InverMod反演

InverMod处理流程及技术原理

处理流程的主要技术环节包括：（1）地质模型建立，（2）主组分分析，（3）模型估算技术三部分，各部分的主要技术原理如下：

（1）地质模型建立

地质模型建立分为模型建造和模型生成两部分。模型建造产生所有的参数（地层框架，垂直曲线组分和内插权），以供产生三维完整属性模型用。模型生成从这些参数模型出发，将所选择的测井曲线内插，产生所有道都包括内插测井曲线组分的三维属性模型体。

VC? = ∑W n VC n

其中：VC＝垂直组分

W = 垂直组分权

∑W n ＝１

（2）主组分分析

地下地质体的模型是用模型参数表示的，最重要的模型参数是垂直组分和垂直组分的权。

在进行模型驱动的参数反演前还需进行主组分分析。主组分分析应用于垂直组分和它们的权。

有以下四点理由需进行主组分分析：

①增加地震垂直组分；

②稳定参数反演过程；

③减少模型的参数；

④与特征岩性对比。

主组份分析有许多叫法，以下是其中的几个：“奇异值分解”、“特征值分解”、“解一组线性方程”、“产生标准正交基”。

奇异值分解技术可用矩阵方程表示。在地下三维模型中的任何道可表示为：

T = WP

其中：T是模型；

W是垂直组分的权；

P是垂直组分。

以上的垂直组分矩阵可以通过奇异值分解技术分解为：

P =UΛV 其中Λ是包含奇异值分解的解特征值的正交矩阵。

把（17）代入（１6）

T = WUΛV 上式可重写为：T = W'P'

其中：P' = ΛV

W' = WU

P'和W'分别是主组分和主组分的权。

另一种描述主组分分析过程的方法是把模型看成是权矢量的组合。这些矢量是测井曲线垂直组分。主组分分析将这些原始矢量分解成一组独立的矢量，形成一标准正交基，它们占据相同的解空间。

主组分分析算法在实际奇异值分解前还需执行一额外的步

骤。在这一步里产生一合成曲线，同一层的所有垂直组分被组合在一起，形成一单独矢量。

奇异值分解的产品之一是对角矩阵 ，这一矩阵中包含奇异值分解的特征值，它们以幅值大小排列，最大的特征值位于对角矩阵的顶部，最小的位于底部。这一特征允许我们引进门槛值来截取不重要的组分，目的是为了减少数据量，加快和稳定反演过程。

主组分分析最终产生主组分和主组分的权，它们是互相配对使用的。

（3）模型估算技术

模型估算主要是修改初始模型以匹配地震数据。初始模型是由模型参数即主组分和主组分的权来确定的。

模型估算中涉及的其它参数有：

①层厚度；

②解释层位的时间；

③道均衡因子；

④子波起始时间。

所有这些参数都是受约束的，以使反演过程不偏离初始值太远。这种约束被称作软约束，意谓着模型参数具有高斯分布特征：高斯分布的均值是模型参数的初始值，高斯分布的标准便差是初始模型的不确定性。除了这些整体约束外，还可以设定平滑或道－道约束。

整体约束可以保证模型落在具有合理地质意义的范围内，平

滑约束可以压制数据的道—道噪声。

模型估算算法将通过在定义的约束范围内，改变初始模型参数，寻找最优化的解以减少地震数据和初始模型的不匹配。

landsat 遥感影像地表温度反演教程

基于辐射传输方程的Landsat数据地表温度反演教程 一、数据准备 Landsa 8遥感影像数据一景，本教程以重庆市2015年7月26日的=行列号为（128，049）影像（LC8LGN00）为例。 同时需提前查询影像的基本信息（详见下表） 标识日期采集时间中心经度中心纬度LC8LGN002016/7/263:26:56 ………………………… 二、地表温度反演的总体流程 三、具体步骤 1、辐射定标 地表温度反演主要包括两部分，一是对热红外数据，二是多光谱数据进行辐射定标。 （1）热红外数据辐射定标

选择Radiometric Correction/Radiometric Calibration。在File Selection对话框中， 选择数据LC8LGN02_MTL_Thermal，单击Spectral Subset选择Thermal Infrared1（），打开Radiometric Calibration面板。 Scale factor 不能改变，否则后续 计算会报错。保持默认1即可。 （2）多光谱数据辐射定标 选择要校正的多光谱数据“LC8LGN02_MTL_MultiSpectral” 进行辐射定标。 因为后续需要对多光谱数据进行大气校正，可直接单击Apply Flaash Settings， 如下图。

注意与热红外数据辐射定标是的差 别，设置后Scale factor值为。 2、大气校正 本教程选择Flaash 校正法。FLAASH Atmospheric Correction，双击此工具，打开辐射定标的数据，进行相关的参数设置进行大气校正。 注意：如果在多光谱数据辐射定标时Scale factor值忘记设置，可在本步骤中打开辐射定标数时设置single scale faceor 值为，若已设置，则默认值为1即可。 1)Input Radiance Image：打开辐射定标结果数据； 2)设置输出反射率的路径，由于定标时候； 3)设置输出FLAASH校正文件的路径，最优状态：路径所在磁盘空间足够大； 4)中心点经纬度Scene Center Location：自动获取； 5)选择传感器类型：Landsat-8 OLI；其对应的传感器高度以及影像数据的分辨 率自动读取； 6) 设置研究区域的地面高程数据；

