若尔盖高原区域碳收支参量多尺度遥感综合观测试验:科学目标与试验设计

介绍了若尔盖高原区域碳收支参量多尺度遥感综合观测试验的研究背景、科学目标、关键问题、观测方案、观测系统设置和后续观测计划.总体目标是,开展若尔盖高原区域湿地-草地生态系统碳收支参量多尺度遥感与地面同步观测试验,为人为干扰条件下湿地-草地生态系统碳收支变化过程研究积累基础数据;发展能够融合多源、多尺度遥感观测的碳收支相关参量反演模型,为实现卫星遥感对区域尺度碳收支研究提供方法和范例;建立区域尺度上的多尺度观测体系,通过多源遥感技术与生态过程模型的耦合,降低碳收支遥感监测及模拟的不确定性,更加综合地理解湿地-草地生态系统不同时空尺度上的碳收支过程;增强遥感技术在湿地生态研究的应用性,并最终为区域湿地保护提供重要依据.试验以人为干扰剧烈的若尔盖高原湿地-草地区域为试验区,以碳循环过程的关键参量为主要观测对象,利用卫星遥感、航空遥感、地基遥感、通量观测、生态观测等相关设备,开展航空、卫星和地面配合的大型综合观测试验,精细化观测若尔盖高原沼泽化草甸、湿草甸、草甸、草原等不同覆被类型的碳收支过程的各个分量.讨论了碳收支参量的多尺度观测与时空尺度扩展问题,展望了同步综合观测试验在陆地生态系统碳循环研究的应用前景.     

基于风云三号卫星微波成像仪观测的全球海气界面潜热通量遥感

海气界面潜热通量是衡量海气间能量和水汽交换的重要指标.热通量卫星遥感产品具有覆盖面广、时效性高的优势,但也存在观测非同步、潜热通量精度较低的问题.由于近表面空气比湿度是潜热通量卫星遥感的重要误差源,基于风云三号卫星微波成像仪观测数据,研究对空气比湿度反演算法进行了改进,改进后的算法与现场实测数据相比,反演精度有明显的提...     

遥感数据在水文模拟中的应用研究进展

水文模型已成为水文研究中不可或缺的重要部分。水文模型在经过黑箱模型阶段和集总式模型阶段后,现已发展到分布式水文模型阶段。相比于传统的站点观测,遥感技术由于能够获取面源信息、资料相对易获取并有稳定的较长时序观测等优势在水文模型中获得越来越广泛的应用。同时,近年来遥感数据产品在观测能力、可靠性和准确性、多源融合技术、卫星组网技术等方面取得了长足进展。遥感数据在水文模型中的应用主要有获取驱动数据,获取参数和边界条件,获取状态变量等3种方式。近些年来由于数据同化技术的发展,通过同化遥感观测数据改善水文模型模拟结果已成为遥感数据在水文应用中的一大研究热点。当前,遥感观测仍存在不确定性较高、时空尺度问题、瞬时观测、难以获取深层土壤信息等问题需要克服,如何在水文模型中充分利用不同来源、不同尺度的观测数据将是未来水文学研究的一个重要方向。     

半干旱区土壤热通量遥感估算模型的适应性对比分析

提出了一种基于地表温度的土壤热通量遥感估算模型,结合另外两种应用比较广泛的遥感估算模型,分别是Moran(1989)提出的基于归一化植被指数NDVI、净辐射通量的模型和Bastiaanssen(1998)的基于NDVI、地表反照率、地表温度、净辐射通量的模型,利用MODIS遥感数据对这3种土壤热通量的模型进行了试验分析。参照半干旱区退化草地和农田地面站点实测的土壤热通量数据,3种遥感模型的试验结果表明:提出的基于MO-DIS地表温度的模型得到的土壤热通量精度最高;Bastiaanssen(1998)模型也能得到精度相当的土壤热通量,特别是它得到的可利用能量精度最高;Moran(1989)模型反演的土壤热通量误差最大。     

