收稿日期:2002207210;修订日期:2002210208
基金项目:本研究得到中国科学院K ZCX 22202项目、广东省自然科学基金032616项目资助。
作者简介:詹海刚(1968—
),男,副研究员,毕业于青岛海洋大学物理海洋学专业(理学博士)。现主要从事海洋水色遥感信息提取与应用研究,已发表论文10多篇。
文章编号:100724619(2004)0120031206
基于遗传算法的二类水体水色遥感反演
詹海刚1,2,施 平1,陈楚群1
(11中国科学院南海海洋研究所,广东广州 510301;21青岛海洋大学,山东青岛 266003)
摘 要: 提出一种基于遗传算法的二类水体水色遥感反演算法。该算法以三成分(叶绿素、悬浮泥沙与黄色物质)海水光学模型作为前向模型,以实数编码遗传算法作为优化方法,并采用一对波段比来构造目标函数。模拟反演的结果表明,该算法可以有效克服已有二类水体水色遥感优化反演方法在搜索策略方面存在的困难,是一种有较高计算效率、可靠与稳健的反演算法。关键词: 二类水体;水色遥感;优化反演;遗传算法中图分类号: TP751.1 文献标识码: A
1 引 言
随着新一代水色传感器陆续投入使用,二类水体的水色遥感引起广泛关注[1]。如何把海量的遥感数据定量化为水体环境参数信息是水色遥感界面临的重要课题。其中,反演算法是水色遥感信息定量化的三个主要研究方面之一,也是其中的一个关键。
历史上已提出多种二类水体的水色遥感反演算法。这些反演算法本质上可归结为两类。其一为建模方法,又称显式方法(explicit s olutions )[2],即利用实测或模拟数据,把海水成分浓度表示成表观光学量(如离水辐射率、遥感反射率等)的函数,这可通过统计分析、半分析或人工神经网络等方法加以实现[3—6];其二为优化方法,又称隐式方法(im plicit s o 2lutions )[2],即先选定各水体成分的初始浓度值,并由
前向光学模型求得相应的表观光学量,通过对一个度量计算与实测表观光学量之差距的目标函数的寻优迭代,不断地调整各成分的浓度,直到满足逼近条件为止,最后所得各成分浓度值即为反演值。建模方法本质上是一种预测学习方法,它沿袭了一类水体反演的基本思路,即假设研究海域的反演模型可用确定性数学式子表示,因而是一种基于海域的反演算法。实际上在二类水体海域这种假设常常并不
成立。即使成立,受学习数据的数量和代表性的影
响,建模方法的应用仍受到很大的限制[1]。优化方法是一种基于单个像元的局域性算法,反演精度高但计算量比较大。随着计算机硬件技术的飞速发展,优化方法有望成为二类水体水色遥感反演的主流算法之一。
已有优化反演方法的一个明显不足是采用局部搜索策略。二类水体水色遥感反演的目标函数是一个多波段多变量的非线性函数,存在多个局部极值,而已有优化反演方法所采用的搜索方法,如基于导数的G auss 2Newton 法[7]和Levenberg 2Marquart 法[8,9],非导数的下山单纯形算法[10]等,都是局部搜索方法。对于这些局部搜索方法,初始位置的选择对最终结果起决定性的作用,如果初始位置选择不当,则不可避免地会陷入局部极值点,导致反演结果较差甚至没有物理意义[9]。近年来发展起来的遗传算法是一种全局搜索算法,采用遗传算法作为搜索策略,有望可以克服优化反演的这个不足。
2 三成分海水光学模型
海洋水色遥感中,平静海面下,离水辐射率所携
带的水体信息可由刚好在水表面下的反射比R (λ
)来表征。根据辐射传输方程的计算结果,R (λ
)可用第8卷第1期
遥 感 学 报
V ol.8,N o.12004年1月
JOURNA L OF RE M OTE SE NSING
Jan.,2004
后向散射系数b b (λ
)和吸收系数a (λ)近似表示。R (λ)=0.33b b (λ
)a (λ)+b b (λ)(1)其中,b b (λ
)和a (λ)是水体各成分散射和吸收的简单线性和。若只考虑叶绿素(C )、悬浮泥沙(S )和黄
色物质(Y )等3种物质的贡献,则b b (λ
)和a (λ)可表示为(忽略黄色物质的后向散射)
。
图1 黄色物质与悬浮泥沙分别为0.515m -1与8.25mg/L 时目标函数的等值线图
(a )目标函数为f 1;(b )目标函数为f 2
Fig.1 C ontour plot of f 1and f 2
b b (λ
)=b b w b w (λ)+b b C b C (λ)+b b S b S (λ)a (λ
)=a w (λ)+Ca 3C (λ)+S a 3S (λ)+Ya 3
Y (λ
)(2)
(2)式中,b w (λ),b C (λ)和b S (λ)分别为纯水、叶绿
素和悬浮泥沙的体散射系数,b b w ,b b C 和b b S 分别为
纯水、叶绿素和悬浮泥沙的后向散射的比例;a w (λ
)为纯水的吸收系数,a 3C
(λ),a 3S (λ)和a 3
Y (λ)分别为叶绿素、悬浮泥沙和黄色物质的单位吸收系数,C ,X 和Y 分别为叶绿素、悬浮泥沙和黄色物质的浓度,其中黄色物质浓度以440nm 处的吸收系数表示。各系数的计算见文献[3,6]。
3 目标函数与遗传算法的设计
优化反演常常采用遥感数据与计算数据的误差
平方和作为目标函数,对SeaWiFS 数据的反演而言,此目标函数为
f 1=-
∑i
(R
m i
-R c i )
2
(3)
式中,R 为刚好在水表面下的反射比,i =1,...,6为SeaW iFS 的前6个波段,上标m ,c 分别代表测定值和计算值。图1是黄色物质与悬浮泥沙分别为固定值时目标函数的二维等值线图。可以看到,f 1对叶绿素浓度的变化不敏感,如果把它作为目标函数,可能会影响水体成分,特别是叶绿素浓度的反演精度。
32 遥 感 学 报第8卷
要提取二类水体各成分浓度,关键是要分离不同水体成分对总光谱响应的贡献。对SeaWiFS 而言,悬浮泥沙光谱贡献比较容易分离,因为与悬浮泥沙后向散射密切相关的波段6刚好位于叶绿素与黄色物质低吸收带,受后两者的干扰较小。叶绿素与黄色物质的光谱形状比较相似,其差别主要体现在波段2与波段1,尤其是波段1,
是分离叶绿素与黄色物质光谱贡献的关键波段[6,11]。历史上的反演算法多采用一对互补的波段比来实现此两成分光谱的分离[3,11]。本文也尝试采用波段比与波段相结合的误差平方和来定义目标函数:
f 2=-R m 2R m
5
-
R c 2R c
5
2
+
R m 1R m
3
-
R c 1R c
3
2
+(R m 4-R c 4)2
+(R m
6-R c 6)2
(4)
从图1可以发现,f 2对3种成分的变化都比较敏感。
我们采用G AOT 遗传算法软件[12]来实施反演算法。该软件提供多种编码方案与遗传算子。本文采用实数编码方案,即直接用浮点数串来表示成分浓度值,这种编码方案可以克服二进制编码由于Hamming 悬崖与编码过长等引起的搜索效率低、缺
乏微调功能等缺点,而且容易引入与问题相关的启发式信息以增加搜索能力。选择算子采用一种非线性排名策略,即正规化几何排名(Normalized geometric ranking )选择[12],这种选择策略根据个体的适应值
在群体中的排名来分配其选择概率,因而可以避免算法出现过早收敛和停滞现象。在杂交和变异操作中,同时使用几种算子。杂交算子包括简单杂交、算
术杂交和启发式杂交3个算子,变异算子包括边界变异、均匀变异、非一致性变异与多非一致性变异(multi 2non 2uniform mutation )4个算子[12]。这些算子
的搜索能力具有一定的倾向性,同时使用可以利用它们各自的长处,从而提高搜索的效率[13]。
4 反演试验与比较
应用3成分海水光学模型产生一组模拟数据,方法如下;将选定水体成分浓度的区间(叶绿素浓度为015—15mg ?m -3,悬浮泥沙浓度为1—30mg/L ,黄色物质浓度为0.2—2mg ?m -1)4等分,取各种成分浓度的所有组合,共125组,计算相应6个波段的R 值,将其当作测定值R m i 。如无特别说明,取如下参数值进行反演试验:群体规模为100,遗传代数为100,其它参数采用G AOT 的默认值。411 目标函数对反演结果的影响
表1给出了不同目标函数与遗传代数反演算法的反演浓度与输入浓度之间的均方根差(RMS )与可决系数(Rsq )。图2给出目标函数为f 1、遗传代数为1000,以及目标函数为f 2、遗传代数为100反演浓度
与输入浓度之间的散点图。可以看到,如果遗传代数足够大,两种目标函数都可获得较好的反演结果。采用f 2为目标函数,遗传代数为100时叶绿素的反演精度高于以f 1为目标函数,遗传代数达到1000时叶绿素的反演精度,表明采用f 2为目标函数极大地提高了反演算法的搜索效率。
表1 目标函数与遗传代数对反演精度的影响
