时序NDVI数据集重建综合方法研究

时序NDVI数据集已经成功地应用于全球与区域环境变化、植被动态变化、土地覆盖变化和植物生物物理量参数反演等多方面的研究。时序NDVI数据集受到云和气溶胶等大气条件和传感器自身等因素的影响包含很多噪声,影响了其进一步的应用。基于对近几年来普遍使用的5种重建方法的对比分析结果,发展了基于标准差权重和噪声点性质的两种综合方法。以黑河流域2009年16 d最大值合成的MODIS NDVI数据为例,对比了两种综合方法与5种重建方法的效果;并用2009年5月下旬至8月上旬的地面实测NDVI数据验证了两种综合方法的重建效果。结果表明这两种综合方法的效果都优于对比的5种重建方法,它们既保留了原始数据中大部分的点,又最大限度地修正了噪声点,所生产的时序NDVI数据集,可以更好地用来开展全球与区域土地覆盖和植被动态变化监测等研究。     

长时间序列NDVI数据重建方法比较研究进展

长时间序列遥感数据集被广泛应用于全球或区域环境变化、植被动态变化、土地覆盖变化和植物生物物理参数反演等研究,受云、气溶胶、太阳高度角和地物二向反射等因素的影响,这些数据集本身存在很多噪声,限制了数据的深入分析和应用,因此,数据重建是应用前的重要工作。在总结归纳现有时间序列重建方法的基础上,综述了重建方法比较研究的成果,深入比较了常用重建方法对参数的设置要求,分析了目前对重建效果的评价方法以及存在的问题,同时对时间序列数据重建通用软件及其发展作了详细介绍。最后提出了时间序列重建以后的研究重点和发展方向,以期为长时间数据重建研究和应用提供帮助。     

2001~2010年松木希错流域植被动态变化遥感研究

遥感在区域植被变化研究中具有十分重要的作用,能为大面积监测植被状况的演化过程提供技术支持。NDVI在高植被覆盖地区存在过饱和现象,对稀疏地区的植被变化尤其敏感。以古里雅冰帽南部的松木希错流域植被相对稀疏区域为研究区,基于MODIS NDVI数据和逐月气象观测数据,以及RS和GIS平台,对该区域2001~2010年主要植被变化趋势进行了初步研究,并对植被变化与气候驱动因子的关系进行了分析和探讨。结果表明:① 2001~2010年间该区域的植被活动有加强趋势;② NDVI表明研究区植被生长季较短(5~9月),NDVI浮动区间为0.11～0.13,低于全国水平(0.3～0.35),也低于全球稀疏灌丛的平均水平(0.2～0.4);③NDVI与年均气温整体上呈正相关,而与年降水量相关性不强。表明近年来持续升温是影响该区域植被活动加强的最主要原因。     

中国区域2007~2018植被荧光时空变化与气候响应模式研究

基于GOME-2 卫星日光诱导叶绿素荧光（SIF）产品数据集,对2007~2018年中国区域SIF进行时空变化分析,探讨了中国区域SIF对气温、降水、辐射等气候变化的响应。结果表明：①中国植被区域SIF总体上呈现从东南向西北递减的空间分布,12 a间年均SIF增加了20.2%,增幅达0.034 mW/m²/sr/nm,增加区域占比为80.3%,呈显著增长区域占比25.7%,增长区域主要分布在植被较为密集的中国东部、南部和东北部。②季节尺度上,夏季SIF增加的区域和幅度最大,增幅达0.065 mW/m²/sr/nm,增加区域占比为82.1%,呈显著增长的区域占比19.4%,SIF增长区域与年均SIF的趋势基本一样。春季和秋季SIF总体也是呈增长的趋势,而冬季只在中国南部增长趋势明显。③与气候因子的偏相关响应分析表明,在寒温带针叶林区域,气温是SIF增长主要的影响因子;在暖温带及温带植被区域,降水是SIF增长主要的影响因子;在亚热带常绿阔叶林区域,影响SIF增长的更可能是人类活动;对处于较低纬度地区的热带季风雨林区域来说,辐射是SIF增长的主要影响因子。研究结果揭示了2007~2018年间的中国区域植被荧光时空变化规律及其与气候变化间的响应关系,可为全球碳循环研究提供必要的数据支撑。     

遥感数据融合下的雄安新区NPP时空格局分析

高时空分辨率数据对实现植被生产力动态监测和生态环境评估具有重要意义。以雄安新区为研究区,基于改进的ESTARFM融合模型构建高时空分辨率NDVI数据集,结合改进的CASA模型,模拟和分析了2000~2018年区域植被NPP的时空变化特征,并探讨气温与降水对NPP的影响。结果表明：①改进的ESTARFM融合模型预测结果性能较好;②研究区NPP的分布在空间上与土地覆被密切相关;③NPP在2000~2018年的变化趋势并不显著,但有明显的阶段性波动特征,主要是受到城镇化发展与农业技术水平提高等作用的影响;④由于区域气候的变化引起植被水分胁迫,降水对植被NPP的影响较气温更为显著。该研究能为雄安新区及其他区域的可持续发展评估提供一定的科学依据和借鉴意义。     

