共查询到20条相似文献，搜索用时 15 毫秒
1.
在分析合成孔径雷达（ＳＡＲ）成象机理及雪盖参数散射特性的基础上，利用航天飞机承载的成象雷达（ＳＩＲ—Ｃ）获取的多波段、多极化ＳＡＲ数据，进行提取雪盖信息的实验。结果表明Ｃ波段ＨＨ、ＶＶ影象能很好地区别湿雪与非雪盖区，而区分干雪与岩石较困难；Ｌ波段ＨＨ、ＶＶ影象较容易将雪盖同其它物体区分开；Ｃ、Ｌ波段的交叉极化ＨＶ、ＶＨ区分干雪与岩石效果很好。故利用多波段、多极化ＳＡＲ进行雪盖制图是可行的。 相似文献
2.
快速、准确、客观地提取积雪覆盖信息,获得积雪覆盖时空分布资料,是资源生态环境变化研究中的基本问题,卫星遥感技术为有效解决这个问题提供了技术支持。归一化差值雪指数(normalized difference snow index,NDSI)法利用积雪在绿光波段(0.53~0.59μm)高反射和短波红外波段(1.57~1.65μm)强吸收特征,可实现遥感自动提取积雪区。以Landsat8 OLI影像为数据源根据积雪的光谱特征,在加入波段B1(0.433~0.453μm)和B2(0.450~0.515μm)特征的基础上,运用提出的增强型雪指数(enhanced normalized difference snow index,ENDSI),从OLI影像上进行积雪自动提取。研究结果表明,对积雪厚度变化ENDSI敏感度强于NDSI;在裸土、薄雪及厚雪区,随着积雪厚度的增加,ENDSI值变化幅度强于NDSI,能有效增大雪与非雪的差异;当ENDSI阈值取0.3时,可以有效区分雪与非雪,提高积雪提取精度。 相似文献
3.
利用MODIS数据进行积雪检测 总被引：1，自引：0，他引：1
积雪是一种重要的地球表层覆盖物,是气象学和水文学中一个非常重要的参数。使用遥感方法能够有效获取大范围的雪盖信息,弥补地面观测资料在空间上的不足。中等分辨率成像光谱仪(MODIS)数据具有高光谱、高空间分辨率、高时间分辨率等特征,越来越多地应用到积雪检测方面。利用MODIS雪盖数据进行雪盖制图,分析了2008年初中国南方的受灾情况,并对雪情进行了分析。结果发现利用MODIS得到的积雪边界线轮廓清晰,对积雪检测非常有效,但由于云的遮蔽可能会使MODIS积雪分布面积出现误差。 相似文献
4.
利用MTSAT-2静止气象卫星数据开展了中国区域的雪盖监测研究,结合MODIS雪盖产品及站点雪深观测数据对判识结果进行对比分析和验证。首先,根据MTSAT-2静止气象卫星数据特点,进行角度效应校正及多时相数据合成,以减少云对图像的影响;其次,根据多个雪盖判识因子建立中国区域雪盖判识算法;最后,对比分析2011年1月份MTSAT-2和MODIS雪盖判识结果,并使用站点观测数据进行精度验证。研究表明:(1)MTSAT-2雪盖判识受云影响比例约30%,MODIS雪盖产品受云影响比例约60%,MTSAT-2去云效果明显。(2)无云情况下,MTSAT-2雪盖判识和MODIS雪盖产品判识精度均高于92%;有云覆盖时,MTSAT-2判识精度约65%,优于MODIS雪盖产品35%的判识精度。(3)MTSAT-2静止气象卫星在保持高积雪判识精度的前提下,可以更有效减少云对雪盖判识影响,实时获取更多地表真实信息。该研究对中国区域雪盖信息准确监测、气候变化研究以及防灾减灾等具有重要意义。 相似文献
5.
