油罐池火燃烧污染强度大、 范围广, 航天遥感可成为实时动态监测油罐池火灾污染的新途径。 航天遥感监测以目标光谱特性分析为基础, 针对油料池火焰光谱特性研究不足的现状, 通过构建全火焰红外测试系统, 在室外开放空间条件下对多种油料及混合油料池火焰光谱, 其他可燃物火焰的发射光谱进行了测试分析研究, 光谱范围1~14 μm。结果表明: 92#汽油、 95#汽油、 0#柴油、 航空煤油、 润滑油池火焰的光谱曲线特征相似, 在特定的波长处存在特征发射峰, 在1.1, 2.4, 2.8及6.3 μm附近存在H2O特征发射峰, 在4.2及4.5 μm附近存在CO2发射峰, 在3.4 μm处存在C—H伸缩振动发射峰, 6.3 μm后各光谱曲线无明显特征峰。 92#汽油与0#柴油以不同比例混合的池火焰光谱与各油料池火焰光谱相比也无明显差别。 92#汽油池火焰光谱与木柴及纸张火焰光谱相比, 在3.4 μm处存在特征发射峰; 酒精火焰光谱虽然在3.4 μm附近也有类似辐射发射, 但辐射强度与4.5 μm处CO2的辐射强度之比远低于92#汽油池火焰光谱在此两波段处辐射强度之比; 蜂窝煤火焰光谱近似灰体辐射光谱。 各燃料火焰光谱的差异主要由燃料的化学组成及燃烧反应机理的差异决定的。 对92#汽油池火焰连续区、 间歇区及烟气区的光谱特性进行了比较分析, 结果表明3.4 μm处的C—H伸缩振动峰只存在于连续区, 证明了该发射峰是参与燃烧化学反应的油气产生的, 该结果与油料池火燃烧反应机理吻合。 实验结论对基于光谱特性分析的油料池火焰遥感识别具有重要借鉴意义。

热辐射是油库火灾事故的主要危害特性之一，而温度场又是其直接表现形式， 因此快速有效地监测温度场信息是迅速掌握灾情动态信息的最佳途径，对提高油库火灾事故 应急监测与快速响应能力、维护人民生命财产安全、保护生态环境以及大幅减少经济损失等具有 重要意义。在国内外地表温度反演方法研究进展的基础上，针对油库火灾爆炸事故 的突发性特征，通过分析环境温度急剧变化、遥感影像及反演参数难以获取等因素， 建立了一种基于热红外光谱和地面传感器数据的油库火灾温度场信息提取模型。通过设计模拟实验， 成功反演了试验场及其周边区域的地表温度情况。结果表明，该模型能够快速有效地反演油库火 灾事故发生区域的温度场信息。

土地覆盖遥感分类根据图像中每个像元在不同波段具有不同光谱亮度、 空间结构特征或者其他差异的特征, 按照某种规则或算法提取土地覆盖分类信息。 硬分类方法由于混合像元的存在, 导致遥感分类和面积测量精度难以达到使用要求; 软分类方法能够解决混合像元问题。 针对硬分类与软分类各自存在的问题及优势, 在分析硬分类模型和软分类模型的理论基础上, 通过研究两种模型的优缺点取长补短, 优化分类模型。 在新的软硬分类方法支持下, 设计典型应用案例, 在精度评价过程采用改进型混淆矩阵评价方法, 验证该方法在土地覆盖信息提取方面的精度。 结果表明, 软硬分类方法能够有效提高土地覆盖分类精度。

