热带人工林生物物理参数及生物量对RADARSAT SAR信号响应研究

合成孔径侧视雷达穿透冠层而获得树干信息的特点使得其具有在南方NDVI易饱和地区的生物量估测方面优于光学遥感。文章利用地面实测调查数据,首次系统地研究了热带人工林生物物理参数及生物量对RADARSAT-SAR信号响应。结果表明:RADARSAT-SAR后向散射系数与森林生物量、树高、胸径可以用对数模型模拟。对于本实验区人工速生林来说,在森林生物量小于40 t.hm-2时RADARSAT-SAR后向散射系数与森林生物量具有较强相关性。桉树树高与后向散射系数的相关系数大于桉树胸径与后向散射系数关系。松树胸径与后向散射系数相关系数高于树高与后向散射系数的相关系数。研究结果为SAR在热带森林研究中的应用提供了一定的理论基础。

基于DEM的SAR图像洪水水体的提取

星载雷达遥感已广泛应用于洪水灾害的监测和评估中。但是由于其阴影与水体严重混淆 ,使得从雷达图像中提取洪水水体较为困难。为此 ,本文探讨了在地形数据的支持下 ,实现星载SAR图像洪水水体半自动提取的方法。主要包括以下几步 :首先 ,对雷达图像进行滤波处理 ,并将其与地形数据匹配 ,从雷达图像中提取出初步的洪水水体范围 ;其次 ,利用地形数据生成DEM ,并根据雷达图像的成像参数和DEM生成相应的模拟雷达图像 ;最后 ,利用模拟雷达图像上的阴影 ,剔除被误提为洪水水体的阴影 ,从而实现洪水水体的准确提取。研究表明 ,该方法能有效地、半自动地将星载雷达图像上的洪水水体提取出来 ;同时 ,该方法可以用于多种星载多模式的雷达图像的洪水水体的识别提取 ,尤其对含山区的大范围洪水水体的半自动提取 ,更为适用。

基于影象融合的干旱区城镇居民地信息提取研究

针对TM多波段图象中城镇居民地与裸地光谱特征相似难以准确提取城镇居民地信息的问题,利用雷达图象对居民地信息的敏感性,采用H IS变换方法,融合了2003年西安地区的Landsat TM和Radarsat SAR影象,并对融合影象做二类监督分类提取出城镇居民地信息,结果显示与TM图象监督分类相比,融合后的图象能很好地消除裸地对城镇居民地提取影响,其精度可达到84.21%,大大高于由TM多光谱影象监督分类所得到的精度71.79%,为提取干旱区城镇居民地信息提供一种新方法。

Radarsat SAR的森林生物物理参数信号响应及其蓄积量估测

利用地面实测数据,系统探讨了RadarsatSAR数据在森林蓄积量估测方面的应用潜力和森林生物物理参数信号响应。结果表明:RadarsatSAR后向散射系数与森林蓄积量、树高及胸径之间的关系可以用对数模型模拟;树种对后向散射系数具有一定影响;利用后向散射系数估测森林蓄积量,其精度基本符合林场大面积总体估测的精度要求,但小班水平应用效果不理想。

RADARSAT SNB SAR数据在大面积水稻估产中的应用研究

由于雷达遥感的全天候、全天时的优势,使之成为南方大范围农业信息动态监测的最佳遥感手段。为了适宜于运行系统,本研究采用加拿大雷达卫星(RADARSAT)窄波扫描模式(SNB)数据,以广东省为例进行了大范围水稻估产。通过建立稻作图谱,解决了在地形复杂、农业集约化程度低、水稻田分布不规则,且地块间田间管理水平差异很大等诸多因素影响下的水稻信息提取问题;在野外观测站采集的水稻生长期生理生态数据的基础上,建立了基于RADARSATSNBSAR的雷达遥感时序信息水稻估产模型。通过2000年早、晚两季水稻估产的实践证明,此模型估产的精度在平原区达到95%,而在复杂的丘岭谷地则需进一步提高图像预处理的精度,改进特殊地段估产模型的精度。从实用性而言,这是一套高效、经济的技术方法,易于投入实际运行阶段。

利用RADARSAT SWA SAR和LANDSAT TM的互补信息确定洪水水体范围

从ＲＡＤＡＲＳＡＴ ＳＡＲ图象中自动提取洪水水体，一直是一个急需解决而又未能得到解决的问题，主 要困难是由于阴影与水体严重相混淆。为此，本文研究发现，通过 ＲＡＤＡＲＳＡＴ ＳＷＡ ＳＡＲ图像和ＬＡＮＤＳＡＴ ＴＭ图像上的互补信息，利用ＲＡＤＡＲＳＡＴ ＳＷＡ ＳＡＲ图像和ＬＡＮＤＳＡＴ ＴＭ图象上的水体和阴影进行复合 处理，可以从ＲＡＤＡＲＳＡＴ ＳＷＡ ＳＡＲ图象上准确、半自动提取洪水水体范围。研究初步表明，该方法不仅 适用于平地洪水水体范围的半自动提取，而且更适用于包含山区的大范围洪水水体的半自动提取。

