增强植被指数算法的研究及其在生态环境遥感产品生产分系统的应用

发布时间：2017-08-05 05:04

  本文关键词：增强植被指数算法的研究及其在生态环境遥感产品生产分系统的应用

  更多相关文章： 遥感图像 增强植被指数算法 HDF4 分块处理 栅格数据

【摘要】：随着高分辨率卫星技术的飞速发展,多种类型的遥感图像在众多行业得到了广泛的应用。遥感图像数据量大、影像文件类型多种多样。这些特点给各类应用带来一系列挑战:如何提高系统处理遥感图像的速度,如何使遥感图像处理方法兼容性更好,如何保证系统处理遥感图像的质量,这些都是遥感行业在遥感图像处理方面亟需解决的问题。增强植被指数算法(EVI)的主要功能是同时减少来自大气和土壤噪音的影响,稳定地反应了所测地区植被的情况。增强植被指数算法需要处理HDF4图像、GeoTIFF图像。目前,HDF GROUP开发的操作HDF4文件的函数库可用于Fortran和C语言,其他编程语言则缺少系统地操作HDF4文件的方法。ArcGIS虽支持大部分栅格数据,但不支持多数据集的HDF数据格式。在生产EVI产品时,C#项目的生产速度明显慢于IDL项目的生产速度。本课题针对项目中遇到的处理遥感图像的多种问题,提出了一种新的机制。该机制不仅为操作HDF4文件提供了新的访问接口,方便增添新的功能;而且通过对遥感图像的分块处理,提高了EVI产品的生产速度。该机制在环保部生态环境遥感产品生产分系统中得到了初步运用,并对该机制进行了分析和实验验证。主要成果有以下两点:(1)为增强植被指数算法设计了一种关于遥感图像HDF4文件的访问机制,不仅可以创建多数据集的HDF4数据文件,而且可以向HDF4文件中添加属性等。该机制不仅可以应用在增强植被指数算法中,还可以封装成库文件,能够供多种语言环境的相关遥感系统调用。(2)通过对遥感图像分块处理,有效提高了生产增强植被指数产品的速度。本机制利用矩阵分块运算不影响运算结果的原理,分别采用了多线程和线程池的机制,对遥感图像进行了分块处理,显著提高了影像文件的处理速度,能够更快地完成增强植被指数产品的生产。
【关键词】：遥感图像 增强植被指数算法 HDF4 分块处理 栅格数据
【学位授予单位】：河南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP751
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 1 绪论9-15
• 1.1 选题背景及意义9-10
• 1.2 国内外研究现状10-12
• 1.3 研究内容12-13
• 1.4 论文组织结构13-15
• 2 相关内容15-19
• 2.1 HDF4遥感图像15-16
• 2.2 分块处理技术16-17
• 2.3 IDL语言17
• 2.4 C#语言的发展优势17-19
• 3 HDF4文件访问机制与增强植被指数算法的改进19-35
• 3.1 增强植被指数算法的介绍19-21
• 3.2 HDF4文件访问机制的设计原理21-27
• 3.2.1 总体思想21-22
• 3.2.2 访问机制的设计与实现22-25
• 3.2.3 功能介绍25-26
• 3.2.4 操作流程26-27
• 3.3 分块机制27-34
• 3.3.1 问题分析27
• 3.3.2 分块处理27-29
• 3.3.3 分块处理流程29-31
• 3.3.4 实验结果对比与分析31-34
• 3.4 小结34-35
• 4 算法在生态环境遥感产品生产分系统中的应用35-41
• 4.1 系统背景35
• 4.2 系统架构35-36
• 4.3 运行环境36-37
• 4.3.1 硬件环境36-37
• 4.3.2 软件环境37
• 4.4 工作流程37-38
• 4.5 增强植被指数算法的应用38-40
• 4.5.1 生物物理参数产品的介绍38-39
• 4.5.2 增强植被指数产品的依赖关系39-40
• 4.6 小结40-41
• 5 总结与展望41-42
• 参考文献42-45
• 致谢45-46
• 攻读学位期间发表论文及参加的项目46-47

【相似文献】

中国期刊全文数据库 前10条

1 甄计国;王义德;赵军;;兴隆山国家级自然保护区的植被指数及其变化特征[J];遥感技术与应用;2006年04期

2 王福民;黄敬峰;王秀珍;;基于水稻背景特性的植被指数参数修正研究[J];农业工程学报;2008年05期

3 陈鹏飞;Nicolas Tremblay;王纪华;Philippe Vigneault;黄文江;李保国;;估测作物冠层生物量的新植被指数的研究[J];光谱学与光谱分析;2010年02期