T able 1 I nversion accuracy affected by different objective functions and generations
目标函数
遗传代数
叶绿素悬浮泥沙黄色物质
RMS
Rsq
RMS
Rsq
RMS
Rsq
f 1
100 1.9150.8630.9030.9920.0320.998500 1.0290.9630.4180.9980.0180.9991000
0.4330.9940.149 1.0000.009 1.000f 21000.3310.9960.219 1.0000.015 1.0002000.1040.9990.056 1.0000.006 1.000300
0.055
1.000
0.024
1.000
0.002
1.000
第1期詹海刚等:基于遗传算法的二类水体水色遥感反演33
412 波段组合对反演结果的影响
除R 1/R 3与R 2/R 5外,目标函数采用其它波段比,如R 1/R 3与R 3/R 5,R 1/R 2与R 2/R 5等在遗传代数为100时也有较高的反演精度(表2)。而采用R 1/
R 3或R 2/R 5等单波段比,或T assan 采用的双重波段
比(R 2/R 5)/(R 1/R 3)与(R 5+R 6)/(R 3/R 5)[3],则对提高算法的搜索效率并无帮助
。
图2 不同目标函数与遗传代数的叶绿素(C )、悬浮泥沙(S )与黄色物质(A y )的输入值与反演值比较
(a )目标函数为f 1,遗传代数为1000;(b )目标函数为f 2,遗传代数为100
Fig.2 C omparis ons of the input and the retrieved concentrations of chlorophyll (C ),suspended sediment (S )and
yellow substance abs orption (A y )
表2 波段组合对反演精度的影响
T able 2 I nversion accuracy affected by different combination of b ands
波段组合
叶绿素悬浮泥沙黄色物质
RMS Rsq
RMS Rsq
RMS Rsq
R 1/R 3,R 3/R 5,R 2,R 4,R 60.2660.9970.1021.0000.0101.000R 1/R 2,R 2/R 5,R 3,R 4,R 6
0.1930.9990.1761.0000.0121.000(R 2/R 5)/(R 1/R 3),(R 5+R 6)/(R 3/R 5),R 4
1.5760.9060.2161.0000.2480.875R 1/R 3,R 2,R 5,R 4,R 01.1410.9520.4740.9980.1100.976R 2/R 5,R 1,R 3,R 4,R 6
3.884
0.506
1.469
0.980
0.112
0.975
413 误差对反演结果的影响
实际海洋水色遥感中存在多种噪声源,这些噪声源对各波段的影响基本相似[14],因此我们对各波段的反射比加上相同的误差项,以考察算法对误差的敏感性。假定误差服从高斯分布N (0,1),分别对
R (λ
)加上10%,20%和30%三种大小的误差,反演结果列于表3。从表1与表3可以看到,对于悬浮泥
沙和黄色物质,误差对两个目标函数的反演算法的影响都不甚显著,当误差加大到30%时,又以f 1为目标函数反演算法的精度下降较快;对于叶绿素,以f 2为目标函数的反演算法对误差的敏感性较低,算法的稳定性较好。
34 遥 感 学 报第8卷
表3 误差对反演精度的影响
T able 3 I nversion accuracy affected by different errors
目标函数
遗传代数
误差大小/%
叶绿素悬浮泥沙黄色物质
RMS Rsq
RMS Rsq
RMS Rsq
f 1
1000
10 1.5920.9180.7960.9950.0230.99920 1.7130.8920.9530.9920.0930.98230
3.0360.682
4.7330.8020.2380.889f 2100100.7060.982 1.8130.9750.0940.984200.9720.964 2.4970.9440.1030.98030
1.372
0.929
4.641
0.809
0.143
0.961
414 搜索区间对反演结果的影响
实际问题中,往往很难对搜索区间有确知的先验知识,因而有必要探讨搜索区间对反演结果的影响。保持搜索区间的最小值不变,增大区间的最大值,以f 2为目标函数执行反演,结果见表4。结合
表1(搜索区间为[0.5,1,0.02]—[15,30,2])与表4
的结果,可以看出,设置足够的遗传代数,不同搜索区间下算法的反演精度并不存在显著差异,但搜索区间越小,算法的计算开销越小。换句话说,改变搜索区间对算法的计算效率有影响,但在保证算法收敛的前提下,对算法的反演精度影响不大。
表4 搜索区间对反演结果的影响
T able 4 I nversion accuracy affected by different intervals
搜索区间
最大代数
叶绿素
悬浮泥沙
黄色物质
RMS Rsq
RMS Rsq
RMS Rsq
[0.5,1,0.02]—[30,60,4]
100 1.0470.9700.6260.9970.0600.9942000.5090.9910.084 1.0000.0220.999300
0.4090.9940.057 1.0000.016 1.000[0.5,1,0.02]—[60,90,6]100 3.4090.809 2.2500.9670.2030.949200 1.4590.940 2.218 1.0000.0680.997300
0.701
0.984
0.096
1.000
0.029
0.998
415 与其它优化方法的比较
取各成分相邻浓度的中间值组成4组初始值,
采用已有二类水体优化反演使用的优化方法,如下山单纯形[10]、Levenberg 2Marquart [8,9]与G auss 2New 2
ton [7]等算法,执行目标函数f 2的反演计算,表5给
出这些优化算法不能收敛到全局最小点的样本数。
可以看到,对于不同的初始值,这些算法都存在一些反演失败的样本。
表5 其它搜索方法不能收敛到全局最小点的样本数
T able 5 Number of unsuccesses out of 125samples inverted by local optimization approaches
初始值
算法
叶绿素
悬浮泥沙
黄色物质
单纯形
Levenberg 2M arquardt
G auss 2Newton
2.3125 4.6250.2675911135.937511.8750.762527129.562519.125 1.25753541
3.1875
26.375
1.7525
2
4
1
第1期詹海刚等:基于遗传算法的二类水体水色遥感反演
35
5 结论和讨论
本文的研究表明,采用遗传算法作为二类水体水色遥感反演的搜索策略,可以获得比已有优化反演算法更为合理、可靠的结果。该算法的主要缺点是计算时间太长,尤其是采用传统方法构建目标函数时,算法的搜索效率较低,从而制约反演算法的实际应用。根据二类水体水色遥感反演的特点,利用某些波段比的信息互补性设计目标函数,则可以有效分离不同水体成分的光谱贡献,极大地提高反演算法的计算效率。充分利用先验知识的约束(如使用合适的搜索区间),采用实数编码策略并引入局部搜索能力较强的算子,也是提高反演算法计算效率的有效方法。
参考文献(R eferences)
[1] IOCCG.Rem ote Sensing of Ocean C olour in C oastal,and Other Opti2
cally2C om plex,W aters[A].Sathyendranath,S.Reports of the Inter2
national Ocean2C olour C oordinating G roup,N o.3,IOCCG,Dart2
m outh,Canada,2000.
[2] M obley C D.Light and W ater2Radiative T rans fer in Natural W aters
[M].Academic Press,1994.
[3] T assan S.Local Alg orithms Using SeaW iFS Data for the Fetrieval of
Phytoplankton Pigment,Suspended Sediment and Y ellow Substance in
C oastal W aters[J].Applied Optics,1994,33:2368—2378.
