基于多元线性回归的GPS-IR积雪深度反演研究

利用全球导航卫星系统反射干涉遥感技术（GPS-Interferometric Reflectometry, GPS-IR）可实现地表环境参数的监测。基于全球导航卫星系统多径反射信号与积雪深度之间的关系,针对目前已有研究较少的考虑多星融合对反演效果的影响,提出一种基于多元线性回归的多星融合积雪深度反演模型。为了验证算法的可靠性,利用美国PBO观测网络中的P101测站连续监测数据进行雪深反演研究。研究和实验表明：反演结果与积雪深度参考值具有显著相关性;多星融合能够有效综合各单颗卫星的反演性能,相关系数均大于0.940,相比单星提高了13.6%;RMSE和MAE均小于0.08和0.165。     

AO辅助LSSVM的GNSS-IR土壤湿度反演方法

全球导航卫星系统多径干涉遥感技术(global navigation satellite system interferometric reflection, GNSS-IR)已成为目前研究的热点，用其测量的数据可以对土壤湿度值等进行估算。针对当前该方法存在土壤湿度反演精度较低的问题，文章以美国板块边界观测网络(PBO)中p043测站为研究对象，并对该测站的GNSS信噪比数据进行分析，提取L2频段反射信号的延迟相位作为输入，PBO H₂O的土壤湿度值作为输出，构建了基于AO-LSSVM土壤湿度反演模型，并将该模型与BP神经网络和PSO-LSSVM进行对比。实验结果表明，基于AO-LSSVM方法得到的PRN10卫星反演结果与土壤湿度真值之间的决定系数为0.920,均方根误差为0.021,平均绝对误差为0.017,相比BP神经网络和PSO-LSSVM更加贴近土壤湿度真值，证明了利用该方法能够有效提高土壤湿度反演的精度。     

结合水域变化的土壤湿度监测

针对现有土壤湿度监测方法受地表粗糙程度与植被覆盖影响大,导致土壤水分反演精度有待提升的问题,以康平地区为研究区域,提出了一种基于改进U-Net水域自适应提取模型的土壤湿度反演方法。该方法首先根据辽宁省多年份Sentinel-2影像制作遥感影像水体智能提取数据集,并在预设不同网络深度的自适应U-Net模型上进行训练;然后基于颜色熵阈值对影像进行复杂程度判断;最后将研究区多时相水域面积与同期实测土壤湿度数据进行回归分析,构建研究区水域面积与土壤湿度之间的内在联系。选用测试集影像,分别从提取精度和提取速度两个方面验证该方法和U-Net模型的水域提取性能。该方法水域轮廓提取更加精细,训练及预测时间分别缩短了25.65%和32.19%。此外,文章以14个时相的康平地区水域面积数据及同期实测土壤湿度数据,基于三次多项式拟合构建土壤湿度反演方法。结果表明,该反演方法在10 cm深度的土壤湿度反演实验中R²为0.723 4;在40 cm深度的土壤湿度反演实验中R²为0.568 9。该方法能够较准确地反演区域土壤湿度,进而为农业大范围土壤湿度的监测提供支持。     

卫星微波遥感结合可见光遥感估算黄河源区土壤湿度研究

利用欧洲环境卫星(ENVISAT)搭载的高级合成孔径雷达ASAR(Advanced Synthesis Aperture Radar)交叉极化模式(APP)2009年8月9日和10月6日的数据对青藏高原东北部玛曲地区土壤湿度进行了估算。对于裸土区域采用表层微波后向散射几何光学模型GOM(Geometry Optics Model),对于植被覆盖度大的区域利用“水-云”模型处理植被层对后向散射系数的影响,取得了较好的结果:遥感估算的土壤湿度值和地面实测值之间的均方根误差RMSE<0.05,决定系数R²>0.82,表明该方法适合反演玛曲地区的土壤水分。从遥感估算的总体结果可以看出:山谷和陡峭山坡的反演结果相对较差,而在相对平坦的地区反演结果较好,估算的土壤湿度值在0.20~0.50 m³/m³之间。     

