阮建武[1]2004年在《基于地物波谱数据库的分类识别研究》文中指出遥感技术是以电磁波辐射为表现形式，通过各种有效的手段来收集、处理、分析和提取所需要的特征，达到识别所研究对象的存在、状况和动态的目的。作为一种采集地球数据及其变化信息的重要技术手段，遥感在许多国家的政府部门、科研单位和公司得到了广泛的应用。现代遥感技术最重要的形式就是通过各种遥感器，收集地面物体在某一电磁波辐射范围内所反映的图像，通过对获取图像的分析、研究，达到识别物体的目的。可见，任何遥感图像都是地物电磁波谱特性的客观记录，遥感图像的分析解译与应用处理过程，就是一个从记录电磁波谱辐射能量的图像反推地物目标属性类别及其时空分布变化的过程。因此，研究地球表面各种物体电磁波辐射特性是遥感技术的一项极重要的基础，也是推动遥感技术发展必不可少的工作。遥感科学应用中主要研究地物电磁波谱的反射、发射和微波特性，主要利用的波段包括0.36～2.5μm的反射光谱段，3～5μm的反射发射光谱段，8～14μm的发射光谱段和大于1cm的某些微波谱段。目前，遥感研究地物波谱的内容主要有：①地物波谱测量与多光谱遥感最佳波段选择；②遥感信息模型研究；③热红外和微波波谱特性研究；④地物波谱特性的物理数学模式研究；⑤地物波谱在成像光谱数据处理中的应用。随着遥感技术定性向定量化方向的发展，数据源的波谱分辨率和空间分辨率的提高，如太空成像公司(Space Imaging)开发的IKONOS卫星带有高达1m空间分辨率的全色波段，早期使用的多波段式低光谱分辨率的光谱仪已逐渐被具有高光谱分辨率的光谱仪所替代，而由此所引起的数据量日益庞大问题对地物光谱数据的收集、积累和管理提出了更新、更高的要求。建立地物波谱数据库，运用先进的计算机技术来保存、管理和分析这些信息，一方面可以改进与提高对地物波谱信息的处理、分析能力与效率，加强遥感基础理论的研究，另一方面为地物波谱数据在计算机图像处理、自动判读的应用研究工作提供有效手段，同时为遥感技术及其应用人员提供方便、快速的查询系统及灵活、多样的数据处理
范俊甫[2]2011年在《兖州矿区典型地物波谱数据库建设与应用研究》文中提出地物波谱特征研究是现代遥感技术的重要组成部分,它不仅是遥感理论研究的重要内容,而且也是遥感应用研究的重要依据；既是传感器波段选择和设计的依据,又是对遥感数据进行解译及各种分析的基础。近年来,定量遥感已经成为当今遥感科学发展的最显着特征,而定量遥感研究离不开地物波谱数据库以及相应的遥感知识库和模型库的有力支持。一定区域的典型地物,如植被、水体等所受环境胁迫因子的加剧或舒缓可以在其波谱曲线表现出来,这种波谱变化可以在一定程度代表该区域生态环境的变化。因此,矿区典型地物波谱曲线的异变可以作为矿区环境监测的依据。论文以兖州矿区为目标研究区域,结合卫星影像数据定位并调查研究区的水域、植被、尾矿等自然、人工要素的类型、位置和分布形态,通过实地采集目标对象的波谱数据,并对采集的波谱数据进行数据质量控制方法研究,建立针对兖州矿区的可用于定量波谱分析的典型地物波谱数据库,并基于此地物波谱数据库开发实现地物波谱自动分类和自动匹配检索功能,为研究区域的生态坏境分析、评价提供可信赖的波谱数据来源。论文研究的关键技术包括：基于关系数据库的波谱分类管理技术；地物波谱数据质量控制方法和流程设计；地物波谱自动分类、匹配检索方法研究和编程实现；基于GDI+技术的波谱曲线快速绘制和交互技术。论文的研究成果将形成一个面向矿区的典型地物波谱数据库,并为其建立一套严格的波谱数据质量控制体系,在此基础上进地物波谱自动分类和匹配检索方法研究,从而为面向矿区的波谱分析提供可靠的数据支撑。
