孫攀， 董玉森， 陳偉濤， 馬嬌， 鄒毅， 王金鵬， 陳華

(1.中國地質(zhì)大學(xué)(武漢)地球科學(xué)學(xué)院，武漢 430074； 2.中國地質(zhì)大學(xué)(武漢)計算機學(xué)院，武漢 430074； 3.中國國土資源航空物探遙感中心，北京 100083)

?

高分二號衛(wèi)星影像融合及質(zhì)量評價

孫攀1， 董玉森2， 陳偉濤2， 馬嬌1， 鄒毅2， 王金鵬1， 陳華3

(1.中國地質(zhì)大學(xué)(武漢)地球科學(xué)學(xué)院，武漢 430074； 2.中國地質(zhì)大學(xué)(武漢)計算機學(xué)院，武漢 430074； 3.中國國土資源航空物探遙感中心，北京 100083)

高分二號衛(wèi)星(GF-2)是我國自主研制的首顆空間分辨率優(yōu)于1 m的民用光學(xué)遙感衛(wèi)星，配備有0.81 m空間分辨率的全色相機和3.24 m空間分辨率的多光譜相機。對比分析適合GF-2影像的融合方法對于提高其應(yīng)用效果與擴大應(yīng)用領(lǐng)域具有實際意義。針對東北地區(qū)2014年11月22日和27日成像的GF-2影像，分別采用主成分分析(principal component analysis，PCA)、GS(Gram-Schmidt)變換、modified-HIS(intensity hue saturation)變換、高通濾波方法(high pass filter，HPF)和超球體色彩空間變換(hyperspherical color space resolution merge，HCS)等5種融合方法對多光譜和全色數(shù)據(jù)進行融合。并對5種融合影像進行質(zhì)量評價，首先采用目視分析方法進行定性評價，其次采用信息熵、平均梯度、相關(guān)系數(shù)和光譜扭曲度等統(tǒng)計學(xué)指標(biāo)進行客觀定量評價，最后對融合影像進行地物分類。結(jié)果表明，HCS與GS變換融合影像無論是在視覺還是在地物分類應(yīng)用上都具有較好的效果，且沒有波段數(shù)的限制，最適合GF-2影像融合； HPF方法對空間細(xì)節(jié)信息的增強僅次于HCS變換，但是其光譜保真度效果最差； PCA和modified-IHS變換融合效果比較適中，可以作為GF-2影像融合的候補方法。

高分二號； 圖像融合； 質(zhì)量評價

0 引言

為了充分利用日益增長的多源遙感數(shù)據(jù)，遙感影像的數(shù)據(jù)融合技術(shù)正在不斷發(fā)展[1]。該技術(shù)通過綜合不同影像數(shù)據(jù)，將有效信息互補疊加，消除多源信息之間的冗余和矛盾，創(chuàng)建增強解釋性的復(fù)合圖像[2-3]。

迄今為止，已經(jīng)發(fā)展多種圖像融合方法，如亮度-色調(diào)-飽和度(intensity hue saturation，IHS)變換、GS(Gram-Schmidt)變換、Brovey變換、主成分分析(principal component analysis，PCA)、超球體色彩空間變換(hyperspherical color space resolution merge，HCS)、高通濾波方法(high pass filter，HPF)、小波變換(wavelet transform，WT)和Contourlet變換等。這些融合方法在高空間分辨率衛(wèi)星數(shù)據(jù)融合方面都取得了良好的效果[4-7]。胥兵等[8]采用GS變換、Brovey變換、PCA變換和HSV(hue saturation value)變換等方法對資源一號02C(ZY-1 02C)衛(wèi)星數(shù)據(jù)與ETM數(shù)據(jù)進行融合處理，并針對均值、方差和信息熵3個評價指標(biāo)和圖像解譯效果等方面進行了評價。Huang等[9]采用多種常用的圖像融合技術(shù)對資源三號(ZY-3)衛(wèi)星數(shù)據(jù)進行了融合測試，并從數(shù)據(jù)到信息層面上對融合結(jié)果進行評價。

作為我國自主研制的首顆空間分辨率優(yōu)于1 m的民用光學(xué)遙感衛(wèi)星——高分二號衛(wèi)星(GF-2)，迫切需要研究適應(yīng)于該數(shù)據(jù)的有效融合方法，擴大GF-2融合影像的應(yīng)用范圍。本文選取了PCA，GS，HCS，modified-HIS和HPF等5種常用融合方法，對GF-2多光譜和全色影像進行融合處理，并分別采用主觀目視解譯和客觀定量分析2種方法進行質(zhì)量評價，最后利用監(jiān)督分類的方法對融合影像進行地物分類，以研究其應(yīng)用效果。

