ALOS卫星PRISM影像严格几何模型的构建与验证

根据ALOS卫星全色遥感立体测绘仪(PRISM)传感器的成像原理,利用卫星影像的辅助数据文件构建无需地面点的严格几何模型。试验发现,直接利用星上提供的轨道姿态数据和严格几何模型进行无控制定位精度较差,经分析发现ALOS卫星辅助数据文件中提供的CCD侧视角可能存在固定的系统误差,经校正后能使定位精度得到显著提高,达到ALOS卫星标称的几何定位精度。不同景影像定位精度的差异可能的原因是CCD侧视角的细微变化。

基于ALOS数据的遥感植被分类研究

以广西平南县的植被覆盖为研究对象,以ALOS为遥感数据源,并对其进行了数据处理,运用信息量、相关系数及OIF方法,分析数据的波段特征;采用决策树分类算法,根据各种植被光谱特征建立知识库,提出基于光谱信息的植被分类方法,并将其与传统的监督分类方法进行了比较。结果表明:基于光谱特征的植被遥感信息提取方法分类总体精度显著提高,Kappa系数达到0.877;采用Landsat—5 TM遥感影像对该方法进行推广,分类总体精度为86.09%,Kappa系数为0.83。结果表明该分类方法能有效地对植被进行分类与识别,并对不同数据源的植被分类有一定的普适性,为实现植被的自动化提取提供了理论依据和方法。

ALOS PALSAR雷达影像InSAR数据处理中的基线和地形误差分析

从理论上分析了InSAR处理中的两大误差源——基线和地形对形变测量精度的影响,并建立了评价模型。在此基础上,研究了上述两种误差源对ALOS PALSAR的影响,获取了两种误差对形变影响的空间分布特征。结果表明,ALOS PALSAR的轨道精度为3～5 m,在现有的轨道精度情况下,形变测量精度较差,需对基线误差进行纠正;地形误差的影响很小,主要误差源于轨道误差。在现有DEM精度条件下(SRTM DEM),利用ALOS PALSAR,要获得优于1cm的形变测量精度,基线长度最好小于400 m。

基于纹理特征和支持向量机的ALOS图像土地覆被分类

高空间分辨率遥感图像在土地覆被分类方面应用广泛,但传统的基于像元分类方法的精度较低。为了提高高分辨率图像的分类精度,通过灰度共生矩阵法快速提取纹理特征,利用支持向量机(SVM)并辅以纹理特征,对浙江湖州典型实验样区的ALOS图像进行土地覆被分类。结果表明:基于纹理特征和SVM的图像分类能更好地提取地物信息,分类总精度达到90.88%;单纯SVM的分类精度(89.96%)高于最大似然法(分类精度86.16%)。本文方法可快速准确地提取土地覆被类型,为研究农业非点源污染的产生和时空分布提供服务,进而为寻求太湖流域内合理的土地利用模式和土地的可持续利用提供科学依据。

基于ALOS遥感影像的湿地地表覆被信息提取研究

为了验证ALOS遥感影像湿地地表覆被信息提取的可行性,以黑龙江省三江平原典型内陆淡水沼泽湿地为研究对象,通过ALOS遥感影像波段的光谱及纹理特性分析,探讨适合水体、旱地、水田、沼泽、林地、建设用地、草甸等覆被类型的分类特征;基于非监督、监督及面向对象分类方法,遴选能实现最优分类结果的特征组合,为湿地地表覆盖分类数据源及方法的选择提供参考。结果表明:非监督、监督及面向对象分类方法的总体精度分别达到63.86%、96.14%和85.26%;非监督分类方法整体分类效果不够理想;面向对象方法虽然得到了相对较高的分类精度,但是针对建设用地、林地及草甸地类信息提取的精度处于较低水平;监督分类方法能取得较好效果,最适合于湿地地表覆被信息提取。

ALOS卫星遥感数据影像特征分析及应用精度评价

通过影像灰度等级分析、单变量统计分析和影像纹理特征分析以及平面点位精度、影像分类精度和图斑面积精度评定,针对ALOS数据图像质量开展影像特征研究与应用精度综合评价,并与SPOT5数据对比。ALOS数据在纹理特征及面积精度方面(尤其是较小的图斑面积精度)均明显优于SPOT5;建设用地和农用地二、三级地类的影像分类精度均可达到优良等级;点位中误差精度可满足1∶1万比例尺制图要求。ALOS数据在国土资源调查和管理中具有良好的应用前景,可与SPOT5形成较好的数据互补。

