一、The retrieval of two-dimensional distribution of the earth's surface aerodynamic roughness using SAR image and TM thermal infrared image(论文文献综述)
陈戈,杨杰,田丰林,陈树果,赵朝方,唐军武,刘颖洁,王祎诺,苑忠浩,何遒,曹川川[1](2021)在《海洋涡旋遥感:进展与挑战》文中进行了进一步梳理海洋涡旋数量大、分布广、含能高、裹挟强,是研究物质循环、能量级联和圈层耦合的理想载体。对涡旋的全生命周期追踪观测成为21世纪以来海洋遥感领域最重要的进展之一,并引发了新一轮涡旋研究的热潮。本文从涡旋的温度异常、物质示踪、旋转流场和闭合拓扑等特征出发,简述了红外辐射计、可见光扫描仪、微波高度计、合成孔径雷达等遥感技术在涡旋观测中的机理和方法,重点阐述了卫星高度计涡旋识别与追踪算法及其在涡旋形态学、运动学和动力学中的应用。基于虚拟星座下的多参数遥感,介绍了涡旋在海洋、大气、生态等交叉学科领域的前沿应用和最新进展。指出当前涡旋遥感发展面临的亚中尺度、垂直结构、跨学科研究等3大挑战,展望了新一代遥感技术在未来海洋科学特别是涡旋海洋学研究中的应用前景。
朱程[2](2020)在《基于中等分辨率遥感图像的海岸带养殖池提取算法》文中研究指明海岸带池塘养殖作为一种重要的水产养殖方式在全球的食品、营养和经济效益方面发挥着重要作用,然而也给海岸带生态环境的可持续性带来了巨大的挑战。因此,迫切需要对池塘养殖进行有效的动态监测,以实现可持续的渔业用海管理。遥感技术可以为养殖池监测提供重要手段,特别是中等分辨率遥感图像能够实现大范围的地物覆盖,然而由于其分辨率较低导致养殖池边缘较弱以及附近诸如海洋等其它水体干扰的存在,给提取养殖池带来了较大困难。在光学遥感中养殖池提取通常采用的分类方法,需要依赖大量训练样本和费时的训练过程,且移植性较差,因此有必要研究人工参与少且移植性好的提取算法。而已有的合成孔径雷达图像(Synthetic Aperture Radar,SAR)养殖池提取方法,目前需要利用较多的辅助数据,因此有必要研究不需要辅助数据并人工参与少的提取算法。另外也有必要分析两类提取算法与已有算法的提取性能优势。因此,本文分别从中等分辨率的多光谱图像Landsat-8和SAR图像Sentienl-1出发,研究了海岸带养殖池的提取算法。本文主要研究内容如下:(1)给出了一种联合指数法和简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)的Landsat-8多光谱图像养殖池提取算法。为了避免像素的椒盐噪声和异物同谱的问题,该算法采用超像素作为研究基元,给出一种边缘断点连接策略形成闭合轮廓目标,并用其去引导超像素的生成:通过自动挑选海陆种子点构建基于归一化差异水体指数(Modified Normalized Difference Water Index,MNDWI)的线性混合模型和α水分数模型来解决水体指数阈值人工选取的问题;最后通过给出一种整合边缘特征和光谱特征的区域合并准则来去除海洋干扰目标。实验选择具有时间和空间差异的渤海、辽宁、山东和广东四个地区,通过Kappa指数和交并比(Intersection Over Union,IOU)两种性能指标与已有方法进行实验对比,本文算法的Kappa指数与对比方法相近,IOU比对比方法高出5%左右。针对Landsat-8图像,实验表明此算法不需要人工参与,同时通过针对不同地区的养殖池进行的提取实验,验证了此算法的可移植性,养殖池提取性能优于对比算法。(2)给出了一种Radon变换多特征融合的Sentinel-1 SAR图像海岸带养殖池提取算法。为了大幅提高海岸带养殖池的提取效率,给出一种基于Sentinel-1整幅图像的海岸线检测算法,通过海岸线自动确定海岸带的范围;为了解决光学图像中密集型养殖池提取难的问题,首次将Radon变换引入到养殖池的提取中,并分析Radon变换特征的特点,从极角的标准差、极径的等差数列匹配度、极角直方图的熵和极角直方图的中心聚集度四个方面来构建养殖池的特征;最后给出一种基于Radon变换直线数规则的构建方法,来实现Sentinel-1图像的养殖池提取。实验选择具有空间差异的渤海和广东两个地区,通过Kappa指数和IOU两种性能指标与已有方法进行实验对比。本文算法相比于对比方法Kappa指数和IOU均能有3%以上的提升,验证了本文算法相对于已有算法的性能优势,并且此算法不需要辅助数据,并具备人工参与少的优势。
姜灵海[3](2020)在《基于哨兵数据的土壤水分反演算法研究》文中研究指明土壤水分是一种重要的地表参数,其对全球气候、碳和能量循环以及整个生态系统都起着至关重要的作用。实时、准确、大面积的监测土壤水分对农业估产、灾害预测及评估、自然科学研究等领域具有很高的价值。合成孔径雷达拥有全天时、全天候观测地表的能力,不受云雨影响,在土壤水分反演的研究中拥有很高的关注度。哨兵1号SAR数据在具备较高分辨率和精度的同时对外免费开放,极大降低了开发成本,因此基于哨兵数据的土壤水分的反演研究具有很大的实用意义。本文的工作主要分为以下三个方面:(1)首先本文使用激光雷达扫描仪获取的地表三维点云数据来计算地表粗糙度参数。经实验发现,使用点云数据获取的均方根高度相较于传统的粗糙度测量板法精度提升了6.4%10.1%。针对传统方法采集的地表二维剖面长度不够导致相关长度计算结果偏小的问题,本文提出了一种通过随机组合地表二维剖面来延长测量长度的方法,相比于传统方法,精度提升了10.2%20.8%。精确的获取地表粗糙度有助于构建更加精准的地表散射模型。(2)结合提取到的地表粗糙度参数,利用AIEM模型构建了双极化下的半经验土壤水分反演算法。先利用水云模型结合哨兵2号光学数据获取的植被含水量去除了植被覆盖对后向散射系数的影响,得到裸土的后向散射系数集。然后使用AIEM模型建立了不同地表参数下后向散射系数的数据集,研究各地表参数对后向散射系数的影响情况。将使用模型建立的数据集与实测的地表参数相结合建立了裸土情况下后向散射系数与组合粗糙度、土壤水分的半经验模型。将其应用到研究区,并将得到的土壤水分反演值与实测数据相比较,得到整体反演精度为78.54%。(3)变化检测算法可以不依赖地表参数对土壤水分进行估算,但是它存在忽略地表粗糙度变化的缺点。本文对变化检测算法进行了改进,引入了归一化粗糙度参数的概念,通过同极化与交叉极化后向散射系数的差来消除同一地块不同时序下粗糙度变化带来的影响。结合SMAP卫星9km分辨率下的土壤水分产品,将相对含水量转化成了绝对含水量。最后将反演的土壤水分与实测数据进行比较,本文改进的变化检测算法精度可达80.67%,高于传统变化检测算法的64.24%,说明本文对变化检测算法的改进具有合理性和有效性。
