基于多时相高分一号影像的土壤湿度反演

近年来使用国产光学遥感数据反演土壤湿度已成为业内研究热点,其中利用高分一号(GF-1)影像反演土壤湿度是一种潜在的新兴手段,但应用中模型参数需要根据地域调节.为提高GF-1反演土壤湿度的准确度,将豹澥试验区2019年12月至2020年6月的GF-1多光谱宽幅覆盖(WFV)影像和地面观测站点实测数据作为数据源,以垂直干旱指数(PDI)、基于归一化植被指数(NDVI)的修正型垂直干旱指数(MPDIN)、基于两波段增强型植被指数(EVI2)的修正型垂直干旱指数(MPDIE)以及植被调整垂直干旱指数(VAPDI)这四种干旱指数为基准建立土壤湿度反演模型并进行精度评估.实验结果表明:在无植被区域,四种模型的反演结果大致相同,决定系数均在0.7350左右、平均相对误差均在4.50％左右、均方根误差均在1.10％左右,具有较高的精度;在有植被区域,VAPDI的反演效果最优,MPDIN与MPDIE次之,PDI效果不佳.与PDI相比,VAPDI由于考虑了混合像元的影响,不仅适用于稀疏植被区域,也适用于密集植被区域,应用范围更广;与基于两种不同植被指数的MPDI相比,VAPDI由于克服了植被覆盖度和植被像元反射率等因素的影响,基于该指数的土壤湿度估计值与实测值的决定系数达到0.7277以上,具有较高的反演能力.因此,针对豹澥试验区的实际情况,VAPDI指数具有精确反演土壤湿度的潜力.     

综合利用光学、微波遥感数据反演土壤湿度研究

基于ASAR-APP和TM影像数据,研究了小麦覆盖地表的土壤湿度反演方法.首先,利用冠层后向散射模型MIMICS(michigan microwave canopy scattering),分析了第二入射角模式(IS2)2种极化组分散射对总散射的贡献,确定了土壤湿度反演的最佳极化模式;其次,分析了植被微波单次散射、植被层双程透过率与NDVI之间的关系,建立了单次散射及双程透过率模型,然后,结合IS2入射角模式ASAR数据,建立土壤湿度反演模型.最后,基于模拟数据和获取的ASAR、TM影像数据,利用半经验模型反演土壤湿度.研究结果表明:IS2_HH模式土壤散射在总散射中贡献更大,该数据更适合土壤湿度反演;植被微波单次散射、双程透过率与NDVI有很好的线性关系,可以利用线性模型建立它们之间的关系;半经验模型能够较好地反演土壤湿度,反演和实测的土壤湿度相关系数为0.75,均方根误差为5.07%.     

台湾海峡真光层深度半分析算法遥感反演的真实性检验

应用SeaWiFS遥感数据,采用最新的基于固有光学特性的半分析算法进行台湾海峡真光层反演,与卫星过境时间±2小时内实测的数据比对的结果,平均相对误差为16.7%,均方根误差为0.077 81,遥感反演与实测数据之间相关系数达到0.87.相对于叶绿素反演算法(平均相对误差38.0%,均方根误差0.152 4,相关系数0.56),有较高的反演准确性.说明该算法不仅适用于Gulf of Mexico、Monterey Bay和Arabian Sea,也适用于台湾海峡.     

土壤散射及其参数反演的研究

本文基于经验模型计算了粗糙地面的后向散射系数,并且考虑了土壤湿度、高度起伏均方根对后向散射系数的影响。通过和实验数据的比较,利用该模型计算的后向散射系数能够很好的和实验数据吻合。最后用粒子群算法对土壤表面的参数进行了反演,得到了比较理想的反演结果。     

鄱阳湖丰水期水体后向散射特性研究

后向散射是获取湖泊水体光学活性物质遥感信息的关键,针对无机悬浮物为主的浑浊二类水体, 其对水体表观光学性质有着决定性的影响,研究表层水体后向散射特性在提高湖泊光学活性物质遥感反演精度方面具有重要的意义.该文通过2017年6月在鄱阳湖丰水期36个站点的巡航监测,分析了水体后向散射特征及其与光学活性物质的关系,并利用指数模型对后向散射系数进行参数化.研究结果表明：在420～700 nm波段范围内,水体后向散射系数、后向散射概率随波长的变动趋势较为一致,均随着波长的增大呈指数函数减小;空间上水体后向散射系数的均值和变幅为南湖区>主湖区>北湖区;总悬浮颗粒物浓度与后向散射系数之间的相关性随波长增大而增大,其中700 nm波段的相关性最好,R2达到0.760;随着波长的增加后向散射系数与叶绿素a含量的相关性减少;同时建立了后向散射系数光谱模型,斜率指数为1.229,470～700 nm波段平均绝对百分比误差均小于8%,具有较好的反演精度.     

