基于SPOT4和Landsat5 TM的不同影像融合方法质量对比研究

【目的】探究不同影像融合方法对SPOT4全色影像和Landsat5 TM多光谱影像融合效果的影响。【方法】采用13种不同的影像融合算法开展融合试验,并通过定性和定量分析的方式,对融合结果进行综合评价分析。【结果】结果表明,融合影像的信息熵相比原影像有所增强,RGB三通道的熵值分布更为均匀,主要集中在50~200之间。此外,不同地物类型对融合方法的效果产生了显著影响。对于水体和植被,Brovey、HSV、IHS和EF方法展现出了良好的光谱保真性和细节增强能力,因此更适用于目视解译。NND法在这些区域出现了轻微的光谱失真现象,导致其分类精度偏低。【结论】针对不同传感器的影像选择适当的融合方法,对于提高遥感影像的解译精度和应用价值具有重要意义。

基于SPOT4数据的黄土高原植被动态变化研究

以SPOT4／VEGETATION数据为基础，以NDVI变化率和年均NDVI值作为植被覆盖动态变化的指标，分析了1998～2005年黄土高原植被覆盖的时空动态变化特征。结果表明黄土高原地区植被动态变化显著增强，1998～2001年黄土高原的植被覆盖有所减少，幅度约为10．5％，2001年后，植被活动显著增强，植被覆盖面积呈增加趋势，2004年后稍有回落。植被生长季的延长和生长加速是该区域NDVI值增加的主要原因，黄土高原地区植被增加和减少的区域相互交错，这一特性是由农业生产活动、城市建设、政府决策及植被对气候变化的响应等综合因素作用的结果。

SPOT4遥感数据在荒漠-绿洲景观分类研究中的初步应用

应用SPOT 4多光谱遥感数据 ,结合GPS (Globalpositioningsystem)所测定的地面控制点和地面景观类型调查数据 ,对新疆塔克拉玛干沙漠南缘中部和田地区的策勒荒漠 绿洲景观分类及其特征进行了研究 .利用ERDASIMAGINE图像处理软件 ,对SPOT 4卫片进行几何纠正、投影转换和监督分类 ,形成研究区的景观分类图 ,对策勒绿洲的景观分布格局进行了定性的描述 ,并进一步探讨了SPOT及其它遥感数据在荒漠 绿洲景观研究中的应用研究前景 .

利用SPOT4与SPOT5卫星数据目视解译黑龙江省水稻种植面积精度的对比分析

以黑龙江省桦川县水稻种植集中区域为示范区,选择8 km×8 km为试验样区,分别利用SPOT4(20 m)、SPOT5(10 m)数据对水稻播种面积进行人工目视解译,并结合地面实际测量获得道路、林带、沟渠等线状地物,最后利用GIS软件对数据进行综合分析,分别求得2种数据源的水稻提取结果,以Quick-Bird(0.61 m)的解译成果为真值进行对比分析。结果表明:工作区内SPOT4(20 m)与SPOT5(10 m)数据源解译数据误差在1.20%,在黑龙江省利用SPOT4(20 m)数据人工目视解译水稻种植面积与SPOT5(10 m)的数据精度相差不大,在实际水稻种植面积提取中可以利用SPOT4(20 m)数据代替SPOT5(10 m)数据。

SPOT4-VEGETATION中国西北地区土地覆盖制图与验证

利用SPOT4 VEGETATION的遥感数据产品生成的NDVI与NDWI植被指数时间序列图像集 ,通过ISODATA非监督分类方法 ,编制中国西北地区土地覆盖图。以TM影像人工解译结果作为真实值 ,通过对西北五省共计 47个均匀分布且异质性强的 2 5km× 2 5km样本区内的土地覆盖类型及其面积进行统计分析 ,修正了SPOT4 VEGETATION的土地覆盖分类系统 ,建立了各省验证结果的样本统计直方图并计算其回归系数。结果表明SPOT4 VEGETATION中国西北地区土地覆盖图在总体上具有较高的准确性。影响遥感数据自动分类精度 ,造成土地覆盖误判的原因主要来源于两个方面 :即异物同谱和混合像元问题。对于前者通过叠加各种辅助数据如DEM等可以降低误判的机率 ;

新一代SPOT卫星——SPOT4号卫星

一、前言SPOT1号卫星是世界上第一颗高分辨率成像遥感卫星系列,于1986年2月22日用阿丽亚娜火箭发射成功。4年多时间过去,SPOT1号卫星迄今仍在正常工作(两台磁带记录仪中有一台磁带记录仪出了故障,并于1986年7月停止工作)。SPOT1图像质量也达到原系统技术要求。SPOT 计划的基本飞行目的是建立连续的 SPOT 数据库并提供服务:

HJ-1B CCD2与SPOT4 HRVIR数据在森林地上生物量反演中的比较分析

以贡嘎山地区为研究区,选取HJ-1BCCD2和SPOT4HRVIR为数据源,结合地面同步实测数据,分别采用植被指数法和主成分分析法对森林地上生物量进行估算,并基于交叉验证的方法对比分析了两种传感器估算贡嘎山森林地上生物量的效果:针对单一植被指数,基于比值植被指数构建的生物量反演模型明显优于其他植被指数,且HJ-1BCCD2的表现好于SPOT4HRVIR;在联合多种植被指数建立的生物量反演模型方面,两种数据源的估算能力基本相当,交叉验证的相关系数分别为0.545 8和0.563 4,均方根误差分别为27.811 4t·ha和27.169 6t·ha;主成分分析法则为HJ-1BCCD2传感器的表现优于SPOT4HRVIR。

珠江流域NDVI对气温和降水的响应特征

利用1999—2012年逐旬SPOT4-VGT NDVI数据和气象站点的月平均气温和降水资料,运用相关分析法研究了珠江流域NDVI在全年和季节尺度上对气温和降水变化的响应特征。结果表明,珠江流域NDVI总体上对气温变化的响应较降水显著,最大响应滞后期分别为1和2个月;春、秋季NDVI对气温变化的响应大于降水,而夏、冬季相反;NDVI对气温最大响应滞后期较长,而对降水较短。在空间分布上,NDVI对气温变化的最大响应表现为流域中部大于东部和西部,而春、冬两季中部大于东部和西部、夏季西部大于中部和东部、秋季中部大于西部和东部;而对降水变化的最大响应表现为东部大于中部和西部,春季中部大于东部和西部,夏、秋两季西部大于中部和东部,冬季东部大于中西部。