论文依据国家高分辨率对地观测系统重大专项项目“新疆天山中部高分载荷雪冰监测评价”(95-Y40B02-9001-13/15-04)和国家自然科学基金项目“SAR与高分辨率光学遥感联合反演雪水当量”(41271353)对山区积雪识别的研究需求,以新疆天山中段玛纳斯河流域典型山区作为研究区,在多次实地考察与地面同步观测基础上,利用非积雪期、积雪期和融雪期的RADARSAT-2、高分一号(GF-1)卫星数据,通过积雪信息的遥感表征分析,探讨光学遥感数据识别积雪表面类型和SAR数据识别积雪干湿状态的方法,并利用两种传感器的互补性,开展SAR与光学遥感数据联合识别山区积雪的理论与方法研究。积雪是冰冻圈的重要组成部分,也是地表极为活跃且具有多重属性的自然要素之一,季节性积雪是我国西北干旱、半干旱地区主要的淡水资源,同时,积雪灾害也是主要的气象灾害之一。积雪识别研究,尤其是积雪表面类型和干湿状态的同时识别,对山区融雪过程监测、局地气候研究、积雪灾害评估、雪水资源管理等具有重要意义。遥感使得大范围、高精度监测积雪成为可能,对于气候条件恶劣、气象观测不足的山区,遥感更是获取积雪信息的唯一有效手段。光学遥感数据具有积雪识别精度高、可识别积雪表面类型等优点,并在一定程度上可以克服地形对积雪识别的影响,但难以识别云覆盖区积雪；SAR具有穿透云层识别积雪、获取积雪物理信息的能力,但在山区复杂地形条件下,其后向散射信号受地形影响严重,因此,SAR与光学遥感数据在山区积雪识别中具有互补性。本文研究按照“实地考察与地面同步观测——积雪信息的SAR与光学遥感图像表征分析——积雪表面类型和干湿状态的分别识别——SAR与光学遥感数据联合识别积雪的模型构建”的思路,提出了联合SAR与光学遥感数据识别山区积雪的方法,构建了SAR与光学遥感数据联合识别山区积雪的模型,克服了光学遥感数据识别积雪受云限制、SAR数据识别积雪受地形影响的技术难题,提高了积雪识别的精度,实现了积雪表面类型(新雪、陈雪)和干湿状态(干雪、湿雪)的同时识别。论文主要研究内容和研究结论如下：(1)实地考察与地面同步观测。根据SAR卫星过境时间和研究区积雪时空分布特征,分别于2013年12月,2014年3月、2014年4月以及2015年4月,赴研究区开展了实地考察和地面同步观测试验,观测得到了不同类型积雪的反射光谱、雪湿度、雪深、雪密度、雪粒径、近地表气温等资料。积雪实测反射光谱分析结果表明：在可见光和近红外波段,新雪、陈雪、污化雪的反射光谱差异明显。雪表层湿度分析结果表明：在积雪期同步观测期间,雪表层湿度在0%-3%之间,在融雪期同步观测期间,雪表层湿度在0%～7%之间,雪表层湿度具有明显的时空分布特点。实地考察与地面同步观测资料为积雪信息的遥感图像表征分析提供数据支撑,为积雪表面类型和干湿状态的识别结果提供验证。(2)积雪信息的SAR与光学遥感图像表征分析。利用积雪期和融雪期两次地面同步观测资料,结合综合辐射校正后的光学遥感图像,分析积雪、云及非积雪覆盖地表的反射率。同时结合SAR图像,分析积雪与非积雪覆盖地表的后向散射差异以及相干性特征。光学遥感图像表征分析表明：在GF-1卫星WFV传感器的四个波段,新雪的反射率平均值均高于陈雪。SAR后向散射系数图像表征分析表明：在积雪期,积雪与非积雪像元平均后向散射系数差异不大；在融雪期,非积雪像元平均后向散射系数比积雪像元大5-10 dB；积雪表层湿度从0%到3%变化范围内,四种极化方式下后向散射系数均呈现明显降低趋势。SAR相干系数图像表征分析表明：同向极化相干系数明显高于交叉极化；在HH、VV极化,非积雪像元相干系数明显高于积雪像元,非积雪像元相干系数随局部入射角增加呈现先增加后降低趋势。图像表征分析结果对应用光学遥感数据识别积雪表面类型和应用SAR数据识别积雪干湿状态提供了依据。(3)积雪表面类型的光学遥感图像识别和干湿状态的SAR图像识别。