[4] Carder KL,Chen F R,Lee Z P,et al.Semianalytic M oderte2Res o2
lution lmaging S pectrometer Alg orithms for Chlorophyll a and Abs orp2
tion with Bio2optical D omains Based on Nitrate2depletion T em peratures
[J].Journal o f G eophysical Research,1999,104:5403—5421.
[5] Zhan Haigang,Shi Ping,Chen Chuqun.Inversion of Oceanic Chloro2
phyll C oncentrations by Neural Netw orks[J].Chinese Science Bul2
letin,2001,46:158—161.
[6] Sathyendranath S,Prieur,L,M orel A.A Three C om ponent M odel of
Ocean C olour and its Application to Rem ote Sensing of Phytoplankton
Pigments in C oastal W aters[J].International Journal o f Remote Sens2
ing,1989,10:1373—1394.
[7] Fischer J,D oerffer R.An Inverse T echnique for Rem ote Detection of
Suspended M atter,Phytoplankton and Y ellow Substance from CZCS
M easurement[J].Adv.Space.Res.,1987,7(2):21—26.
[8] K onrdatyev K Y A,P ozdnyakov D V,Pctterss on L H.W ater Quality Re2
m ote Sensing in the Visible S pectrum[J].International Journal o f Re2
mote Sensing,1998,19:957—979.
[9] Bukata R P,Jerome J H,K onrdatyev K Y A,et al.Optical Properties
and Rem ote Sensing of Inland and C oastal W aters[M].Boka Raton:
CRC Press,1995.
[10] D oerffer D,Fischer J.C oncentrations of Chlorophyll,Suspended M at2
ter,and G elbstoff in CaseⅡW aters Derived from Satellite C oastal
Z one C olor Scanner Data with Inverse M odeling M ethods[J].Journal
o f G eophysical Research,1994,99:7457—7466.
[11] Carder K L,Hawes S K,Baker K A,et al.Reflectance M odel for
Quantifying Chlorophyll a in the Presence of Productivity Degradation
Products[J].Journal o f G eophysical Research,1991,96:20599—20611.
[12] H ouck C,Joines J,K ay M.A G enetic Alg orithm for Function Optimiza2
tion:A M atlab Im plementation[R].NCS U2IE,1995.Available from
http://w w https://www.doczj.com/doc/8b16765550.html,/mirage/G AT oolBox/gaot/.
[13] M ichalewice Z.G enetic Alg orithms+Data S tructures=Ev olution Pro2
grams[M].Berlin:S pringer2verlag,1994.
[14] Durand D,Bijaoui J,Cauneau,F.Optical Rem ote Sensing of Shallow2
water Environment Parameters:A Feasibility S tudy[J].Remote Sens2
ing o f Environment,2000,73:152—161.
A G enetic Algorithm for R etrieval of W ater Constituents from Ocean
Color R emote Sensed Data in C ase2W aters
ZH AN Hai2gang1,2,SHI Ping1,CHE N Chu2qun1
(1.South China Sea Institute o f Oceanology,Chinese Academy o f Sciences,Guangzhou 510301,China;
2.Ocean Univer sity o f Qingdao,Qingdao 266003,China)
Abstract: The optim ization approach is one of the m ost prom ising methods for retrieval of water constituents in case2waters, but alm ost previous applications of this approach su ffer from their local search techniques.In this study,a genetic alg orithm is developed as a global optim ization scheme to simultaneously retrieve concentrations of chlorophyll,suspended sediment and yel2 low substance.T o separate the contributions to the radiance spectra by co2exiting constituents,tw o reflectance ratios were embod2 ied to the objective function,and a real2valued genetic alg orithm was used to optim ize it.The performance of the alg orithm is dem onstrated with a simulated data set.Under noise2free conditions,three water constituents are estimated accurately.T ests with noisy data show that the alg orithm is robust against errors in the reflectance data.
K ey w ords: case2waters;ocean color rem ote sensing;inversion;genetic alg orithm
36 遥 感 学 报第8卷
