运行化作物遥感识别中的多元数据组织与融合方法

ISWC OpenIR > 水保所知识产出(1956---)

	运行化作物遥感识别中的多元数据组织与融合方法
	钱永兰
学位类型	博士
导师	雷廷武
	2005
学位授予单位	中国科学院研究生院
学位授予地点	陕西
学位专业	土壤学
摘要	从1990年代后期开始，我国国家级农情遥感监测系统建成并投入运行，其主要部分是作物遥感监测运行系统。作物遥感监测系统的数据处理与分析涉及遥感数据、背景数据和地面调查数据等多种数据类型。目前已建成面向运行系统的背景数据库，并建立了地面调查规范细则。对于运行系统中遥感数据的组织和处理，目前还没有建立起统一的标准；随着运行系统中数据类型和数据量的不断增加，整个系统中的数据组织与融合处理也迫切需要一种统一的规范和准则。作物遥感识别是作物遥感监测的关键，涵盖了作物监测中的遥感应用关键技术。运行化作物遥感识别的多源数据组织与融合方法研究，可以促进整个作物遥感监测运行系统的完善和标准化。本文以我国东北地区大豆遥感监测和南方晚稻遥感监测运行课题为支撑，研究了作物遥感识别中的光学遥感图像融合、雷达遥感图像融合以及多源数据的组织与融合的关键技术。本项研究主要成果如下：（1）研究了作物遥感监测运行系统中的遥感图像数据级融合方法：在实际应用中应采用实验的方法进行最优融合模型的选择，对于限制波段输入数量的融合模型，在融合前须根据图像统计参数选出最适合应用需要的三个最佳波段；融合模型的比较应采用视觉和多种定量评价指标相结合进行融合效果评价，根据评价结果选出最优模型；在均值、标准差和熵值进行融合效果评价存在局限性的情况下，引入新的融合评价指标细节对比度C_d（detail contrast），用图像像元标准差和均值的比值表示，它可以有效反映图像的信息丰富程度和图像对比度。（2）设计了面向作物识别的遥感图像融合模型SPM和SMM：SPM模型（Sharpening Model）综合考虑了不同地物在所有波段上的光谱差异，通过波段间的代数运算锐化了不同地类间的光谱特征差别，可以减少由于光谱相近而导致的分类错误；SMM模型（Smoothing Model）利用同种作物的空间关联特征，通过对图像色度和饱和度实施卷积滤波运算，在保持图像空间分辨率的前提下，平滑了同类地物的图像光谱差异，通过验证两种方法都有助于提高图像分类的精度。（3）研究了较适合雷达图像融合的融合模型和四种用于雷达图像融合的空间分量提取方法：通过实验证明，乘法较适于雷达图像融合；同时，使用不同的方法对光学遥感图像提取的空间分量（即高分辨率图像）进行雷达图像融合会得到不同的融合效果，PCA法的空间增强效果显著，IHS法的光谱变化较小；将不同方法提取的空间分量进行灰度变换增强处理后，空间增强效果更为显著，但光谱变化增大。该研究针对雷达遥感图像融合中光学遥感多光谱图像的空间分量提取，提供了四种可供选择的方法：PCA提取第一主成分PC-1直接与雷达图像融合、PC-1进行灰度变换增强后与雷达图像融合、IHS提取I分量直接与雷达图像融合、I分量进行灰度变换增强后与雷达图像融合。（4）研究了作物遥感监测运行系统中多源数据的组织与融合技术体系，并对运行系统中相应规范的内容进行了探讨：依据作物遥感识别的技术流程进行背景数据、遥感数据和地面数据等多源数据的组织；针对目标特点、图像特点和应用需要进行遥感融合模型的选择与设计，图像融合应包含光谱增强和空间增强两个方面；针对多源数据组织与融合的关键技术、关键内容和重要参数设置，进行作物遥感监测运行系统相应规范的制定。（5）以ENVISAT ASAR数据为例，探讨了水稻监测运行系统中的雷达遥感数据选择问题：研究认为单极化双时相和双极化单时相图像融合用于水稻识别均存在不足，而双极化双时相相结合才能有效识别水稻；水稻识别的雷达遥感数据应采用交叉极化方式、大于IS1的波束位置和插秧期、成熟期两个时相。在此前提下，采用较小的入射角模式，可以充分利用其幅宽较大的优势；同时卫星编程时尽量保持多时相雷达遥感图像具有相同的获取时间（早晨或傍晚，即降轨或升轨）和幅宽以使图像最大限度重合。本项研究为农业部全国水稻雷达遥感监测奠定了基础。
文献类型	学位论文
条目标识符	sbir.nwafu.edu.cn/handle/361005/4046
专题	水保所知识产出(1956---)
推荐引用方式 GB/T 7714	钱永兰. 运行化作物遥感识别中的多元数据组织与融合方法[D]. 陕西. 中国科学院研究生院,2005.