星载大气探测激光雷达发展与展望
摘要：从最早的星载激光雷达空间技术实验LITE出发,回顾了已成功发射的多颗星载激光雷达发展历程。详细阐述了LITE、CALIPSO等星载激光雷达在大气遥感领域,特别是气候环境变化和数值预报模式研究上所取得的成就。主要从全球气溶胶垂直结构及其辐射强迫、全球云垂直结构和特征、气溶胶-云-降水相互作用和气溶胶数据在雾-霾和沙尘天气预报中的应用等4个方面进行展开说明,并且深入分析了未来星载激光雷达在大气风场和大气成分探测方面所面临的需求和挑战。在大气风场探测需求方面,结合星载激光雷达探测优势从提高热带地区的天气预报准确率、提高非地转条件下中小尺度短时临近预报水平和填补卫星高/低空急流监测技术空白等3个方面进行详细论述。在大气成分探测需求方面,与传统被动探测仪器相比较,突出激光雷达在信噪比、CO2垂直结构和夜间探测上的明显优势。最后,指出全球风场和大气成分探测将成为未来星载激光雷达的重要发展方向。水体铜离子吸收系数光谱（400—900nm）测量
摘要：金属溶解物的吸收光谱测量是水体重金属遥感反演的关键。本文使用水体透射光测量装置,利用ASD光谱仪测量相同厚度不同浓度铜离子溶液的透射光辐亮度,运用比值法计算水体铜离子消光系数和吸收系数,最终得到400—900 nm波长范围内的水体铜离子单位浓度吸收系数光谱。该方法可以较好地消除实验装置和水中悬浮物的影响。结果表明,水体铜离子在蓝、绿光波段吸收作用极小,红光至红外波段的吸收系数快速增大,与铜离子溶液颜色相吻合;吸收峰位于810 nm。多次独立实验测量所得结果的标准差很小,说明测量结果稳定。与Jancsò测量结果的对比分析表明,本文结果与国际上著名测量结果接近,且部分波段的测量值更为合理。水合铁离子及铁络合物吸收系数光谱（400—900nm）测量
摘要：测量铁化合物溶解物的吸收光谱曲线是水中铁离子含量遥感反演的关键。采用自主设计的水体透射光测量装置,利用ASD光谱仪测量相同厚度不同浓度铁离子溶液的透射光辐亮度,然后运用比值法计算出水中3种铁化合物（硫酸铁、氯化铁和铁氰化钾）的消光系数和吸收系数,最终得到400—900 nm波长范围内3种铁离子吸收系数光谱。该方法可以较好地消除实验装置和水中悬浮物的影响。结果表明,水中3种铁离子均在紫蓝光波段吸收作用较大,绿光次之,逐渐减少至红光波段后,吸收系数变化很小呈平缓直线。测量结果可作为水体铁离子浓度遥感反演模型所需的基础参数。AMSR-E/2观测辐射值反演水成物参数
摘要：基于先进的微波扫描辐射计AMSR-E/2观测的辐射值,利用-维变分算法（1D-Var）反演各类水成物（云水、雨水和云冰）的垂直廓线,并对其反演结果进行检验。以2014年8月台风＂夏浪＂为例,分两步对变分反演的云微物理参数进行了检验。首先,将反演的各类水成物含量补充到辐射传输模式的输入场,观测算子模拟的AMSR-2各通道亮温与实况观测相比非常接近,可以很好地模拟出台风外形、强度及螺旋结构。其次,将反演的水成物廓线与载在Cloud Sat上的云雷达CPR同时段观测的雷达反射率因子进行对比,发现反演出的云水、雨水含量大值区与毫米波云雷达观测的雷达反射率因子高值区一一对应,进一步说明1D-Var反演的水成物参数精度很高。然而,由于星载AMSR-E/2观测通道少且空间分辨率低,对尺度较小、较薄的云不敏感,同时对云层较厚的密闭云区和多层云区反演能力也有限。结合像元分解和STARFM模型的遥感数据融合
