全球30m分辨率多光谱影像数据自动化处理的实践与思考
摘要：全球地表覆盖遥感制图与关键技术研究项目要求对两个基准年度（Z000年、2010年）全球30m分辨率的多光谱遥感数据进行辐射处理和几何精纠正处理，为地表覆盖制图完成数据准备。数据以LandsatTM／ETM＋为主，HJ-1A／BCCD数据为补充，共计2万多景影像需要进行辐射处理，有1000多景HJ-1A／BCCD影像需要几何精纠正。如此大规模的数据处理，自动化处理是必然的选择。本文介绍了HJ-1A／BCCD图像几何精纠正自动化实现中关键问题的解决方法和精度评价结果，LandsatTM／ETM＋和HJ-1A／BCCD图像自动化辐射校正中关键问题的解决方法和精度评价结果，以及大规模的数据处理活动引发的一些思考。图像分层匹配的脚HJ-1A／BCCD影像自动几何精校正技术与系统实现
摘要：环境与灾害监测预报小卫星星座（环境一号卫星，HJ-1A／B）自发射以来，在环境监测、灾害评估、土地资源调查等领域发挥了重要的作用。但是HJ-1A／B卫星CCD图像的2级产品（HJ-1CCD图像）几何精度低，实际应用中需要进行几何精校正。HJ-1CCD图像具有宽覆盖、大视场角、几何变形复杂的特点，几何精校正难度大。针对该问题，本文提出了一个以LandsatTM全球拼接图像为基准，基于Forstner算子和模板匹配的分层配准方法。该方法使用分层匹配获得的大量高精度且分布均匀的控制点构建Delaunay三角网，有效地解决了HJ-1CCD图像的几何精校正问题。在配准技术研究的基础上，研发了HJ-1CCD图像几何精校正系统，系统具有全球HJ-1CCD图像的自动批量处理能力。实验结果表明，本文提出的几何精校正方法精度高，实现了环境星图像的自动批量处理。地形抹平与半经验模型的Landsat TM／ETM＋地形校正方法
摘要：地形校正可以减小地形起伏对地物光谱的影响，提高计算机分类在山区的精度。设计了针对全球土地覆盖分类的Landsat TM／ETM＋数据地形校正方法SCOS（Smoothed COS余弦），首先对地形的坡度角进行抹平处理，很大程度上削弱了地表非朗伯性对地形校正的影响，然后利用简单有效的余弦校正去除地形效应。该方法与其他常用地形校正算法的对比分析是通过对全球不同区域、不同地表覆盖的有代表性的6景Landsat TM/ETM＋数据的试验，采用统计分析与目视判读的方式，从过度校正和类内均一性两个方面进行的。结果表明，该方法在目视效果和统计结果上优于常规方法，并且更加简单有效，无需复杂的大气参数及传感器参数，满足全球地表覆盖分类对地形校正的需求。一种拓展的半物理时空融合算法及其初步应用
摘要：Landsat5卫星较低的时间分辨率（16天）使得其很难获得大区域的、时相一致的清晰影像数据集。本文发展了一种基于半物理模型的时空融合算法-即乘性调制融合算法，并借助多时序的MODIS反射率数据来生成多时相的Landsat TM／ETM＋反射率合成影像，经镶嵌后得到区域尺度的高时空分辨率地表反射率数据集（LandsatTM／ETM＋）。本文利用吉林省2006年一2011年的Landsat5TM地表反射率数据以及500m的MOD09A1反射率产品来生成3个时相的Landsat5 TM反射率合成数据，从而获得研究区在上述时相下地表反射率数据的镶嵌图。初步分析表明，所生成的Landsat5 TM反射率数据的光谱分布特征与MOD09A1反射率数据较为一致，且图像在整体上光谱特征的连续性较好。Landsat TM数据不同辐射校正方法对土地覆盖遥感分类的影响