祝晓坤[4](2019)在《星载SAR两关大遗址考古与边塞防御重建研究》文中认为可见光/红外(VIR),机载激光探距与测量(Li DAR)和合成孔径雷达(SAR)等遥感对地观测技术手段推动了考古技术的发展。其中,星载SAR与其他技术手段相比,具有全天时、全天候、穿透性、极化和干涉特性,不但具有强度信息,还具有相位信息,对地表考古目标可形成独特的考古标志。随着第二代星载SAR系统的涌现,多源、多时相、多模式星载SAR,逐渐成为遥感考古重要数据源之一。玉门关、阳关作为丝绸之路河西走廊通往西域北道和南道的起点,是丝路沿线两个最为重要的交通和战略枢纽。但两关大遗址研究区地处沙漠边缘,受到研究区范围广、考古环境恶劣、成像光谱解析度差等条件的制约,在古绿洲耕植规模、南塞塞障位置、及阳关定位等方面存在众多未解之谜。考虑到星载SAR在遗址探测发现以及场景重建的独特性,本文结合丝路玉门关-阳关大遗址研究区特点,从古水系和古屯田信息提取与考古发现、点-线遗址本体信息提取与预测、防御体系重建等方面,开展星载SAR两关大遗址考古与边塞防御重建研究。主要研究工作包括:第一、研究星载SAR雷达考古机理与方法。基于雷达构像几何、主要参数、后向散射特性、两代星载SAR卫星系统特点,分析星载SAR应用于地表微地形、植被和土壤考古标志识别的机理;结合两关案例,分析点-线-面考古目标SAR图像散射特征,以及散射特征与表面形态和介电特性关联;计算、模拟砂质地表不同波段、不同入射角的星载SAR理想穿透深度。并从相位和强度两方面,引入雷达干涉测量与地貌重建、SAR图像增强和考古弱信息提取等星载SAR雷达考古方法。第二、从场景尺度,基于星载SAR的地貌重建、植被考古标志识别能力,开展星载SAR两关场景古水系-屯田信息提取方法研究和考古发现。提出、研究并验证古水系-屯田信息提取方法与数据处理流程:即提出基于地貌重建、数字地形分析、水文分析和分类阈值等集成技术的古水系提取方法;针对古屯田,基于星载SAR植被考古标志,提出基于时序PALSAR-1强度特征和相干系数约束的古耕植地靶区定位方法;利用NLIn SAR无偏相干系数估计技术,开展TSX/TDX DEM水文分析和地形因子提取研究,还原了阳关遗产地唐无卤涧西行河道、上坝脑泉上游等古河道,重建汉渥洼池等古湖泊、唐大泽等古泽区范围,并首次发现西土沟下游古耕植地及周边废弃沟渠。第三、从遗址尺度,基于二代星载SAR的微地形考古标志识别能力,开展星载SAR两关大遗址考古目标提取方法研究和遗址预测。提出了遗址建模、SAR成像模拟、考古目标提取方法与数据处理流程:即针对烽燧点目标,提出基于时序Sentinel-1图像的强散射、高相干(SHS)烽燧候选点提取方法;针对塞垣和堑壕线目标,提出基于先验知识的多模板匹配(PMTM)方法;并结合SAR特征因子,提出缓冲区约束的烽燧候选点空间多尺度优化BLR遗址预测模型。应用上述方法,开展两关大遗址考古点、线隐弱信息提取研究,统计分析烽燧、长城(堑壕)等遗址规模、材质、保存状况、周围地貌等信息,模拟分析多源、多模式SAR数据在两关考古目标的特征识别能力,提取烽燧候选点并实现南北向堑壕的精确定位。将提取得到的烽燧候选点和堑壕信息、地形因子、几何拓扑特征等作为特征变量,开展烽燧遗址预测,辅助外业发现南湖烽火台(暂名)、南湖三墩(暂名)、南湖四墩(暂名)3个汉代烽燧。第四、基于遗址和场景尺度星载SAR雷达考古成果,结合考古文献和其他专题资料,开展两关大遗址研究区边塞防御体系重建。一方面,从候望烽燧子系统、塞垣防御子系统、堑壕防御子系统开展塞障防御系统重建,并基于重建结果,利用多重缓冲区推测阳关及其都尉府位置;一方面,开展军屯防御系统重建,对两关水环境和屯耕时空演变进行还原,基于重建结果,得出历史上阳关遗产地最大耕植面积是当前耕植面积近一倍的结论。研究主要贡献及创新点体现在:首次针对两关大遗址地区,提出了SAR遗址至场景尺度的遥感考古隐弱信息提取方法与数据处理流程,将两者成果集成,并实现两关防御体系的重建;通过实例验证了多源星载SAR数据,包括时序C波段Sentinel-1和L波段PALSAR-1,高精度、不同模式的TSX/TDX,在两关考古目标识别、应用环境重建和遗址探测方面的实用性;基于对丝路两关考古目标提取和防御体系重建研究,揭示了研究区塞-田-燧防御体系的原貌,为考古遗址的主动发现、自动识别与提取、数字化重建、人地关系认知提供了方法借鉴。研究结果对于揭示河西走廊关隘变迁、古绿洲兴废、环境演变、古代边防建设有重要科学价值,并可为丝路遗产地保护提供研究基础与科学支持。
幸晨杰[5](2017)在《基于机器学习的高分辨率土壤湿度反演方法研究》文中研究指明土壤湿度影响诸多的环境、气候、生态、经济过程。以更高的分辨率观测土壤湿度可以更高精度地实现农业、河流流域管理,更及时地监测和预警滑坡和泥石流灾害。卫星遥感观测土壤湿度经济、便利、覆盖广泛,但无法避免观测间隙。为实现高分辨率土壤湿度观测,必须有机融合多源异构的观测数据。开展土壤湿度遥感观测前必须选择合适的传感器,这将面临大量传感器不尽相同的观测能力为选择带来的困难。在选择多光谱成像仪开展土壤湿度观测后,还需补足由于不良天气和卫星重访间隔带来的观测间隙,才能满足高分辨率观测需求。这可以与时间连续的地面观测数据融合实现,但必须面临二者大相径庭的观测尺度造成的土壤湿度观测结果对立统一的关系。要在没有地面观测数据的区域弥补云雾遮挡导致的观测间隙,可以融合SAR遥感观测数据以利用主动微波遥感穿透云雾的优势,但还需协调统一不同传感器的土壤湿度观测机理。因此,本文从土壤湿度遥感传感器能力评价和聚类、土壤湿度点面观测数据融合建模、SAR-多光谱成像仪土壤湿度遥感数据融合建模三方面开展研究,基于机器学习算法结合人工神经网络模型提出了一种聚类算法、两种融合模型和算法,以依据土壤湿度潜在观测能力评价及聚类星载成像传感器、改进星地土壤湿度观测数据融合模型提高融合精度、融合光学和SAR遥感数据弥补光学遥感观测间隙。为了解决土壤湿度遥感观测中将要面临的上述三大问题,本文第2章归纳介绍了机器学习算法的种类和各类算法可以针对解决的问题,介绍了各类人工神经网络的结构特点和因此带来的应用优点。通过分析,本文认为高分辨率土壤湿度观测中的上述三大问题是一个聚类问题和两个非线性回归问题,并得出了可以使用机器学习训练人工神经网络模型解决这三大问题的结论。土壤湿度遥感卫星传感器数量大、种类多、特征各异,现有的传感器观测能力评估研究成果尚不足以统一定量地评估它们在非特定的土壤湿度遥感观测中的潜在观测能力,也不能依据此能力将传感器聚类,无法有效为土壤湿度遥感观测选择合适的传感器。针对这一难点,本文第3章分析了土壤湿度遥感观测对星载成像传感器的能力需求,针对需求选取了传感器观测能力设计参数,设计了仿真实验提取传感器观测能力仿真参数,设计了用主成分分析综合两种参数、量化评估传感器土壤湿度潜在观测能力的方法,并设计了通过无监督机器学习训练自组织神经网络、在量化评估的基础上将传感器依据上述能力聚类的方法。与现有传感器观测能力评价方法相比,该方法不依赖人工干预,可以一次性分析量化多个传感器在不特定的土壤湿度观测任务中潜在的观测能力,并能根据这一能力将待选择传感器聚类成适合不同种类土壤湿度观测任务的子集,有助于传感器规划阶段快速合理地选择适合土壤湿度观测任务的传感器。融合星地观测数据可以恢复光学遥感不能覆盖的情形下的区域土壤湿度信息,现有的星地数据融合方法选用线性模型关联地面传感器和多光谱成像仪的土壤湿度观测值。但二者空间尺度差异巨大,复杂的环境导致二者之间的关系用线性模型无法准确建模,容易产生并累积误差。