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。     

航空高光谱遥感反演城市河网水质参数

针对多光谱遥感对内陆城市河网水体水质参数反演精度不高的问题,基于航空和水表高光谱遥感数据,利用半经验法对COD_(cr)、BOD_5、TP和TN进行定量反演。对水质采样化验数据和水表反射率进行相关性分析,计算最佳波段组合分别为650nm/683nm、689nm/667nm、692nm/649nm、787nm/678nm;建立研究区COD_(cr)、BOD_5、TP和TN水质参数反演模型,水质参数决定系数R~2分别为0.74、0.70、0.69、0.71,均方根误差RMSE分别为2.79、1.92、0.02、0.16,拟合效果次序为COD_(cr)TN BOD_5TP。利用验证样点对实验结果进行定量分析,反演效果次序为TNCOD_(cr)BOD_5TP,平均相对误差分别为2.6%、12.9%、16.7%、22%,基本与模型拟合效果次序一致,反演的水质浓度分布与城市河网的特点和实际情况相符,为流动性大、水质状况分布错综复杂的城市河网水质监测提供参考。     

基于资源一号02D高光谱卫星影像的青海湖悬浮物浓度反演研究

水体悬浮物浓度是描述水体光学特性的一个重要参数。卫星遥感具有大范围、快速、高频次动态监测的优势,有助于加强对青海湖水环境质量的监测,降低监测成本。而资源一号02D(ZY1-02D)卫星高光谱影像作为新的数据源,具有高空间分辨率、高光谱分辨率的优点,为湖泊的水质高精度监测提供了可能性。为了验证ZY1-02D高光谱相机在水质遥感监测应用中的适用性,以ZY1-02D高光谱影像为遥感数据源,同时辅助实测数据,构建青海湖悬浮物浓度反演模型,并进行精度验证,评价模型的准确性,最后将模型应用于青海湖悬浮物浓度反演。研究结果表明：青海湖悬浮浓度反演模型平均相对误差为21.1%,均方根误差为0.296 mg/L,精度较好,青海湖悬浮物浓度反演结果呈现湖心低岸边高的特征,与同期Sentinl-2和同期Landsat 8数据反演结果进行对比,反演结果保持一致,说明ZY1-02D高光谱影像能够作为悬浮物浓度遥感反演的数据源之一。     

渭河水质遥感反演的人工神经网络模型研究

以渭河陕西段水域为研究对象,在获取了实地监测数据和SPOT5遥感影像的基础上,对遥感数据进行预处理,建立了BP神经网络水质反演模型和RBF神经网络水质反演模型.并对水质参数CODcr、NH3-N、DO、CODmn进行反演.研究结果表明,利用神经网络模型反演水质参数是可行的,由于是非线性模型,其反演结果明显好于线性回归模型的结果.     

渭河水质遥感反演的人工神经网络模型研究

以渭河陕西段水域为研究对象,在获取了实地监测数据和SPOT5遥感影像的基础上,对遥感数据进行预处理,建立了BP神经网络水质反演模型和RBF神经网络水质反演模型。并对水质参数CODcr、NH3-N、DO、CODmn进行反演。研究结果表明,利用神经网络模型反演水质参数是可行的,由于是非线性模型,其反演结果明显好于线性回归模型的结果。     

基于Landsat 8 TIRS数据的大气水汽含量反演劈窗算法

Landsat 8是2013年最新发射的Landsat卫星,携带了OLI和TIRS两个传感器,其中TIRS传感器获取了两个临近的热红外通道信息。劈窗协方差—方差比算法(SWCVR)是一种最通用的基于热红外的大气水汽含量反演方法,利用两个热红外通道(其中一个在大气窗口,另一个在大气吸收谱段)的吸收差异来反演大气水汽含量,该方法已经在MODIS等中低分辨率(1km)的热红外数据上得到很好的应用。将SWCVR算法移植到较高分辨率的Landsat 8TIRS数据上,并对水汽含量反演结果进行精度验证。气象数据验证结果表明,水汽含量的反演精度可以达到0.43g/cm~2。用MODIS水汽产品(MOD05)做交叉验证,反演的水汽含量和MOD05水汽含量的均方根误差(RMSE)为0.44g/cm~2,平均绝对误差(MAE)为0.34g/cm~2。总的来说,SWCVR算法应用于Landsat 8数据的水汽含量反演也能得到一个较高的精度。     

