叶片钾含量差异性达到显著水平。分析不同钾营养水平不同生育时期春玉米叶片光谱反射率与叶片钾含量的相关关系,并建立了喇叭口期利用叶片光谱反射率估测叶片钾含量的数学模型;以及分析了该处理下喇叭口期叶片内水分、叶绿素、氮、磷、钙、镁、锌、锰、铜、铁含量与叶片光谱反射率的相关性。结果表明：不同生育时期叶片钾含量与其光谱反射率的相关关系在光谱维方向存在明显差别,730—930nm和960—1100nm两波段为春玉米喇叭口期评价钾营养状况的敏感波段,光谱变量R767＋R1057,（R767＋R1057） /（logR767＋logR1057）和（R767-R1057） /（logR767-logR1057）均能很好的预测喇叭口期叶片钾含量;该时期叶片内不同成分与光谱反射率相关分析表明：550nm,710nm,950nm三波段处是各个相关曲线的突变点;叶片内各成分间高度相关的,它们的光谱相关曲线趋势也极为一致或对称。

遥感学报杂志技术方法

基于高光谱遥感数据提取森林结构参数的研究648-658

摘要：以位于三峡库区的龙门河森林自然保护区为研究区,综合利用线性光谱混合模型和几何光学模型,基于高光谱遥感数据提取森林结构参数是本文研究的重点。在研究区地面调查数据的基础上,通过高光谱数据和混合光谱分解法,获得反演几何光学模型所需的四分量参数,根据背景光照分量与森林植被冠层各参数间的关系,反演得到森林冠层郁闭度及平均冠幅的定量分布图,并利用37个野外实测样本进行结果验证。

基于MERIS影像空间、光谱及时间维信息提取亚像元级的土地覆盖组分659-668

摘要：及时获取有效的土地覆盖信息是地球系统模拟的基础。因此,中等空间分辨率传感器如MODIS或MERIS空前的通道设置与观测能力,使其具有快速更新土地覆盖图的能力。本文说明了如何结合MERIS的空间维（像元大小为300m）、光谱维（可见光与近红外范围内15个通道）和时间维（重返周期2—3d）,用于获取不同区域土地覆被组分的亚像元级组成权重。利用4月、7月和8月三期MERIS FR1b级数据得到荷兰主要土地覆被类型的组成权重。单一时相和多时相的数据都使用单个像元最优化的端元数进行线性光谱分解。利用一种形态偏离指数得到MERIS的空间维并用于端元的选择。应用荷兰土地利用数据库（LGN5）25m分辨率的栅格数据作为本文的参考数据。基于这种数据的高分辨率,因此可以从像元和亚像元的水平同时评价的分类精度。结果显示,结合4月和7月的影像可以获得最优的分类结果,精度约为58%。总的说来,亚像元和像元级的分类精度相似。通过几种组分类别和日期的光谱融合表明,物候状况对于数据获取时相最佳结合的选择以及正确识别土地覆盖类型的重要性。

基于真实白杨林地场景冠层辐射特性的计算机模拟669-676

摘要：叶面积指数（LAI）和叶倾角分布（LAD）是决定植被冠层结构的重要参数。在计算机模拟植被冠层,两个参数是植被三维真实结构生成的重要控制因子。本论文中,结合计算机图像学理论,基于实验的地面实测结构参数数据利用可改写的扩展L-system方法生成草以及白杨树的真实三维场景。RGM（A radiosity-graphics combined model）模型是基于辐射度方法的计算机模拟模型,利用此模型来计算生成的三维场景可见光及近红外波段的冠层辐射特性,如冠层波谱以及方向反射特性等。在本研究中,模拟了两种不同下垫面的白杨林地：（1）下垫面只有土壤的白杨树场景;（2）下垫面包括土壤和草的白杨树。在特定的场景组分光学特性下,模拟得到两种情况的主平面冠层BRF（bi-di-rectional reflectance factor）,并对两者的差异进行了分析。可以看出,下垫面对冠层BRF的影响不可忽视。但是,由于白杨林地结构的复杂,大尺度的场景中必须由成千上万个面元组成,因此辐射度方法不能模拟大尺度的真实结构场景。为了拓展辐射度方法应用范围,根据白杨树树冠的特点,将其抽象为椭球体,从而减少场景组成面元个数,满足了辐射度方法的要求。并结合几何光学模型的思想,在对椭球体面元赋值加入了间隙率;并考虑了整个树冠的承照面以及阴影面的差异,模拟大尺度林地冠层BRF,且与GOMS模型结果符合的很好。通过以上研究,可以看出计算机模拟为遥感研究获取多角度数据信息提供了一种很好的手段。

