遥感学报杂志 北大期刊 CSCD期刊 统计源期刊

遥感学报 2017年第02期杂志 文档列表

遥感学报杂志综述

海上丝绸之路超大城市空间扩展遥感监测与分析169-181

摘要：以海上丝绸之路沿线的11个超大城市为例,基于长时间序列的Landsat MSS/TM/ETM＋/OLI和HJ-1卫星CCD数据,利用基于面向对象的支持向量机SVM（Support Vector Machine）分类方法提取20世纪70年代到2015年的城市不透水层,并结合景观格局指数—最大斑块指数LPI（Largest Patch Index）、斑块密度PD（Patch Density）和欧几里得最邻近距离ENN（Euclidean Nearest Neighbor Distance）分析了超大城市的发展模式。研究结果表明：基于面向对象的SVM分类方法能够高效提取城市不透水层;平均总精度高于87.9%,平均Kappa系数高于0.87;过去40余年,各超大城市的面积扩张了4—13倍,中国和印度的超大城市扩张最快,广州、上海超过12倍;各城市以＂中心—边缘＂或＂沿海—内陆＂的方向扩张,表现为＂扩散—聚集—再扩散＂的扩张模式;总体来看,沿线的城市化进程仍处于上升期。本研究为建设＂21世纪海上丝绸之路＂提供了科学依据,对当地生态环境保护和新型城镇化建设具有重要意义。

遥感学报杂志基础理论

双矩阵算法的L波段多角度玉米微波辐射参数化模型182-192

摘要：双矩阵MD（Matrix-Doubling）算法是辐射传输方程的一种数值解,考虑了植被层内的多次散射信号,具有较高的模拟精度。但受限于算法的复杂性,很难直接应用到地表参数的反演中。本文以玉米覆盖地表为研究对象,基于MD算法的模拟数据,发展了一种L波段多角度微波辐射参数化模型。基于模拟数据的对比结果表明,参数化模型具有与理论模型相当的精度,两者之间的发射率误差不超过0.004（V极化）和0.007（H极化）。同时,结合黑河流域的地面实测数据,利用本论文中发展的参数化模型模拟了纯玉米像元的辐射亮温。该模拟结果与相同像元尺度上机载L波段微波辐射计（PLMR）观测亮温之间的差异基本在10 K以内。

航空遥感地表温度时间归一化193-205

摘要：航空热红外遥感影像的航带宽度一般较为有限,通常需要进行连续飞行获得多个航带才能覆盖一个较大的研究区;由于地表温度随时间变化迅速,不同航带间地表温度存在差异。因此,进行不同航带影像拼接之前,需要对不同航带的地表温度进行时间归一化。本文基于温度日变化模型,构建了航空遥感地表温度时间归一化方法;结合Hi WATER试验区高密度的气象观测数据,分析了天气晴朗条件下,风速的大小和波动剧烈程度对地表温度日变化模型的影响,在此基础上发展了一种考虑风速影响的改进温度日变化模型。验证结果表明：两种模型均能够减小观测时间不同导致的地表温度瞬时波动差异;考虑风速影响的改进模型比未改进模型的精度提高0.3—0.6 K,且其提供的地表温度在时间尺度变化上更加符合实际情况。本研究建立的相关模型对于卫星遥感地表温度的时间归一化也具有借鉴意义。

MODIS LAI产品真实性检验与偏差分析206-217

摘要：当前对MODIS LAI产品的真实性检验工作中,更多的是关注遥感产品在数值与趋势上与地表真值的一致性程度,很少工作能够全面分析遥感LAI产品偏差来源以及不同来源的偏差对全局偏差的贡献率。本文在对MODIS LAI产品进行真实性检验基础之上,进一步分析了MODIS LAI产品偏差来源。将遥感产品真实性检验偏差来源分解为反演模型,反射率数据和冠层聚集效应3个方面,并定量分析各个偏差源对真实性检验结果的影响。以河北省怀来玉米为研究对象,结合实测LAI数据和Landsat 8 OLI（Operational Land Imager）数据建立NDVI LAI半经验模型,得到LAI参考数据,据此对MODIS LAI产品进行真实性检验及偏差分析。研究表明,该区域MODIS LAI产品存在明显的低估现象,参考数据和MODIS LAI数据均值分别为3.53 m2/m2和2.33 m2/m2,MODIS产品低估为34.14%。在各个偏差因素中,反射率数据的差异对结果影响最大,即MODIS地表反射率数据与Landsat 8 OLI地表反射率数据的差异造成的偏差占总偏差的57.50%;聚集效应的影响次之,占总偏差的28.33%;模型差异对结果的影响最小,占总偏差的14.17%。本研究对遥感产品真实性检验及其不确定性分析具有一定的借鉴意义。

