渤黄海水体漫衰减系数的遥感反演

【目的】针对中国渤黄海水体类型复杂的特性,建立一个同时适用于浑浊水域与清澈水域的漫衰减系数反演算法。【方法】利用2000年7月至2004年2月在中国近海海域现场测量的238组光谱数据,针对浑浊水域与清澈水域分别建立漫衰减系数的半分析算法和经验算法,并基于加权方法将两算法结合,构建水体联合算法。【结果】新建立的联合算法精度较高且较为稳定:算法的决定系数(R~2)达到0.891,均方根误差(RMSE)与平均绝对误差(MAPE)分别为0.543 m~(-1),26.77%。在误差敏感性分析中,半分析算法与经验算法的MAPE与RMSE在6%和0.06m-1以内。【结论】新的反演算法适用于我国渤黄海水体漫衰减系数K_d(490)的反演。     

抚仙湖叶绿素a浓度遥感反演方法对比分析

不同叶绿素浓度反演算法得到的叶绿素浓度存在较大差异,反演中大气校正算法如何影响反演模型的精度;不同的反演算法中,哪种反演算法更适用于高原深水湖泊叶绿素浓度反演。针对上述问题,选取Landsat 8 OLI卫星影像数据,应用6S、ATCOR3、FLAASH这3种大气校正模型实现OLI数据的大气校正,对矫正结果分别利用FAI、NDCI、VB-FAH指数反演算法反演抚仙湖叶绿素a浓度,使用实测数据对3种不同大气校正下的3种反演算法进行了精度分析。结果表明:对比12种不同组合的算法反演的叶绿素a浓度与实测数据之间的相关系数,6S大气校正模型下,NDCI指数反演算法是12种组合算法中反演精度最高的算法,反演值和实测值的相关系数(R)为0.39。     

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。     

Landsat8 OLI城市地区气溶胶光学厚度遥感反演

在地表反射率较高、结构复杂的城市地区,传统的浓密植被气溶胶反演算法难以适用。通过分析地物波谱库中的植被和土壤波谱信息,模拟建立归一化植被指数(NDVI)与红、蓝波段地表反射率之间的相关关系,提出使用MODIS植被指数产品(MOD12)确定地表反射率的方法,实现该类型区域气溶胶光学厚度(AOD)反演。以Landsat8OLI数据为例,选取北京市为研究区进行反演实验,使用AERONET地基观测数据与MODIS气溶胶产品(MOD04)对反演结果进行验证。结果表明,当反射率较高时,NDVI与红、蓝波段地表反射率仍存在较高的相关性,利用该指数能够准确获取高反射率地区的地表信息,算法反演结果与实测值具有较好的一致性,总体相关系数达0.966,68%的反演结果满足误差精度要求,当AOD0.5时,有82.3%的结果满足精度要求,较MOD04精度有了较大改善。     

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。     

水体中叶绿素a浓度遥感反演的算法研究进展

利用遥感数据定量反演水体中叶绿素a浓度主要有三种方法:经验方法、半经验方法和分析方法。本文简要介绍了常用的遥感数据,并总结了上述三种反演方法的基本原理和典型算法,最后指出了以高光谱数据为基础的叶绿素a浓度的遥感定量反演算法是未来发展趋势。     

一个基于固有光学特性的透明度半分析算法适用性探讨

利用52组中国海实测透明度(Zsd)与遥感反射率(Rrs)数据,检验一个最新的基于固有光学特性的透明度算法(简称IOP算法)的适用性.结果表明,该IOP算法在Zsd实测值6m的站位,反演Zsd与实测值相对一致,偏差(Bias)为-0.67m,相对误差(ε)为28.6%,对数均方根误差(RMSE)为0.197,仅存在一定程度的低估现象;但在实测值≥6m的站位存在明显的高估,Bias为7.95m,ε为53.7%,RMSE为0.212.进一步的分析发现该IOP算法对颗粒后向散射系数(bbp)和颗粒散射系数(bp)二者间的关系十分敏感,算法中所采用的bbp-bp经验关系,在中国海并不完全适用.     