针对这一难点,本文第4章提出了一种星地数据融合改进模型,选用了前馈神经网络替代线性模型关联星地土壤湿度观测值,设计了基于监督学习的数据融合方法,借助历史观测数据训练前馈神经网络成为土壤湿度星地融合模型。与现有融合方法相比,应用该改进模型的融合算法可以获得更高的土壤湿度图像恢复精度和准度。在没有地面观测数据的地区,使用SAR观测土壤湿度也可以弥补多光谱成像仪在有云覆盖时无法观测的缺憾。现有的SAR 土壤湿度反演模型难以利用两种极化SAR数据在土壤表面粗糙度、土壤种类等环境变量未知的情况下在不特定区域开展反演。针对SAR反演土壤湿度受众多环境因素影响的难点,本文第5章分析了 SAR观测土壤湿度的原理、物理模型和影响因素,设计了基于级联神经网络的极化SAR后向散射系数计算土壤湿度的模型,选择了五种环境和时间变量作为辅助输入,设计了基于监督学习的融合方法,融合SAR后向散射系数数据、环境和时间变量、光学遥感土壤湿度历史数据训练上述神经网络,使神经网络包含其余环境因素对土壤湿度反演的影响,从而建立了用SAR代替多光谱遥感观测土壤湿度的模型。与现有SAR后向散射系数反演土壤湿度算法相比,该方法既无需输入土壤粗糙度变量观测值,也比经验模型和半经验模型有更广泛的适用范围。为了证明上述三大方法的可用性、互相之间的关联性,本文第6章设计了融合三大算法的综合验证实验,并在专为综合实验选定的实验区域开展了综合实验。经逐一应用本文提出的传感器潜在观测能力聚类算法、星地协同土壤湿度重建算法、雷达-光学数据融合算法,综合实验先后选定了在实验区开展土壤湿度观测的多光谱成像仪和合成孔径雷达传感器,重建了由于重访间隔缺失的雷达过境时刻的实验区光学遥感土壤湿度图像,融合光学、雷达、环境、时间数据建立了实验区6类地面的雷达土壤湿度反演模型,并用这些模型从雷达观测数据反演了实验区的土壤湿度。通过分析实验结果,综合实验验证了本文提出的三大算法的可用性、可重现性,算法精度较高,稳定性较好。展望未来,上述三大方法还可以有进一步研究的空间。传感器观测能力聚类方法还可以同观测资源数据库连接,开发自动化的传感器覆盖仿真环境,自动获取传感器能力参数,提高效率;融合星地观测数据恢复光学遥感土壤湿度的方法,还可以结合产生式模型建模地面观测和区域中更多位置的遥感观测数据间的关系,直接从地面土壤湿度观测值恢复更多位置的土壤湿度观测值,提高整体恢复精度;融合SAR和多光谱遥感数据计算土壤湿度的方法,还可以使用迁移学习建立可以在不同地区、不同传感器间迁移应用的融合模型,提高模型可移植性。本文的创新点主要体现在三个方面:(1)本文从分析土壤湿度观测对传感器的需求出发,提出了基于自组织神经网络(SOM)的成像卫星传感器土壤湿度潜在观测能力定量评价和聚类方法,可以实现针对非特定的高分辨率土壤湿度观测任务,在观测前评价传感器的潜在观测能力并聚类传感器,为上述观测任务提供传感器选择的参考;(2)本文从不同尺度土壤湿度观测结果对立统一的原因出发,提出基于前馈神经网络的星地土壤湿度观测数据融合模型,可以更高精度地融合星地土壤湿度观测数据,提高了一种土壤湿度图像恢复算法的精度和准度;(3)本文从分析SAR后向散射系数的影响因素和反演土壤湿度的物理模型出发,提出了基于级联神经网络融合SAR-光学遥感土壤湿度数据的光学遥感土壤湿度重建模型,可以联合高分辨率SAR后向散射系数数据和环境变量数据计算土壤湿度,弥补光学遥感土壤湿度观测受天气干扰的不足。
沙敏敏,张风丽,符喜优,王国军,邵芸[6](2016)在《基于SAR数据的城市空气动力学粗糙度研究》文中研究指明空气动力学粗糙度是表征下垫面空气动力学特征的重要参数。雷达遥感是空气动力学粗糙度研究的一种有效手段。利用20062011年的22景多时相ALOSPALSAR数据,分析了北京市北部地区后向散射系数的方向及尺度特征,同时利用多层风速、风向观测资料计算得到了空气动力学粗糙度,并在不同尺度和方向上分析了两者的相关性,得出上风向扇形区域半径为2 500m,夹角为30°时扇形区域内的后向散射系数与空气动力学粗糙度的相关性最大,表明SAR图像可以有效表征城市下垫面地表的空气动力学粗糙特性。这一结论为城市空气动力学粗糙度雷达遥感反演提供了重要基础,将为大气边界层模型和区域气候模型提供更精确的输入。
黄曦[7](2014)在《高真实感红外场景实时仿真技术研究》文中进行了进一步梳理红外场景实时仿真技术通过生成目标、背景的红外特性并模拟红外成像系统的实际工作方式,具有可靠、无破坏性、可多次重复、不受气象条件和场景空域限制、控制灵活等特点,能够降低研发风险、缩短研制周期、节约研究与试验经费,具有重要的军用和民用应用价值。而随着个人计算机与图形处理单元相结合的仿真硬件在运算性能上的飞速进步,进行更真实、复杂的物理现象与过程实时模拟成为可能,使得基于GPU构建红外场景实时仿真软件,并提高软件各子模块的拟真度越来越为研究者所重视。本文以建设系统化、基于物理的、高真实感、实时红外场景仿真软件为目标,对通用仿真框架设计、红外纹理生成、辐射特征渲染与大气传输效应仿真等关键问题进行了研究,开展的具体工作如下:第一部分研究基于GPU的红外场景实时仿真框架设计。分析了红外场景仿真的相似理论与复合系统的全链路关系,剖析了国外典型红外场景仿真软件的框架特点、模块组成与图像生成流程,总结出红外场景实时仿真框架应遵循的模块化、层次化、系统化及实时优化等设计准则。依据设计准则,完成了红外场景实时仿真框架与子模块设计,模块具备低耦合与高内聚特点,易于扩充与修改;工作层次分解为“数据管理-建模与设计-图像生成”三层结构,层中数据接口稳定,层间交流清晰、方便;模拟成像链路,实现了“目标-背景-大气-成像系统”的复合系统设计;对仿真模块基于物理建模,保障计算结果物理可信;在高级渲染引擎基础上构建基于GPU的三维红外渲染引擎,提高了稳定性,降低了开发难度。通过构建红外导引头半实物仿真试验系统验证了仿真框架的可用性。第二部分研究高真实感红外纹理生成方法。依据红外辐射计算理论设计了红外场景GPU实时仿真框架所用的红外物理纹理格式。分析了实测法与数字仿真方法生成目标红外纹理的优缺点互补性,提出了将测量图像与数学反演模型结合来生成准确、自然、细节丰富的目标表面温度场分布,再结合三维渲染技术实现灵活的目标红外图像仿真,得到了一种基于实测反演方法的目标红外纹理生成方法。分析了由于实测法红外数据获取困难、成本高,而人工设计法生成的大规模地物红外纹理边界生硬、细节重复等问题,采用可见光遥感图像分割获取了准确、自然的地物材质区域分布,然后分别从材质的可见光光学属性变化、地物海拔变化、相邻区域热传递等方面对温度分布细节进行了基于物理模型的调制,得到了一种基于可见光遥感图像生成大规模地物红外纹理的改进方法,应用于三维地表仿真,生成的红外图像真实感强,实用性好。第三部分研究复杂场景本征红外辐射特征实时渲染方法。针对红外本征辐射计算方程光谱与空间积分耗时问题,明确了方程的简化条件,得到了基本红外局部光照模型,进一步基于事先辐射特征评估实现了不同情景的红外局部光照模型优化。针对光照模型物理量难以实时计算的问题,进行了基于GPU的物理量查找表预计算。针对实时渲染时单位时间方程计算量庞大问题,根据方程间相互独立的特点采用GPU平台进行并行计算加速,实现了基于实时辐射特征评估的不同表面辐射方程加速计算。以GPU为计算核心将上述方法融合为一体,得到了一种适用于复杂场景的综合实时辐射渲染方法,实现了实时性与准确性的同时保障。第四部分研究高精度红外大气传输效应实时仿真方法。研究了平均透过率衰减在不同波段、辐射体条件下的误差,提出了基于有效均值的辐射衰减计算方程光谱耦合辐射项分解方法,将光谱辐射方程改进为基本辐射项与有效平均因子之间的简单四则运算;利用索引参数变采样间距、函数拟合等方法解决了生成大气透过率、有效平均因子等高维物理量的GPU查找表时的容量与维度优化问题;基于GPU实现了衰减方程的并行计算,得到了一种高精度、实时、普适的红外大气传输效应仿真方法。