遥感学报杂志技术方法

3维块匹配小波变换的极化SAR非局部均值滤波218-227

摘要：极化合成孔径雷达（SAR）图像受相干斑噪声的影响,难以很好地保持结构特性,针对这个问题提出了一种采用3维块匹配小波变换的非局部均值滤波算法NL-3DWT（Nonlocal Filter based on 3-D Patch Matching Wavelet Transform）。该算法使用块匹配的3维非抽样小波变换对极化总功率图进行预滤波,在此基础上使用边界对齐窗提取结构相似像素,同时使用Sigma范围选择极化SAR数据的散射相似像素,共同构成相似像素集合;构建结构保持权重函数增大图像结构信息在块相似性度量时的权重,最终实现极化SAR图像结构保持的相干斑抑制。该算法增强了图像结构特征的表达,提高了结构相似像素选择的准确性,机载极化SAR数据实验结果表明,NL-3DWT算法能够在抑制相干斑噪声的同时,更有效地保持极化SAR图像的结构特性和极化散射特性。

遥感影像主特征线检测228-238

摘要：受到成像规律性差,背景纹理复杂及强烈噪声的影响,直线检测方法通常难以适应遥感影像处理的需求。有鉴于此,论文提出一种具有视觉显著性的遥感影像主特征线检测方法。论文首先论证了利用已提取直线为基元,基于格式塔法则构建主特征线的可行性;其次对直线在主特征线上的复杂投影情况进行了详细的剖析,并给出了主特征线的定义;接着建立了主特征线累计权重矩阵及直线统计矩阵,依据格式塔原则分析直线权重分布规律,以此构建了直线的权重模型,同时探讨不同直线在同一主特征线上权重分配规律;最后依据上述分析结果提出了具体的算法步骤。通过多幅含有强烈噪声的光学与SAR遥感卫星影像实验结果表明,相对于其他聚类算法,论文算法能够在杂乱无序的直线集中提取较为清晰的主特征线,并且实验效果基本符合人工视觉感知,便于机器对遥感影像的清晰理解。

FAN模型的双种群差分进化光谱解混算法239-252

摘要：双线性混合模型是近年来非线性光谱解混的研究重点之一,其克服了线性混合模型无法描述地物多重散射作用的缺陷,能够更精确地还原真实的地物光谱混合过程。然而,限于模型的复杂性,目前在缺乏准确的端元先验知识的条件下进行双线性光谱解混仍是一项具有挑战性的任务。差分进化算法（DE）是一种具有良好全局搜索能力的群智能优化算法,其优化求解过程无需进行复杂的数学推导,为双线性光谱解混问题提供了一种有效的解决途径。为此,本文以FAN双线性混合模型为例,提出了一种双种群机制的差分进化算法（记为DEFAN）,实现非监督双线性光谱解混。DE-FAN算法通过建立端元与丰度两个种群的交替进化机制寻找最优解,同时在迭代中引入自适应重构策略增强种群多样性,降低算法陷入局部最优解的风险,最终实现端元与丰度的同时估计。通过模拟图像及真实图像的解混实验进行算法检验,证明DE-FAN算法较之传统非线性解混算法具有更高的解混精度及解混效率。