基于无人机高光谱数据的玉米叶面积指数估算

无人机高光谱遥感是低成本、高精度获取精细尺度农作物生物物理参数和生物化学参数的新型手段,以此快速反演叶面积指数(Leaf Area Index,LAI)对作物长势评价、产量预测具有重要意义。以山东禹城市玉米为研究对象,利用PROSAIL辐射传输模型模拟玉米冠层反射率获取LAI特征响应波段结合相关性定量分析获取对LAI变化最为敏感的波段,并以此计算6种植被指数(Vegetation Index,VI),利用6种回归模型分别对单一特征波段和VI进行反演建模,以实测LAI评定模型精度。研究表明,光谱反射率中516、636、702、760和867 nm等波段对LAI变化最为敏感,以此建立的单一特征波段反演模型预测LAI精度R~2为0.44～0.58;RMSE为0.16～0.18,其中636 nm建立的模型(LAI=21.86exp(-29.47R636))相比其他反演模型预测精度较高(R~2=0.58,RMSE=0.16);6种植被指数与LAI高度相关,相关性系数R2为0.85～0.86,以此建立的反演模型相比单一特征波段反演模型精度有所提高,R~2为0.66～0.72,RMSE为0.12～0.14;其中mNDVI构建的LAI估算模型(LAI=exp(2.76～1.77/mNDVI))精度最高(R~2=0.72,RMSE=0.13)。无人机高光谱遥感是快速、无损监测农作物生长信息的有效手段,为指导精细化尺度作物管理提供依据。     

基于PSO优选参数的SVR水质参数遥感反演模型

为进一步提高多光谱图像水质反演的精度,提出了一种基于PSO优选参数的SVR水质参数遥感反演模型.该模型利用高分辨率多光谱遥感SPOT-5数据和水质实地监测数据,采用交叉验证CV(cross validation)估计模型推广误差并使用PSO优选SVR模型参数,实现了模型参数的自动全局优选,在训练好的SVR模型基础之上对水质进行反演.以渭河陕西段为例进行实证研究,实验结果表明,本文提出的水质反演模型较常规的线性回归模型有更高的反演精度,为内陆河流环境遥感监测提供了一种新方法.     

利用移动窗口卷积神经网络反演土壤湿度北大核心CSCD

针对遥感指数反演土壤湿度(soil moisture,SM)精度易受数据类型、植被覆盖等因素影响,以及不同场景下湿度模型迁移应用问题,提出了一种基于移动窗口特征的卷积神经网络(convolutional neural network based on window features,CNN_W)土壤湿度反演方法。该方法考虑临近地物反射辐射影响,将输入特征进行尺度化处理,利用一维卷积核强大的非线性拟合能力对SM进行提取,提高了SM反演精度。进一步通过参数微调的方式将上述模型应用至那曲县SM反演,解决少样本情况下样本训练困难的问题。实验结果表明:CNN_W能实现复杂农业地SM精确反演(R、RMSE、MAE、MAPE分别为0.832、0.038 cm 3/cm 3、0.028 cm 3/cm 3、9.813%),较卷积神经网络方法精度有提升;常用遥感干旱指数在该地区不适用;迁移学习方法在少样本情况下实现了模型异地应用(R、RMSE分别为0.824、0.045 cm 3/cm 3),具有良好应用前景。     

基于知识和遥感图像的神经网络水质反演模型

为进一步提高遥感图像水质反演的精度，提出了一种基于知识和遥感图像相结合的神经网络水质反演模型。该模型利用遥感图像数据以及与水质相关的知识数据作为BP神经网络的输入，经训练后，确定神经网络的结构，在训练好的BP神经网络基础之上对水质进行反演。以中国太湖为例进行实证研究，实验中，使用的知识数据包括太湖的地理信息知识和先对太湖TM图像上的水域解译进而对水质进行分类的知识。实验结果表明，本文提出的水质反演模型较常规的线性回归模型和传统的神经网络模型有更高的反演精度。     

基于特征空间的黄河三角洲垦利县土壤盐分遥感提取

土壤盐渍化是实现土地资源可持续利用所面临的重要挑战,在我国滨海的黄河三角洲区域遥感定量反演适宜方法可为区域盐渍化监测与防治提供技术方法参考。研究以Landsat 8 OLI数据和野外实测数据为基础,提取关键地表特征参量,定量化探讨土壤盐分与地表生物物理参数之间的规律及关系,建立黄河三角洲土壤盐分最优反演模型。结果表明:Albedo-MSAVI、SI-Albedo、SI-NDVI反演精度分别为83.4%、88.8%和80.6%。分析认为SI-Albedo模型最适用于滨海地区盐渍化程度反演,对滨海地区土壤盐分的预测能力较强;Albedo-MSAVI、SI-NDVI模型对内陆干旱、半干旱地区的盐渍化信息提取具有一定的参考意义。基于精度最高的SI-Albedo所反演的结果来看,垦利县盐渍化程度自东向西总体呈高低高走向,与该区域盐分积聚的成因机理相符。     