朱彩英,张仁华,王劲峰,孙晓敏,朱治林[8](2004)在《运用SAR图像和TM热红外图像定量反演地表空气动力学粗糙度的二维分布》文中认为在分析“陆地表面与大气相互作用”研究领域对地表空气动力学粗糙度二维分布的科学需求后,确定以SAR(Synthetic Aperture Radar)图像的后向散射系数与地表的几何特征参数、介电常数等参数具有定量关系的SPM(Small Perturbation Model)模型为基础,提出了运用TM热红外图像和地面同步观测的微气象数据相结合的热惯量-土壤湿度反演模型,获取了试验区内土壤表层的湿度信息,通过与介电常数的链结,从SAR图像的后向散射的复合信息中解析出像元尺度的非体散射地表的几何特征信息;经过形态因子的转换,在SAR图像和TM图像空间尺度转换的基础上得出非植被区的等效几何粗糙度信息。再应用作物高度的光谱模型,计算出试验区的作物高度后,转换为等效几何粗糙度。采用分层镶嵌等图像处理方法,生成了试验区像元尺度的地表等效几何粗糙度的二维分布图。根据大气湍流理论和大气稳定度订正方法,对测量的大气温度剖面数据和风速剖面数据进行迭代运算,获取了试验区内裸土及小麦植被等类型地表风浪区的空气动力学粗糙度实测值。在分析风浪区等效几何粗糙度、动力因子、热力因子对空气动力学粗糙度的共同作用后,建立了由地表等效几何粗糙度向空气动力学粗糙度转换的尺度转换模型。运用实测值验证了这一系列模型最终反演结果,表明整
尹聪颖[9](2009)在《多源卫星遥感影像配准技术研究》文中研究表明图像配准技术是机器视觉、模式识别、医学图像分析、遥感图像处理等诸多领域中的研究热点。本文在分析与探讨多源卫星图像配准技术难点的基础上,以RADARSAT-1合成孔径雷达图像及Landsat-5专题制图仪光学卫星图像为对象,对多传感器卫星图像配准技术进行了研究。在对目前国际上较为流行的边缘提取方法进行分析后,首先提出了一种Canny边缘检测算子与小波变换相结合的边缘提取方法,实现SAR图像不同方向上的边缘提取,得到更精确、更丰富的边缘信息。其次,用区域生长的方法实现闭合区域提取,以闭合区域所含像素点数与闭合区域长半径作为区域匹配的特征实现闭合区域匹配,并采用同名闭合区域重心作为TM图像与SAR图像配准的同名点实现图像配准。再次,在实现SAR图像与TM图像配准的基础上,采用谱间关系法实现TM图像水体提取,根据SAR图像与TM图像配准时各区域的对应位置关系确定SAR图像水体区域,实现SAR图像中水体与阴影部分的分离。最后,采用Matlab对取自中国东南部的SAR与TM图像进行配准实验,并对实验结果进行了分析。实验结果表明,基于闭合区域的图像配准方法能够实现SAR图像与TM图像的自动配准。在ENVI环境下,应用谱间关系法提取TM图像水体区域,进而实现SAR图像水体提取。
马媛[10](2007)在《新疆土壤湿度的微波反演及应用研究》文中指出土壤湿度是气候、水文、生态和农业等方面研究的一个重要的基础参数,它直接控制着陆面和大气之间水、热量的输送和平衡。土壤湿度的变化会引起土壤热学特性、地表光学特性的改变,从而影响气候的变化。区域性和大尺度的陆地土壤湿度变化信息对于陆气交互作用平衡和陆面水文研究、改善区域及全球气候模式预报结果、水涝和干旱的监测、农作物生长态势评估、自然和生态环境问题的研究等都是十分关键的因素。因而,研究区域或大范围的土壤水分以及估测土壤含水量有着特别重要的意义,这也是目前国际上研究的一个重要课题之一。传统的地面观测站网络不能满足大尺度土壤水分的时间、空间连续动态变化研究的需要。在光学遥感方面,虽然目前有许多在轨运行的光学传感器可以用于可见光—近红外—热红外等光学遥感手段来获取地表的土壤水分时空分布信息。但它不像工作在波段比较长的微波遥感那样可以穿透云层、植被覆盖等对地表进行观测,并且工作在短波范围内的电磁波信号受大气干扰比较大,这些因素都限制了光学遥感在土壤水分遥感监测中的应用。研究表明,微波遥感是电磁波谱中唯一能够真实定量化估计土壤湿度的电磁波谱频段。由于其波长相对较长,使得受大气、云和降雨的影响较弱,并且对地物也具有一定的穿透能力,可以获取地表下垫面一定厚度层的特征信息。另外,微波遥感不受太阳照射的影响,具有全天时、全天候监测的优势。而微波传感器采用的多种频率、多种极化的工作方式,也更适合于获取地表参数。因此,微波遥感被认为是目前土壤湿度遥感探测最具有发展潜力的探测手段。本研究正是基于此,选用了星载微波辐射计AMSR-E数据,以新疆区域为例研究土壤水分含量的被动微波遥感的定量反演问题。主要目的是改进目前星载微波辐射计AMSR-E的土壤湿度算法,利用微波极化指数对地表植被覆盖状况进行分析,并计算植被光学厚度,在地表粗糙度进行标定的基础上求解辐射传输方程。最后,我们将本文反演的土壤湿度数据应用于新疆的土壤墒情监测,以土壤墒情指标建立干旱等级。本研究的主要内容如下:1、详细描述了当前较为常用的集中随机粗糙面的微波辐射模型,包括适用于裸露地表的小扰动模型、物理光学模型、几何光学模型、AIEM积分方程模型,及经验模型Q/H模型、Hp模型和新近发展的Qp模型。另外还介绍了植被覆盖地表广泛使用的水—云模型和微波植被散射模型(MIMICS)。比较分析了各模型的优缺点及各自的适用范围。2、应用微波极化指数PI的统计分布与变化,分析陆地表面土壤水分含量的特征性分布。利用微波辐射计AMSR-E多时相2002~2006年的数据分析了新疆各年7月上旬的微波极化指数PI和距平值△PI的统计分布。分析结果表明:新疆大部分地区2002年和2003年土壤湿度有所增加△PI>0;2004~2006年新疆大部分地区△PI<0,土壤湿度较同期平均水平有所减少,说明近3年来新疆7月份旱情有所加剧。3、在分析微波极化差异指数MPDI特性的基础上,分析了新疆植被指数NDVI和微波极化差异指数MPDI二者的相关关系,并建立了浓密植被覆盖、中等植被覆盖以及稀疏植被覆盖和裸露地表三种植被覆盖状况所对应的微波极化差异指数MPDI阈值。MPDI>0.12,为沙漠、沙地、裸岩地带;0.01<MPDI<0.12,对应中等程度的植被覆盖:MPDI<0.01,为植被覆盖度较高的区域。4、利用微波极化差异指数MPDI和植被光学厚度τc之间的经验模型关系,通过改进运算方法来计算植被光学厚度τc。5、分析了微波极化差异指数MPDI受土壤湿度、地表粗糙度和植被层含水量影响的特性,通过多波段MPDI的推导构建了一个新的指数Γ。Γ与土壤水分无关,与地表粗糙度有关。因此利用指数Γ对新疆地表粗糙度进行标定。6、用多极化多频率的微波辐射计AMSR-E数据,去除植被覆盖和粗糙度的影响,基于微波辐射传输模型的反演算法,建立植被覆盖条件下的土壤水分反演模型,估算新疆区域地表土壤水分含量。与实测结果比较,其相关系数达68.81%。7、最后利用本文反演的微波遥感AMSR-E辐射计的土壤湿度数据对新疆墒情的季节变化和年际变化进行分析;考虑田间持水量等土壤水分要素,确定土壤墒情指数;根据土壤墒情分级标准界定新疆干旱等级,确定旱情的发生状况。
