基于多时相Landsat8 OLI影像的作物种植结构提取

针对基于多时相遥感影像、多种特征量提取多种作物种植结构在我国研究较少的现状,利用多时相Landsat8OLI影像数据,根据温宿县不同作物的农事历,通过分析主要地物的光谱特征和归一化植被指数的时间变化信息,构建不同作物种植结构提取的决策树模型,实现了对温宿县多种作物种植结构信息的提取。结果表明:1水稻的最佳识别依据是5月20日影像的近红外波段和7月23日影像的NDVI值;棉花和春玉米的最佳识别依据是5月20日~9月9日影像的NDVI变化值;冬小麦—夏玉米和林果的最佳识别依据是5月20日~7月23日影像的NDVI变化值;2与单时相监督分类相比,多时相决策树法对多种作物种植结构的提取效果更理想,总体精度提高了7.90%,Kappa系数提高了0.10;3Landsat8OLI影像数据分辨率高、成本低、获取方便,是农作物遥感的良好数据源。     

融合不精准先验知识的Landsat 8 OLI影像深度学习分类方法

遥感影像解译是获得土地利用和土地覆盖（LULC）信息最为重要的途径之一,而自动化分类是提高LULC信息获取效率的关键。实际场景中包含大量不精准的先验知识,提取并融合其中的可用知识能进一步提高影像分类方法的精度、自动化率和规模应用能力。基于上述情况,提出了一种融合不精准先验知识的Landsat 8 OLI影像深度学习分类方法。该方法可自动规避先验知识中的不精准单元,在图斑约束空间内实现了分类样本的自动化区域选择和特征提取,并获得了高置信度知识,然后利用这些分类样本训练深度残差网络,从而实现大区域影像的精确分类。以常州市新北区为例进行实验,选用该区域2009年土地利用现状数据作为先验数据,2014年Landsat 8 OLI影像作为待分类影像。实验结果表明,所提方法可融合不精准先验知识,对大面积连片LULC信息分类精确,主要地类图斑界限准确,全图分类图斑精度达到了88.7%,Kappa系数为0.842。该方法能配合深度学习方法实现高精度Landsat 8 OLI遥感影像分类。     

基于Landsat8的地表温度反演算法研究——以滇池流域为例

2013年2月11日Landsat 8在加州范德堡空军基地发射升空,其携带的热红外传感器为反演地表温度提供了一种新的数据,但目前尚没有针对Landsat 8热红外波段反演地表温度的算法。针对Landsat 8第10波段特征,对现有反演地表温度的单窗算法进行了参数修正,得到了用Landsat 8第10波段反演地表温度的单窗算法系数。为了评价修正后算法的精度,用MODTRAN模拟地表温度为20、30和40℃时大气水汽含量分别为1.0、1.5、2.0和2.5g·cm-2传感器高度处的热辐射值,再将模拟数据用修正后的单窗算法反演地表温度,结果表明:地表温度越低、大气水汽含量越低,误差越小;模拟结果的平均误差为0.74℃。说明基于Landsat 8第10波段用修正后的单窗算法反演地表温度是可行的,该方法可为地表温度反演提供一种途径。最后以滇池流域为例,基于2013年4月20日的Landsat 8热红外数据反演了滇池流域的地表温度,并分析了滇池流域地表温度的分布特征。     

基于Landsat-8 OLI影像和指数法的红树林提取对比研究

红树林是全球净初级生产力最高的生态系统之一,其在全球气候变化和海岸带地理环境演变研究中发挥着重要作用。快速且准确地获取大范围红树林空间分布,对于红树林资源的有效管理和开发利用具有重要意义。Landsat系列卫星影像已成为大范围、长周期红树林分布信息提取的重要数据源。选取华南沿海的英罗湾和珍珠港作为实验区,利用Landsat-8 OLI影像结合归一化差异红树林指数（Normalized Difference Mangrove Index,NDMI）、综合红树林识别指数（Combined Mangrove Recognition Index,CMRI）、模块化红树林识别指数（Modular Mangrove Recognition Index,MMRI）、红树林指数（Mangrove Index,MI）和红树林植被指数（Mangrove Vegetation Index,MVI)5种指数来提取红树林分布信息,并对比5种指数用于红树林提取的效果,筛选适用于Landsat-8 OLI影像的最佳红树林提取指数。提出了结合归一化差异水体指数（Normalized Difference Water ...     