近年来,深度学习算法得到了长足的发展,并开始应用于云检测。但是深度神经网络模型参数众多,依赖大量训练样本,因此理解其泛化性能对于深度学习在不同遥感影像的实际应用具有重要的参考价值。本文以深度语义分割算法DeepLabv3+为例,以一组广泛使用的云标记数据集"L8 Biome"为验证数据,探讨该算法用于云检测时在不同的地表景观、空间分辨率和光谱波段组合的遥感影像上的泛化性能。云标记数据集"L8Biome"包含96景具有全球代表性的Landsat 8 OLI影像及相应的人工云掩膜,被广泛用于测试云和云阴影检测算法性能。首先,利用Landsat 8 OLI云标记数据集"L8 Biome",构建不同类型景观、不同空间分辨率、不同波段组合的训练影像集和测试影像集;其次基于不同训练样本集和测试集,评估了DeepLabv3+算法在不同情况下的云检测精度,并与Fmask算法作对比分析。研究结果表明:(1)使用全混合景观类型的训练集训练出来的云检测网络在总体检测精度(92.81%)与稳定度(标准差12.08%)上都优于使用单一景观类型的训练集训练得到的云检测网络,也优于Fmask的总体精度(88.75%)与稳定度(标准差17.34%),说明在构建深度学习算法的训练集时,应该尽可能包含多类型的地表景观;(2)将全混合景观训练集中剔除一类景观的样本(冰/雪景观除外)构建的"混合-1"训练集与全混合景观训练集训练的DeepLabv3+网络的云检测精度也相差不大,说明现有训练样本集已具备较强的景观泛化能力;(3)基于30 m空间分辨率的全混合景观训练样本集训练得到的DeepLabv3+云检测网络在不同分辨率(30 m、60 m、120 m、240 m)的测试集上云检测精度差异不大,都取得较好的效果,说明DeepLabv3+能够泛化应用于不同空间分辨率的遥感影像,相反Fmask直接应用于低分辨率影像时精度明显下降;(4) DeepLabv3+能充分自适应不同波段的信息用于云检测,总体来说更多的光谱波段输入能够提高DeepLabv3+的云检测的精度和稳定度,其中短波红外波段对于DeepLabv3+区分冰/雪与云具有重要价值,而热红外波段对DeepLabv3+云检测网络的性能提升很微小。以上结果说明利用现有数据集"L8 Biome"训练的DeepLabv3+云检测网络能够适用于多种类型的遥感影像,并优于Fmask算法。 相似文献
6.
针对云检测在高亮度地表以及雪覆盖区域存在过度检测的问题,设计了一种不依赖热红外波段的增强型多时相云检测EMTCD(Enhanced Multiple Temporal Cloud Detection)算法。首先,利用云的光谱特征建立单时相云检测规则,并基于云、雪的光谱差异构建了增强型云指数ECI(Enhanced Cloud Index),改进了云、雪的区分能力;其次,以同一区域无云影像为参考,基于ECI指数构建了多时相云检测算法,较好地克服了单时相云检测中高亮度地表、雪和云容易混淆的问题,提高了云检测的精度;最后,选择两个典型区域的Landsat-8 OLI影像,对比分析了不同算法的云检测结果。实验结果表明:ECI指数能够有效区分云、雪,EMTCD方法的平均检测精度达到93.2%,高于Fmask(Function of mask)(81.85%)、MTCD(Multi-Temporal Cloud Detection)(66.14%)和Landsat-8地表反射率产品LaSRC(Landsat-8 Surface Reflectance Code)的云检测结果(86.3%)。因此,本文提出的EMTCD云检测算法能够有效地减少高亮度地表和雪的干扰,实现不依赖热红外波段的高精度云检测。 相似文献
7.
监测海冰是一项全球任务,其中地表反照率的反演和建模是关键过程。与广泛使用的BRDF方法不同,本文重点研究了一种更直接的反演方法(编码在SNAP工具中)。首先,应用两个场景聚焦于Utqiagvik的OLCI低云量数据集,通过Rayleigh校正和IdePix云分类进行预处理,生成rBRR波段和云掩膜;然后,在雪属性处理器(snow processor)中对这两项数据与OLCI TOA数据进行综合处理,输出波段光谱反照率和宽谱反照率。将地表反照率产品与其他MISR和MODIS在沿海海域的反照率产品进行比较,结果表明,SNAP雪处理器工具高估了红光反照率,低估了近红外反照率;将陆地冰反照率与Utqiagvik基线站的塔式反照率产品进行比较,结果表明,该方法具有很高的准确率,达95%。 相似文献
8.
基于MODIS卫星数据的平流雾检测研究 总被引：2，自引：4，他引：2
利用MODIS卫星数据．对雾与目标物(水、云、雪、地物)分别进行采样．得到光谱曲线并进行光谱分析，提出了有利于白天和夜问平流雾检测的波段．利用该波段选择结果．采用阈值法对平流雾进行检测并得到地面数据验证。结果表明，MODIS数据在雾检测方面具有很大的潜力。 相似文献
9.
基于MODIS数据的雾光谱特性研究 总被引：2，自引：0，他引：2
通过对中国东部不同区域不同季节的15幅白天MODIS影像进行雾与地物、雪、云的光谱特性差异分析,发现较利于雾与背景（地物、云、雪）分离的波段并分析其原因,为进一步利用MODIS数据进行大范围不同季节雾检测提供了一些初步建议和思路。 相似文献
10.