遥感反演土壤湿度的主要方法

遥感反演土壤湿度的主要方法 遥感反演土壤湿度根据波段的不同分为3类：微波遥感土壤湿度法；作物植被指数法；热红外遥感监测法（主要是应用热惯量模型）。 1.1 微波遥感土壤湿度法 分主动微波遥感监测法和被动微波遥感监测法两种。此方法物理基础坚实，即土壤的介电特性 和土壤含水量密切相关，水分的介电常数大约为80，干土仅为3，它们之间存在较大的反差。土壤的介电常数随土壤湿度的变化而变化，表现于卫星遥感图像上将是灰度值G亮度温度Tb的变化。因此，微波遥感土壤水分的方法被广泛地应用于实际的监测工作中。 1.1.1 主动微波遥感监测法 以应用x波段侧视雷达为主，主要是后向反射系数法。因为含水量的多少直接影响土壤的介电常数，使雷达回波对土壤湿度反映极为敏感，据此可建立后向散射系数和土壤水分含量之间的函数关系。国内李杏朝据微波后向反射系数法，用x波段散射计测量土壤后向反射系数，与同步获得的X 波段、HH极化机载SAR图像一起试验监测土壤水分；田国良等在河南也应用此方法也进行土壤水分研究。主动微波遥感土壤水分精度较高，且可以全天候使用，成为监测水分最灵活、最适用、最有 效的方法，随着大量的主动微波遥感器的卫星（ERS系列、EOS、SAR、Radar sat、ADEOS、TRMM 等）的发射升空，将使微波遥感的成本不断下降，逐渐被应用于实践 1.1.2 被动微波遥感监测法 原理同主动微波遥感法。值得指出，植被在地表过程研究中的影响突出，为了消除植被的影响，必须同时重视植被的遥感监测，建立相关的计算模型。Teng等通过实验得出在浓密植被覆盖区土壤湿度监测中应避免使用19GHZ波段，此时SMMR 的6.6GHZ波段比SSM／I的19GHZ在遥感监测土壤湿度信息方面的精度更高。说明在植被较密时，为了消除植被对土壤湿度反演的影响，应尽量 选择波段较长的微波辐射计。 1.2 作物植被指数法 采用此方法是基于植被在可见光部分叶绿素吸收了70％-90％红光，反射了大部分绿光，而由 于叶肉组织的作用，后行叶片在近红外波段的反射较强。通过各光谱波段所反射的太阳辐射的比来 表达，这就叫植被指数。常用的植被指数有：归一化植被指数（Normal Difference Vegetation Index, NDVI）、比值植被指数（Ratio Vegetation Index, RVI）距平植被指数（Average Vegetation Index, AVI）和植被条件指数（Vegetation Condition Index，VCI）。 1.3 热红外遥感监测法 土壤热惯量和土壤水分的关系密切，即土壤水分高，热惯量大，土壤表面的昼夜温差小，反之 亦然。热红外遥感手段主要利用地表温度日变化幅度、植被冠层和冠层空气温差、表观热惯量、热 模型（蒸散比）估测土壤含水量[5]。 土壤热惯量法是土壤热特性的综合性参数，定义为： P = tCm (1) (1)式中：P为热惯量（J/m2 k?S1/2）；ρ为密度（kg/m3 ）；C为比热（J/kg?k）；λ为热导率。在实际工作中，常用表观热惯量来代替P： ATI=(1一A)／(Td-Tn) (2) 式中：Td、Tn分别为昼夜温度，A为全波段反照率。

地球物理反演复习资料

复习 第一章 一、什么是正问题？（概念、特点）适定性问题的一般特点。 正问题：给定一个问题，寻找答案 适定性问题的特点：解一定存在；解的唯一性；问题发生一些小的变动仅导致问题的解发生 小的变动（解稳定性） 第二章 二、什么是数字正演模拟？什么是物理正演？各自的特点（优缺点）？ 数字模拟：利用计算机建立地质模型并模拟其地震波传播响应的一种方法 物理模拟：在实验室内将野外的地质构造和地质体按照一定的模拟相似比制作成物理模型， 并用超声波或激光超声波等方法对野外地震勘探方法进行模拟的一种地震模拟方法。 各自特点：物理模拟：拟结果的真实性，不受计算方法、假设条件的限制；震源和检波器的 尺度，参数变化困难。（真实、可靠、费用高） 数字模拟：简单、运算快、费用低 三、地震正演的应用（5个应用） 地震波理论研究（声波介质、弹性介质、各向异性介质和双相介质中弹性波传播理论研究）、复杂构造研究（盐下构造成象）、特殊沉积现象研究（河道砂预测）、裂缝带检测、井间地震研究、油藏动态监测 四、数字正演有哪些算法？ 有限差分法、有限元法、虚谱法 第三章 五、直接反演的分类（两类），每一类的概念，不同的计算方法（相位、波阻抗） 以及其公式； 道积分反演：利用叠后地震资料计算地层相对波阻抗（速度）的直接反演方法。 计算： 递推反演：基于反射系数递推计算地层波阻抗(速度)的地震反演方法称为递推反演。 计算： 六、稀疏脉冲反演的概念，基本假设条件，适用范围，主要步骤，如何获得低 频信息（测井、叠加速度） 稀疏脉冲反演：基于稀疏脉冲反褶积基础上的递推反演方法。 基本假设：地层的强反射系数是稀疏分布的，即地层反射系数由一系列迭加于高斯背景上的 强轴组成。 ?=t dt t r t 0)(20e Z )(Z ∏ =-++=j i r r i i Z 11101j Z

