基于卫星参数预测的高分辨率光学影像精确定位方法

提出了一种基于预测的无地面控制点的高分辨率光学影像的精确定位方法。该方法利用了待校正遥感影像相邻景的成像参数，同时建立预测模型，内插或外推待校正遥感影像的成像参数，从而通过共线方程模型实现无地面控制点的高分辨率遥感影像地理定位．文中利用QuickBird影像进行实验，取得了4～5个像元校正精度。

鹫峰地区QuickBird影像纹理特征与生物量估测关系初探

以北京鹫峰地区为研究区,探索QuickBird影像纹理特征与地上乔木层生物量间的关系。基于灰度共生矩阵纹理分析方法,按照不同窗口大小(3*3,5*5,9*9,15*15,21*21)分别提取QuickBird影像多光谱和全色波段的8个纹理特征值。利用皮尔森相关系数衡量纹理特征与地上乔木层生物量间的相关性,研究表明:多光谱波段的大多数纹理特征值与生物量的相关性很低,但是全色波段的大多数纹理特征值与生物量的相关性较高。相比之下,QuickBird多光谱波段和全色波段的光谱特征值与生物量的相关性都较低,这表明,QuickBird全色波段某些纹理特征值可能在提高生物量估测方面起决定性作用。

基于高分辨率遥感影像的城市建筑密度和容积率提取方法研究

尝试利用QuickBird高分辨率卫星影像上的阴影来提取建筑物高度信息,并将其应用于计算城市建筑密度和容积率的领域中,探索一种快速、有效的估算建筑密度和容积率的方法。以重庆市渝中区为例,计算该区域的建筑密度和容积率。通过对该区建筑密度和容积率计算结果的对比,发现城市规划格局受经济影响非常大,渝中区的总体规律是:经济水平高、容积率高、建筑密度小,反之亦然。这一结果可以为研究区域的规划、土地利用提供参考信息。最后本文以楼层数为单位进行实地抽样验证,计算结果的准确率达到88.3%。表明高分辨率遥感影像在获取城市建筑密度和容积率方面有巨大的潜力。

分割尺度对面向对象树种分类的影响及评价

【目的】研究分割尺度对高空间分辨率遥感影像与星载全极化SAR数据协同面向对象树种分割与分类的影响,进而评价2种数据协同树种分类的适宜性。【方法】以QuickBird遥感影像和Radarsat-2数据为试验数据,在面向对象分类过程中采用3种分割方案(单独使用QuickBird遥感影像分割、单独使用Radarsat-2数据分割和QuickBird&Radarsat-2协同分割),每种分割方案采用10种分割尺度(25~250,步长为25),应用修正的欧式距离3(ED3_(modified))评价分割质量。对于3种分割方案采用各自特征及二者共同特征,分别应用支持向量机(SVM)分类器进行面向对象树种分类。【结果】在10种分割尺度上,QuickBird&Radarsat-2协同分割和单独使用QuickBird遥感影像分割的ED3_(modified)明显低于单独使用Radarsat-2数据分割获得的ED3_(modified)。QuickBird&Radarsat-2协同分割以分割尺度100进行分割的质量最好(ED3_(modified)=0.34)。3种分割-分类方案在小尺度上分类总精度(OA)较低,随着尺度增大,OA也再提高并在某个尺度达到最大值,之后OA随尺度增大而降低。QuickBird&Radarsat-2协同分割-分类在分割尺度100获得了最高分类精度(OA=85.55%;Kappa=0.86)。单独使用QuickBird遥感影像分割-分类在分割尺度150获得了最高分类精度(OA=81.11%;Kappa=0.82),单独使用Radarsat-2数据分割-分类在分割尺度125获得了最高分类精度(OA=66.67%;Kappa=0.68)。OA与ED3_(modified)高度相关(R^2=0.73)。【结论】在所有尺度(25~250)上,QuickBird&Radarsat-2协同使用的分割质量和分类精度高于单独使用其中一种数据源的分割质量和分类精度,相比单独使用Radarsat-2数据优势更加明显。分割尺度对面向对象树种分类结果有着重要影响。匹配良好的分割和参考对象能够得到更高精度的分类结果,同时,轻微的过度分割或分割不足不会明显影响分类结果。