陈水森[3]2005年在《基于波谱库的作物纯像元识别与种植面积遥感估算》文中提出作物类型识别和播种面积估算一直是农业遥感的重要内容,对农作物播种面积和种植结构调整具有重要的现实意义。单一作物像元(纯像元)识别是作物类型识别和作物播种面积遥感估算的关键。 本文设计了野外试验方案,开展了玉米和小麦两个作物全生长期光谱测试实验,获取了大量作物生长期的组分-冠层-像元级光谱、结构参数、背景光谱信息和相关参数,建立了典型农作物波谱库。 基于该典型农作物波谱库,论文对作物纯像元识别和作物面积估算等方面进行了理论与方法的探讨: (1)作物纯像元的识别方法与模型 根据作物光谱信息不确定性的原理,通过开发遥感影象-参考波谱距离阈值模型,提出基于距离阈值的纯作物像元的识别方法。对玉米生长后期TM影象试验表明,该方法获得的作物纯像元估算精度可以达到92%;在此基础上,论文提出了结合遥感影象-参考波谱距离阈值、光谱角度和多时相方法对玉米作物纯像元综合识别方法,该方法使玉米作物纯像元的识别精度提高到95%以上。 (2)作物面积估算模型 在光谱混合分析模型基础上,提出了光谱角度和影象拟合残差相结合的最优端元选择方法,获得混合像元中各端元的面积比例。通过实地制图试验表明小麦像元内小麦作物比例制图的精度达到95%以上,研究发现3月下旬是小麦亚像元比例面积制图中遥感影象时相的一个较好选择。该方法还对华南一个镇的荔枝种植面积进行了应用,结果表面,荔枝面积估算结果和制图精度达到98%。 (3)像元纯度的检测方法与模型 论文分析发现像元纯度指数(PPI)方法在提取纯像元时对端元选择存在不确定性,可能由此导致所提取地物端元纯度降低,或把同类稍有光谱偏差地物作
张莹彤, 肖青, 闻建光, 游冬琴, 窦宝成[4]2017年在《地物波谱数据库建设进展及应用现状》文中认为地物以其固有的特性反射、吸收、辐射和透射电磁波。不同地物表面对不同波长的电磁波反射/辐射/散射特性不同,成为利用遥感手段进行目标物探测与识别的理论基础,而地物波谱数据库的建成对定量遥感建模、地表参数反演及环境生态监测等具有重要作用。近年来,国内外各研究机构已建成部分地物波谱数据库,通过收集典型地物波谱数据,记录长期积累且相对稳定的波谱信息及其配套参数,支持地物分类、目标识别等领域的研究。本文综述了国内外主要地物波谱数据的建库历程,阐述了波谱数据库在各专业领域的主要应用成果,分析比较现有的国内外波谱数据库平台在波段覆盖、地物类型、配套参数及共享方式的特点及不足。在此基础上,针对波谱数据库在建设中存在的数据管理分散、测量质量控制和配套参数的标准规范不完善、数据利用效率不充分等问题,给出了初步建议。最后,探讨各学科对波谱数据库平台的应用需求,并对波谱数据库建设重点将面向全波段、多尺度、多时相的通用型知识库的发展趋势进行展望。
任利华[5]2008年在《地物波谱数据库设计与开发》文中研究说明由于高光谱数据可以获得地物的连续光谱曲线,具有精细探测地球表面、定量分析地球表层生物物理化学过程与参数,精确解译遥感图像等优势,已越来越受到业内人士的欢迎和重视。随着高光谱研究的深入,建立地物波谱数据库渐渐成为关注的核心。由于应用领域、光谱采集仪器等因素的影响,地物的属性参数、仪器参数会发生很大的变化。因此,必须针对不同的研究领域建立不同的地物波谱库。尽管我国已建立了土壤、植被等波谱数据库系统,但针对地形图测绘与更新中地形要素属性信息分类提取的实用化波谱数据库系统还未见报道。本文以此为切入点,通过研究国内外地物波谱数据库的发展现状,设计和实现了一个符合测绘级应用要求的地形信息波谱数据库,并对其中关键技术做了研究。主要的研究内容有以下几个方面:1、通过阐述高光谱遥感的技术特点以及技术优势,对地物波谱特性在地形图测绘与更新中的潜力进行了详细分析,并结合国内外地物波谱数据库的发展现状,论述了建立地形信息波谱数据库的必要性和可行性。2、根据系统需求分析,详细讨论了系统设计原则与开发方法,研究了开发本系统的关键技术,确定了系统开发的技术路线,包括系统体系结构设计、数据管理平台设计、数据访问引擎设计等。3、分析了地面波谱数据模型和影像数据模型,实现了波谱数据与影像数据的高度整合,优化了系统性能。4、总结了地物分级分类原则,首次提出了基于地形图测绘与更新地物分级分类体系。并对入库前的数据进行了标准化处理,使其符合入库规范。5、将高光谱分析方法整合到本系统中,实现了光谱特征可视化、分析等功能。
