导读:本文包含了多源遥感数据融合论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:遥感,数据,时空,黄土高原,局部,复种,墒情。
多源遥感数据融合论文文献综述
郭茉苒,刘涛,韩鹏,董建军,牛建明[1]（2019）在《基于多源卫星遥感数据融合的人工草地空间分布信息提取》一文中研究指出以我国北方农牧交错带地区内蒙古四子王旗南部为例,利用遥感技术提取大麦复种皮燕麦人工草地空间分布信息。首先,基于数据转换的方法融合GF-1、Landsat 8 OLI、Sentinel 2图像,获得以GF-1为主的NDVI(Normalized difference vegetation index)时间序列数据集;然后,依据大麦复种皮燕麦人工草地种植过程中NDVI呈现的峰—谷—峰变化特征,采用最大值/最小值合成法生成相应的叁幅关键时期NDVI图像;最后,通过多种运算,突出人工草地与其他地物之间的差异,以便剔除干扰地物,实现对该类型人工草地空间分布信息的提取。本项研究所提出的方法对叁个主要样区大面积种植地块的提取结果与实际完全相符,面积精度达到96.52%,其自动化程度高,易操作,所需图像免费共享,具有在类似地区推广的潜力。(本文来源于《中国草地学报》期刊2019年05期）
解毅,张永清,荀兰,柴旭荣[2]（2019）在《基于多源遥感数据融合和LSTM算法的作物分类研究》一文中研究指出准确、及时地获取农作物的空间分布信息,对于指导农业生产、制定农业政策具有重要意义。为了检验长短时记忆网络(long short-term memory,LSTM)算法在基于时序遥感数据进行作物分类中的优势,该文以临汾盆地为研究区域,利用Savitzky-Golay滤波对MODIS NDVI进行平滑处理,并采用ESTARFM(enhanced spatial and temporal adaptive reflectance fusion model)算法对滤波后的MODIS NDVI和Landsat NDVI进行融合,生成空间分辨率为30 m、时间分辨率为8天的时序NDVI。基于Landsat NDVI利用LSTM算法进行作物分类,同时,基于融合NDVI分别利用LSTM算法和神经网络(neuralnetwork,NN)算法进行作物分类,并对比3种方法的分类精度。结果表明,Savitzky-Golay滤波后的时序MODISNDVI能够反映不同作物的物候特征;基于融合NDVI的分类精度明显高于基于LandsatNDVI的分类精度,表明融合后的时序NDVI由于具有更高的时间分辨率,能够更加突出不同作物的物候特征,显着提高作物分类精度;基于融合NDVI和LSTM算法的分类精度高于基于融合NDVI和NN算法的分类精度,前者的冬小麦面积估测精度高于后者的估测精度,表明LSTM算法的分类精度高于NN算法。该文可为基于遥感影像进行不同作物种植区域提取的研究提供重要的方法参考。(本文来源于《农业工程学报》期刊2019年15期）
黄明源,李超[3]（2018）在《多源遥感数据影像融合的方法浅析》一文中研究指出基于ENVI对遥感图像数据融合的不同的方法的研究,即Brovery变换和CA变换方法。并对Landsat8上海地区的数据进行融合实验,对实验结果进行分析,比较这2种融合方法的各方面属性、特点、优缺点、适用情况等。通过这些结果,为影像融合提供选择的标准和改进意见。(本文来源于《西部探矿工程》期刊2018年12期）
