导读:本文包含了多光谱遥感数据论文开题报告文献综述及选题提纲参考文献,主要关键词:高分辨率,多光谱,遥感数据,城市森林
多光谱遥感数据论文文献综述
熊威[1](2019)在《基于高分辨率多光谱遥感数据的城市森林反射率真实性检验》一文中研究指出城市森林资源信息对城市可持续发展有重要影响。为了满足城市森林资源精细化管理的需求,不断拓展国产高分辨遥感卫星的应用范围,需对其数据质量、数据规格和数据产品特点进一步的研究,进而应用于城市森林资源监测中。本文采用目前国际上正在开展的无场地定标技术,与定标精度比较高的landsat-8 OLI数据对高分1号8米的pms多光谱数据进行交叉定标,对国产高分辨率多光谱遥感数据的城市森林反射率进行真实性检验研究。(本文来源于《北京测绘》期刊2019年10期)
梁丹迪,周可法,王珊珊,王金林[2](2019)在《不同空间分辨率高光谱遥感数据对蚀变矿物信息提取的影响》一文中研究指出高光谱遥感由于其精细的光谱分辨率,在定量分析物质成分上独具优势,因此广泛应用于提取蚀变矿物信息。探讨了不同空间分辨率高光谱遥感数据对蚀变矿物信息提取的影响,采用最邻近插值法、双线性插值法和叁次卷积插值法3种重采样方法对美国Cuprite矿区空间分辨率为20 m的AVIRIS影像做空间尺度扩展,分别扩展到空间分辨率为25,30,35,40,45,50 m。采用SAM分类方法从不同空间分辨率影像中提取蚀变矿物信息,使用混淆矩阵评价提取结果。一方面比较不同重采样方法对后期蚀变矿物信息提取精度产生的影响;另一方面比较不同空间分辨率对高光谱遥感影像蚀变矿物信息提取精度的影响。结果表明:①采用不同的重采样方法做空间尺度扩展,会影响后期蚀变矿物信息提取的精度,但是数值变化相对较小。相比之下,最邻近插值法重采样下影像蚀变矿物信息提取的精度稍好一些。②在中等空间分辨率(20~50 m)范围内,基于50 m空间分辨率的高光谱影像,蚀变信息提取的总体精度和Kappa系数较20 m的明显下降。其中最邻近插值法重采样下的总体精度和Kappa系数分别下降了7.94%,0.09;双线性插值法重采样下的总体精度和Kappa系数分别下降了6.87%,0.08;叁次卷积插值法重采样下的总体精度和Kappa系数分别下降了6.68%,0.08。较高空间分辨率影像的总体精度和Kappa系数整体上均高于较低空间分辨率的情形。(本文来源于《地质科技情报》期刊2019年03期)
王佳,崔柳,张盼盼,高赫[3](2019)在《多光谱遥感数据城市边缘区土地利用时空结构演化》一文中研究指出针对城市边缘区空间扩散变化规律问题,以北京市北郊地区为研究区,提出了利用多源多光谱遥感数据提取城市土地利用信息,分析土地利用时空结构,进而研究城市扩散规律。采用2004年SPOT-5、2009年ALOS、2014年SPOT-6叁期遥感数据,以ArcGIS作为空间数据分析处理工具,利用梯度分析法、等扇形分析法、城市空间形态演化分析重现城市边缘区时空结构的变化过程,对各时期的北京市北郊时空结构进行了分析,得出2004—2014十年间北京市北郊时空结构演化结果。研究表明,十年间北京市北郊地区扩张分布均匀,在2004—2014十年间土地利用结构变化显着,且主要原因是由于建设用地的增加和扩张。该研究为城市边缘区的城市规划、建设、环境保护提供了依据。(本文来源于《遥感信息》期刊2019年01期)
