共查询到20条相似文献，搜索用时 93 毫秒
1.
基于卫星数据的热红外图像模拟可以为热红外大气校正、地表温度和发射率反演和前期验证提供数据支撑,同时也可以为热红外传感器的波段设置和优化提供参考。热红外图像模拟是进行热红外定量遥感研究的有效手段。本研究利用Terra星上搭载的ASTER（Advanced Spaceborne Thermal Emission and Reflection Radiometer）遥感数据所反演得到的地表温度和发射率产品,基于高光谱辐射传输模型,模拟8—14 μm（714—1250 cm-1）,波谱分辨率为0.25 cm-1的星上TOA（Top of Atmosphere）高光谱热红外成像模拟数据。在此基础上,结合高光谱热红外图像数据的特点,实现了温度和发射率分离算法,以及对比了不同的基于图像的大气校正算法。结果显示,本文提出的热红外图像模拟方法可行,能够为评价不同的大气校正、温度和发射率分离算法提供有效的数据支撑。 相似文献
2.
TASI数据的温度与发射率分离算法 总被引：1，自引：0，他引：1
建立了适合于TASI的热红外高光谱发射率的经验关系,以此修正了分离方法(TES)中的MMD模型,在对温度和发射率进行精度评价的基础上,将反演结果应用于城市地表温度的日较差分析。结果表明：(1)反演的温度与实测温度的平均绝对误差为1.8 K,平均相对误差为0.59%;(2)地面实测宽波段发射率与反演发射率的平均差值为0.036,差值的标准差为0.032;(3)同种地物的发射率曲线的反演结果与实验室测量发射率曲线的波形是一致的;(4)温度日较差分析结果是合理的。因此,本文的反演精度能满足研究需求,将该方法应用于TASI数据的温度与发射率的分离是可行的。 相似文献
3.
4.
单窗算法结合Landsat8热红外数据反演地表温度 总被引：4，自引：0，他引：4
Landsat热红外系列数据一直是地表温度反演重要的遥感数据源,目前用于地表温度反演的单窗算法主要针对Landsat TM/ETM+第6波段数据(TM 6)建立的,Landsat 8热红外传感器(TIRS)与TM 6相比有很多变化,因而其单窗算法也需要改进。本文以Landsat 8 TIRS第10波段(TIRS 10)为数据源,提出了针对TIRS 10的单窗算法(TIRS10_SC),并对研究区地表温度进行反演研究,确定了研究区不同类型地表的温度值。研究结果表明:(1)TIRS10_SC算法可以较好地应用于Landsat 8数据的地表温度反演,平均反演误差为0.83℃,相关系数为0.805,反演温度与模拟数据和实测数据都具有较好的一致性;(2)通过对单窗算法中的地表发射率、大气水汽含量和大气平均作用温度等参数敏感性分析发现,TIRS10 SC算法能够获得较为可靠的反演结果;同时,TIRS10 SC算法对大气水汽含量和地表发射率敏感性较高,对大气平均作用温度敏感性稍弱。该算法对于利用Landsat 8 TIRS数据快速反演地表温度具有应用价值。 相似文献
5.
层状硅酸盐矿物光谱曲线特征具有较大相似性,在以往可见光-近红外遥感中的区分提取难度较大。本文采用的加拿大先进的热红外航空成像光谱仪(Thermal Airborne Hyperspectral Imager,简称TASI),可获取具有高分辨率的热红外高光谱数据。基于TASI数据并利用热红外波段的发射率光谱可探测出矿物Si-O键振动特征的优势,可做到矿物亚类的区分识别和矿物丰度信息的提取,使硅酸盐矿物亚类中的层状硅酸盐矿物区分提取的精确性得以提高。本文对甘肃北山柳园工作区进行了基于发射率光谱特征的层状硅酸盐蚀变矿物提取实验。通过分析从图像获取的端元光谱曲线特征,并与ASU光谱库标准光谱曲线进行对比,确定目标端元,成功区分出了绿泥石、高岭石等层状硅酸盐矿物,经野外实地验证后,确认所提取信息精确性较高。 相似文献
6.