利用雷达摄影测量方法提取DEM及其精度评价

为了解雷达立体摄影测量中各项因素对最终DEM精度的影响,采用马来西亚热带雨林地区具有不同波束模式和入射角的6对Radarsat-1影像,应用两种不同的SAR成像模型,即距离/多普勒模型和等效共线方程模型,对使用雷达摄影测量方法提取DEM进行了试验。首先分析了两种成像模型不同的物理基础,然后通过比较由它们得到的DEM的精度,发现利用距离/多普勒模型提取DEM的精度优于等效共线方程模型;然后,利用研究区的数字地形图等参考资料,分析了不同轨道、不同模式、不同分辨率、不同交角的立体像对组合以及地形因素对DEM精度的影响,要得到高精度的DEM,必须综合考虑立体像对的选取和研究区的地形、地貌等特征。

SNB-SAR数据在大范围水稻种植面积调查中的应用——以广东省早稻调查为例

研究了在GIS支持下 ,RadarsatSNB -SAR数据用于广东省大范围水稻种植面积调查的方法与应用。首先 ,对SAR数据预处理 ,包括辐射校正、Frost滤波和几何精校正等 ;然后对预处理影像的后向散射值进行信息定量判断 ,结合GIS的辅助分析 ,剔除不可能是水稻信息的像元 ;最后对剔除非水稻信息后的影像进行最大似然法的有监分类 ,获取各区域水稻分布的影像并统计面积。结果表明 ,该方法对于大范围的水稻种植面积调查具有实用、快速的特点 ,其精度在平原地区具有较高的可靠性 。

基于Radarsat-2 SAR数据反演定西裸露地表土壤水分

利用Radarsat-2 SAR数据和定西地区野外土钻法及WET仪器观测的土壤水分数据，分析了同极化后向散射系数与不同土层深度土壤水分之间的关系，采用交叉极化（VV/VH）组合模型反演土壤水分并进行对比验证。结果表明：水平、垂直同极化后向散射系数均与10～20 cm土壤含水量相关性最好，相关系数R均为0．74；受地表粗糙度和土壤质地等影响，同极化后向散射系数与0～10 cm土壤水分相关性均较低。交叉极化组合模型的反演值与10～20 cm实测土壤水分相关性较高，R值达0．75，而与0～10 cm和20～30 cm实测值的相关性较低（R值分别为0．47和0．52），但均通过α＝0．05的显著性检验；WET仪器实测0～6 cm土壤水分经校正后与反演值的相关系数为0．46（通过α＝0．01的显著性检验），校正后的结果有效提高了WET仪器测量精度。交叉极化组合模型可用于裸露地表土壤水分的反演，更适用于提取10～20 cm土壤含水量信息。

基于双极化双时相RADARSAT-2的冬小麦估产模型研究

为了给农业部门提供准确的冬小麦产量评估,应用安徽省淮河流域4月底和5月初双极化星载合成孔径雷达(SAR)影像——RADARSAT-2和该区域冬小麦收割前(5月底)试验田产量资料,应用不同拟合方法建立冬小麦产量和2个时相(4月底和5月初)后向散射系数关系的估产模型;选择其余试验田对其检验,优选出最佳的估产模型,实现冬小麦大面积估产。结果表明,经计算得到了超过80%精度的估产模型和冬小麦较准确的估产结果。说明在冬小麦收割前1个月左右应用SAR进行估产,这种思路和方法是行之有效的。

星载雷达Radarsat数据产品选择及在地质探测中的应用

结合生产科研实践，在论述星载雷达成像方式及Ｒａｄａｒｓａｔ 数据产品主要特点的基础上，针对以岩性识别和构造分析为主要研究内容的地质探测领域，着重讨论分析了波束模式、视角范围、卫星姿态、时相、数据处理级别等影响数据产品选择的主要因素，并提出地质探测领域Ｒａｄａｒｓａｔ 数据产品的选择原则及参考意见，供广大遥感地质工作者在充分利用这一新型遥感数据源时参考。

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。

SAR与TM影像像元级融合方法探讨

以加拿大Radarsat SAR与美国Landsat TM影像为数据源,分别将SAR与TM的DN值转换为表征地物特征的后向散射系数和反射率,采用修正的SVR融合法进行融合,利用最佳指数法跟常用的融合方法作了定量比较.结果表明:修正后的SVR法融合后图像无论是光谱信息保持性、融合后信息量都优于常用的融合方法.

