数据融合技术在提高NPP估算精度中的应用

针对现有遥感数据不能同时满足在时间和空间上精确监测植被动态变化的问题,提出利用时空适应性反射率融合模型（STARFM）的方法对MODIS-NDVI和TM-NDVI影像数据进行融合处理获得30 m较高时空分辨率的融合NDVI影像,进而将多种尺度的MODIS-NDVI和融合NDVI数据分别输入到CASA模型,对锡林浩特地区进行植被净初级生产力（NPP）的多尺度估算。将不同尺度的NPP估算结果与地上生物量地面实测值进行验证比较,结果表明：随着输入NDVI空间分辨率的提高,NPP估算值与实测地上生物量之间的相关性也逐渐增大,[r]最大值达到了0.915。此外以融合NDVI影像作为输入数据之一的NPP估算值与实测地上生物量的相关性均比未融合NDVI的相关性高,说明融合NDVI估算NPP的效果较未融合NDVI好,并且以融合NDVI影像作为模型输入数据可提高NPP估算精度。     

多云雾地区高时空分辨率植被覆盖度构建方法研究

针对多云雾地区高时空分辨率数据缺乏现状,提出了一套区域尺度高时空分辨率植被覆盖度数据构建方法.首先,通过时空适应反射率融合模型(STARFM)有效地将TM 的较高空间分辨率与MODIS的高时间分辨率融合在一起,构建了研究区植被生长峰值阶段的NDVI数据;然后,以植被生长峰值阶段的NDVI为输入,基于地表覆被类型,综合应用等密度和非密度亚像元模型对研究区的植被覆盖度进行估算.结果表明:①即使数据源存在大量的云雾,且存在一定的时相差异,研究区植被覆盖度的估算结果过渡自然,不存在明显的不接边效应;②以植被生长峰值阶段的NDVI数据为输入进行植被覆盖度估算,有效拉开了同一地表覆被类型不同覆盖度像元的NDVI梯度,提高了亚像元估算模型对输入数据的抗扰动性;③基于地表覆被类型,应用亚像元混合模型,能够提高植被覆盖度的估算精度.经野外实测数据验证,总体约８５％的估算精度表明,针对高时空分辨率遥感数据缺乏的多云雾区域,本研究提出的方法能够实现区域尺度植被覆盖度数据的构建.     

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。     

ESTARFM相似像元选取方法的改进研究

ESTARFM(Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model)是一种经典的基于权重滤波的时空融合算法,它在众多领域得到广泛应用。相似像元选取是其一个重要步骤,ESTARFM模型中相似像元选取过程受搜索框大小和分类数影响,当前的研究中搜索框大小的设定较为统一,而分类数大小设定缺乏统一性。为降低ESTARFM算法中分类数对算法性能的影响,将STNLFFM(A Spatial and Temporal Nonlocal Filter-Based Data Fusion Method)中相似像元选取方法与ESTARFM模型相结合,提出改进的ESTARFM_NL模型。研究设计了两组不同时相变化条件下的数据进行对比分析。结果表明：ESTARFM_NL与ESTARFM融合结果相对误差直方图总体分布趋近一致,同时利用平均相对误差和相关系数对融合结果进行评价,发现两种算法之间精度差异较小,表明两种算法融合精度相当;对比两种算法运算效率,发现ESTARFM_NL运行时间能够得到大幅缩减。因此,ESTARFM_NL为大区域或长时间序列遥感数据的时空融合提供了一种可选择的融合方案。     