基于AVHRR和TM数据的时间序列较高分辨率NDVI数据集重构方法

由于技术条件的限制,一个传感器很难同时具有高空间分辨率和高时间分辨率。然而,在高分辨率尺度上监测地表景观季节性变化的能力是全球的迫切需要,融合周期短、覆盖范围广与分辨率高、周期长的遥感数据是一种较好的方法。基于AVHRR时间分辨率高和TM空间分辨率高及其数据积累时间长的特点,选择若尔盖高原为研究区域,在改进ESTARFM方法的基础上,对TM NDVI和AVHRR NDVI进行融合,构建高时空分辨率的NDVI数据集。研究结果表明:该方法能有机结合AVHRR NDVI的时间变化信息与TM NDVI的空间差异信息,有效实现高时空分辨率NDVI数据集的重构,3景预测高分辨率NDVI与MODIS NDVI产品相关系数分别达到了0.89、0.91和0.85。该方法能够在时间上保留高时间分辨率数据的时间变化信息,同时在空间上反映高空间分辨率数据的空间差异信息,从而为有效构建相对高分辨率时间序列NDVI数据集提供了可能的方法。     

2007~2018年中国陆地植被总初级生产力与日光诱导叶绿素荧光的时空格局及其气候调控

日光诱导叶绿素荧光（SIF）作为总初级生产力（GPP）的替代指标,在区域GPP估算上表现出巨大的潜力。植被SIF和GPP具有较好的线性关系,但是不同的气候条件对SIF-GPP关系的影响仍不清晰。利用2007~2018年MODIS GPP和GOME-2 SIF以及环境条件（温度、降水、辐射等）研究中国陆地植被GPP和SIF的时空格局以及环境因子的调控。结果发现中国陆地植被GPP和SIF时空格局是一致的,但是作为表征光能分配的新指标GPP/SIF在空间分布上存在显著的差异。此外,SIF产量（SIF_Yield）受到约束GPP的环境因子（最小温度、饱和水汽压差、土壤水分和APAR）的共同调控,间接证实了SIF和GPP紧密的联系。因此,由于在时间和空间上SIF与GPP的关系受到环境条件的调控,使用基于卫星的SIF准确估算区域GPP应该考虑环境因子的约束。     

应用叶绿素荧光估算植被总初级生产力研究进展

日光诱导叶绿素荧光作为光能在叶片上光合作用的伴生产物，包含丰富的光合信息，被认为是可以表征植物光合作用的快速、无损“指示器”。叶绿素荧光在研究植物胁迫、病虫害监测、估算植被总初级生产力（Gross Primary Production， GPP）等方面发挥着独特的作用。陆地植被GPP是研究全球气候、碳循环变化、全球生态系统等的重要内容。准确、及时地掌握GPP的时空分布特征，有利于深入理解生物圈与大气圈之间的相互作用，可为开展减缓全球气候变化的生态过程管理提出相应建议和对策。相比于植被指数，叶绿素荧光对植被光合作用的敏感程度更高，已被证实可以更直接有效地监测GPP，显著优于传统的GPP估算方法。深入探讨了叶绿素荧光在遥感估算GPP领域的基本原理、方法、不确定性以及最新进展，并对其面临的挑战和未来趋势进行了分析。     

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。     

矿区植被叶绿素反演的最佳波段组合探讨

针对不同于单一植被种类或受单一胁迫影响区域的矿区复垦土地生态环境、植被种类及生长状况的复杂性特征,以及利用传统遥感影像反演其植被叶绿素的精度低、代价高这一问题,探讨了反演矿区植被叶绿素含量的新方法。研究基于WorldView-2影像的多波段组合反演矿区植被叶绿素含量,得到若干个波段组合的空间分布值,并于实地采集数据对各波段组合得到的反演结果进行了相关性验证。结果表明:与矿区实地植被叶绿素含量相关性最强的是由WorldView-2影像的红边波段和近红外1波段组合得到的归一化差异植被指数,其相关性达到0.668,在0.01水平(双侧)上显著相关,可用于复垦地植被叶绿素的反演。该文为新方法新波段在矿区植被叶绿素含量反演方面的应用提供参考依据,对拓展WorldView-2影像的应用范围具有一定的现实意义。     