Sentinel-2/MSI深度学习超分辨率重建及河湖水质遥感反演

针对Sentinel-2影像低空间分辨率(20 m、60 m)波段混合像元会降低内陆河湖水质反演精度的问题,提出了一种通过深度学习超分辨率重建进行水质反演的方法。首先,引入残差神经网络超分辨率重建算法,结合迁移学习方法与卷积注意模块对该算法进行改进,通过对比评估其他算法的重建精度,发现改进算法主客观评价均为最佳。接着,以上海市内陆河湖为研究区域,使用改进算法对低分辨率波段重建至10 m,结合实测水质参数及影像重建前后的光谱特征波段,利用多种回归算法构建水质反演模型进行对比。结果表明：深度学习超分辨率重建模型可有效提升水质参数的遥感反演精度;深度神经网络模型精度较高(R²>0.67),可实现更精细化制图。     

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...     

基于多源遥感及气象数据的河流非光学活性水质参数反演模型研究

针对传统河流水质监测成本高、地面监测站点稀疏等问题,基于哨兵2卫星多光谱遥感数据,结合MODIS地表温度、植被指数、气溶胶光学厚度数据产品,以及ERA5气象数据产品中的地表风速数据,以非光学活性参数溶解氧(DO)、化学需氧量(COD)和氨氮(NH₃-N)的地面水质监测站的监测数据为参照,采用支持向量回归(SVR)、随机森林(RF)和多层感知机(MLP)3种机器学习方法,通过对比实验选出每种水质参数最优反演模型及其对应的输入特征组合。模型性能测试实验结果表明,利用多源遥感及气象数据反演出的DO、COD以及NH₃-N的决定系数(R²)分别为0.896、0.781、0.529,均方根误差(RMSE)分别为0.263 mg/L、0.383 mg/L、0.061 mg/L。与仅使用哨兵2卫星多光谱遥感数据的反演结果相比,R²分别提高了7.04%、19.05%、18.34%,RMSE分别降低了34.58%、37.42%、14.08%。表明多源遥感及气象数据对提高DO、COD以及NH₃-N水...     

一种利用土壤水分反演地下水位遥感方法

针对利用土壤水分在干旱地区反演一定植被覆盖下地下水位的局限性,采用遥感-数学-模型学融合的研究方法,以Landsat-8遥感图像作为数据源,提取改进型温度植被干旱指数,并与实测土壤水分建立土壤水分反演模型,然后结合土壤水分和地下水位的实验方程,引入土壤水分反演模型建立了一定植被覆盖条件下的地下水位分布遥感监测评价模型(GLDRS模型)。结果表明,土壤水分反演值和实测值的决定系数R2=0.65,均方根误差RMSE=3.22,能够达到实验精度要求;利用GLDRS模型对研究区地下水位反演结果取得较高精度,实测地下水位和反演地下水位的R2=0.81,RMSE=1.01。     

渭河定量遥感水质反演中的大气校正作用研究

以渭河陕西段为研究对象,在获取了渭河陕西段实地监测数据和相应时间段的SPOT-5遥感影像数据基础上采用黑暗像元法(DOS)、大气辐射传输模型法等7种大气校正方法对SPOT-5遥感影像进行大气校正。结合校正后的遥感数据,使用多元线性回归、支持向量机(SVM)、及BP神经网络3种方法对渭河进行定量遥感水质反演。实验结果表明,通过遥感影像对渭河进行定量水质反演是可行的,大气校正在一定程度上提高了定量遥感水质的精度。对于SPOT-5遥感影像的大气校正,采取对遥感数据辐射定标后消除各波段最暗像元的方法可以达到较好的效果。     