1 研究區(qū)及其數(shù)據(jù)源

1.1 數(shù)據(jù)源

GF-2觀測幅寬達到45 km，側(cè)擺角為15°，星下點分辨率為全色0.81 m，多光譜3.24 m[10]。該數(shù)據(jù)4個多光譜(multi-spectral,MS)波段范圍分別為0.45～0.52 μm，0.52～0.59 μm，0.63～0.69 μm和0.77～0.89 μm，全色波段范圍為0.45～0.90 μm，與國際同類衛(wèi)星波段設(shè)置基本相同。本研究以覆蓋東北地區(qū)的4景GF-2影像作為數(shù)據(jù)源進行圖像融合及其效果評價，數(shù)據(jù)成像時間為2014年11月22日(1景)和27日(3景)。研究區(qū)覆蓋類型主要以山地、丘陵為主，總體起伏度不高。

1.2 波段選擇

由于IHS變換對圖像融合的波段數(shù)有一定的限制，為了評價IHS融合效果，依據(jù)最佳指數(shù)法(optimum index factor,OIF)選擇最佳波段組合[11]，即

(1)

式中，Si為第i波段標(biāo)準(zhǔn)差；Rij為第i,j波段之間的相關(guān)系數(shù)。OIF越大表示該波段組合越優(yōu)。

GF-2中3個MS波段組合的OIF如表1 所示。

表1 3個MS波段組合的OIF

從表1中可以看出，3，2,1 波段組合最優(yōu)，將其構(gòu)成RGB圖像進行IHS融合。其他融合方法均針對4個波段進行融合。

2 研究方法

2.1 融合方法

2.1.1 PCA變換

PCA變換是將具有相關(guān)性的多維數(shù)據(jù)變換到幾個完全獨立的主成分分量上，具有方差信息濃縮、數(shù)據(jù)量壓縮的作用[12]。對MS波段進行PCA變換后，將全色波段與PCA第一主成分分量進行灰度拉伸匹配，并將其代替[13]，再經(jīng)過PCA逆變換得到融合影像。

2.1.2 GS變換

GS變換是將MS影像轉(zhuǎn)換到正交空間消除冗余信息，使變換后的各分量在正交空間里都正交，各分量中信息量的保留程度相差不大，其與PCA變換的差異之處在于改善了信息過于集中等問題[14-15]。

2.1.3 modified-IHS變換

modified-IHS變換是基于IHS變換[16]，通過估計每個MS波段和全色波段波長的有效重合范圍來確定融合的權(quán)值，相對于傳統(tǒng)的IHS變換具有更好的光譜保真度[17]。

2.1.4 HPF方法

HPF方法是通過高通濾波算法分離出全色影像的空間信息，將分離結(jié)果逐像元疊加到MS影像上，獲取融合影像[16, 18]。

2.1.5 HCS變換

圖像在N維超球面空間上表現(xiàn)為一個亮度I分量和N-1個角度分量，傳統(tǒng)彩色空間轉(zhuǎn)換到超球面空間后，全色圖像與I分量匹配建模，得到全色銳化后的新I分量，再反變換到原彩色空間得到HCS融合影像[19]。

2.2 融合質(zhì)量評價

2.2.1 主觀評價

融合影像主觀評價主要是檢驗圖像光譜保真度和空間細(xì)節(jié)改進效果[20]。不同地物類型(建筑物、耕地和林地)融合效果分別如圖1和圖2 所示。

(a) 原始全色影像(b) MS影像(c) PCA融合影像 (d) GS融合影像

(e) HCS融合影像(f) modified-IHS融合影像(g) HPF融合影像

圖1 建筑物和耕地5種方法的影像融合結(jié)果

Fig.1 Image fusion results with five kinds of fusion methods for buildings and cultivated land