联合LiDAR和多光谱数据森林地上生物量反演研究

【目的】森林地上生物量的准确估测对于实时掌握全球碳储量变化及应对气候变化有着重要的意义。组合多种遥感数据特征优选,分类建模反演森林地上生物量,是提高森林地上生物量精度的有效方法。【方法】以根河市大兴安岭生态观测站寒温带天然林为研究对象,以机载激光雷达(LiDAR)、Landsat8 OLI两种遥感数据源结合55块地面调查数据,采用偏最小二乘算法优化筛选变量,再以线性多元逐步回归和快速迭代特征选择的最近邻算法(KNN-FIFS)构建模型,在两种数据源的不同组合方式下进行森林地上生物量反演。【结果】①基于线性多元逐步回归模型下的单一LiDAR数据反演精度决定系数(R²)为 0.76,均方根误差(RMSE)为 21.78 t/hm²;单一Landsat8 OLI数据的反演精度R²为 0.24,RMSE为39.27 t/hm²;LiDAR和Landsat8 OLI联合反演精度R² 为 0.84,RMSE为18.16 t/hm²;②基于KNN-FIFS模型下的单一LiDAR数据反演精度R²为 0.74,RMSE为23.83 t/hm²;单一Landsat8 OLI数据的反演精度R²为0.60,RMSE为 29.63 t/hm²;LiDAR和Landsat8 OLI联合反演精度R²为0.80,RMSE为21.15 t/hm²。【结论】①特征优选支持下的3种组合方式中,LiDAR和Landsat8 OLI两种数据的组合在两种模型中反演精度均最高,其中线性多元逐步回归模型的反演精度最高,说明LiDAR和Landsat8 OLI数据组合,激光雷达与光学数据优势特征互补,协同反演可有效提高森林地上生物量的反演精度;②单一数据源反演森林地上生物量精度中,LiDAR数据比Landsat8 OLI数据在两种模型反演精度中均较高,这与LiDAR数据空间分辨高、可获得垂直结构特征参数有关。     

基于Landsat 8数据反演地表发射率的几种不同算法对比分析

为了分析研究不同地表发射率反演算法的精度和适用性,文中选取西安市的遥感影像Landsat 8为基础数据,运用ENVI,ArcGIS等软件,首先对Landsat 8数据进行预处理,提取西安市的NDVI影像;然后,建立决策树模型得到西安市地表分类影像,并基于像元二分模型反演得到植被覆盖度,基于NDVI得到4种不同算法的地表发射率;最后,以精度0. 01的MODIS LSE产品为标准数据,从像元尺度上对比分析了4种算法的精度,并依据回归决策树方法的分类结果,对比分析了不同算法在各类地表覆盖类型上的发射率反演差异。结果表明:在像元尺度上,植被指数混合模型法与NDVI~(TEM)改进算法精度较高且较为接近;从不同下垫面的反演差异来看,在植被区域4种算法之间的差异较小,而对于水体区域,4种算法之间的差异较大;从反演方法的适用性而言,植被指数混合模型法与NDVI~(TEM)改进算法较为适合本研究区。     

基于SAR测量的改进型VIE降雨反演算法

提出一种新型降雨反演算法,该算法是对沃尔塔积分方程（Volterra integral equation,VIE）降雨反演算法的改进.首先,对雷达接收到的回波数据进行预处理,得到降雨起点和降雨宽度等信息;然后,仅利用沃尔塔积分反演算法处理少量特定区域,通过深度挖掘数据变化的规律来分析得出降雨分布的类型和降雨速率;最后,根据通常研究对象的分布对称性,结合已经获得的信息反演得到整个区域的降雨分布情况.通过仿真结果可知,该算法高效、计算速度快,并且具有较高的精度.     