基于ALOS PALSAR数据的山地冰川流速估算方法比较——以喀喇昆仑地区斯克洋坎力冰川为例

冰川表面流速是进行冰川动力学和物质平衡研究的关键参数之一。合成孔径雷达(SAR)影像作为能大范围提取山地冰川表面流速的重要数据源,利用其进行冰川流速估算目前主要有差分In SAR(D-In SAR)法、多孔径InSAR(MAI)法和SAR偏移量追踪(offset tracking)法3种。其中,MAI法是为了克服D-In SAR对雷达方位向(along-track)形变不敏感而发展的一种新的In SAR技术。以喀喇昆仑山中部地区的斯克洋坎力冰川为例,选取了2008年2景间隔46 d的L波段ALOS PALSAR数据,利用上述3种方法分别进行冰川流速提取实验,讨论了3种方法在山地冰川表面流速监测中的适用性和局限性。结果表明,D-In SAR和MAI方法都能够精确提取距离向和方位向的冰川流速信息,但对相干性均要求较高;在低相干区域,SAR偏移量追踪方法也能够获取更为可靠的方位向和距离向二维冰川流速的速度场,但该方法在冰川表面特征不明显的地区受到一定限制。

基于光谱和纹理特征的ALOS影像土地利用信息提取

针对高分辨率遥感影像易于反映地物纹理特征的特点,综合利用地物的光谱和纹理特征进行分类,探讨适用于ALOS影像的土地利用信息提取方法。以川东丘陵地区影像为例,基于GLCM提取纹理信息,将提取的纹理特征向量采用赋权值法融合为一个综合纹理信息波段,然后采用面向对象法将其与光谱特征信息共同参与分类。与最大似然法的提取结果对比表明,考虑了纹理特征的面向对象分类方法能明显提高分类精度,Kappa精度提高了0.12;避免了椒盐现象,分割的地类边界具有更好的语义表达,更贴合地物实际分布特征;建筑用地和林地具有明显的纹理特征,而旱地纹理特征不明显。该方法不仅分出了6个基本地物类型,而且对于林地、建筑用地等类型还能进一步细分。

ALOS影像在土地覆被分类中最佳波段选取的研究

选定长江口北岸ALOS影像为实验遥感数据,以影像土地覆被分类为目的,根据信息量最大、相关性小、地物光谱差异大可分性好的原则,进行ALOS影像各光谱波段影像特性统计分析和波段组合的实验分析,结合基于信息量的波段选择指数和地物光谱特征分析方法,选取ALOS最佳组合波段为4,3,2。

ALOS-PRISM遥感影像超分辨率重建

介绍了日本ALOS卫星PRISM三线阵传感器的成像原理和方法,提出了利用PRISM三线阵影像进行超分辨率重建来提高PRISM影像的空间分辨率。提出了新的光流配准算法,该算法将标准互相关配准算法引入到Lucas-Kanade光流配准算法中,大大的减少了误配率,能够有效的消除PRISM Level1级别的影像之间由于地形起伏所引起的变形。同时,改进了影像的高斯退化模型,在超分辨率算法中,引入了可变退化函数,通过交替最小化(AM)算法对可变退化函数进行盲估计,实验结果表明,超分辨率重建影像与插值影像相比,细节清晰很多,有效的提高了影像的分辨率。实验结果说明了本文配准算法可以达到超分辨率重建的亚像素的精度要求,可以应用于航空遥感影像的高精度匹配,同时也说明了将航空遥感影像的退化函数算子分为高斯退化算子和可变退化算子的思想是正确的,符合实际情况。

不同指数模型提取ALOS AVNIR-2影像中水体的敏感性和精度分析

以广东惠州附近水域为研究区,利用ALOS AVNIR-2多光谱数据分析水体和其他主要地物在影像上的光谱特征。构建几种常用的波谱指数,分析阈值对各种指数模型提取水体的敏感性及所能达到的最大精度。发现利用这些指数均可以较好地提取图像中的水体信息,提取效果从好到差依次是:归一化差值水体指数法(NDWI)、近红外波段分割法(NIR)、归一化差值植被指数法(NDVI)和比值植被指数法(RVI)。其中NDWI指数模型,在选择合适阈值的情况下,水体提取的总体精度最高可达98%左右,并且提取过程对阈值影响不敏感。

ALOS卫星图像分析与预处理实证研究

通过实证研究的方法对高分辨率ALOS卫星数据进行质量分析,结合ALOS数据特点,提出了ALOS原始影像数据的预处理方法和处理流程。研究结果表明:ALOS数据预处理工作量较大,且预处理方法要求较为严格,因此,在开展大规模、大范围、大区域、大精度、短周期的图件更新、动态监测等应用时,应考虑将ALOS卫星图像与其它卫星图像结合使用。

基于HJ1B和ALOS/PALSAR数据的森林地上生物量遥感估算

森林地上生物量的精确估算能够减小碳储量估算的不确定性。为了探寻一种有效地提高森林生物量估算精度的方法,探讨了基于遥感物理模型和经验统计模型估算山地森林地上生物量的方法。首先,基于Li-Strahler几何光学模型和多元前向模式(MFM)进行模型模拟,结合查找表算法(LUT)从多光谱图像HJ1B估算贺兰山研究区的森林地上生物量。其次,采用统计方法建立了2种回归模型:(1)多光谱图像HJ1B进行混合像元分解(SMA),并与雷达图像ALOS/PALSAR进行图像融合建立生物量回归模型;(2)雷达图像ALOS/PALSAR后向散射系数和实测生物量建立了生物量回归模型。用实测数据对3种算法估算结果进行精度验证。研究结果表明:采用几何光学模型和MFM算法估算的森林地上生物量精度最好(决定系数R2=0.61,均方根误差RMSE=8.33 t/hm2,P<0.001),其估算地上生物量与实测值一致性较好,估算生物量精度略优于SMA估算的精度(R2=0.60,RMSE=9.417 t/hm2);ALOS/PALSAR多元回归估算的精度最差(R2=0.39,RMSE=14.89 t/hm2)。由此可见,采用几何光学模型和混合像元分解SMA适合估算森林地上生物量,利用这2种方法进行森林地上生物量遥感监测研究具有一定的应用潜力。

