二类水体组份的遥感定量反演一直是水色遥感的难点和热点问题,原因在于其水体组分(纯水、叶绿素、悬浮物及CDOM)之间复杂的相互作用。本文引入光谱分解算法,通过Hydrolight软件模拟叶绿素、悬浮物和CDOM的标准反射率光谱,解决光谱分解算法中"纯端元"难以获取的问题。在此基础上建立了二类水体组分光谱分解反演模型。模型表明,光谱分解系数之间有很强的独立性,能够作为独立变量估算对应组分浓度。对光谱分解建模数据建立波段比值模型,用不同时期的同步实测数据,对光谱分解算法和比值模型进行比较验证,结果表明,光谱分解模型和波段比值模型的悬浮物反演平均相对误差分别为:22.4%和37.7%。验证结果:光谱分解算法相对于传统的经验模型,具有一定的季节通用性。叶绿素浓度估算模型的平均相对误差为31.7%,反演精度不高。其因是由于叶绿素浓度相对于非藻类悬浮物浓度过低,平均浓度分别为17.3μg/L和78.6mg/L,叶绿素的光谱信息在一定程度上被高悬浮物掩盖。

本文以扬州市市辖区为例,利用2001年的ETM影像与2007年的ALOS影像两期遥感数据,采用面向对象的信息提取方法,获取了扬州市2001年与2007年两期土地利用空间分布图。在此基础上,研究了CLUE-S模型的原理及CLUE-S模型的应用;探讨了CLUE-S模型所需数据、驱动因子选取、模拟参数设置、模拟结果获取等,进而运用CLUE-S模型,以2001年土地利用分布图为模型输入数据,模拟预测了扬州市2002-2007年的土地利用空间分布格局;最后,利用面向对象方法所获取的2007年土地利用空间分布图,对2007年的模拟结果进行了检验,研究分析CLUE-S模型的可应用性。结果显示,CLUE-S模型可以较好地模拟较小尺度区域城市空间发展分布格 局,能为较小尺度城市的发展规划提供指导,是值得推广应用的土地利用与土地覆被变化模型。

同一地物在不同比例尺或者不同来源的地图上通常存在着相似性,对于图形几何形似性度量方法的研究有利于地图编制、查询、匹配、更新。线状地物要素在地图中占有很大的比例,因此,本文以线状空间目标为例,在前人的基础上给出了线状空间数据的几何图形相似性度量模型:(1)以差异距离作为相似性特征的位置相似度;(2)以分形维数作为相似性特征的形状相似度;(3)以长度或者周长作为相似性特征的大小相似度。相对于(3)大小相似度而言,(1)位置相似度、(2)形状相似度综合考虑了几何图形整体统计的方法和局部几何特征结构。完成多尺度传输的线状空间数据几何相似性度量实验,并对数据传输量与几何相似性度量方法进行比较,实验结果表明:基于广义Hausdorff距离模型的中位数Hausdorff距离的位置相似性对于空间数据渐进性传输具有稳定性和可行性。最后,总结了本文的研究成果,并展望了该方向进一步研究的若干问题。

近些年来,空间数据获取技术得到了迅猛的提高,例如LIDAR, 通常可以产生成千上万个点,这对计算机的处理能力提出了挑战。最近,图形处理器(GPU)的计算能力得到了巨大的提升,致使GPU的通用计算引起了关注。GPU是流处理器的集合,最近的设备的流处理器超过240个,浮点峰值比CPU快10多倍。在GPU上编程和编译的环境称计算统一设备架构(CUDA),它提供了可以简单生成并行代码的途径。基于CUDA的并行计算,在很多领域得到了应用,但是在空间插值方面应用较少。反距离权插值(IDW)算法,因容易计算,在空间插值中经常被使用。然而,当维数增加时,提升计算时间是紧要的,故本文提出CUDA的IDW并行算法。并在相同的条件下,对比CUDA和CPU的算法的运行时间,数值实验表明,CUDA算法的运行速度是CPU算法的6倍左右。