摘要：高空间、时间分辨率遥感数据在监测地表快速变化方面具有重要的作用。然而,对于特定传感器获取的遥感影像在空间分辨率和时间分辨率上存在不可调和的矛盾,遥感数据时空融合技术是解决这一矛盾的有效方法。本文利用像元分解降尺方法（Downscaling mixed pixel）和STARFM模型（Spatial and Temporal Adaptive Reflectance Fusion Model）相结合的CDSTARFM算法（Combination of Downscaling Mixed Pixel Algorithm and Spatial and Temporal Adaptive Reflectance Fusion Model）进行遥感数据融合。首先,利用像元分解降尺度方法对参与融合的MODIS数据进行分解降尺度处理;其次,利用分解降尺度的MODIS数据替代STARFM模型中直接重采样的MODIS数据进行数据融合;最后以Landsat 8和MODIS遥感影像数据对该方法进行了实验。结果表明：（1）CDSTARFM算法比STARFM和像元分解降尺度算法具有更高的融合精度;（2）CDSTARFM能够在较小的窗口下获得更高的融合精度,在相同的窗口下其融合精度也高于STARFM;（3）CDSTARFM融合的影像更接近真实影像,消除了像元分解降尺度影像中的＂图斑＂和STARFM模型融合影像中的＂MODIS像元边界＂。混合智能优化算法的SAR图像特征选择
摘要：为提高SAR图像自动目标识别的准确率及实时性,提出了一种基于混合智能优化的SAR图像特征选择算法。首先,采用分形特征对SAR图像进行增强,基于分割后的图像提出了一种基于图像矩的方位角估计方法。然后基于未校正和校正后的图像分别提取Zernike矩、Gabor小波系数和灰度共生矩阵构成候选特征集合,使用遗传算法结合二值粒子群的混合优化算法实现SAR图像特征选择。最后,采用MSTAR数据库验证本文算法的有效性。实验结果表明,优化后的特征集合具有一定泛化能力,一方面提高了SAR目标识别的准确率,另一方面减小了SAR图像目标识别的时间。“针孔”模拟成像下的单航空影像与LiDAR点云配准
摘要：以摄影测量共线方程为严格配准模型,提出了一种引入针孔成像模拟过程的单张航空影像LiDAR点云配准迭代方法,共分为3个阶段：第一,利用航空影像内参数及初始外方位元素对LiDAR点云针孔模拟成像,生成与航空影像空间分辨率、几何形变相接近且具有相同幅面大小的透视影像-LiDAR深度影像;第二,以梯度互信息作为影像相似性测度依据,实施影像金字塔、分块处理策略实现LiDAR深度影像与航空影像几何变换参数快速估计,进而依据估计参数及LiDAR深度影像、激光脚点投影关系建立LiDAR点云航空影像概略相关;第三,以LiDAR点云影像概略相关下的近似同名像点为观测值,以像点梯度互信息为权重,实施摄影测量空间后方交会计算获得优化的影像外方位元素,生成新的LiDAR深度影像并重复上述过程,直至满足给定的迭代计算条件,实现单张航空影像与LiDAR点云数据的自动空间配准。实验表明,本文方法配准精度达亚像素级且自动化程度高。TRMM/VIRS热红外通道陆地大气可降水汽总量分裂窗反演
摘要：大气水汽对全球以及区域气候变化有重要的影响,精确获取水汽数据是非常重要的研究方向。TRMM（热带降雨观测计划）卫星上搭载的VIRS传感器（可见光/红外扫描仪）在降雨观测中应用广泛,但是目前很少有研究将其用于水汽反演。本文尝试使用VIRS的两个红外分裂窗通道（10.8μm和12μm）,通过建立改进的方差协方差比值分裂窗方法进行水汽反演。首先对TRMM/VIRS数据和方差协方差比值法进行了介绍,接着针对VIRS数据特点,利用MODTRAN辐射传输模式和探空大气廓线数据模拟回归了大气透过率和水汽的定量关系,最后利用VIRS遥感数据开展了水汽反演试验。由于红外波段分裂窗水汽反演算法只适合于晴空条件下,因此在云雨识别的时候,为了保证时空一致性,采用TRMM提供的基于微波成像仪TMI的云中液态水信息来对晴空与否进行判断。水汽反演结果首先与地基GPS大气水汽观测值进行了比较,均方根误差为5.76 mm;其次和MODIS卫星水汽反演结果进行了面状对比,二者显示出了高度的区域一致性。验证结果表明,TRMM/VIRS的水汽反演结果精度较高,具有进行业务化推广的潜力,丰富了水汽数据的来源,同时也对利用风云系列卫星传感器数据进行热红外通道的水汽反演具有借鉴意义。融入空间关系的二型模糊模型高分辨率遥感影像分割