Radarsat-2全极化SAR车辆目标典型方位特性分析

Radarsat-2卫星可为普通用户提供8 m分辨率全极化SAR影像服务,这为研究基于星载全极化SAR影像的目标检测与监视提供了数据保障。针对此新型星载SAR影像中的车辆目标,本文提出以目标RCS测量和极化分解两种技术相结合的目标特性分析方法,并以同型号、典型方位的大型卡车为例,进行了不同入射角条件下的两次同步实验。利用本文提出的分析方法对实验数据进行了分析,给出了卡车目标在不同成像方式下的极化特性分析结论。为进一步研究基于星载全极化SAR影像的道路交通监测提供了基础。

热带人工林SAR散射组成及对遥感估测叶面积指数的影响

基于RADARSATSAR数据,利用MIMICS(Michigan Microwave Canopy Scattering)模型模拟森林组分(冠层、树干层、地表)雷达后向散射,模拟研究表明在稀疏的人工林地区,地表层与森林冠层的直接散射是影响森林总的后向散射中最重要的两个因素。在同样的地表条件与森林环境假设下,阔叶林的模拟结果与影像的一致性要优于针叶林,针叶林由于受到地形起伏的影响,难以利用模型模拟森林的散射情况。同时,研究发现,利用森林郁闭度可以定量的表示森林冠层直接散射与总散射的相关关系,因而在一定的条件下得到冠层直接散射。最后,对该方法进行了简单的验证。

基于RADARSAT SAR估测热带人工林叶面积指数研究

研究了雷达后向散射系数σ0与热带人工林叶面积指数(LAI)的相关性。通过对水云模型的修正,提出了一种半经验性的估测热带人工林叶面积指数方法。利用Radarsat-1 SAR数据对广东雷州人工林进行实验,验证表明,其主要林种的估测相关系数R2接近0.5。该方法充分考虑了森林的特点以及雷达成像的特性,对于估测多云雨地区热带森林叶面积指数具有一定的参考价值。

珠江口海域叶绿素a质量浓度SAR反演模型

以珠江口海域的Radarsatt-2全极化SAR数据和海域表层水面叶绿素a质量浓度实测数据为基础,利用微波散射原理及Cloude Pottier理论对SAR图像进行分解,得到平均散射角a、散射熵H及VH、VV、HH、HV等6个参数;采用BP人工神经网络模型建立上述6个参数与叶绿素a质量浓度的数学关系模型,并结合实测数据对叶绿素a质量浓度进行分类。结果表明:当隐含层节点数为9,输入层和隐含层传递函数分别为tansig和logsig,学习速率和动量系数均为0.2时的网络结构对叶绿素质量浓度反演取得了较好的效果,叶绿素a质量浓度实测值与预测值之间的决定系数(R^2)为0.826。将模型应用于不同时期的2幅图像进行验证,效果良好,与实际情况基本相符。

基于时空域密度异常的土地利用／土地覆盖短期变化检测

论文分析了时间序列遥感影像中土地利用/土地覆盖短期变化的特点及其时空异常特征,认为和环境、物候等因素造成的影像变化相比,由人为活动引起的土地利用/土地覆盖变化具有典型的时间和空间异常特征,并提出了基于密度异常的土地利用短期变化检测方法。研究工作选取珠江口地区1—5月作物生长期间的3个时间序列Radarsat雷达影像进行试验,在影像分割的基础上,构建了基于对象的特征变化矢量,并将密度异常检测算法(DBAD)扩展到变化矢量的N维特征空间上,运用随机搜索策略确定检测参数,对Radarsat时间序列变化矢量中的"小模式"事件进行了检测。检测结果认为,密度异常检测算法检测的是变化矢量在特征空间的密度分布,与变化矢量的强度和方向无关,因此能在时间序列影像中分离出由典型的、正常的作物生长或农事活动引起的影像光谱或回波变化,进而识别出由人为活动或突发事件导致的土地利用/土地覆盖变化,这是通常的图像差值等方法难以做到的。进一步的抽样检测说明,密度异常检测方法对新增建设用地的检测准确率最高(>88%);林地地表覆盖相对稳定,检测误差也很低(8%);农用地和养殖水面的异常变化检测误差在11%—22%之间;较大的检测误差主要集中在建设用地、农用地和未利用地之间的转换(16%—25%);此外,养殖水面的检测误差主要集中在河流沿岸及水面变化较大的养殖区域。影像分割结果特别是一些线状分割图斑以及混合地类图斑对误差也有一定的影响。

基于Radarsat-2数据的渔船检测与识别方法研究

采用Radarsat-2高分辨率雷达数据和实测数据相结合的方式,探索了海上渔船目标的检测和识别方法。本研究采用的方法是,首先针对渔船在图像上的表现特征,采用全局均值与一倍标准差之和替代传统双阈值法中的背景峰值,采用目标的强峰与弱峰的中间值替代目标峰值点,作为分割阈值进行目标分割;同时,根据研究海域船只实际尺寸数据和高分辨率图像(GeoEye)目视解译数据,统计取得渔船的长度范围为8.85m^38.58m,长宽比为2.86~5.80,并以此范围进行渔船识别。最后采取交互式精度评价方法,对检测和识别结果进行评价。

Radarsat-2的系统组成及技术革新分析

Radarsat-2是加拿大继Radarsat-1之后的新一代商用合成孔径雷达(SAR)卫星,它在继承Radarsat-1原有成像模式和技术特点的基础上,进行了较大范围的技术革新。总结了Radarsat-2的系统组成和性能参数,并重点分析了其包括超精细分辨率成像、全极化成像、左右视成像等在内的技术革新和技术实现。Radarsat-2作为当前十分先进的星载SAR系统,为未来星载SAR的发展指明了方向。