二、The retrieval of two-dimensional distribution of the earth's surface aerodynamic roughness using SAR image and TM thermal infrared image(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、The retrieval of two-dimensional distribution of the earth's surface aerodynamic roughness using SAR image and TM thermal infrared image(论文提纲范文)
(1)海洋涡旋遥感:进展与挑战(论文提纲范文)
1 引言 |
2 涡旋的红外遥感 |
2.1 涡旋红外遥感的目视解读 |
2.2 涡旋红外遥感的自动解译 |
2.3 涡旋红外遥感的智能解析 |
3 涡旋的水色遥感 |
3.1 涡旋水色遥感的早期探索 |
3.2 涡旋水色遥感的广泛应用 |
4 涡旋的微波遥感 |
4.1 卫星高度计涡旋遥感 |
4.1.1 涡旋识别 |
4.1.2 涡旋追踪 |
4.1.3 应用研究 |
4.2 SAR涡旋遥感 |
4.2.1 探测原理 |
4.2.2 海洋应用 |
5 涡旋遥感—交叉学科研究的桥梁 |
5.1 涡旋的大气效应遥感 |
5.2 涡旋的生物效应遥感 |
6 挑战与对策 |
(2)基于中等分辨率遥感图像的海岸带养殖池提取算法(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究的背景和意义 |
1.2 养殖区提取国内外发展现状 |
1.2.1 基于多光谱图像的养殖区提取国内外发展现状 |
1.2.2 基于SAR图像的养殖区提取国内外发展现状 |
1.2.3 存在的主要问题 |
1.3 本文主要工作和结构安排 |
2 研究区域和数据预处理 |
2.1 研究区域 |
2.2 遥感图像数据 |
2.3 真值图和评价标准 |
2.4 预处理 |
2.4.1 Landsat-8遥感图像预处理 |
2.4.2 Sentinel-1遥感图像预处理 |
2.5 本章小结 |
3 联合指数法和SLIC的Landsat-8图像海岸带养殖池提取算法 |
3.1 存在问题分析 |
3.2 改进算法原理分析 |
3.2.1 养殖池提取算法总体框架 |
3.2.2 边缘图引导的改进SLIC超像素算法分析 |
3.2.3 自适应指数法的水体目标生成算法分析 |
3.2.4 改进区域生长准则的海洋检测算法分析 |
3.3 实验对比与分析 |
3.3.1 数据集与参数设置 |
3.3.2 实验结果对比与分析 |
3.3.3 整幅图像的养殖池提取结果与分析 |
3.4 本章小结 |
4 Radon变换多特征融合的Sentinel-1图像海岸带养殖池提取算法 |
4.1 存在问题分析 |
4.2 改进算法原理分析 |
4.2.1 养殖池提取算法总体框架 |
4.2.2 基于Sentinel-1整幅图像的海岸线检测算法分析 |
4.2.3 基于养殖池的Radon变换四种特征的构建与分析 |
4.2.4 一种Radon变换直线数规则的构建与养殖池提取算法分析 |
4.3 实验对比与分析 |
4.3.1 数据集与参数设置 |
4.3.2 实验结果对比与分析 |
4.3.3 参数的灵敏度分析 |
4.3.4 整幅图像的养殖池提取结果与分析 |
4.4 本章小结 |
结论 |
参考文献 |
致谢 |
作者简历及攻读硕士学位期间的科研成果 |
(3)基于哨兵数据的土壤水分反演算法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 裸土区域土壤水分反演 |
1.2.1.1 经验模型 |
1.2.1.2 理论模型和半经验模型 |
1.2.1.3 非建模方法 |
1.2.2 植被覆盖区域土壤水分反演 |
1.3 本文的主要创新点 |
1.4 论文结构 |
第二章 SAR图像反演土壤水分的基本原理 |
2.1 微波遥感机理 |
2.2 雷达方程与后向散射系数 |
2.3 雷达系统参数 |
2.3.1 工作频率 |
2.3.2 入射角 |
2.3.3 极化方式 |
2.4 地表参数 |
2.4.1 土壤含水量与介电常数 |
2.4.1.1 土壤水分的表示方式 |
2.4.1.2 土壤水分的测量方法 |
2.4.1.3 土壤介电常数 |
2.4.2 土壤粗糙度 |
2.4.2.1 均方根高度 |
2.4.2.2 相关长度 |
2.4.2.3 自相关函数与粗糙度谱 |
2.5 本章小结 |
第三章 地表参数的获取与处理方法研究 |
3.1 研究区概况 |
3.2 哨兵1号数据 |
3.2.1 哨兵1 号数据概况 |
3.2.2 哨兵1 号数据预处理 |
3.3 哨兵2号数据 |
3.3.1 哨兵2 号数据概况 |
3.3.2 哨兵2 号数据预处理 |
3.3.3 归一化植被指数NDVI的获取 |
3.4 SMAP(Soil Moisture Active-Passive)数据处理 |
3.4.1 SMAP数据介绍 |
3.5 地表参数的获取 |
3.5.1 土壤含水量的获取 |
3.5.2 地表粗糙度的获取 |
3.5.2.1 地表测量技术 |
3.5.2.2 使用激光雷达扫描仪获取地表三维点云 |
3.5.2.3 均方根高度的获取 |
3.5.2.4 表面相关长度的获取 |
3.6 本章小结 |
第四章 基于AIEM模型的土壤水分反演方法研究 |
4.1 引言 |
4.2 裸土与植被散射模型 |
4.2.1 裸土散射模型 |
4.2.1.1 IEM与 AIEM模型 |
4.2.1.2 Oh模型 |
4.2.2 植被散射模型 |
4.2.2.1 密歇根微波植被散射模型 |
4.2.2.2 水云模型 |
4.3 研究区植被影响的去除 |
4.4 基于AIEM模型的裸土含水量提取方法研究 |
4.4.1 地表参数与后向散射系数的关系研究 |
4.4.1.1 后向散射系数与土壤水分的关系 |
4.4.1.2 后向散射系数与粗糙度的关系 |
4.4.1.3 后向散射系数与粗糙度谱的关系 |
4.4.2 基于实测数据和AIEM模型的双极化半经验散射模型建立 |
4.4.3 裸土土壤水分反演模型构建 |
4.5 郫都区土壤水分反演与精度验证 |
4.6 本章小结 |
第五章 基于变化检测的土壤水分反演算法研究 |
5.1 引言 |
5.2 变化检测算法 |
5.2.1 变化检测原理 |
5.2.2 变化检测算法的优点和局限性 |
5.3 一种改进的变化检测算法 |
5.3.1 植被影响的去除 |
5.3.2 绝对含水量的定标 |
5.3.3 地表粗糙度归一化方法 |
5.4 基于改进的变化检测算法的土壤水分提取 |
5.4.1 含水量提取流程 |
