五摄影测量与遥感学(13)
?高光谱 拉普拉斯特征映射
CH 太湖水体时间序列叶绿素浓度与反射光谱特征分析=Analysis of Time-series Chlorophyll-a Concentration and Reflectance Spectra Characteristics of Lake Taihu/巩彩兰,周颖(中科院上海技术物理研究所),尹球,匡定波,陈利雄,胡勇//遥感信息.-2011(6).-42~46
对2008年5月到2009年5月采集的太湖水体反射光谱数据进行了异常数据检测、归一化等预处理后,计算了常用于叶绿素浓度反演的特征参量,包括荧光峰高度、荧光面积、特征波段比值、反射率微分;并分析建立了这些特征参量与对应叶绿素浓度的相关模型。研究表明:荧光面积、特征波段比值等与实测叶绿素浓度具有较好的相关性,而蓝绿光波段反射率比值对内陆水体叶绿素浓度反映不明显。湖泊水体的光学特征能够较好反映蓝藻的不同生长状态,太湖蓝藻随时间变化的规律大致分为5月~11月,12月~4月两个阶段。研究结果可为湖泊水体富营养化高光谱遥感监测的波段选择提供参考。图6表1参16
?湖泊富营养化 蓝藻 叶绿素a 时序光谱
CH 基于地基合成孔径雷达的弱目标检测性能分析=Performance Analysis of Weak Target Detection via G round-based Synthetic Aperture Radar/周勇胜,周梅,唐伶俐,李传荣(中国科学院光电研究院)//遥感信息.-2011(6).-47~50
合成孔径雷达(SAR)是一种主动微波成像遥感技术,弱目标检测与分类是其重要应用之一。鉴于弱目标的有效检测与SAR系统参数密切相关,为系统地研究弱目标的散射特性及其检测性能与SAR系统参数的关系,提出了一种基于地基SAR进行弱目标检测的实验研究方法。首先通过构建室内实验场景,获取了多频多极化原始SAR回波数据并进行成像处理;接着分析了不同工作频率、不同带宽条件下塑料材质目标以及干沙覆盖目标的后向散射特性;最后讨论了极化方式对检测性能的影响。实验方法和结果有助于进一步利用极化干涉SAR信息进行弱目标检测研究。图6参7
?合成孔径雷达 弱目标检测
CH 基于马尔科夫模型塔里木河下游输水区景观预测=Landscape Prediction of Tarim River A rea Based on the Markov Model/牛婷(新疆农业大学草环学院),邓铭江,李霞//遥感信息.-2011(6).-51~56
以塔里木河下游植被分布区域2000年、2002年ETM、2004年、2006年ASTER影像和景观格局分析结果为基础数据,使用马尔科夫过程模型对未来景观格局变化进行预测,并对结果进行验证,其地类模拟值和实际值之间的偏差都在0.5%之内。结果表明:2006年~2030年研究区天然植被逐年增加;沙地减少明显;河流基本维持自己的动态平衡,植被增加和沙地减少的幅度均逐渐趋于平缓,达到阈值。这预示着未来时期生态输水仍然对地类覆被变化起着积极的作用。表8参15
?马尔科夫模型 景观预测 塔里木河
CH AMSR-E积雪产品在内蒙地区的精度验证=Validation of AMSR-E Snow Depth Products in Inner Mongolia/杨晓峰(中国气象科学研究院中国气象局),郑照军,杨忠东//遥感信息.-2011(6).-61~68
使用地面积雪观测数据对2005年~2008年40°N~48°N、112°E~128°E区域的AMSR-E积雪产品进行了误差分析和精度验证,结果表明:2005年~2008年的AMSR-E积雪产品较好地反映了研究区域地面积雪信息的时间变化特征;AMSR-E积雪产品普遍地低估了地面积雪深度,相对而言,当地面积雪较薄时,AMSR-E可较好地反映积雪深度,当积雪较厚时,AMSR-E明显低估积雪深度;2005年~2006年、2006年~2007年以及2007年~2008年3个冬-春季时段AMSR-E和站点观测值的平均差值分别达7.38cm,6.87cm和22.07cm。图9表2参18
?积雪深度产品 误差分析 精度验证
CH ASTER GDEM数据介绍与程序读取=An Introduction to ASTER GDEM and Procedure Reading/康晓伟(中国科学院研究生院),冯钟葵//遥感信息.-2011(6).-69~72
2009年6月30日,期待已久的ASTER GDEM数据由日本经济产业省(METI)和美国航天局(NASA)共同发布,其空间分辨率达到了1″×1″(约30m×30m),相比2003年NASA发布的SRTM数据有了很大的提高,并且其陆地表面覆盖率也大幅提高,达到了陆地面积的99%。介绍了ASTER GDEM的相关特性以及使用程序读取该数据的方法。图1表2参7
CH 基于遥感的长沙市城市热岛效应时空分析=Temporal and Spatial Analysis of Urban Heat Island in Changsha Based on Remote Sensing Data/刘宇鹏,杨波(湖南师范大学GIS研究中心资源与环境科学学院),陈崇//遥感信息.-2011(6).-73~78
利用TM/ETM+数据,以长沙市为例,反演了地表温度,并针对不同时相的遥感数据,利用城市热岛强度来反映热岛效应强弱的变化。结果表明,长沙市的热岛空间分布与城市建成区的轮廓相吻合。城市热岛的范围随着城市建设、新建开发区以及道路交通网的发展不断增大,且在东南方向为主要增长方向。根据热岛强度鉴别并提取了强热岛区与正常区,发现长沙市强热岛区的面积已经从1993年的13.18km2扩大至2008年的68.16km2。最后,对长沙市热岛未来的发展趋势进行了预测。图5表3参19
文章来源:《测绘科学技术学报》 网址: http://www.chkxjsxbzz.cn/qikandaodu/2021/0310/509.html
上一篇:中国测绘学会召开我国测绘科学技术的发展学术
下一篇:欢迎订阅测绘学报