主题学习和稀疏表示的MODIS图像超分辨率重建253-262

摘要：针对MODIS图像分辨率受传感器限制和噪声干扰,且分辨率局限在一定水平等问题,提出一种采用主题学习和稀疏表示的MODIS图像超分辨率重建方法,该方法通过双边滤波将MODIS图像的平滑及纹理部分分离,并将纹理部分看成是由若干＂文档＂组成的训练样本;运用概率潜在语义分析提取＂文档＂的潜在语义特征,从而确定＂文档＂所属的＂主题＂。在此基础上,针对每个主题所对应的图像块,采用改进的K-SVD方法训练若干适用于不同主题的高低分辨率字典对,从而可以运用这些字典对,通过稀疏编码实现测试图像相应主题块的超分辨率重建。实验结果表明,重建图像在视觉效果和PSNR等指标上均优于传统方法。

复杂地形云阴影识别263-272

摘要：云阴影检测在遥感科学领域是一个重要研究方向,在许多方面有重要应用。单纯采用光谱阈值法识别云阴影会面临较多困难,难以准确识别,而采用时间序列法,则需耗费较多机时,过程较为繁复。在准确识别云像元的基础上,应用几何学方法识别云阴影是较为准确、实用的方法。目前,应用几何学方法计算起伏地形条件下的云阴影分布和变化特征的研究较少,本文提出了一种基于几何学方法的复杂地形条件下的云阴影识别方法,可以计算云像元对应阴影在复杂地形上的位置。模拟和实验表明,所提出的算法在识别复杂地形条件的云阴影方面具有较好效果,克服了几何法识别云阴影模型的原有缺陷。

SAR图像ROEWA边缘检测器的改进273-279

摘要：针对指数加权均值比（ROEWA）边缘检测算子无法准确确定边缘位置和边缘方向的问题,对其表达式进行了改进。重新定义了反转的、带符号的、归一化最小指数加权均值比（IROEWA）,作为边缘强度指标,来量化描述边缘的跃变程度,并在此基础上准确计算出边缘的方位。同时将改进的非极大值抑制算法应用到边缘检测流程中,对IROEWA得到的边缘强度图进行后处理。针对自然SAR图像和仿真SAR图像的实验都表明,改进算法能够得到比ROEWA加分水岭分割的原始算法更好的边缘检测结果。利用接收者操作特征（ROC）曲线,对改进算法进行量化评价,其曲线下面积（AUC）可达0.97570,非常接近理想的检测器;在其ROC曲线的最优点处,检测率可达0.95232,而虚警率仅为0.00214左右。

遥感学报杂志遥感应用

顾及遥感影像场景类别信息的视觉单词优化分类280-290

摘要：传统词包模型的视觉词典忽略了场景本身包含的类别信息,难以区分不同类别但外观相似的场景,针对这个问题,本文提出一种顾及场景类别信息的视觉单词优化方法,分别使用Boiman的分配策略和主成分分析对不同场景类别视觉单词的模糊性和单词冗余进行优化,增强视觉词典的辨识能力。本文算法通过计算不同视觉单词的影像频率,剔除视觉词典中影像频率较小的视觉单词,得到每种场景的类别视觉词典,计算类别直方图,将类别直方图和原始视觉直方图融合,得到不同类别场景的融合直方图,将其作为SVM分类器的输入向量进行训练和分类。选取遥感场景标准数据集,验证算法,实验结果表明：本算法能适应不同大小的视觉词典,在模型中增加场景类别信息,增强了词包模型的辨识能力,有效降低场景错分概率,总体分类精度高达89.5%,优于传统的基于金字塔匹配词包模型的遥感影像场景分类算法。

NPP卫星VIIRS微光资料反演夜间PM（2.5）质量浓度291-299

摘要：为研究城市夜间PM_（2.5）质量浓度,利用NPP卫星上可见光红外成像辐射套件（VIIRS）DNB通道的微光辐射数据,以辐射传输理论为基础,建立了夜间城市灯光辐射强度与地面表层PM_（2.5）质量浓度的关系,并基于支持向量机方法建立了夜间城市PM_（2.5）质量浓度反演模型。以北京市作为研究对象,选取2015-03—2015-05期间无月、无云且晴朗夜空条件下4个PM_（2.5）监测站点的微光辐射数据与时空匹配的PM_（2.5）质量浓度数据对模型进行验证。研究结果表明：夜间城市灯光辐射强度与地面表层PM_（2.5）质量浓度呈现负相关性,相关系数最高的定陵站点达到–0.83。基于支持向量机方法建立的PM_（2.5）反演模型获得的PM_（2.5）质量浓度与实际PM_（2.5）质量浓度的相关系数达到0.95,反演结果较优,为进一步大范围监测PM_（2.5）质量浓度空间分布以及改善城市夜间空气质量状况评估方法提供了可行性参考。