遥感反演土壤湿度的主要方法 遥感反演土壤湿度根据波段的不同分为3类：微波遥感土壤湿度法；作物植被指数法；热红外遥感监测法（主要是应用热惯量模型）。 1.1 微波遥感土壤湿度法 分主动微波遥感监测法和被动微波遥感监测法两种。此方法物理基础坚实，即土壤的介电特性 和土壤含水量密切相关，水分的介电常数大约为80，干土仅为3，它们之间存在较大的反差。土壤的介电常数随土壤湿度的变化而变化，表现于卫星遥感图像上将是灰度值G亮度温度Tb的变化。因此，微波遥感土壤水分的方法被广泛地应用于实际的监测工作中。 1.1.1 主动微波遥感监测法 以应用x波段侧视雷达为主，主要是后向反射系数法。因为含水量的多少直接影响土壤的介电常数，使雷达回波对土壤湿度反映极为敏感，据此可建立后向散射系数和土壤水分含量之间的函数关系。国内李杏朝据微波后向反射系数法，用x波段散射计测量土壤后向反射系数，与同步获得的X 波段、HH极化机载SAR图像一起试验监测土壤水分；田国良等在河南也应用此方法也进行土壤水分研究。主动微波遥感土壤水分精度较高，且可以全天候使用，成为监测水分最灵活、最适用、最有 效的方法，随着大量的主动微波遥感器的卫星（ERS系列、EOS、SAR、Radar sat、ADEOS、TRMM 等）的发射升空，将使微波遥感的成本不断下降，逐渐被应用于实践 1.1.2 被动微波遥感监测法 原理同主动微波遥感法。值得指出，植被在地表过程研究中的影响突出，为了消除植被的影响，必须同时重视植被的遥感监测，建立相关的计算模型。Teng等通过实验得出在浓密植被覆盖区土壤湿度监测中应避免使用19GHZ波段，此时SMMR 的6.6GHZ波段比SSM／I的19GHZ在遥感监测土壤湿度信息方面的精度更高。说明在植被较密时，为了消除植被对土壤湿度反演的影响，应尽量 选择波段较长的微波辐射计。 1.2 作物植被指数法 采用此方法是基于植被在可见光部分叶绿素吸收了70％-90％红光，反射了大部分绿光，而由 于叶肉组织的作用，后行叶片在近红外波段的反射较强。通过各光谱波段所反射的太阳辐射的比来 表达，这就叫植被指数。常用的植被指数有：归一化植被指数（Normal Difference Vegetation Index, NDVI）、比值植被指数（Ratio Vegetation Index, RVI）距平植被指数（Average Vegetation Index, AVI）和植被条件指数（Vegetation Condition Index，VCI）。 1.3 热红外遥感监测法 土壤热惯量和土壤水分的关系密切，即土壤水分高，热惯量大，土壤表面的昼夜温差小，反之 亦然。热红外遥感手段主要利用地表温度日变化幅度、植被冠层和冠层空气温差、表观热惯量、热 模型（蒸散比）估测土壤含水量[5]。 土壤热惯量法是土壤热特性的综合性参数，定义为： P = tCm (1) (1)式中：P为热惯量（J/m2 k?S1/2）；ρ为密度（kg/m3 ）；C为比热（J/kg?k）；λ为热导率。在实际工作中，常用表观热惯量来代替P： ATI=(1一A)／(Td-Tn) (2) 式中：Td、Tn分别为昼夜温度，A为全波段反照率。
定量遥感的定义 定量遥感 随着经济和科技的发展，国家的宏观决策、资源调查、环境及灾害监测等 影响国民经济发展的关键领域急需数据支持，要求数据具有空间上的宏观性， 时间上的连续性和可获取数据的全面性。而遥感技术正具备这一能力，它能够 以不同的时空尺度不断地提供多种地表特征信息。 但是与遥感卫星获取数据的能力相比，遥感数据的自动、定量化处理乃至 对遥感数据信息的理解能力与对遥感数据的有效利用却远远不足，这也是目前 制约遥感发挥作用的瓶颈问题。因此，定量遥感逐渐成为遥感发展的主要方向。 定义 定量遥感或称遥感量化遥感研究，主要指从对地观测电磁波信号中定量提 取地表参数的技术和方法研究，区别于仅依靠经验判读的定性识别地物的方法。 它有两重含义：遥感信息在电磁波的不同波段内给出的地表物质的定量的 物理量和准确的空间位置；从这些定量的遥感信息中，通过实验的或物理的模 型将遥感信息与地学参量联系起来，定量的反演或推算某些地学或生物学信息。 建模 装置在星体上的传感器，它的可测参数一般为电磁波的属性参数，也就是 电磁辐射强度、偏振度、相位差等，而我们的目的是要从这些可测参数中获得 有关目标的物理的、地理的、化学的、甚至生物学的状态参数，所以在可测参 数与目标状态参数间建立某种函数关系是实现目标参数反演的关键一步，我们 称它为建模。 遥感模型一般分为三种： 1.统计模型(即经验模型)：基于陆地表面变量和遥感数据的相关关系，对 一系列的观测数据做经验性的统计描述或者进行相关性分析，构建遥感参数与 地面观测数据之间的线性回归方程。 优点：参数少；容易建立且可以有效概括从局部区域获取的数据，简便， 适用性强；
长江口水体表层泥沙浓度的遥感反演与分析 【摘要】：水体悬浮泥沙浓度监测在海岸带环境管理中有重要的意义。常规船测法的成本较高，并且覆盖空间范围小，同步站点较少。卫星遥感数据具有明显的时间与空间优势，成为近岸Ⅱ类水体悬浮泥沙浓度反演与动态分析的重要数据源。本文以长江口及其附近水域为研究区，主要开展了以下工作：1)现场水体光谱测量。用ASDFieldSpec 光谱仪现场测量长江口Ⅱ类水体的反射率高光谱，同步采集表层0.5m 深处的水样，带回实验室用过滤称重法计算水样的泥沙浓度；同步测量流速、水体浊度等要素。2)对光谱数据进行处理，去除天空光等影响，计算水体的遥感反射率。光谱数据筛选，取平均以及一阶微分导数处理。3)分析水体反射率光谱的特征及其对表层泥沙浓度响应；基于最小二乘法，分别建立光谱反射率与泥沙浓度之间的指数形式和幂函数形式的拟合方程。选择对应常用卫星传感器波段，并且对泥沙浓度敏感的波长，建立泥沙浓度和光谱反射率之间的统计回归模式。4)对卫星遥感数据进行处理，然后从遥感数据中反演水体表层悬浮泥沙浓度；借助多期A VHRR和TM遥感影像反演的结果，对长江口泥沙分布进行遥感监测和分析。取得的成果和结论：1)水体反射光谱曲线随泥沙浓度不同而变化，并且存在两个反射峰(560～720nm和790～830nm)；波长大于500nm的光谱反射率与悬浮泥沙浓度之间具有明显的相关性，特别是690～830nm的相关系数大于0.8，对泥沙浓度较为敏感。2)基于最小二乘法，建立水体泥沙浓度和反射率之间的统
计回归模式，结果表明，利用715nm波长的光谱反射率与泥沙浓度的指数拟合回归方程对泥沙浓度估算的效果优于幂函数形式；用670nm、715nm和800nm波段建立的指数方程比810nm和860nm波段的指数方程的拟合程度高。参照常用卫星传感器的波段设置，建立了泥沙浓度和A VHRR、MODIS和TM对应波段反射率之间的统计回归模式。3)选择A VHRR、MODIS和TM数据作为主要数据源，对水体表层的泥沙浓度进行反演。根据不同时相遥感数据的结果，分析了长江口泥沙的分布受季节变化、潮流和径流影响的模式。特别是通过多年数据的分析发现，1998年、2004年和2006年分别为径流来水特丰、平水和特枯年，径流量变化对长江口泥沙分布格局有显著影响。【关键词】：遥感高光谱悬浮泥沙浓度长江口II类水体 【学位授予单位】：华东师范大学 【学位级别】：博士 【学位授予年份】：2007 【分类号】：P237;TV148.1 【目录】：摘要7-8ABSTRACT8-10附图10-12附表12-13目录13-15第一章绪论15-241.1选题背景和研究意义15-181.1.1选题背景15-181.1.2研究意义181.2国内外研究进展18-211.3研究思路和全文内容21-24第二章水色遥感的理论基础24-362.1水色遥感的原理
遥感信息智能化提取方法 目前，大部分遥感信息的分类和提取，主要是利用数理统计与人工解译相结合的方法。这种方法不仅精度相对较低，效率不高，劳动强度大，而且依赖参与解译分析的人，在很大程度上不具备重复性。尤其对多时相、多传感器、多平台、多光谱波段遥感数据的复合处理，问题更为突出。在遥感影像相互校正方面，一些商业化的遥感图像处理软件，虽然提供了简单的影像相互校正和融合功能，但均是基于纯交互式的人工识别选取同名点，不仅效率非常低，而且精度也难于达到实用要求。因此,研究遥感信息的智能化提取方法对于提高遥感信息的提取精度和效率具有重要意义。 1．遥感图像分类 遥感图像分类是遥感图像处理系统的核心功能之一，它实现了基于遥感数据的地理信息提取，主要包括监督分类，非监督分类，以及分类后的处理功能。非监督分类包括等混合距离法分类（Isodata）等。监督分类包括最小距离（Minimum Distance）分类、最大似然（Maximum Likehood）分类、贝叶斯（Bayesian）分类、以及波谱角分类、二进制编码分类、AIRSAR散射机理分类等。 自动分类是计算机图像处理的初期便涉及的问题。但作为专题信息提取的一种方法，则有其完全不同的意义，是从应用的角度赋予其新的内容和方法。传统的遥感自动分类，主要依赖地物的光谱特性，采用数理统计的方法，基于单个像元进行，如监督分类和非监督分类方法，对于早期的MSS这样较低分辨率的遥感图像在分类中较为有效。