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.     

基于MODIS遥感影像的大气水汽反演研究

目前基于MODIS的水汽反演算法已基本成熟,大部分方法是用6S、MODTRAN等辐射传输模型模拟的倒大气透过率与水汽含量的关系计算大气水汽.由于模型本身的精度及模型中大量参数的不确定性,使得反演结果精度受到限制,而直接基于遥感图像本身的反演算法解决了这一问题.本文提出了基于影像数据本身的水汽总含量反演算法,对通道比值法进行了改进,得到了的水汽反演结果与MODIS大气水汽产品有较好的一致性.     

北京地区大气气溶胶的激光雷达观测及反演算法研究

利用微脉冲激光雷达在北京地区的观测,研究两种避开利用高空信号的反演算法。算法一,根据Fernald的反演算法把边界取在混合层中间某处,并结合太阳光度计的观测进行反演。通过激光雷达与同一地点自动气象站的地面观测比较验证了反演结果,表明该方案用于激光雷达的气溶胶消光系数反演是可行的。算法二,由于激光雷达近端处的信号和地面气溶胶消光系数线性相关,从而利用地面气溶胶观测数据反演雷达常数和观测期间气溶胶平均后向散射比,结果与第一种方案一致,表明利用该方法反演是可行的。最后利用这次激光雷达的观测,分析北京地区冬季一次西伯利亚高压过境时的气溶胶演变过程,将激光雷达观测与南郊观测站地面观测进行比较,并验证了激光雷达的反演结果和算法的可靠性。     

北京地区大气气溶胶的激光雷达观测及反演算法研究

利用微脉冲激光雷达在北京地区的观测, 研究两种避开利用高空信号的反演算法。算法一,根据Fernald的反演算法把边界取在混合层中间某处, 并结合太阳光度计的观测进行反演。通过激光雷达与同一地点自动气象站的地面观测比较验证了反演结果, 表明该方案用于激光雷达的气溶胶消光系数反演是可行的。算法二,由于激光雷达近端处的信号和地面气溶胶消光系数线性相关, 从而利用地面气溶胶观测数据反演雷达常数和观测期间气溶胶平均后向散射比, 结果与第一种方案一致, 表明利用该方法反演是可行的。最后利用这次激光雷达的观测, 分析北京地区冬季一次西伯利亚高压过境时的气溶胶演变过程, 将激光雷达观测与南郊观测站地面观测进行比较, 并验证了激光雷达的反演结果和算法的可靠性。     

基于LANDSAT 8城市地温反演精度分析

利用LANDSAT 8数据,通过大气校正法和单窗算法反演的福州城市地温与福建省气象局提供的30个地面监测站的地温进行对比,估算遥感地温两种反演方法的精度,获得反演地温的经验纠正模型.结果表明:利用大气校正法和单窗算法反演出的福州城市地温范围分别为20.52~50.14℃和18.38~49.97℃,平均地温分别为29.35℃和27.51℃;以地面站点观测值为基准(n=30),大气校正法反演结果的MEA、MRE、RMSE为7.66℃、32%、8.14℃,单窗算法反演结果的MEA、MRE、RMSE为5.98℃、25%、6.62℃;以地面站点观测值空间插值为基准(n=500),大气校正法反演结果的MEA、MRE、RMSE为5.95℃、23%、6.89℃,单窗算法反演结果的MEA、MRE、RMSE为4.47℃、17%、5.63℃.因此,单窗算法的地温估算精度高于大气纠正法,其地温纠正模型为:TS=0.329 7TS+15.469,纠正后MEA、MRE、RMSE分别为1.28℃、5%、1.62℃.     