基于WorldView-2数据和随机森林算法的遥感水深反演

鉴于传统水深反演线性回归模型易受水质和环境因素的影响,利用甘泉岛区域的高分辨率WorldView-2遥感影像,结合相应的机载LiDAR实测水深数据,使用随机森林算法构建了浅海水深反演非线性回归模型。以反演的水深值和实测水深值的相关系数(R~2)和均方根误差(RMSE)为指标,并同传统的水深反演单波段线性回归模型、双波段比值线性回归模型以及多波段组合线性回归模型进行比较。结果表明,随机森林水深反演非线性回归模型反演精度最优,R~2和RMSE分别为0.967和0.868m。     

基于Sentinel-1与FY-3C数据反演植被覆盖地表土壤水分

基于新一代的Sentinel-1SAR数据与FY-3C的MWRI数据,研究植被覆盖地表土壤湿度反演方法。为消除植被对土壤湿度反演影响,首先利用FY-3C/MWRI的微波极化差异指数MPDI,建立植被含水量反演模型;然后,结合植被含水量反演模型和水—云模型,发展一种主被动微波联合反演植被覆盖地表土壤含水量模型;最后,在江淮地区开展反演试验,利用观测的土壤湿度数据进行反演结果的精度验证。结果表明:(1)对于植被覆盖地表土壤湿度反演,由FY3C/MWRI提取的MPDI对于去除植被影响效果较好;(2)相比于VH极化哨兵1号卫星数据,VV极化数据更适用于土壤含水量的反演,能够得到更高的土壤湿度反演精度;(3)哨兵1号卫星数据能够获得较高精度的土壤含水量反演结果,试验反演的土壤湿度值与实测值相关系数为0.561 2,均方根误差为0.044cm~3/cm~3。     

支持向量机在雪地环境中的参数反演

针对传统雪地环境参数反演方法中模型复杂、未知参量多、网络拓扑结构难确定等问题,提出了一种基于最小二乘支持向量回归技术的雪地环境土壤湿度和雪层厚度的反演方法。首先根据雪地环境建立了分层粗糙介质微波散射模型,利用微扰法得出其后向散射系数;然后进行数据敏感性分析,选取雷达频率为1.27GHz(L波段)、双入射角(42°和53°),设计了两种反演方案,分别为单极化和双极化的方式作为微波信号样本信息,经过适当的训练,利用最小二乘支持向量机反演土壤湿度和雪层厚度。结果表明:用多入射角、双极化时,反演结果具有较高的精度;在加噪的情况下,用多入射角、双极化时,该方法的反演结果保持了较好的抗噪能力,为雪地环境中土壤湿度和雪层厚度的反演研究提供了一种可行的方法。     

基于分类回归树的密云水库上游森林覆盖度遥感估算

森林覆盖度是描述森林生态状况的重要指标,也是气候、水文模型的重要输入参数。以多时相的HJ星 CCD数据为主要数据源,利用分类回归树的方法对密云水库上游的森林覆盖度进行了遥感估算,通过基于高分航片提取的样本数据对估算结果进行了验证,并与传统回归模型进行了比较分析。结果表明:以HJ星及其他辅助数据为数据源,采用分类回归树的方法估测森林覆盖度可以达到较高的精度,拟合决定系数R²达到0.749,建模均方根及验证均方根误差分别为0.068和0.118,均明显优于传统回归模型,适用于大区域的森林覆盖度遥感估算。     