高分辨率遥感图像港口检测的复合线索视觉注意模型300-309

摘要：为提高高分辨率光学遥感图像港口自动检测的准确性,常需综合多类线索并进行复杂的特征提取、融合与分类推理,从而带来较高的计算复杂度。为此,仿生人类视觉注意机制,提出了一种复合线索视觉注意模型,综合利用高分辨率光学遥感图像港口多尺度底层特征和高层知识线索,实现了港口检测特征自然融合与综合分类推理。该方法在提高检测效果的同时较好地控制了计算量的增长,避免了复杂特征的大范围区域提取,采用多步快速算法降低了整个算法的计算复杂度,实现了计算资源受限条件下港口的快速定位与检测。同时,由于能将有限计算资源快速聚焦于最可能含有港口目标的区域,大大提高了目标检测方法响应的实时性。来自不同卫星的高分辨率光学遥感图像实验结果,验证了提出方法的有效性。

NDSI与NDFSI结合的山区林地积雪制图方法310-317

摘要：积雪是冰冻圈的重要组成部分,因其在可见光波段的高反射率、低导热率的特性以及大面积的覆盖,成为全球辐射平衡的重要决定因子。在中纬度的干旱和半干旱山区,季节性的冰雪融水是春季河川径流的主要补给水源,山区积雪分布的变化对融雪期河流径流量的波动具有重要影响。当前的积雪产品在下垫面为山区林地时会低估积雪面积,从而影响了山区水文过程模拟的精度。本文基于Landsat OLI影像,采用归一化差值积雪指数NDSI和归一化差值林地积雪指数NDFSI相结合的方法,对春季融雪期的阿尔泰山区泰加林地进行积雪识别,并采用海拔高度、温度、以及对应的高分数据对提取结果进行了定量分析。结果表明,采用NDSI进行积雪识别时,山区林地的积雪会被大量漏分;对林地像元采用NDFSI阈值法可以区分林地中是否有积雪分布。NDSI和NDFSI相结合的积雪识别方法操作简单,不需要提供森林分布图等辅助数据,可以有效提高山区林地复杂环境下积雪制图的精度。

Sentinel-2数据的冬小麦地上干生物量估算及评价318-328

摘要：作物生物量快速精确的监测对于农业资源的合理利用与农田的精准管理具有重要意义。近年来,遥感技术因其独特的优势已被广泛用于作物生物量的估算中。本文主要针对不同宽波段植被指数在冬小麦生物量（文中的生物量均是指地上干生物量）估算方面的表现进行探索。首先利用欧洲空间局最新的Sentinel-2A卫星数据提取出17种常见的植被指数,之后分别构建其与相应时期内采集的冬小麦地上生物量间的最优估算模型,通过分析两者间的相关性与敏感性,获取适宜进行生物量估算的指数。最后,绘制了研究区的生物量空间分布图。结果表明,所选的植被指数均与生物量显著相关。其中,红边叶绿素指数（CI_（re））与生物量的估算精度最高（决定性系数R^2为0.83;均方根误差RMSE为180.29 g·m^–2）。虽然相关性较高,但部分指数,如归一化差值植被指数（NDVI）等在生物量较高时会出现饱和现象,从而导致生物量的低估。而加入红边波段的指数不仅能够延缓指数的饱和趋势,而且能够提高反演精度。此外,通过敏感性分析发现,归一化差值指数和比值指数分别在作物生长的早期和中后期对生物量的变化保持较高的敏感性。由于红边比值指数（SR_（re））和MERIS叶绿素敏感指数（MTCI）在冬小麦全生长季内一直对生物量的变化保持高灵敏性,二者是生物量估算中最为稳定的指数。