遙感研究生論文題目范文第1篇
根據目前基礎地理空間數據生產技術發展和用戶的需要, 基礎地理空間數據產品主要包括以下四種基本模式:數字線劃圖 (DLG) 、數字正射影像圖 (DOM) 、數字柵格地圖 (DRG) 、數字高程模型 (DEM) , 簡稱為“4D”。這些產品可根據需要以數字和模擬二種形式提供。根據用戶的需要可形成復合產品, 如數字線劃圖與數字正射影像圖疊加可形成數字影像地形圖。
(1) 數字線劃圖, 簡稱為DLG:是地形圖上基礎要素信息的矢量格式數據集, 其中保存著要素的空間關系和相關的屬性信息。數字線劃圖可滿足各種空間分析要求, 與其他信息疊加, 可進行空間分析和決策。
(2) 數字正射影像圖, 簡稱為DOM:是利用數字高程模型對掃描處理后的數字化的航空像片或遙感影像, 逐像元進行輻射糾正、微分糾正和鑲嵌, 按標準分幅的地形圖范圍進行裁切生成的影像數據, 帶有公里格網和內、外圖廓整飾和注記的影像平面圖, 具有地圖的幾何精度和影像特征。DOM具有精度高、信息豐富、直觀真實的特點, 可作為背景控制信息、評價其它數據的精度、現勢性和完整性;從中可提取自然資源和社會經濟發展信息或派生出新的信息, 可用于地形圖的更新。
(3) 數字高程模型, 簡稱為DEM:是在高斯投影平面上規則或不規則格網點的平面坐標 (X, Y) 及其高程 (Z) 的數據集。為控制地表形態, 可配套提供離散高程點數據。
(4) 數字柵格地圖, 簡稱為DRG:是以柵格數據格式存儲和表示的地圖圖形數據文件。在內容、幾何精度、規格和色彩等方面與地形圖圖形基本保持一致, 可用于DLG數據的采集、評價和更新, 也可與DOM, DEM等數據疊加使用, 從而提取、更新地圖數據和派生出新的信息。
2 基本特征
2.1 數據格式
基礎地理空間數據的數據格式主要分為矢量和柵格二種, 數字線劃圖為矢量數據集, 每一地理要素分別采用點、線、面描述其幾何特征, 并賦予屬性, 同時按要素分類分為若干數據層, 提供地理信息系統做空間檢索、空間分析使用。數字正射影像圖、數字高程模型和數字柵格地圖為柵格數據集, 數據結構就是像元陣列, 每個像元由行列號確定它的位置, 且具有表達實體屬性的類型或值的編碼。
矢量數據能全面地描述地表目標, 可隨機的進行數據選取和顯示, 與其它信息疊加, 可進行空間分析、決策。具有嚴密的數據結構, 數據量小, 可完整地描述數據的拓撲關系, 便于深層次分析, 輸出質量好, 數據精度高, 但其數據結構復雜、技術要求高。柵格數據具有數據結構簡單, 空間數據的疊加簡便, 易于進行空間分析, 相對來說圖形數據量大, 數據和信息量受像元大小的限制。
2.2 基本內容
考慮到基礎地理空間數據采集時間和產品的提供周期, 基礎地理矢量數據可分為三個層次:第一層次分為核心地形要素;第二層次為在核心地形要素的基礎上, 根據各地不同的需要, 選取更多的其它要素 (可選要素) ;第三層次為全部地形圖要素 (全要素) 。
矢量數據的基本內容:大地控制測量數據 (包括平面控制點、高程控制點、天文點、重力點) 、水系及附屬設施、建筑物及附屬設施、交通運輸與管線設施、境界、地表覆蓋、地貌。柵格數據:DEM格網數據, 格網間距5m或12.5m;DOM影像數據, 地面分辨率為1m;DRG圖形數據, 分辨率不低于250dpi。文本數據:地名數據, 含地名位置、類型、行政區劃、經濟信息等;元數據, 說明數據內容、質量、狀況和其他有關特征的背景信息, 是數據自身的描述信息。
3 航空遙感數據生產流程及關鍵技術研究
基于全數字攝影測量的空間數據生產流程如圖1所示。
3.1 資料準備
航攝資料如航攝底片、控制點資料、相關的地形圖、航攝機鑒定表、航攝驗收報告等應收集齊全;對影像質量、飛行質量和控制點質量應進行分析, 檢查航攝儀參數是否完整等。
3.2 影像掃描
根據航攝底片的具體情況, 設置與調整掃描參數, 使反差適中、色調飽滿、框標清晰, 灰度直方圖基本呈正態分布, 掃描范圍應在保證影像完整 (包括框標影像) 的前提下盡可能地小, 以減少數據量。影像掃描分辨率根據下面公式確定。
影像掃描分辨率R=地面分辨率/航攝比例尺分母。
3.3 定向建模
自動搜尋框標點, 放大切準框標點進行內定向, 對定向可由計算機自動完成, 人機交互完成絕對定向如不符合要求, 需重新定向, 直至符合限差要求。
檢查定向精度, 需滿足要求;完成定向后需檢查坐標殘差。
3.4 數據采集
(1) 立測判讀采集, 需嚴格切準目標點要求按中心點、中心線采集的要素, 其位置必須準確, 點狀要素準確采集其定位點, 線狀要素上點的密度以幾何形狀不失真為原則, 密度應隨著曲率的增大而增加。每個像對的數據必須接邊, 自動生成的匹配點、等視差曲線或大格網點、內插的小格網點均需漫游檢查, 保證其準確性, 為提高DEM精度, 需人工加測地形特征點、線和水域等邊界線。 (2) 采集的數據應分層, 進行圖形和屬性編輯, 矢量數據線條要光滑, 關系合理, 拓撲關系正確, 屬性項、屬性值正確;利用DEM數據, 采用微分糾正法對影像重采樣獲得DOM數據。 (3) DEM和DOM數據需進行單模型數據拼接, 檢查拼接處接邊差是否符合要求;同樣矢量數據接邊應符合要求各屬性值要一致, 任何不符合要求的數據均需重新采集, 修改正確的數據按圖幅裁切, 生成最終的以幅為單位的數據, 提供檢查和驗收。