基于劈窗算法的Landsat 8影像地表温度反演

陆地表面温度（LST）是表征地表能量交换和地面特征的重要指标,目前遥感技术逐渐成为区域和全球尺度上LST反演的一种便捷工具,而采样不同算法及不同影像的热红外遥感LST反演研究层出不穷,其中基于Landsat数据的反演成果尤为突出。文章利用劈窗算法对Landsat 8遥感影像进行地表温度反演,对比探讨了根据经验值与借助MODIS热红外数据两种不同方式的LST反演结果,并进行北京市热红外波段辐射亮度温度比较,针对地表温度分级进行统计,分析了当地地表温度分布趋势。结果表明：劈窗算法下Landsat 8数据的反演温度更接近实际温度,精度较高且优于MODIS产品;北京市地表温度空间分布格局受地物结构与反射率所制约,高温区主要集中分布于中东部,中低温区分布与林地及水体分布结构较为吻合。     

基于机载LiDAR数据和Landsat 8影像的芬兰北部泰加林—苔原过渡带提取

泰加林—苔原过渡带对气候变化敏感,确定其位置可以帮助理解北极地区气候变化.针对当前过渡带提取中存在的自动化程度低、提取困难的问题,以芬兰北部泰加林—苔原过渡带为研究区,以高分辨率航空遥感影像和冠层高度模型生成的过渡带参考数据为基准数据,构建基Landsat影像和LiDAR数据的4个随机森林过渡带分类模型.对模型分类结果...     

基于多源遥感数据协同反演森林地表土壤水分研究

土壤水分在土壤监测中是一项重要的指标,对于农业生产、生态环境以及水资源管理有着重要的影响.随着遥感建模与反演理论的不断成熟,其逐渐成为分析土壤指标的重要技术与手段.因此,利用光学影像与雷达影像数据,以大兴安岭地区漠河市为研究区域,分别建立以Landsat 8为数据源的土壤水分反演模型和由Landsat 8影像数据与GF...     

Sentinel-2A MSI和Landsat 8 OLI两种传感器多光谱信息的交互对比

在遥感对地观测中,受卫星发射、过空时间以及大气等因素的影响,单颗卫星获取的影像难以满足长时间序列的观测需求.因此,定量研究不同卫星平台传感器数据之间的关系是非常必要的.对Sentinel-2A MSI和Landsat-8 OLI传感器之间的定量关系进行了研究,基于两种传感器的3对同日过空的无云影像对,采用样区均值法和全...     

底质分类视角下的浅海水深遥感反演北大核心CSCD

针对水深的卫星遥感反演模型多在底质均一假设下进行,较少考虑底质类型的问题,提出了一种底质分类视角下的反演模型。以南安达曼群岛、波照间岛和久米岛作为研究区域,结合实验室测量的典型底质反射率光谱,在Landsat 8 OLI上使用多种分类方法提取研究区域底质类型信息,发现支持向量机法得到的底质分类精度最佳。基于底质分类结果,利用多种模型构建不同底质类型的水深反演模型,并进一步对比未区分底质类型的水深反演模型。研究结果表明,基于底质分类的多元线性回归模型效果最佳,平均绝对误差为1.03 m,均方根误差为1.39 m,证明了区分底质类型建模可以提升水深反演精度。     

Estimation of Grassland Aboveground Biomass Using Landsat 8 OLI Satellite Image in the Northern Hillside of Tianshan Mountain

The Landsat 8 OLI remote sensing data was used to obtain six kinds of commonly vegetation indices including NDVI,RVI,DVI,EVI,GNDVI and SAVI.Meanwhile,combining with the measured data of grassland in the research area,the research area was divided into two kinds of shady and sunny slope according to the slope.Then the biomass remote sensing estimation models of shady and sunny slope in Ziniquan Ranch were created by Statistical analysis method and biomass space inversion and verification was implemented.The results of correlation analysis showed that the selected vegetation indices were significantly correlated with pasture biomass and there was a significant difference between the correlation of the classified data and the non classified data by slope,in which NDVI was the highest and EVI was the lowest.The optimal inversion model of Ziniquan Ranch biomass was based on the two order polynomial model of SAVI with the accuracy 80%.By using this model reversion,the grassland average yield of Ziniquan Ranch in 2015 was 113 g/m²,which equaled to dry grass yield 41.85 g/m².The research shows that the slope direction is an important factor affecting the distribution of biomass.Using remote sensing data and ground measured biomass data and combining with the characteristics of the topography of shady and sunny slope of the research area,the biomass estimation model has higher accuracy,which could provide scientific basis for the reasonable estimation of grassland biomass and management of grassland grazing in the pastoral area.     

基于Landsat-8 OLI和GF-1 PMS数据融合的铁染蚀变信息提取

通过对Landsat-8OLI的多光谱波段与GF-1PMS的全色波段进行数据融合,并基于融合后的数据,利用主成分分析法对研究区的铁染蚀变信息进行了提取。为了验证融合后的数据在矿化信息提取中的优势,将数据融合前后分别提取的铁染蚀变信息结果进行了对比分析。结果表明:基于融合后的数据比不进行融合的数据能够提取更丰富的蚀变信息,尤其是对微小特征的提取效果更好。     

合成孔径雷达森林树高和地上生物量估测研究进展

微波遥感具有一定的穿透性,能够与森林内部的散射体发生相互作用,从而获得指示森林垂直方向的参数,被认为在森林垂直结构参数估测方面具有很大的潜力。PolSAR、InSAR、PolInSAR、多基线InSAR以及多基线PolInSAR技术的发展进一步拓展了微波遥感在林业中的应用,为森林垂直结构参数估测提供了可行的解决方案。首先总结了森林垂直结构剖面的层析提取方法;然后重点阐述了林下地形、森林树高以及森林地上生物量的微波遥感估测方法;最后就森林垂直结构参数估测研究中存在的问题及其发展趋势进行了分析。
     