QuickBird遥感数据监测植被覆盖度的研究

利用QuickBird高分辨率遥感数据,运用三波段法、NDVI像元二分法、综合法估算研究区域的植被覆盖度,并对3种方法的计算结果进行比较和检验,结果表明:3种方法的估测值与实际值之间的相关性均较高(均达到了0.84以上),其中NDVI像元二分法和综合法的相对误差不大,精度能达到92%以上。经系统性检验,NDVI像元二分法和综合法的拟合精度较高,模型的整体性较好,可用于QuickBird数据估算植被覆盖度。

基于TitanImage软件的QuickBird影像融合

基于北京东方泰坦科技股份有限公司研发具有完全自主知识产权的Titan Image7.0遥感图像处理软件平台,对QuickBird标准组合(全色0.61 m+多光谱2.44 m)影像进行像素级融合,探讨Titan Image7.0遥感图像处理平台在影像融合及评价方面的应用。结果表明:该软件以友好的全中文界面,在同一平台上以简单的操作过程即可完成影像的融合过程与质量评价指标的求算,不仅有效的避免了跨平台、语言差异等因素带来的操作不便与信息损失,而且丰富的融合算法和质量评价指标,可以完成多种影像数据的融合和质量评价;从QuickBird影像融合与质量评价结果来看,参与融合的4种算法中以Pansharp融合算法最好,其次为小波变换算法,IHS算法、PCA算法融合效果最差,这与前人的研究结果基本一致。因此,可以认为Titan Image7.0软件是一种非常好的遥感影像融合平台。

高分辨率遥感影像在城市绿地信息提取中的应用研究

高分辨率卫星遥感图像数据量大、空间分辨率高、结构信息复杂、地物同物异谱现象更为突出等特征给专题信息提取技术带来了新的挑战。基于植被的光谱特征,利用监督分类、植被指数分类和目视解译等方法对QuickBird高分辨率卫星遥感影像的绿地信息进行提取,并对分类精度作了比对分析。研究结果表明,监督分类方法不能得到令人满意的结果,运用植被指数分类方法则有明显改善,其中归一化植被指数(NDVI)精度最高,因此NDVI能有效地对植被进行分类与识别。

Quickbird影像3种常用融合方法和评价

利用Quickbird多光谱影像和全色波段影像,借助ENVI遥感图像处理软件,从主观角度和定量的方法分析该影像3种融合方法的优缺点。结果表明:HSV和Brovey变化的视觉效果优于PCA变换;HSV与Brovey变换结果光谱保持能力类似,PCA融合的图像灰度级分布离散性优于HSV融合优于Brovey变换。

湿地松NDVI与林龄、地形之间的关系

以福建省闽侯白沙国有林场为研究区,采用地形图、QuickBird遥感影像和森林经理调查资料,根据湿地松生长对海拔、坡度、坡向等立地因子的适应特点计算出归一化的地形因子综合等级,并进一步与湿地松的归一化植被指数进行相关分析.结果发现:归一化植被指数与地形因子综合等级在林龄小于19年时基本上呈正相关关系,而之后则呈负相关或不相关.联系湿地松的生长周期和经营措施,分析认为,湿地松的生长衰退及相应的林分改造措施是造成这一现象的主要原因.

水稻种植区疟疾媒介环境生产力与地面植被覆盖的关系(英文)

本文选择了肯尼亚Mwea水稻种植区中Kangichiri、Kiuria和Rurumi3个村庄-农田交错地区为观察区,分析并比较了2种卫星数据对水稻种植区疟疾媒介分布的指示情况。首先运用2005年7月获取的Quickbird(分辨率0.6m)和Ikonos(分辨率4m)卫星数据在ErdasImagineV8.7中生成观察区的地面植被覆盖图;并于2005年的7月至2006的7月观察相应地区地面蚊虫消长情况。通过对观察区的卫星数据的最大似然法监测分类,并于分类后对每一田块与灌溉渠道都用Arc Info9.1进行栅格矢量化处理(每一栅格设置唯一的标识)。所有调查的蚊虫滋生点,依照水稻的生育期的不同分为6层进行分析。然后将经差分GPS定位的每一处水稻田及按蚊产卵点都叠加到该地区的卫星底层数据上,并对不同的水体、水稻生育期、调查地点的蚊虫滋生情况进行了方差分析。结果显示,由于Ikonos只有可见光和近红外光谱分辨能力,单一的Ikonos卫星数据难以区分不同样点和分层的生境,而QuickBird具有全光谱分辨能力,可区分所有的稻田生境。因此,可根据QuickBird0.6m卫星数据的土地利用和覆盖指数和阿拉伯按蚊滋生点幼虫的增殖特性,在当地建立和应用媒介综合防治系统(IVM-Integrated Vector Management)。