最小二乘法联合光学与雷达遥感数据估算玉米叶面积指数

针对单源数据经验模型估算精度较低等问题,提出采用最小二乘法联合光学和雷达遥感数据构建联合估算模型,以中国科学院河北怀来遥感综合实验站为研究区,以夏季玉米为研究对象,利用Landsat8和Radarsat2影像实现研究区叶面积指数估算:首先分别建立了多光谱数据和雷达数据与实测叶面积指数之间的回归模型,然后利用最小二乘算法联合不同数据间的回归模型构建估算模型,最后利用迭代法估算叶面积指数并通过验证数据对估算结果进行评价分析,同时与单源数据经验模型、多源数据加权平均模型和基于物理模型查找表估算结果进行对比。通过对研究区59个样本点数据分析表明:基于最小二乘算法联合光学与雷达遥感数据能够提高叶面积指数的估算精度(R2=0.5442,RMSE=0.81),优于单源遥感数据拟合经验模型(DVI经验模型:(R2=0.485,RMSE=1.27))、基于权重的光学微波联合模型(R2=0.447,RMSE=1.36)和物理模型查找表法(R2=0.333,RMSE=1.36),并当叶面积指数大于3时,对其由于信息饱和或误差引起的低估或高估现象具有一定的抑制作用。     

清河水库叶绿素a浓度反演模型研究

针对无法及时、准确获取清河水库叶绿素a浓度情况,提出比值线性回归模型与最小二乘支持向量机两种遥感反演模型对清河水库叶绿素a浓度进行预测。通过SPSS软件分析计算OLI数据的单波段及波段组合与叶绿素a浓度之间的相关关系,选取相关系数最大者分别构建比值线性回归模型和非线性的最小二乘支持向量机模型(LS-SVM),对清河水库叶绿素a浓度进行了遥感定量反演研究。结果表明,相比于比值线性回归模型,LS-SVM模型更适用于清河水库叶绿素a的反演研究。LS-SVM模型将预测值与实际值的可决系数R2从0.635提高到0.966,均方根误差从4.83减小到2.67,平均相对误差从16.43%减小到7.21%,利用LS-SVM模型对叶绿素a浓度的反演精度显著提高。     

卫星网联合定轨的多结构非线性参数建模及精度仿真

基于双星定位系统的多近地卫星的联合定轨,实际上属于多结构多参数非线性回归模型及其参数估计方法研究的范畴.据此建立了基于双星定位系统的近地卫星网联合定轨的多结构非线性回归模型,通过引入加权因子讨论定轨模型的加权与参数估计问题,设计了卫星网联合定轨的多结构非线性回归模型的最优加权算法,并进行了两类仿真实验.仿真计算结果表明...     

基于时序Sentinel-1A数据的农田土壤水分变化检测分析

土壤水分是作物生长的基本条件,同时也是作物长势监测、估产和旱情监测的重要参数。基于变化检测模型,利用不同时相Sentinel-1A数据估算农田土壤水分变化信息。首先利用积分方程模型(Integral Equation Model,IEM)模拟数据分析雷达后向散射系数变化与土壤水分变化之间的关系,在土壤表面粗糙度恒定的情况下,土壤湿度变化与雷达后向散射系数变化具有高度相关性,验证了变化检测模型用于估算土壤水分变化的合理性。在此基础上,利用河北邯郸研究区时序Sentinel-1ASAR数据和现场实测数据构建土壤水分变化检测模型,从而利用雷达后向散射系数变化估算土壤水分变化信息。结合现场实测数据得到,最小二乘和支持向量回归模型反演结果的均方根误差(RMSE)分别为5.1vol%和4.6vol%,决定系数(R2)分别为0.65和0.73。验证了时序Sentinel-1A数据用于监测农田土壤水分变化的实用性。     

基于HJ星高光谱数据红边参数的冬小麦叶面积指数反演

针对我国HJ-1A星搭载的高光谱成像仪(HSI)数据,探索基于HJ星高光谱影像的LAI反演研究,本文利用inverted Gaussian模型提取红谷位置、红边位置、红边振幅以及红边斜率4个红边参数,结合2009年4月、5月两期同步地面观测LAI数据,经过回归分析构建了反演叶面积指数的最优红边参数模型.结果表明红边位置、红边斜率和红边振幅与叶面积指数都达到了极显著相关,R2分别为0.5592,0.7796和0.8107说明HJ星高光谱影像数据在叶面积指数反演方面有很大的应用潜力.     