改进AMSR-E雪水当量算法研究677-685

摘要：为了发展雪水当量物理反演算法,本文对不同散射阶模型——零阶、一阶、多次散射模型进行敏感性试验与分析,结果表明我们必须在前向理论模型和反演模型中考虑多次散射作用。本文采用的多次散射积雪辐射理论模型——双矩阵法（Matrix Doubling）求解辐射传输方程,用致密介质理论模型（DMRT）模拟积雪发射和消光特性,用AIEM模型模拟地表辐射及作为辐射传输方程的边界条件。由于该多次散射积雪辐射理论模型的复杂性,拟发展出简单且高精度的积雪辐射参数化模型,以发展雪水当量物理反演算法。因此,在包括多次散射的积雪理论模型基础上,本文通过建立针对AMSR-E传感器参数设置的积雪辐射模拟数据库,该数据库包含了各种可能的自然积雪和地表特性参数。从而在模拟数据库基础上,本文发展了针对AMSR-E的积雪参数化模型。

一种扩展的基于结构检测的最优多视极化SAR相干斑滤波算法686-693

摘要：全极化数据的可得,使得利用极化散射矩阵以减少多视全极化SAR图像中的相干斑成为了可能。其中,被称为最优的多视极化白化滤波器（MPWF）就是一个典型例子。然而,为提高滤波器参数估计的精度,同时能够自适应的检测图像中的结构特征,在滤波时采用适当的窗算法是必要的。本文提出了两个有效的窗算法,并用1994年NASA SIR-C/X-SAR,L band,经过四视处理的天山森林的极化数据进行了仿真。实验结果表明,这两种算法不仅很好的达到了降噪效果,而且对图像的纹理信息以及结构特征（即边缘特征、线性特征、强散射体特征）的保持效果是最佳的。

土地覆盖制图：基于最优化遥感数据的支撑向量机分类694-701

摘要：遥感数据具有在不同空间、光谱和时间尺度上获取地表测量信息的能力,使其成为获取土地覆盖信息的一个主要数据源。影像分类即把卫星影像上的相关像元划分给某类已知的土地覆盖类型的过程。支撑向量机（SVMs）是一种土地覆盖分类的新技术。三种常用的SVMs是：基于线性和多项式的SVM以及具有高斯核函数的SVM分类器,分类能否成功地应用有赖于其各自选择的最佳参数。但是海量的遥感数据使得这些参数的确定速度十分缓慢。本文研究了一种新的基于最优化遥感数据压缩技术的SVM分类方法。研究显示用于获取SVM参数的数据量能够在不影响土地覆盖的分类精度的前提下进行压缩。数据压缩成功的应用于多项式和高斯核函数的SVM分类,而线性SVM的分类精度却非常低。

基于遗传算法的多光谱影像非监督训练分类系统702-709

摘要：本文将遗传算法（GA）应用于非监督训练,提高了遥感数据的分类精度。遗传竞争学习算法（GA-CL）综合了遗传算法和简单的竞争学习算法,可用于改进非监督训练的结果。遗传算法在典型样本聚类的过程中可以避免得到局部最优值。Jeffries-Matusita（J-M）距离法是通过统计测量两个训练类别之间的分离度,可用于评价这种算法。将此算法应用于TM数据的结果显示,遗传算法改进了简单的竞争学习算法,与其他非监督训练算法相比,其提供了K-均值,GA-K-均值和简单的竞争学习算法。

基于GIS和神经网络的森林植被分类710-717

摘要：本文综述了国际遥感分类研究,使用Landsat7 ETM＋遥感数据和地理辅助数据,应用BP神经网络方法,将莽汉山林场作为研究区进行了遥感影像的分类研究。比较了BP神经网络分类与最大似然、简单和复杂非监督分类法之间的类型与数量精度。BP神经网络分类的总类型精度是70.5%,总数量精度为84.65%,KAPPA系数是0.6455。结果说明BP神经网络的分类质量优于其他方法,其总的类型精度与其他三种分类方法相比分别增加了10.5%、32%和33%,总的质量精度增加了5.3%。因此,辅以地理参考数据的BP神经网络分类可以作为一种有效的分类方法。

