基于ENVISAT-MERIS数据的过火区制图方法研究

森林或草原在发生火灾后,过火区内的植被层在近红外波段的反射率通常要比健康植被低,利用光学遥感数据的近红外波段和红光波段可以探测出植被层的反射率在大气上界的明显变化。对过火区域的提取是利用卫星数据进行测算森林或草原火灾过火面积的关键技术之一。根据实验区内近年来发生的多次重特大森林或草原火灾,在对ENVISAT-MERIS数据中典型地物光谱特征进行分析的基础上,分别采用图像处理方法、植被指数法和面向对象的图像分析方法对过火区制图方法进行对比研究。研究结果表明,通过面向对象的图像分析方法获得的过火区域,可以较好地适用于过火区面积的估测,该方法是一项实现定量提取过火区域的行之有效的方法。

ENVISAT-1卫星测高数据编辑标准的研究

介绍了环境卫星(ENVISAT-1)的基本情况及其主要技术参数,在借鉴其他卫星测高数据编辑标准和大量统计基础上,制定了ENVISAT-1卫星的数据编辑标准,包括冰标志和S波段异常的确定,并给出了各改正项合理的限值。

Envisat AP图像P-CFAR舰船检测方法研究

Envisat的AP数据可以在一次成像过程中得到同一场景的两幅不同极化模式的数据,使用这种数据进行船只检测可以有效的提高检测概率并降低虚警率。为利用AP数据中包含的关于目标和场景的有效信息,引入了基于向量矢量的P-CFAR检测器对交替极化数据进行检测。首先使用GIS数据对陆地区域进行了掩膜处理,剔除了陆地区域的影响。然后使用P-CFAR检测器对目标进行检测。通过检测器窗口的滑动,我们对中心像素的信息量进行计算,并将其与检测阈值进行比较,从而检测得到目标。最后,为剔除虚警,使用了一个复合目标辨识算法对检测得到的候选目标进行了辨识。为了评价该算法的检测性能,利用Envisat ASAR的交替极化数据进行了实验,实验结果表明该方法能够充分利用目标和场景的有效信息,在环境干扰较大的情况下也可以对舰船进行有效的检测。

基于ENVISAT ASAR影像与QuikSCAT风场数据的近海风能资源评价--以香港东南海域为例

以香港东南海域为试验区,利用2006-2009年39幅ENVISAT ASAR影像反演风速,并用QuikSCAT风场数据对反演结果进行验证。在此基础上,计算出研究区2006-2009年平均风功率密度,从空间分布的角度对风能资源进行评价;同时基于同期1 096幅QuikSCAT风场数据,绘制月平均风速时序变化图,从时间尺度上对风能资源进行评价。结果表明:1)综合使用ENVISAT ASAR影像和QuikSCAT风场数据可实现较高空间分辨率和高时间分辨率的结合;2)基于CMOD5模型的风速反演方法切实可行且精度较高;3)该海域风能资源丰富,可用于并网风力发电;4)该海域风速的季节变化规律明显,具体表现为冬、秋季风速较大,夏、春季风速较小。

基于Envisat数据的地物后向散射特征研究

本文采用ENVISAT ASAR的APMode(Alternating Polarisation Mode)数据,由雷达图像成像原理及物理机制入手分析广州市几种典型地物(水体、植被、建筑物)在不同极化方式下后向散射特征及其成因。在此基础上选取HH极化图像、VV极化图像及VH/VV比值图进行合成,并利用监督分类方法对该极化合成影像进行分类,与光学影像的分类结果图进行比较。结果表明:极化雷达具有探测水质的能力,建筑物的后向散射特征还与其排列方式有关,极化合成影像分类图能初步达到地物分类识别的效果。