(a) 原始全色影像(b) MS影像(c) PCA融合影像 (d) GS融合影像

(e) HCS融合影像(f) modified-IHS融合影像(g) HPF融合影像

圖2 林地5種方法的影像融合結(jié)果

Fig.2 Image fusion results with five kinds of fusion methods for woodland

通過圖1和圖2發(fā)現(xiàn)，利用5種方法得到的融合影像相比于MS影像都具有一定的信息增強。但是相對于全色影像，融合后的細(xì)節(jié)信息稍有損失。在HCS變換與HPF方法中，房屋和道路等的邊緣最為清晰，其次為modified-HIS，PCA和GS變換。不同的融合影像在顏色上與MS影像都有不同程度的差異，HCS變換最接近原始顏色，PCA，modified-IHS和GS變換相差不大，但是HPF方法光譜偏離最明顯，說明該方法的光譜保真度最差。

2.2.2 定量評價

利用信息熵、平均梯度、相關(guān)系數(shù)和光譜扭曲度等4個指標(biāo)進行定量評價，統(tǒng)計結(jié)果如圖3所示。

(a) 信息熵 (b) 平均梯度

(c) 相關(guān)系數(shù)(d) 光譜扭曲度

圖3 原始影像和不同融合影像的4種指標(biāo)對比

Fig.3 4 kinds of indexes of the original MS images and fusion images

在4景影像中選擇不同的區(qū)域進行分析，通過求其均值和標(biāo)準(zhǔn)差分析原始MS影像和不同融合影像之間的差異，以實現(xiàn)對融合效果的定量評價。

信息熵是衡量圖像信息豐富程度的一個重要指標(biāo)[21-22]。從圖3(a)中可以發(fā)現(xiàn)，融合影像的信息熵均相對高于原始MS影像，表明利用這4種方法獲得的融合影像信息都有所增加； HCS變換的信息熵最高，增加的信息量最大； GS變換的信息熵大于PCA變換，但相對于其他2種方法偏??； 而HPF和modified-IHS的信息量基本相同。平均梯度反映了圖像中的微小細(xì)節(jié)[23]。在圖3(b)中，融合影像的平均梯度都約為原始MS影像的3～4倍； HCS變換與HPF方法的平均梯度較大，其空間細(xì)節(jié)信息的增強效果最好； PCA和GS變換相對較差。相關(guān)系數(shù)是以原始MS影像為參考，值越高表示融合影像越接近于參考影像[24-25]。在圖3(c)中，HCS變換的相關(guān)系數(shù)最大，具有最佳的光譜保持效果； HPF方法的相關(guān)系數(shù)最??； GS和PCA變換除第4波段相差較大外，其他3個波段大小相當(dāng)，而modified-IHS的相關(guān)系數(shù)總體上與GS變換相當(dāng)。光譜扭曲度直接反映了融合影像與參考影像之間的光譜失真程度[26]，用于反映融合影像對原始MS影像的保真度。在圖3(d)中，HCS變換的光譜扭曲度最小，其保真度最好； HPF方法光譜扭曲度最大，光譜保真度最差； GS，PCA和modified-IHS變換扭曲度相當(dāng)，其保真度均高于HPF變換。

2.3 地物分類精度分析

為了分析5種融合方法對融合影像應(yīng)用效果的影響[27-28]，本文采用最大似然分類法(maximum likelihood classification,MLC)對融合影像進行監(jiān)督分類[29]，從地物分類精度方面對GF-2融合影像進行應(yīng)用效果評價。

依據(jù)研究區(qū)土地利用情況，結(jié)合目視解譯和實地野外調(diào)查，確定地物類型為林地、耕地、建筑物(居民地及工礦用地)、水域(包括冰覆蓋)、道路和陰影共6類。確定訓(xùn)練樣本后，對GF-2融合影像分別進行監(jiān)督分類，并統(tǒng)計其分類精度。各種融合影像的地物分類精度如表2所示。

表2 影像分類精度

從表2可以看出，與原始MS影像相比，各融合影像的分類精度都有所提高。其中HCS與GS變換融合影像的分類精度較高，總體精度高于70%，Kappa大于0.7。但是，各類地物分類精度提升懸殊，HCS和GS變換除道路分類精度略有降低，HCS變換耕地分類精度不變外，其他地物分類精度都平穩(wěn)增加3.9%～10.1%。針對地物分類采用HCS或GS變換都是較好的融合方法。但由于蔬菜大棚、道路、建筑物之間及含水量高的水田、水域、陰影之間光譜相似，高空間分辨率衛(wèi)星影像地類內(nèi)部的異質(zhì)性增加，分類圖像有明顯的“椒鹽”現(xiàn)象[27]，這是造成基于像素光譜特征的分類方法總體精度不高(不到75 %)的主要原因。