戈文艳[4]（2018）在《面向岩性信息增强的多源遥感数据融合研究》一文中研究指出遥感数据因其覆盖面积广、易获取、经济效益高而被广泛应用于地质勘探调查中,如构造岩性解译、蚀变信息提取等方面。随着传感器的不断更新、计算机技术的不断发展,遥感影像类型由中低分辨率多光谱向高空间分辨率、高光谱分辨率和高时间分辨率方向发展,遥感岩性识别亦由人机交互解译方向不断地向自动化识别分类方向发展。多光谱遥感数据Sentinel-2A作为欧空局提出的“地球观测计划”中的重要支撑数据之一,目前已被广泛应用于环境监测中,但因缺乏包含蚀变矿物光谱特征的短波红外波段导致其地质应用受限。此外,因Sentinel-2A影像波段之间空间分辨率不一致,部分波段缺乏空间细节信息。因此,如何通过图像融合技术提高Sentinel-2A影像整体分辨率以充分利用其空间分辨率优势亦是目前该数据研究的重点之一。本文选择多光谱遥感影像Sentinel-2A为研究对象,通过与常用遥感地质数据ASTER、OLI对比,探讨了其在基岩裸露地区的岩性目视解译、蚀变信息提取及岩性分类方面的应用效果与优势。然后利用图像融合技术增强低分辨率波段的空间信息,并对融合后图像进行了地质应用评价,主要结论与成果如下:(1)通过与常用遥感地质数据ASTER、OLI相比,Sentinel-2A多光谱影像因其具有空间分辨率优势,在基岩裸露区如石板井蛇绿岩套地区的岩性识别能力优于ASTER和OLI。此外,DEM数据在岩性分类中具有重要作用。(2)Sentinel-2A与ASTER的结合部分弥补了Sentinel-2A在短波红外范围内的光谱缺陷,可用于蛇纹石化蚀变信息的提取,同时也提高了Sentinel-2A影像对碳酸盐岩、硅酸岩盐及硫酸盐岩等岩性的识别能力。(3)通过Multivariable Analysis(MV)图像融合处理解决了Sentinel-2A影像波段分辨率不一致问题,提高了Sentinel-2A影像在可见近红外及短波红外范围内的光谱分辨率,提升了其对含铁岩性单元及铁染蚀变矿物的提取能力。(4)Sentinel-2A融合图像通过与高光谱数据Hyperion融合,提高了光谱分辨率,提升了岩矿信息识别能力。本文通过图像信息增强算法、图像分类算法及图像融合算法等多层次图像处理技术对Sentinel-2A影像的地质信息提取潜力进行了挖掘,发展了一套有效的Sentinel-2A影像地质信息增强方法。(本文来源于《中国地质大学(北京)》期刊2018-12-01）
龚成,周璀,肖化顺,吴鑫,张贵[5]（2018）在《基于多源遥感数据融合的湖南林地干旱动态监测研究》一文中研究指出湖南省森林资源丰富,但森林质量不高,抗逆能力较差,林地干旱及其次生灾害已成为湖南林业发展的重大威胁。文中通过多源遥感数据融合模型(STARFM模型与SADFAT模型)将高时间分辨率的MODIS数据和高空间分辨率的LANDSAT数据进行融合,从融合后的影像中提取地表温度(LST)与植被指数(NDVI)2个林地干旱因子,构建温度-植被干旱指数模型(TVDI),利用模型对湖南省2016年6—8月森林生长季每月3天的林地干旱进行了反演,绘制了林地干旱专题图,并对湖南省夏季干旱分布情况进行了分析,为准确、快速地对湖南省林地干旱进行监测和预警提供了一种科学方法。(本文来源于《中南林业科技大学学报》期刊2018年10期）
王文婷,郭乙霏[6]（2018）在《多源遥感数据及其融合技术在土壤墒情监测中的应用》一文中研究指出多源遥感信息融合技术使得融合影像拥有更多的数据信息,更高的空间分辨率等优点。使融合影像数据在土壤墒情监测中作为数据源更具优势。以郑州市为研究区域,采用单窗算法,应用Landsat-ETM+和SPOT影像进行地表温度的反演。结合实测土壤墒情、气象等资料构建土壤墒情反演模型。研究表明:融合后的遥感数据反演土壤墒情的精度比未经融合的遥感数据高。(本文来源于《节水灌溉》期刊2018年06期）