后来人们在信息提取中引入了空间信息，直接从图像上提取各种空间特征，如纹理、形状特征等。其次是各种数学方法的引进，典型的有模糊聚类方法、神经网络方法及小波和分形。 近年来对于神经网络分类方法的研究相当活跃。它区别于传统的分类方法在于：在处理模式分类问题时，并不基于某个假定的概率分布，在无监督分类中，从特征空间到模式空间的映射是通过网络自组织完成的，在监督分类中，网络通过对训练样本的学习，获得权值，形成分类器，且具备容错性。人工神经网络 (ANN) 分类方法一般可获得更高精度的分类结果，因此 ANN方法在遥感分类中被广泛应用，特别是对于复杂类型的地物类型分类，ANN 方法显示了其优越性。如 Howald(1989)、McClellad(1989)、 Hepner(1990)、T.Yosh ida(1994)、K.S.Chen(1995)、J.D.Paola(1997) 等利用 ANN 分类方法对 TM 图像进行土地覆盖分类，在不同程度上提高了分类精度；Kanellopoulos(1992) 利用 ANN方法对 SPOT 影像进行了多达20类的分类，取得比统计方法更精确的结果；G.M.Foody(1996)用ANN对混合像元现象进行了分解；L.Bruzzone 等 (1997) 在 TM－5 遥感数据、空间结构信息数据、辅助数据（包括高程、坡度等）等空间数据基础下，用 ANN 方法对复杂土地利用进行了分类，比最大似然分类法提高了 9% 的精度。与统计分类方法相比较，ANN 方法具有更强的非线性映射能力，因此，能处理和分析复杂空间分布的遥感信息。2．基于知识发现的遥感信息提取
近地表气温遥感反演方法研究进展 摘要：气温是描述陆地环境条件的重要参数，也是气象观测资料中最基本观测项目之一。结合遥感的空间分辨率高，覆盖面广，资料同步性强的特点，运用遥感方法反演气温弥补了传统方法的缺点，气象卫星的发展，为其提供了技术平台支持。本文从近地表气温反演的各种不同的方法进行阐述，分别从半统计方法、统计方法、多因子分析方法和遗传算法方面进行叙述。 关键词：气温；遥感；反演方法这 1.引言 气温是描述陆地环境条件的重要参数，也是气象观测资料中最基本观测项目之一。由于近地球表面气温控制着大部分陆地表面过程(如光合作用、呼吸作用及陆地表面蒸散过程等)，因此，气温是各种植物生理、水文、气象、环境等模式或模型中的一个非常重要的近地表气象参数输入因子[1,2]。高山、水体、植被以及土壤含水量等，以至于表现出很大的空间异质性。我们常常听说的气温，是有气象观测站在植有草皮的观测场所中离地面1.5米高的百叶箱中的温度表测得的。由于温度表保持了良好的通风性并避免了阳光直接照射，因而具有较好的代表性，这个温度基本上反映了观测地点(当地)的气温。但是随着数值预报的发展，常规的探测手段越来越不能满足现代业务预报的需要。特别是在海洋，沙漠，沙漠等的荒僻的地区，基本不可能设立气象站点，即使设立站点也十分稀疏，这就使得我们所获取的气温资料十分有限，要想研究特定位置的气温水平空间分布状况及其内部结构特征等都有一定的困难。同时在不同地形和不同景观条件下，一个气象站观测的数据能够代表的范围有很大差别，即使通过空间内插过程也不能够获得满意的气温空间分布，从影响模型模拟结果[3]。 而遥感具有覆盖面广，空间分辨率高，资料同步性强的特点，所以利用卫星遥感手段资料反演近地表的大气温度就弥补了传统手段的缺陷，不论在现实意义还是经济意义上，都是非常重要的。随着大气科学理论和遥感探测技术的迅速发展，在全球大气观测系统中，卫星探测技术将会成为中流砥柱。同时，从60年代有了气象卫星之后，给遥感反演温度提供了可靠的现实依据。 目前反演大气参数的方法基本可以分为三类：物理方法、半统计方法和统计方法。物理方法是从辐射传输方程出发，根据已知的一些大气知识对方程进行简化，从而达到求解的目的，至今对它们的物理机制认识得还很不清楚，所以极大地限制了该方法的应用与发展。半统计方法是采用物理方法与实测资料的结合，建立个大气参数间的关系，然后利用实测资料进行各参数的反演。目前在该领域采用比较多的是统计方法，它主要包括单因子线性回归分析方法、多元统计方法、Bowen 比分析方法、遗传算法和神经网络方法等，利用这些方法时需考虑多种影响因素，从而建立各因素之间的相互关系[4]。 本文具体从半统计方法和统计方法对气温反演进行研究，着重论述了统计方法反演近地表气温，考虑了热红外和微波两个波段对气温的反演。
长江口淤泥质潮滩高程遥感定量反演及冲淤演变分析 【摘要】：淤泥质潮滩作为陆海相互作用的敏感地带，滩面泥泞、潮沟密布、变化频繁，常规地形测量难度较大。由于淤泥质潮滩具有一些能被可见光和近红外传感器探测到的特征，所以遥感技术为其地形信息提取和定量反演提供了广阔的前景。本论文首先利用多时相卫星影像资料及海图资料，结合实地调查完成了上海市不同时期的滩涂资源解译工作，统计结果为探明上海市滩涂资源总量及其变化规律提供了科学依据。利用遥感水边线方法和数值模型建立淤泥质潮滩的数字高程模型(DEM)。作者在分析长江口区不同浓度水体与背景地物光谱特征的基础上，利用多时相卫星遥感影像，采用决策树方法及区域增长算法提取水边线信息，提高了水边线提取效率和精度。利用国际上成熟的水动力数值模型(Delft-3D)模拟卫星过境时刻的潮位。最后，对具有高程值的水边线系列利用不规则三角网(TIN)完成插值，生成潮滩的数字高程模型。将得到的初始高程模型输入水动力模型，细化原来的地形条件重复运行模型，并将模型结果与水边线提取结果对比，进一步微调潮滩地形，直到模型模拟的水边线与卫星影像提取的水边线满足精度要求为止。作者以九段沙为主要研究对象，为消除潮滩冲淤变化的影响，选取相近年份的遥感数据为数据源，利用上述方法建立了不同时间段内的潮滩高程模型，并通过对比分析研究了长江口深水航道工程对九段沙冲淤演变的影响。以多时相高分辨率航空影像为数据源，在分析潮滩的动力沉积、动力地貌和光谱信息特征的基
础上，进行了崇明东滩潮沟信息的提取。根据上述的提取结果研究了Horton定律在崇明东滩潮沟系统中的适用条件，并利用Horton定律及分形分维理论从定量角度分析潮沟形态变化。利用水边线高程反演技术，结合实测潮沟宽深比资料实现了潮沟地形反演，使潮滩地形得到更精细的刻画。利用大量的实测植被光谱及生态调查数据，利用主成份分析方法(PCA)分析了潮滩植被光谱信息与生态环境因子的关系，并以此为基础将植被覆盖度指数(FVC)、潮滩高程、潮沟等信息作为植被分类的辅助信息。在植被初次分类的基础上，构造模糊矩阵，根据辅助信息对不同植被类型的隶属关系对误分的像元进行二次分类，从而提高了潮滩植被分类的精度。为了得到潮滩的沉积速率，本文利用不同年份的水边线位置和实测的高程剖面，计算了潮滩不同部位的多年平均沉积速率，并分析了潮滩冲淤的空间差异及影响因素。结合上述高程反演及平均冲淤速率计算结果，探讨崇明东滩高程及沉积速率之间的相互关系。根据植被信息提取结果，研究了崇明东滩植被对潮滩沉积速率的影响，同时根据野外实测光滩区及植被区的流速、流向及悬沙浓度特征进一步研究了植被对潮滩地貌演化的影响。论文最后探讨了空间可视化技术，利用地理信息系统三维可视化功能对潮滩地形及近岸潮位、流场模拟结果进行了虚拟表达，为海洋科学研究人员进行深入、综合分析提供了技术支持。【关键词】：长江口淤泥质潮滩水动力模型分形分维模糊矩阵潮沟空间可视化 【学位授予单位】：华东师范大学 【学位级别】：博士