天宫一号数据地表温度反演及其在城市热岛效应中的应用 总被引：2，自引：1，他引：1
针对天宫一号高光谱成像仪红外波段数据提出了一个单通道地表温度反演算法,算法的输入参数为大气水汽含量和地表发射率.利用模拟数据和黑河流域生态—水文过程综合遥感观测联合试验的地面实测数据对算法进行了精度评价,结果表明算法的均方根误差为2.72 K,能够满足大多数应用研究的需求.以北京市二环以内为研究区域,采用4个时相的天宫一号高光谱红外波段数据进行了城市热岛效应研究,结果表明天宫一号高光谱红外波段数据适合用来进行街区尺度的城市热岛效应研究,具有很大的应用潜力. 相似文献
7.
高光谱热红外遥感：现状与展望 总被引：1，自引：0，他引：1
高光谱热红外数据中蕴含着丰富的长波光谱信息,可以更精细的揭示地气耦合过程导致的辐射变化,反映热红外谱段特有的地物诊断特征,同时高光谱特性也可以为热红外关键特征参数的病态反演问题提供更合理的假设和约束条件,具有重要的研究价值和应用前景。高光谱热红外遥感技术自诞生起,在吸纳多光谱热红外遥感技术的基础上迅速发展,成为热红外遥感领域的重要研究方向和突破点。然而,当前高光谱热红外遥感存在着可用数据不足,处理方法传统,反演精度有限,应用难以有效实施等问题。为进一步明晰高光谱热红外遥感的研究进展和现存挑战,本文在高光谱热红外相关文献深入分析的基础上,梳理了高光谱热红外研究的发展脉络和热点,介绍了现有国内外主要的高光谱热红外传感器,分析了高光谱大气效应校正、地表温度和发射率分离以及地气关键特征参数一体化反演的现状和问题,总结了相关典型行业应用,展望了高光谱热红外的发展方向,以期为未来高光谱热红外研究工作的开展提供借鉴和帮助。 相似文献
8.
地表温度在全球能量平衡和气候变化研究中具有重要意义。中国新一代高分辨率卫星高分五号卫星(GF-5)搭载的全谱段成像光谱仪有4个40 m空间分辨率的热红外波段,可以提供高空间分辨率的地表温度信息。本文提出了适用于全谱段成像光谱仪的温度与发射率分离TES(Temperature and Emissivity Separation)算法同时反演地表温度和发射率,为了提高大气校正精度,算法加入了水汽缩放WVS(Water Vapor Scaling)大气校正方法。首先利用Seebor V5.0全球大气廓线库构建模拟数据对算法精度进行了评价;然后利用张掖地区11景ASTER影像作为替代数据和同步的地面实测数据对算法精度进行了验证。模拟数据结果表明加入WVS方法后TES算法反演地表温度的RMSE由2.59 K降低到1.54 K,4个波段地表发射率的RMSE分别从0.122、0.12、0.102和0.037降低到0.042、0.04、0.028和0.026;地表验证结果表明本文算法反演的地表温度与站点实测值具有更好的一致性,平均Bias由1.08 K降低到0.47 K,RMSE由2.17 K降低到1.7 K;反演的各波段地表发射率与地面实测结果误差均小于1%。因此,本文提出的温度与发射率分离算法具有较高精度,可以利用GF-5数据获取高精度高空间分辨率的地表温度和发射率数据,服务于其他相关研究。 相似文献
9.