武新娜[7]（2018）在《西北太平洋多源遥感风场数据融合研究》一文中研究指出海面风场是海气交互界面的重要物理参数,与海洋中绝大多数的海水运动密切相关。海面风场还是海气相互作用的重要媒介,调节了海水和大气之间的物质以及能量输送,对全球气候调节也有着十分重要的作用。传统的海面风场观测主要是通过现场观测,包括通过船舶、海上浮标及沿岸站等手段。由于常规观测手段的具有一定的局限性,不仅成本高,而且对于时间和空间上连续性的需求难以满足,卫星遥感技术的发展使得大规模海面风场的持续监测成为可能。目前散射计和辐射计是进行大规模海面风场遥感反演的主要传感器。散射计是遥感观测海面风场的重要手段,该传类感器能够实现海面风场的全天候观测[1]。此外,全极化微波辐射计不仅可以对一些传统的海洋物理量进行测量,还实现了海面风场参数的被动遥感测量[2]。针对不同的风速范围,微波散射计和微波辐射精度也是有所不同的,两类传感器相结合综合用于海面风场研究有很强的互补性,克服了单一传感器的不足。在不同的传感器数据源融合的过程中,由于覆盖范围和数据质量的问题会出现分辨率不一致和数据丢失的现象,这就需要根据已有的风场数据进行插值,以得到覆盖更全面的分辨率更高的风场数据。常用的插值方法有整体插值和局部插值,局部插值相对来说精度更高,计算量小,因此本文选用的插值方法都是局部插值。常用的局部插值方法有很多。Shepard[3]提出一种改进的反距离插值算法,该方法的相邻点由距离和点数综合决定,有效地降低了计算的复杂性和计算量,克服了由于整体插值引起的条件太多而不稳定的缺点;随后,李正泉[4]提出了一种考虑方向遮蔽性反距离插值的方法,并将该算法应用在降雨插值计算中,研究表明该方法消除了反距离插值中出现的孤立圆现象。本文在这一基础上使用的是考虑方向遮蔽性的Shepard插值方法,这样增大了计算量。Koch[5]考虑了一种客观分析的插值方法,Barnes插值,并且对案例里的不同参数进行了讨论,证明该简单的插值方式可以获得可靠的数据。该方法在早年就已经被广泛应用,尤其是数值预报中[6]。以上提到的插值方法适用于小范围的插值,不完全适用于西北太平洋这种大面积的画面风场数据的获取。因此,本文提出了一种新的插值方法,以此为基础对西北太平洋风场数据进行融合。本文的研究结果主要包含四个方面的内容:(1)应用本文所用的方法得到西北太平洋海域的2016年全年的海面10米高度处整个海域的、覆盖全面的、分辨率更高(0.125°×0.125°)的风场数据融合结果,而且对于边缘数据或数据分布不均匀的区域考虑了位于插值点不同相对位置的样本点的权重受到不同程度的遮蔽效应的影响,有效地降低了数据融合的误差。(2)西北太平洋海域东西和南北方向海面风场数据的年变化情况,海面夏季平均风速略低于冬季平均风速,冬季大风出现的频率相对于夏季来说也是偏高的,在同一个经度上,年平均风速由南向北逐渐增大,大风出现的频次也逐渐增高,在同一纬度上,年平均风速从近岸到沿海逐渐降低,大风出现的频次稍低。(3)根据西北太平洋2016年全年海面风场随季节变化的情况,可以看出该海域具有明显的季风现象,春季和冬季的风场分布随季节性变化最为明显,冬季平均风速最高,夏季平均风速最低。(4)与WindSat辐射计观测的海面月平均数据相比,风场分布趋势基本一致,全年风速数据相关系数是0.84,均方根误差是0.54m/s,风场数据融合结果与RSS数据中心的数据相比相似度较高。融合结果与赤道附近的浮标数据相比,数据相关系数是0.71,均方根误差是1.16m/s,与ECMWF数据中心提供的再分析数据相比,风向分布情况明显一致,风速均方根误差较大,为1.91m/s。(本文来源于《厦门大学》期刊2018-05-01）