3.5 元數據制作
可由相應的專業軟件進行計算輸入各屬性項中, 無法自動輸入的內容由人工輸入。
摘要：本文研究探討了航空遙感數據產品生產流程及其中所涉及的關鍵技術, 文章首先對空間數據產品的模式和基本特征進行了詳細的闡述, 而后給出了基于航空遙感的空間數據生產流稱, 最后結合筆者工作經驗, 重點探討了流程中所涉及的關鍵技術, 全文既是筆者長期工作實踐基礎上的經驗總結, 同時也是在實踐基礎上的理論升華, 相信對從事相關工作的同行有著重要的參考價值和借鑒意義。
遙感研究生論文題目范文第2篇
(1) 目前開展的旱情監測主要還是停留在氣象災害層面上, 還沒有深入到農業層面, 現有的監測僅是氣象災害或災害性天氣的監測, 僅知道哪里有旱情發生, 但這種旱情能否成為農業災害, 還不能確切地得知。
(2) 隨著遙感傳感器的發展, 用不同的傳感器獲取數據成為可能, 但是旱情監測對于遙感數據的選擇有一定的限制?？臻g分辨率提高, 則微觀尺度監測的結果精度會提高;時間分辨率提高, 對各種突發性、快速變化的自然災害有更強的實時監測能力。一般空間分辨率越高, 時間分辨率就會降低。因此, 在遙感數據的選擇上需要考慮空間和時間上的折衷, 這取決于旱情監測范圍、精度要求以及旱情自身的特點等等。例如, 小范圍的監測可以選擇TM數據或雷達數據計算反映旱情的指標, 全國范圍內的監測可以選擇NOAA/AVHRR數據或MODIS數據。由于干旱是一個累積的過程, 如果有一個長時間序列的遙感數據進行干旱的監測, 就可以很好的監測旱情的發展趨勢, 為決策提供更加可靠的信息。遙感數據多通道信息可以增強對地球復雜系統的觀測能力和對地表類型的識別能力。在考慮遙感數據空間分辨率和時間分辨率的前提下, 也要充分利用遙感數據提供的多光譜信息。因此, 實現全國范圍內的旱情監測, 遙感數據是否容易獲取也是旱情監測最后能否運行的一個決定因素。
(3) 目前利用遙感數據計算各種能直接或間接反映干旱情況的物理指標, 己形成了很多種方法。但是干旱的發生由眾多因素決定, 而旱災更為復雜, 涉及農作物生長及其對水分的時空需要變化。因此, 指標的選取也是旱情監測最后能否運行的一個決定因素。各種指標都有自身的優缺點, 例如, 有些對于作物的監測比較好, 有些對于裸土監測效果比較理想;有些指標容易計算, 但考慮的影響因子比較少, 有些指標考慮的影響因子比較全面, 但太過于復雜, 使得全國范圍內的計算難以實現。因此在指數的選取上不僅要體現對作物旱情監測的優勢, 而且要考慮指數在全國范圍內的計算是否可以進行。
1 國內遙感旱情監測指標反演進展
我國對VCI和TCI兩人指數的應用都相對晚一些, 蔡斌等用VCI參照當時降水對全國1991年春季干早進行了監測和研究, 使用的是1985年至1991年的NOAA全球標準化植被指數資料, 時間分辨率為7天。選取出中國范圍內的NDVI時間序列數據, 并對NDVI時間序列資料采用中值濾波法來去除噪聲然后計算NDVI最大值和NDVI最小值。馮強等在基于植被狀態指數的全國干早遙感監測試驗研究中, 使用的是1981年至1994年的NDVI時間序列數據, 空間范圍覆蓋全國, 空間分辨率為8km, 時間分辨率為10天。但是在計算NDVI最大值和最小值時首先將NDVI歷史數據從8km重采樣為1.1km。馮強等在基于植被狀態指數的土壤濕度遙感方法研究中使用的數據與上述一樣。
2 某地區遙感旱情監測指標反演
遙感技術提供了豐富的信息, 從可見光到短波, 再到熱紅外, 最后是微波。1990年以來, 利用各波譜段數據計算各種反映干旱指標的方法己經有很多, 例如NDVI、距平植被指數、植被狀態指數 (VCI) 、溫度條件指數 (TCI) 等等。最近十年里, 遙感監測干旱的方法的研究有以下三個特點, 一是使用己有的指數, 如NDVI、VCI、TCI、CWSI和TS/NDVI等等。計算的原理相同, 使用的數據空間時間分辨率不同, 或是計算時參數的處理方法不同或是模型的不同;二是根據已有的原理, 提取新的指數, 如VTCI、VTDI、DSI等等;三是遙感與氣象或是水文數據結合建立的新的指數如BMVCI等等。借用某種氣象或水文指數, 分析其原理并將其中一些參數用遙感數據代替得到新的指數。
現將最近幾年中用于旱情監測的幾種主要方法的原理分別介紹如下。
(1) 距平植被指數法。
歸一化植被NDVI是迄今為止應用最廣的一個植被指數。很多衛星遙感數據都提供了計算這個指數所需的通道信息, 以MODIS為例, 計算式為:
其中1ρ為第一波段 (紅波段) 的反射率, ρ2是第二波段 (近紅外波段) 的反射率.它可以反映植被的長勢, 可以間接反映旱情。
距平植被指數, 指某一年某一特定時期NDVI與多年該時期NDVI平均值的差值。計算式如下:
式中, ANDVIj為某年內j時的NDVIj距平指數, NDVIj為某年內j時的為多年內j時的NDVI平均值?？梢杂眠@個差值來反映偏旱的程度。多年平均值可以近似反映土壤供水的平均狀況。因此NDVI資料的時間序列越長, 計算得到的平均值代表性才會越好。