天山典型林带积雪的多角度遥感识别 总被引：1，自引：1，他引：0
天山中段的山地针叶林带很大程度上影响了该地区整体卫星雪盖的识别精度,多角度卫星遥感技术的发展为林区积雪识别提供了新的途径。本文选取了2000年4月至2001年6月,10个时段研究区内无云覆盖的(Multi-angle Imaging Spectro Radiometer)MISR多角度数据,首先对红光波段不同角度观测结果组成的角度谱图像进行非监督分类,以确定天山林带的分布区域,然后在玛纳斯河中下游与那拉提山东部选取典型像元,分析这些像元红光波段各角度反射率在林区不同积雪覆盖状况下的表现差异。研究发现,若林区存在积雪,0°,±26.1°,±45.6°五个观测角度反射率的平均值大于0.1,在部分降雪月份,后向45.6°观测的反射率大于天顶方向观测的2.5倍。根据这一结论,给出基于MISR数据的研究区不同时段的积雪识别结果。结果表明,MISR红光波段对林区积雪反应敏感,不同角度观测的反射率在林区有雪和无雪时差异较大,故可利用多角度遥感信息进行林区积雪识别。 相似文献
11.
针对ASTER数据的单窗算法 总被引：6，自引：0，他引：6
在对地观测卫星ASTER传感器的15个波段中，有5个(10～14波段)是热红外波段，特别是其中的第13和14波段可以被用来反演地表温度。文中把针对TM影像的单窗算法改进成适应于ASTER传感器的单窗算法，即先对ASTER的13波段(10．25～10．95μm)和14波段(10．95～11．65μm)的，Planck方程进行线性简化，然后用单窗算法分别对ASTER的第13和14波段建立方程，从而形成了针对ASTER传感器的单窗算法，并对参数的获取做了简要的介绍。最后分析了算法的有关应用。 相似文献
12.
用MODIS影像和单窗算法反演环渤海地区的地表温度 总被引：6，自引：0，他引：6
在对地观测卫星MODIS的16个热红外波段中,其中有5个波段是针对地表温度来设计的,其中第31(10.78-11、28μm)和32(11．77-12．27μm)与TM的第6波段区间基本相同。运用单窗算法分别对这2个波段建立方程,然后通过对布郎克方程的辐射率和温度计算模拟,发现温度和辐射率近似线性相关,由此建立辐射率与温度T的线性方程,从而可以简化单窗算法的计算过程一最后运用单窗算法对31和32通道分别反演了环渤海地区的温度分布,并对环渤海地区的土地资源环境作了分析. 相似文献
13.
随着遥感技术的发展,遥感应用的广度和深度得到了大幅度提升,遥感用户对遥感数据的空间分辨率及时间分辨率的需求也越来越高。遥感影像空间分辨率与时间分辨率之间的矛盾难以调和,再加上云、雾、雪和云阴影等因素的影响,限制了高时空分辨率干净遥感影像的获取,为此尝试研发一种影像模拟方法,以便拓展高空间分辨率遥感影像的时间分辨率。利用无云、雾、雪和云阴影的高分一号(GF-1)卫星时间序列影像为每个波段每个像元构建以日期为参数的谐波模型,进而建立基于谐波模型的影像模拟方法,实现指定日期GF-1卫星影像的模拟。基于谐波模型的影像模拟方法生成的模拟影像与真实影像在视觉上十分接近,在定量评估方面也取得了较好的效果,两者之间各波段大多数像元差值处于-0. 03~0. 03间,均方根误差保持在0. 02~0. 05间,表明基于谐波模型的影像模拟方法具有较高的精度与稳定性,可有效提升GF-1卫星影像的时间分辨率,具有一定的实用价值。 相似文献
14.
《北京测绘》2019,(11)
珊瑚礁对于海洋生态环境研究具有重要意义,通过分析珊瑚礁的分布以及生长状况可以对海洋生态环境进行评估。本文以南海珊瑚岛近岸海域为研究区域,选取中巴地球资源四号(CBERS-04)卫星影像数据,利用支持向量机(SVM)分类方法对近岸珊瑚礁底质进行分类,分类结果进行矢量化输出,对珊瑚礁数量和面积进行统计,与Worldview-2卫星多光谱影像数据分类矢量结果进行对比分析。实验结果表明,利用中巴地球资源卫星数据对于珊瑚礁分类是可行的,其中利用20m空间分辨率多光谱数据与5m空间分辨率全色波段数据融合后的影像数据,对于珊瑚礁信息提取效果最好。但由于空间分辨率及波段光谱设置的限制,其对于浅水区小面积珊瑚礁和深水区珊瑚礁提取能力较弱。 相似文献
15.