基于遥感时空融合的升金湖湿地生态水文结构分析

利用遥感技术开展湖泊湿地生态水文结构分析对维持其生态服务功能具有重要意义,但受大气状况的影响会造成特定水位下可用高分辨率遥感影像的缺失,而遥感时空融合技术为弥补这一缺陷提供了重要途径。以安徽省升金湖湿地为研究区,根据改进后的时空自适应反射率融合模型（ESTARFM）模拟生成高时空分辨率遥感影像,评价模拟遥感影像的数值精度,进而分析了升金湖湿地的生态水文结构。结果表明： ① ESTARFM模型能够有效模拟不同水位下湖泊湿地的高分辨率遥感影像,融合影像与真实影像在近红外波段、短波红外波段反射率的相关系数分别达到0.93和0.91,且输入数据与融合数据的日期间隔越短,模拟精度越高;② 基于不同水体指数的水体提取效果表明,新型组合水体指数（NCWI）更适用于湖泊湿地的水体信息提取;③ 对升金湖湿地生态水文结构分析可知,湿地中心区、适宜活动区和非适宜区分别约占该湿地总面积的32.8%、12.1%和55.1%。     

海南省西北部植被净初级生产力的长时序精尺度遥感监测

植被净初级生产力（Net Primary Productivity, NPP）是反映生态系统碳循环状态和变化的有效指标，在“双碳”目标背景下，长时序精尺度数据对植被净初级生产力动态监测具有重要意义。海南省作为国家生态文明试验区，其NPP动态监测对于强化陆地生态系统碳汇建设具有典型作用。以海南省西北部为研究区，基于Landsat系列遥感影像数据，采用VPM光能利用率模型，估算得到海南省西北部长时序（2000～2020）精尺度（30 m空间分辨率）的NPP数据，并对其进行时空变化分析。研究结果表明：海南省西北部日平均NPP在年际尺度上呈现明显的波动上升趋势，与其他植被类型相比落叶阔叶林的NPP最高且增长趋势最快，灌丛的NPP最低且增长趋势最慢。海南省西北部NPP在空间上呈现南高北低分布，研究区南部阔叶林及稀树草原地区NPP较高，北部灌丛地区NPP较低。研究区域NPP的整体增长趋势主要是由南部植被所控制。     

温度植被干旱指数时空融合模型对比

为实时准确地对新疆农业干旱程度进行反演监测,以新疆焉耆盆地为例,通过运用时空自适应反射率融合模型（Spatio Temporal Adaptive Reflectivity Fusion Model,STARFM）、增强型STARFM（Enhanced STARFM,ESTARFM）模型及灵活的时空数据融合模型（Flexible Spatio Temporal Data Fusion,FSDAF）这3种常见的模型对Landsat 8和MODIS数据进行融合,构建了温度植被干旱指数（Temperature Vegetation Dryness Index,TVDI）,并采用土壤相对湿度（Relative Soil Moisture,RSM）数据对TVDI反演结果进行了验证。结果表明：①3种数据融合模型所模拟预测的干旱因子（归一化植被指数和地表温度）与真实Landsat 8数据所反演的干旱因子相比,ESTARFM模型模拟预测的干旱因子判定系数（R²）和均方根误差（RMSE）均优于其他两种模型,归一化植被指数（NDVI）的R²和RMSE分别达到了0.924和0.076,地表温度（LST）的R²和RMSE分别达到了0.877和2.799;②3种数据融合模型模拟预测的TVDI通过与真实Landsat 8数据反演的TVDI及RSM数据进行对比验证,发现ESTARFM模型模拟预测的TVDI与上述两种数据之间的R²也均优于其他两种模型,分别达到了0.873和0.248。ESTARFM模型在一定程度上更能准确地模拟预测同时期Landsat 8影像的TVDI分布状况。     

基于Landsat TM/ETM+影像的武汉市冬季NPP估算及其时空变化分析

植被净第一生产力(NPP)作为反映植被固碳能力的重要指标,在全球CO2浓度上升的背景下,成为研究全球及区域生态系统对气候环境变化响应的热点之一。基于Landsat TM/ETM+遥感影像数据,采用改进的CASA模型,估算得到武汉市2001~2010年空间分辨率为30m的冬季NPP,并对其进行时空变化分析。研究结果表明:武汉市过去10a冬季平均NPP为8.55gC/m2·m。2001~2010年武汉市冬季NPP整体呈现波动上升的趋势,各区域具有不同的增长速率,其中以江夏区最快,而各植被类型中灌木林具有最快的增长速率和最高的平均NPP。武汉市冬季NPP均呈现从三环区域向四周增大的空间分布特征,过去10a武汉市冬季NPP最高的区域由黄陂区转移到了江夏区。     