摘要：本文主要是探索Landsat TM数据不同辐射校正方法对土地覆盖遥感分类的影响。介绍了使用的3种不同辐射校正方法（ATCOR3、FLAASH以及查找表）和两种分类算法。在分类实验部分，根据样本的地理坐标在3景校正影像中分别采集训练样本并训练各自的分类器，并交叉用于其他辐射校正影像的土地覆盖遥感分类。实验结果表明：（1）用于分类器训练的样本采集自待分类影像时的分类精度明显高于采集自其他影像的分类精度；（2）3种辐射校正影像的分类结果存在差异，其中使用ATCOR3和FLAASH方法校正后影像的分类结果有更相近的精度；（3）辐射校正对分类类别的影响不同，其中对森林类型影响最大，对裸地等其他类别影响相对较小。重金属铜污染植被光谱响应特征研究
摘要：重金属铜污染植被的反射光谱特性会发生明显改变。在本研究中，采用不同程度的铜污染土壤作为培养基质，选择春小麦、上海青两种农作物进行铜胁迫实验，获取了4个不同生育期、10个不同铜污染强度下的植被叶片的反射光谱，并采用铜污染叶片7个特征波段和光谱角的方法研究了铜污染叶片的光谱特征。结果表明，铜污染叶片光谱差异与作物时期和作物类型有关，可以采用叶片光谱角描述铜污染叶片与健康叶片的光谱差异。该方法只需与阈值做简单的比较，方法简便易行，而且对轻度及重度铜污染十分敏感。叶片光谱辐射传输模型反演结果表明铜污染叶片内部结构参数Ⅳ明显变大，这也证明了铜污染使叶片内部结构更加散乱无序。在此基础上进一步建立了Ⅳ与红肩处反射率值的线性关系，相关系数为0．978。本文为铜污染叶片光谱反射模型的建立提供了初步的数据基础与理论支持。3维数字地球快速缓冲区分析算法
摘要：提出一种应用在3维数字地球中的通过图形处理器（GPU）快速实现矢量数据缓冲区分析的算法。使用一张4通道的纹理图作为容器将地理实体的矢量数据传人GPU，利用GPU的高效并行特性，将目标缓冲区纹理中的每个像素所对应的矢量坐标与原实体进行距离量算，在一次渲染中得到缓冲区纹理，最后提取出缓冲区纹理的边界。选择中国的流域和湖泊矢量数据，将本文算法与两种传统的CPU算法进行了缓冲区分析计算、测试和对比。结果显示，本文算法相对于传统矢量算法效率提高了9一16倍，相对于传统栅格算法效率提高11—20倍。实验证明，该算法计算简单，效果明显，特别是随着数据量增大，缓冲区计算速度显著优于传统算法，并能有效解决传统矢量法缓冲区分析中的数据自相交问题。光合有效辐射遥感产品质量控制与评价
摘要：定量遥感产品的质量控制和质量评价是产品生产过程的重要环节，生成的产品质量信息对用户具有重要的参考价值。对于算法较为复杂，涉及诸多输入数据和计算环节的遥感数据产品，质量控制和质量评价是一个难点。本文以一个极轨卫星与静止卫星结合的光合有效辐射（PAR）产品算法为例，分析了定量遥感产品质量控制和质量评价的方法。在确定总体技术框架的基础上，详细描述了数据输入及产品输出质量控制标识体系的建立、质量控制方法实施以及产品质量评价具体方案。光合有效辐射估算需要多源遥感数据和较多空间数据，导致最终产品不确定性的来源较多。本研究通过算法解析、产品的不确定性分析以及建立质量标识体系等方法来确定质量控制方案，从而可以利用质量控制标识追溯到输入数据和每一个中间处理过程的质量或者误差，并最终生成产品的总体质量等级。最后简要介绍了利用地面实测数据和产品质量标识对产品进行质量评价的方法。青藏高原东部暴雨云团局地强降水响应特征
摘要：为研究青藏高原（简称“高原”）东部暴雨云团的局地强降水响应特征，使用FY-2卫星红外通道数据，选择降水开始前4小时直到降水结束后2小时的时段，对高原东部19次典型局地暴雨过程分两种方式进行云团分析，第一种方式为针对测站上空7x7像元范围的云团进行云顶温度变化等相关分析，第二种方式为对关键四省范围内的云团进行识别和追踪，并计算对流云团参数。对暴雨云团的雷达回波特征也进行了分析。结果表明：（1）7×7像元范围红外各通道的云顶温度变化趋势一致，降水阶段云顶温度先降后升，云顶温度梯度先升后降。云顶温度梯度极大值Gmax的峰值和半小时内Gmax的最大上升变化值△Gmax均出现在强降水前（0一11h），Gmax峰值次数为1—2次，云顶温度极小值Tmin的谷值多出现在强降水之前，Tmin曲线斜率大值阶段对应Gmax的大值阶段，△Gmax，Gmax和Tmin的极值分别可达到223℃，48．