Radarsat-2/SAR和MODIS数据联合反演黄土高原地区植被覆盖下土壤水分研究

以黄土高原半干旱区定西为试验区,利用Radarsat-2/SAR和MODIS数据,将由MODIS NDVI估算的植被含水量(VWC)应用到微波散射Water-Cloud模型中校正植被的影响。采用交叉极化(VV/VH)组合方案对植被覆盖下土壤水分的反演进行初步探讨,结果表明:在植被影响校正前,模型反演土壤水分值出现明显低估现象;校正植被影响后,相关系数R由0.13提高到0.44,且通过α=0.01的显著性检验,标准差SD由5.02降低到4.30,有效提高了模型反演土壤水分的准确度。卫星反演的研究区土壤含水量大部分介于10%~30%之间,与实地考察情况一致,较好地反映出区域土壤湿度分布信息。表明,光学和微波协同遥感反演对于提高农田土壤水分遥感反演精度具有较大的应用潜力。     

黑河综合遥感联合试验研究进展:水文与生态参量遥感反演与估算

介绍了“黑河综合遥感联合试验”在水文和生态变量与参数反演、估算和模型应用方面取得的进展。在水文变量遥感方面,利用车载双偏振多普勒雷达在黑河上游和中游分别开展了高精度降水观测,获取了后向散射系数和极化信息与降水强度之间的定量关系。在综合利用多源观测信息,改进和发展蒸散发估算模型方面取得了实质性的进展。发展了利用K和Ka波段机载微波辐射计数据反演山区积雪深度的方法。针对SAR观测数据反演土壤水分中地表粗糙度的显著干扰,发展了消除粗糙度影响的反演方法。在生态过程遥感参量估算方面,提出了一种基于机载激光雷达和高分辨率光学影像的高精度地物信息分类方法。发展了从高光谱航空遥感提取植被自然光照下的荧光,并与NDVI结合的C3/C4植被分类方法。发展和改进了使用多角度、多光谱观测反演叶面积指数的方法,挖掘了激光雷达在植被垂直结构探测上的潜力,探索了叶面积指数遥感中的尺度转换规律。发展了利用高光谱数据中的荧光信息反演光能利用率的新方法;建立了考虑土壤反射率、冠层结构等因素的光合作用有效辐射比率反演模型;改进了利用遥感估计生态系统生产力的模型。发展了利用高光谱遥感数据提取叶绿素含量和叶绿素荧光强度的方法。     

基于MODIS数据的农业干旱监测方法对比分析

利用2004年4月～6月上旬的MODIS影像数据,结合实测的土壤墒情数据,对比不同深度及不同拟合方式下土壤湿度的估算精度。另外,分别选用植被供水指数(VSWI)、基于EVI的植被供水指数(E-VSWI)、归一化多波段干旱指数(NMDI)与对应的土壤湿度数据进行回归分析,并在此基础上利用最优指数实现研究区土壤湿度的估算及旱情监测。结果表明:在华北平原中部地区冬小麦生长季节,利用MODIS数据进行土壤湿度估算的最佳深度是10cm;最佳拟合方式是线性拟合方式;植被供水指数(VSWI)在研究区整个时间序列具有最好的稳定性,可为今后大区域作物生长期的干旱监测提供一个简单方法。     

基于BP神经网络的地下水离子化合物含量高光谱反演方法研究

地下水水质污染日益加重,监测地下水离子化合物含量有利于地下水的动态管理与精准防治。离子化合物光谱响应信号微弱且反演机理尚不明晰,现有研究多数对离子化合物进行简单的定性分析,较少采用数理统计方法综合估算其含量。基于离子化合物光谱机理和高光谱数据冗余的特性,通过测量实验室配比的不同浓度钠、钾、钙3种离子化合物标准液的可见—近红外反射光谱（400～1 000 nm）,探究水体3种离子化合物的光谱响应机理、最佳预处理方式及特征波段优选算法,并基于最优特征波段构建BP神经网络模型以定量反演离子化合物含量。研究发现：(1)3种离子化合物整体反射率在波长400～1 000 nm处与含量成反比,与离子的电荷数和半径成正比;(2)基于主成分分析较连续投影法提取的特征谱段,构建的多元线性回归模型能够较好地反演水体离子化合物含量;(3)KCl最优反演模型的预处理方式为SG滤波,CaCl2和NaCl最优反演模型的预处理为SG滤波后进行反射率归一化;(4)相较于传统线性反演模型,PCA-BPNN非线性模型取得了最优的反演结果,其中钾离子化合物含量反演结果最优,其训练集R2和RMSE分别达到0.996 4和248...     