3 結(jié)論及討論

采用PCA變換、GS變換、HCS變換、modified-IHS變換和HPF 5種融合方法對高分二號衛(wèi)星多光譜影像與全色影像進行融合處理，并對融合影像進行了主、客觀的質(zhì)量評價，評估了融合影像在地物分類方面的應(yīng)用優(yōu)勢，得到如下主要結(jié)論：

1)5種融合方法都增強了原始影像的空間分辨率和視覺效果，但是在空間細(xì)節(jié)信息和光譜保真度上，HCS變換融合效果最好，而且該方法沒有波段數(shù)的限制，最適合高分二號影像融合。

2)HPF方法對空間細(xì)節(jié)信息的增強僅次于HCS變換方法，但是其光譜保真度效果最差； PCA變換、GS變換和modified-IHS變換融合效果比較適中，可以作為高分二號影像融合的候補方法。

3)在地物分類精度上，HCS變換與GS變換融合影像的分類精度最高，最適宜開展地物分類方面的應(yīng)用。

在下一步的工作中，除了尋找更有效的策略來拉伸、匹配或調(diào)整IHS和PCA等傳統(tǒng)融合方法中的待替換波段或主成分分量外[30]，也將采用一些新的顏色失真相對較小的基于小波變換的融合技術(shù)[31]來減少光譜扭曲，提升融合影像的質(zhì)量和應(yīng)用效果。

[1] Pohl C,Van Genderen J L.Review article multisensor image fusion in remote sensing:Concepts,methods and applications[J].International Journal of Remote Sensing,1998,19(5):823-854.

[2] 王廣亮,李英成,曾鈺,等.ALOS數(shù)據(jù)像素級融合方法比較研究[J].測繪科學(xué),2008,33(6):121-124. Wang G L,Li Y C,Zeng Y,et al.Comparison and analysis of pixel-level image fusion algorithms applicable to ALOS data[J].Science of Surveying and Mapping,2008,33(6):121-124.

[3] Kaczynski R,Donnay J P,Muller F.Satellite image maps of Warsaw in the scale 1∶25,000[J].EARSeL Advances in Remote Sensing,1995,4(2):100-103.

[4] Zhang Y,Hong G.An IHS and wavelet integrated approach to improve pan-sharpening visual quality of natural colour IKONOS and QuickBird images[J].Information Fusion,2005,6(3):225-234.

[5] Tu T M,Hsu C L,Tu P Y,et al.An adjustable pan-sharpening approach for IKONOS/QuickBird/GeoEye-1/WorldView-2 imagery[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2012,5(1):125-134.

[6] Tu T M,Huang P S,Hung C L,et al.A fast intensity-hue-saturation fusion technique with spectral adjustment for IKONOS imagery[J].IEEE Geoscience and Remote Sensing Letters,2004,1(4):309-312.

[7] Nikolakopoulos K G.Comparison of four different fusion techniques for IKONOS data[C]//Proceedings of 2004 IEEE International on Geoscience and Remote Sensing Symposium.Anchorage,Alaska,USA:IEEE,2004,4:2534-2537.

[8] 胥兵,方臣.ZY-1 02C星圖像與ETM+圖像融合方法及效果評價[J].國土資源遙感,2014,26(3):80-85.doi:10.6046/gtzyyg.2014.03.13. Xu B,Fang C.Data fusion methods of ZY-1 02C and ETM+ images and effect evaluation[J].Remote Sensing for Land and Resources,2014,26(3):80-85.doi:10.6046/gtzyyg.2014.03.13.

[9] Huang X,Wen D W,Xie J F,et al.Quality assessment of panchromatic and multispectral image fusion for the ZY-3 satellite:From an information extraction perspective[J].IEEE Geoscience and Remote Sensing Letters,2014,11(4):753-757.

[10]云成.高分二號衛(wèi)星[J].衛(wèi)星應(yīng)用,2014(9):65. Yun C.GF-2 satellite[J].Satellite Application,2014(9):65.

[11]Chavez P S,Berlin G L,Sowers L B.Statistical method for selecting Landsat MSS ratios[J].Journal of Applied Photographic Engineering,1982,8(1):23-30.

[12]Yésou H,Besnus Y,Rolet J.Extraction of spectral information from Landsat TM data and merger with SPOT panchromatic imagery-a contribution to the study of geological structures[J].ISPRS Journal of Photogrammetry and Remote Sensing,1993,48(5):23-36.