Envisat ASAR数据共享平台的设计与实现

随着经济和社会的迅速发展,科学数据共享是一个大趋势,也是目前研究的热点之一,而卫星数据共享是科学数据共享的非常重要的组成部分。中国遥感卫星地面站是我国重要的民用对地观测遥感卫星数据接收、处理、存档和分发单位,目前已经存储的各类遥感卫星数据近百万余景,数据存储量高达100TB。为了适应我国经济建设和科学研究的需要,中国遥感卫星地面站提出了“建立国家级卫星数据共享基础平台”的目标,承担了科技部“Envisat-1ASAR雷达卫星数据共享项目”。本文介绍了地面站的Envisat-1ASAR雷达卫星数据共享系统的设计依据和实现思路,阐述了系统的若干关键技术和创新点,最后展望了系统将来的发展方向。

用D-InSAR研究巴姆地震形变场

简要介绍了D-InSAR的基本原理,并以ENVISAT卫星获取的巴姆地震数据为例,展示其在研究巴姆地震形变场中的应用及数据处理过程。

兼容光学雷达影像及地形辅助数据的扎龙湿地遥感分类

结合Landsat TM影像、Envisat ASAR的C波段雷达影像和地形辅助数据,采用决策树方法,包括分类回归树(C1assification and Regression Tree,CART)和随机森林(Random Forest,RF)算法,对扎龙湿地进行遥感分类。用实测GPS样本点对分类结果进行精度验证,并与最大似然监督分类方法(Maximum Likelihood Classification,MLC)对比。结果表明,地形辅助数据和雷达后向散射系数对湿地分类精度的提高起重要作用。基于RF算法分类结果的总精度和Kappa系数分别为92.6%和0.901,沼泽湿地的分类精度达到96.3%,较CART算法和MLC监督分类方法有明显提高。该研究提供了一种快速、高效的内陆淡水沼泽湿地遥感分类技术。

基于D-InSAR技术的伊朗巴姆地震地表形变监测

以伊朗巴姆地区为例,对伊朗巴姆地震造成的地表形变进行了差分干涉测量,得到了垂直向的同震三维形变场,并运用GIS三维分析技术对形变场进行了分析。实验结果表明,地震在巴姆城市的东侧造成了较大形变,在西侧也产生了微量形变。巴姆城市北部地块沉降,南部地块隆起。同时在巴姆城市南部可明显看到地震造成的断层。实验结果验证了基于C波段的SAR数据的D-InSAR技术在干燥地区监测地表形变方面的可行性。本文对产生去相关效应的原因进行了解释,认为对于干燥少植被的地区干涉效果较好。并指出,如果能够通过技术进步提高雷达干涉测量的精度并降低观测成本,同时将该技术与GPS、GIS等技术相结合,从而更好地研究形变机理,这将对地质灾害的研究产生重大意义。

四湖地区暴雨后涝渍害遥感空间分析

通过分析降雨前后ENVISAT ASAR IMM_1P数据,总结出运用ENVISAT ASAR IMM_1P数据反演四湖地区涝渍害的指标,即涝害的反演指标为降水前后向散射系数介于0.12～0.25且降水前后向散射系数大于降水后后向散射系数,渍害的反演指标为降水前后向散射系数介于0.12～0.25且降水后的后向散射系数较降水前的后向散射系数高0.30。并运用指标计算出2010年7月8~11日暴雨过后四湖地区涝渍害空间分布,通过利用高分辨率HJ-1-A-CCD1数据对局部地区分析比较表明反演指标能真实反映涝渍害现状。

用小波变换和中值滤波研究差分干涉图的去噪

介绍了小波变换的基本原理和图像去噪常见的滤波方法,采用几种常见滤波分别对模拟差分干涉图和EVISAT卫星获取的矿区真实合成孔径雷达(ASAR)数据的差分干涉图分别进行滤波去噪处理,并对其去噪效果进行分析。采用小波变换和中值滤波相结合的方法对矿区真实ASAR数据差分干涉图进行去噪处理,并对先中值滤波再小波变换和先小波变换再中值滤波两种方式去噪结果分别进行了分析比较,结果表明:先小波变换再中值滤波去噪后,图像保真效果较好。