农作物遥感估产区划是农作物遥感估产的基础, 它为估产研究和实践提供了重要的科学依据。 以冬小麦生育期内的MODIS EVI时间序列作为分区数据, 选择江苏省为试验区, 探讨了一种改进的光谱角制图和K均值聚类相结合(光谱角聚类)的分区方法, 并在冬小麦遥感估产中进行了试验。 结果表明: 光谱角聚类分区方法充分利用了MODIS时间序列数据所反映的农作物生长进程, 可以充分体现气候差异所带来的冬小麦区域差异; 与传统分区相比, 基于光谱角聚类分区方法所得到的遥感估产结果具有较高的决定系数R2(0.702 6比0.624 8)和较低的均方根误差RMSE(343.34比381.34 kg·hm-2), 体现了该分区方法在冬小麦遥感估产中的优势。 光谱角聚类分区方法仅以获取便利的低分辨率时间序列遥感数据为分区数据, 且能很好的将冬小麦划分为特征性质一致的区域, 所得遥感估产模型的精度和稳定性也较好, 为冬小麦遥感估产分区提供了一种有效方法, 有利于进行冬小麦遥感估产研究。

在大尺度冬小麦种植面积测量中, MODIS(moderate resolution imaging spectrometer)数据对绝大部分地区可实现全覆盖数据保障, 具有很好的时间序列特征, 在探测植物季相节律进行作物估产与动态监测上得到很好的应用, 但因受到空间分辨率的限制, 其测量结果的可靠性受到较大质疑。 地块数据具有明确的位置特征和明显的边界信息, 在一定程度上降低了光谱差异和混合像元的复杂程度, 在遥感影像上具有很强的相似光谱特征, 较像元识别更有优势。 以北京市通州为试验区, 充分结合冬小麦生长季特征, 首次尝试MODIS-NDVI空间地块化, 建立其与中分辨率TM耕地地块识别结果的定量关系, 进行地块支持下的MODIS-NDVI时间序列冬小麦种植面积测量。 研究结果表明, 当样本量达到15%以上时, MODIS和TM提取结果区域精度一致性稳定达到96%以上。 该方法证明, 地块数据可有效改善MODIS-NDVI时序数据遥感识别中, 因空间分辨率低引起的误差。 实现有碎云影响和无全覆盖中分辨影像时, 利用部分中分辨影像样本结合低分辨率全覆盖影像实现大尺度的冬小麦种植面积测量, 同时, 为其他品种农作物种植面积测量进行先期的实验研究。

针对硬分类方法中无法解决的混合像元问题及软分类方法中全图共用一套端元进行混合像元分解所带来的弊端， 提出了一种新的软硬分类方法。 该方法通过分析目标地物在图像中的分布情况， 自动计算判别阈值， 将图像分为目标地物纯净区域、 目标地物混合区域和非目标地物区域。 对于目标地物纯净区域和非目标地物区域采用硬分类方法(支撑向量机)快速提取分类信息； 对于目标地物混合区域采用软分类方法(端元可变的线性混合像元分解)提取目标地物丰度信息， 最后得到目标地物软硬分类结果。 通过对北京地区ALOS图像的应用试验， 并将新方法与支撑向量机、 线性光谱混合模型进行比较， 新方法的RMSE值为0.203， 总量精度达到95.48%， 高于支撑向量机和线性光谱混合模型。 实验结果表明， 新方法能够有效解决混合像元问题， 提高图像分类精度。

利用高分辨率遥感图像的光谱信息提取耕地地块对于土地利用动态监测、精准农业等领域有着非常重要的意义，然而传统的结合GIS软件与手工数字化提取地块的方法费时费力，并且具有很大的主观性，因此利用计算机自动提取地块具有很强的现实意义。文章提出了一种基于小波变换和分水岭分割的高分辨率遥感图像耕地地块提取方法，首先结合高分辨率层遥感图像的光谱信息，利用图像分类结果对原始图像中典型地物的灰度值进行对比增强处理，然后进行小波变换和分水岭分割，通过改进的区域合并算法解决过度分割问题，最后利用Canny算子引入边缘信息，得到最终的耕地地块分割结果。通过对北京地区Quickbird数据的应用，准确快速的提取了耕地地块数据，证明该方法是一种有效、可行的高分辨率遥感图像耕地地块提取方法。