[13]Shettigara V K.A generalized component substitution technique for spatial enhancement of multispectral images using a higher resolution data set[J].Photogrammetric Engineering and Remote Sensing,1992,58(5):561-567.

[14]Laben C A,Brower B V.Process for enhancing the spatial resolution of multispectral imagery using pan-sharpening:US,6011875[P].2000-01-04.

[15]景娟娟,呂群波,周錦松,等.圖像融合效果評價方法研究[J].光子學(xué)報,2007,36(S):313-317. Jing J J,Lyu Q B,Zhou J S,et al.Research on the assessment of fusion image[J].Acta Photonica Sinica,2007,36(S):313-317.

[16]Chavez P S Jr,Sides S C,Anderson J A.Comparison of three different methods to merge multiresolution and multispectral data:Landsat TM and SPOT panchromatic[J].Photogrammetric Engineering and Remote Sensing,1991,57(3):295-303.

[17]王華斌,李國元,張本奎,等.資源三號衛(wèi)星影像融合算法對比分析[J].測繪科學(xué),2015,40(1):47-51. Wang H B,Li G Y,Zhang B K,et al.Contrast and analysis of di-fferent fusion algorithms for ZY-3 satellite images[J].Science of Surveying and Mapping,2015,40(1):47-51.

[18]黃鶴,馮毅,張萌,等.天繪一號衛(wèi)星影像的融合及評價研究[J].測繪通報,2013(1):6-9. Huang H,Feng Y,Zhang M,et al.Research on fusion of mapping satellite-1 imagery and its evaluation[J].Bulletin of Surveying and Mapping,2013(1):6-9.

[19]Padwick C,Deskevich M,Pacifici F,et al.WorldView-2 pan-sharpening[C]//American Society for Photogrammetry and Remote Sensing Annual Conference.San Diego:[s.n.],2010.

[20]Klonus S,Ehlers M.Performance of evaluation methods in image fusion[C]//Proceedings of the 12th International Conference on Information Fusion.Seattle,WA:IEEE,2009:1409-1416.

[21]李弼程,魏俊,彭天強.遙感影象融合效果的客觀分析與評價[J].計算機工程與科學(xué),2004,26(1):42-46. Li B C,Wei S,Peng T Q.Objective analysis and evaluation of remote sensing image fusion effect[J].Computer Engineering and Science,2004,26(1):42-46.

[22]王海暉,彭嘉雄,吳巍,等.多源遙感圖像融合效果評價方法研究[J].計算機工程與應(yīng)用,2003(25):33-37. Wang H H,Peng J X,Wu W,et al.A study of evaluation methods on performance of the multi-source remote sensing image fusion[J].Computer Engineering and Applications,2003(25):33-37.

[23]張寧玉,吳泉源.Brovey融合與小波融合對QuickBird圖像的信息量影響[J].遙感技術(shù)與應(yīng)用,2006,21(1):67-70. Zhang N Y,Wu Q Y.Information influence on QuickBird images by Brovey fusion and wavelet fusion[J].Remote Sensing Technology and Application,2006,21(1):67-70.

[24]Nikolakopoulos K G.Comparison of nine fusion techniques for very high resolution data[J].Photogrammetric Engineering and Remote Sensing,2008,74(5):647-659.

[25]李俊杰,李杏朝,傅俏燕,等.CBERS-02B星HR與多光譜影像融合及評價[J].國土資源遙感,2008,20(2):43-47.doi:10.6046/gtzyyg.2008.02.11. Li J J,Li X C,Fu Q Y,et al.Fusion and evaluation of CBERS-02B HR and multi-spectral images[J].Remote Sensing for Land and Resources,2008,20(2):43-47.doi:10.6046/gtzyyg.2008.02.11.

[26]凌靜,徐立中,石愛業(yè),等.一種基于Choquet模糊積分小波系數(shù)選擇的遙感圖像融合方法[J].遙感學(xué)報,2009,13(2):263-268. Ling J,Xu L Z,Shi A Y,et al.Remote sensing images fusion based on wavelet coefficients selection using Choquet fuzzy integral[J].Journal of Remote Sensing,2009,13(2):263-268.

[27]王建梅,李德仁.QuickBird全色與多光譜數(shù)據(jù)融合方法用于土地覆蓋分類中的比較研究[J].測繪通報,2005(10):37-40,43. Wang J M,Li D R.A study of fusion algorithms of QuickBird pan and multispectral images for land cover classification[J].Bulletin of Surveying and Mapping,2005(10):37-40,43.