杨智奇[8]（2018）在《融合多源遥感数据的黄土高原森林提取及与现有产品的比较研究》一文中研究指出森林生态系统作为陆地生态系统最主要的组成部分,在维持生物多样性、生态系统服务、调节全球气候和涵养水源起到了至关重要的作用。黄土高原是世界上水土流失最严重和生态环境最脆弱的地区之一,为了缓解日益恶化的生态环境,自1999年以来,国家实施了退耕还林工程和叁北防护林工程等一系列生态工程。如何准确识别森林面积和分布是科学评价项目实施成效和实现区域森林资源可持续管理的重要前提。为了准确的估算黄土高原的森林资源,首先,本文结合2010年30m分辨率的光学遥感数据(Landsat)和25m分辨率的激光雷达数据(PALSAR),利用决策树分类的方法提取了黄土高原森林分布信息;其次,本文采用相同的地面验证数据评估了PL-based森林图和现有七种中高分辨率的森林产品(JAXA、GlobeLand30、FROM-GLC、Hansen、ChinaCover、NLCD、GLCF VCF)的总体精度、用户精度、产品精度和卡帕系数;并在县级尺度和像元尺度分析了PL-based森林图和现有七种森林产品的森林面积和空间一致性的差异;最后本文探讨了八种森林产品的空间一致性及其对地形的敏感性。研究结果表明:(1)PL-based森林图融合了光学遥感数据(Landsat)的光谱信息和激光雷达数据(PALSAR)的森林结构信息,与其他的森林产品相比具有最高的总体精度(0.97)和卡帕系数(0.88)。(2)县级尺度上,PL-based森林图与现有七种森林产品均具有较高的线性相关(R~2=0.68~0.96),其中JAXA和PL-based森林产品具有最高的线性相关(R2=0.96,y=-0.29+0.81x)。(3)细节图可以看出,黄土高原PL-based,GlobeLand30和ChinaCover森林产品表明了更多的细节信息;JAXA相对低估了森林的面积,NLCD忽略了细节部分;FROM-GLC由于较大的错分误差高估了森林的面积。(4)八种森林产品的空间一致性指数随着地形呈现出一定规律,具体来说,在海拔2000m以下,空间一致性指数随着海拔的增加而增加;在海拔2000m以上,森林的空间一致性指数随着海拔的增加而减少;而随着坡度的增加(坡度<25°),森林的空间一致性指数明显增加。本研究表明融合光学遥感和激光雷达数据可以更加精确的估算森林的面积,将会为未来的森林资源调查提供一些参考。(本文来源于《中国地质大学(北京)》期刊2018-05-01）
罗亮,闫慧敏,牛忠恩[9]（2018）在《农田生产力监测中3种多源遥感数据融合方法的对比分析》一文中研究指出借助多源遥感数据融合技术能够得到高时空分辨率的遥感数据,可以为高精度农业遥感动态监测提供强有力的支持。在诸多融合算法不断发展的情况下,评估每种方法的特点及其适用性,有助于找到最适宜的融合方法,进而应用于农田生产力监测的实践之中。本研究根据高标准农田建设成效评估对高时空分辨率生产力信息的需求,以宁夏灵武市农业综合开发项目区为实验区,采用线性拟合法、时序拟合法、时空融合法3种多源遥感数据融合方法,融合空间分辨率30 m的Landsat遥感数据的空间精度信息与空间分辨率500 m、时间步长8 d的MODIS遥感数据的高时相信息并对比不同方法对于农田生产力的空间格局精细化描述能力、对于农田生产力变化监测的能力以及运算速度的差异。研究结果表明:(1)3种融合方法融合的30 m NPP数据均能显示出道路、田埂等线状裸地与田间NPP的差异,但是时序拟合法、时空融合法比线性拟合法更加清晰;在NPP相对均匀的田块内部,时空融合法比时序拟合法更能体现出农田内部均匀度的差异。(2)线性拟合法仅适用于农田生产力年季变化的评估,不能用于作物生产力的实时动态监测;时序拟合法和时空融合法适用于农田生产力变化动态监测且时序拟合法适宜于大范围监测。(3)3种方法的计算速度差异显着,线性拟合法计算速率最快,时空融合法计算速率最慢;线性拟合法计算速率分别是时序拟合法和时空融合法的1.5倍和20倍。(本文来源于《地球信息科学学报》期刊2018年02期）
