摘要：针对物理模型抗噪能力差且容易过拟合的问题,提出一种PROSAIL模型结合VMG(VARI(Visible atmospherically resistant index)、MGRVI(Modified green red vegetation index)、GRRI(Green red ratio index))多元回归模型反演冬小麦叶面积指数(Leaf area index,LAI)方法。实验基于无人机影像(Unmanned aerial vehicles,UAV),选择河南省焦作市东南部的山阳区为实验区,结合实测2个生育期冬小麦LAI数据。首先,构建RGB植被指数模型,选取其中最优VMG模型反演冬小麦LAI;然后,对PROSAIL参数敏感性进行分析,得到参数最优值,反演冬小麦LAI;最后,采用快速模拟退火(Very fast simulated annealing,VFSA)算法将两种模型结合,获得最优冬小麦LAI。结果表明:VFSA可以有效将PROSAIL模型和VMG模型结合,提高了反演精度,且优于VMG模型和PROSAIL模型,决定系数R^(2)高于0.8,均方根误差(RMSE)低于0.4 m^(2)/m^(2)。综上所述,冬小麦生长过程中,地面覆盖度增高,本文方法具有较强的辐射传输机理,为LAI反演提供一种有效的反演方法。

摘要：当前林地提取的方式主要是选择样本通过监督或半监督进行的,效率较低,为此本文提出一种结合多特征的HSV变换高光谱影像林地提取方法.该方法首先对原影像进行相关校正处理,然后利用归一化植被指数(NDVI)和主成分分析(PCA)得到合成影像,最后利用HSV变换通过设置色彩值范围对影像进行色彩分割提取林地信息.结果显示,使用本文方法对高光谱林地的提取精度可以达到96.29%,说明了本文方法的有效性.

摘要：针对基于像元的非监督分类方法对高空间遥感影像分类时易形成“椒盐”噪声和产生大量错分、漏分的问题,提出了一种结合L0平滑和超像素的非监督分类方法.首先采用L0算法对高空间遥感影像进行平滑操作,减少大量图像噪声及冗余信息;然后采用简单的线性迭代聚类(SLIC)超像素方法处理平滑后图像,进一步抑制椒盐现象的同时降低处理复杂度,得到初始聚类图;最后采用K-means非监督分类方法得到最终分类结果图.为验证本文提出的方法,选取3景高空间遥感影像作为实验数据.试验结果表明,采用提出的方法能准确对地物分类,且总体精度分别达到了72.46%、77.55%和78.44%,Kappa系数分别达到0.788、0.779和0.779.提出方法能有效解决分类中存在的“椒盐”现象,可提高分类精度,对高空间遥感影像分类具有一定的参考价值.

摘要：针对北斗卫星(BDS)在定位时卫星高度截止角偏高时精度无法满足的问题。本文先使四大系统时空基准统一,后研究单星(BDS)、双星(BDS/GPS、BDS/GLONASS、BDS/GALILEO)和三星(BDS/GALILEO/GLONASS)单点定位数据的卫星可见数和精度因子PDOP均值,收敛性、单点定位精度。实验证明:单星系统、双星系统和三星系统在高度截止角的不断增加,卫星可见数和历元可用度不断减少,PDOP值波动较大,单点定位精度和收敛性越差。当高度截止角为40°时,双星系统和单星系统无法满足定位精度,三星系统仍然满足定位精度要求。