基于TROPOMI叶绿素荧光遥感的冬小麦旱情监测

针对太阳诱导叶绿素荧光（Solar-Induced chlorophyll Fluorescence, SIF）可以有效指示陆表植被水分胁迫的特点,提出了归一化叶绿素荧光干旱指数（Normalized SIF Drought Index, NSDI）用于黄淮海地区冬小麦旱情监测。该方法首先基于哨兵-5p卫星（Sentinel-5p）对流层观测仪（Tropospheric Monitoring Instrument, TROPOMI）传感器反演得到的SIF原始产品集,通过0.1°等经纬步长栅格化处理为空间连续数据,然后基于时间序列分析进行了缺失值线性插补,再经过S-G滤波重建获得了高时空分辨率荧光数据集。以此数据集为基础,结合研究区冬小麦分布数据构建NSDI指数。通过选取典型旱情事件对比分析,NSDI指数与同期归一化植被指数（Normalized Difference Vegetation Index, NDVI）以及温度植被干旱指数（Temperature Vegetation Drought Index, TVDI）都有良好的相关性,其中与NDVI的R²为0.60,与TVDI的R²为0.41;NSDI指数与野外土壤水分调查结果也高度相关,其中河北样区R²为0.53,山东样区R²为0.54,整体R²为0.51;通过物联网监测数据分析显示,NSDI指数可以在优于2 d的滞后期内响应旱情的变化,其变化趋势与田间土壤水分保持高度相关。实验结果表明：NSDI指数可以在时空尺度上有效指示黄淮海地区冬小麦旱情。     

全球日光诱导叶绿素荧光卫星遥感产品研究进展与展望

卫星反演的日光诱导叶绿素荧光（Solar-Induced chlorophyll Fluorescence, SIF）是全球植被生产力遥感监测的理想工具。现有的诸多大气成分探测卫星的高光谱载荷可以满足卫星平台SIF遥感探测的需求,中国和欧洲也计划发射专门的SIF卫星探测器。国内外学者生产了一系列全球SIF卫星遥感产品,并开展了SIF产品时空尺度扩展研究,为SIF应用研究提供了丰富的数据源,但现有的全球SIF产品仍然存在诸多局限性。系统梳理了现有和计划发射的SIF卫星载荷、目前公开发布的SIF卫星遥感产品、以及SIF时空尺度扩展产品,并从应用需求的角度出发,总结了现有全球SIF产品存在的问题和后续SIF卫星探测计划的发展方向,为现有SIF卫星产品的应用以及未来SIF探测卫星载荷方案的设计提供参考。     

Geohash编码抗k近邻攻击的脆弱性分析

Geohash编码作为一种降维技术目前已应用于空间数据库和空间数据引擎中,但其安全性还有待进一步研究。文章关注Geohash编码存在的安全漏洞,从理论上分析了此种降维技术产生推理通道的原因,并提出一种基于k近邻查询的加密Geohash字段重构算法,通过观察大量k近邻查询响应中的明文信息进行统计推断并重构出加密Geohash的原始值。对加密兴趣点数据库进行重构实验,实验表明,观察到的查询响应数量越多,重构值的精确度越高。在Geohash编码精度为30 bit的情况下,当观察到100000到3000000次查询响应时,重构值与原始值平均误差为0.074%到0.015%。该实验揭示了Geohash编码在抵抗k近邻查询推理攻击方面的脆弱性及形成机理,将促进相关地理信息系统行业的安全应用与研究。     

基于深度学习的人脸识别算法研究

考虑到现实环境中的人脸图片在角度、光线、分辨率上的复杂程度,对Inception-ResNet-V1网络结构进行了改进,同时完成了数据集制作、超参数调节等相关工作,并在家庭服务机器人平台上进行了实验研究。实验结果表明,改进的网络结构在LFW测试集上准确率达到99.22%,高于原始网络结构的99.05%;在亚洲人脸数据集上准确率达到99.20%,高于原始网络结构的97.10%;在自建非匹配人脸数据集上误识别率为3.43%,低于原始网络结构的12.28%。可以看出,与原始网络结构相比,改进网络结构提升了人脸识别的准确率且降低了误识别率。     

Validation and comparison of 1 km global land cover products in China

Four 1 km global land cover products are currently available to the scientific community: the University of Maryland (UMD) global land cover product, the International Geosphere–Biosphere Programme Data and Information System Cover (IGBP‐DISCover), the MODerate resolution Imaging Spectrometer (MODIS) global land cover product and Global Land Cover 2000 (GLC2000). Because of differences in data sources, temporal scales, classification systems and methodologies, it is important to compare and validate these global maps before using them for a variety of studies at regional to global scales. This study aimed to perform the validation and comparison of the four global land cover datasets, and to examine the suitability and accuracy of different coarse spatial resolution datasets in mapping and monitoring cropland across China. To meet this objective, we compared the four global land cover products with the National Land Cover Dataset 2000 (NLCD‐2000) at three scales to evaluate the accuracy of estimates of aggregated cropland areas in China. This was followed by a spatial comparison to assess the accuracies of the four products in estimating the spatial distribution of cropland across China. A comparative analysis showed that there are varying levels of apparent discrepancies in estimating the cropland of China between these four global land cover datasets, and that both area totals and spatial (dis)agreement between them vary from region to region. Among these, the MODIS dataset has the best fit in depicting China's croplands. The coarse spatial resolution and the per pixel classification approach, as well as landscape heterogeneity, are the main reasons for the large discrepancies between the global land cover datasets tested and the reference data.     