基于ALOS数据的城市景观格局信息提取研究--以北京市海淀区为例

在城市景观规划与城市生态环境演变研究中,理解与把握城市景观格局信息至关重要。本文以海淀区2006年ALOS卫星为研究数据,运用面向对象的影像分类方法获取景观类型分布,选取景观分维数、破碎度、分离度等景观指数来定量描述海淀区的景观格局。研究表明海淀区景观多样性指数较低,景观类型面积所占比例差异大,人为作用影响显著。居民地及工矿用地景观和耕地景观构成海淀区的景观基质,道路交通景观构成廊道景观,林地景观相对较稳定,而水域景观和草地景观受人为干扰严重,需要加强管理与规划。

ALOS PRISM影像的姿态角常差检校

根据ALOS卫星PRISM传感器的成像原理,构建严格几何模型进行直接定位。通过对ALOS PRISM 3景不同时间的影像进行实验,验证了姿态角常差的存在,并建立影像姿态角常差检校模型对其进行校正。利用1个控制点改正姿态角常差后,定位精度提高显著。

利用ALOS PALSAR双极化数据估测山区森林蓄积量模型

合成孔径雷达(SAR)技术以其独特的成像机制及其全天候、全天时成像能力,在森林生物量估测方面发挥着越来越重要的作用。利用野外实测数据分析了ALOS PALSAR双极化数据后向散射系数(σH0H,σH0V,σH0V/HH)与云南山区松林蓄积量的关系,并分别构建简单线性、自然指数和加入地理因子的多元回归模型。研究结果表明:极化比值(σH0V/HH)与蓄积量的相关系数(r=-0.407)比任何单极化(σH0H和σH0V分别为0.204和-0.242)都要高,加入地理因子的多元回归模型在森林蓄积量估算中有较好的精度。

ALOS融合影像质量评价及其土地盐渍化应用研究

将经过配准的同一地区不同空间分辨率和光谱分辨率的遥感影像进行融合是提高土地覆盖/土地利用分析精度的有效途径。采用PCA、IHS、HPF和小波变换融合法对内蒙古杭锦后旗中部地区的ALOS全色和多光谱影像进行融合,并对融合结果进行了定性和定量评价。基于地物光谱特征、解译标志和监督分类法提取试验区土地盐渍化信息,比较多光谱影像和融合影像的土地盐渍化信息提取精度。结果显示,PCA、IHS和HPF融合影像的空间细节表现能力得到提升,而PCA和小波变换融合影像的光谱保真度优于IHS和HPF融合影像;PCA融合影像的盐渍化分类精度、总分类精度和Kappa系数均为最高,是最适于试验区土地盐渍化分类研究的融合方法。

ALOS全色波段与多光谱影像融合方法的比较研究

多源遥感影像融合能够综合利用多源信息的优势,从而获得比单一数据更客观、更丰富的信息。ALOS是一种新的高分辨率卫星数据源,探讨ALOS数据的实用融合方法对于促进它的应用具有十分重要的意义。论文从分析ALOS数据的特点出发,对几种常见的融合方法进行了比较试验,并从提高空间分辨率和保持原始图像光谱信息的角度分析评价了不同融合方法的效果。就试验区ALOS数据AVNIR-4、3、2多光谱波段与其PRISM-PAN波段进行融合而言,试验发现BROVEY变换法在提高目视效果和识别精度方面优于其他几种方法融合。

MATLAB软件与ALOS遥感影像在震害建筑物自动识别中的应用——以都江堰市区为例

利用遥感技术进行震害建筑物的自动识别可为震害的快速评估与救灾决策提供科学可靠的依据。本文从震害建筑物在高分辨率遥感影像下灰度的特征入手,以5.12汶川特大地震后都江堰市区ALOS遥感影像为数据源,在MATLAB平台下对影像进行灰度增强处理、数学形态学重构以及连接、填充处理,并结合区域统计特性最后自动识别震害房屋。结果表明,利用ALOS影像丰富的纹理特征及空间结构信息与MATLAB在数学形态学处理中的优势能够准确有效地提取震害建筑物信息。

ALOS PRISM影像直接定位的系统误差分析

利用ALOS PRISM影像进行直接对地定位时必须考虑系统误差的检校。从ALOS卫星PRISM传感器的成像原理出发,分析了利用严格几何模型进行定位时可能存在的系统误差;然后用3个不同的检校模型对系统误差进行校正。实验表明利用少量控制点剔除系统误差后,定位精度明显提高,在X方向达到3m左右,在Y方向和Z方向不超过2m。