本文所用數據是2009年4月與7月的MODIS月合成的NDVI產品。MODIS數據的幾何糾正和鑲嵌是用USGS EROS數據中心開發的MRT幾何糾正軟件進行的。得到該地區的每月合成數據后, 生成生長季4月與7月的ANDVIj數據 (圖1) 。從圖上可以看出, 7月份相對于4月旱情有所緩解。
(2) 植被狀態指數法。
在不同地區, 因為不同區域作物生長季處于不同階段, 需水情況不同, 旱不旱不能通過NDVI值的大小來說明, 而NDVI與歷史平均值的偏差, 又弱化了天氣的影響。
NDVI的變化受天氣的影響, 尤其是類似嚴重干旱的極端天氣現象時, 會遠遠超過正常年際間的NDVI變化, 有可能造成某一特定時期內不同像素間監測結果的可比性變差。為了反映天氣極端變化情況, 消除NDVI空間變化的部分, 使不同地區之間有可比性, Kogan提出了植被狀態指數VCI。定義如下。
其中, VCIj為j時的植被狀態指數;NDVIj為j時的NDv工值;NDVImax為所有圖像中最大的NDVI值;NDVImin為所有圖像中最小的NDVI值。VCIj是NDVI在j時的相對于最大NDVI的百分比。Kogan假設植被NDVI最大值在最佳的天氣中得到 (考慮到土壤營養的吸收, 天氣條件可以刺激生態系統資源的利用) , 最小值在非有利的情況下得到, 如干旱和熱, 通過生態系統資源的減少 (干旱年缺水減少了土壤營養的吸收) , 直接抑制了植被的生長。這樣, 如果有足夠長時間的NDVI序列數據, 就可以從中提取出NDVImin和NDVImin, 反映出極端氣候狀況, 計算的VCI結果在不同地區的比較更為合理。VCI是基于NDVI反演得到的, 因此對植被的監測效果比較好, 作物播種或收割后的時間, 監測效果比較差。
本文所用數據是2009年4月與7月的MODIS月合成的NDVI產品。MODIS數據的幾何糾正和鑲嵌是用USGS EROS數據中心開發的MRT幾何糾正軟件進行的。得到該地區的每月合成數據后, 生成生長季4月與7月的VCIj數據 (圖2) 。從圖上可以看出, 7月份相對于4月旱情有所緩解。與ANDVIj反映的趨勢基本相同。
3 結語
本文應用MODIS數據對南方某地區的旱情進行了監測, 以作物生長季的4月和7月作為對比, 分析了, 及NDWI三個指標的變化趨勢。相信對從事相關工作的同行有著重要的參考價值和借鑒意義。
摘要：本文基于筆者多年從事遙感減災應用的相關工作經驗, 以基于MODIS數據的遙感旱情監測為研究對象, 以某地區生長季的4月和7月為研究背景, 分析了ANDVIj, VCIj及NDWI三個指標的變化趨勢, 給出了該地區旱情的變化趨勢, 全文是筆者長期工作實踐基礎上的理論升華, 相信對從事相關工作的同行有著重要的參考價值和借鑒意義。
關鍵詞：MODIS,遙感,旱情,NDVI
參考文獻
[1] 楊玉永, 郭洪海, 隋學艷, 等.山東省小麥主產區旱情遙感監測系統的構建[J].科技創新導報, 2009 (1) .
遙感研究生論文題目范文第3篇
遙感 (RS) 對地觀測技術的發展促進了信息獲取技術的提高, 已經成為土地資源監測的主要手段。遙感監測結果在使用前, 必須進行客觀可靠的精度驗證和分析, 以保持遙感監測結果的可靠性。同一遙感監測結果, 精度評價的方式不同, 評價結果就有可能不同, 因此很有必要對遙感精度評價過程中影響精度評價結果的各種因素進行細致深入的分析。一般地, 目前影響遙感精度評價的因素主要包括抽樣方法、參考數據和評估參數三個方面[1], 其中, 抽樣樣本的設計和選擇尤為關鍵。
目前, 國內外研究者做了大量遙感監測精度檢驗的理論研究和實踐探討, 為遙感監測成果的應用提供了有利保證。但是, 關于不同抽樣方法對土地資源遙感監測精度評價的影響的定量研究還比較欠缺。本文嘗試利用同一地區不同空間分辨率的遙感數據, 采用不同的抽樣方法, 分別對試驗區甘肅某縣的土地遙感監測成果進行精度評價, 定量分析不同抽樣方法對土地資源遙感監測精度評價結果的影響。
1 研究方法
1.1 試驗區及數據來源
本研究所用的試驗數據為甘肅某縣2004年的土地資源遙感監測成果, 該監測成果的遙感數據源為2004年甘肅某縣的ETM+遙感數據。數據質量要求為處理級別1級 (1A或1B) , 云覆蓋小于10%, 無雪, 無噪聲和條痕。時相上主要考慮選擇有利于影像的土地利用判讀解譯的季節。
本研究所用精度分析參考數據是基于同期的SPOT5 2.5m空間分辨率的遙感影
1.2 土地資源遙感信息提取
在幾何糾正、圖像匹配等相關圖像預處理的基礎上, 利用2004年ETM+和SPOT遙感影像, 結合土地、地形等輔助資料信息, 通過研究區的野外實地調查, 按照《土地分類》, 以人機交互方式解譯判讀二級土地利用類型, 即耕地、林地、草地、建設用地、水體和未利用地6個土地類型。
1.3 基于不同抽樣方法的精度評價
1.3.1 全樣本精度評價
首先分別將甘肅某縣的基于SPOT和ETM+數據的土地利用現狀矢量圖柵格化, 以便在精度分析過程中進行像元對像元的評價, 像元對像元的精度評價既能對各地類的屬性和面積作出分析, 同時也能開展各地類位置的精度分析。