3℃和-90．3℃。（2）用7×7范围云顶温度及温度梯度建立的降水量级预报方程能较好地模拟小时降水量随时间的变化趋势且有一定的预报提前时间，预报误差在1个降水量级内。在考虑了Gmax峰值对强降水的贡献后R。由0．23提高到0．54，模拟的降水量峰值与真值峰值明显接近。（3）对流云团的识别追踪方法更简单有效，对形变较小的云团（相关系数≥0．5）的准确率为100％，对发生了合并或分裂等严重形变的云团（一般相关系数〈0．5）的识别结果正确而追踪结果无效；（4）高原东部暴雨云团均为中-β-中-α尺度，水汽柱深厚但强度比低海拔地区更弱，测站暴雨开始之前多数有对流云团覆盖，若对流云团空间参数位置靠近测站，当空间距离至少小于或等于15个像距时降水或强降水将在几小时内产生。（5）暴雨云团在雷达回波图上表现为强降水超级单体风�大尺度土地覆盖数据集在中国及周边区域的精度评价
摘要：大尺度土地覆盖数据是全球陆地表层过程研究、生态系统评估、环境建模等科学研究的重要基础，研究现有数据集的特点对数据使用者及生产新的数据集都具有指导意义。本研究以中国及周边区域为研究区，根据不同分类体系对地物的定义，研究不同分类体系中对应地物的相关系数，并将所有分类体系转换为IGBP分类体系；然后，从定性和定量两方面分析现有5种土地覆盖数据集（IGBP DISCover、UMD、GLC2000、MOD12Q1和GlobCover2005）的空间一致性；并利用Google Earth高分影像选取两期验证样本评价5种土地覆盖数据集的精度。结果表明：同种地物在不同土地覆盖数据集之间的空间分布格局差异较大，且不同土地覆盖数据集之间的总体一致性系数较低；5种土地覆盖数据集中，GLC2000的总体精度和Kappa系数均最高，GlobCover2005的总体精度和Kappa系数均最低。通过软硬变化检测识别冬小麦
摘要：提出一种软硬变化检测的作物识别方法SHLUCD（Soft and Hard Land Use/Cover Change Detection Method）。该方法利用多期遥感影像能够有效表达作物的生长物候特征，以达到在离散变化区f即纯净像元区，包括完全转换成作物的突变区域和非作物区域）和连续变化区（即渐变区，混合像元区，是部分转化为作物的区域）准确进行作物的识别。在北京市选择一个研究区，以冬小麦为研究对象，选用2011年10月6日（播种期）和2012年4月16日（拔节期）两期环境减灾1号卫星影像，分别采用硬变化检测方法HLUCD（Hard Land Use／Cover Change Detection Method）、软变化检测方法SLUCD（Soft Land Use／Cover Change Detection Method）和SHLUCD进行冬小麦的识别。实验结果表明：在不同尺度窗口下，SHLUCD较传统方法表现出较明显的优势，具有更低的均方根误差RMSE（SHLUCD为[0．14，0．07]，HLUCD为[0．15，0．07]，SLUCD为[0．16，0．08]）和偏差bias（SHLUCD为-0．0008，HLUCD为-0．007，SLUCD为0．014）和更高的决定系数R^2（SHLUCD为[0．68，0．86]，HLUCD为[0．62，0．86]，SLUCD为[0．60，0．86]）。针对冬小麦突变区域、冬小麦渐变区域和非冬小麦区域分别进行评价，表明SHLUCD识别精度接近各区最佳的识别方法，进一步验证了SHLUCD的灵活性和适用性。SHLUCD方法在离散变化区能够通过土地覆盖类型状态变化来有效地识别出冬小麦，在连续变化区可识别出土地覆盖的状态变化程度定量表达冬小麦的丰度，是其他作物多时相遥感变化检测的前期实验基础。