多源遥感数据反演土壤水分方法

多源遥感数据反演土壤水分方法 张友静1,王军战2,鲍艳松3 (11河海大学水文水资源与水利工程科学国家重点实验室,江苏南京　210098;21中国科学院寒区旱区环境与工程研究所, 甘肃兰州　730000;31南京信息工程大学大气物理学院,江苏南京　210044) 摘要:基于AS AR 2APP 影像数据和光学影像数据,根据水云模型研究了小麦覆盖下地表土壤含水量的反演方法。利用T M 和MOD I S 影像构建的植被生物、物理参数与实测小麦含水量进行回归分析,发现T M 影像提取的归一化水分指数(NDW I )反演精度较好,相关系数达到0187。根据这一关系,结合水云模型并联立裸露地表土壤湿度反演模型,建立了基于多源遥感数据的土壤含水量反演模型和参数统一求解方案。反演结果表明:该方案可得到理想的土壤水分反演精度,并可控制参数估计的误差。反演土壤含水量和准同步实测数据的相关系数为019,均方根误差为3183%。在此基础上,分析了模型参数的敏感性,并制作了研究区土壤缺水量分布图。 关键词:土壤含水量;多源遥感数据;水云模型;AS AR;多尺度 中图分类号:P33819 文献标志码:A 文章编号:100126791(2010)022******* 收稿日期:2009203209 基金项目:国家自然科学基金资助项目(40701130;40830639) 作者简介:张友静(1955-),男,江苏南京人,教授,主要从事遥感机理与方法研究。E 2mail:zhangyj@hhu 1edu 1cn 土壤含水量是地表和大气界面的重要状态参数,并直接影响地表的热量和水量平衡,因而受到水文、气象和农业灌溉等多个学科的关注。微波土壤水分遥感研究始于20世纪80年代,其中最具代表性的是U laby 利用试验数据得出土壤后向散射系数的主导因素为粗糙度和含水量 [1]。80年代后,Dobs on 和U laby 利用车载、高塔、航空平台的微波数据研究了土壤湿度反演的最佳工作模式,并一致认为小角度入射后向散射系数对土壤湿度最敏感[2]。随着微波散射模型不断发展,相继出现微波散射的小扰动模型、几何光学模型、物 理光学模型、两尺度模型和积分方程模型A I E M 。Dobos on 等在物理模型和试验研究的基础上各自建立了经验和半经验模型,成功地反演了裸土的土壤含水量 [324]。2000年以来,随着Rardrsat,E NV I S AT AS AR 传感器发射,基于卫星雷达数据的土壤湿度反演逐步开展。李震等综合主动和被动微波数据,建立一种半经验模型,用于估算地表土壤水分的变化 [526]。研究表明AS AR 数据在半干旱区农田土壤湿度反演方面具有独特的优势[729]。 在植被覆盖条件下,微波信号的组成十分复杂。研究提取植被覆盖下的土壤湿度信息的重点在于如何有效的分离出植被对微波的散射信号,以便用土壤的后向散射信号估算植被覆盖下的土壤含水量。直接用多频同步微波遥感数据通过理论模型或数值模拟求解植被对微波的散射信号[9],具有很好的同步性和物理意义。但遥感数据获取较为困难,同时求解所需的地面同步观测的数据要求很高,因而区域尺度的监测应用还有待深入研究。根据植被的生物、物理特征与植被散射信号之间的关系,采用同步光学遥感数据反演植被散射信号是近年来的研究热点[9211]。但在植被特征参数表达农作物后向散射信号的能力评价、模型参数的识别以及整体求解方案等方面的研究较少。此外,为满足土壤水分监测和灌溉决策的需求,还需研究不同时空分辨率数据反演植被散射信号的能力。本文根据水云模型,研究多尺度下不同植被特征参数与小麦含水量的关系,采用将所有参数放入统一框架下估算的策略,构建了结合光学和微波遥感数据的土壤水分估算模型,并分析了模型参数的敏感性。经准同步实测数据检验,小麦覆盖下土壤水分的估算达到了较高的精度。 第21卷第2期 2010年3月 水科学进展ADVANCES I N WATER SC I ENCE Vol 121,No 12　M ar .,2010

被测目标热参数反演算法研究

目录 摘要 ............................................................................................................................... I Abstract ........................................................................................................................... I I 第1章绪论 .. (1) 1.1 研究背景及意义 (1) 1.2 热传导反问题研究概述 (2) 1.2.1 热物性基本内容 (2) 1.2.2 反问题定义及研究范畴 (2) 1.2.3 热参数反演算法的发展历程 (3) 1.3 国内外热参数反演算法的研究成果 (6) 1.3.1 国内外研究现状 (6) 1.3.2 研究成果综述 (6) 1.4 导热系数测量方法概述 (7) 1.4.1 数值反演方法及分类 (7) 1.4.2 实验测试方法及分类 (8) 1.4.3 算法验证装置简介 (10) 1.5 本文研究内容及目标 (11) 第2章一维非稳态导热理论研究 (13) 2.1 导热基本定律 (13) 2.2 半无限大物体一维非稳态导热问题 (14) 2.2.1 半无限大数学模型 (14) 2.2.2 工程中的等效方法 (15) 2.3 边界条件及分类 (16) 2.3.1 第一类边界条件及解析解 (17) 2.3.2 第二类边界条件及解析解 (19) 2.3.3 第三类边界条件及解析解 (20) 2.4 本章小结 (22) 第3章基于差分方程的导热系数反演算法 (23) 3.1 基于差分方程的正问题解法 (23) 3.1.1 有限差分法基本原理 (23) 3.1.2 隐式差分C-N法及实现过程 (24) - III -

近地表气温遥感反演方法(定)