Integrating Method of Global Selected Remote Sensing Dataset based on Landsat 8

Earth observation technology provides massive multi-temporal, wide-coverage and three-dimensional remote sensing data resources for Earth System science, making it possible to observe, understand, simulate and predict the complex behavior of earth systems. However, large redundant information from the existing remote sensing data retrieval systems fails to directly meet the diverse research needs and also increases the high-quality data cleaning cost. In this study, a newly retrieval results optimization method was established based on Landsat 8 satellite metadata database in 2017. The method is to select three indicators as a data quality evaluation system, including spatial integrity, temporal proximity and cloud cover, to filter out the high-quality datasets. The simplest and customized experimental results show that this method can improve the efficiency and accuracy of data retrieval and no changes for the existing data service system.     

Combining lidar estimates of aboveground biomass and Landsat estimates of stand age for spatially extensive validation of modeled forest productivity

Extensive estimates of forest productivity are required to understand the relationships between shifting land use, changing climate and carbon storage and fluxes. Aboveground net primary production of wood (NPP_Aw) is a major component of total NPP and of net ecosystem production (NEP). Remote sensing of NPP and NPP_Aw is generally based on light use efficiency or process-based biogeochemistry models. However, validating these large area flux estimates remains a major challenge. In this study we develop an independent approach to estimating NPP_Aw, based on stand age and biomass, that could be implemented over a large area and used in validation efforts. Stand age is first mapped by iterative unsupervised classification of a multi-temporal sequence of images from a passive optical sensor (e.g. Landsat TM). Stand age is then cross-tabulated with estimates of stand height and aboveground biomass from lidar remote sensing. NPP_Aw is then calculated as the average increment in lidar-estimated biomass over the time period determined using change detection. In western Oregon, productivity estimates made using this method compared well with forest inventory estimates and were significantly different than estimates from a spatially distributed biogeochemistry model. The generality of the relationship between lidar-based canopy characteristics and stand biomass means that this approach could potentially be widely applicable to landscapes with stand replacing disturbance regimes, notably in regions where forest inventories are not routinely maintained.     

基于Landsat 8的全球精选遥感数据集汇聚方法

空间对地观测技术为地球系统科学研究提供了多时相、宽覆盖、立体化的遥感数据资源，使对地球系统行为的观测、理解、模拟及预测变为可能。然而，如何从海量数据资源中及时有效地获取信息也成为日渐凸显的问题。现有遥感数据服务系统的检索结果冗余度高，既无法直接满足用户多样化需求，也增加了高质量数据清洗成本。为此，基于2017年全球Landsat 8卫星元数据检索信息，建立由空间完整性、时间邻近性及云覆盖量3个专有指标组成的质量评价体系，设计满足最简化和定制化需求的精选遥感数据集汇聚方法。实验结果表明:该方法在不改变现有遥感数据服务系统的同时提高数据的检索效率和精度。     

利用陆地卫星TM数据评估森林病虫害

回顾和总结了近十多年来森林病虫害遥感监测的研究进展，介绍了“八五”攻关课题的最新研究成果，充分肯定了陆地卫星TM数据在森林资源质量监测和评估中的应用前景，指出了今后的发展方向。     

基于Sentinel-1及 Landsat 8数据的黑河中游农田土壤水分估算

土壤水分是陆地表层系统中的关键变量。利用主动微波遥感,特别是合成孔径雷达(Synthetic Aperture Radar,SAR)的观测,在监测和估计表层土壤水分时空分布方面已开展了诸多研究。然而,SAR土壤水分反演仍存在诸多挑战,特别是地表粗糙度和植被的影响。因此,本文提出了一种结合主动微波和光学遥感的优化估计方案,旨在同步反演植被含水量、地表粗糙度和土壤水分。反演算法首先在水云模型的框架下对模型中的植被透过率因子(与植被含水量密切相关)采用3种不同的光学遥感指数——修正的土壤调节植被指数(Modified Soil Adjusted Vegetation Index,MSAVI)、归一化植被指数(Normalized Difference Vegetation Index,NDVI)和归一化水体指数(Normalized Difference Water Index,NDWI)进行参数化估计,用于校正植被层的散射贡献。在此基础上,构造基于SAR观测和Oh模型的代价函数,利用复型洗牌全局优化算法进行土壤水分和地表粗糙度的联合反演。采用Sentinel-1 SAR和Landsat 8多光谱数据在黑河中游开展了反演试验,并利用相应的地面观测数据对结果进行了验证。结果表明反演结果与地面观测具有良好的一致性,其中基于NDWI的植被含水量反演效果最佳,与地面观测比较,土壤水分决定系数(R 2)在0.7以上,均方根误差(RMSE)为0.073 m^ 3/m^ 3;植被含水量R 2大于0.9,RMSE为0.885 kg/m 2,表明该方法能够较准确地估计土壤水分。同时发现植被含水量的估计结果,以及植被透过率的参数化方案对土壤水分的反演精度有一定的影响,在未来的研究中需要进一步探索。