四湖中下区旱地土壤表层相对湿度的遥感反演

通过对2010年5月31日ENVISAT ASAR IMM(Image mode medium-resolution image)数据的预处理,并运用中国环境资源卫星数据计算出三景(2010年1月2日、3月16日和5月23日)NDVI指数空间分布,结合地面物候特点,提取了湖北四湖中下区旱地空间分布;通过对地面0～10cm土壤含水量观测数据与对应的ASAR IMM后向散射系数的统计分析,得出了两者呈极显著的正相关关系,证明运用ASAR IMM数据反映湿润地区土壤表层相对湿度是可行的;根据旱地土壤表层相对湿度与ASAR IMM后向散射系数的统计模型,反演出2010年5月31日四湖中下区旱地土壤表层相对湿度的空间分布。

基于数据融合的浅层地下水提取技术研究

为提高浅层地下水遥感探测的准确性和效率,开辟遥感找水新思路,首次将空间分辨率为30 m的Landsat-7ETM多光谱数据和空间分辨率为150 m(Wide Swath模式)的Envisat-1 ASAR先进合成孔径雷达数据进行了融合,并利用基于主成分变换(PCA)和小波变换(WT)的融合算法成功地找到了浅层地下水信息异常带。通过实地调查和物探、钻探验证,I、II、III级找水靶区的富水性情况与预测结果基本一致,并在上述靶区找到了丰富的浅层地下水,证实了该方法的可行性和实用性,可为今后地下水快速勘察提供新的技术手段。

基于多时相SAR对农作物种植区信息的提取研究

针对我国农作物种类种植区域难以精细化统计,区域性农作物产量难以精准估计的问题,提出了基于多时相SAR,利用雷达影像,根据不同植被的后相散射机制不同的原理,并利用监督分类的方法对农作物种植区域进行高效精准划分,以此来估算农作物种植面积。以黑龙江省东部区域的某一水稻种植区域为例,根据获取的该区域的ENVISAT-1雷达影像进行时序性分析,并根据水稻生长周期的反射机制进行监督分类,获取了该区域的水稻种植面积,并通过与此地的实地调查面积比对分析,验证了此估算方法的可靠性,为此区域的水稻估产及管理提供了精准依据。

利用雷达建立近岸海域溢油污染监测体系的探索

文章首先介绍了目前发达国家所采取的沿海溢油监测监视防范体系,分析了雷达数据在其监测监视体系中的地位和作用,然后介绍了我国在沿海溢油监测监视防范体系建设方面的现状,并分析了制约雷达数据在我国实际应用中存在的问题。利用Envisat的ASAR数据对发生在西班牙海域的溢油事件进行了半自动化的溢油油膜范围的提取,给出了处理结果,并对目前国外就雷达数据在其监视监测体系中的应用方法进行了介绍。根据国内外沿海溢油监测监视体系的现状对比和国内制约因素的分析,结合实例数据的分析处理结果,表明雷达数据在沿海溢油监测中具有突出优点,未来在我国近岸海域溢油监测体系中将得到较为广泛的应用。

基于SBAS-InSAR技术的山西西山煤田地区地表形变监测

对矿区地表形变进行监测是煤炭安全生产和生态环境保护的重要前提和依据。以山西省西山煤田为实验区,利用矿区地表形变监测的典型方法——SBAS-InSAR技术,通过Envisat ASAR和Sentinel-1A雷达影像对2010年和2020年2个时期的地表形变进行了动态监测。监测结果表明:2个时段形变区域均受交城断裂和田庄断层的阻断影响,且断裂两侧区域形变的空间分布不同,引起形变的原因也可能不同;2020年地表形变累计沉降量呈"V"形反弹,沉降面积的快速减小可能与疫情对人们生产活动的影响有密切关系。与前人相似研究和GNSS实测数据对比显示,此监测结果可以在一定程度上满足实际的监测和管理需求,并为区域地表破坏及后期治理提供较为重要的依据。