近地表气温遥感反演方法研究进展 摘要：气温是描述陆地环境条件的重要参数，也是气象观测资料中最基本观测项目之一。结合遥感的空间分辨率高，覆盖面广，资料同步性强的特点，运用遥感方法反演气温弥补了传统方法的缺点，气象卫星的发展，为其提供了技术平台支持。本文从近地表气温反演的各种不同的方法进行阐述，分别从半统计方法、统计方法、多因子分析方法和遗传算法方面进行叙述。 关键词：气温；遥感；反演方法这 1.引言 气温是描述陆地环境条件的重要参数，也是气象观测资料中最基本观测项目之一。由于近地球表面气温控制着大部分陆地表面过程(如光合作用、呼吸作用及陆地表面蒸散过程等)，因此，气温是各种植物生理、水文、气象、环境等模式或模型中的一个非常重要的近地表气象参数输入因子[1,2]。高山、水体、植被以及土壤含水量等，以至于表现出很大的空间异质性。我们常常听说的气温，是有气象观测站在植有草皮的观测场所中离地面1.5米高的百叶箱中的温度表测得的。由于温度表保持了良好的通风性并避免了阳光直接照射，因而具有较好的代表性，这个温度基本上反映了观测地点(当地)的气温。但是随着数值预报的发展，常规的探测手段越来越不能满足现代业务预报的需要。特别是在海洋，沙漠，沙漠等的荒僻的地区，基本不可能设立气象站点，即使设立站点也十分稀疏，这就使得我们所获取的气温资料十分有限，要想研究特定位置的气温水平空间分布状况及其内部结构特征等都有一定的困难。同时在不同地形和不同景观条件下，一个气象站观测的数据能够代表的范围有很大差别，即使通过空间内插过程也不能够获得满意的气温空间分布，从影响模型模拟结果[3]。 而遥感具有覆盖面广，空间分辨率高，资料同步性强的特点，所以利用卫星遥感手段资料反演近地表的大气温度就弥补了传统手段的缺陷，不论在现实意义还是经济意义上，都是非常重要的。随着大气科学理论和遥感探测技术的迅速发展，在全球大气观测系统中，卫星探测技术将会成为中流砥柱。同时，从60年代有了气象卫星之后，给遥感反演温度提供了可靠的现实依据。 目前反演大气参数的方法基本可以分为三类：物理方法、半统计方法和统计方法。物理方法是从辐射传输方程出发，根据已知的一些大气知识对方程进行简化，从而达到求解的目的，至今对它们的物理机制认识得还很不清楚，所以极大地限制了该方法的应用与发展。半统计方法是采用物理方法与实测资料的结合，建立个大气参数间的关系，然后利用实测资料进行各参数的反演。目前在该领域采用比较多的是统计方法，它主要包括单因子线性回归分析方法、多元统计方法、Bowen 比分析方法、遗传算法和神经网络方法等，利用这些方法时需考虑多种影响因素，从而建立各因素之间的相互关系[4]。 本文具体从半统计方法和统计方法对气温反演进行研究，着重论述了统计方法反演近地表气温，考虑了热红外和微波两个波段对气温的反演。

波阻抗反演

波阻抗反演通常指利用叠后地震资料进行反演的一种技术，它将地震资料、测井数据、地质解释相结合，充分利用测井资料具有较高的垂向分辨率和地震剖面有较好的横向连续性的特点，将地震剖面“转换”成波阻抗剖面，不仅便于解释人员将地震资料与测井资料连接对比，而且能有效地对地层物性参数的变化进行研究，从而得到物性参数在空间的分布规律，指导油气的勘探开发，地震反演的方法主要有两种，一种是叠前反演，一种是叠后反演，叠前反演主要有旅行时反演和振幅反演，叠后反演主要分为振幅反演和波场反演。而我们这里所说到的波阻抗反演属叠后振幅反演，主要有递归反演、稀疏脉冲反演和基于模型的反演这三种方法。 二、波阻抗反演方法介绍 1、波阻抗反演的基本假设前提 1、波阻抗反演的基本假设前提 目前我们常用的波阻抗反演软件所用方法基本都是基于褶积模型的基础上建立的，因此要求资料都要满足褶积模型的假设前提，基本可概括为下面的四个方面： (1)、地震模型 假设地层是水平层状介质，地震波为平面波法向入射，其地震剖面为正入射剖面，并且假设地震道为地震子波与地层反射系数的褶积。 (2)、反射系数序列 在普通递归反演中，假设反射系数为完全随机的序列，而在稀疏脉冲反演中，假设反射系数为由一系列大的反射系数叠加在高斯分布的小反射系数的背景上构成的。 (3)、地震子波 假设反射系数剖面中的每一道都可以看作是地下反射率与一个零相位子波的褶积。实际情况下往往需要对地震剖面进行相位校正处理 (4)、噪音分量 通常假设波阻抗反演输入的地震数据其振幅信息反映了地下波阻抗变化情况，地震剖面没有多次波和绕射波的噪音分量。因此，在资料处理时可以考虑的处理流程是反褶积、噪音剔除，尤其是多次波，处理的最终目标是得到真振幅剖面。类似二维滤波和多道混波这样可以改变地震振幅和特征的处理模块应当避免使用。 有许多反演技术都存在两个问题：一是多解性，即存在多个反演结果与地震数据相吻合；另一个问题是地震数据的带限问题。 2、递归反演 基本原理：递归反演是基于反射系数的计算公式而得到的，当和地震子波褶积时，反射系数的带限非常严重，低频分量和高频分量都损失了。低频分量的损失是递归反演面临的最严重的问题，因此如何补充低频分量是个很重要的问题，通常可以得到低频分量的方法主要有两种：直接从测井资料中得到，或从速度分析如叠加速度等的分析中得到。

landsat 遥感影像地表温度反演教程

基于辐射传输方程的Landsat 数据地表温度反演教程 一、数据准备 Landsa 8遥感影像数据一景，本教程以重庆市2015年7月26日的=行列号为（128，049）影像（LC8LGN00）为例。 同时需提前查询影像的基本信息（详见下表） 二、地表温度反演的总体流程 三、具体步骤 1、辐射定标 地表温度反演主要包括两部分，一是对热红外数据，二是多光谱数据进行辐射定标。 （1）热红外数据辐射定标 选择Radiometric Correction/Radiometric Calibration 。在File Selection 对话框中，选择数据LC8LGN02_MTL_Thermal ，单击Spectral Subset 选择Thermal Infrared1（），打开Radiometric Calibration 面板。 （2）多光谱数据辐射定标 选择要校正的多光谱数据“进行辐射定标。 Settings ，如下图。 2、大气校正