“全球生态系统碳循环关键参数立体观测与反演”项目概述与研究进展

准确评估全球碳循环是准确估算未来大气CO₂浓度、预测气候变化的关键。目前全球陆地与海洋碳源汇估算时空不确定性大。除碳循环模式理论和认知存在缺陷外,全球尺度上缺乏精细时空分辨率的生态系统碳循环参数观测数据是造成全球碳循环估算存在巨大不确定性的重要原因之一。为此,项目以立体观测为技术手段,通过协同全球台站观测资料和多源卫星遥感数据,研制要素齐全的高质量陆地与海洋生态系统碳循环关键参数产品（GLOCC）,不仅包括主要碳源汇直接观测产品,如陆地生态系统生产力、生物量、土壤碳库和海水二氧化碳分压、海水颗粒有机碳等;还包括陆地与海洋生态系统光合作用关键参数以及碳循环模型过程关键变量。项目执行3 a多来,收集与处理了1981~2019年来的28种国内外卫星数据和19种全球碳循环产品生产相关的全球遥感产品,攻克了多源卫星遥感数据的一致性处理关键技术,发展了陆地与海洋生态系统碳循环关键参数的高精度卫星反演关键技术,初步研制了GLOCC碳参数产品生产与共享平台,并通过集成国内外卫星遥感数据,将部分陆地生态系统碳参数的时间分辨率从8 d提高到5 d。目前已经有7个GLOCC产品在国内外多个数据中心提供了产品共享服务。项目预期能够为全球变化研究提供时空分辨率高、时间序列长、碳循环参数全的遥感产品,并服务于全球碳源汇准确估算需求,并提供全球和区域碳收支的重要科学数据。     

基于SOA架构的碳通量数据在线处理系统开发与应用

涡度相关技术是目前CO₂通量观测使用较为广泛的方法,由于环境和气象条件等问题观测数据经常有异常或缺失,因此观测数据在使用之前需要进行一系列的校正等处理工作。中国陆地生态系统通量观测研究网络 (ChinaFLUX) 结合国内外相关研究,制定了一套30 min CO₂通量数据处理流程,主要步骤包括数据质量控制、缺失数据插补及分解和统计;并开发了ChinaFLUX桌面版通量数据处理系统,解决了传统通量观测数据处理工作中存在的处理过程繁琐、方法不统一、处理不及时等问题。但该系统自身也有一些局限性,例如用户需在本地安装客户端程序,若系统更新则需相应升级,且系统运行效率依赖于用户的软硬件平台等。为了尝试解决这些问题,本文基于面向服务的体系架构(SOA,Service-Oriented Architecture)和Web Service技术,设计并开发了便于共享、即时可用的通量数据在线处理系统,实现了不依赖于操作系统和软件平台的方便、快捷的在线通量处理,用户只需一个Web浏览器即可随时随地在线处理通量数据。本研究成功地将SOA架构应用到了ChinaFLUX通量数据处理业务上,解决了桌面版通量数据处理系统存在的问题。     

机载L波段微波辐射计数据反演表层土壤水分研究

土壤水分是联系地球表层物质能量交换的重要纽带,准确监测土壤水分对区域气候、生态、水文及农业生产研究意义重大。机载L波段微波辐射计提供了获取区域土壤水分"真值"的有效手段。结合黑河中游航空试验中的多源遥感及地面观测,发展了一种基于0°入射角的L波段被动微波亮温数据的单通道土壤水分反演方法,获得了研究区3景约700m空间分辨率的土壤水分反演结果。并对其反演结果进行了点尺度、面尺度和村社尺度3种不同空间尺度上的验证,结果显示:L波段被动微波遥感反演土壤水分在点尺度上的验证精度在0.035~0.055m3/m3之间;面尺度上验证精度略高于点尺度,其验证偏差在0.02m3/m3以内;反演土壤水分与村社尺度的灌溉数据,即距前次灌溉的间隔日数,在空间上负相关关系明显,二者间相关系数约为0.3。     