董文全[10]（2017）在《多源遥感数据时空融合及其在农田监测领域的应用研究》一文中研究指出农业遥感是遥感应用领域的一个重要应用方向。遥感技术以其探测周期短、覆盖范围大、现时性强、费用成本低等特点,逐渐成为了精准农业领域获取信息的重要手段之一。然而,由于卫星传感器成像本身具有瞬时性和周期性的特点,再加上地面气象条件对传感器成像的影响,使得难以在较低的成本下获得既具有高空间分辨率又具有高时间分辨率的数据,遥感数据的时空精细度成为了制约其在精准农业领域应用的重要因素。时空融合算法可以融合高空间分辨率遥感数据的空间分辨率特征和高时间分辨率遥感数据的时间分辨率特征,从而生成同时具有高时间和高空间分辨率的遥感数据,对遥感数据的应用具有重要意义。目前的时空融合算法大都是针对两种数据源的遥感数据进行融合,没有充分利用现有多种数据源的优势。针对这种情况,本文在STARFM的基础上提出了利用局部自相关指数改进权重函数的多源遥感数据时空融合算法,充分利用多源遥感数据以提高融合数据的质量。本文的主要研究内容及结论如下:1)在对比分析主要时空融合算法的基础上,以STARFM算法为基础,结合局部空间自相关指数,提出了基于空间自相关分析的多源遥感数据时空融合算法。以一种高空间分辨率数据为主要高空间分辨率数据,其余高空间分辨率数据为辅助数据,利用离预测日期最近的高空间分辨率数据提取局部空间自相关指数改进融合时的权重函数,使具有相似纹理结构的像元在融合时有更大的权重,提高了融合数据的质量。这两种基于局部自相关指数的方法不需要进行光谱归一化过程,当加入新的高空间分辨率数据时可以直接计算局部自相关指数用于融合。2)基于光谱归一化的ESTARFM算法先通过目标日期前后两期数据预测目标日期的高空间分辨率数据,然后通过权重组合获得最终融合结果,其权重组合是利用低空间分辨率间像元反射率差异获得的,不可避免的又引入了低空间分辨率的混合像元问题。本文提出了一种先利用STARFM算法预测目标日期的高空间分辨率数据,通过时间距离加权平均法初步预测目标日期的高空间分辨率数据,然后通过前后日期的高空间分辨率数据和初步预测的目标日期高空间分辨率数据间的反射率的差异计算每个像元的权重组合,进而逐像元计算得到目标日期的高空间分辨率数据。3)对比研究了原始STARFM算法、基于局部Moran指数的STARFM改进算法、基于局部Getis-Ord G指数的改进STARFM算法和基于光谱归一化的ESTARFM算法、基于光谱归一化的STARFM改进算法,以目视解译法和评价指标定量评价的方法对比分析5种算法的融合精度。结果表明:基于局部Moran指数和基于局部Getis-Ord G指数的算法融合的数据质量虽然不如基于归一化的ESTARFM算法和基于光谱归一化的STARFM改进算法融合的数据质量,但是相比于原STARFM有所提高。这两种基于局部自相关指数的方法不需要进行复杂的光谱归一化过程,应用更为简便。4)由于窗口大小和预估地表覆盖类型数量等参数对融合数据质量影响较为明显,本文测试分析基于局部空间自相关指数的多源遥感数据时空融合方法中这两种参数的最优组合。随着窗口的增大以及预估地表覆盖类型数的增大,融合数据的质量都呈现出先提高后降低的趋势。在本研究区内,选定窗口大小41像元、预估地表覆盖类型数量2为最优组合。