主被动遥感特征优化的天然林森林蓄积量估测

结合国产主被动遥感数据高分六号（GF-6） PMS和高分三号（GF-3）双极化PolSAR估测森林蓄积量,并针对多源遥感数据的冗余问题进行特征组合优化。以新疆巩留县天然林地为研究区,提取GF-6 PMS数据的光谱信息、植被指数、纹理以及植被覆盖度信息和GF-3 PolSAR数据的后向散射系数、极化分解参数,结合地形因子,在森林样地调查数据的基础上,利用快速迭代特征选择的 K 最近邻法（K-Nearest Neighbor with Fast Iterative Features Selection,KNN-FIFS）估测研究区的森林蓄积量。对比国产主被动遥感数据和单一遥感数据源时的估测结果,基于最优特征组合反演研究区的森林蓄积量,结果表明：联合GF-3 PolSAR和GF-6 PMS数据估测研究区森林蓄积量的精度为 R2=0.72,RMSE=92.48 m3/hm2,相比于仅使用GF-6 PMS数据估测的精度（R2=0.56,RMSE=118.8 m3/hm2）,R2提高了0.16,提高了28.6%,RMSE降低了26.32 m3/hm2,降低22.2%。说明主被动遥感数据协同反演可以提高森林蓄积量估测精度,KNN-FIFS方法可以有效地估测天然林森林蓄积量。     

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.     

多极化层析SAR植被高度反演基线融合方法

植被高度反演属于森林定量遥感,在森林测绘、资源评估和生态监测等领域发挥着重要作用.本文基于多极化层析SAR数据进行基线融合植被高度反演,将森林散射相干模型推广到高维空间,通过复数域到幅度–相位域的转化降低模型非线性度,并提出了基于相干分布方差的广义幅相距离,进而发展了多基线联合参数反演方法.本文通过实测P波段极化层析SAR数据对所提方法进行了验证,同时将其与单基线反演法、基线选择法和欧式距离融合法进行了对比分析.实验结果表明,本文所提方法的反演结果与激光雷达获取的高度图相比,相关性更强,均方根误差更低,显著提高了植被高度反演的精度和稳定性.     

基于随机森林的高分辨率 PM2.5 遥感反演 ——以广东省为例

细颗粒物(PM2.5)监测是大气污染治理的重要手段,受限于地面观测点的数量,从遥感反演 PM2.5 是常规地面观测的有效补充,是当前的研究热点。通常遥感反演 PM2.5 的思路是先反演大气气溶胶光学厚度,然后基于统计关系由大气气溶胶光学厚度反演 PM2.5。该方法容易造成误差传递,从而 导致反演模型的不稳定。该文提出了一种基于随机森林算法(一种机器学习算法)的 PM2.5 遥感反演方法,直接建立中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer,MODIS)影像与地 面实测 PM2.5 的关系,可以避免传统反演 PM2.5 时先反演大气气溶胶光学厚度带来的误差,最终得到精度更高的 PM2.5 反演结果。该方法先用随机森林算法对 MODIS 影像和经过克里金插值后的地面监测站PM2.5 数据进行训练和测试;然后,根据测试的均方根误差从多个模型中选取最优(均方根误差最小)的模型;最后,将此模型用于整幅 MODIS 影像,得到整个区域的 PM2.5 反演结果。实验选取了广东省 四个季节多幅 MODIS 影像数据进行验证,并通过决定系数和均方根误差两个表现指标进行对比和分析,验证了所提算法的优越性。     

基于多源极轨气象卫星热红外数据的近地表气温反演研究

以上海作为研究区,采用多源极轨气象卫星热红外波段数据,在进行数据预处理的基础上选择264个时相,与52个气象站点的同步气温数据进行耦合,建立了分季度、分时段的两种气温遥感反演模型。结果表明,基于多源遥感数据的大量样本可用于建立稳定的气温反演模型,而且通过实测的单个站点数据进行模型修正能够提高气温水平分布的反演精度。     

遥感影像反演的雾参数地区差异性分析

鉴于常规地面气象站雾预测预报主要依靠点状的地面观测数据,而基于遥感影像反演可获得面状的雾参数,其可为进一步详细探究不同地区雾发展过程中参数的变化规律提供一定的数据基础,以发生于2006年12月豫皖苏地区和2013年1月发生于中国京津冀地区的雾为研究对象,选取TERRA/MODIS数据和FY-3A/VIRR数据进行时序遥感影像的雾参数反演并对2个地区的雾参数动态变化及地区差异性进行分析。得到以下结论:2次雾具有一个相同特征,即夜晚雾能见度值高于白天雾能见度值;雾发展过程中,2次雾物理参数差异明显,与雾区所处的地理位置、自然环境及区域发展水平等有关。该次实验表明,遥感影像可宏观地描述雾的动态变化发展,可作为研究雾属性时区变化差异的数据源之一。     

基于多源极轨气象卫星热红外数据的近地表气温反演研究

以上海作为研究区,采用多源极轨气象卫星热红外波段数据,在进行数据预处理的基础上选择264个时相,与52个气象站点的同步气温数据进行耦合,建立了分季度、分时段的两种气温遥感反演模型.结果表明,基于多源遥感数据的大量样本可用于建立稳定的气温反演模型,而且通过实测的单个站点数据进行模型修正能够提高气温水平分布的反演精度.     