為確定柵格圖的像元大小, 我們對基于SPOT的土地利用現狀矢量圖的各個圖斑進行了統計, 其中最小的圖斑面積為200.43m2, 所以, 我們將基于SP OT的土地利用現狀矢量圖柵格化后的像元大小確定為15m×15m。
按照確定好的像元大小, 分別把基于SPOT和ETM+數據的土地利用現狀矢量圖重采樣為15m分辨率的柵格圖。然后以基于SPOT的土地利用現狀柵格圖為參考數據, 對基于ETM+的土地利用現狀柵格圖進行像元對像元的精度評價分析。
1.3.2 簡單隨機抽樣精度評價
以基于SPOT的土地利用二級地類現狀柵格圖 (圖1a) 為參考數據, 對基于ETM+的土地利用二級地類現狀柵格圖 (圖1b) 進行精度分析, 在研究區最小抽樣樣本數的基礎上, 我們分別取抽樣樣本數為500、1000、1500和2000的四種情況對甘肅某縣的土地利用二級地類進行了精度評價。
2 結果分析
2.1 全樣本精度評價
從表1可以看出, 甘肅某縣全樣本總體分類精度為74.82%, Kappa系數為0.633。在各地類的分類精度中, 水體的分類精度最高, 達88.53%, 林地的分類精度最低, 為63.04%。耕地、林地和草地的精度在74%左右, 未利用地的精度比林地的精度稍高, 為67.09%。
耕地的誤分中, 劃分成林地和草地的居多, 甘肅某縣林地和草地占誤分總量的89.38%, 耕地誤分成其他地類的比率分別為, 建設用地占7.59%, 水體和未利用地占2.03%。林地的誤分中, 劃分成耕地和草地的居多, 甘肅某縣耕地和草地占誤分總量的94.28%, 林地誤分成其他地類的比率分別為, 建設用地占3.99%, 水體和未利用地占1.73%。草地的誤分中, 劃分成耕地和林地的居多, 甘肅某縣耕地和林地占誤分總量的87.72%, 草地誤分成其他地類的比率分別為, 建設用地占5.74%, 水體占3.51%, 未利用地占3.03%。建設用地的誤分中, 甘肅某縣中誤分成耕地的比率最大, 為45.61%, 誤分成林地、草地和未利用地的比率分別為14.92%、17.66%和19.72%, 誤分成水體的比率最小, 為2.09%。水體的誤分中, 甘肅某縣中誤分成草地的比率最大, 為49.06%, 其他誤分比率依次是, 未利用地占31.31%, 建設用地占9.09%, 耕地占8.98%, 林地占1.56%。未利用地的誤分中, 甘肅某縣中誤分成水體的比率最大, 為32.74%, 其次是耕地占29.17%, 草地占22.76%, 林地占11.55%, 建設用地占3.78%。
從甘肅某縣地類的分類精度和錯分情況分析來看, ETM+遙感影像比SPOT5的空間分辨率低, 空間分辨率的降低, 導致各地類的邊緣不清晰, 紋理不明顯, 混合像元增多, 這些都是導致各地類錯分的重要原因。耕地、林地和草地之間的混分現象較為嚴重, 未利用地與草地和建設用地的混分現象等, 除分辨率的影響外, 與ETM影像中的地類之間的光譜特征相近也有較大的關系。除外, 在土地利用矢量數據轉為柵格數據過程中產生的誤差, 對精度評價的結果也有一定的影響。
2.2 簡單隨機抽樣精度評價
在簡單隨機抽樣方法中 (表2) , 甘肅某縣的樣本數為500時精度最小, 分類精度為71.60%, kappa系數為0.607;樣本數為1000時精度最大, 分類精度為75.90%, kappa系數為0.635, 而且從各地類的分類精度和總體分類精度綜合來看, 其精度評價結果與全樣本的評價結果最接近。
通過分析甘肅某縣二級地類不同樣本數的分類精度, 可以得出, 簡單隨機抽樣方法得到的精度并不是隨著樣本數的增加而遞增或遞減的, 與樣本個數不成線性相關。而是在不同的區域內, 有其最佳的抽樣樣本個數與真實精度最接近。在簡單隨機抽樣的精度檢驗中, 不同樣本數的抽樣檢驗, 與真實精度相比, 精度或是低估, 或是高估, 評價中精度最高的并不一定是與真實精度最接近的。因此在簡單隨機抽樣的精度檢驗中, 應該選取不同的樣本數進行比較, 然后選取最佳樣本數進行精度評價。
3 結語
簡單隨機抽樣方法得到的精度并不是隨著樣本數的增加而遞增的, 而是在不同面積的區域內, 有其最佳的抽樣樣本個數與真實精度最接近。在簡單隨機抽樣的精度檢驗中, 不同樣本數的抽樣檢驗, 與真實精度相比, 精度或是低估, 或是高估, 評價中精度最高的并不一定是與真實精度最接近的。因此在簡單隨機抽樣的精度檢驗中應該選取不同的樣本數進行比較, 然后選取最佳樣本數進行精度評價。
摘要：數據質量規范體系的制定是土地資源與生態環境遙感調查與監測成果可靠性的基礎保障, 因此, 需要土地資源與生態環境遙感監測數據質量評價的研究做技術支撐, 本文論述了基于遙感手段的土地資源遙感監測方法, 全文是筆者工作實踐基礎上的理論升華, 相信對從事相關工作的同行能有所裨益。
關鍵詞：精度評價,簡單隨機抽樣,分層抽樣,等距抽樣
參考文獻
[1] Stehman SV, Czap lewski R L.Designand Analysis for Thematic Map Accu-racy Assessment:Fundamental Principles[J].Remote Sensing of Environment, 1998, 64:331～334.