方正,林智乐,钟硕,胡伟峰,陈思媛[4](2018)在《红外多光谱遥感数据的校准》一文中研究指出主要介绍了一种对由特定红外图谱一体化系统采集的光谱数据进行校准与分析的方法。在实验部分,首先对得到的设定已知特定温度的黑体红外光谱数据进行归类和整理,然后在最大保留特征信号的条件下利用不同的滤波算法与滤波窗宽尽量消除信号噪声,并采用偏最小二乘算法对所得信号进行校准,使之与理论值相符。最后利用校准结果构建数学模型,并考虑主成分个数这一概念,检验模型准确度。通过数据分析可知,由这个特定红外图谱一体化系统采集的光谱数据经偏最小二乘算法校正后与理论值相近,此时能够拟合出校正数列与波数之间的函数关系,且受温度影响较小。(本文来源于《红外》期刊2018年10期)
汪大明,秦凯,李志忠,赵英俊,陈伟涛[5](2018)在《基于航空高光谱遥感数据的黑土地有机质含量反演:以黑龙江省建叁江地区为例》一文中研究指出掌握黑土地有机质含量对黑土资源利用与保护具有重要意义,而高光谱卫星影像的缺乏制约了区域尺度土壤有机质反演研究的开展.以黑龙江省建叁江黑土区为例,采用CASI/SASI航空高光谱数据、ASD(analytical spectral devices)地面光谱数据和土壤样品有机质含量数据,基于有机质含量与光谱反射率的相关性和定量关系,构建最优的回归模型并开展研究区土壤有机质含量遥感反演.结果表明:偏最小二乘法回归模型比多元逐步回归模型更稳定(判定系数分别为0.885和0.653),且精度更高(均方根误差分别为0.424和0.744);采用偏最小二乘模型反演的结果与地面化探结果基本一致.(本文来源于《地球科学》期刊2018年06期)
王继斌[6](2018)在《基于归一化多光谱遥感数据的多龙矿集区斑岩铜矿蚀变矿物组合提取》一文中研究指出ASTER数据因具有覆盖范围广、存档数据多、信噪比高、容易获取、空间分辨率和波谱分辨率较高等优势往往成为大面积蚀变矿物填图的首选数据源,且粘土矿物可以很好地被其6个SWIR波段数据区分;而OLI数据在VNIR波谱区间设置有5个波谱段,光谱覆盖范围增大,且光谱分辨率和信噪比有所提高,显着提升了在VNIR波谱区间识别含Fe~(3+)矿物的能力。本文基于伪不变特征法对多龙矿集区4景ASTER数据通过辐射归一化进行了无缝镶嵌,并结合OLI数据在分析该区典型矿物USGS和野外采样光谱曲线的基础上,采用MTMF方法提取了相同尺度下多龙矿集区地表的蚀变矿物(组合)信息,划分出多龙矿集区内各矿床的多光谱地表遥感蚀变分带,最后总结了各矿床的蚀变分带特征。主要结论有:(1)多龙矿集区4景ASTER影像辐射归一化处理效果较好。经归一化处理的影像,有效地消除了季节性地物辐射变化、太阳光照条件差异、大气散射、吸收和云量变化等因素的影响,为在相同辐射水平下开展大区域蚀变矿物(组合)信息提取提供了可靠的基础性影像。(2)遥感地表蚀变分带特征与野外调查结果基本吻合。多龙矿集区内各矿床的多光谱遥感地表蚀变分带由内而外为白云母+高岭石/蒙脱石→高岭石/蒙脱石→绿泥石的分带特征,各矿床各蚀变分带间均具有良好的空间套合关系,分别对应于斑岩型铜矿的绢英岩化带+泥化带→泥化带→青磐岩化带。(3)在多龙矿集区南部,距地堡那木岗矿床大约8km和10km处遥感地表蚀变分带由内而外为白云母+高岭石/蒙脱石→高岭石/蒙脱石→Fe~(3+)蚀变矿物→绿泥石+绿帘石,各蚀变分带之间具有良好的空间套合关系,分别对应于斑岩型铜矿床的绢英岩化带+泥化带→泥化带→青磐岩化带,具有和区内其他矿床相似的蚀变分带特征,建议作为下一步重点找矿区。(本文来源于《成都理工大学》期刊2018-06-01)