台湾海峡真光层深度半分析算法遥感反演的真实性检验

应用SeaWiFS遥感数据,采用最新的基于固有光学特性的半分析算法进行台湾海峡真光层反演,与卫星过境时间±2小时内实测的数据比对的结果,平均相对误差为16.7%,均方根误差为0.077 81,遥感反演与实测数据之间相关系数达到0.87.相对于叶绿素反演算法（平均相对误差38.0%,均方根误差0.152 4,相关系数0.56）,有较高的反演准确性.说明该算法不仅适用于Gulf of Mexico、Monterey Bay和Arabian Sea,也适用于台湾海峡.     

安徽省土壤湿度时空变化规律分析及遥感反演

为获取安徽省的土壤湿度时空信息,采用克里金法将站网实测多层土壤湿度数据插值为网格数据,分析其时空变化特征;进而建立遗传算法优化的BP(back propagation)神经网络模型进行土壤湿度反演。该模型以风云3B卫星的亮温数据为主要输入,训练后对该模型验证并进行预测。结果表明:安徽省土壤湿度月均值波动较频繁,淮北平原和大别山区较其他区域干燥;随着深度的增加,土壤湿度增大且季节和空间差异变小;所有分区平均模拟值与实测值的日序列相关性达到0. 605,均方根误差为0. 056 m~3/m~3,说明该模型能够较好地反演安徽省土壤湿度。     

基于多源遥感数据的石漠化信息提取研究

利用撒拉溪示范区和花江示范区2016年的12个月份的SAR数据后向散射系数,构建时间序列,进行石漠化信息的提取,同时利用雷达遥感影像和光学遥感影像融合的方法进行喀斯特地区石漠化等级的确定,并选取野外实地验证的方法进行精度验证.结果表明:多源遥感数据支持下的石漠化信息提取方法相比较于传统的光学遥感提取方法,在石漠化地物界定和石漠化强度定级上更加准确和有效.在喀斯特高原山地轻—中度石漠化区,其精度分别提高7.69%和5.99%;在喀斯特高原山地中—强度石漠化区,其精度分别提高9.41%和5.39%.     

厦门市地表温度与植被覆盖关系定量研究

以福建省厦门市为研究区,基于2015年的Landsat 8遥感影像数据进行4种不同算法的地表温度反演,并对4种算法的结果进行精度验证,选择一种精度最高的算法的结果与植被覆盖度进行回归分析,探讨不同下垫面的植被覆盖度与地表温度的关系.结果表明:在本研究区内,使用单窗算法反演地表温度结果与对比数据更为接近,精度相对较高.地表温度与植被覆盖度之间具有明显的相关关系,植被覆盖度能够有效降低地表温度.在不同的植被覆盖度范围内,对地表温度降温效果不同,当整体植被覆盖度水平较低时,植被覆盖度的增加能够更加明显地降低地表温度.不同的下垫面类型植被覆盖度与地表温度之间有很好的对应关系,植被覆盖度越高的下垫面类型,温度越低.     

基于双源遥感数据的杉木林分蓄积量估测模型研究

为了提高森林蓄积量估测精度,以福建省三明市将乐县国有林场中杉木林作为试验区,选择资源3号卫星多光谱高分辨率影像及Alos Palsar影像为数据源,将相关性较高的极化雷达参数与最优窗口下的纹理参数相结合,协同两种遥感数据反演蓄积量。利用灰度共生矩阵分别提取高分辨率影像在3×3、5×5、7×7、9×9和11×11的5组窗口大小下8种纹理特征信息,提取Alos Palsar影像双极化方式下后向散射系数并进行比值运算。采用多元逐步回归分析方法,分别利用5组纹理特征信息反演杉木林蓄积量,找出最优窗口; 检测不同极化方式下后向散射系数与蓄积量之间相关性。结果表明,单数据源反演蓄积量模型中,5×5窗口反演效果最好,模型复相关系数R=0.869,均方根误差σ_RMSE=23.38 m³/hm²,蓄积量总体的估测精度为80.32%; 多数据源反演蓄积量模型中,两种极化方式下的后向散射系数比值与高分影像纹理特征参数结合后,反演模型的效果更好,模型中R=0.901,σ_RMSE=22.32 m³/hm²,蓄积量总体估测精度达到85.42%。研究表明,基于多数据源数据的森林蓄积量反演精度更高,结果更准确。     