压缩感知在Micro-CT图像超分辨重建中的应用

Micro-CT成像中重建图像的分辨率往往受到X射线的辐射剂量和探测器单元的孔径及大小的限制。在不改变原有成像参数的前提下,通过将重建图像网格的上采样以及重建图像的稀疏性假设先验,提出一种基于全变差模型的Micro-CT图像超分辨率重建模型。基于扩展梯度投影方法,将模型解耦分解为沿保真项的梯度方向下降、TV去噪、两步迭代结果线性组合这3步交替迭代求解。对模拟图像和实际数据进行了仿真测试,并同传统的滤波反投影方法进行了比较。实验结果表明,该算法能够有效提高重建图像的分辨率。     

基于Cubist的中国植被区域叶绿素荧光数据重建

日光诱导叶绿素荧光(Solar-Induced chlorophyll Fluorescence,SIF)是植物在太阳光照条件下,在光合作用过程中发射出的光谱信号(650～800 nm),SIF相比于植被指数等参数更能直接地反映植被光合作用的相关信息,为大尺度GPP估算带来了新的途径.但目前卫星SIF数据或存在分辨率较...     

整合机载CASI和SASI高光谱数据的北方森林树种填图研究

将机载CASI和SASI高光谱数据整合,既可以获取可见光-近红外-短波红外区间连续的窄波段地物光谱,又能得到很高的空间分辨率,为高覆盖度的森林树种识别又增加了一种新方法。但是由于两种传感器的光谱响应不同,接收到的辐射值差异较大,如何将两种数据有效整合目前仍是一个难题。CASI和SASI覆盖谱段不同,受大气影响程度也不同,根据植被反射和吸收光谱特性,首先用基于统计模型的经验线性法和基于辐射传输的MODTRAN模型分别对CASI和SASI大气校正,复原地物光谱真实的反射率。然后去除反射率光谱包络线,用Savitzky\|Golay滤波函数对归一化后的光谱曲线进行平滑,以去除噪声及异常点,实现CASI和SASI数据（CASI+SASI）的整合。与实测光谱曲线对比发现,整合后的CASI+SASI光谱曲线与实测光谱曲线匹配度较高,并且比单一传感器的光谱信息更丰富,有利于不同树种的区分识别。最后应用光谱微分及曲线匹配技术,选取SVM分类器实现了研究区的树种填图,总体精度达到86.21%,Kappa系数为0.8297,该方法有效可行,为后续的相关研究提供了参考。     

Vegetation greening in Spain detected from long term data (1981–2015)

ABSTRACT

This study describes a newly developed high-resolution (1.1 km) Normalized Difference Vegetation Index dataset for the peninsular Spain and the Balearic Islands (Sp_1km_NDVI). This dataset is developed based on National Oceanic and Atmospheric Administration–Advanced Very High Resolution Radiometer (NOAA–AVHRR) afternoon images, spanning the past three decades (1981–2015). After a careful pre-processing procedure, including calibration with post-launch calibration coefficients, geometric and topographic corrections, cloud removal, temporal filtering, and bi-weekly composites by maximum NDVI-value, we assessed changes in vegetation greening over the study domain using Mann-Kendall and Theil-Sen statistics. Our trend results were compared with those derived from some widely recognized global NDVI datasets [e.g. the Global Inventory Modelling and Mapping Studies 3rd generation (GIMMS3g), Smoothed NDVI (SMN) and Moderate-Resolution Imaging Spectroradiometer (MODIS)]. Results demonstrate that there is a good agreement between the annual trends based on Sp_1km_NDVI product and other datasets. Nonetheless, we found some differences in the spatial patterns of the NDVI trends at the seasonal scale. Overall, in comparison to the available global NDVI datasets, Sp_1km_NDVI allows for characterizing changes in vegetation greening at a more-detailed spatial and temporal scale. In specific, our dataset provides relatively long-term corrected satellite time series (>30 years), which are crucial to understand the response of vegetation to climate change and human-induced activities. Also, given the complex spatial structure of NDVI changes over the study domain, particularly due to the rapid land intensification processes, the spatial resolution (1.1 km) of our dataset can provide detailed spatial information on the inter-annual variability of vegetation greening in this Mediterranean region and assess its links to climate change and variability.