吴倩[7](2018)在《基于机载高光谱遥感数据的森林乔木树种多样性研究》一文中研究指出森林生物多样性的丰富程度是森林生态系统重要指标,对森林生物多样性的保护不仅有利于保护人类赖以生存的生态系统,同时也有利于人与自然和谐发展。近年来国内外利用遥感技术进行森林生物多样性的估算已经成为了重要的方法,该技术不仅可以全天候、实时、动态与无损坏地实现信息的定时和定量收集,而且有效的避免了人为因素干扰,这为林业部门进行森林生物多样性量化评价、制图及保护决策规划提供了更为准确的信息支撑。随着遥感新型传感器的发展,飞机搭载传感器获得的机载高光谱影像数据在森林生物多样性遥感估测方面发挥着巨大的潜力。本文以浙江省衢州市的古田山自然保护区为研究基地,以森林乔木树种为研究对象,基于地面实测样地计算得到森林乔木树种多样性指数,包括物种的丰富度指数,Shannon-Wiener指数、Plieou均匀度指数以及Simpson指数。结合机载高光谱影像数据,从高光谱遥感影像中提取相关的遥感特征因子,包括主成分分析后的第一、第二和第叁主成分以及主成分分析后的纹理特征、窄波段植被指数。由于提取的遥感因子较多,特征之间存在的相关性,本文以随机森林迭代特征选择的方法高效的选择出了对回归建模贡献大的特征因子。文中比较分析了多元线性回归(MLR)、随机森林(RF)、支持向量回归(SVR)叁种模型对森林乔木树种多样性的遥感估测能力,并结合十折交叉验证的方法对模型的估测精度做了验证,得到以下几个结论:(1)从对高光谱影像的主成分分析结果来看,此方法有效的避免了波段信息之间的冗余,使图像的信息得到了增强。同时从参与多样性指数的遥感特征变量重要度排名来看,主成分分析后的第一主成分与四种多样性指数之间存在较强的相关性,说明第一主成分包含的树种信息较为丰富。(2)基于随机森林迭代特征选择的方法可以有效的从冗余的变量中筛选出对回归建模影响大的特征因子。在回归模型建模过程中,若直接将所有的特征因子加入回归模型中,则不仅减慢了模型的运算速度,还会导致模型对训练样本数据拟合效果好,但对验证样本数据应用效果差的现象,从而会对模型的预测结果和估测精度带来影响。由于本文提取的特征因子较多,因此对特征变量进行有效的筛选是十份有必要的,基于随机森林迭代特征法所选择出的特征变量组合,既有效避免了因子选择的随意性,又保证了参与建模的特征因子与构建的模型有很大相关性。(3)基于叁种数学模型分别构建森林乔木树种多样性与遥感特征因子之间的回归模型,就估测精度而言,物种丰富度指数(RF模型:R~2=0.65,RMSE=2.58;SVR模型:R~2=0.56,RMSE=2.70;MLR模型:R~2=0.44,RMSE=3.42);Shannon-Wiener指数(RF模型:R~2=0.40,RMSE=0.53;SVR模型:R~2=0.54,RMSE=0.59;MLR模型:R~2=0.43,RMSE=0.65);Simpson指数(RF模型:R~2=0.61,RMSE=0.052;SVR模型:R~2=0.55,RMSE=0.059;MLR模型:R~2=0.41,RMSE=0.072);Pielou指数(RF模型:R~2=0.63,RMSE=0.054;SVR模型:R~2=0.57,RMSE=0.063;MLR模型:R~2=0.33,RMSE=0.081)。相较于MLR和SVR模型,RF模型的精度有所提升,RF模型估测精度显着优于MLRM和SVR方法的估测精度,RF模型对四种多样性指数的估测精度比MLR和SVR模型分别提高了21%和9%、17%和6%、20%和6%、30%和6%。尤其对物种丰富度指数的估测精度明显高于另外两种模型的模型,预测效果最好。因此RF模型估测能力最强且最为稳定;其次预估精度效果较好是SVR模型。(4)从反演的效果来看,叁种模型都会存在高多样性指数低估和低多样性指数高估的现象,其中RF模型反演效果最好,泛化能力较强,高值低估,低值高估的问题程度最轻;SVR模型次之;MLR模型出现该现象的程度较重,模型的泛化能力不强。因此基于RF模型可以很好的用来反演研究区森林乔木树种的物种多样性。(本文来源于《安徽农业大学》期刊2018-06-01)