[2] 冉有華, 李文君, 陳賢章.TM圖像土地利用分類精度驗證與評估——以定西縣為例[J].遙感技術與應用, 2003, 18 (2) :81～86.
[3] 劉旭攏, 何春陽, 潘耀忠, 等.遙感圖像分類精度的點、群樣本檢驗與評估[J].遙感學報, 2006, 10 (3) :366～372.
[4] 孫曉霞, 張繼賢.土地利用動態遙感監測的誤差分析[J].測繪科學, 2003, 12:45～46.
遙感研究生論文題目范文第4篇
遙感技術具有的快速、大范圍、低成本和周期性的特點, 可以有效地監測水體表面水質參數在空間和時間上的變化狀況, 還能發現一些常規方法難以揭示的污染源和污染物遷移特征, 具有不可替代的優越性。自上世紀70年代以來, 內陸水體遙感水質監測從簡單定性分析發展到定量反演, 從具有時空局限性的經驗模型到廣泛適用的生物光學模型不斷的拓寬了遙感水質監測的應用前景。此外, 隨著各種遙感數據源特別是高光譜遙感數據的涌現以及對各種水質參數光譜的了解不斷深入, 遙感水質監測的參數不斷增加, 反演的精度也不斷提高。通過遙感技術進行內陸水質進行檢測有利于國家有關部門快速了解內陸水體環境狀況, 并制定相關政策和法規來管理和提高環境質量。
1 水環境監測的遙感數據源
常用的水體監測遙感數據源可以分為多光譜和高光譜數據, 根據其搭載平臺又可分為星載數據、機載數據和地面數據。內陸水體由于受人類活動影響較大, 水體面積相對較小且不連續分布, 因此內陸水體環境的遙感監測所需的遙感數據源不僅需要較高的光譜分辨率而且需要較高的時空分辨率, 在應用中需要根據實際水體情況選取最優的遙感數據源。
1.1 星載遙感數據源
表1從光譜分辨率、空間分辨率、水質反演優缺點以及應用概況4個方面對7種常用星載遙感數據源進行了評述, 包括TM、MODIS、SPOT、CBERS、NOAA/AVHRR、SeaWIFS、EO-1/Hyperion。
表1中的數據源大部分都為多光譜數據, 由于存在光譜分辨率、時間分辨率和空間分辨率的差異, 它們在實際應用中各有優缺點。實際上迄今還沒有一種專門針對內陸水體遙感監測的完美星載數據源。
1.2 非星載數據源
除了各種衛星數據外, 各種機載遙感數據和地面實測波譜數據也可作為內陸水體環境遙感監測的數據源。機載遙感數據如中國的PHI及OMIS、加拿大的CASI、美國的AVIRIS、芬蘭的AISA等, 地面實測波譜數據主要是指應用各種地物光譜儀測得的水體光譜數據, 如GER野外光譜輻射儀、ASD地物光譜儀、SVC便攜式地物光譜儀等。國內外學者也應用這些數據源進行了諸如Chl-a、SS、水體渾濁度、CDOM等水質參數的監測研究。
非星載遙感數據源多為高光譜數據, 具有很高的光譜分辨率 (通常波段寬度小于10nm) , 能提供連續的地物光譜曲線, 如SVC HR-1024便攜式地物光譜儀就具有1024個波段, 波段范圍為350nm～2500nm。此外由于其傳感器更接近于地表, 能夠最大程度的減小輻射傳輸中大氣的影響, 具有更高的空間分辨率和光譜數據精度。因此, 非星載數據源是內陸水體環境遙感監測理想數據源, 反演精度遠高于星載數據源。同時地物光譜儀所測得光譜數據還可以作為水體的標準光譜數據, 從而理解各種地物的光譜特性, 提高不同種類遙感數據的分析應用精度, 還可以模擬和定標一切成像光譜儀在升空之前的工作性能, 如確定傳感器測量光譜范圍、波段設置和評價遙感數據等。但是, 非星載遙感數據源的獲取每次都需要進行飛行或地面實測, 因此費用相對較高, 同時由于其搭載平臺的限制, 使得非星載數據覆蓋范圍相對較小, 成本較高, 從而限制了它的廣泛應用。
2 水環境遙感監測指標及其反演方法
常規的水質監測參數較多, 由于現階段的技術局限及對反演機理認識的模糊造成遙感水體環境監測還不能對所有水質參數進行定量反演。但是隨著物質光譜特征研究的不斷深入、遙感水質反演算法的改進以及各種先進傳感器技術的不斷應用, 遙感可監測的水質參數也不斷豐富, 包括懸浮物含量、水體透明度、葉綠素a濃度、溶解性有機物、水中入射與出射光的垂直衰減系數以及一些綜合污染指標, 如營養狀態指數等。
2.1 葉綠素a
監測營養程度或葉綠素濃度 (藻類/浮游生物數量) 是解決湖泊富營養化問題的關鍵, 水中葉綠素濃度是浮游生物分布的指標, 是衡量水體初級生產力 (水生植物的生物量) 和富營養化作用的最基本的指標, 監測藻類中的葉綠素a濃度是水環境遙感監測的主要項目之一。葉綠素a的遙感監測研究已較成熟, 研究表明葉綠素a在440nm和670nm波長附近有吸收谷, 在550nm～570nm和681nm～715nm附近有明顯的反射峰。Chl-a在681nm～700nm處的反射峰通常被認為是熒光效應造成的, 是含藻類水體最明顯的光譜特征。由于葉綠素a所特有比較穩定的光譜特征, 在內陸水體進行遙感反演時, 主要方法就是通過其吸收谷和反射峰所在波段進行組合建立模型。其模型可用式 (1) 表示:
式中:1a, 2a為回歸系數, R (n 1) , R (n 2) , R (n 3) , ..., R (n n) 為傳感器不同敏感波段, f (R (n 1) , R (n 2) , R (n 3) , ..., R (n n) ) 為不同波段組合建立新變量。f (R (n 1) , R (n 2) , R (n 3) , ..., R (n n) ) 因波段選取和組合形式不同而異, 如比值法, 多元線性回歸, 指數回歸。此外, 王橋等在對太湖水體遙感監測實驗中還應用植被指數的模型, 其形式如式 (2) 所示:
式中:1a, 2a為回歸系數, v為植被指數。其實質與式子 (1) 類同, 因為植被指數就為對植被反應比較敏感的波段組合計算而成。
由于葉綠素a相對穩定波譜特征, 使得這種經驗的回歸方法能夠獲得很好的反演效果。其遙感反演的關鍵是根據特定的區域、時間和衛星影像特點進行最佳波段選取。
2.2 有色可溶性有機物
有色可溶性有機物 (CDOM) 是一類含有黃腐酸、腐殖酸等物質的溶解性有機物, 由于對紫外和藍光的吸收性強, 對黃光波段吸收弱的特性, 使其呈現出黃色, 因此CDOM又稱黃色物質。在內陸水體和海灣沿岸帶CDOM以河流陸源排放為主, 可作為海水污染程度的指標。Bricaud等提出了適用于350nm～700nm波段范圍的吸收曲線描述方程:
式中:yA (b) 為波長為b時的光吸收系數;0b為參考波長;s是吸收系數曲線的指數斜率參數, 通常取值在0.011～0.018之間, 不過s取值依賴于波長及研究區域位置和時間;k為由顆粒物質散射造成的背景散射值。
此外, 國內外學者也建立了各種對應于特定區域的遙感反演CDOM的檢測模型, 如Tassan利用SeaWiFS資料建立了提取那不勒斯海灣的黃色物質在440nm波長的吸收系數模型, 如式 (4) 所示:
式中:R1, R2, R3分別為SeaWiFS波段1、2、3的反射率, yA為黃色物質吸收系數。陳楚群等利用海水有機碳 (DOC) 代替海水中的黃色物質, 通過670nm和412nm波段的反射率比值遙感反演了珠江口海域CDOM空間分布, 建立了反演模型如式 (5) 所示:
式中:R670代表670nm波段的反射率, R412代表412nm波段的反射率, 并指出DOC濃度與R670/R412相關系數R2可達到0.839。
3 結語
內陸水體環境的遙感監測是水體污染研究的一個重要方向, 國內外學者雖然進行了研究并取得一定的成果, 但現階段來說反演精度還不高, 遠不能達到實際應用的要求, 需要進一步研究。
摘要：本文基于筆者從事環境遙感監測的相關工作經驗, 以遙感技術在水環境監測中的應用為研究對象, 分析了遙感數據源的選擇思路, 監測指標的選擇及反演方法, 全文是筆者長期工作實踐基礎上的理論升華, 相信對從事相關工作的同行有著重要的參考價值和借鑒意義。
關鍵詞：遙感,水環境,監測,反演,數據源
參考文獻
[1] 韓敏.水文與水管理中的遙感技術[M].北京:中國水利水電出版社, 2006:278～280.
遙感研究生論文題目范文第5篇
一、研究水質污染監測可視化系統的價值與意義
(一) 研究價值
我國作為發展中國家, 同時也是世界上人口最多的國家, 對于水資源的需求量更大。目前, 我國的水資源面臨著更加嚴重的污染情況, 保護水資源迫在眉睫, 在這種情況之下, 研究水質污染監測可視化系統對于國家水利部、環保局、海洋局、中科院等研究水質污染情況和治理水污染的情況有著重要的輔助價值?；谶b感監測的水質污染監測可視化系統作為一種監測水環境動態的工具, 在獲取監測數據、捕捉水質污染動態以及掌握江河湖泊的水質情況方面都有著顯著的作用。我國從上世紀70年代就已經開始研究通過遙感監測技術來監測水質狀況, 發展到現在已經積累了較為充分的經驗, 而近些年來我國的水質污染情況變得更加嚴重, 常規的遙感水質監測技術由于成像模糊、數據分析不足等不能滿足目前的監測需要, 因而研究水質可視化系統水質監測對于促進我國遙感技術與互聯網的綜合實踐應用也有著重要的價值, 可以說是有助于實現遙感監測技術從研究理論向的更高級實踐的應用。
(二) 研究意義
基于遙感監測技術的可視化水質動態監測系統, 在水質的動態監測方面具有較高的應用效果。只不過這項技術的應用還沒有在我國較大的范圍內開展。研究可視化監測系統對于推廣水質污染監測的可視化系統的實踐應用有著重要的意義, 同時由于較好的監測效果, 對于我國大范圍內監測水質污染情況有著重要的意義, 更進一步說對于我國治理水污染, 保護環境有著重要的意義, 而基于遙感監測的水質污染監測可視化系統在信息時代也有著它自身良好的發展前景和發展意義。
二、基于遙感監測技術的水質污染監測可視化系統研究
(一) 水質遙感模型
水質遙感模型大體上有三類。第一類是基于地面實測高管普數據模型, 分別可以將葉綠素、總磷以及透明度作為導向設定測量的數據模型;第二類是基于MODIS影像的模型, 也就是我們通常所說的衛星遙感定量反演模型;第三類是湖泊富營養化評價模型, 根據水體富營養化的發展過程作為定量模型。
(二) 數據獲取方法
可視化系統數據獲取的方式包括MODIS遙感影像數據和地面實測高光譜數據。對于MODIS來講, 由于獲取數據必須依靠網絡才能實現, 因此主要用于較小點或者較小區域的采樣, 而高光譜數據的獲取受的限制較少, 因此主要用于野外測試。MODIS測定某區域的影響數據時, 需要借助GPS來定位, 然后在監測的水質區域內取若干個點, 這些點最好分布勻稱或者能夠表現區域整體水質的情況, 數量適中。數量太多浪費時間, 數量太少影響監測的數據。數據采樣時要選擇較好的天氣進行, 否則會影響水體反射的光譜值。地面實測是波普的范圍應該確定在350nm—1050nm, 采樣時間間隔為1.4nm, 光譜的分辨率為3nm, 測定時天氣條件仍需要為晴朗無風, 水面需要保持平靜。光譜監測儀的探頭應該距離水面1m, 一起與發現的夾角介于30度到45度之間為宜, 同時要注意船舶陰影對于光譜儀器的影響。為了保證測量結果的準確性, 每個點測量之前需要白板定標, 每個測量點至少需要20次以上的測量, 測量結果以平均值為準。