基于机器学习和大数据平台的陆地生态系统碳收支遥感监测

陆地生态系统碳收支是全球碳循环研究的重要指标,也是气候变化的重要参数。针对该指标估测的不确定性,基于陆地生态系统通量观测研究网络的实测碳通量数据及遥感卫星观测数据产品,利用机器学习方法进行建模研究。研究选用随机森林算法自动从高质量的星—地训练数据集中学习特征、挖掘数据中的隐含信息以及时序间依赖关系的差异,建立了基于随机森林算法的碳收支参数GPP（Gross Primary Production）、NEP （Net Ecosystem Production）估算模型,并选择标准指标利用验证数据集对模型进行了客观评价。结果分析表明：与MODIS GPP产品相比,该方法在估算精度上有了提高,其中落叶阔叶林预测结果最优,决策系数为R²为0.82,均方根误差为1.93 gCm^-2 d^-1,在其他植被类型上也明显优于传统光能利用率模型产品,更接近于地面通量观测数据。基于相同方法建立的NEP模型也得到了较好的估测结果,落叶阔叶林预测模型的输出结果与通量塔获得的NEP相关关系R²为0.70,RMSE=1.75 g C m^-2 d^-1。GPP和NEP模型精度差异也表明,在进行机器学习建模时,训练数据集自变量的选择仍然需要机理模型支持。为进行陆地生态系统碳收支大范围快速估算,本研究进行了陆地生态系统碳收支遥感监测平台的搭建,该平台以GEE （Google Earth Engine）大数据平台作为数据存储与计算后端,Django和Nginx作为Web服务框架,OpenLayers和jQuery作为前端框架,从而实现了碳收支参数长时间序列大范围的快速计算、结果实时显示等功能。基于该平台和模型获取的2002—2016年全球（60°N—60°S）逐年GPP结果表明,全球平均GPP存在明显的空间差异,显著增加的区域主要集中在亚洲东部地区及北美洲森林地区等。研究表明,基于机器学习和大数据平台进行碳收支参数遥感监测,能够快速提供与地面真实观测较为一致的陆地生态系统区域和全球尺度碳收支遥感监测结果,该流程在一定程度避免了生理过程模型复杂的参数设置,减少了区域和全球大尺度碳收支监测的不确定性。     

基于高时空分辨率融合影像的红树林总初级生产力遥感估算

红树林是热带与亚热带地区潮间带具备高植被生产力和高储碳量的滨海湿地植被类型,在维系全球碳平衡过程中扮演着重要的角色。目前通量站点尺度的红树林生产力研究已取得了一定的进展,然而由于受到遥感影像时空分辨率和红树林斑块分布的限制,区域尺度红树林总初级生产力（Gross Primary Production,GPP）估算仍少有涉及。基于影像融合算法获得的高时空分辨率植被指数数据集,结合红树林通量观测数据开展光能利用率模型的参数估计和模型验证研究,实现了区域尺度的红树林GPP估算,获取了一套2012年广东省高桥红树林GPP高时空分辨率数据集。数据验证得到的决定系数R² = 0.64,较现有的MOD17A2和GLASS产品GPP估算精度提高了48.9%。实验结果显示：高桥红树林最大光能利用率为3.07 g C MJ^-1,研究区内全年GPP均值为1 915.4 g C m^-2 a^-1。红树林季节平均GPP夏、秋季大于春、冬季。该方法和估算数据可为区域尺度红树林生产力研究和红树林保护提供高精度数据支持。     

黑河中游试验区不同分辨率LAI数据处理、分析和尺度转换

008年开展的黑河综合遥感联合试验获取了大量野外实测叶面积指数(LAI)数据以及遥感LAI产品。在利用LAI地面点观测数据对遥感影像进行验证或者不同分辨率遥感产品相互比较的过程中存在由于地表异质性引起的尺度效应,导致无法直接进行验证、比较,需要进行尺度转换。以基于泰勒级数展开的尺度转换模型为基础,研究不同源LAI之间的尺度转换方法。包括两部分内容：① 以高分辨率影像为辅助数据将地面实测点尺度的LAI转换到中、低分辨率遥感像元尺度;② 利用高分辨率影像作为亚像元信息对低分辨率LAI产品进行尺度纠正。结果表明,利用泰勒级数展开模型进行尺度转换是一种简单可行的方法,经尺度转换的地面实测点尺度LAI可用作像元尺度数据比较验证的参考。     

多源数据小麦条锈病预测研究

小麦条锈病是导致小麦大规模减产的气传性病害,其传播扩散过程受多种因素影响,常用的作物病害气象预测模型难以准确模拟。为实现小麦条锈病发病率的精准预测,提出一种基于气象和遥感数据建立的SEIR-StripeRust动态预测模型。以甘肃省陇南地区为研究区,首先基于气象数据和MODIS遥感数据分别构建气象因子和植被指数,然后与发病率进行相关性分析筛选敏感因子并耦合基本感染率,进而建立SEIR-StripeRust模型,最后采用后向传播神经网络（BPNN）、支持向量回归（SVR）和多元线性回归（MLR）模型对比验证SEIR-StripeRust模型的有效性。结果表明：平均气温、相对湿度和归一化植被指数与小麦条锈病发病率显著相关,其建立的SEIR-StripeRust模型预测精度最高,决定系数R² 达到0.79,均方根误差RMSE为0.10,平均绝对误差MAE为0.09,均优于相同特征变量下的BPNN、SVR和MLR模型。研究结果表明SEIR-StripeRust模型能够有效预测小麦条锈病发病率,并为县域尺度的小麦条锈病预测和精确防控提供技术支持。     

