植被生化组分定量遥感反演研究进展

植物生化组分的定量遥感研究不仅在生态系统、全球变化、碳、氮循环等科学研究方面具有重要意义,而且在指导农业生产、监测农作物长势和估产、分析农田水肥状况以及植被精细分类和森林火灾预警等诸多方面也具有重要意义。在对国内外相关工作对比分析的基础上,总结了植物生化组分定量遥感研究的发展过程.从经验分析方法、半经验分析方法、物理模型方法三个方面,综述了现阶段植被生化组分的反演方法及进展,重点阐述了各方法的优势与局限,并根据当前卫星遥感的发展趋势指出了植被生化组分反演的发展前景。     

高光谱影像奇异谱特征提取和分类方法北大核心CSCD

针对高光谱影像中地物的尺度复杂多样,并且存在“同物异谱、同谱异物”现象,给影像的解译和分类带来了困难,以及高光谱影像维度过高容易造成分类中的维数灾难等难题,提出了一种结合超像素的改进二维奇异谱分析(two-dimensional singular spectrum analysis combining with superpixels,S2DSSA),与局部Fisher判别分析(local Fisher discriminant analysis,LFDA)相融合,共同提取影像的光谱-空间特征,并使用支持向量机(support vector machine,SVM)来进行分类,记为S2DSSA-LFDA-SVM的方法。超像素2DSSA将2DSSA作用于每个构造的超像素规则区域,能够自适应地提取地物的空间特征。在其基础上,LFDA进一步挖掘光谱维度的流形结构,实现光谱特征提取和降维。实验结果证明,在两个经典高光谱数据集上,所提出方法的总体精度相比于原始数据分别提升了31.7%和12.9%,相比于其他先进的光谱-空间分类算法有2%~6%不同程度的提升。     

基于GEE平台的黄河流域水体指数研究

黄河流域水体复杂,快速、准确地提取流域水体对黄河流域生态保护和高质量发展具有重要意义,但现有的水体指数无法满足去除遥感影像固有的山体阴影和精确提取复杂水体的要求。基于Google Earth Engine(GEE)平台和Sentinel-2影像,提出一种黄河流域水体指数(YRBWI),与归一化差异水体指数(NDWI)、改进的归一化差异水体指数(MNDWI)和阴影水体指数(SWI)进行水体提取效果对比。结果表明,YRBWI对黄河流域水体提取的效果最好,具体表现在可以解决山体阴影混淆问题,能准确提取高含沙量水体;与NDWI、MNDWI和SWI相比,YRBWI的OA和Kappa值最大,说明YRBWI的水体提取精度最高;YRBWI的水体提取精度对阈值的变化不敏感,具有较强的抗干扰性。