本教程选择Flaash 校正法。FLAASH Atmospheric Correction，双击此工具，打开辐射定标的数据，进行相关的参数设置进行大气校正。 注意：如果在多光谱数据辐射定标时Scale factor值忘记设置，可在本步骤中打开辐射定标数时设置single scale faceor 值为，若已设置，则默认值为1即可。 1)Input Radiance Image：打开辐射定标结果数据； 2)设置输出反射率的路径，由于定标时候； 3)设置输出FLAASH校正文件的路径，最优状态：路径所在磁盘空间足够大； 4)中心点经纬度Scene Center Location：自动获取； 5)选择传感器类型：Landsat-8 OLI；其对应的传感器高度以及影像数据的分辨率自动读取； 6) 设置研究区域的地面高程数据； 7)影像生成时的飞行过境时间：在layer manager中的Lc8数据图层右键选择View Metadata，浏览time字段获取成像时间； 注：也可以从元文件“”中找到，具体名称：DATE_ACQUIRED = 2013-05-12；SCENE_CENTER_TIME = 02:55:； 8) 大气模型参数选择：Sub-Arctic Summer（根据成像时间和纬度信息选择）； 9) 气溶胶模型Aerosol Model：Urban，气溶胶反演方法Aerosol Retrieval：2-band（K-T）； 10) 其他参数按照默认设置即可。 11) 多光谱参数设置中， K-T反演选择默认模式：Defaults->Over-Land Retrieval standard （600:2100） 波谱响应函数：默认指向.. \Program Files\Exelis\ENVI51\classic\filt_func\ 把它重新指向：..\Program Files\Exelis\ENVI51\resource\filterfuncs\ 注：这是因为版本的一个小bug，即Classic中的L8的波谱响应函数不正确，另外一个一劳永逸的方法是：将

叶面积指数遥感反演

冬小麦叶面积指数(LAI)的遥感反演 ——经验模型和物理模型方法 李淑敏 2010/12/13

?第一部分.基础知识 ?第二部分.遥感反演LAI 的方法 ?第三部分.研究实例 本次课程主要内容 叶面积指数LAI 、遥感反演 经验模型反演方法、物理模型反演方法 几何光学模型、辐射传输模型 PROSAIL 模型 硕士论文——―基于MODIS/ASTER 的区域冬小麦叶面 积指数PROSAIL 模型反演研究” BRDF 模型PROSPECT 模型、SAIL 模型

叶面积指数leaf area index ?定义：单位土地面积上植被叶片总面积。 叶片总面积/占地面积 ?陆地生态系统的一个十分重要的参数： 农作物产量预估和病虫害评价； 反映作物生长发育的动态特征和健康状况。 ?叶面积指数越大，表明单位土地面积上的叶面积越大。 那么，叶面积指数越大越好吗?? ?以冬小麦为例了解叶面积指数变化情况

图为不同群体叶面积指数消长模型（彭永欣等，1992）1—过大群体;2—高产群体;3—过小群体. 低增缓增快 增衰减LAI 消长动态分为四个时期 1. 低速增长期，叶片总数较多，但叶面积较小，总叶面积增速较低； 2. 缓慢增长期，单叶面积渐次增加，但低温条件，出叶周期延长； 3. 快速增长期，气温回升，植株生长快速，至孕穗期LAI 达峰值； 4. 衰减期，植株生殖生长，叶片消亡叶面积衰减，至成熟期LAI 为0。一个生长期内冬小麦叶面积指数变化

叶面积指数获取方法 ?实测方法 长宽法、称重法这些方法均需要消耗一定的人力进行实物测量。 借助有关测量工具例如LAI-2000、LAI-2200、LI-3100C、LI-3000、AccuPAR等，此方法仍需实地进行测量。 仅能获得地面有限点的LAI值，对于推广获取大范围LAI存在很大局限性，不能满足植被生态和作物长势监测需求 ?遥感反演方法由于遥感数据具有覆盖范围广、时间与空间分辨率高、花费相对较少等优点。 可以用定量遥感方法反演区域LAI ?作物生长模型模拟LAI

堆石料弹塑性本构模型参数反演方法研究

堆石料弹塑性本构模型参数反演方法研究 筑坝堆石料的本构模型及其参数是合理计算面板堆石坝施工、运行及地震过程中应力与变形的重要基础。目前主要通过级配缩尺后的室内三轴试验确定模型参数,但缩尺效应对参数的影响规律尚不清楚。 一些学者结合室内三轴试验成果,根据大坝施工期变形监测数据进行筑坝材料参数的反演。但由于土石坝施工期、地震反应过程及震后沉降计算分别采用不同的本构模型且模型参数之间的相关性缺乏统计资料,反演得到的模型参数仅能进行所反演问题的验证分析。 如:根据施工期沉降监测反演得到的邓肯EB模型、南水模型或清华K-G模型参数仅能进行大坝的施工填筑及蓄水过程模拟。近年来,随着堆石料本构理论的发展,一些学者开始尝试在弹塑性理论框架内建立能够反应堆石料在静、动力及循环荷载作用下变形与强度特性的弹塑性本构模型。 随着监测手段的不断发展和完善,高土石坝在施工过程中基本能够获取详实、可靠的位移监测数据,结合静、动力统一的弹塑性本构模型,根据施工期监测数据反演堆石料模型参数,进而预测地震荷载作用下大坝的动力响应,对于高土石坝 抗震设计方法和安全评价具有一定的理论意义和工程价值。本文反演分析采用改进的广义塑性模型,该模型将初始孔隙比作为模型输入参数,同时考虑了筑坝堆 石料颗粒破碎,可以描述不同密度的堆石料在单调和循环荷载条件下的变形与强度特性,包括剪胀、剪缩、颗粒破碎、循环滞回、循环密实及循环残余变形,采用一套参数即可完成大坝施工、蓄水及地震反应全过程分析,并直接得到地震残余变形。 论文针对堆石料弹塑性本构模型参数反演方法,开展了下列工作:(1)首先通

过有限元敏感性分析确定待反演参数,进而通过粒子群算法和人工蜂群算法等启发式智能优化算法随机产生待反演的本构模型参数向量,代入到有限元模型中进行计算,并根据计算得到大坝竣工期典型测点沉降与实际测得沉降之间的误差不断优化待反演参数,直至达到设定的收敛准则,然后确定优化后堆石料的模型参数。(2)采用拉丁超立方抽样对敏感参数进行抽样并进行有限元分析,得到敏感参数与大坝典型测点沉降之间的关系样本,通过神经网络建立敏感参数与大坝典型测点沉降的响应面,进而进行敏感参数的反演分析。 该方法降低了有限元数值分析的工作量。(3)针对紫坪铺面板堆石坝施工填筑过程现场监测结果,根据上述方法得到的堆石料参数进行了汶川地震震害模拟,并与实际震害结果进行对比分析。 结果表明:通过反演分析得到的弹塑性模型参数能够较好的模拟紫平铺大坝地震沉降变形。

