承德市森林植被净初级生产力的遥感估算

以承德市的森林分布区为研究区域,基于改进的光能利用率模型,利用2008年MODIS/NDVI产品和地面气象站点数据,结合土地覆被类型,估算承德市森林植被的年净初级生产力,并分析其时空分布格局.研究结果表明:2008年承德市森林NPP的总量为1.075×108 g.a-1,年平均值为424.59 g.m-2.a-1,NPP最高值为656.78 g.m-2.a-1.总体空间分布趋势是东南高,西北低,其季节变化较明显,呈单峰型.     

基于RS及GIS技术的土地利用/覆盖变化分析

本文采用地理信息系统技术的数据采集、处理及分析技术,获取研究区域中每个地块图斑的位置、范围、面积、分布等状况。汇总分析全区各类土地利用现状水平和变化趋势,掌握全市土地所有权、使用权状况和完善该地区土地调查、土地统计和土地登记制度,在此基础上,与2003年土地详查数据进行对比,总结研究区域土地利用存在的问题,并对未来发展提出对策和建议。     

噪音转换器

我想发明一种“噪音转换器”,它具有吸收、转换、输出3种功能。吸收器有遥感装置,方圆几十里范围发出的噪音都会被它吸收;在转换器里,讨厌的噪音经过它的过滤,会被分解成高、中、低音,然后按程序重新排列,最后在输出器成为各种美妙的旋律。     

遥感影像在煤矿中的解译研究

遥感影像是全国矿产资源开发多目标调查与监测的最基本的信息源,它在矿山开发监测中发挥着重要的作用。本文应用TM、SPOT5、IKONOS等影像,通过野外实地踏勘获取的现场资料及经验,分析煤矿在影像中的特征。从颜色、纹理、地物邻接关系等方面建立不同类型煤矿的遥感解译标志,提出煤矿的信息提取原则,旨在为矿山监测中的人们提供更加合理、准确的日视解译方法。     

应用遥感和GIS技术进行绿洲变化分析

将新疆划分成七个区域进行绿洲时空变化的研究。与以往的土地利用分类系统不同,本次分类的目标是区分天然绿洲和人工绿洲。主要运用遥感和GIS手段确定和分析绿洲空间分布和变化,遥感数据采用影像数据预处理后解译,在GIS支持下叠加进行空间分析,得到30年间新疆绿洲空间分布和结果分析。     

黑土土壤水分光谱响应特征与模型

为揭示土壤水分对土壤反射率的影响机理,并为其他土壤参数遥感监测提供理论支持,以吉林省德惠市黑土野外、室内高光谱反射率为研究对象,运用光谱分析方法与统计分析方法,分析土壤水分光谱特征,建立土壤水分光谱模型,得出以下结论：土壤光谱反射率在400-2500 nm范围内主要有5个吸收谷,随着含水量的增加,土壤光谱吸收谷的面积增大;而秸秆光谱反射率在土壤前2个吸收谷附近没有明显的吸收特征;未翻耕土壤由于秸秆残茬的影响,第二吸收谷左右两部分面积比例增大,这一特征可用于判别土壤是否翻种;土壤表层0-5cm含水量与反射光谱数据的相关性强于5-10cm;土壤含水量与土壤光谱反射率之间是指数或线性关系;土壤含水量高光谱模型稳定性较好、精度较高,可以用于土壤含水量的速测。     

基于同态滤波的高分辨率遥感影像阴影消除方法

遥感影像中的阴影现象作为图像退化的一种特殊形式,使得影像阴影区域所反映的目标信息有所损失或受到干扰。根据阴影属性提出了一种基于同态滤波的高分辨率遥感影像阴影消除方法。首先将遥感影像变换到频率域空间,使用一种增强高频、抑制低频的滤波器对图像进行处理,然后反变换回空间域。实验表明,与基于色彩空间的阴影消除方法相比,本文方法在成功实现阴影消除的同时大大降低了人机交互操作与处理速度。     

塔里木河下游植被覆盖度图谱分析

基于GEE(google earth engine)平台结合像元二分模型估算了植被覆盖度,并以此构建了地学信息图谱体系。应用该体系对塔里木河下游进行植被覆盖度时空变化特征分析。得出以下结论：塔里木河下游植被覆盖结构以极低植被覆盖为主,占研究区总面积的80%以上;植被覆盖变化图谱中最明显的是极低植被覆盖与其他植被覆盖类型之间的转换,其次是低植被覆盖与其他植被覆盖类型之间的转换;植被覆盖涨落势图谱中涨势最大的分别是低植被覆盖和中植被覆盖,落势最大的是极低植被覆盖;植被覆盖变化模式图谱以稳定不变型为主,后期变化型占比大于前期变化型。整体来看,2000—2022年塔里木河下游生态环境逐渐改善,植被变化情况越来越好。     

基于光谱混合分析的城市植被覆盖度与地表温度关系的研究

分别选择NDVI和光谱混合分析植被组分(VF)作为城市植被覆盖度指示因子,研究植被覆盖度与地表温度(LST)的相关关系.选择了一定数量的样本点,通过线性拟合的方法研究了NDVI及VF与LST的相关关系.研究结果表明,VF与LST之间的相关性比NDVI与LST之间相关性更好.研究表明,在城市LST研究中VF可以作为表征植被性质的参数.     

Encoding Methods of Spectral Vector in Hyperspectral Romote Sensing Image

1　Introduction　Withtherapiddevelopmentofhyperspectralremotesensing(RS)informationacquisitiontechniques,manyhyperspectralRSinformationsources,forexample,AVIRIS,OMIS,PHI,etc.,havebecomeavailable.ThisstimulateswideapplicationsandrapidprogressofhyperspectralRSinvariousfieldssuchasresources,environments,urbandevelopment,ecologyandothers[1,2].WiththeaccumulationofvasthyperspectralRSinformation,itissignificanttoretrieveinterestedimagesforgiventasksquicklyfromlargeinformationsystems(ordataba…