在光学遥感图像表征分析基础上,利用综合辐射校正后的光学遥感数据,采用SVM分类方法,识别山区积雪表面类型,结果表明：光学遥感数据难以识别云覆盖区积雪,但可实现积雪表面类型的识别,识别精度与综合辐射校正精度有关。在SAR遥感图像表征分析基础上,利用降雪前后相干系数图像,使用单一阈值算法提取了积雪,并在此基础上,利用Nagler算法获取的干雪和湿雪样本以及极化特征分解方法获取的最优极化特征组合,构建了极化SAR识别湿雪的方法,实现了干雪和湿雪的识别,识别结果表明：SAR数据识别积雪不受云的限制,可实现积雪干湿状态的识别,识别精度受地形影响严重。光学遥感数据积雪类型识别结果与SAR数据积雪干湿状态识别结果对联合SAR与光学遥感数据识别积雪提供了支撑。(4)SAR与光学遥感数据联合识别积雪模型构建。利用光学遥感数据识别的积雪表面类型和SAR数据识别的积雪干湿状态,分析SAR与光学传感器在积雪识别上的优劣势,分析结果表明：利用光学遥感数据积雪识别结果,可以克服地形对SAR数据识别积雪的影响；利用SAR数据积雪识别结果,可以消除光学遥感数据识别积雪受云的限制；联合SAR与光学遥感数据,可以实现积雪表面类型和干湿状态的同时识别。在对SAR与光学遥感数据积雪识别精度、优劣势分析基础上,构建了SAR与光学遥感数据联合识别积雪的模型,实现了积雪期和融雪期积雪表面类型和干湿状态的同时识别,其中,积雪期总体精度为75.7%；融雪期总体精度为93.5%。识别结果表明：从积雪期到融雪期,不同高程带和坡向的积雪表面类型和干湿状态具有一定空间分布差异。识别结果可应用于山区融雪过程监测、局地气候研究、雪水资源管理。论文针对山区积雪识别问题,通过充分发挥SAR与光学遥感数据的互补性,研究并建立一套完整的基于SAR与光学遥感数据联合识别积雪的模型方法,实现了多传感器在山区积雪识别上的互补,具有一定的理论和应用创新性。同时,通过联合SAR与光学遥感数据,消除了光学遥感数据识别积雪受云的限制,克服了SAR数据识别积雪受地形的影响,实现了积雪的表面类型和干湿状态的同时识别,具有一定的技术方法创新性。由于地面同步观测条件的限制以及难以获取完全同步的SAR与光学遥感数据,对积雪识别精度造成了一定的影响。随着国产GF-3的发射,有望联合在时间上加密观测的GF-3 SAR卫星和GF-1、GF-2光学遥感卫星,实现山区积雪表面类型和干湿状态变化过程的监测。
【学位单位】：南京大学
【学位级别】：博士
【学位年份】：2015
【中图分类】：P407;P426.635
【文章目录】：摘要
ABSTRACT
第一章 绪论
1.1 选题依据与背景
1.1.1 选题依据
1.1.2 选题背景
1.2 国内外研究进展
1.2.1 国外研究进展
1.2.2 国内研究进展
1.2.3 论文切入点
1.3 研究内容与技术路线
1.3.1 研究内容
1.3.2 技术路线
第二章 研究区概况与数据资料
2.1 研究区概况
2.1.1 自然地理概况
2.1.2 积雪分布特征
2.2 数据资料
2.2.1 遥感数据与预处理
2.2.3 其它资料与预处理
2.3 地面同步观测资料
2.3.1 地面同步观测
2.3.2 观测方法与数据
第三章 SAR与光学遥感图像积雪信息表征
3.1 积雪信息的光学遥感图像表征
3.1.1 光学遥感图像亮度响应特征
3.1.2 地表的反射率计算
3.1.3 光学遥感图像反射率表征
3.2 积雪信息的SAR遥感图像表征
3.2.1 积雪的微波特性
3.2.2 积雪后向散射系数图像表征
3.2.3 积雪相干系数图像表征
第四章 SAR与光学遥感图像分别识别积雪
4.1 光学遥感图像积雪表面类型识别
4.1.1 光学遥感图像积雪像元提取
4.1.2 积雪表面类型识别
4.1.3 积雪表面类型识别结果
4.2 SAR图像积雪干湿状态识别
4.2.1 单一阈值法积雪像元提取
4.2.2 极化SAR干湿状态识别
4.2.3 积雪干湿状态识别结果
第五章 SAR与光学遥感数据联合识别积雪