基于高时空分辨率可见光遥感数据的热带山地橡胶林识别

20世纪90年代以来橡胶林种植面积在西双版纳地区迅猛扩大,对该区域橡胶林种植面积、种植结构变化的精确监测是客观评价该地区橡胶林种植与生态环境变化关系的关键。针对西双版纳热带山地地区植被光谱特征的相似性及地形和气候条件的复杂性问题,结合该地区橡胶林冬季落叶的物候特征,采用时空数据融合算法,分别选取中分辨率的ETM+、OLI、Sentinel-2A数据与高时间分辨率的MODIS数据融合,建立高时空分辨率可见光遥感数据集,并分析不同融合数据源对热带山地环境下橡胶林识别精度的差异。结果表明:(1)基于时空融合数据提取的橡胶林物候变化特征能够实现较高精度的橡胶林识别,识别精度可以达到89%以上,Kappa高于0.83;(2)运用10m分辨率的Sentinel-2A数据进行分类时,能够获取比Landsat数据更高精度的分类结果,表明Sentinel-2A数据在高时空数据融合及热带植被遥感应用中有较好前景。     

巴音河流域高时空分辨率叶面积指数数据集

叶面积指数（Leaf Area Index,LAI）是表征地表特征变化的重要指标之一,也是陆表、水文等模型的重要参数。本数据集是基于增强型时空自适应反射率融合模型（ESTARFM）,将全球陆地表层卫星（GLASS）LAI(8d/500m)、中分辨率成像光谱仪（MODIS）MOD13A1和MYD13A1、陆地卫星Landsat-7 ETM+和Landsat-8 OLI数据,进行融合,得到8 d/30 m分辨率的LAI,通过分段线性内插最终得到巴音河流域高时空分辨率LAI(1 d/30 m)。对比高时空分辨率LAI(1 d/30 m)与GLASS LAI产品的时空特征,验证数据集精度。结果表明：与原始GLASS LAI相比,本数据集在空间上具有与GLASS LAI一致的分布特征,且轮廓与纹理更为清晰。在时间上,二者具有相同的月际变化特征,且由1 d/30 m LAI估算的区域月平均LAI和区域8日平均LAI与原始GLASS LAI存在显著正相关性,R2分别为0.95、0.94,Pearson积矩相关系数均为0.97,P值均小于0.01。此数据集可为陆表过程、水文循环等模拟提供重要的数据支持...     

太湖流域植被NPP时空特征及其驱动因素研究

为了探究太湖流域植被净初级生产力(net primary productivity, NPP)2000—2019年的时空动态变化,定量识别其驱动因素并分析其影响,采用趋势分析、Hurst指数等方法研究了2000—2019年太湖流域植被NPP的时空变化特点,并结合气象、土地、人口等数据,运用相关性分析、地理探测器方法等从两方面揭示其驱动因素。结果表明：流域植被NPP多年均值呈波动上升趋势,空间上表现为西南高、中东部低的分布格局;未来流域植被NPP可能会以反持续性趋势为主,即会有所下降;气候因子与NPP的相关性不显著,土地利用变化是造成植被NPP流失的主要因素之一;单因子驱动中,土地利用变化对植被NPP的解释力最强,双因子则是以土地利用和降水因子的交互作用为主。     