(三) 可視化遙感監測的實現
1. 組件式GIS的二次開發
隨著我國GIS技術的發展, 地理信息系統在監測領域中的應用范圍變得越來越廣, 組件式GIS系統的開發被推上了新得研究舞臺。目前, 我國的組件式GIS系統以及完成了三種開發模式, 分別是獨立性開發、單純二次開發以及集成二次開發等。組件式GIS系統的開發使得GIS具有了更加強大的功能和操作的靈活性。以ComGIS系統為例, 就是將ComGIS嵌入可運行COM技術的平臺, 通過平臺的操作來完成數據的采集。此外, 還可以將VB技術、VC++技術、Delphi技術等與GIS相結合, 形成新的組件系統, 該組件系統就同時具有可視化功能和在線編輯等功能, 在實際的水質動態監測中具有較好的應用效果。組件式GIS系統就是利用了遙感技術和計算機軟件系統的優勢, 對遙感監測系統完成設計和開發的, 設計者完全可以根據實際水質的監測的需要開發不同功能的GIS系統, 將可視化功能放大, 提高水質監測的科學性。
2. ArcGIS Engine組件的開發
ArcGIS Engine組件是借助GIS技術與ArcObjects、VB、VC++、Delphi等技術結合設計的開發包。這個開發包有控件、對象和工具構成, 控件是用戶界面的重要內容, 能夠為用戶提供數據分析、交互、渲染的功能, 使得水質污染監測的可視化系統的用戶操作性更強。用戶可以充分利用遙感監測到的水質環境的數據制作幾何圖和平面圖。最終我們能從制作的圖例上了解到更加接近真實水質監測區域的污染情況。
3. 系統數據庫的設計
可視化系統數據庫的設計主要由GIS基本功能模塊、數據管理模塊、主要水質參數遙感監測模塊和湖泊富營養化評價模塊構成。系統數據庫具有存庫采集數據的功能, 這四個模塊是相互關聯的, 用戶可以從數據庫獲取高光譜遙感系統的采樣點數據, 然后生成水質監測區域的矢量圖層, 通過水質參數生成柵格數據, 最后對數據分析處理。
4. 可視化遙感監測的實現
可視化遙感監測依靠的是由MODIS技術、ArcGIS技術、可視化開發語言C#、交互式語言IDL以及計算機技術組成的系統, 這個可視化系統是由很多的模塊構成, 每個模塊按照系統實現編寫好的程序執行操作指令。在監測終端, GPS系統和色相質譜儀、MODIS技術、ArcGIS技術、獲取可視化數據, 可視化開發語言C#、交互式語言IDL等進行語言轉換。IDL對于MODIS具有識別和讀取的功能, 可視化開發語言C#具有將IDL轉化為C語言的功能, 最終的目的是為了讓獲取的較為清晰的視圖轉化為帶有圖例標注的統計圖和數據, 便于研究人員分析水質數據, 了解水質污染的狀況。圖1是MODIS數據反演葉綠素的標準流程圖。
(四) 可視化遙感監測系統的應用
可視化遙感監測系統在實際的應用中能夠通過ArcGIS技術和可視化開發語言C#、交互式語言IDL以及互聯網技術等監測水質中漂浮物的葉綠素、總磷以及水質的透明度, 能夠較好的監測水質富陽化的程度。ArcGIS技術具有編輯圖例、標注矢量圖層要素、制作專題圖、制作地理要素圖片并輸出、用戶查詢等功能, 使得系統的用戶頁面更加詳細, 可操作性更強。
系統用戶頁面還能實現自由插入、刪除、導入和導出等中能, 頁面的修改功能更強。其中的用戶數據還可以導出到指定的表格中, 方便整理獲取的信息。這是在數據管理上具有的優勢。此外, 數據管理還具有備份和自動存儲的功能, 信息保存的時間也更久了。而色相光譜儀的作用是提高GPS獲取的圖像的分辨率?？梢暬到y通遙感技術對采樣點進行實時監測獲取GPS數據和高光譜數據, 由可視化開發語言C#、交互式語言IDL等進行數據分析和估算, 然后通過系統顯示在用戶的“水質參數遙感監測”菜單, 用戶就可以通過點擊菜單選項來提取有效信息, 觀測數據視圖。水質中的葉綠素、磷以及水質的透明度也可以通過系統操作頁面按照不同的圖例顯示數來, 那些地方的葉綠素較多、含磷較為嚴重、水質污濁等都會詳細的顯示出來。
當然, 生成相應的數據表, 以數據的形式表示水質的透明度、葉綠素的濃度以及總磷的含量等, 方便又快捷。
三、結語
綜上所述, 基于遙感監測的水污染監測可視化系統符合信息時代發展的特點, 充分利用了信息時代“互聯網+”的發展理念, 實現了對于水質污染的高效性、動態性監測, 提高了水質污染監測的靈活性, 使得水質污染監測變得更加的形象化和科學化, 有助于促進我國水質污染監測事業的發展。
摘要：遙感監測在地里信息系統的應用中較為廣泛。隨著遙感技術的發展, 遙感監測的應用范圍不斷擴大, 應用程度不斷的加深, 尤其是在可數化系統中也頗有成就。本文就來認識遙感監測, 通過遙感監測研究水質污染可視化系統。
關鍵詞：遙感監測,水質污染監測,可視化系統,水資源
參考文獻
[1] 劉磊, 龔瑞昆.基于遙感監測的水質污染監測可視化系統研究[J].科技風, 2018 (22) :113.