第39卷 第6期2011年6月 西北农林科技大学学报(自然科学版) Jo ur nal of N o rthwest A&F U niver sity(N at.Sci.Ed.) Vo l.39N o.6 Jun.2011 SPOT5遥感影像土地利用信息提取方法研究 张伐伐a,李卫忠a,卢柳叶b,康 乐a (西北农林科技大学a林学院,b资源环境学院,陕西杨凌712100) [摘 要] 目的 探讨高分辨率遥感影像土地利用信息提取方法的优劣,为研究土地利用/覆盖动态变化提供参考。 方法 以结合纹理特征的支持向量机(Support vector machine,SV M)分类和多尺度分割的面向对象分类为主要技术,对陕西佛坪长角坝乡遥感影像的土地利用信息进行提取,并将分类结果与基于传统像元的最大似然法分类结果进行比较分析。 结果 面向对象分类法的总精度达到90.67%,较结合纹理特征的SV M法提高了8.34%,而与最大似然分类法相比提高了近20.32%,克服了其他分类方法存在的同谱异物现象及分类结果中地物破碎等缺点,取得了较好的分类结果。 结论 利用面向对象分类法不仅达到了提取土地利用信息的目的,而且精度高、速度快。 [关键词] 遥感影像;土地利用信息;支持向量机;纹理特征;多尺度分割;精度评价 [中图分类号] S127[文献标识码] A[文章编号] 1671 9387(2011)06 0143 05 Study on extraction methods of land utilization information based on SPOT5 ZHAN G Fa fa a,LI Wei zhong a,LU Liu ye b,KANG Le a (a College of F or estry,b Colleg e of Resourc es and Env ironment,N or th w est A&F Univ ersity,Yang ling,S haanx i712100,China) Abstract: Objective T he study explored the effect of ex tracting approach for info rmatio n o f land uti lization based on high resolution remo te sensing im ag e to provide evidence for studying land utilization and cov er dynam ic variatio n. M ethod T his paper ex tracted the info rmation o f land utilizatio n focused on Changjiaoba to w n,using SVM classification o f tex ture feature and object or iented classification o f multi resolution seg mentatio n.The classification result w as compared w ith m ax imum likelihood classification. Then the classification result w as analyzed. Result T he ov erall classification accuracy o f object o riented w as90.67%,w hich incr eased by8.34%compared w ith SVM classification of tex ture feature and increased by20.32%com pared w ith m ax imum likelihoo d classificatio n.T his kind of classification not o nly can g et o v er the disadvantages of other classificatio ns,e.g.Spectral Similar and Ground object Fragm entations,etc. but also acquire good effectiveness. Conclusion Using the classification of object oriented can realize the purpose o f ex tracting the land utilization information,and this m ethod is accurate and fast. Key words:rem ote sensing im ag e;inform ation o f land uatilization;support v ector m achine;tex tur e fea ture;multiresolution segm entation;accuracy assessment 土地利用信息的获取,是研究士地利用和土地覆盖动态变化的基础,将遥感、地理信息系统和全球定位系统相结合,开展国土资源和环境综合调查,具有现势性强、分类周期短、资源信息更新快等优势,从而可以以最快的速度动态监测土地资源利用及环境的变化情况,及时为社会经济发展决策和制定相关规 *[收稿日期] 2010 11 29 [基金项目] 国家林业局 948 项目(2009 4 45) [作者简介] 张伐伐(1985-),男,安徽怀远人,在读硕士,主要从事 3S 技术在资源与环境中的应用研究。 E mail:zhangfafa520@https://www.doczj.com/doc/8b16765550.html, [通信作者] 李卫忠(1963-),男,陕西蒲城人,副教授,硕士生导师,主要从事森林经理学研究。E m ail:w eizhong_li@https://www.doczj.com/doc/8b16765550.html,
遥感矿物蚀变信息提取方法及ENVI下实现
蚀变岩石是在热液作用影响下，使矿物成分、化学成分、结构、构造等发生变化的岩石。由于它们经常见于热液矿床的周围，因此被称为蚀变围岩，蚀变围岩是一种重要的找矿标志。利用围岩蚀变现象作为找矿标志已有数百年历史，发现的大型金属、非金属矿床更是不胜枚举：北美、俄罗斯的大部分斑岩铜矿、我国的铜官山铜矿、犹他州的大铝矿、西澳大利亚的大型金矿、墨西哥的大铂矿、美国许多白钨矿、世界大多数锡矿、哈萨克斯坦的刚玉矿等，都属于以围岩蚀变作为找矿标志发现的矿床。 国内外遥感工作者，都在不断地设计、研制和总结对这种遥感信息的提取和识别技术。矿化蚀变信息是找矿的一个重要标志，而这些对找矿有指导意义的矿化蚀变信息常常受其它地物信息的干扰，和受遥感图像的波谱分辨率和空间分辨率的制约，往往表现的很微弱。因此，国内外学者也在不断尝试各种技术方法提取这种矿化蚀变弱信息。 本文总结了遥感蚀变信息提取的各类方法，及其在ENVI软件中的实现。 ?原理 遥感技术主要是建立在物体反射和发射电磁波的原理之上。而地物波谱特性通常都是用地物反射辐射电磁波来描述。由于地物反射发射电磁波的特性不同，其反射波谱曲线形态也有千差万别。如植物的反射波谱曲线上，在绿光波段表现由于其叶绿素的存在表现为有一强反射峰，而在短波红外波段由于叶冠组织的相互作用表现为强反射峰，在红光波段则表现为强吸收谷。 遥感地质应用中，近矿围岩蚀变形成的蚀变岩石与其周围的正常岩石在矿物种类、结构、颜色等方面都有差异，这些差异导致了岩石反射光谱特征的差异，并且在某些特定的光谱波段形成了特定蚀变岩石的光谱异常。光谱异常为用遥感图像的异常信息提取提供了理论依据。 ?方法及实现 依据矿化蚀变岩与围岩的波谱特征的差异，可采用图像增强处理方法获取矿化蚀变信息增强的图像变量，从而最终实现提取矿化蚀变信息的目的。一般图像增强突出蚀变信息有以下几种方法。 (1)蚀变干扰信息剔除 遥感数据包含地表的信息，遥感在地质方面的应用就是提取用户需要的信息，提取矿化蚀变信息的过程是计算影像中所有像素信息统计归类分析的过程，蚀变异常信息的提取对遥感图像的质量要求较高，因此首先要对遥感数据进行严格的筛选，干扰噪声小的数据，一般要求遥感数据的时相是植被发育较弱、冰雪覆盖少的季节，同时该时相的云覆盖量较少。由于受地形地貌的影响，有些因素靠数据的时相选择却难以克服，例如阴影、河流水体、高山上的冰雪、白泥地等，可以采用相应的数学方法来解决，以使阴影、水体等干扰像素的数据不参与统计分析。一方面是选择较好的数据；另一方面是对数据进行数据预处理，包括大气校正、掩膜等。 利用ENVI软件的大气校正模块flassh能快速的消除大气影响，还原地物的真实面目。有利于蚀变信息的提取。