使用高分遥感影像获取塔里木河胡杨高度信息

森林高度在森林生态状况、生物量水平研究中是一个重要参数,目前存在的多种获取树高的遥感技术,都不同程度存在一些问题。塔里木河下游胡杨林作为干旱区内陆河流域荒漠生态系统的核心构件和重要生态恢复对象,了解其高度信息有助于科学评估塔河下游受损生态系统的恢复程度。使用高分辨率遥感影像,利用面向对象影像分析技术,获取单木尺度的胡杨树冠,并提取对应的光谱、纹理和几何特征;在使用消费级无人机获取的树高数据支持下,分别使用Linear、MLP（Multilayer Perceptron, MLP）、PACE 和SVR（SVM Regression, SVR）方法建立树高回归模型获取塔里木河下游胡杨高度信息。结果表明：①基于光谱、纹理和几何特征建立的树高回归模型R²为0.668 7,RMSE为0.942 6 m,说明结合使用高分辨率卫星遥感和无人机遥感技术可以用于获取单木尺度的胡杨树高;②当使用所有特征时,MLP、PACE和SVR回归模型的相关系数均大于0.81,其中PACE回归模型精度最高;③在单木尺度上,光谱特征中包含有较多的树高信息,其次是纹理特征。     

An approach to demarcate ground water potential zones through remote sensing and a geographical information system

In order to demarcate the ground water potential zones of Marudaiyar basin different thematic maps such as, lithology, landforms, lineaments and surface water bodies at a 1: 50000 scale were prepared, using remotely-sensed data as well as drainage density and slope classes from Survey of India topographical sheets. In addition, a soil map at 1:50000 scale covering the study area was generated from a 1:250000 scale soil map prepared by the Soil Survey and Landuse Organization by regrouping the soil types based on their hydrological characteristics. All the thematic layers were integrated and analysed using a model developed with logical conditions in the geographical information system (GIS). The ground water potential zones map generated through this model was verified with the yield data to ascertain the validity of the model developed. The verification showed that the ground water potential zones demarcated through the model are in agreement with the bore well yield data collected in the field. Since the present approach was built with logical conditions and reasoning, this approach can be successfully used elsewhere with appropriate modifications. Thus, the above study has clearly demonstrated the capabilities of remote sensing technique and GIS in demarcation of the different ground water potential zones, particularly in such a diverse geological set up.     

内陆水体悬浮物波段比值优化模型及藻类丰度对模型精度影响研究

内陆水体中浮游植物的存在对悬浮物（TSM）遥感反演模型精度具有一定的影响,藻类丰度会导致水体遥感反射率降低。实验基于中国、澳大利亚和美国内陆水体的372个采样点（4个数据集）水质分析和光谱实测数据,构建内陆水体遥感反射率与TSM的相关关系,建立最优波段比模型（OBR）,并分析了藻类颗粒物存在对该模型精度的影响。由于水质的不均一性,不同区域的水质参数敏感波段存在差异,因此各数据集用于建模的最优波段比值不同。结果表明,OBR模型精度较高,误差较小,中国水体模型验证均具有较好效果（石头口门水库：R²=0.87,RMSE=14.1 mg/L;查干湖：R²=0.82,RMSE=23.6 mg/L）,澳大利亚水体模型验证效果最佳,R²值高达0.95（RMSE=4.2 mg/L）,美国水体模型精度较低（R²=0.78,RMSE=3.7 mg/L）。研究发现,模型精度受水体叶绿素（Chla）浓度和Chla/TSM比率影响,当水体以TSM浓度较高的非藻类颗粒物为主时（如中国石头口门水库和南澳洲地区水体数据集）,最优波段比值模型表现更好;而当水体以浮游植物为主时,水体中的浮游植物的丰度会使光谱信号复杂化,从而限制或降低TSM浓度遥感算法的精度（如美国印第安纳州中部水库数据集）。     

A new model of gross primary productivity for North American ecosystems based solely on the enhanced vegetation index and land surface temperature from MODIS