积雪、土壤冻融与土壤水分遥感监测研究进展

积雪、土壤冻融与土壤水分是陆表能量与水分以及碳交换过程研究中的重要因子,为了更好地了解积雪覆盖、雪深/雪水当量、土壤冻融状态和土壤水分等参数的遥感监测领域的发展动态,对这些参数遥感监测方法的研究进展进行了梳理,总结了利用光学与微波遥感,以及多源遥感融合的监测方法,并对该研究领域的发展趋势进行了展望。积雪、土壤冻融与土壤水分的遥感监测能力不断提升,监测算法从单一传感器向多传感器、单波段单一模式向多波段多模式集成,以及卫星虚拟星座综合观测概念的提出,均促进了现有卫星观测地表参数能力的提升;长时间序列产品的开发,对于研究和掌握全球变化大背景下对气候的响应提供了很好的数据基础;同时有助于促进遥感在水文、气象、气候、生态等领域的应用。以上的研究综述,有望对陆表水循环遥感参数反演领域,以及水循环遥感关键参数的应用领域有一定的借鉴作用。     

基于多源多时相遥感影像的山地森林分类决策树模型研究

山地是森林重要的分布区,然而山地多样的森林类型、高度异质化的景观格局、突出的地形效应以及云、雾的干扰均不同程度地影响了山地森林类型的遥感自动制图。多源多时相遥感影像提供的季相节律信息是当前提高土地覆被遥感制图精度的重要信息源之一。以岷江上游地区为研究区,以国产环境减灾卫星多光谱CCD(简称HJ CCD)影像和美国Landsat TM影像为数据源,以决策树为分类方法,根据参与分类影像的时相差异设计了5组对比实验(生长季单时相组、非生长季单时相组、生长季多时相组、非生长季多时相组、全时相组),对比论证多源多时相遥感影像对山地森林类型自动制图的贡献和作用。对比结果表明:生长季和非生长季相结合的多时相遥感影像较单时相或单一类型(生长季或非生长季)多时相遥感影像,更能显著提高山地森林类型自动制图精度,且能降低分类决策树的复杂程度,更有利于山地森林类型的自动提取。     

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。     

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。
     

基于面向对象的平潭岛大比例尺森林资源监测方法

利用高分辨率遥感影像对森林资源进行大比例尺动态监测可以有效提高林业部门对森林资源管理的时效性。以福州市平潭岛为研究区域,利用高分辨率的WorldView\|2遥感影像,结合大比例尺森林小班矢量图层,基于面向对象的分类思想,采用分层监督分类的方法,提取森林资源变化图斑,实现大比例尺森林资源的动态监测。此种方法有效利用了原始小班边界,快速提取了变化区域,总体分类精度达到了90.85%,表明利用该方法进行大比例尺森林资源变化区域提取是有效可行的。     

成像雷达在森林生态研究中的应用

首先介绍了在森林生态应用中使用的成像雷达系统,接着分析了成像雷达在森林生态研究中的应用,包括森林类型识别与分类、生物量估测和森林动态变化监测方面的应用,最后提出了在不同森林生态应用中应该选择的最佳雷达参数。     

基于K最近邻模型的青藏高原CMORPH日降水数据的订正研究

青藏高原的降水数据主要由遥感产品和多源观测数据融合产生,由于青藏高原的观测站点分布稀疏不均,遥感数据误差较大,因此常用的CMORPH(Climate Prediction Center Morphing Technique)等降水数据集精度有限。通过K最近邻(K-Nearest Neighbor,简称KNN)模型,可以建立环境(海拔、坡度、坡向、植被)、气象因子(气温、湿度、风速)和日降水量的关系,从而订正青藏高原的CMORPH日降水数据集,提高数据精度。对CMORPH日降水数据的误差分析表明,采用KNN模型订正后的CMORPH降水数据优于原始数据和采用PDF(Probability Density Function Matching Method)法订正的CMORPH数据,且空间分布较好地符合青藏高原的降水分布特征。     