第３６卷第１１期２０１１年１１月武汉大学学报·信息科学版 Ｇｅｏｍａｔｉｃｓ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ｏｆ Ｗｕｈａｎ Ｕｎｉｖｅｒｓｉｔｙ Ｖｏｌ．３６Ｎｏ．１１ Ｎｏｖ．２０１１ 收稿日期：２０１１－０９－ １５。项目来源：国家９７３计划资助项目（２０１１ＣＢ７０７１０６）；国家自然科学基金资助项目（４０９０６０９２，４１０７１２６１，４０６７６０９４） ；国家自然基金委创新研究群体科学基金资助项目（４１０２１０６１）；湖北省自然科学基金资助项目（２００９ＣＤＢ１０７）；武汉大学测绘遥感信息工程国家重点实验室专项科研经费资助项目；南昌大学“鄱阳湖环境与资源利用教育部重点实验室”开放课题资助项目（Ｚ０３９７５）；武汉大学博士生自主科研课题资助项目；９８５国家重点实验室仪器设备专项经费资助项目。 文章编号：１６７１－８８６０（２０１１）１１－１２８０－０４文献标志码：Ａ ＨＪ－ １Ａ／Ｂ卫星ＣＣＤ影像的武汉市东湖水色三要素遥感研究 陈莉琼１ 田礼乔１ 邱 凤１ 陈晓玲１， ２，３ （１ 武汉大学测绘遥感信息工程国家重点实验室，武汉市珞喻路１２９号，４３００７９ ）（２ 江西师范大学鄱阳湖湿地与流域研究教育部重点实验室，南昌市紫阳大道９９号，３３００２２）（３ 南昌大学鄱阳湖环境与资源利用教育部重点实验室，南昌市南京东路２３５号，３３００３１ ）摘 要：以武汉市东湖为研究区域，利用同步的ＭＯＤＩＳ－Ｔｅｒｒａ气溶胶光学厚度数据为输入参数，采用ＦＬＡＡＳＨ模型对２０１０年３月１１日ＨＪ－１Ａ／Ｂ卫星ＣＣＤ影像进行大气校正处理，并利用多年实测数据建立叶绿素ａ浓度、悬浮泥沙浓度、黄色物质吸收系数三要素神经网络反演模型，对水色三要素进行反演。通过对反演结果与实测数据的对比分析可知，悬浮泥沙浓度、黄色物质吸收系数和叶绿素ａ浓度的平均相对误差分别为２８．０５２％、１７．６２８％和３５．６２１％，表明ＨＪ－１Ａ／Ｂ卫星ＣＣＤ传感器基本能满足ＩＩ类水体水色要素的遥感监测需求。 关键词：ＨＪ－１Ａ／Ｂ卫星ＣＣＤ传感器；叶绿素ａ；悬浮泥沙；黄色物质中图法分类号：Ｐ２３７．９ 目前， 卫星遥感常用的水色传感器如ＭＯＤＩＳ等，虽然时间分辨率较高，但因为空间分辨率较低，１ｋｍ的空间分辨率难以满足中小型内陆湖泊水体水环境的监测需求；常用的陆地应用传感器如Ｌａｎｄｓａｔ ＴＭ／ＥＴＭ＋等，其空间分辨率虽然达到３０ｍ，能对中小型内陆湖泊进行监测，但由于时间分辨率为１６ｄ，也难以满足高动态水体长时间序列的遥感动态监测需求。２００８年９月６日，我国自主知识产权的ＨＪ－ １Ａ／Ｂ卫星发射升空。目前，ＨＪ－１Ａ／Ｂ卫星ＣＣＤ传感器在内陆湖泊水色要素方面的研究尚不多见，而与之类似的传感器在ＩＩ类水体的研究也多见于在悬浮泥沙浓度 反演方面的探索［ １－ ３］。本文以武汉市东湖为研究区域，采用５次现场实测光谱与实验室分析所得的叶绿素ａ浓度、悬浮泥沙浓度、黄色物质（ｃｏｌｏｒｅｄ ｄｉｓｓｏｌｖｅｄ ｏｒ－ｇ ａｎｉｃ ｍａｔｔｅｒ，ＣＤＯＭ）吸收系数建立和验证神经网络反演模型，然后应用于２０１０年３月１１日 ＨＪ－ １Ａ／Ｂ卫星ＣＣＤ影像，获取武汉市东湖水色三要素反演结果的空间分布，以期对ＨＪ－１Ａ／Ｂ卫星ＣＣＤ影像在内陆湖泊水环境遥感监测方面的能力进行评价。 １ 研究区域和数据 武汉市东湖位于武昌区东北部，水域面积为 ２７．９ｋｍ２ ，平均水深约２．２１ｍ， 最深处达６ｍ，湖中１２０多个岛渚星罗棋布，１１２ｋｍ湖岸线曲折，环湖３４座山峰绵延起伏，是全国最大的城中湖泊。目前，最大的湖区是郭郑湖，面积１２．３４ ｋｍ ２，是富营养化比较严重的湖区［４］ 。笔者分别于２００７年９月２７日、２００８年１０ 月１６日、２４日、２００９年１月１４日、２０１０年３月１１日对武汉市东湖进行了５次观测，共获取了３６ 个站位的实测光谱数据和叶绿素ａ、悬浮泥沙浓度、黄色物质吸收系数等。
遥感数字影像处理 作品名称：黄河三角洲地表温度反演 +学号： 小组成绩：
一、概述 1、作业背景： 地表温度是很多环境模型的一个重要参数，在大气与地表的能量与物质交换，天气预报，全球洋流循环，气候变化等研究领域有重要的应用。利用热红外遥感可以得到大围的地表温度面状信息，与传统的地表温度测量方式相比，具有快速、便捷、测量围大、信息连续等特点，因此利用热红外遥感数据反演地面温度得到了广泛的应用 2、作业意义： 黄河三角洲是黄河携带大量泥沙在渤海凹陷处沉积形成的冲积平原，位处黄河入处的黄河三角洲自然保护区正是以保护河口湿地生态系统和珍稀、濒危鸟类为主的湿地类型保护区。以利津为顶点，北到徒骇河口，南到小清河口，呈扇状三角形，面积5,450平方公里。地面平坦，在海拔10公尺以下。向东撒开的扇状地形，海拔高程低于15米，面积达5450平方公里。三角洲属，温带季风性气候。四季分明，光照充足，区自然资源丰富。 黄河口湿地生态旅游区占地23万亩，都处在黄河三角洲之，地貌以芦苇沼泽，湿地为主，其次为河口滩地，带翅碱蓬盐滩湿地，灌丛疏林湿地以及人工槐林湿地等。集自然景观与人文景观为一体，既有沧海桑田的神奇与壮阔，又有黄龙入海的壮观和长河落日的静美，是人们休闲、度假、观光科普的最佳场所。 二、数据介绍 数据来自地理空间数据云，Landsat 4-5 TM（陆地卫星4、5号，1982年发射后运行至今，携带有TM传感器）的相关遥感影像作为研究数据，研究黄河三角洲温度分布状况。 实验数据：2010年9月11号黄河三角洲图像（中心经度：118.8878w，中心纬度：37.4815n） 三、基本概念及技术流程图 3.1、基本概念：
遥感图像信息提取方法综述 0、遥感图像分析 遥感实际上是通过接收（包括主动接收和被动接收方式）探测目标物电磁辐射信息的强弱来表征的，它可以转化为图像的形式以相片或数字图像表现。多波段影像是用多波段遥感器对同一目标（或地区）一次同步摄影或扫描获得的若干幅波段不同的影像。 在遥感影像处理分析过程中，可供利用的影像特征包括：光谱特征、空间特征、极化特征和时间特性。在影像要素中，除色调/彩色与物体的波谱特征有直接的关系外，其余大多与物体的空间特征有关。像元的色调/彩色或波谱特征是最基本的影像要素，如果物体之间或物体与背景之间没有色调/彩色上的差异的话，他们的鉴别就无从说起。其次的影像要素有大小、形状和纹理，它们是构成某种物体或现象的元色调/彩色在空间（即影像）上分布的产物。物体的大小与影像比例尺密切相关；物体影像的形状是物体固有的属性；而纹理则是一组影像中的色调/彩色变化重复出现的产物，一般会给人以影像粗糙或平滑的视觉印象，在区分不同物体和现象时起重要作用。第三级影像要素包括图形、高度和阴影三者，图形往往是一些人工和自然现象所特有的影像特征。 1、遥感信息提取方法分类 常用的遥感信息提取的方法有两大类：一是目视解译，二是计算机信息提取。 1.1目视解译 目视解译是指利用图像的影像特征（色调或色彩，即波谱特征）和空间特征（形状、大小、阴影、纹理、图形、位置和布局），与多种非
遥感信息资料（如地形图、各种专题图）组合，运用其相关规律，进行由此及彼、由表及里、去伪存真的综合分析和逻辑推理的思维过程。早期的目视解译多是纯人工在相片上解译，后来发展为人机交互方式，并应用一系列图像处理方法进行影像的增强，提高影像的视觉效果后在计算机屏幕上解译。 1）遥感影像目视解译原则 遥感影像目视解译的原则是先“宏观”后“微观”；先“整体”后“局部”；先“已知”后“未知”；先“易”后“难”等。一般判读顺序为，在中小比例尺像片上通常首先判读水系，确定水系的位置和流向，再根据水系确定分水岭的位置，区分流域范围，然后再判读大片农田的位置、居民点的分布和交通道路。在此基础上，再进行地质、地貌等专门要素的判读。 2）遥感影像目视解译方法 （1）总体观察 观察图像特征，分析图像对判读目的任务的可判读性和各判读目标间的内在联系。观察各种直接判读标志在图像上的反映，从而可以把图像分成大类别以及其他易于识别的地面特征。 （2）对比分析 对比分析包括多波段、多时域图像、多类型图像的对比分析和各判读标志的对比分析。多波段图像对比有利于识别在某一波段图像上灰度相近但在其它波段图像上灰度差别较大的物体；多时域图像对比分析主要用于物体的变化繁衍情况监测；而多各个类型图像对比分析则包括不同成像方式、不同光源成像、不同比例尺图像等之间的对比。
基于辐射传输方程的Landsat数据地表温度反演教程 一、数据准备 Landsa 8遥感影像数据一景，本教程以重庆市2015年7月26日的=行列号为（128，049）影像（LC81280402016208LGN00）为例。 同时需提前查询影像的基本信息（详见下表） 标识日期采集时 间 中心经度中心纬度 LC81280402016208LGN002016/7/263:26:56106.1128830.30647…………………………注：基本信息在影像头文件中均可查询到，采集时间为格林尼治时间。 二、地表温度反演的总体流程 三、具体步骤 1、辐射定标