[28]Amarsaikhan D,Saandar M,Ganzorig M,et al.Comparison of multisource image fusion methods and land cover classification[J].International Journal of Remote Sensing,2012,33(8):2532-2550.

[29]Richards J A.Remote Sensing Digital Image Analysis[M].Berlin:Springer,1999.

[30]Chikr El-Mezouar M,Taleb N,Kpalma K,et al.An IHS-based fusion for color distortion reduction and vegetation enhancement in IKONOS imagery[J].IEEE Transactions on Geoscience and Remote Sensing,2011,49(5):1590-1602.

[31]Pajares G,De la Cruz J M.A wavelet-based image fusion tutorial[J].Pattern Recognition,2004,37(9):1855-1872.

[32]Ghosh A,Joshi P K.Assessment of pan-sharpened very high-resolution WorldView-2 images[J].International Journal of Remote Sensing,2013,34(23):8336-8359.

(責(zé)任編輯： 陳理)

Research on fusion of GF-2 imagery and quality evaluation

SUN Pan1, DONG Yusen2, CHEN Weitao2, MA Jiao1, ZOU Yi2, WANG Jinpeng1, CHEN Hua3

(1.FacultyofEarthSciences,ChinaUniversityofGeosciences(Wuhan),Wuhan430074,China; 2.FacultyofComputerScience，ChinaUniversityofGeosciences(Wuhan),Wuhan430074,China; 3.ChinaAeroGeophysicalSurveyandRemoteSensingforLandandResources,Beijing100083,China)

GaoFen-2 (GF-2) is the first sub-meter civilian optical remote sensing satellite of China configured with 0.81 m resolution panchromatic cameras and 3.24 m multi-spectral cameras. Researches on image fusion algorithm suitable for GF-2 would have great significance for improving the image quality and expanding the application scope of the satellite. Four GF-2 images covering Northeast China from November 22 to 27, 2014 were used in this paper. The authors compared the efficiency of five fusion algorithms, which include component transform (PCA), Gram-Schmidt (GS), modified-HIS transform, HPF and HCS transform algorithm. In order to quantitatively assess the quality of the fused images, the authors adopted the following steps: The authors first examined the visual qualitative result and then evaluated the correlation between the original multi-spectral and the fused images. The authors compared the fused image with the original image in degree of distortion and parts of the statistical parameters such as entropy, average grads and correlation coefficient of the various frequency bands. Finally, the authors performed a supervised classification for the fused images, and compared the accuracies of resulting images. The result shows that all the fusion techniques improve the resolution and the visual effect. The HCS and GS transform algorithm could not only achieve the best results but also have no limit to the number of bands, and hence it is the most suitable method for the GF-2 image fusion. The HPF method is next only to the HCS transform method in the spatial detail enhancement, but the spectral fidelity is the worst among the five image fusion algorithms. It is moderate for the performance of the PCA and modified-IHS transform method, and then these algorithms can provide backup for the GF-2 image fusion.

GF-2; image fusion; quality assessment

10.6046/gtzyyg.2016.04.17

孫攀,董玉森,陳偉濤,等.高分二號衛(wèi)星影像融合及質(zhì)量評價[J].國土資源遙感,2016,28(4)：108-113.(Sun P,Dong Y S,Chen W T,et al.Research on fusion of GF-2 imagery and quality evaluation[J].Remote Sensing for Land and Resources,2016,28(4)：108-113.)

2015-05-11；

2015-07-26

中國地質(zhì)調(diào)查局項目“東北界河地區(qū)國土資源遙感綜合調(diào)查”(編號： 1212011220106)、“東北邊境地區(qū)基礎(chǔ)地質(zhì)遙感調(diào)查”(編號： 12120115063201)和國家自然科學(xué)基金項目“利用PSInSAR監(jiān)測非城市區(qū)域地面形變的關(guān)鍵技術(shù)研究”(編號： 41001248)共同資助。

TP 79

A

1001-070X(2016)04-0108-06

孫攀(1989-),男,碩士研究生,主要從事地學(xué)遙感方面的研究。Email： sunpan822@126.com。

董玉森(1976-),男,博士,主要從事地學(xué)遙感與國土資源遙感調(diào)查等方面的研究。Email： ysdong@cug.edu.cn。