反演方法综述

几种常用的反演方法综述 一、稀疏脉冲反演(C onstrained Sparse Spike Inversion) 1、原理： ①首先假设地下地层的波阻抗模型所对应的反射系数序列模型是稀疏的，即由起主导作用的强反射系数序列和具有高斯背景的弱反射系数序列叠加而成。 ②将地震记录与子波进行稀疏脉冲反褶积得到地层反射系数，一般是使用最大似然反褶积求得一具有稀疏特性的反射系数序列Ri。 根据①的假设可以导出最小目标函数： R（K）为第一个采样点的反射系数，M 为反射层数, N为噪音变量的平方根，L 为采样 总数，? 根据目标函数，对每一道，从上到下推测反射系数的位置点，判断反射系数的幅值大小。如此反复迭代修改每个反射系数的位置和幅度，使最后的修改误差最小符合似然比值的判别标准即可，这样就完成了一道的反褶积，得到该道的反射系数的分布。 ③通过最大似然反演导出波阻抗Zi 反演公式为Zi=Zi-1*[(Ri+1)/Ri]. 具体的计算方法是稀疏脉冲序列每次建立的反射系数为一个脉冲，然后在地震资料中提取子波与初始反射系数进行褶积，得到一个初始合成地震记录，并用此合成地震记录与实际地震纪录作对比得到他们之间的残差，利用这个残差的大小来修改反射序列中脉冲的个数再次进行褶积运算，得到新的合成地震记录，再与实际地震资料对比，就这样循环迭代，直到残差达到最小，最后得到一个与实际地震资料达到最佳逼近的合成地震记录，获得宽频带的反射系数。

图1 稀疏脉冲反演每次建立反射序列为一个脉冲，增加脉冲进行循环迭代约束稀疏脉冲反演采用的是一个快速约束趋势的反演算法，约束条件主要是波阻抗趋势和地质控制，而波阻抗趋势又是由解释层位和断层来控制的，从而可以把地质模式融入进去得到一个宽带的结果，恢复地质信息中缺少的低频和高频成分。 约束稀疏脉冲反演的最小误差函数是： 第二项为原始地震道与合成地震道的均方差的总和； 第三项为趋势协调的补偿 i 是地震道样点号；di是原始地震道；Si是合成地震记录；ri 为地震道采样 点的反射系数；ti是波阻抗趋势；Zi是地震道采样点的波阻抗值，介于井约束的 最大和最小波阻抗之间；ɑ是趋势最小匹配加权因子，一般情况下ɑ=1；p、q是L 模 因子，一般情况下p =1，q=2是调节或平衡因子，与信噪比大小有关。 根据目标函数，我们可以看出：在约束稀疏脉冲反演中，反射系数的稀疏、原始地震道 与合成记录的残差最小这两项是相互矛盾的。?值的大小反映了合成地震道与实际地震道匹 配程度的好坏。若?值太大，着重强调残差最小，即过于追求合成地震记录与原始地震记 录的吻合程度，导致会把一些噪音当作有效信息出现在反演剖面中，同时，由于反射系数的

浅析多源遥感数据融合原理及应用

浅析多源遥感数据融合原理 摘要: 本文介绍了遥感影像融合技术, 系统阐述了几种常见的遥感影像融合方法及其优缺点。首先，阐述了多源遥感影像数据融合的目的、意义以及多源遥感影像数据融合的基本理论；然后介绍了多源遥感影像数据融合的层次和常用方法,在分析和探讨多源遥感影像数据融合原理、层次、结构及特点的基础上，归纳了多源遥感影像数据融合方法，然后通过实验，对不同方法融合后的成果图进行比较，每种方法都有其自身的优点和不足之处，这就决定了它们在应用方面的不同，采用乘积方法变换、Brovey比值变换和PCA变换融合方法融合后的图像，其光谱保真程度逐渐降低．Muhiplieative（乘积）变换融合较好地保留了多光谱波段的光谱分辨率和空间信息，融合图像的光谱保真能力较好，详细程度较高；PCA变换融合和Brovey变换；融合和影像质量一般．与PCA变换融合比较，Brovey变换融合的空间信息的详细程度较低，但相对好的保留了多光谱波段的光谱分辨率。 关键词: 遥感影像融合融合层次融合方法优缺点对比

目录 1、绪论 (1) 2、多源遥感数据融合的基本理论 (1) 2.1 多源遥感数据融合的概念 (3) 2.2多源遥感数据融合的原理 (4) 2.3多源遥感数据融合层次 (4) 2.3.1 像元级融合 (4) 2.3.2 特征级融合 (4) 2.3.3 决策级融合 (5) 3、多源遥感数据融合常用方法 (5) 3.1 主成分变换（PCT） (5) 3.2 乘积变换 (5) 3.3 Brovey比值变换融合 (5) 4、实验与分析 (6) 5、结语 (8) 参考文献 (9) 致谢 (10)

《遥感图像处理》：曲靖市landsat8遥感影像植被覆盖度反演

《遥感图像处理》实验报告 实验题目：曲靖市Landsat8遥感影像 植被覆盖度反演 姓名：___ ____ 学号： 专业：___地理科学_ __ 教师： 日期：___2017年3月15日__ 曲靖师范学院城市学院

一、实验目的 太阳辐射通过大气以某种方式入射到物体表面然后再反射回传感器，由于大气气溶胶、地形和邻近地物等影像，使得原始影像包含物体表面，大气，以及太阳的信息等信息的综合。如果我们想要了解某一物体表面的光谱属性，我们必须将它的反射信息从大气和太阳的信息中分离出来，这就需要进行大气校正过程。本实验以曲靖市的一景Landsat 8遥感影像为数据源，利用ENVI大气校正扩展模块（ FLAASH）进行大气校正，并对比分析大气校正前后植被、水体、土壤、裸岩等典型底物的光谱特征差异，为后续定量遥感的应用奠定一定的基础。 二、实验准备 1.软件准备：ENVI 数据准备：LC8LGN00遥感数据、地形数据 三、实验过程 （一）遥感影像数据的辐射定标 Landsat8数据和其他TM 数据类似，发布的数据标示 L1T，做过地形参与的几何校正，一般情况下可以直接使用而不需要做几何校正。为了利用其丰富的波段光谱信息，我们需要进行辐射定标处理，将原始图像上的DN值转为反射率。 1.使用下的通用定标工具Radiometric Calibration进行Landsat8的辐射定标。打开LO8BJC00_MTL全波段文件，选择MultiSpectral多光谱数据进行定标，定标的范围可缩小为ROI区域。