张剑晨,崔杰,程屹,黄剑,杜靖媛[8](2018)在《基于主成分变换的多光谱遥感数据的有监督可视化方法》一文中研究指出【目的】遥感数据可视化是决定遥感数据解译质量高低的一个关键环节,目视解译是目前生产实践中遥感技术应用的一个重要方式。探讨一种基于学习样本生成可视化特征,使得可视化与目视解译应用能够有机结合,进而实现有监督可视化。【方法】采用主成分变换回归重构方法重构了针对森林资源的植被监测模型,得到3个新特征,依次赋予红绿蓝3种颜色以生成假彩色图像来实现信息可视化。【结果】基于学习样本的主成分变换回归重构方法与主成分变换法、原始近红外-短波红外-红波段组合相比,重构后的假彩色图像在一定程度上得到了改善,有利于目视解译。主成分变换回归重构后的分类精度比未重构的分类精度提高了6. 20%,比原始波段组合的分类精度提高了7. 82%。重构前后的一元和多元离差平方和(离差阵)构成变化分析说明,重构后类内差异缩小、类间差异增大。【结论】定量验证认为,主成分变换回归重构的可分性比未重构的主成分变换和原始波段组合的可分性都要好。(本文来源于《南京林业大学学报(自然科学版)》期刊2018年05期)
李园园,楚光明,牛攀新,李明艳,刘烈[9](2018)在《基于地面高光谱遥感数据的梭梭地上生物量估算模型》一文中研究指出梭梭(Haloxylon ammodendron)是准噶尔盆地建群种和优势种,梭梭生物量是评价荒漠生产力和生态功能的重要指标。以古尔班通古特沙漠南缘石河子地区沙地和盐碱地梭梭为研究对象,利用个体植株冠层高光谱数据提取的植被指数(Ⅵ)与实测的地上生物量进行6种单变量线性和非线性回归分析。结果表明:二次函数和幂函数与植株个体冠层NDVI呈现较强相关,其中二次函数拟合方程为B=7.8-112.61*NDVI+447.37*NDVI~2(R_(adj)~2=0.813,RSS=5.583),幂函数拟合方程为B=856.33*NDVI~(3.41)(R_(adj)~2=0.817,RSS=5.469),并利用这2种拟合方程估算梭梭地上生物量。分析发现,两个方程估算的梭梭个体地上生物量均值偏高,而对于不同径级梭梭地上生物量估算效果无明显规律。该研究对于利用地面高光谱数据无损、定量提取梭梭地上生物量进行了有益尝试,可为今后利用高光谱以及光学影像数据进行梭梭地上生物量的大范围估测提供一些参考。(本文来源于《干旱区资源与环境》期刊2018年07期)
潘海珠,陈仲新[10](2018)在《无人机高光谱遥感数据在冬小麦叶面积指数反演中的应用》一文中研究指出[目的]无人机高光谱遥感是获取田间尺度作物生长参数的新型手段,如叶面积指数(leaf area index,LAI)的无人机快速观测对作物生长监测具有重要意义。[方法]研究以河北省衡水市冬小麦为研究对象,利用以多旋翼无人机为平台搭载Cubert UHD185成像高光谱传感器获取了冬小麦乳熟期的无人机高光谱影像数据;在无人机飞行的冬小麦试验田,利用LAI 2200进行了同步观测试验。该研究利用植被辐射传输模型PROSAIL模拟小麦冠层反射率数据,进而模拟9种植被指数(RVI,NDVI,EVI2,OSAVI,MSAVI2,TCARI/OSAVI,RENDVI(red edge NDVI),MSI,S2REP)。将模拟的植被指数与LAI进行相关性分析,分别构建LAI反演模型并通过拟合效果选择最优的反演模型。然后基于LAI最优反演模型利用无人机高光谱遥感数据反演冬小麦乳熟期的LAI。最后利用地面实测LAI数据对反演结果进行了验证。