玛多地区基于植被指数对土壤水分的反演

采用Landsat5影像数据对青海省果洛州玛多地区植被指数和地表温度进行提取,通过地面同步测定土壤水分含量,分析三者之间的相关关系。结果发现:归一化植被指数(NDVI)与土壤水分在植被盖度较低时,二者之间存在较为明显的负相关关系r=-0.655;地表温度与土壤水分呈负相关关系r=-0.932,3种关系模型中线型模型拟合效果最好R2=0.769 0;引入变量植被温度指数TVI并对其与土壤水分做相关分析,结果发现土壤水分与TVI之间的相关系数r=-0.906,二者之间存在明显的负相关关系,3种关系模型中,幂指数模型的决定系数最高R2=0.855 0,TVI与土壤水分的拟合效果较温度与土壤水分的好,因此利用植被指数对区域土壤水分的反演是可行的。     

基于极化干涉SAR的植被高度反演算法对比分析

极化干涉SAR综合了干涉SAR和极化SAR的优点,被广泛应用于植被高度的反演。对已有的四种基于极化干涉SAR的植被高度反演算法进行了论述,利用PoLSARpor进行仿真数据实验,对比分析了四种植被高度反演算法的优缺点及其适用范围。最后指出极化干涉SAR技术有待进一步研究的方向和问题。为选取基于极化干涉SAR的植被高度反演算法提供参考。     

铜仁地区遥感反演与大气污染物VOCs耦合分析

基于铜仁地区大气污染物中的挥发性有机化合物(VOCs)网格化结果,结合Landsat8遥感反演温度和植被覆盖度,分析网格化后的VOCs空间分布特征和温度、植被覆盖度的耦合关系.结果表明:VOCs分布特征与温度、植被覆盖度分布特征类似,具有一定的耦合关系; VOCs排放量分布和温度分布以城区为中心点向四周逐渐降低,植被覆盖度分布以城区为中心向四周逐渐升高;温度与VOCs呈正相关且相关系数为0.419,城区和郊区分布非常明显;植被覆盖度与VOCs呈负相关且相关系数为-0.608.     

基于时序InSAR的青海同仁市滑坡隐患早期识别与特征解析

本文选取青海省同仁市作为研究区，以Sentinel-1A卫星升降轨SAR数据为主要信息源，利用SBAS-InSAR技术反演提取区域地表形变信息，结合区内地形地貌、地质构造、气象水文、植被覆盖、历史地灾等背景资料，辅以GF-2光学影像筛选确认，实现了区内滑坡隐患的早期识别，共识别出滑坡隐患19处，其中8处为已知滑坡灾害点，11处为新识别隐患点。对形变反演与隐患识别结果进行了形变速率精度分析与结合几何畸变的差异性分析，评价了形变反演结果的精度与有效性，证明了隐患识别结果的全面与准确性。选取了3处典型滑坡隐患从形变时空分布特征、光学影像特征、实地变形特征等方面进行特征解析，掌握了区内滑坡隐患的孕灾条件及变形趋势。     

基于Landsat-8 OLI与Sentinel-2 MSI传感器的香港近海海域叶绿素a浓度遥感反演

为验证Landsat-8 OLI遥感数据与Sentinel-2 MSI遥感数据监测近海海域叶绿素a浓度可行性,以其为数据源,香港近海海域为研究区域,以半分析模型为方法,挑选与监测点实测叶绿素a浓度采集时间一致且遥感影像云覆盖率小于10% 影像清晰的两类遥感影像。对两类遥感影像分别选取2/3的遥感影像数据经预处理后提取其对应实测日期监测点位置遥感反射率进行相关性分析,得到相关性最高的反演因子进行建模,并且利用剩下的1/3数据对其反演回复回归模型进行精度检验,其结果与OCx模型反演结果进行对比效果显著。基于Landsat-8遥感数据建立的最佳反演回归模型为Y=6.8x2-20.77x+17.02,R2=0.906略高于基于Sentinel-2遥感数据建立的最佳反演回归模型Y=-3.345e+05x2+3826x-3.44,R2=0.801,证明了就香港近海海域叶绿素a浓度反演两类遥感数据的可行性,且两类数据的反演结果均呈现出香港近海海域内部海域叶绿素a浓度高于外部叶绿素a浓度的现象。     