（1）.定标参数设置。为后续的FLAASH大气校正做数据准备，单击Apply FLAASH Settings得到相应的参数。然后点击OK输出结果。 辐射定标后的结果： 通过定标之后的影像DN值可靠。其中，底下的Data值为定标前影像的像元值，上面的Data值为定标后影像的像元值。且定标前影像的数据类型为无符号16位整型，定标后影像为浮点型辐亮度值。

遥感干旱反演方法汇总

遥感干旱反演方法汇总 (2012-07-03 08:27:42) 转载▼ 分类：遥感技术 标签： 遥感干旱监测 干旱反演方法 植被指数法 温度法 杂谈 干旱作为一种缓变的现象，其严重程度也是逐渐积累的结果，这就为干旱的监测和早期的预警带来了方便和可能。干旱监测方法分为地面监测方法和空间监测方法。地面监测方法是利用地面点的数据，通过统计分析进行干旱监测。而灾害的发生具有明显的空间和时间特性。空间特性是说灾害的发生总是落在某一个地域范围内，受影响的是一个面而不是一个点；时间特性是指灾害的发生具有明显的季节性与不同尺度的周期性。因而，传统的地面监测方法不能及时的对旱情信息进行快速、准确预报。空间监测方法是随着卫星遥感技术的发展而来并逐渐趋于成熟，通过测量土壤表面反射或发射的电磁能量，探讨遥感获取的信息与土壤湿度之间的关系，从而反演出地表土壤湿度。此法监测土壤湿度不仅可以得到土壤湿度在空间上的分布状况和时间上的变化情况，而且可以进行长期动态监测，具有监测范围广，速度

快，成本低等特点。 遥感分为可见光、红外波段和微波波段，不同波段的遥感对干旱监测的原理不同。在可见光与近红外波段，不同湿度的土壤具有不同的地表反照率，通常湿土的地表反照率比干土低。可见光和红外波段遥感正是利用地表温度获得土壤热惯量，从而进行估测土壤湿度。此方法虽然比较成熟，但是可见光与近红外遥感容易受云，气溶胶等天气状况的影响，此局限性严重影响了其监测精度。 微波遥感是近代兴起来一项新技术，相对于可见光和红外波段的遥感，微波波段遥感对土壤水分更加敏感。不受光照条件限制，具有全天候观测的能力，其分辨精度最高可达到几十厘米，而且微波的低频波段对冰，雪，森林，土壤具有一定穿透的能力。在一定程度上缓解了天气状况的干扰。由于土壤介电特性与土壤含水量密切相关，微波遥感通常采用土壤介电特性进行表征。土壤的介电常数随土壤变化而变化，表现于卫星遥感图像上将是灰度值和亮度温度的变化。微波遥感监测干旱又分为主动法和被动法两种。主动微波遥感主要根据地表的回波信号进行土壤湿度预测。具有较高空间分辨率，但受地表粗糙度，植被影响大。被动微波遥感监测面积大，周期短，受粗糙度影响小，并且对土壤水分更为敏感，算法更为成熟，可以应用于大面积地区干旱监测。

反演常用方法

稀疏脉冲法 包括最大似然反褶积、L1范数反褶积、最小熵反褶积、最大熵反褶积、同态反褶积等，稀疏脉冲反演是基于脉冲反褶积基础上的递推反演方法,其基本假设是地层的强反射系数是稀疏分布的。从地震道中根据稀疏的原则提取反射系数,与子波褶积后生成合成地震记录;利用合成地震记录与原始地震道残差的大小修改参与褶积的反射系数个数,再作合成地震记录;如此迭代,最终得到一个能最佳逼近原始地震道的反射系数序列。该方法适用于井数较少的地区,其主要优点是能够获得宽频带的反射系数,较好地解决地震反演的多解性问题,从而使反演结果更趋于真实。 约束稀疏脉冲反演采用一个快速的趋势约束脉冲反演算法,用解释层位和井约束控制波阻抗的趋势和幅值范围,脉冲算法产生了宽带结果,恢复了缺失的低频和高频成分;同时,再加入根据井的波阻抗的趋势约束。约束稀疏脉冲反演最小误差函数是J=∑(ri)p+λq∑(di-si)q++α2∑(ti-Zi)2(1) 式中:ri为样点的反射系数;zi为样点的波阻抗;di是原始地震道;si 是合成地震道;Zi介于井约束的最大和最小波阻抗之间;ti是用户提供的波阻抗趋势;α为趋势最小匹配加权因子;p,q为L模因子;i是地震道样点序号;λ为数据不匹配加权因子。 如果从最大似然反褶积中求反射系数r(t),则在上述过程中为了得到可靠的反射系数估计值,可以单独输入波阻抗信息作为约束条件,从而求得最合理的波阻抗模型 Z(t)=Z(t-1)（1+r(t)）/（1-r(t)）(2) 稀疏脉冲法假设反射系数是稀疏的、离散的，利用测井资料可以得到井旁道的准确反射系数，通过上述反褶积方法，在测井资料、地质模型的约束下，逐道递推子波、反射系数，从而反演出波阻抗、速度等数据。 常规递推法与稀疏脉冲反演法主要是利用反褶积方法来恢复反射系数序列，由经过标定的反射系数序列递推出相对波阻抗，然后加上从声波测井和地质模型中得到的低频分量，最终得到反演波阻抗。这两类方法的主要缺陷是选择可靠低频信息较为困难，由反射系数递推波阻抗过程中误差积累快，当反射系数存在较大误差时，递推出来的波阻抗剖面会面貌全非。 此外，经过反褶积处理的结果，并不代表真正的反射系数序列，

landsat 遥感影像地表温度反演教程(大气校正法)