4 解文欢;张有智;吴黎;;基于植被指数对望奎县粮食作物产量预测方法的研究[J];黑龙江农业科学;2011年04期

5 康耀江;;植被指数在草地遥感中的应用初探[J];湖南农业科学;2011年Z1期

6 夏双;阮仁宗;颜梅春;;基于植被指数模型的淡水湖泊湿地景观信息提取[J];地理空间信息;2012年06期

7 黎夏;二轴土壤背景纠正的植被指数及其在华南水稻遥感估产中的应用[J];环境遥感;1993年03期

8 蔡斌，陆文杰，郑新江;气象卫星条件植被指数监测土壤状况[J];国土资源遥感;1995年04期

9 覃先林,易浩若;MODIS数据在树种长势监测中的应用[J];遥感技术与应用;2003年03期

10 安培浚;刘树林;颉耀文;高峰;;植被指数遥感定量研究——以民勤绿洲为例[J];遥感技术与应用;2005年06期

中国重要会议论文全文数据库 前10条

1 付卓;王锦地;施建成;宋金玲;靳华安;张立新;张钟军;赵少杰;陈柏松;;微波植被指数与光学植被指数在地面尺度上的关系研究[A];遥感定量反演算法研讨会摘要集[C];2010年

2 辛红梅;张杰;马毅;初佳兰;;基于植被指数的赤潮高光谱敏感波段确定方法初探[A];第十四届全国遥感技术学术交流会论文选集[C];2003年

3 范锦龙;;我国晴空分布及对旬合成植被指数的影响[A];推进气象科技创新加快气象事业发展——中国气象学会2004年年会论文集（下册）[C];2004年

4 张树誉;李登科;李星敏;周辉;;遥感植被指数及其在县域生态环境监测评估中的应用[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

5 安培浚;颉耀文;;绿洲植被指数的遥感定量研究-以民勤绿洲为例[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

6 江东;王乃斌;杨小唤;刘红辉;;植被指数—地面温度特征空间及其应用[A];第十三届全国遥感技术学术交流会论文摘要集[C];2001年

7 傅军;张杰;辛红梅;马毅;;基于植被指数的高光谱遥感水陆识别方法初探[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年

8 肖乾广;肖岚;李亚君;;EOS/MODIS,FY-1D/MVISR,NOAA/AVHRR的归一化植被指数的同化研究[A];全国国土资源与环境遥感应用技术研讨会论文集[C];2009年

9 杨道勇;肖云岫;;利用WT-10接收的1B高分辨云图数据生成植被指数图像[A];中国气象学会2005年年会论文集[C];2005年

10 何全军;曹静;张月维;;基于MODIS的广东省植被指数序列构建与应用[A];中国气象学会2007年年会生态气象业务建设与农业气象灾害预警分会场论文集[C];2007年

中国重要报纸全文数据库 前1条

1 魏景云;气象卫星监测干旱 全国旱情一目了然[N];中国气象报;2003年

中国博士学位论文全文数据库 前4条

1 卫炜;MODIS双星数据协同的耕地物候参数提取方法研究[D];中国农业科学院;2015年

2 张立福;通用光谱模式分解算法及植被指数的建立[D];武汉大学;2005年

3 岳文泽;基于遥感影像的城市景观格局及其热环境效应研究[D];华东师范大学;2005年

4 刘占宇;水稻主要病虫害胁迫遥感监测研究[D];浙江大学;2008年

中国硕士学位论文全文数据库 前10条

1 刘吉凯;基于HJ卫星数据的甘蔗长势监测与估产研究[D];南京信息工程大学;2015年

2 郑亚云;榆林NDVI时空变化及驱动因子研究[D];长安大学;2015年

3 何春萌;经济利益驱动下的工矿开发对人类生存环境的影响[D];内蒙古大学;2015年

4 刘晓静;基于不同遥感数据源的秦岭地区植被指数对比分析[D];长安大学;2015年

5 王鑫梅;氮素水平对不同土壤质地杨树叶片光谱特性和光合能力的影响[D];河北农业大学;2015年

6 官雨薇;基于遥感影像的全球荒漠化指数构建及趋势分析[D];电子科技大学;2015年

7 胡文;黑龙江省雹灾遥感监测及时空特征分析[D];东北农业大学;2015年

8 吴明业;基于TVDI的土壤干旱遥感监测研究及验证[D];安徽农业大学;2014年

9 马瑞;增强植被指数算法的研究及其在生态环境遥感产品生产分系统的应用[D];河南大学;2015年

10 韩春光;新疆植被指数与气象因子的响应关系研究[D];新疆大学;2009年

，

本文编号：623228