高光谱遥感可以得到地物连续光谱信息,实现地物精细分类、目标高精度探测以及地物生化参量的定量化应用。传统的高光谱遥感器由于固定辐射动态范围,存在大量无效且冗余数据,给卫星载荷造成了巨大的存储压力。智能高光谱卫星关键技术之一在于利用前视相机预判辐射动态变化范围的方式辅助主相机成像模式调整,本文在智能遥感卫星系统概念的基础上,重点开展前视相机倾斜角设计、波段设置和辐射动态范围预测研究。研究表明:前视相机倾斜角需要综合考虑星上响应时间、单次成像距离和空间分辨率;考虑到云检测、气溶胶光学厚度和水汽含量反演等指标的实现,前视相机需要设置0.49μm、0.66μm、0.87μm、0.94μm、2.1μm等5个波段;0.4—1.0μm波段范围最大最小值辐亮度可以由有限波段进行预测。基于ENVI光谱库76条光谱数据,通过MODTRAN辐射传输模型模拟各类地物(植被、矿物、人造地物、土壤)在不同观测条件下的表观辐亮度,建立了在0.4—1.0μm波段内各类地物辐射动态最大值和最小值模拟模型,利用光谱库中其他光谱数据验证了各类地物辐射动态最大值和最小值模拟模型,各类地物最大值和最小值预测模型验证的拟合优度(R2)分别大于98%和75%,模型验证相对误差分别小于5%和25%;同时利用Hyperion影像,验证了植被类预测模型,最大值模拟模型验证相对偏差在5%内,最小值模拟模型验证相对偏差在10%内。以上研究为智能高光谱卫星主相机的辐射动态范围调整提供了重要依据。 相似文献
16.
树种识别精度将直接影响森林制图精度。为提高泰山麻栎识别精度,通过优选敏感波段及其波段组合,利用多种方法对麻栎进行遥感识别。本文基于资源一号02C(ZY-1 02C)5月12日多光谱遥感影像,分析关键物候期的光谱特征,选取敏感波段并进行波段组合,分别运用云模型、支持向量机(SVM)、最大似然法(MLC)3种分类方法对麻栎进行遥感识别。结果表明,第2、3波段(记为B2和B3)为识别麻栎的敏感波段,其中B3为最敏感波段。3种识别方法中,云模型总体识别精度最高,为94.29%;其次是支持向量机,为90.82%;最大似然法最低,为85.54%。本文利用B3波段构建的云模型对泰山麻栎识别效果最优,可为其他树种识别提供技术支持。 相似文献
17.
为降低云对MODIS逐日积雪覆盖产品MOD10A1和MYD10A1在新疆积雪实时监测与研究中的影响,引入交互式多传感器雪冰制图系统(interactive multi-sensor snow ice mapping system,IMS)等多源遥感数据和地面实测资料,综合时间滤波法、空间滤波法及多传感器融合法等不同的去云技术,建立基于多源数据的去云方法,生成新疆地区2002—2016年近15 a间逐日无云积雪覆盖产品数据,并利用实测资料对生成的产品数据进行精度评价及结果验证。结果表明,去云后积雪覆盖产品在新疆积雪覆盖的总体监测精度为90.61%,接近于去云前MODIS晴空积雪覆盖产品在新疆的总体监测精度(93.3%)。 相似文献
18.
针对夜间云检测验证中低云和雾难以区分的困难,提出了对于南方山区有效的云检测和验证方案。通过分析可见光红外成像辐射仪套件(visible infrared imager radiometer suite,VIIRS)传感器数据的新特性和云检测的原理,给出了适合VIIRS夜间云检测的方法。对白天/夜间波段(day and night band,DNB)数据对云检测验证的适用性进行了分析。结果表明:在月亮天顶角小于60°时,DNB波段能够较好地用于夜间云检测验证;在扫描角小于15°时,云检测精度不低于91%;使用VIIRS的M12和M13通道的亮温差值BTM12-BTM13辅助M12和M15通道的亮温差值BTM12-BTM15进行低云检测,能够去除大部分山谷中雾的影响;检测阈值对扫描角大小变化敏感,当扫描角较大时,设定的阈值在检测精度上不如扫描角较小时理想。 相似文献
19.
20.
基于NDVI背景场的雪盖制图算法探索 总被引：5，自引：0，他引：5
NDSI算法提取MSS雪盖面积时,受到MSS影像缺少短波红外波段的局限。为充分精确提取MSS影像的雪盖面积,本文探索一种以NDVI为背景场的雪盖制图新思路。该方法首先在辐射校正时利用6S模型反演地表反射率,然后根据各地物的光谱特性差异和NDVI特性差异,在ENVI软件SPECTRAL模块中创建冰雪光谱阈值查找表。通过ETM＋和TM影像的三个例证,详细阐明该算法流程以及查找表的创建,并以NDSI对其雪盖制图进行精度验证。结果一致表明,与常规的分类方法（最大似然法）相比较,本文探索的NDVI背景场算法有更高的总体精度和Kappa系数。 相似文献