共查询到10条相似文献，搜索用时 171 毫秒
1.
云检测是卫星遥感影像应用中的重要环节。为了获取FY-3中分辨率光谱成像仪(Medium Resolution Spectral Imager,MERSI)传感器精确的云掩膜数据,在分析云与植被、水体、裸露地表等地物在不同波段光谱差异的基础上,结合FY-3/MERSI数据的通道特性,构建基于多光谱和综合阈值的云检测算法。采用热红外通道亮温(CH_5)检测出高云,使用云检测指数(Normalized Cloud Detection Index,I_(NCD))和可见光波段反射率(CH_3)检测中低云。利用江西地区的FY-3/MERSI数据进行应用,将检测结果与其他算法、人机交互解译结果进行了对比分析。结果表明,该算法对FY-3/MERSI影像上的云区具有较好的检测效果,同时利用地面气象观测资料进行验证,检测精度均高于88%,能够满足当前云检测精度需求。 相似文献
2.
风云三号A星 (FY-3A) 中分辨率光谱成像仪 (MERSI) 采用45°镜旋转扫描,形成垂直于卫星飞行轨迹的360°连续圆周扫描方式,多元探测器并扫的技术。该研究依据这种扫描特性,给出了适用于FY-3A MERSI遥感图像地理定位的方法;定义了完善的坐标系及坐标系转换关系,根据MERSI观测几何、卫星空间位置和姿态、仪器空间位置和指向建立了探测器像元观测矢量与地面位置之间关系的模型;通过地形校正消除地形起伏带来的定位误差;在FY-3A地面应用系统中业务运行的同时,通过一定数量的地面控制点分析,将定位误差等效为遥感仪器安装误差,修正了MERSI的仪器指向角度。实验结果表明,使用该方法对MERSI遥感图像地理定位精度达到250 m像元级,满足MERSI图像的高精度定位要求。 相似文献
3.
《干旱气象》2015,(4)
应用FLAASH模型对FY-3B/MERSI数据进行大气校正,并从大气校正前后反射率变化、NDVI和EVI变化及其与MODIS地表反射率产品比较等4方面对校正效果进行讨论分析,以期提供一种行之有效的FY-3B/MERSI数据大气校正方法。结果表明:(1)校正后削弱了大气分子与气溶胶在可见光波段的散射影响,且各通道反射率区间变宽;(2)除红光波段外,可见光其余波段各通道大气校正后的反射率均有所减小,且秋、冬季比春、夏季影像反射率减小幅度更大;对于近红外波段,除秋、冬季第16通道外,大气校正后的反射率均有所增加;(3)与MODIS地表反射率产品相比较,FY-3B/MERSI校正后的反射率与MYD09GA产品的误差均小于校正前,校正后的植被和居民地2种地物的反射率比校正前更具有较好的一致性;(4)校正后,植被与居民地的NDVI和EVI均有所增大,且NDVI较EVI增加的幅度大,同时校正前后两者的NDVI、EVI差值均增大,表明FY-3B/MERSI影像经大气校正后更有利于植被与非植被信息的区分。 相似文献
4.
通过对NOAA/AVHRR遥感图像数据的地物光谱特征和水体信息的分析 ,结合水体光谱和空间特征 ,确定洪涝淹没范围的自动提取模型。 相似文献
5.
对同一区域不同时次的FY一3A／MERSI与MODIS的归一化植被指数(NDVI)和 比值植被指数(RVI)进行了计算,并针对地面光谱和影像数据方面进行了分析。结果表明, FY一3A／MERSI比MODIS数据更敏感,但受大气辐射传输影响也更突出,卫星入瞳处的反射率与地面实测资料相比,MERSI比MODIS变化大。FY一3A／MERSI与MODIS植被指数具有很好的相关性,遥感影像植被指数相关系数为0．98(NDVI)和0．96(RVI),地面光谱产生的 植被指数(NDVI和RVI)相关性则达到0．99。 相似文献
6.