2001年～2010年重庆地区植被NPP时空变化特征及其与气候因子的关系

以2001年～2010年MOD17A3的年均NPP数据为基础,利用GIS技术定量分析了重庆地区植被NPP的时空变化特征及与气候因子的相关性,结果表明:2001年～2010年重庆地区植被NPP整体呈微弱上升趋势,植被覆盖略有增加,且总体分布呈现从南到北递减的趋势;重庆地区植被NPP增加幅度由南到北递减且整体变化幅度较小,仅部分区县变化幅度较大.不同的植被类型的NPP存在差异,其NPP大小顺序为:常绿阔叶林＞草地＞农田植被＞混生林＞常绿针叶林＞落叶阔叶林＞落叶针叶林＞灌丛.就气候因子与植被NPP的相关性而言,NPP与气温的相关性不明显,NPP与降水的相关显著性存在空间差异.     

复杂地形条件下提高BEPS模型模拟能力的途径

植被的净初级生产力(netprimaryproductivity,NPP)是全球变化和碳循环研究中的一个非常重要的环节。为了更精确地模拟植被的净初级生产力,选取中国长白山自然保护区作为研究区域,针对基于过程的北部森林生态系统生产力模拟模型(borealecosystemproductivitysimulator,BEPS)仅考虑平坦立地条件的特点,通过对该模型中地面接收到的太阳辐射部分进行地形修正,首先估算长白山自然保护区森林植被的NPP;然后采用高分辨率(30m)的ETM+遥感数据,利用修正前后的BEPS模型来模拟得到长白山自然保护区森林植被的净初级生产力;最后对模拟得到的NPP结果,再利用地面实测数据进行验证,其相关系数R分别为0.91659和0.92957,算术平均偏差分别为62.8gC/(m2.a)和44.2gC/(m2.a)。结果表明,通过对模型的进一步完善,BEPS对NPP的模拟精度有了一定程度的提高。     

基于多时相遥感数据的徐州市植被净初级生产力估算及相关性分析

以遥感数据和气象数据为主要数据源,应用改进的光能利用率模型估算徐州市2006、2008和2010年3年间6月份的植被净初级生产力(Net Primary Productivity,NPP),研究了该区域6月份NPP的时空变化及其与气象因子的相关性。结果表明：时间上,受气候和环境等因素综合变化的影响,研究区域6月份NPP呈逐年下降趋势;空间上,NPP的分布表现为在林地、草地和农田相对集中的区域偏高,且不同植被类型6月份的NPP大小关系在不同年份可能不同,其中在2006和2008年为农田>草地>林地,而2010年为农田>林地>草地。通过分析与气象因子的相关性和偏相关性,限制NPP的主要气象因子不是固定不变的,其中2006和2008年,限制NPP的主要气象因子为太阳辐射,而2010年为降雨量和温度。不同植被类型下NPP与气象因子相关性和偏相关性差异反映了不同类型植被生长对光、热、水条件要求的差异。
     

基于深度学习与超分辨率重建的遥感高时空融合方法

针对遥感影像的“时空矛盾”,提出一种改进STARFM的遥感高时空融合方法。利用SRCNN对低分辨率影像进行超分辨率重建,由于所融合的2组影像分辨率差距过大,网络训练困难,先将2组影像均采样至某一中间分辨率,使用高分辨率影像作为低分辨率影像的先验知识进行SRCNN重建,再将得到的中间分辨率影像重采样后以原始高分辨率影像作为先验知识进行第2次SRCNN重建,得到的最终重建图像相比原先使用插值法重采样所得图像,在PSNR和SSIM上均有提升,缓解了传感器差异所造成的系统误差。STARFM融合方法在筛选相似像元与计算权重时均使用专家知识提取人工特征,基于STARFM时空融合的基本思想,以SRCNN作为基本框架 自动提取特征,实验结果表明,其MSE值相比原方法更低,进一步提高了遥感时空融合的质量,有利于充分利用遥感影像。     