5.1 SAR与光学遥感数据积雪识别的互补
5.1.1 克服地形对SAR图像的影响
5.1.2 去除云对光学遥感图像的干扰
5.1.3 积雪表面类型和干湿状态同时识别
5.2 联合识别的模型构建
5.2.1 模型的建立
5.2.2 联合识别过程
5.2.3 识别结果评价
第六章 结论与展望
6.1 结论
6.2 创新点
6.3 展望
参考文献
攻博期间科研工作
致谢
【相似文献】
相关期刊论文 前10条
1 李杏朝，董文敏;SAR图像的水文应用研究[J];遥感信息;1996年04期
2 孙少波;车涛;;基于合成孔径雷达(SAR)的积雪监测研究进展[J];冰川冻土;2013年03期
3 葛咏;机载合成孔径雷达(SAR)不确定性分析[J];地球信息科学;2002年03期
4 张露;郭华东;韩春明;廖静娟;;去除SAR图像斑点的改进型自适应各向异性扩散滤波方法[J];高技术通讯;2008年06期
5 黄魁华;张军;;局部统计活动轮廓模型的SAR图像海岸线检测[J];遥感学报;2011年04期
6 白静;吴家骥;王磊;焦李成;;基于提升方向波变换域的SAR图像压缩[J];红外与毫米波学报;2009年04期
7 王超;黄凤辰;汤晓斌;汤敏;徐立中;;一种针对复杂背景下高分辨率SAR图像河道检测算法[J];遥感技术与应用;2012年04期
8 吴爱琴;孙正林;;一种改进的阈值法提取SAR图像海面油污[J];测绘信息与工程;2011年05期
9 岳春宇;江万寿;;基于最大后验和非局域约束的非下采样轮廓波变换域SAR图像去噪方法[J];测绘学报;2012年01期
10 张翰墨;尤红建;;SAR和光学异源遥感图像匹配方法的探讨[J];测绘科学;2012年06期
相关博士学位论文 前10条
1 贺广均;联合SAR与光学遥感数据的山区积雪识别研究[D];南京大学;2015年
2 张鹏;基于统计模型的SAR图像降斑和分割方法研究[D];西安电子科技大学;2012年
3 王勃;星载全极化SAR海面散射特性及其船目标检测方法[D];中国海洋大学;2013年
4 倪心强;SAR图像分类与自动目标识别技术研究[D];中国科学院研究生院（电子学研究所）;2007年
5 周鹏;弹载SAR多种工作模式的成像算法研究[D];西安电子科技大学;2011年
6 赵凌君;高分辨率SAR图像建筑物提取方法研究[D];国防科学技术大学;2009年
7 陈琪;SAR图像港口目标提取方法研究[D];国防科学技术大学;2011年
8 韩春明;SAR图像斑点滤波研究[D];中国科学院研究生院（遥感应用研究所）;2003年
9 徐世昌;潜艇运动产生的内波与潜艇尾迹的SAR遥感仿真[D];哈尔滨工程大学;2006年
10 梁淮宁;全极化SAR地形高度测量技术研究[D];电子科技大学;2001年
相关硕士学位论文 前10条
1 董立亚;SAR图像去噪的小波和偏微分方程的数学建模[D];河北联合大学;2014年
2 陈海文;基于波数域的圆周SAR三维成像算法研究[D];哈尔滨工业大学;2015年
3 李庆;ISAR成像若干关键技术及SAR动目标检测[D];西安电子科技大学;2012年
4 潘秋丰;基于两步稀疏编码和字典学习的SAR图像去斑[D];西安电子科技大学;2013年
5 毛新宏;SAR图像消斑和分割算法研究[D];西安电子科技大学;2005年
6 时光;SAR电子对抗实时视景仿真技术研究与应用[D];电子科技大学;2010年
7 郑永恒;SAR图像降噪与极化SAR图像监督分类研究[D];电子科技大学;2012年
8 胡国浩;SAR图像相干斑抑制方法研究[D];中国科学院研究生院（电子学研究所）;2007年
9 张玺锐;基于SAR图像的道路损毁信息提取方法研究[D];电子科技大学;2013年
10 辛凯;编队卫星SAR空间分辨率及模糊函数研究[D];电子科技大学;2011年
本文编号：
2870360