张莹彤[6]2017年在《基于地物波谱数据库的多角度多波段核驱动模型构建》文中研究说明地表反照率是重要的地球辐射能量平衡参数,也是重要气候变量(ECVs)中监测全球气候变化的变量之一。由于地表反射率具有方向性,地表反照率的估算通常由地表二向反射分布函数(bidirectional reflectance distribution function,BRDF)通过在观测和太阳方向的半球积分获得。其中地表BRDF/反照率产品主要算法多发展自核驱动模型,该模型利用大气校正后的多波段多角度地表反射率来提取BRDF参数,进而估算地表反照率。多角度多波段核驱动模型(Angular&Spectral Kernel,ASK模型)在传统单波段核驱动模型的基础上,将组分波谱作为先验知识放入核函数中,从而可充分利用累积的多角度观测及多光谱信息,实现多传感器多波段联合反演BRDF的可能。然而,ASK模型中引入了土壤和叶片组分波谱参数,由于难以获得组分波谱信息,现有模型难以直接生成全球BRDF/反照率产品。本研究基于ASK模型,引入土壤和叶片组分波谱比值修正了ASK模型,基于组分波谱知识的参数化方法,提高ASK模型的应用能力。针对组分波谱的参数化方案,本论文在调研国内外各研究机构已建成地物波谱数据库基础上,收集了全球尺度下的土壤与叶片组分波谱。通过总结国内外主要地物波谱数据及其在各专业领域的应用方式,分析比较现有的国内外波谱数据库平台的特点,采用了全球土壤波谱数据库、LOPEX和ANGERS叶片光学特性波谱库以及国内的GOSPEL波谱库。考虑到地表覆盖类型与光谱差异,将28种土纲、4种叶片的组合归纳为112类,以MODIS为例分析参数在不同波段的取值特征与整体趋势。将参数化后的ASK模型反演BRF与PROSAIL模型模拟的BRF比较发现,改进的ASK模型反演精度较好,仅比直接输入真实的组分波谱参数的均方分误差高0.007。表明土壤和叶片组分波谱比值参数具有较高的精度,具有能刻画组分波谱特性的能力。通过向参数化过程中加入随机噪声,反演结果表示参数值在每个波段的波动范围应控制在8%以内。与地面实测数据对比的验证结果发现,BRF与宽波段反照率分别与地面实测数据都保持较高的一致性,反照率验证的均方根误差RMSE均低于0.02。本论文提出的土壤和叶片组分波谱比值修正ASK模型以及其基于组分波谱知识的参数化方法,提高了ASK模型的应用能力,有利于推进ASK模型进行全球BRDF/反照率生产。
袁悦[7]2015年在《高温目标短波红外遥感识别方法改进研究》文中研究指明地表高温目标(林火、草原火、煤层自燃、土法炼焦、油井火炬、火山活动等)的遥感识别与属性反演对环境监测、灾害预警具有重要意义。高温目标像元反射率(视反射率)在短波红外波段(1.3-3.0μm)显着高于常温地物，在摄影红外波段(0.76-1.3μm)则一般较低，因此短波红外波段(1.3-3.0μm)可作为高温目标识别的有利波段。目前，相关的短波红外高温目标识别方法有归一化火点指数(NDFI)法,马氏距离多元截尾法、马氏距离多类判别法、因子分析法等。由于现有的归一化火点指数(NDFI)法易受到水体、彩钢屋顶的干扰，而难以有效识别高温目标。针对这一问题，在深入研究典型常温地物、高温目标波谱特性的基础上，对现有的NDFI方法进行改进以去除水体异常数据的干扰，并采用Fisher两类判别分析方法进行高温目标与彩钢屋顶的精确分类，主要研究成果如下：1.在典型常温、高温地物波谱特性分析的基础上，建立基于Landsat8OLI数据的地物波谱数据库。