基于PSO-RBF神经网络模型反演闽江下游水体悬浮物浓度

总悬浮物浓度是水环境重要参数之一,二类水体光谱特征复杂,光谱特征与悬浮物浓度之间关系不能用简单的线性模型来表示。利用2017年7月12日～13日2d时间对闽江40点位进行水质采样和光谱测量,结合光谱响应函数模拟GF-1 WFV1各波段遥感反射率,分析遥感因子与总悬浮物浓度相关性。利用相关系数较高的波段及组合b3、b3/b2和b3/b1,构建PSO-RBF和传统RBF神经网络总悬浮物浓度反演模型,同时建立以b3/b2为自变量的经验比值模型。结果表明:与传统RBF神经网络和经验模型相比,PSO-RBF神经网络模型效果更佳,R2=0.890,RMSE=3.01mg·L-1。基于训练好的PSO-RBF模型,应用GF-1 WFV1遥感影像对闽江下游水体总悬浮物浓度进行反演,影像反演的总悬浮物浓度RMSE=3.65mg·L-1,MRE=14.11%,遥感影像反演结果精度明显高于克里金空间插值结果。分析其空间分布特征,从上游方向往下游方向呈现增加趋势,马尾至闽江入海口河段总悬浮物浓度增加明显。     

基于四尺度几何光学模型的森林地上生物量遥感估算

森林地上生物量(AGB)是评价森林生态系统功能的重要参数,遥感是获取区域尺度AGB的有效手段。以内蒙古根河市为研究区,利用TM遥感影像数据和33个森林样地调查数据,基于四尺度几何光学模型的森林AGB遥感估算方法,首先,基于样地观测数据建立树冠面积(SA)估算AGB的方程;再利用四尺度几何光学模型建立由冠层反射率反演SA的查找表,由TM影像反演SA,进而估算AGB。在全部33个样地,估算的AGB与观测数据的一致性(RMSE=20.8t·hm-2,R2=0.45)明显优于基于差值植被指数(DVI)(RMSE=27.7t·hm-2,R2=0.09)和混合像元分解(SMA)(RMSE=27.6t·hm-2,R2=0.02)方法建立的统计模型的估算结果。利用19个针叶林样地的观测数据验证表明,估算的AGB的RMSE和R2分别为20.8t·hm-2和0.53,利用DVI估算的AGB的RMSE和R2分别为31.5t·hm-2和0.18,利用SMA方法估算的AGB的RMSE和R2分别为31.8t·hm-2和0.14;对于14个阔叶林样地,估算的AGB的RMSE和R2分别为20.9t·hm-2和0.47,利用DVI估算的AGB的RMSE和R2分别为21.4t·hm-2和0.01,利用SMA方法估算的AGB的RMSE和R2分别为20.6t·hm-2和0.11。结果表明:通过反演与AGB紧密联系的SA,进行AGB的遥感估算是一种有效可行的技术方法。     

基于局部空间自相关分析的时空数据融合

由于受到16d重访周期与云等对数据质量的影响,具有时间与空间连续性的Landsat 8OLI观测数据难以直接获取。考虑地物分布的空间自相关性,提出一种基于STARFM模型改进的局部自相关时空数据融合模型(LASTARFM),以新疆维吾尔族自治区喀什地区叶城县为研究区,利用Landsat 8OLI数据和MODIS数据的红光波段和近红外波段进行融合方法测试。结果表明:利用LASTARFM模型得到的融合影像,与真实影像NDVI相关系数达到0.92;在局部空间自相关性低的区域比STARFM模型影像反映出更多地物细节,具有更高的融合精度;在土地利用类型发生显著变化的区域与真实影像具有一定差异。     

面向内陆水环境监测的GF-1卫星WFV数据特征评价

各种卫星遥感数据在内陆水环境监测中得到日益广泛的应用并各具优势和不足。2013年4月发射的高分一号(GF\|1)卫星搭载的宽视场相机(WFV)为水环境监测提供了新的数据源。通过与Landsat8 OLI和HJ\|1 CCD对比,从辐射、光谱和空间3个方面客观评价GF\|1 WFV 的数据特征,并分析其在内陆水环境监测应用中的优缺点。结果表明:WFV在内陆水体区域的灰度级数和信噪比高于CCD但低于OLI 10 bit的量化等级足以满足水质参数反演的精度要求,在水体监测应用中WFV现有辐射定标系数需修正;WFV的波段数量和宽度与CCD基本一致,比OLI的少且宽,不能很好地捕捉内陆水体的光谱特征;WFV16 m的空间分辨率和800 km的幅宽,明显优于CCD和OLI。总之,WFV在大范围中小型内陆水体环境动态监测方面具有良好的应用前景。