【摘 要】
：
遥感是以非接触的方式对空间对象的位置、大小、性质等进行探测的技术体系。海道测量是水下探测最主要的内容。多年来，由于遥感限定于“以电磁波”进行非接触探测，而把以声波为主要探测手段的海道测量拒于遥感体系之外。随着高精度定位定向系统(POS)的发展，无地面控制点的遥感测量方法被广泛应用，而这种方式早已在海道测量领域广泛应用。遥感的外延覆盖POS+多频谱传感器+分析处理的定义逐渐被业界接受，已成为遥感最基
论文部分内容阅读
遥感是以非接触的方式对空间对象的位置、大小、性质等进行探测的技术体系。海道测量是水下探测最主要的内容。多年来，由于遥感限定于“以电磁波”进行非接触探测，而把以声波为主要探测手段的海道测量拒于遥感体系之外。随着高精度定位定向系统(POS)的发展，无地面控制点的遥感测量方法被广泛应用，而这种方式早已在海道测量领域广泛应用。遥感的外延覆盖POS+多频谱传感器+分析处理的定义逐渐被业界接受，已成为遥感最基础的体系架构，海道测量技术完全符合这种架构。本文通过对遥感和海道测量原理、方法的分析，说明海道测量应归属遥感体系，并就困扰海洋测绘人士的海洋测绘学科归属等问题进行讨论。
其他文献
光谱相似性测度是高光谱影像光谱匹配分类的基础。综合两种或多种相似性测度能够提高光谱匹配分类精度，同时，加入空间信息也能改善光谱匹配分类效果。为了提高光谱匹配分类精度，在欧氏距离和相关系数测度的基础上，组合构成欧氏距离-相关系数测度，通过加入空间乘子，在分类过程中增加了空间信息约束，实现了结合空间信息的高光谱影像欧氏距离-相关系数测度(ED-SCC)匹配分类。利用PaviaUniversity和PH
利用单波段阈值法、谱间关系法、水体指数法和面向对象分类的方法可以较好提取局部范围内的水体或者单个的研究对象。但上述方法均需确定一个合适的阈值或分割尺度来完成相应水体提取。针对大范围内的水体提取不同对象相应阈值及分割尺度难以确定的问题本文提供一种综合利用水体指数直方图，通过分析单个对象的水体指数直方图分布特征，根据直方图上目标地物峰值相对位置分布来确定不同情形下分割阈值自动寻找方法，然后完成相应对象
四川省位于我国西南，地处长江上游，在地貌上处于中国大陆第一级青藏高原和第二级长江中下游平原的过渡带，东西高差悬殊，地形复杂多样。西部为高原、山地，海拔多在4000米以上；东部为盆地、丘陵，海拔多在1000～3000米之间。在森林区划上，四川森林植被包括3个一级分区、8个二级分区，即东部盆地及盆地边缘山地常绿阔叶林区(盆地内部马尾松林、柏木疏林区；盆地北缘山地常绿栎类落叶阔叶林区；盆地西缘山地湿性常
2013年2月美国Landsat 8卫星成功发射，相对于Landsat 7在波段的数量、波段的光谱范围和影像的辐射分辨率上进行了改进。结合最新Landsat 8遥感数据，采用多级决策树分类的方法对黄河三角洲地区土地利用与覆盖信息展开了全面的提取、研究与分析，获得了该地区各类地物的分布情况，特别是距离海岸线1Okm、20km范围内的地物类型分布并完成相关制图，为黄河三角洲地区滨海土地利用与开发提供了
NDVI是表征植被生长状态和空间分布的指示因子,常被用做描述植被覆盖度、生物量等指标.土壤CO2是岩溶地区岩溶作用的重要驱动力,土壤CO2浓度的变化受到岩溶表层带植被的影响.文章利用岩溶表层带NDVI的季节性变化与土壤CO2浓度动态变化间的响应,探讨岩溶表层带N DVI对土壤CO2浓度变化的影响.结果 表明NDVI的变化会引起土壤CO2浓度的同步变化,两者在季节尺度上的动态变化具有明显的相关性.除
Due to intensive irrigation water use and climate change in the Aral Sea basin,the extent of Aral Sea has been reported to dramatically shrink since 1960s and the east part was reported to completely
非监督分类方法是从遥感影像获取土地利用/覆被信息的重要手段，尤其在缺乏影像先验知识的情况下。然而，遥感数据十分复杂且数据量巨大，这对仅依靠象元统计信息完成分类的非监督分类而言，是一项巨大的挑战。实际上，遥感影像非监督分类是一个典型的NP-hard问题，获取满意解集十分困难。传统的K-means及ISODATA方法很容易陷入局部最优，无法达到最优解。近年来，基于生物群集智能方法的发展给这一问题的解决
我国是农业大国，农作物生长状况监测非常重要，目前主要采用卫星遥感以及地面监测手段，卫星影像覆盖面积大，但分辨率低、立体观察效果不好，而地面监测手段费时费力，效率低，难以满足大面积农作物的生长状况监测需求。无人机高光谱遥感具有分辨率高、实时、快速、大面积数据获取的特点，能够很好的弥补地面监测和卫星遥感监测的短处。本文采用蜘蛛雀八旋翼无入机，搭载框幅式高光谱成像仪，采集农作物不同时期生长状况的影像，利
Landsat系列卫星数据集是目前时间跨度最长的卫星遥感数据集，已被广泛用于土地覆盖分类、生态环境调查与评估、城市扩展动监测和农业估产等领域，具有重要的研究与应用价值。然而，由于受气候气象等条件的限制，获取大区域、长时间序列的无云遥感影像非常困难。大部分遥感图像获取过程中都会或多或少受到云层遮挡，严重影响了遥感数据的获取质量。为了提高有云数据的利用率，通常采用云检测与去除来消除云的影响。传统检测与
针对现阶段地质灾害应急监测中存在的主要问题，优化集成最有效的技术手段，研制无人机遥感应急监测数据获取平台，开发无人机遥感数据快速处理软件，集成车载现场数据处理及远程数据传输链路，搭建突发性地质灾害应急监测信息化服务平台，研究集成具有低空遥感数据快速获取、现场处理、远程传输和应急解译评估能力的突发地质灾害无人机遥感应急监测技术体系，从整体上提高我国地质灾害应急监测的技术水平和应急响应能力，推动无人机