摘要：为解决高分辨率遥感影像分割中,由光谱测度的空间复杂性、相同类型地物目标异质性增大带来的类属不确定性以及分割决策不确定性等引起的分割精度下降问题,提出一种融入空间关系的区间二型模糊模型高分辨率遥感影像监督分割方法。（1）建立高斯函数模型作为一型模糊模型,用来刻画像素类属的不确定性;（2）模糊化一型模糊模型中的均值或标准差,建立区间二型模糊模型,以强化类属的不确定表达和增加分割决策信息;（3）综合一型模糊模型及区间二型模糊模型的上、下隶属函数建模模糊决策模型;（4）融入邻域像素关系,使用待分像素及其邻域像素在模糊决策模型中的隶属度共同决定像素的类属。采用本文算法分别对真实高分辨遥感影像及合成影像进行分割,并对测试结果进行定性和定量分析。结果表明,本文算法可以得到更高的分割精度。遥感影像CVA变化检测的CUDA并行算法设计
摘要：随着遥感影像数据量以及复杂程度的日益增加,遥感图像的快速处理成为实际应用过程中亟需解决的问题。为了实现遥感影像的实时变化检测,针对基于变化矢量分析CVA的变化检测算法,设计了一种基于统一计算设备构架CUDA的并行处理模型。首先利用地理空间数据提取库GDAL实现大数据量遥感影像的分块读取、操作和保存;其次将基于变化矢量分析的变化检测过程分为变化强度检测、映射表构建和变化方向检测,并借助CUDA C将变化矢量分析算法的3个步骤嵌入到CPU和GPU组成的异构平台上进行实验;最后利用该模型对不同数据量的遥感影像进行CVA变化检测并作对比分析。实验结果表明：与CPU串行相比,基于GPU/CUDA的遥感影像CVA的变化检测速度提高了10倍左右;在一定程度上,达到了实时变化检测的效果。多尺度分割的高分辨率遥感影像变化检测
摘要：针对高空间分辨率的遥感影像,提出了一种基于多尺度分割的变化检测算法。采用Mean-Shift分割算法对影像进行多尺度分割,构建了不同尺度上的地理对象,以不同尺度上的地理对象灰度均值构建了变化检测的多尺度特征向量,采用变化矢量分析法获得最后的变化检测结果。以城镇区和农田区的Quick Bird影像对本文算法进行了检验,从精度评价的效果来看,无论城镇区还是农田区,采用面向对象的变化检测方法精度都高于基于单像素的检测方法,且当尺度层数固定时,多尺度组合的变化检测结果优于单一尺度的变化检测结果,对城镇、农田区域的变化检测的精度分别达到87.57%和81.55%。本文算法既可以顾及大面积同质区域变化,又可以反映小的地物目标及边缘部分的变化,能够很好地满足城镇、农田等不同环境背景下的变化检测需求,在国土资源监测中具有一定的应用价值。利用GLASS LAI数据分析1982—2012年亚马逊热带雨林变化
摘要：利用1982—2012年的GLASS LAI数据,结合世界粮农组织（FAO）2000年的全球生态环境分类图,对亚马逊热带雨林31年的植被变化进行了综合分析,采用点与面相结合的分析方法,全面地反映雨林植被的变化情况。不同于过去研究中固定研究范围或直接研究整个南美洲区域,本文采用动态静态边界相结合的方法,在考虑热带雨林动态范围变化的同时也强调研究区域的内部变化。结果显示,亚马逊热带雨林叶面积指数在31年中整体呈现波动变化,进入2000年以后,热带雨林范围内平均叶面积指数先下降后增加,整体相对稳定。在空间分布上,由于人类毁林开荒,巴西境内的热带雨林以及热带雨林部分边缘地带的叶面积指数在31年中明显下降,热带雨林东南边界持续收缩;除此之外,雨林内部的叶面积指数波动上升,这是受到全球气候变暖的影响。结果与过去的研究进行对比,具有较好的一致性。研究论证了利用具有中国自主知识产权的GLASS LAI数据可以进行长时间序列大尺度的地表植被状况监测。