基于无人机红外光谱技术的影像数据匹配方法研究

无人机加载红外光谱载荷对区域内影像进行获取现已成为遥感领域一种重要的技术手段,可通过对携带位置信息的影像进行分类提取,得到植被盖度、温度指数等一系列因子指标。利用FREE BIRD(自由鸟)小型低空无人机系统挂载Tetracam红外相机(310万像素)对新疆玛纳斯县一河道进行影像获取。无人机飞行面积约为20.5 km2,为了得到更加精确的植被、温度等因子,需要对无人机红外影像进行配准,通过优化SIFT匹配参数和RANSAC粗差剔除后,获取了可靠的匹配结果,即经过算法匹配后的影像与原影像进行了误差比对,能够满足后期的应用需要, 这也是本文的创新点之一。将影像进行配准后进行二维影像拼接,将多张红外影像按照航向重叠度不低于60%,旁向重叠度不低于50%的概率进行拼接,得到拼接后的红外影像图。另外比较了SIFT和SUFT两种算法,利用优化的SIFT算法及改进的FLIR传感器获取1 600张热红外影像,利用地面同步测量数据对拼接后的红外影像进行算法匹配,并利用ENVI(完整的遥感图像处理平台)软件进行温度及植被盖度的影像反演,得到了研究区域的单一影像及红外影像的温度反演图及植被反演图。通过对两种算法的对比得到更加优化的算法模型,并对该模型进行回归分析和精度检验,得到该模型的相关系数R2为0.767,匹配精度为81.51%,模型精度较高。本模型的建立对日后无人机红外影像的配准及提取反演奠定了理论和实践基础。     

基于高光谱的环首都地区数字高程模型与可吸入颗粒物的空间相关性研究

空气中可吸入颗粒物浓度的增加与众多综合因素相关,其空间分散程度与高程DEM间也有一定的相关性。为了研究雾霾的污染与高度的空间相关关系,以环首都地区100 km范围内为研究对象,利用矩形格网尺度法对所研究区域进行不同边长及不同尺度的格网划分,通过无人机获取可见光影像数据和高光谱POS信息数据,对所研究区内的空气污染因子和高程因子进行提取和整合。同时利用地统计学GS+软件的克里格插值法对所提取的变量数据进行空间相关性研究,并利用MODIS遥感影像数据和无人机获取的POS数据与实地调查相结合的方法对地形和环境数据进行非线性回归拟合分析。计算在不同格网尺度下环首都地区空气中的可吸入颗粒物及高程因子的空间相关效应的影响变程,建立二者间的空间相关性优化模型,从而确定可吸入颗粒物浓度随着高程变化的整体趋势。结果表明：高程DEM与空气污染指数API的最大相关影响距离为14.74 km,且随着样本点间的距离增大,DEM的空间自相关性呈现逐渐减弱的规律,即可吸入颗粒物浓度随着高程的增加而减小的整体趋势。同时,建立了高程DEM与环境间的空间相关性模型,该模型符合地统计学的高斯球状模型,相关系数r均高于90%,模型拟合度较高。试验为日后相关部门控制空气污染指数随着高度的变化选择不同树种进行绿化提供了一定的理论和实践指导依据。     

多光谱遥感技术结合遗传算法对永定河土壤归一化水体指数的研究

永定河流域的土壤类型及含水量与植被覆盖指数是影响该流域水量的重要因素,利用传统取样法对该流域土壤类型及含水量进行调查,耗费人力的同时还会因仪器误差等客观因素造成实验精度下降。选择永定河流域(北京地区)为研究区,利用全站仪进行野外调查测定34块样地并取样,结合1978—2009年6期的TM影像数据对土壤信息进行提取,研究该地区的土壤含水量与各类多光谱遥感因子间的相关关系,利用遗传算法对土壤归一化水体指数(NDWI)的主要影响因子进行筛选,因NDWI是基于绿波段与近红外波段的归一化比值指数,一般用来提取影像中的水体信息,效果较好。为了更准确的筛选与土壤含水量相关的因子,利用遗传算法全局择优的特点,通过控制迭代次数加速收敛来筛选关键因子。进而利用多元回归的方法建立NDWI反演模型,分析出模型的内符合精度为0.987,并利用边缘树种进行外符合精度检验,得出：土壤中速效氮、磷、钾的含量与经度相关性不明显,却与纬度和土层成正相关关系,当模型计算的迭代次数Maxgen达到最优时,内符合精度为87.6%。通过遥感影像与野外调查相结合的方法得到的土壤NDWI与植被盖度、地形、气候等相关因子的模型而计算得出的NDWI值与单纯利用传统土壤取样法得到的值进行对比分析,得出平均相对误差E为-0.021%,外符合精度P达到87.54%。该模型的建立可为日后对永定河流域土壤水分及有机质的分析与研究提供较好的实践及理论依据。