山东省黄河流域森林蓄积量遥感定量估测模型研究

采用2006年的TM遥感影像作为研究区的基本数据源,利用GPS、全站仪等仪器,采用典型随机抽样方法采集了378个抽样点的外业数据;借助MATLAB、SPSS、SAS、ERDAS等工具,运用主成分分析法、多元线性逐步回归法,结合RS、GPS和GIS技术,借助数学和物理理论,建立以像元为单位的山东省黄河流域森林蓄积量定量估测模型,为实现流域森林生态系统的平衡,最大限度地发挥森林的生态、经济和社会效益提供科学依据。     

西南地区不同山地环境梯度叶面积指数遥感反演

叶面积指数(LAI)遥感估算是植被定量遥感研究的热点之一,监测植被LAI时空变化对于研究陆地生态系统碳循环及全球变化等具有非常重要的意义。在我国西南山区设置10个50km×50km的观测样区作为研究区,其中包括5个森林生态系统样区、3个农田生态系统样区和2个草地生态系统样区。分别获取不同优势植被类型LAI地面实测数据,结合同期获取的遥感数据,考虑地形因素影响,基于偏最小二乘原理分别构建各样区LAI遥感估算模型,并采用交叉验证的方式对模型精度进行评价。结果表明:考虑了海拔、坡度和坡向等地形因子的森林LAI遥感反演模型与未考虑地形变量的模型相比,其验证精度有所提高,R2由0.30~0.75提高至0.50~0.80,RMSE由0.52~0.93m2/m2降低至0.48~0.89m2/m2;所有样区优势植被类型LAI反演模型验证R2在0.40~0.80之间,RMSE在0.22~0.89m2/m2之间。发展的LAI遥感估算方法有助于认知山地植被LAI反演的地形效应问题,可为进一步的山地植被长势监测提供科学依据。     

森林叶面积指数遥感反演模型构建及区域估算

基于eCognition面向对象分类算法及校正后的TM遥感影像,获取研究区2010年土地利用/覆被数据。同时在ArcGIS平台下,提取遥感影像6个波段反射率及RVI、NDVI、SLAVI、EVI、VII、MSR、NDVIc、BI、GVI和WI等10个植被指数,并辅助于DEM、ASPECT、SLOPE等地形信息,在与植物冠层分析仪(TRAC)实测各森林类型叶面积指数相关性分析的基础上,研究表明:相对多元线性回归方法,偏最小二乘法能够更好地把握各森林类型LAI动态变化,而后结合研究区森林覆被信息进行区域估算。     

一种改进的SVM决策树及在遥感分类中的应用*

针对遥感图像分类问题提出了一种基于遗传算法和K近邻的SVM决策树方法。算法以基于类分布的类间分离性测度为准则,利用遗传算法对传统的SVM决策树进行优化,生成最优(较优)决策树。在分类阶段,对容易分的节点利用SVM进行分类,而对可分离性差的节点采用SVM和K近邻相结合的分类方法,最终实现多类别分类。实验结果表明,与传统的分类方法相比,该算法的实验效果较好,可有效地提高遥感图像的分类精度。     

Research on Using End-member Abundance to Estimate Summer Maize Planting Area

Multispectral satellite remote sensing data of low or moderate spatial resolution are widely used in large range crop planting area extraction.For those areas with complex structure，when the low or moderate spatial resolution remote sensing data sources is used to extract the planting area of target crop，mixed pixel is the main obstacle factor to restrict the area extracting precision.Extracting it on sub\|pixel scale could overcome the restriction of low or moderate spatial resolution and develop the extraction precision.However，the extraction method of target crop planting area on sub\|pixel scale now usually directly use the end\|member abundance to instead the percentage of planting area.Therefore it may cause some errors.On the basis of previous researches，taking Hebi City，Henan Province as the study area，which located in Huang\|Huai\|Hai plain，has the largest summer maize planting area and the complex planting structure.Taking FY3/MERSI data as the main information source.Using the method of spectral matched adaptive best end\|member combination of pixel unmixing to extract the summer maize end\|member abundances.Making regression modeling in various equation forms between summer maize end\|member abundances in pixel and the percentage of planting area.Then select the optimal regression equation form to build regression model，and estimate the actual summer maize ground planting area.Summing up the correlation coefficient when the model was building，significance test and the RMS errors condition of sample point verification.Then choose the cubic model to estimate the planting area of summer maize in the study area.It is proved by remote sensing estimation that the area precision of summer maize planting area is 97.1%，the position precision is 82.5%.     

基于平台/插件软件架构的多源遥感影像融合系统设计

阐述了“平台+插件”软件设计模型,并在开放式遥感数据处理与服务平台(OpenRS)下运用插件技术开发了多源遥感影像融合子系统。实验表明,采用“平台+插件”软件架构进行多源遥感影像融合系统设计,不仅减少了系统的冗余性,而且使得系统具有良好的可扩展性与灵活性。