基于ASAR数据的2011年四湖地区干旱遥感反演

利用ENVISAT-ASAR GM卫星监测数据,根据其后向散射系数与土壤水分呈明显正相关的特点,反演正常情况和干旱状况下江汉平原四湖地区农田土壤湿度的空间分布。通过正常情况和干旱情况的差异,计算出两个时间土壤水分的减少量,进而得出四湖地区干旱程度的空间分布。通过比较荆州气象局发布的干旱指数空间分布和荆州农业局发布的干旱面积数据资料发现,运用ENVISAT-ASAR GM卫星监测数据反演四湖地区干旱情况是可行的。

ASAR波模式数据反演参数误差与海浪条纹清晰度的相关性分析

欧洲环境卫星-高级合成孔径雷达(Environmental Satellite-Advanced Synthetic ApertureRadar,Envisat-ASAR)波模式数据提供了全球风、浪要素信息,在海浪模式预报与同化方面有重要作用。该数据合成孔径雷达(Synthetic Aperture Radar,SAR)图像普遍存在海浪条纹清晰度不同的现象,但是否影响数据精度尚无定论。本文通过比较2010年NODC(the National Oceanographic Date Center)浮标观测数据和波模式数据,发现经过官方修正后的海浪参数反而具有更大误差。进而通过对比不同条纹清晰度的SAR图像反演参数误差,揭示了ASAR产品海浪参数与浮标测量值之间的误差与海浪条纹清晰度的关系。结果表明:海浪条纹清晰的SAR图像的主波波长和主波周期的反演误差更小,而条纹不清晰SAR图像的有效波高和风速的反演误差更小。通过分析海浪参数对海浪条纹清晰度的敏感性,证实了有效波高和方位向截断波长对SAR图像条纹清晰度的响应最好,波陡次之,与卫星飞行方位角和入射角无关。因此,在反演和修正SAR波模式数据时,考虑图像的条纹清晰度,将会有效提高反演数据的精度。该研究可为高分三号等卫星的波模式数据波浪要素反演精度的提升提供有价值的参考。

基于MODIS和ENVISAT数据的湖北省四湖地区土地覆盖分类

依据ENVISAT ASAR数据中后向散射系数的差异对湖北四湖地区的城镇、水域、植被覆盖区进行划分;根据区域种植制度及物候特点,以4月下旬至5月上旬MODIS-NDVI值区别植被覆盖区中的作物植被与非作物植被;并采用基于高分辨率ETM数据的土地分类结果对基于上述规则分类的结果进行验证.结果表明:借助DEM高程数据,可将研究区非作物植被划分为林地与滩地;利用月份NDVI平均值的差异,可将作物划分为中稻、棉花和晚稻,并获得水田和旱地的区分;采用低空间分辨率的MODIS数据获得的土地覆盖分类结果,与采用高分辨率ETM数据分类的结果具有一定程度的相似性,以ETM数据分类结果为标准的总误差率为13.15%;利用上述判别流程进行大尺度土地覆盖分类与制图可以实现对区域土地覆盖变化的快速跟踪.

基于多时相ENVISat ASAR数据的冬小麦识别方法——以北京通州试验区为例

ENVISat ASAR数据在水稻识别和制图中应用研究比较深入,但对该数据用于小麦识别和制图的技术方法的研究还比较缺乏。以北京市通州区为试验区,研究了利用多时相ENVISat ASAR数据进行冬小麦识别的技术方法。应用GPS实测定位和基于高分辨率World View-1影像解译等手段获取分类精度检验数据,结果表明多时相ASAR数据可用于我国北方冬小麦的识别,对小麦—非小麦两类型的识别总精度为82.64%。