地表温度反演主要包括两部分，一是对热红外数据，二是多光谱数据进行辐射定标。 （1）热红外数据辐射定标 选择Radiometric Correction/Radiometric Calibration 。在File Selection 对话框中，选择数据LC81230322013132LGN02_MTL_Thermal ，单击Spectral Subset 选择 Thermal Infrared1（10.9），打开Radiometric Calibration 面板。 （2）多光谱数据辐射定标 选择要校正的多光谱数据“LC81230322013132LGN02_MTL_MultiSpectral ”进行辐射定标。
因为后续需要对多光谱数据进行大气校正，可直接单击Apply Flaash Settings ，如下图。 2、大气校正 本教程选择Flaash 校正法。FLAASH Atmospheric Correction ，双击此工具， 打开辐射定标的数据，进行相关的参数设置进行大气校正。 注意：如果在多光谱数据辐射定标时Scale factor 值忘记设置，可在本步骤中打开辐射定标数时设置single scale faceor 值为0.1，若已设置，则默认值为1即可。1) Input Radiance Image ：打开辐射定标结果数据；2) 设置输出反射率的路径，由于定标时候；
南海水色遥感的主因子分析* 曹文熙 钟其英 杨跃忠 (中国科学院南海海洋研究所 广州 510301) 摘 要 分析了叶绿素、黄色物质和无机悬浮颗粒等要素对海水光谱反射率的贡献,并由这些要素的光学特性正演光谱反射率,与实测结果符合较好。在此基础上,利用主成分分析方法,通过对光谱反射率数据的特征向量变换和主因子回归,建立了反演南海海水叶绿素和溶解有机碳的遥感算法。与实测结果的比较表明,叶绿素和溶解有机碳的相对误差分别达17 5%和37 4%。关键词 水色,遥感算法,主因子分析,南海 1 引 言 设R 是由n 个光谱通道测得的海水光谱反射率,它是海水中叶绿素、无机悬浮颗粒、黄色物质等水色要素的函数,可表示为: R =f (c i ) (1) 其中c i (i =1,2,3)分别为叶绿素、无机悬浮颗粒和黄色物质的浓度;f (c i )是与海水光学特性有关的函数。通常采用最小二乘法由(1)式反演水色要素含量,2个波段组合的生物-光学算法基本形式为 c i = A r B xy (2) 其中r xy 为x 波段和y 波段光谱反射率的某种组合 (如比值、和、差等);A ,B 是由具体海区生物-光学特性决定的回归参数。 CZC S (海岸带水色扫描仪)遥感数据的应用经验表明,2个波段算法存在较大的局限性。这主要是由于在海水中,各种物质成分的光谱信息叠加在一起,除浮游植物外,无机悬浮颗粒及黄色物质对离水辐射的作用同样重要。随着新一代水色遥感器如Sea WiFS 及中分辨率成像光谱仪(MODIS )光谱通道的增加,研究新一代的生物-光学算法,充分利用各光谱通道的有效信息,便有了十分现实的意义[1]。 利用主因子分析方法,探讨由高光谱信息反演水色要素含量的算法模式。 2 海水反射率光谱特征 2 1 理论分析 海水反射率定义为水中上行辐照度E u ( )与下 行辐照度E d ( )的比,即R ( )=E u ( )/E d ( )。对于给定的波长 ,海水反射率R ( )是水体吸收系数a( )和后向散射系数b b ( )的函数,其函数形式可由辐射传输理论确定。在考虑水平均匀海水的情况下,式(1)可近似地表示为[2] : R ( )=0.33 b b ( ) a( )(3) 海水光学参数a( )及b b ( )取各种物质贡献 的总和: a( )=a w ( )+c a c ( )+X a x ( )+ Y a y ( ) (4)b b ( )=b b w b w ( )+b bc b c ( )+b b x b x ( ) (5) 式中c 是以叶绿素为表征的浮游植物浓度(mg m -3),X 是悬浮颗粒浓度,以其相应的散射系数表示(m -1),Y 是黄色物质浓度,以其相应的吸收系数表示(m -1 );a w 为纯水的吸收系数(m -1 ),a c 为浮 游植物的比吸收系数(m -1 (mg m -3)-1 ),a x 为悬浮颗粒的比吸收系数(无量纲),a y 为黄色物质的比吸收系数(无量纲);b w 为海水的体散射系数(m -1),b c 为浮游植物的体散射系数(m -1),b x 为悬浮颗粒的体散射系数(m -1 );b bc ,b b w 及b x 分别为浮游植物、海水和悬浮颗粒的后向散射与总散射之比。图1为各种水色要素的吸收系数[3]。 2 2 海上试验 1993年12月和1994年9月,对南海南部海区进行了2个航次的海上生物-光学试验,试验海区为 *国家自然科学基金的资助(批准号:49406066),黄良民研究员测量分析了叶绿素浓度,在此致谢。 收稿日期:1998-04-17;收到修改稿日期:1998-12-04 第3卷第2期遥 感 学 报 Vol.3,No.21999年5月 JOURNAL OF RE MOTE SENSI NG May,1999
作品名称：黄河三角洲地表温度反演 姓名+学号： 小组成绩：
一、概述 1、作业背景： 地表温度是很多环境模型的一个重要参数，在大气与地表的能量与物质交换，天气预报，全球洋流循环，气候变化等研究领域有重要的应用。利用热红外遥感可以得到大范围的地表温度面状信息，与传统的地表温度测量方式相比，具有快速、便捷、测量范围大、信息连续等特点，因此利用热红外遥感数据反演地面温度得到了广泛的应用 2、作业意义： 黄河三角洲是黄河携带大量泥沙在渤海凹陷处沉积形成的冲积平原，位处黄河入海口处的黄河三角洲自然保护区正是以保护河口湿地生态系统和珍稀、濒危鸟类为主的湿地类型保护区。以利津为顶点，北到徒骇河口，南到小清河口，呈扇状三角形，面积5,450平方公里。地面平坦，在海拔10公尺以下。向东撒开的扇状地形，海拔高程低于15米，面积达5450平方公里。三角洲属，温带季风性气候。四季分明，光照充足，区内自然资源丰富。 黄河口湿地生态旅游区占地23万亩，都处在黄河三角洲之内，地貌以芦苇沼泽，湿地为主，其次为河口滩地，带翅碱蓬盐滩湿地，灌丛疏林湿地以及人工槐林湿地等。集自然景观与人文景观为一体，既有沧海桑田的神奇与壮阔，又有黄龙入海的壮观和长河落日的静美，是人们休闲、度假、观光科普的最佳场所。 二、数据介绍 数据来自地理空间数据云，Landsat 4-5 TM（陆地卫星4、5号，1982年发射后运行至今，携带有TM传感器）的相关遥感影像作为研究数据，研究黄河三角洲温度分布状况。 实验数据：2010年9月11号黄河三角洲图像（中心经度：118.8878w，中心纬度：37.4815n） 三、基本概念及技术流程图 3.1、基本概念：
冬小麦叶面积指数(LAI)的遥感反演 ——经验模型和物理模型方法 李淑敏 2010/12/13
?第一部分.基础知识 ?第二部分.遥感反演LAI 的方法 ?第三部分.研究实例 本次课程主要内容 叶面积指数LAI 、遥感反演 经验模型反演方法、物理模型反演方法 几何光学模型、辐射传输模型 PROSAIL 模型 硕士论文——―基于MODIS/ASTER 的区域冬小麦叶面 积指数PROSAIL 模型反演研究” BRDF 模型PROSPECT 模型、SAIL 模型
叶面积指数leaf area index ?定义：单位土地面积上植被叶片总面积。 叶片总面积/占地面积 ?陆地生态系统的一个十分重要的参数： 农作物产量预估和病虫害评价； 反映作物生长发育的动态特征和健康状况。 ?叶面积指数越大，表明单位土地面积上的叶面积越大。 那么，叶面积指数越大越好吗?? ?以冬小麦为例了解叶面积指数变化情况
图为不同群体叶面积指数消长模型（彭永欣等，1992）1—过大群体;2—高产群体;3—过小群体. 低增缓增快 增衰减LAI 消长动态分为四个时期 1. 低速增长期，叶片总数较多，但叶面积较小，总叶面积增速较低； 2. 缓慢增长期，单叶面积渐次增加，但低温条件，出叶周期延长； 3. 快速增长期，气温回升，植株生长快速，至孕穗期LAI 达峰值； 4. 衰减期，植株生殖生长，叶片消亡叶面积衰减，至成熟期LAI 为0。一个生长期内冬小麦叶面积指数变化
叶面积指数获取方法 ?实测方法 长宽法、称重法这些方法均需要消耗一定的人力进行实物测量。 借助有关测量工具例如LAI-2000、LAI-2200、LI-3100C、LI-3000、AccuPAR等，此方法仍需实地进行测量。 仅能获得地面有限点的LAI值，对于推广获取大范围LAI存在很大局限性，不能满足植被生态和作物长势监测需求 ?遥感反演方法由于遥感数据具有覆盖范围广、时间与空间分辨率高、花费相对较少等优点。 可以用定量遥感方法反演区域LAI ?作物生长模型模拟LAI