通过对NOAA／AVHRR遥感图像数据的地物光谱特征和水体信息的分析，结合水体光谱和空间特征，确定洪涝淹没范围的自动提取模型。 相似文献
7.
FY-3A/MERSI是我国自主研发的第二代极轨气象卫星FY-3A搭载的中分辨率光谱成像仪,其海洋水色产品可为全球海洋生态环境的研究提供基础资料。以美国东北部海域为研究区,利用NASA海洋生物学处理小组(OBPG)海洋生物光学数据库(SeaBASS)的现场观测资料,以及TERRA/MODIS海洋水色产品数据,分别对FY-3A/MERSI海色产品的遥感反射率、色素浓度和有色可溶性有机物(CDOM)443 nm吸收系数进行了真实性检验。结果表明:MERSI 443~685 nm 6个通道的遥感反射率总体偏高、精度较低,叶绿素-a浓度与现场实测值和MODIS叶绿素-a浓度相比精度较低,总色素浓度与现场实测值相比精度也很低,而CDOM产品的精度稍好。要提高MERSI海色产品的精度,首先要加强图像大气校正的研究,在此基础上,进一步开展各要素遥感反演算法的研究。 相似文献
8.
FY 3D极轨卫星搭载的中分辨率光谱成像仪MERSI载荷具有最高分辨率达250 M的可见光遥感图像，包含了丰富的植被、山区等地表信息。风云三号卫星对遥感应用监测等具有重要作用。但是作为极轨卫星，FY 3D每间隔102 min覆盖一轨数据，由于每轨数据的卫星天顶角、太阳高度角等条件存在差异，再加上风云三号是星上实时定标，每条轨道也存在定标上的差异，因此在全球拼图时不同轨道反射率数据亮度差异明显，有很明显的缝隙，再加上云的移动和变化，因此不同轨道间的云数据也明显出现断层，从而影响整个MERSI II全球数据的应用，尤其在植被监测、城市热岛监测的应用上更是影响精度。本文以风云三号D星业务系统的全球拼图浏览系统为工作平台，创新提出了基于一定优选算法，利用卫星天顶角进行轨道间数据融合的技术，设计和开发了相应的工程化模块，来消除轨道间数据差异，业务实践证明，该技术效果明显，可显著提高后续MERSI II载荷的遥感产品应用。 相似文献
9.
RADARSAT数字图像积雪覆盖下地物解译方法 总被引：1，自引：0，他引：1
采用加拿大RADARSAT雷达数字图像,以新疆阿勒泰地区阿勒泰市、布尔津、吉木乃、哈巴河、福海5个县(市)为典型试验区,研究了积雪覆盖下雷达遥感图像地物解译的基本原理和几何纠正方法,比较分析了标准模式的地理参考高分辨率合成孔径雷达图像与经过亮度增强、边缘增强、图像增强、斑点压缩和纹理分析处理的图像上地物目视解译的特点,建立了积雪覆盖下雷达图像上耕地、水系、交通道路、居民地等与抗灾救灾密切相关的地物的解译标志。结果表明,可弥补可见光及近红外遥感积雪监测的缺陷,为雪灾发生区的救援决策提供科学依据。 相似文献
10.
针对FY3D/MERSI和EOS/MODIS的云检测问题,提出了一种基于深度学习技术的全自动云检测算法,首次将深度学习引入到卫星影像云检测领域。本算法使用深度全卷积神经网络(Deep Convolutional Neural Networks)作为核心结构,基于EOS/MODIS基本云检测原理选择合适的通道作为特性向量参数,针对不同的场景进行分类和网络模型的训练,最终得到基于深度学习的云检测模型。经过EOS/MODIS数据和FY3D/MERSI数据的测试,云检测的精度达到98%以上,可以看出基于深度学习的云检测算法能够用于云检测,该算法具有效率高、精度高等特点,云检测效果理想。 相似文献