该库数据主要来源于29景不同地区的Landsat8OLI遥感影像，收集了包含常温地物(水体、植被、耕地、居民地、道路等)和高温目标(林火、土法炼焦、油井火炬、火山、烧荒、金属冶炼等)在内的14类、44种地物光谱数据，为短波红外高温目标识别提供了丰富的模式特征训练样本。研究发现，在OLI多光谱遥感数据7(短波红外)波段，高温目标反射率显着高于除彩钢屋顶外的常温地物，在5(摄影红外)波段则一般低于常温地物。在NDFI方法识别结果中，高温目标与部分水体、彩钢屋顶像元具有相似的NDFI结果值，因此无法将高温目标有效识别。2.由于水体在5(摄影红外)波段反射率较低，彩钢屋顶在7(短波红外)波段反射率较高，导致对应地物的NDFI值偏大而与高温目标识别结果混淆。针对该问题，根据水体、彩钢与高温目标在可见光波段的光谱特性差异，将2(蓝光)波段和4(红光)波段信息结合到NDFI算法中，改进的NDFI方法能去除所有水体异常干扰和部分彩钢屋顶干扰。3.针对彩钢屋顶信息混淆问题，采用Fisher两类判别法进行地物区分。在OLI数据波段选择的基础上，结合高温目标和彩钢屋顶多个波段信息，建立判别函数进行判别。结果表明，采用7个波段判别理论精度为96.92%，实际精度为94.61%。选取其中贡献度较高的1(深蓝)波段、2(蓝光)波段、4(红光)波段、5(摄影红外)波段，判别结果理论精度为97.69%，实际精度为96.23%。由于高温目标和彩钢屋顶均在7(短波红外)波段具有较高的反射率，故短波红外波段贡献度较小。考虑到地物波谱时间效应等影响，可结合多时相遥感数据筛选最佳判别变量。在与原时相数据7个波段共同判别结果中，不同时相的NDFI(改进)差值对两类判别结果有最大贡献度，占50.27%，其理论精度98.97%，实际精度95.87%。因此，结合多时相遥感数据有利于高温目标识别，NDFI(改进)差值可作为高温目标识别的重要依据。
卜晓翠[8]2008年在《典型地物波谱数据库的创建及与GIS的结合》文中提出高光谱遥感技术自从诞生以来,就以其高分辨率的特点受到国内外的广泛关注。作为遥感的前沿技术,在地质、农林、海洋、大气等方面的研究中取得了引人注目的成果并显示出独特的优势,其数据量积累日益丰富。随着定量化遥感的发展趋势,很多领域都越来越迫切要求建立一个存放光谱数据,功能性强,使用方便的数据库系统。与此同时,由于一个对象对应各种属性数据及其他相关数据,关系复杂,这就决定了该数据库的创建与传统数据库的不同。本文在总结前人研究成果的基础上,回顾了地物波谱数据库的发展概况和GIS的应用现状,详细阐述了电磁波谱特性、地物波谱特性等基本理论以及组件技术的原理、演变、组件式GIS的特点和二次开发等内容并分析了组件式GIS的优势和不足,介绍了Mapinfo公司的组件式产品—MapX,研究了光谱数据获取的方法,深入探讨了典型地物波谱数据库管理系统的设计与实施,最后引入GIS模块的实现,讨论了几项关键技术。本人在系统研究数据库技术及组件式GIS的基础上,开发研制出了与GIS技术相结合的典型地物波谱数据库,对系统进行了总体结构设计、系统功能设计、用户界面设计,采用可视化开发语言Visual Basic6.0,组件式GIS工具软件MapX,结合数据库管理系统SQL Server2000及Windows XP操作系统,创建了集成开发环境,在此基础上编程实现了属性数据的管理与备份,并使系统初步具有地图集操作、图元编辑、电子地图的放大、缩小、漫游、查询等基本功能。