基于MODIS数据的中国陆面制图：方法软件和数据产品718-726

摘要：本文介绍一个自动处理MODIS 1B数据并生产覆盖全中国陆面产品的软件系统。该算法改进了LAI（MOD15）,土地覆被分类（MOD12）,云检测（MOD35）,陆面反射率（MOD09）和气溶胶（MOD04）产品。这些算法的输入数据都是本地获取的参数,能够有效降低其带来的不确定性。产生的部分新产品是NASA标准产品中没有的,包括森林火烧迹地和PAR。数据处理系统运行于中国科学院资源与环境数据中心。

遥感学报杂志遥感应用

中国中部寄生虫病的景观控制727-730

摘要：多房棘球绦虫（Echinococcus multilocularis）的幼虫期导致罕见而致命的肝病即人类的泡型包虫病（HAE）。绦虫在狐狸（或狗类）与一些小型哺乳类动物之间以寄生虫-寄主的方式进行循环传播。中国中部一些地区的人类泡型包虫病属于地方流行病,在部分乡村的发生概率达到15%。本文研究如何利用遥感数据并基于地区景观特性获取该流行病清晰地空间危害分布图。遥感数据分析的结果显示,人类居住地附近的草地或灌木是HAE传播的一个主要危险区域,从空间分布上看,这些区域是小型哺乳动物等中间寄主的聚集处。

基于地理知识与数学模型以及遥感数据检测针叶林的更新和龄级动态731-741

摘要：本文介绍一种利用高分辨率遥感数据与数学模型绘制针叶林的新方法,适于处理空间影像数据。结果绘制出了伊尔库次克北部Ust-Ilimsk地区的针叶林图。本文认为对景观判读绘制成图的GIS技术需要包括信息调查程序、地图综合数据和以目标为导向的景观图与知识的阐释。应用新方法生产预测林型动态变化的分布图,此方法使用数学分析模型在研究区数字地图上勾绘地表组成,并根据直方图勾绘典型的地表组成。

应用卫星与气象数据及其关系研究黄河流域的荒漠化现状742-747

摘要：本文应用20年（1981—2000年）的卫星数据反演归一化差值植被指数（NDVI）,同时获取地面格网的温度与降雨数据,并分析这些数据之间的关系。基于地面的温度和降雨格网数据将研究区划分为8个气候区域,再利用NDVI数据把降雨量最少的3个气候区——区1,2,3各划分为10个等级。此外,分析这3个气候区在1983—1998年15年间的NDVI变化状况,结果显示出研究区荒漠化状况的加剧。

基于多时相影像的农业作物非参数与概率分类748-755

摘要：本文提出了一种新的结合多光谱和变化检测技术的多时相卫星数据集分类方法。该方法以数理统计中的最近邻法为基础,其目标函数是使得正确分类的平均概率得到最优化,即把每个分类类别看成同等重要。该新算法被应用于一个农业作物分类的研究区域,并利用覆盖该区的不同季节的SPOT和LANDSAT TM多时像影像。结果表明,与单时像影像相比,使用五个不同季节的多时像影像可以充分地提高分类精度。为了说明该方法在大尺度范围内的效果,本文选取瑞典道拉河流域作为研究区。由于不同地物的分布高度重叠,不可能得到像元水平上满意的分类精度。这就需要引进一种新的概念：像元概率分类法。基于像元的概率向量可用于判别传统分类法的可靠性并测量单个像元的不确定性（熵）。概率分类法同时提供了不同地物的面积的无偏估计,无论所感兴趣的区域的大小。这已经在不同特性的耕地试验点进行了检验。

夏季太湖叶绿素a浓度的高光谱数据监测模型756-762

摘要：本文依据2004年7月的实测数据构建了太湖夏季叶绿素a浓度的实测光谱数据估计模型,并使用2004年8月的数据对模型进行了验证。调查样点覆盖了太湖内的典型水域,水样数据由无锡太湖环境监测站采集。样点的光谱数据用ASDFieldSpec野外光谱仪获取,每个样点测量10次,测量结果被转换为遥感反射率。对不同的波段组合进行比较分析后,从可解释性出发,最终选择了归一化指数表达式作为最佳波段组合,所建立的模型为：Chla（μg/L）=EXP（2.478 ＋16.378＊N66）,其中,N66为（R696 -R661） /（R696 ＋R661）。模型的R^2为0.9051,显著性p〈0.0001。与其他模型相比,本文的模型比较稳健,用于估计8月的叶绿素a浓度具有较小的绝对误差。本文的工作同时表明,在太湖的夏季相邻月份,可以使用实测光谱数据模型进行水体叶绿素a浓度的估计。