当参数设定大于或小于最优组合时,融合数据质量均不如选择最优参数时获得的融合数据质量。5)以黑龙江双山农场及其周围区域为研究区,利用多源遥感数据时空融合算法获得的数据开展农作物分类和积雪融化监测的应用,并与不使用融合数据进行的农作物分类和积雪融化监测对比。研究表明:使用多源遥感数据时空融合算法获得的数据能够提高农作物分类的精度和积雪融化期的监测能力。(本文来源于《中国科学院大学(中国科学院遥感与数字地球研究所)》期刊2017-06-01）
多源遥感数据融合论文开题报告
（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：
准确、及时地获取农作物的空间分布信息,对于指导农业生产、制定农业政策具有重要意义。为了检验长短时记忆网络(long short-term memory,LSTM)算法在基于时序遥感数据进行作物分类中的优势,该文以临汾盆地为研究区域,利用Savitzky-Golay滤波对MODIS NDVI进行平滑处理,并采用ESTARFM(enhanced spatial and temporal adaptive reflectance fusion model)算法对滤波后的MODIS NDVI和Landsat NDVI进行融合,生成空间分辨率为30 m、时间分辨率为8天的时序NDVI。基于Landsat NDVI利用LSTM算法进行作物分类,同时,基于融合NDVI分别利用LSTM算法和神经网络(neuralnetwork,NN)算法进行作物分类,并对比3种方法的分类精度。结果表明,Savitzky-Golay滤波后的时序MODISNDVI能够反映不同作物的物候特征;基于融合NDVI的分类精度明显高于基于LandsatNDVI的分类精度,表明融合后的时序NDVI由于具有更高的时间分辨率,能够更加突出不同作物的物候特征,显着提高作物分类精度;基于融合NDVI和LSTM算法的分类精度高于基于融合NDVI和NN算法的分类精度,前者的冬小麦面积估测精度高于后者的估测精度,表明LSTM算法的分类精度高于NN算法。该文可为基于遥感影像进行不同作物种植区域提取的研究提供重要的方法参考。
（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。
多源遥感数据融合论文参考文献
[1].郭茉苒,刘涛,韩鹏,董建军,牛建明.基于多源卫星遥感数据融合的人工草地空间分布信息提取[J].中国草地学报.2019
[2].解毅,张永清,荀兰,柴旭荣.基于多源遥感数据融合和LSTM算法的作物分类研究[J].农业工程学报.2019
[3].黄明源,李超.多源遥感数据影像融合的方法浅析[J].西部探矿工程.2018
[4].戈文艳.面向岩性信息增强的多源遥感数据融合研究[D].中国地质大学(北京).2018
[5].龚成,周璀,肖化顺,吴鑫,张贵.基于多源遥感数据融合的湖南林地干旱动态监测研究[J].中南林业科技大学学报.2018
[6].王文婷,郭乙霏.多源遥感数据及其融合技术在土壤墒情监测中的应用[J].节水灌溉.2018
[7].武新娜.西北太平洋多源遥感风场数据融合研究[D].厦门大学.2018
[8].杨智奇.融合多源遥感数据的黄土高原森林提取及与现有产品的比较研究[D].中国地质大学(北京).2018
[9].罗亮,闫慧敏,牛忠恩.农田生产力监测中3种多源遥感数据融合方法的对比分析[J].地球信息科学学报.2018
[10].董文全.多源遥感数据时空融合及其在农田监测领域的应用研究[D].中国科学院大学(中国科学院遥感与数字地球研究所).2017
论文知识图