5.4.2 植被影响的去除 |
5.4.3 粗糙度参数的归一化 |
5.4.4 含水量提取 |
5.4.4.1 干湿参考值的提取 |
5.4.4.2 相对含水量计算 |
5.4.4.3 绝对含水量计算 |
5.4.5 精度验证与误差分析 |
5.4.5.1 精度验证 |
5.4.5.2 误差分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(4)星载SAR两关大遗址考古与边塞防御重建研究(论文提纲范文)
摘要 |
abstract |
缩写词汇表 |
第1章 引言 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外雷达考古研究现状 |
1.3 研究目标、研究方法与内容 |
1.3.1 研究目标 |
1.3.2 研究方法与内容 |
1.4 技术路线与章节安排 |
1.4.1 技术路线 |
1.4.2 章节安排 |
第2章 星载SAR雷达考古的基本原理 |
2.1 星载SAR的基本原理 |
2.1.1 雷达构像几何和主要参数 |
2.1.2 雷达方程和SAR后向散射特性 |
2.1.3 星载SAR波段及主要系统 |
2.1.4 多源星载SAR考古技术特点与优势 |
2.2 星载SAR考古目标识别机理 |
2.2.1 SAR地表考古标志识别 |
2.2.2 考古目标和SAR散射特征 |
2.2.3 SAR的穿透深度和次地表考古 |
2.3 星载SAR雷达考古常用方法 |
2.3.1 雷达干涉测量与地形重建 |
2.3.2 SAR图像增强和考古隐弱信息提取 |
2.4 本章小结 |
第3章 丝路两关大遗址研究区与实验数据 |
3.1 丝路两关大遗址研究区 |
3.1.1 研究区概况 |
3.1.2 研究区气候和地质条件 |
3.1.3 研究区水资源和绿洲分布 |
3.2 两关大遗址边塞防御和重要遗址 |
3.2.1 两关边塞防御兴筑背景 |
3.2.2 边塞层级官职机构 |
3.2.3 两关边塞防御体系与重要遗址 |
3.3 本文使用数据 |
3.3.1 SAR数据 |
3.3.2 VIR数据 |
3.3.3 其他参考数据 |
3.4 本章小结 |
第4章 星载SAR两关大遗址双尺度考古方法 |
4.1 场景尺度-多源星载SAR两关古水系-屯田信息提取方法 |
4.1.1 基于TSX/TDX的地貌重建与地形因子提取 |
4.1.2 基于水文分析和分类阈值分析的古水系提取 |
4.1.3 基于时序强度特征和相干系数约束的古耕植地靶区定位方法 |
4.2 遗址尺度-基于SAR成像模拟的考古目标提取方法 |
4.2.1 微地形考古标志识别与遗址建模 |
4.2.2 Ray Tracing考古目标SAR成像模拟 |
4.2.3 点目标提取-时序强散射、高相干遗址候选点提取 |
4.2.4 线目标提取-基于先验知识的SAR强度影像多模板匹配 |
4.3 基于星载SAR特征因子的遗址预测和重建方法 |
4.3.1 考古预测模型和空间多尺度优化 |
4.3.2 基于SAR特征因子的遗址预测模型 |
4.3.3 基于GIS空间分析的遗址重建 |
4.4 本章小结 |
第5章 星载SAR两关场景古水系-屯田信息提取与考古发现 |
5.1 研究背景和研究框架 |
5.1.1 研究背景 |
5.1.2 方法应用框架 |
5.2 古水系提取与考古发现 |
5.2.1 流域分析和河网提取 |
5.2.2 干涸古河道识别和信息提取 |
5.2.3 古湖泊和泽区范围提取与外业考古调查 |
5.3 古耕植地提取与考古发现 |
5.3.1 古耕植靶区定位和新泽区提取 |
5.3.2 靶区干涸沟渠提取 |
5.3.3 古代耕植靶区的野外考古验证 |
5.4 本章小结 |
第6章 星载SAR两关大遗址考古目标提取与遗址预测 |
6.1 两关大遗址考古目标SAR成像模拟 |
6.1.1 烽燧特点和模拟特性分析 |
6.1.2 长城特点和模拟特性分析 |
6.1.3 城障仓特点和模拟特性分析 |
6.1.4 不同成像模式SAR目标识别定性比较 |
6.2 两关大遗址考古目标提取 |
6.2.1 烽燧点目标提取 |
6.2.2 塞墙线目标提取 |
6.2.3 堑壕线目标提取 |
6.3 烽燧考古遗址预测与验证 |
6.3.1 优化BLR考古预测模型构建 |
6.3.2 烽燧遗址概率分布结果 |
6.3.3 优化BLR考古预测模型评价 |
6.3.4 预测新烽燧外业验证和分布分析 |
6.4 本章小结 |
第7章 丝路两关大遗址边塞防御重建 |
7.1 两关大遗址边塞防御重建 |
7.2 塞障防御系统场景重建 |
7.2.1 候望烽燧子系统重建与场景还原 |
7.2.2 塞垣防御子系统重建与场景还原 |
7.2.3 堑壕防御子系统重建及场景还原 |
7.2.4 阳关及其都尉府位置分析 |
7.3 军屯防御系统重建 |
7.3.1 绿洲水环境重建 |
7.3.2 绿洲军屯环境重建 |
7.3.3 古耕植地最大范围推测 |
7.3.4 绿洲水(水系)-耕(耕植地)平衡发展 |
7.4 本章小结 |
第8章 总结与展望 |
8.1 研究结论 |
8.2 创新点 |
8.3 下一步工作与展望 |
8.3.1 下一步工作 |
8.3.2 研究展望 |
参考文献 |
附录 |
表A.两关长城信息统计表(单位:米) |
表B.两关烽燧信息统计表(单位:米) |
表C.论文河流、山脉、地名名称对照表 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
致谢 |
(5)基于机器学习的高分辨率土壤湿度反演方法研究(论文提纲范文)
博士生自认为的论文创新点 |
摘要 |
Abstract |
1. 绪论 |
1.1. 研究背景和需求 |
1.1.1. 高分辨率土壤湿度遥感观测的需求 |
1.1.2. 不可避免的卫星遥感观测弱点 |
1.1.3. 满足土壤湿度观测需求的必由之路——多源数据融合 |
1.2. 国内外研究现状与趋势 |
1.2.1. 传感器观测能力研究 |
1.2.2. 高分辨率土壤湿度遥感观测 |
1.3. 存在的问题与研究意义 |
1.3.1. 问题一: 如何科学合理地将待选择传感器依据潜在观测能力聚类? |
1.3.2. 问题二: 如何建模尺度差异巨大的点面观测数据之间的数量关系? |
1.3.3. 问题三: 如何建模雷达和光学遥感数据及可能的辅助数据之间的数量关系? |
1.3.4. 研究意义 |
1.4. 研究目标与内容 |
1.4.1. 研究目标 |
1.4.2. 研究内容 |
1.5. 论文章节安排 |
2. 机器学习在高分辨率土壤湿度观测中的可用性 |
2.1. 机器学习算法的种类和针对的问题 |
2.1.1. 机器学习算法的种类 |
2.1.2. 机器学习算法针对的问题种类 |
2.2. 人工神经网络模型的种类和针对的问题 |
2.2.1. 人工神经网络的种类 |
2.2.2. 人工神经网络针对的问题种类 |
2.3. 高分辨率土壤湿度观测中的可用性 |
2.3.1. 聚类、分类算法的可用性 |
2.3.2. 回归算法的可用性 |
2.4. 本文中选用的机器学习算法和人工神经网络模型 |
2.4.1. 聚类问题适用的自组织映射网(SOM)模型 |