陈媛媛[9]2013年在《基于地物波谱形态参数化的高光谱图像分类方法研究》文中指出波谱形态差异是地物遥感识别的重要依据,然而在现有的各种遥感影像分类方法中波谱形态信息尚未得以充分利用。本文在对遥感成像机理和地物光谱理论深入理解的基础上,首先利用基于语素向量的曲线形态描述方法,实现了研究区域典型地物波谱形态的参数化；然后,以不同地物具有相异的波谱曲线形态为分类准则,采用一种带通配符的波谱形态匹配算法,设计并在Matlab中实现了基于地物波谱曲线形态差异的遥感影像分类程序与方法。与同样适于高光谱影像分类的其他方法相比,本方法的突出优势在于它以最大限度的保留并利用地物波谱的波形(如波峰、波谷、上升、下降等)信息为出发点,着重强调地物波谱曲线的“形”相似特征,从而突破了以往遥感影像分类研究中大多关注“光谱值”相似以及现有的光谱匹配方法受类内差异变化影响大的问题。此外,基于Kappa系数的精度评价结果显示,应用本方法的分类结果总体精度和Kappa系数都高于SVM分类方法。研究所取得的成果不仅深化了高光谱遥感图像分类理论与实践,而且也适于有着明显季节性变化特征的植被遥感识别和土地覆被量化分类。
李少鹏[10]2013年在《新疆典型荒漠植物光谱数据库系统设计与实现》文中进行了进一步梳理随着对荒漠生态监测精度要求的提高，使用高光谱数据研究植物微小差异的需求不断增加，建立荒漠植物光谱数据库系统，实现对荒漠植物光谱数据的收集、存储和管理，提高荒漠植物高光谱数据处理分析能力，是荒漠区生态恢复植物高光谱遥感定量监测的基础。为此，本文针对构建新疆典型荒漠植物光谱数据库系统所涉及的方法、技术和实现过程进行了研究，所做的主要工作和成果包括：（1）确定了野外光谱数据采集、光谱数据处理与特征提取和光谱匹配识别应采用的技术和方法。基于SVC HR-768地物光谱仪在塔里木河下游和吐鲁番沙生植物园两个采样区野外实测的典型荒漠植物（胡杨、柽柳和骆驼刺等20余种）的光谱数据、配套属性信息以及相关统计资料，确定了对原始光谱数据进行预处理的内容和数据规范。（2）针对系统应用需求和业务流程，对系统功能模块、系统架构和数据库数据规范、数据存储、数据模型和数据表物理结构进行了设计，在SQL Server2008中创建新疆典型荒漠植物光谱数据库，在Microsoft Visual Studio2010开发环境下，采用C/S结构，利用C#、IDL和AE语言混合编程开发实现了新疆典型荒漠植物光谱数据库系统，实现了光谱数据的管理、查询和显示等功能。（3）将光谱平滑、包络线去除、光谱微分、光谱吸收特征提取、红边参数提取、植被指数计算、光谱匹配识别等常用的光谱处理分析方法集成到数据库系统上，实现了基于荒漠植物光谱数据库的光谱数据处理、特征提取分析和植物光谱匹配识别功能，为进一步的植物光谱研究提供支持。
参考文献：
[1]. 基于地物波谱数据库的分类识别研究[D]. 阮建武. 吉林大学. 2004
[2]. 兖州矿区典型地物波谱数据库建设与应用研究[D]. 范俊甫. 山东科技大学. 2011
[3]. 基于波谱库的作物纯像元识别与种植面积遥感估算[D]. 陈水森. 中国科学院研究生院（遥感应用研究所）. 2005
[4]. 地物波谱数据库建设进展及应用现状[J]. 张莹彤, 肖青, 闻建光, 游冬琴, 窦宝成. 遥感学报. 2017
[5]. 地物波谱数据库设计与开发[D]. 任利华. 解放军信息工程大学. 2008
[6]. 基于地物波谱数据库的多角度多波段核驱动模型构建[D]. 张莹彤. 中国科学院大学(中国科学院遥感与数字地球研究所). 2017
[7]. 高温目标短波红外遥感识别方法改进研究[D]. 袁悦. 吉林大学. 2015
[8]. 典型地物波谱数据库的创建及与GIS的结合[D]. 卜晓翠. 长安大学. 2008
[9]. 基于地物波谱形态参数化的高光谱图像分类方法研究[D]. 陈媛媛. 湖北大学. 2013
[10]. 新疆典型荒漠植物光谱数据库系统设计与实现[D]. 李少鹏. 新疆农业大学. 2013
标签：计算机软件及计算机应用论文; 遥感论文; 大数据论文; 光谱分辨率论文; 遥感图像处理论文; 红外技术论文; 数据库论文; 分类数据论文; 光谱论文;