[结果]9种植被指数中包含红边波段的RENDVI和S2REP与LAI具有高度相关性,而且消除了在小麦LAI高值区时其他植被指数对LAI饱和的问题。基于RENDVI指数模型模拟的LAI与模型模拟的LAI之间RMSE为0.51,无人机高光谱数据LAI反演结果与地面实测值高度拟合(R2=0.83,RMSE=0.16,NRMSE=10%,n=25,P<0.001),因此RENDVI是用于估算LAI的较理想的植被指数。[结论]无人机高光谱是获取小麦LAI的有效手段,该研究为利用无人机高光谱数据监测作物生理生态参数提供了参考。(本文来源于《中国农业资源与区划》期刊2018年03期)
多光谱遥感数据论文开题报告
(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:
高光谱遥感由于其精细的光谱分辨率,在定量分析物质成分上独具优势,因此广泛应用于提取蚀变矿物信息。探讨了不同空间分辨率高光谱遥感数据对蚀变矿物信息提取的影响,采用最邻近插值法、双线性插值法和叁次卷积插值法3种重采样方法对美国Cuprite矿区空间分辨率为20 m的AVIRIS影像做空间尺度扩展,分别扩展到空间分辨率为25,30,35,40,45,50 m。采用SAM分类方法从不同空间分辨率影像中提取蚀变矿物信息,使用混淆矩阵评价提取结果。一方面比较不同重采样方法对后期蚀变矿物信息提取精度产生的影响;另一方面比较不同空间分辨率对高光谱遥感影像蚀变矿物信息提取精度的影响。结果表明:①采用不同的重采样方法做空间尺度扩展,会影响后期蚀变矿物信息提取的精度,但是数值变化相对较小。相比之下,最邻近插值法重采样下影像蚀变矿物信息提取的精度稍好一些。②在中等空间分辨率(20~50 m)范围内,基于50 m空间分辨率的高光谱影像,蚀变信息提取的总体精度和Kappa系数较20 m的明显下降。其中最邻近插值法重采样下的总体精度和Kappa系数分别下降了7.94%,0.09;双线性插值法重采样下的总体精度和Kappa系数分别下降了6.87%,0.08;叁次卷积插值法重采样下的总体精度和Kappa系数分别下降了6.68%,0.08。较高空间分辨率影像的总体精度和Kappa系数整体上均高于较低空间分辨率的情形。
(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。
多光谱遥感数据论文参考文献
[1].熊威.基于高分辨率多光谱遥感数据的城市森林反射率真实性检验[J].北京测绘.2019
[2].梁丹迪,周可法,王珊珊,王金林.不同空间分辨率高光谱遥感数据对蚀变矿物信息提取的影响[J].地质科技情报.2019
[3].王佳,崔柳,张盼盼,高赫.多光谱遥感数据城市边缘区土地利用时空结构演化[J].遥感信息.2019
[4].方正,林智乐,钟硕,胡伟峰,陈思媛.红外多光谱遥感数据的校准[J].红外.2018
[5].汪大明,秦凯,李志忠,赵英俊,陈伟涛.基于航空高光谱遥感数据的黑土地有机质含量反演:以黑龙江省建叁江地区为例[J].地球科学.2018
[6].王继斌.基于归一化多光谱遥感数据的多龙矿集区斑岩铜矿蚀变矿物组合提取[D].成都理工大学.2018
[7].吴倩.基于机载高光谱遥感数据的森林乔木树种多样性研究[D].安徽农业大学.2018
[8].张剑晨,崔杰,程屹,黄剑,杜靖媛.基于主成分变换的多光谱遥感数据的有监督可视化方法[J].南京林业大学学报(自然科学版).2018
[9].李园园,楚光明,牛攀新,李明艳,刘烈.基于地面高光谱遥感数据的梭梭地上生物量估算模型[J].干旱区资源与环境.2018
[10].潘海珠,陈仲新.无人机高光谱遥感数据在冬小麦叶面积指数反演中的应用[J].中国农业资源与区划.2018