2.4.2. 回归问题适用的前馈神经网络模型 |
2.4.3. 回归问题适用的级联神经网络模型 |
2.5. 本章小结 |
3. 基于自组织神经网络的成像遥感卫星传感器土壤湿度潜在观测能力聚类方法 |
3.1. 土壤湿度遥感观测卫星传感器及能力需求 |
3.1.1. 土壤湿度遥感观测的卫星传感器 |
3.1.2. 土壤湿度遥感观测对传感器能力的需求 |
3.2. 土壤湿度潜在观测能力及聚类方法 |
3.2.1. 土壤湿度潜在观测能力定义 |
3.2.2. 土壤湿度观测能力设计参数 |
3.2.3. 土壤湿度观测能力仿真参数 |
3.2.4. 土壤湿度潜在观测能力计算方法 |
3.2.5. 土壤湿度潜在观测能力聚类方法 |
3.3. 土壤湿度潜在观测能力及聚类实验 |
3.3.1. 实验场景和数据 |
3.3.2. 潜在观测能力计算实验 |
3.3.3. 潜在观测能力聚类实验 |
3.4. 土壤湿度潜在观测能力及聚类讨论 |
3.4.1. 能力评价结果及分析 |
3.4.2. 能力聚类结果及分析 |
3.4.3. 与现有方法对比 |
3.4.4. 优缺点讨论 |
3.4.5. 在高分辨率土壤湿度观测中的应用前景 |
3.5. 本章小结 |
4. 基于前馈神经网络的星地协同区域土壤湿度重建算法 |
4.1. 问题假设 |
4.1.1. 假设A——遥感土壤湿度数据是栅格形式 |
4.1.2. 假设B——历史数据可用 |
4.1.3. 假设C——用地类型不变 |
4.1.4. 假设D——像素覆盖的区域地面环境不均匀 |
4.2. 算法设计 |
4.2.1. C1像素遥感土壤湿度恢复的理论依据 |
4.2.2. C1像素遥感土壤湿度恢复模型 |
4.2.3. 基于前馈神经网络建立的C1像素恢复模型 |
4.2.4. 使用前馈神经网络恢复C1像素 |
4.3. 算法验证实验 |
4.3.1. 实验场景 |
4.3.2. 实验数据 |
4.3.3. 实验过程及结果 |
4.3.4. 实验结果讨论 |
4.4. 本章小结 |
5. 基于级联神经网络的土壤湿度雷达-光学遥感数据融合方法 |
5.1. 雷达和光学遥感土壤湿度观测的原理及影响因素 |
5.1.1. 雷达遥感土壤湿度观测的原理及影响因素 |
5.1.2. 光学遥感土壤湿度观测的原理 |
5.2. 基于级联神经网络的数据融合方法 |
5.2.1. 方法假设 |
5.2.2. 土壤湿度雷达-光学遥感数据融合模型 |
5.2.3. 土壤湿度雷达-光学遥感数据融合算法 |
5.3. 基于级联神经网络的数据融合实验 |
5.3.1. 实验场景 |
5.3.2. 实验数据 |
5.3.3. 实验过程 |
5.4. 基于级联神经网络的数据融合讨论 |
5.4.1. 结果及分析 |
5.4.2. 与现有方法对比 |
5.4.3. 算法优缺点讨论 |
5.5. 本章小结 |
6. 高分辨率土壤湿度观测综合实验 |
6.1. 实验场景 |
6.2. 遥感传感器选择 |
6.2.1. 实验数据 |
6.2.2. 传感器聚类过程 |
6.2.3. 传感器聚类及选择结果 |
6.3. 星地融合重建光学遥感土壤湿度 |
6.3.1. 实验数据 |
6.3.2. 星地数据融合过程及结果 |
6.4. 雷达-光学遥感融合重建土壤湿度 |
6.4.1. 实验数据 |
6.4.2. 雷达-光学遥感数据融合过程及结果 |
6.5. 算法可用性、精确性、稳定性总体分析 |
6.5.1. 算法可用性 |
6.5.2. 算法精确性和稳定性 |
6.6. 本章小结 |
7. 总结与展望 |
7.1. 论文总结 |
7.2. 未来工作展望 |
中外文参考文献 |
攻博期间发表的与学位论文相关的科研成果目录 |
致谢 |
(6)基于SAR数据的城市空气动力学粗糙度研究(论文提纲范文)
1引言 |
2 试验区及数据介绍 |
3 基本原理与方法 |
3.1 基本原理 |
3.2 实验方法 |
4 实验结果及分析 |
4.1 后向散射特征规律分析 |
4.2 空气动力学粗糙度计算结果及分布规律 |
4.3 相关性分析 |
5结语 |
(7)高真实感红外场景实时仿真技术研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 红外场景仿真的研究现状 |
1.2.1 国外研究进展 |
1.2.2 国内研究进展 |
1.3 本文的研究内容 |
1.3.1 研究内容与结构 |
1.3.2 本文的创新点 |
第二章 物理可信的红外场景仿真框架设计 |
2.1 引言 |
2.2 红外场景仿真的基本原理 |
2.2.1 基于相似理论的辐亮度仿真机理 |
2.2.2 基于复合系统的仿真流程 |
2.3 红外场景仿真框架设计 |
2.3.1 国外典型光电场景仿真框架分析 |
2.3.2 基于GPU的红外实时成像仿真框架设计 |
2.3.3 红外场景仿真应用设计 |
2.4 小结 |
第三章 高真实感红外纹理生成方法 |
3.1 引言 |
3.2 红外纹理定义与生成方法 |
3.2.1 红外纹理定义 |
3.2.2 红外纹理分类 |
3.2.3 红外物理纹理生成方法概述 |
3.3 基于实测反演方法的目标红外纹理生成 |
3.3.1 目标红外纹理生成流程 |
3.3.2 红外成像过程模型 |
3.3.3 目标温度场反演模型 |
3.3.4 目标红外纹理生成及应用 |
3.4 基于可见光遥感图像的大规模地物红外纹理生成 |
3.4.1 大规模红外地物纹理生成流程 |
3.4.2 地物区域分割与材质映射 |
3.4.3 材质热特征建模与温度计算 |
3.4.4 红外纹理细节调制 |
3.4.5 地物红外纹理生成及应用 |
3.5 小结 |
第四章 复杂场景本征红外辐射特征实时渲染 |
4.1 引言 |
4.2 基于OGRE的本征红外辐射实时渲染方法 |
4.2.1 本征红外辐射实时渲染优化方法概述 |
4.2.2 复杂场景本征辐射渲染综合实时优化框架 |
4.3 红外本征辐射方程及其简化 |
4.3.1 红外本征辐射计算方程 |
4.3.2 基本红外局部光照模型 |
4.3.3 定制化的红外局部光照模型简化 |
4.4 红外本征辐射渲染方程预计算加速 |
4.4.1 介质表面光学属性建模及预计算 |
4.4.2 黑体辐亮度预计算 |
4.4.3 太阳辐射特性及预计算 |
4.4.4 环境辐射特性及预计算 |
4.4.5 红外诱饵弹辐射特征建模及预计算 |
4.4.6 烟幕辐射特征建模及预计算 |
4.5 复杂场景本征红外辐射GPU实时渲染 |
4.5.1 大规模红外场景实时渲染流程 |
4.5.2 场景运动计算 |
4.5.3 红外场景实时渲染结果及分析 |
4.6 小结 |
第五章 高精度红外大气传输效应实时仿真 |
5.1 引言 |
5.2 红外辐射衰减方程及其改进 |
5.2.1 大气辐射传输原理及计算方法 |
5.2.2 光谱辐射衰减计算方程 |
5.2.3 平均辐射衰减计算方程 |
5.2.4 有效均值衰减计算方程 |
5.3 大气效应物理量预计算 |
5.3.1 平均透过率与路径辐射预计算 |
5.3.2 有效平均因子预计算 |
5.4 大气传输效应GPU仿真 |
5.4.1 基于GPU的大气传输效应渲染流程 |