基于辐射传输方程的Landsat数据地表温度反演教程一、数据准备 Landsa 8遥感影像数据一景，本教程以重庆市2015年7月26日的=行列号为（128，049）影像（LC81280402016208LGN00）为例。 同时需提前查询影像的基本信息（详见下表） 二、地表温度反演的总体流程 三、具体步骤 1、辐射定标 地表温度反演主要包括两部分，一是对热红外数据，二是多光谱数据进行辐射定标。

（1）热红外数据辐射定标 选择Radiometric Correction/Radiometric Calibration。在File Selection对话框中，选择数据LC81230322013132LGN02_MTL_Thermal，单击Spectral Subset选择Thermal Infrared1（10.9），打开Radiometric Calibration面板。 Scale factor 不能改变，否则后续 计算会报错。保持默认1即可。 （2）多光谱数据辐射定标 选择要校正的多光谱数据“LC81230322013132LGN02_MTL_MultiSpectral” 进行辐射定标。 因为后续需要对多光谱数据进行大气校正，可直接单击Apply Flaash Settings， 如下图。

注意与热红外数据辐射定标是的差 别，设置后Scale factor值为0.1。 2、大气校正 本教程选择Flaash 校正法。FLAASH Atmospheric Correction，双击此工具，打开辐射定标的数据，进行相关的参数设置进行大气校正。 注意：如果在多光谱数据辐射定标时Scale factor值忘记设置，可在本步骤中打开辐射定标数时设置single scale faceor 值为0.1，若已设置，则默认值为1即可。 1)Input Radiance Image：打开辐射定标结果数据； 2)设置输出反射率的路径，由于定标时候； 3)设置输出FLAASH校正文件的路径，最优状态：路径所在磁盘空间足够大； 4)中心点经纬度Scene Center Location：自动获取；

遥感反演地表温度

遥感地学分析 实验报告成绩： 姓名： 学号： 班级： 题目：

课程实验报告要求 一、实验目的 掌握并熟悉band math的操作，对建筑用地分离用的几个建筑指数；学会面对对象分类；学会反演地表温度。 二、实验准备 软件准备：ENVI5.1 数据准备：中等分辨率数据AA、高分辨率数据qb_colorado.img、热岛监测band6 三、实验步骤 1.中等分辨率数据中城市范围的提取： （1）加载数据AA，首先在BAND MATH里面计算图像的NDVI值其公式：(float(b1)-float(b2))/(float(b1)+float(b2))，正确输入公式后点击OK； 在接下来的界面中为公式中b1和b2赋予相应的波段，及近红外波段和红色波段，选择合适的路径即可点击OK；

结果如图： （2）同样用上述发放计算图像的归一化建筑指数（NDBI值），公式同样使用前面所用，但是后面给b1和b2赋予第五和第四波段就行，同样选择合适的路径即可； 结果如图：

（3）利用前面所计算的NDVI和NDBI值计算改进的归一化裸露指数（MNDBI），MNDBI= NDBI+(1-NDVI)，首先在BAND MATH中输入一下公式并b1和b2赋予NDBI的波段和NDVI的波段； 结果如图：

（3）同样使用上述方法计算城镇用地指数（ULI）计算公式为ULI=NDBI and NDVI，同样在BAND MATH中输入公式并赋予相应的波段，在设置好输出路径即可； 结果如图：

（4）三种指数的阈值的设置，通过查看三种指数的直方图可以为每种指数的分离建筑用地提取合适的阈值；通过查看NDBI的阈值设置为0.035，并将其在band math中进行二值化； 通过查看MNDBI的阈值设置为0.681，并将其在band math中进行二值化；

应用月平均sst资料对遥感反演数据进行质量控制

MODIS遥感反演SST的对比测试和分析技术报告 概述： 利用浮标资料对MODIS的SST(海表面温度)反演的结果进行对比测试，是SeaDAS 卫星遥感项目的一个重要目标。目的是利用浮标实测海温资料对SST 反演结果进行校正，以减少反演结果的误差，扩大海温遥感反演产品的使用范围，为更好的利用卫星遥感资料服务于海洋监测工作建立一个良好的基础。 技术背景 MODIS（中等分辨率成像光谱仪）是一个拥有36 个通道的可见光和红外波段光谱辐射计，波段范围从0.345 μm（可见光）到14.235μm（热红外）。各通道的量化等级为12Bits。 MODIS 第1 和第2 通道的空间分辨率为250 米，第3 到第7 通道的空间分辨率为500 米，其余通道的空间分辨率为1000 米，扫描观测宽度达2330 公里可以同时提供反映海洋水色，叶绿素、悬浮物浓度等海洋特征信息。 MODIS被两颗对地观测卫星(AQUA和TERRA)作为有效负载，其中TERRA 是上午星、AQUA是下午星。 我单位目前使用SeaDAS5.0软件进行MODIS数据处理。SeaDAS 5.0反演海表面温度的算法是美国航空航天局NASA开发的“迈阿密探路人”算法，有两套，分别利用了3.7μm和11μm附近的两个红外大气窗口。其中昼间使用11μm算法，即利用11.03μm,12.03μm通道，夜间使用3.7μm和11μm通道。由于昼间观测数据不仅可提供海表面温度，而且可提供叶绿素等海洋水色数据，我单位目前仅接收和处理MODIS的昼间数据。我们的比测试验也是针对昼间的11μm算法。 “迈阿密探路人”在11μm的海温反演算法如下： 其中，SST是反演的海表面温度，T31是第31通道（11.03μm）的辐射亮温，T32是第32通道（12.03μm）的辐射亮温。θ是卫星天顶角。C1~C4是四个系数。 SeaDAS软件中内置的各个系数估计值如下： 表1:MPSST算法的系数