Many current models of ecosystem carbon exchange based on remote sensing, such as the MODIS product termed MOD17, still require considerable input from ground based meteorological measurements and look up tables based on vegetation type. Since these data are often not available at the same spatial scale as the remote sensing imagery, they can introduce substantial errors into the carbon exchange estimates. Here we present further development of a gross primary production (GPP) model based entirely on remote sensing data. In contrast to an earlier model based only on the enhanced vegetation index (EVI), this model, termed the Temperature and Greenness (TG) model, also includes the land surface temperature (LST) product from MODIS. In addition to its obvious relationship to vegetation temperature, LST was correlated with vapor pressure deficit and photosynthetically active radiation. Combination of EVI and LST in the model substantially improved the correlation between predicted and measured GPP at 11 eddy correlation flux towers in a wide range of vegetation types across North America. In many cases, the TG model provided substantially better predictions of GPP than did the MODIS GPP product. However, both models resulted in poor predictions for sparse shrub habitats where solar angle effects on remote sensing indices were large. Although it may be possible to improve the MODIS GPP product through improved parameterization, our results suggest that simpler models based entirely on remote sensing can provide equally good predictions of GPP.     

基于KPCA光谱特征约束的水边线提取算法

为充分利用遥感影像的多波段光谱特征,提高水边线的提取精度,提出了基于核主元分析（KPCA）光谱特征约束的水边线提取模型。利用KPCA变换提取水体样本的光谱特征,采用最大似然法估计特征空间中水体光谱特征概率密度函数的特征参数,进而构建水体的光谱特征项。以测地线活动轮廓（GAC）模型为基础,建立图像数据项。结合光谱特征项和图像数据项建立水边线提取模型。在Landsat TM数据集上进行的水边线提取实验验证了算法的有效性,与GAC模型和基于距离正则化的水平集方法（DRLSE）相比较,该算法提取的水边线,在保证一定运行速度的情况下,更准确。     

改进YOLOv3的遥感影像小目标检测方法

针对当前目标检测任务中对小目标检测识别率低,漏检率高的问题,提出一种基于门控通道注意力机制（EGCA）和自适应上采样模块的改进YOLOv3算法。该算法采用DarkNet-53作为主干网络进行图片基础特征提取;引入自适应上采样模块对低分辨率卷积特征图进行扩张,有效增强了不同尺度卷积特征图的融合效果;在三个尺度通道输出预测结果之前分别加入EGCA注意力机制以提高网络对小目标的特征表达和检测能力。将改进的算法在公开数据集RSOD（remote sensing object detection）上进行实验,小目标检测精度提升了8.2个百分点,最为显著,平均精度AP值达到56.3%,较原算法提升了7.9个百分点。实验结果表明,改进的算法相比于传统YOLOv3算法和其他算法拥有更好的小目标检测能力。     

1992~2013我国干旱区城市不透水遥感制图与扩张过程分析

城市不透水地表作为城市建成区的重要环境指标和物理参数,在城市管理规划、环境评估、灾害预测、城市热岛以及气候变化等领域具有重要价值。及时准确地获取区域尺度城市不透水地表信息,对于城市发展综合规划、科学研究等具有重要意义。以DMSP（Defense Meteorological Satellite Program）和MODIS（Moderate Resolution Imaging Spectroradiometer）为主要数据,通过构建植被调节型不透水指数（Vegetation-Adjusted Impervious Surface Index, VAISI）和非线性机器学习模型支持向量回归（Support Vector Regression, SVR）,完成了1992~2013年我国干旱区主要城市不透水面的22期遥感制图与变化过程聚类分析。研究结果表明：近20 a来我国干旱区城市不透水面总体上扩张幅度较大;时间变化过程上呈现显著扩张的趋势,且这一扩张在过程在2000年前后出现了提速;空间上,干旱区城市扩展的区域异质性显著,各城市不透水面扩张速度不均衡,不同等级规模城市扩张的速度差异明显。结合城市扩张动态度和城市面积聚类分析,我国干旱区主要城市的扩张过程可分为：高速扩张型、快速扩张型、中速扩张型和低速扩张型。     

遥感数据异地归档方法研究与实现

遥感数据异地备份是在数据中心和备份端各自保存一份遥感数据,并提供数据恢复手段的容灾技术.遥感数据异地归档是遥感数据异地备份的基本组成部分,是实现遥感数据异地备份的关键.为实现遥感数据异地备份中异地归档功能,本文针对异地归档过程中的难点和问题,提出了遥感数据异地归档方法,并从技术角度出发提出解决方案.