地表温度是是决定地表辐射能量收支的重要变量,在岩石圈、水圈、生物圈和大气圈的能量平衡和水量平衡研究中起着重要作用。利用热红外遥感技术可实现区域和全球尺度地表温度的快速获取,其受到了研究者的广泛关注。目前,FY-3D是国内光谱分辨率最高的对地观测卫星,极大的提高了对地观测能力,其搭载的中分辨率光谱成像仪（MERSI-II）经过大幅升级改进,性能有了显著提升,热红外数据的空间分辨率达到了250 m。本文使用大气辐射传输模型MODTRAN 5模拟了MERSI-II传感器热红外通道星上观测数据。在此基础上,构建了通用劈窗地表温度反演模型,结合ASTER GED全球地表发射率产品以及MERSI-II自身大气水汽反演算法,发展了地表温度遥感反演方法。最后,利用2019-08内蒙古乌海沙漠地区及美国SURFRAD多个站点的实测地表温度数据对本文提出的方法进行了验证。研究结果表明,相较地表实测数据,构建的劈窗算法反演的地表温度RMSE在1.6—2.6 K,反演精度达到了预期目标,还具有较高的空间分辨率,可以用于业务化的地表温度的反演,同时也说明其辐射定标精度有了一定保证,有效满足了区域和全球尺度地表温度遥感监测应用需求。 相似文献
10.
11.
12.
天宫一号高光谱成像仪遥感应用 总被引：1，自引：1，他引：0
本文重点介绍了天宫一号高光谱成像仪设计、特性、在轨运控支持、地面数据处理技术及应用研究等方面内容,其中高光谱数据的辐射纠正及系统几何校正的精度满足各应用需要,数据产品质量在遥感各个应用领域获得验证.大量用户利用天宫一号高光谱数据在国土资源、海洋、林业、城市环境监测、水文生态监测等方面开展了较好的应用研究工作,取得了一批有价值的应用成果.中国科学院空间应用工程与技术中心作为载人航天空间应用系统的总体单位,负责天宫一号高光谱成像仪的总体研制管理、集成测试验证、在轨运行支持及应用研究的组织推广,为更好地发挥应用效益做出了积极的贡献. 相似文献
13.
无人机载高光谱成像设备因其机动灵活、操作简单等优点，被应用于诸多研究领域，具有广泛的发展前景。本文对当前无人机载高光谱成像设备的相关研究进展进行了系统的总结和评述。首先，基于高光谱成像仪的发展过程阐述了无人机载高光谱成像设备在数据获取中的显著优势；其次，从成像方式和研究现状方面指出了目前无人机载高光谱成像设备影像幅宽窄、成本高和国产化水平低的问题，并介绍了基于无人机高光谱成像设备的最新应用研究成果，针对当前的设备缺点提出解决方案；最后，指出了无人机载高光谱成像设备的未来发展趋势。本文可为无人机载高光谱成像设备的研制提供一定的借鉴和参考，也可为基于无人机载高光谱成像设备的应用提供一定帮助。 相似文献
14.
15.
高光谱图像处理与信息提取前沿 总被引：2，自引：0，他引：2
高光谱遥感是对地观测的重要手段,高光谱图像处理与信息提取技术则是高光谱遥感领域的核心研究内容之一。本文简要介绍了高光谱遥感的主要特点,系统梳理了高光谱图像处理与信息提取面临的关键问题和主要研究方向,在此基础上,从噪声评估与数据降维方法、混合像元分解方法、图像分类方法、目标探测与异常探测方法等4个方面对高光谱图像处理与信息提取的理论发展过程和最新前沿进展进行了综述。另外,还对高光谱图像处理与信息提取中的高性能处理技术进行了总结和分析。未来,伴随着智能化信息分析和高性能硬件处理技术发展,高光谱遥感卫星系统也将步入智能化时代。针对这一趋势,本文指出高光谱图像处理与信息提取方法要注重多学科交叉,充分利用机器学习、人工智能等领域的新成果;要重视软硬件结合,发展高光谱图像高性能实时处理技术;要紧密结合应用需求,发挥高光谱遥感的优势和特点,发展新理论和新方法。 相似文献
16.