基于模拟退火法的水力压裂裂缝参数反演

提出一种基于模拟退火的水力压裂裂缝参数反演算法, 并以合成的倾斜场数据为例, 对水压裂缝的中心位置、倾向、倾角和体积等参数进行了反演试算。试算结果表明, 与传统的梯度法或贝叶斯反演方法相比, 这种新方法在有效估算水力压裂裂缝关键参数的同时, 显著地扩大了目标函数的收敛区域, 降低了算法对裂缝参数初始值精度的依赖程度, 提升了反演算法的适用范围, 并且不需要任何裂缝参数的先验信息。该研究为水力压裂过程中裂缝参数的实时解算提供了算法基础。     

基于模拟退火法的水力压裂裂缝参数反演

提出一种基于模拟退火的水力压裂裂缝参数反演算法,并以合成的倾斜场数据为例,对水压裂缝的中心位置、倾向、倾角和体积等参数进行了反演试算。试算结果表明,与传统的梯度法或贝叶斯反演方法相比,这种新方法在有效估算水力压裂裂缝关键参数的同时,显著地扩大了目标函数的收敛区域,降低了算法对裂缝参数初始值精度的依赖程度,提升了反演算法的适用范围,并且不需要任何裂缝参数的先验信息。该研究为水力压裂过程中裂缝参数的实时解算提供了算法基础。     

基于高分四号卫星的北京市城区森林叶面积指数反演

为分析太阳多角度的光谱信息在反演森林LAI中的应用潜力,本文基于高分卫星数据构建七种常用的植被指数,并添加纹理信息,对北京市开展区域LAI反演研究.采用随机森林和线性回归,通过提取不同太阳角度的高分卫星数据的植被指数以及影像纹理均值,与实测数据建立回归模型反演叶面积指数,R2和RMSE作为指标对模型进行精度评价.与以往...     

融合合成孔径雷达和光学影像的植被覆盖区土壤湿度反演

利用合成孔径雷达(synthetic aperture radar,SAR)卫星可对土壤湿度实现大面积、时间连续的反演.针对此过程中难以消除植被遮挡的问题,提出融合SAR微波数据和光学数据,利用修正水云模型消除植被影响,求解纯粹地表后向散射系数,代入裸土区土壤湿度反演算法进行土壤湿度反演,并在武汉豹澥区域设置实测站点记录实测数据进行比对.结果分析表明,经过植被消除后,实测站点垂直极化后向散射系数平均衰减量与植被覆盖度之间时间序列上相关系数达到0.83;土壤湿度反演值与实测值趋势相关性平均提升0.08,且提升程度与植被覆盖度相关系数也达到0.8以上,表明本算法针对植被覆盖度越大区域反演效果越好.该方法通过SAR影像和光学影像融合反演长时间序列土壤湿度具有良好可信度.     

考虑地物时空异质性的云下中分辨率成像光谱仪（MODIS）波段反射率恢复

云是光学遥感影像解译及地表参数定量反演的主要障碍,破坏了遥感产品的时空连续性;而随着遥感技术的推广和应用,大量的遥感参数产品已经被用于各个领域,比如卫生领域的疾病监控、地质灾害领域的滑坡监测以及城市雨洪预警等等;云导致的遥感数据质量下降与各领域对遥感数据质量要求的不断增加构成了不断激化的矛盾。针对这一矛盾,结合当前关于云消除研究的现状;提出了一个具有物理机制的云像元反演算法。该算法在计算过程中考虑了地表在不同入射、观测方向上的二向反射分布函数(BRDF),并引入时空权重因子实现对时空异质性的考虑;这些使该算法能够保证在各种情况下均具有良好的整体精度,从而保证该算法能够胜任定量遥感领域的研究需求。应用该算法,在黑河中游地区展开实验,反演结果与中分辨率成像光谱仪(MODIS)多个波段的数据对比均展现出较好精度。其中,整体均方根误差RMSE达到0.012,整体均方根误差百分比RMSE%为8.8%,整体相关系数平方R~2达到0.98,与对比算法相比较具有极大的提升;这表明该算法理论基础扎实,并具有较好的实用性。