沙坡头地区人工植被生长动态研究

本文对沙坡头地区人工植被的盖度、密度、新枝长度做了生长动态调查,同时测定了实验区内土壤含水量并收集了该地区的气象资料.结果表明,沙坡头地区的灌木植物与草本植物生长发育规律存在着明显的不同.灌木植物的生长动态表现为较典型的“S”形曲线,其生长量主要受土壤水分条件的影响;草本植物的生长发育主要在7~9月完成,主要受降水条件的影响.     

吉林中部地区土壤水分遥感反演与应用

表观热惯量法是热红外遥感监测土壤水分的重要方法之一.土壤的表观热惯量可以通过对土壤反照率和地表温度日较差的测量而获得。以吉林中部地区为研究区,根据表观热惯量反演土壤水分含量的原理,选取春播时期的四月份时相,利用MODIS_L1B数据计算模型中的相关参量,进而计算表观热惯量值。将计算结果与土壤水分含量实测值进行线性回归分析,结果通过了置信度0.01的显著水平t检验,相关系数R=0.831,并分析土壤类型对土壤水分含量差异的影响,结果与表观热惯量反演土壤水分的计算结果一致。     

贵州喀斯特地区草本植被盖度与土壤养分的相互关系

采用极点排序法对贵州普定县喀斯特地区的草本群落进行了研究,分析了草本植物盖度和土壤养分的相关性。结果表明:该地区土壤速效钾含量是限制草本群落分布的主要因素;盖度与土壤的全钾含量、水解氮含量、有效磷含量呈显著正相关,与土壤速效钾含量呈极显著正相关,相关性系数达0.96。盖度随速效钾含量的增加先迅速增加,当土壤速效钾含量达148.34 mg/kg时,增速急剧降低,最后渐近平缓。因此,在喀斯特地区对草本群落的分布和恢复起到最主要作用的因子是土壤速效钾含量。     

星载激光雷达GEDI数据林下地形反演性能验证

【目的】新一代天基测高系统全球生态系统动力学调查(GEDI)对森林观测及经营具有重要意义,为探究GEDI V2(GEDI第2版)数据反演林下地形的性能,利用机载雷达数据验证林下地形反演精度,并探究反演精度的影响因素。【方法】分别以美国西波拉森林与中国帽儿山森林为研究对象,利用G-liht及帽儿山高精度机载雷达数据验证GEDI V2数据在针叶林及针阔叶混交林下反演地形的性能,并分析不同光束强度、光斑时间、坡度及植被覆盖度对地形反演精度的影响。【结果】美国西波拉针叶林地区地形反演精度均方根误差(RMSE)为2.33 m,平均绝对误差(MAE)为1.48 m;帽儿山针阔叶混交林地区地形反演精度RMSE为4.49 m, MAE为3.33 m。随着坡度、植被覆盖度增大,两种森林类型地形反演精度均降低。【结论】GEDI V2数据反演针叶林林下地形精度要优于针阔叶混交林,强光束优于覆盖光束,湿润地区白天效果更优,干旱地区黑夜效果更优;平缓地区数据使用效果极好,陡峭地区精度降低;中低植被覆盖度区域地形反演精度较高,高植被覆盖区域地形测定性能有所下降。     

宁化县地形及土壤特征对植被覆盖度的影响

为研究地形及土壤特征对植被覆盖度的影响,以宁化县2009年Landsat遥感影像和1：50万地形图为数据源,利用3S平台及归一化植被指数（NDVI）提取宁化县植被覆盖度,对植被覆盖度进行分类,通过GIS生成高程、坡度和坡向三个地形因子,并将植被覆盖度与三个地形因子和土壤类型分别进行空间叠加分析．结果表明,宁化县的植被覆盖度与其高程、坡度及土壤之间存在较大的关联,而坡向对其影响甚微．