[2] 朱小明.基于多光譜遙感圖像信息的水質污染監測研究[J].計算機技術與發展, 2018, 28 (11) :52-55+60.
[3] 張麗.渾河流域撫順段水污染自動監測預報和應急處理研究[D].沈陽:沈陽農業大學, 2013 (12) .
遙感研究生論文題目范文第6篇
一、遙感影像處理
(一) 衛星影像糾正方法
粗矯正、精校正是遙感數字圖像幾何校正的方式。粗校正是由遙感影像提供商和衛星遙感地面配合負責。借助地面控制點的是精校正, 其使用多項式的校正模式。衛星影像參數RPC/RPB有理函數模型是此次地理國情普查采用的糾正方法。調查顯示:使用RPC參數擬合衛星遙感影像的成像幾何條件, 或者在攝影測量處理環節使用光學影像, 能夠降低衛星遙感影像幾何處理的難度。
原始影像的RPC/RPB參數文件是有理函數模型糾正的必要條件。在ERDAS IMAGINE9.1遙感影像處理軟件中, 可以找到大量計算模型并適用于衛星影像地理糾正中, 在此次地理國情普查采用的是Quick Bird衛星地理糾正模型進行圖像處理, 其進行正射糾正前, 需要獲取影像參數以及數字地面模型。正射糾正的作用是實現定量化處理分析, 其在遙感影像糾正后, 形成正射影像關系, 從而進行地理編碼。
(二) 影像糾正
全色影像糾正是影像糾正的第一個環節。使用Quick Bird衛星糾正模型, 選取RPB參數文件需要滿足資源3號衛星原始灰度影像的條件, 將參考基準設置為朔城區DOM數據拼接完成的IMG格式, 并且將本區域的DEM數據進行加載覆蓋處理, 將三號群色影像進行配準資源操作。同時, 使用全圖均勻的控制點GCP分布, 有利于實現圖像精準度要求, 最后實施影像重采樣環節。運用三次卷積法, 進而完成原始全色影像糾正。采用相同的糾正方法, 將全色影像做參考來完成資源三號衛星原始多光譜影像。
有理函數糾正模型的位置精度選取在影像糾正過程中是比較重要的。圖像上清晰、明顯的點標志是GCP的最佳選擇點, 例如, 實際實施中分布均勻的河流交叉點、道路交叉點, 在準確位置基礎上實現更好的精準定位。
(三) 衛星影像的融合
通過像素級圖像融合算法是影像融合的方式, 其在原始圖像數據基礎上, 將圖像真實性很好的保留下來, 在圖像處理過程中能夠更加細致的提供信息, 所以被廣泛應用在圖像處理中, 并且PCI Geo-matica是影像融合的軟件。
在PCI Geo-matica使用Pansharp模塊進行融合實驗研究表明:出現顏色最佳效果是將四個多譜波段全部用作融合影像的參考波段, 并且原多光譜以及目視效果基本上沒有差別。隨后融合影像的色調隨著參考波段數目的變化顏色也發生改變。參考波段減少為一個的時候, 會產生偏色的融合結果, 盡管如此, 其融合結果還是能夠接受的。
在此次地理國情普查中影像融合階段就是使用Pansharping的融合方式, 這種融合方式需要全波段影像以及多波段影像同時間、同平臺獲得, 才能夠生成高分辨率彩色影像, 并且其能夠生成與實際影像更加相近的圖像, 保留全色影像空間信息以及多光譜影像顏色信息。
二、精度分析
(一) 技術指標
全色波段正射影像分辨率需要與原始影像地面分辨率保持一致, 在實際操作中采用卷積立方或者雙線性插值的方式, 并且不能拉伸影像的灰度、反差以及像素位數變化。
配準糾正全色波段影像和多光譜影像, 需要基于全色波段影像選擇同名點進行多光譜影像糾正。全色波段位置應該與對應的糾正模型選取點和DEM數據選擇保持一致, 并且設置每景中大于15個的控制點, 在整景范圍內均勻分布。同時, 同名點量測需要在多光譜以及全色影像中保持子像素的精準度。
(二) 精度分析
根據有理函數模型糾正結果在少數地勢平坦地區精度較差的現象, 并且對比后誤差在已有DOM數據中大于1個像素。分析其原因得出, 地形變化快、人類互動頻繁, 導致難以在影像上找到類似的地方, DEM糾正技術也不能實現實時定位。在相反條件下, 才能夠體現出有理函數模型的優勢。
結論:衛星影像數字糾正實施過程中嚴格按照技術流程進行操作, 有利于實現地理國情普查的精度要求, 當前衛星影像數字糾正技術, 還不能實現較大區域配準糾正的高精度, 但已經能夠滿足實際使用需求?；诖? 當前需要整合多方面的數據源, 同時提升研究人員的責任心以及糾正操作經驗, 順應生產作業的發展趨勢, 從而高質量的完成地理國情普查工作。
摘要：為了滿足經濟社會以及全面掌握地理國情的要求, 國家在2013-2015年開展地理國情普查工作。文章分別從地理國情普查中衛星遙感影像處理以及精度分析方面進行論述, 其中重點分析了衛星遙感影像的糾正方法, 探索了多源衛星遙感影像數據處理效率, 為地理國情普查中衛星遙感影像處理提供參考。
關鍵詞：地理國情普查,衛星遙感,影像處理方法
參考文獻
[1] 李德仁, 張過.衛星遙感影像RPC參數求解算法研究[J].中國圖像圖形學報, 2017, 45 (36) :45-17.