地物波譜數(shù)據(jù)庫(kù)在遙感信息提取中具有重要的應(yīng)用價(jià)值,本文歸納和總結(jié)了常用的國(guó)內(nèi)外通用型地物波譜數(shù)據(jù)庫(kù)與專業(yè)型地物波譜數(shù)據(jù)庫(kù)的發(fā)展現(xiàn)狀。在對(duì)有關(guān)波譜庫(kù)遙感應(yīng)用文獻(xiàn)進(jìn)行計(jì)量分析的基礎(chǔ)上,綜述了地物波譜數(shù)據(jù)庫(kù)遙感應(yīng)用的四種主要方法波譜特征分析、光譜匹配識(shí)別、混合像元分解以及參數(shù)提取建模,闡述了地物波譜數(shù)據(jù)庫(kù)在地物分類、目標(biāo)識(shí)別及參數(shù)反演中的應(yīng)用。從當(dāng)前所處的遙感"大數(shù)據(jù)"時(shí)代背景出發(fā),亦對(duì)地物波譜數(shù)據(jù)庫(kù)的建設(shè)趨勢(shì)與應(yīng)用潛力進(jìn)行了展望。 

【文章頁(yè)數(shù)】：20 頁(yè)

【文章目錄】：
1 引言
2 地物波譜數(shù)據(jù)庫(kù)及應(yīng)用概況
    2.1 典型地物波譜數(shù)據(jù)庫(kù)
    2.2 波譜庫(kù)遙感應(yīng)用概況
3 波譜庫(kù)遙感應(yīng)用方法
    3.1 波譜特征分析
        3.1.1 特征參量法
        3.1.2 光譜指數(shù)法
    3.2 光譜匹配識(shí)別
    3.3 混合光譜分解
    3.4 參數(shù)提取建模
4 地物分類與目標(biāo)識(shí)別
    4.1 地物分類
    4.2 目標(biāo)識(shí)別
5 地表參數(shù)定量反演
    5.1 地表輻射參數(shù)反演
        5.1.1 地表反射率反演與反照率估算
        5.1.2 地表發(fā)射率反演與地表溫度反演
    5.2 典型地物目標(biāo)參數(shù)反演
        5.2.1 植被參數(shù)反演
        5.2.2 巖礦豐度反演
        5.2.3 土壤參數(shù)反演
        5.2.4 水體參數(shù)反演
        5.2.5 冰雪參數(shù)反演
6 展望


【參考文獻(xiàn)】：
期刊論文
[1]高分四號(hào)靜止衛(wèi)星數(shù)據(jù)的地表反照率反演[J]. 孫越君,汪子豪,秦其明,韓谷懷,任華忠,黃敬峰.  遙感學(xué)報(bào). 2018(02)
[2]火星Eberswalde撞擊坑三角洲礦物豐度反演[J]. 張霞,吳興,林紅磊,王楠.  遙感學(xué)報(bào). 2018(02)
[3]珊瑚礁區(qū)多光譜遙感水深反演研究[J]. 王紀(jì)坤,陳正華,余克服,黃榮永,王英輝.  遙感技術(shù)與應(yīng)用. 2018(01)
[4]ENDSI增強(qiáng)型雪指數(shù)提取積雪研究[J]. 龐海洋,孔祥生,汪麗麗,錢永剛.  國(guó)土資源遙感. 2018(01)
[5]北京地區(qū)Landsat 8 OLI高空間分辨率氣溶膠光學(xué)厚度反演[J]. 田信鵬,孫林,劉強(qiáng),李秀紅.  遙感學(xué)報(bào). 2018(01)
[6]多元線性回歸與神經(jīng)網(wǎng)絡(luò)模型在森林地上生物量遙感估測(cè)中的應(yīng)用[J]. 徐輝,潘萍,寧金魁,臧顥,歐陽(yáng)勛志,向云西,吳自榮,國(guó)瑞,桂亞可,楊武.  東北林業(yè)大學(xué)學(xué)報(bào). 2018(01)
[7]用離散小波變換建立的Fisher判別法對(duì)海上溢油的鑒別[J]. 劉曉星,魏其功,王思童,黃義,張婷婷,齊超越,李佳.  光譜學(xué)與光譜分析. 2017(11)
[8]從遙感觀測(cè)數(shù)據(jù)到數(shù)據(jù)產(chǎn)品[J]. 吳炳方,張淼.  地理學(xué)報(bào). 2017(11)
[9]基于高光譜數(shù)據(jù)的高寒草地土壤有機(jī)碳預(yù)測(cè)模型研究[J]. 崔霞,宋清潔,張瑤瑤,胥剛,孟寶平,高金龍.  草業(yè)學(xué)報(bào). 2017(10)
[10]小波包分析在Hyperion數(shù)據(jù)提取農(nóng)田土壤有機(jī)質(zhì)含量中的應(yīng)用研究[J]. 楊長(zhǎng)保,李東輝,劉津懌,吳夢(mèng)紅.  應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào). 2017(05)



本文編號(hào)：3650772