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。     

大兴安岭北段森林扰动对NPP的影响分析

森林扰动影响森林生态系统碳循环和碳平衡,植被净初级生产力(NPP)是表征植被固碳能力的重要指标,分析森林扰动对NPP的影响对于全球变化研究及生态系统承载力和恢复力评估具有重要意义。选取大兴安岭北段地区作为研究区,使用生产的每8 d 30 m分辨率叶面积指数数据集,基于Mu Sy Q-NPP植被生产力模型估算了该地区2002～2018年森林生长季30 m分辨率时间序列NPP,并使用30 m分辨率森林扰动时间序列产品分析了森林扰动对NPP的影响。研究结果表明：在大兴安岭北段地区,2002～2018年森林生长季NPP多年均值多分布于400～600 g C·m^-2·a^-1之间,总体呈现缓慢增加趋势;火干扰是研究区的主要扰动因子;2002～2017年森林扰动导致生长季NPP年平均减少量为0.01 Tg C·a^-1,在2003年、2006年和2017年,受到面积较大且强度较大的森林扰动后生长季NPP降低幅度较大,分别为0.11 Tg C、0.03 Tg C和0.03 Tg C;发生中高强度森林扰动的2006年扰动区,生长季NPP自2...     

中亚地区植被净初级生产力时空动态及其与气候因子关系

植被净初级生产力(Net Primary Productivity,NPP)及其对气候变化的响应是全球变化的核心研究内容之一,研究中亚地区NPP的时空格局变化对理解植被—环境的作用机理以及应对全球变化具有重要的意义。基于MOD17A3数据集、气象数据结合GIS分析方法研究中亚地区2000~2014年的植被NPP时空动态特征及其与气候因子的关系。结果表明：①中亚地区空间上NPP的变化范围在0~874 gC/m²·a之间,平均值为151.90 gC/m²·a,NPP年总量平均值为482.41TgC (1 Tg=10¹² g),NPP平均值与总量均呈现出下降趋势;②中亚地区NPP的高值区主要分布在高纬度地区和东南部高山地区,中部和南部荒漠区则为NPP的低值区;③中亚地区2000~2014年间NPP在空间上总体呈现下降趋势,达到显著下降的区域总体面积的39.89%。NPP呈下降趋势的区域主要集中在哈萨克斯坦的大部分区域,不同分区内以典型草原区最为显著;④中亚地区NPP受降水量的影响作用高于气温,荒漠草原区、典型草原区以及荒漠区主要受到降水量的控制,高山草甸区与高山林地区则受到降水和气温的共同作用。     

遥感图像时空融合综述

高时空分辨率的遥感图像大数据在遥感领域发挥着重要作用.然而,由于技术上和预算上的限制等原因,目前单一的卫星传感器无法获取同时具有高空间分辨率和高时间分辨率的遥感影像.因此遥感图像时空融合技术被认为是解决时间分辨率和空间分辨率折衷问题的有效途径之一.随着深度学习在各领域的广泛应用,深度学习技术已经被证实是解决图像问题非常...     

芦苇湿地植被NPP估算方法探索与应用

作为表征湿地生态系统健康的重要指标,湿地植被净初级生产力（NPP）的精准估算对于理解全球变化以及区域碳循环具有重要的支撑作用。基于Landsat 8 OLI遥感影像和大量实测数据,以光能利用率模型基本结构式为基础,构建和评价了芦苇湿地植被NPP估算的不同遥感驱动模型,并以东北3个典型芦苇湿地保护区为例进行了验证与应用。结果表明：以NPP = f（f（VI₁）） × f（VI₂） 结构与NDVI和MSAVI两个植被指数作为自变量的模型最优,模型精度为89.2%,明显高于NPP低空间分辨率产品和CASA模型的模拟结果。根据该模型估算的东北地区七星河、查干湖和双台河口芦苇湿地的NPP均值分别为3 001、3 050和3 621 gC·m^–2·a^–1。受水文条件和人类活动影响,各湿地样区间NPP具有典型的空间分布异质性。实验提出的框架模型可为小尺度上湿地生态系统健康评估或湿地生态系统恢复效果评价等指标获取提供方法借鉴。