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QAA和GSM算法的水库水体吸收系数反演

本文基于13组不同季节获得的遥感反射率、水体各组分吸收系数的实测数据,对QAA和GSM算法在水库水体的吸收系数反演进行了检验。以水样测量值为参考,两种算法在本研究水体中的反演成效与他人在其它水域的研究结果相当。对于443 nm的总吸收系数,QAA算法的对数均方根误差为0.080,平均相对误差为19.446,对数平均偏差为0.069;GSM算法的对数均方根误差为0.165,平均相对误差为38.834,对数平均偏差为0.088。两种算法中的部分经验参数与实测值之间的差异是产生反演误差的主要原因,为了提高反演精度,对算法中经验参数的更进一步区域化调整可能是必要的。     

林业调查中地类面积遥感判读模型研究

为了提高森林资源二类调查中小班遥感面积测量精度,本文利用博爱县国有林场部分遥感影像建立了目视解译标志,借助CIS进行了小班面积判读,并利用CPS实测了小班面积.遥感判读数据和实测数据的平均相对误差及相关系数结果表明,除了苗圃地和竹林地平均相对误差较大外,其余地类误差均较小,所有地类的遥感判读面积与实测面积均存在显著相关...     

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.     

MODIS/Terra辅助的HJ-1B CCD1数据悬浮泥沙浓度反演研究

针对MODIS/Terra传感器服役时间超期需要后续卫星延续观测以及国产陆地卫星数据水环境遥感应用问题,以深圳湾为研究区域,利用2007年～2008年获取的40个现场实测数据与MODIS/Terra NIR-SWIR大气校正反射率数据建立MODIS悬浮泥沙浓度反演模型,以此为基础,反演2010年～2012年4景MODIS悬浮泥沙浓度分布状况,展开同步的瑞利散射校正反射率(Rrc)多波段组合因子的HJ-1B CCD1影像悬浮泥沙浓度反演模型对比研究.结果表明,在不进行气溶胶校正的情况下,HJ-1B CCD1数据波段比值算法(Rrc(660)/ Rrc(560))可以有效实现深圳湾悬浮泥沙浓度的反演,反演模型的决定系数为0.88,均方根误差为7.19 mg/L,模型验证的相对误差为7.45%,该研究对于进一步推进水环境遥感监测有一定的积极意义.     

基于RBF神经网络的水深遥感研究

为提高水深遥感反演的精度,以Landsat TM1~4波段为数据源,利用已知的水深数据作为训练样本,建立RBF神经网络模型对岱海水深进行反演试验。利用实测的水深数据检验RBF神经网络模型的反演精度,并与传统反演模型和BP神经网络模型进行对比。结果表明,RBF神经网络模型反演的水深与实测水深的决定系数为0.90,平均绝对误差为1.09 m,均方根误差为1.45 m,反演效果和精度明显好于传统反演模型;与BP神经网络模型相比精度也有提高,而且RBF神经网络模型的参数大多通过训练学习得到,应用更为便捷,在干旱内陆的咸水型湖泊水深遥感反演中有一定的应用价值。     

冬小麦多时期冠层含水量遗传优化遥感反演

开展作物冠层含水量的遥感反演有利于评估麦田干旱胁迫、实施精准灌溉.为快速获取华北地区冬小麦生长期冠层含水量,本文利用在2017年1—5月冬小麦生长期获取的Landsat-8 OLI和Sentinel-2MSI多时相遥感影像,基于混合像元分解模型,建立了归一化水指数与麦田实测含水量之间的定量关系.通过构建反演方程并结合遗传优化算法,求解冬小麦冠层含水量.对比地面实测数据,研究结果显示,本文方法能取得较优的反演结果,决定系数(R²)与均方根误差(root mean squared error, RMSE)分别为0.567和5.6%.与直接利用归一化水指数的反演方法相比,误差降低20%以上.研究表明,量化小麦冠层和土壤背景的不同线性混合比,可以有效消除土壤对小麦冠层含水量反演的影响,对小麦等作物生长的遥感监测具有重要的应用价值.     

台湾海峡及其邻近海域AVHRR遥感SST的初步验证

采用现场走航数据与站点观测数据分别对台湾海峡及其邻近海域的高(1.1 km、每天)、低(9 km、月平均)时空分辨率遥感AVHRR MCSST和PFSST产品进行检验.结果表明,MCSST和PFSST产品与两种现场资料在时空变化趋势上都有着很好的一致性,相关系数的平方(R2)在0.68以上.高分辨率MCSST精度为(0.11±0.97)℃,与美国沿岸海域验证精度相当,达到当前国际上利用NLSST算法反演LAC数据所能达到的水平.虽然低分辨率PFSST在探测强烈的温度梯度时存在不足,趋向于削弱实际的温度锋.但总体来看,AVHRR SST遥感数据可适用于分析台湾海峡及其邻近海域温度场的时间变动趋势及空间变化特征.     

阿拉斯加北极滨海平原极地湖泊的水深遥感反演

 北极滨海平原地区的湖泊水体深度对理解极地地表过程和环境变化具有重要意义。利用遥感数据反演极地湖泊水体深度具有快速和大范围的优势,但目前在极地湖泊中的研究较少。以遥感探测阿拉斯加极地湖泊深度为研究目的,实施并验证了Stumpf水深反演模型对于极地湖泊深度遥感反演的工作方法,且对该地区16 380 km²范围内分布的3 187个湖泊进行了同期深度反演,并利用船载声纳仪实测湖泊水体的深度数据对反演结果进行精度验证。结果显示水深反演结果的平均绝对误差和均方根误差分别为0.37与0.54 m,表明利用遥感技术适用于反演极地湖泊的水体深度。实验结果显示阿拉斯加北部滨海平原极地湖泊平均深度具有沿山麓向滨海平原逐渐下降的趋势。     

基于BP ANN和B算法的黄河口水深遥感比较研究

基于Landsat8 OLI传感器数据,用BP人工神经网络模拟水深法和底部反照率独立水深测量算法(bottom albedo-independent bathymetry algorithm,简称B算法)来反演黄河口水深,并与实测水深数据进行比较;然后,基于两种水深反演方法的结果进行了对比分析和适用性评价.发现,用BP神经网络模拟方法提取的水深在近岸水深小于15 m的区域和水深大于15 m的区域,反演结果与实测水深误差较大,变化趋势不一致,实测值与模拟水深值相关系数低;以B算法提取的水深与实测水深误差较小,在趋势上一致,相关系数为0.899;并基于该算法的表现,通过水深遥感制图进一步在实际应用中验证了该水深反演方法.结果表明,底部反照率独立测深算法精度高、效果好,比较适用于黄河口水深探测.