5.4.2 实时大气效应渲染结果及分析 |
5.5 小结 |
第六章 结论和展望 |
6.1 研究结论 |
6.2 研究展望 |
参考文献 |
致谢 |
作者简介 |
(8)运用SAR图像和TM热红外图像定量反演地表空气动力学粗糙度的二维分布(论文提纲范文)
1 研究过程及野外试验 |
1.1 3种地表粗糙度的概念 |
1.2 试验资料和试验区情况 |
2 选择SPM模型为SAR后向散射的理论模型 |
2.1 裸地表面几何特征分析 |
2.2 SPM后向散射模型 |
3 SPM后向散射模型的计算 |
3.1 模型分解 |
3.2 相对介电常数εr的确定 |
3.3 SAR图像后向散射系数的计算 |
3.4 试验区像元尺度的几何特征复合因子计算 |
4 考虑大气稳定度的地表空气动力学粗糙度确定 |
5 TM像元尺度的等效几何粗糙度向空气动力学粗糙度的尺度转换模型 |
5.1 TM像元尺度的等效几何粗糙度 |
5.2 TM像元等效几何粗糙度向空气动力学粗糙度的转换 |
6 结论与展望 |
(9)多源卫星遥感影像配准技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 引言 |
1.2 科学意义和应用前景 |
1.3 国内外研究动态及发展趋势 |
1.3.1 国内外研究动态 |
1.3.2 遥感图像配准技术发展趋势 |
1.4 本文的主要工作 |
第2章 图像配准原理及流程 |
2.1 概述 |
2.2 图像配准的定义 |
2.3 图像配准的主要组成部分 |
2.3.1 特征空间 |
2.3.2 搜索空间 |
2.3.3 相似性测度 |
2.3.4 搜索策略 |
2.4 图像配准的流程 |
2.5 本章小结 |
第3章 多源卫星遥感图像配准 |
3.1 引言 |
3.2 SAR 图像与TM 图像分析 |
3.2.1 SAR 图像分析 |
3.2.2 TM 图像分析 |
3.2.3 SAR 与TM 图像的几何特性 |
3.2.4 SAR 与TM 图像的误差分析 |
3.3 图像预处理 |
3.3.1 SAR 图像斑点噪声抑制 |
3.3.2 TM 图像滤波 |
3.3.3 TM 图像直方图均衡化 |
3.4 边缘检测 |
3.4.1 经典的边缘检测算子仿真分析与对比 |
3.4.2 应用改进的Canny 算子进行边缘检测 |
3.5 边缘连接 |
3.5.1 腐蚀和膨胀 |
3.5.2 开运算与闭运算 |
3.5.3 边缘连接的形态学方法 |
3.6 特征提取与匹配 |
3.6.1 特征提取 |
3.6.2 特征匹配 |
3.7 图像变换 |
3.8 实验 |
3.9 本章小结 |
第4章 SAR 图像水体提取 |
4.1 引言 |
4.2 经典SAR 图像水体提取方法对比 |
4.3 改进的SAR 图像水体提取方法 |
4.4 SAR 水体提取实验 |
4.5 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
作者简介 |
(10)新疆土壤湿度的微波反演及应用研究(论文提纲范文)
摘要 Abstract 目录 第一章 绪论 |
1.1 选题的意义 |
1.2 土壤湿度遥感研究 |
1.3 土壤湿度研究进展 |
1.3.1 土壤湿度国外研究进展 |
1.3.2 土壤湿度国内研究进展 |
1.4 研究内容 |
1.5 论文思路及结构 第二章 被动微波遥感基础 |
2.1 被动微波遥感概况 |
2.1.1 被动微波遥感的特点 |
2.1.1.1 微波的衰减 |
2.1.1.2 微波的辐射 |
2.1.1.3 微波的表面散射 |
2.1.1.4 微波波段的特征 |
2.1.2 被动微波遥感发展历史 |
2.2 被动微波遥感的一些基本概念 |
2.2.1 介绍 |
2.2.2 介电常数 |
2.2.3 表面粗糙度 |
2.2.5.1 均方根高度 |
2.2.5.2 表面相关长度 |
2.2.5.3 表面相关函数和功率谱 |
2.2.4 穿透深度 |
2.2.5 地表辐射特性 第三章 被动微波遥感基本原理与算法 |
3.1 引言 |
3.2 裸露地表微波辐射 |
3.2.1 基本原理 |
3.2.2 主要模型及进展 |
3.2.2.1 物理模型 |
3.2.2.2 经验模型 |
3.3 植被覆盖地表微波辐射 |
3.3.1 基本原理 |
3.3.2 主要模型 |
3.3.2.1 水—云模型 |
3.3.2.2 MIMICS模型 第四章 地表微波辐射特性研究及土壤水分的反演 |
4.1 研究区与数据介绍 |
4.1.1 研究区 |
4.1.2 数据 |
4.2 新疆地表区域微波辐射特征研究 |
4.2.1 数据预处理 |
4.2.2 新疆微波辐射特性分析 |
4.3 微波极化指数 |
4.3.1 多时相土壤水分变化研究 |
4.3.2 极化指数的地表类型分类研究 |
4.4 利用多频率多极化数据估算地表土壤水分 |
4.4.1 植被光学厚度的计算 |
4.4.2 地表粗糙度的标定 |
4.4.3 利用AMSR-E数据进行土壤水分反演 |
4.5 误差分析 第五章 土壤水分时空分布特征及新疆墒情分析 |
5.1 新疆土壤水分空间分布及月变化特征 |
5.2 新疆土壤水分年际变化特征 |
5.3 新疆土壤墒情分析 |
5.3.1 介绍 |
5.3.2 塙情分析 |
5.3.2.1 气象因子分析 |
5.3.2.2 土壤墒情分析 第六章 结论与展望 |
6.1 结论 |
6.2 讨论 参考文献 图表索引 攻读博士期间发表论文: 致谢 |
四、The retrieval of two-dimensional distribution of the earth's surface aerodynamic roughness using SAR image and TM thermal infrared image(论文参考文献)
- [1]海洋涡旋遥感:进展与挑战[J]. 陈戈,杨杰,田丰林,陈树果,赵朝方,唐军武,刘颖洁,王祎诺,苑忠浩,何遒,曹川川. 遥感学报, 2021(01)
- [2]基于中等分辨率遥感图像的海岸带养殖池提取算法[D]. 朱程. 大连海事大学, 2020(01)
- [3]基于哨兵数据的土壤水分反演算法研究[D]. 姜灵海. 电子科技大学, 2020(08)
- [4]星载SAR两关大遗址考古与边塞防御重建研究[D]. 祝晓坤. 中国科学院大学(中国科学院遥感与数字地球研究所), 2019
- [5]基于机器学习的高分辨率土壤湿度反演方法研究[D]. 幸晨杰. 武汉大学, 2017(01)
- [6]基于SAR数据的城市空气动力学粗糙度研究[J]. 沙敏敏,张风丽,符喜优,王国军,邵芸. 遥感技术与应用, 2016(05)
- [7]高真实感红外场景实时仿真技术研究[D]. 黄曦. 西安电子科技大学, 2014(03)
- [8]运用SAR图像和TM热红外图像定量反演地表空气动力学粗糙度的二维分布[J]. 朱彩英,张仁华,王劲峰,孙晓敏,朱治林. 中国科学(D辑:地球科学), 2004(04)
- [9]多源卫星遥感影像配准技术研究[D]. 尹聪颖. 燕山大学, 2009(07)
- [10]新疆土壤湿度的微波反演及应用研究[D]. 马媛. 新疆大学, 2007(01)