Saltcedar (Tamarix spp.) are a group of dense phreatophytic shrubs and trees that are invasive to riparian areas throughout the United States. This study determined the feasibility of using hyperspectral data and a support vector machine (SVM) classifier to discriminate saltcedar from other cover types in west Texas. Spectral measurements were collected with a ground-based hyperspectral spectroradiometer (spectral range 350–2500 nm) in December 2008 and April 2009. Spectral data consisting of 1698 spectral bands (400–1349, 1441–1789, 1991–2359 nm) were subjected to a support vector machine classification to differentiate saltcedar from other vegetative and non-vegetative classes. For both dates, a linear kernel model with a C value (error penalty) of 100 was found optimum for separating saltcedar from the other classes. It identified saltcedar with accuracies ranging from 95% to 100%. Findings support further exploration of hyperspectral remote sensing technology and SVM classifiers for differentiating saltcedar from other cover types. 相似文献
17.
从高光谱遥感影像提取植被信息 总被引：2，自引：0，他引：2
遥感可以快速有效地监测大面积植被的种类、特性、长势等各类信息。高光谱遥感数据因其特有的高光谱分辨率特性使其在植被生态环境领域具有极大的应用潜力。植被信息作为生态环境评价的重要参数对区域生态环境的监测和建设具有重要的意义。本文基于云南省鹤庆县北衙的高光谱遥感数据用SAM方法对植被信息进行了提取,参考光谱使用ASD光谱辐射仪采集的植被光谱曲线。文中对高光谱遥感影像的辐射定标和大气校正进行了研究,针对影响光谱辐射仪采集的主要因素采取了相应的措施,并对光谱曲线分类及参考光谱曲线的选取进行了研究。将选取出的参考光谱曲线与大气校正后的遥感影像进行SAM匹配提取出植被信息,经过与实地调查资料比较并计算总体精度和kappa系数,计算结果达到预期精度。最后将分类结果转换为矢量图,经过投影转换为大地坐标后制作出北衙植被分布图。 相似文献
18.
Hyperspectral images (HSI) provide a new way to exploit the internal physical composition of the land scene. The basic platform for acquiring HSI data-sets are airborne or spaceborne spectral imaging. Retrieving useful information from hyperspectral images can be grouped into four categories. (1) Classification: Hyperspectral images provide so much spectral and spatial information that remotely sensed image classification has become a complex task. (2) Endmember extraction and spectral unmixing: Among images, only HSI have a complete model to represent the internal structure of each pixel where the endmembers are the elements. Identification of endmembers from HSI thus becomes the foremost step in interpretation of each pixel. With proper endmembers, the corresponding abundances can also be exactly calculated. (3) Target detection: Another practical problem is how to determine the existence of certain resolved or full pixel objects from a complex background. Constructing a reliable rule for separating target signals from all the other background signals, even in the case of low target occurrence and high spectral variation, comprises the key to this problem. (4) Change detection: Although change detection is not a new problem, detecting changes from hyperspectral images has brought new challenges, since the spectral bands are so many, accurate band-to-band correspondences and minor changes in subclass land objects can be depicted in HSI. In this paper, the basic theory and the most canonical works are discussed, along with the most recent advances in each aspect of hyperspectral image processing. 相似文献
19.
Fractal-based dimensionality reduction of hyperspectral images 总被引：3，自引：0，他引：3
Jayanta Kumar Ghosh Ankur Somvanshi 《Journal of the Indian Society of Remote Sensing》2008,36(3):235-241
The spectral reflectance of any pixel in a remote sensing image depends on the characteristics of the particular land cover
(LC) present in the Instantaneous Field of View (IFOV) of the sensor. The fractal dimension of the spectral reflectance curve
(SRC) of any pixel can thus be visualized as a representation of the characteristics of the LC. Based on this, a fractalbased
method for reduction of the dimensionality of Hyperspectral (HS) images has been investigated. The fractal dimension (FD)
of SRC has been calculated by adopting a method based on Hausdorff metric that reduces the dimensionality from N HS bands
to a single feature incorporating the characteristics associated with each of the bands. Further, it has been established
that FD values can be used as a feature to identify anomaly in water cover. 相似文献