基于Landsat影像和不规则梯形方法遥感反演延安城市森林表层土壤水分

反演模型对土壤水分评估结果有重要影响,基于此,以黄土沟壑区城市森林表层土壤为研究对象,以3期Landsat影像和实地土壤水分传感器测定数据为数据源,分别通过像元在二维空间（LST-NDVI与STR-NDVI,LST为地表温度,NDVI为归一化植被指数,STR为短波红外转换反射系数）中的散点图及其拟合的干燥边界与湿润边界,获取TOTRAM（热学—光学不规则梯形模型）和OPTRAM（光学不规则梯形模型）的参数,然后在像素水平上（30 m×30 m）反演出延安城市森林表层土壤水分（W）,验证两模型的精度,并比较两模型估算结果的差异及线性边界与非线性边界对反演结果的影响。结果发现：①除OPTRAM 模型在Landsat 7和Landsat 8上干湿边界呈现非线性外,像素在LST-NDVI空间和STR—NDVI空间中的干湿边界均呈线性,且包络成不规则梯形形状;②与实地测定数据相比,TOTRAM与OPTRAM两模型的平均误差（ME）分别为0.009和0.0455,表明两模型估算结果均偏高,但OPTRAM模型的均方根误差（RMSE）较TOTRAM模型更接近0。OPTRAM模型估算的W值均匀地分布在1∶1参考线两侧,且位于参考线上的点数多于TOTRAM模型,表明OPTRAM准确度高于TOTRAM模型,且非线性边界的反演精度高于线性边界;③与TOTRAM模型相比,OPTRAM模型估算出的W空间分异规律与土地利用/覆被类型具有较高的相关性,且OPTRAM模型对植被覆盖度极低的区域敏感。因此,在后续研究中,应在OPTRAM模型中探讨干湿边界复杂性与模型准确性改善之间的关系,同时考虑周围环境、降雨量、森林干扰和NDVI饱和等因素对两模型估算准确性的影响。     

基于机器学习的FY4A反演北方冬季降水的研究

现有的静止卫星降水产品在内蒙古冬季表现较差,为提高卫星反演冬季降水的准确性,本文介绍了基于机器学习的静止卫星FY4A反演北方冬季降水,使用分类算法、回归算法分别构建了降水区域模型和降水量模型,并将静止卫星遥感数据输入降水区域和降水量联合模型得到最终降水反演结果。评估结果显示,与FY4A降水产品相比,模型反演降水产品的各项指标均有所提高,效果较好。     

梯度提升回归树在千岛湖水体CDOM反演中的应用北大核心CSCD

针对清洁水体低浓度CDOM内陆水域的水质遥感反演精度不高的问题,基于梯度提升回归树和GF-5卫星数据构建了千岛湖水质CDOM反演模型。利用该模型估算了千岛湖水体CDOM的时空分布,计算CDOM浓度与相关气象数据之间的相关性,分析可能影响CDOM时空格局和动态变化的环境因子。将所构建的梯度提升回归树模型与其他机器学习模型进行了比较,分析结果表明,所构建的梯度提升回归树模型反演CDOM精度相对较高。反演的千岛湖整体CDOM浓度较低(0.005~1.472 m^(-1)),其季节性差异较为显著,秋季>夏季>春季>冬季。各个季节高CDOM浓度分布在位于湖的边缘区,主要是入水口以及湖周围与人类活动密切相关的地方,降雨量会增加千岛湖水体CDOM浓度,气压和风速对水质中CDOM的变化没有显著影响。