利用MODIS数据对FY4A AGRI传感器蓝光通道交叉辐射定标

针对传感器辐射性能在使用过程中发生变化的问题,提出采用交叉辐射定标方法对我国新型静止气象卫星FY4A AGRI传感器进行辐射定标。文章选择敦煌区域作为交叉辐射定标实验研究区,采用MODIS数据对FY4AAGRI传感器蓝光波段进行交叉辐射定标,在不同传感器太阳高度角、卫星天顶角与相对方位角、通道光谱响应的差异校正基础上,计算得出AGRI传感器蓝光通道辐射定标系数;然后分别利用敦煌区域与澳大利亚弗罗姆干盐湖区域作为检验区域,与原始系数的辐射定标结果进行对比。结果表明,利用MODIS传感器进行交叉辐射定标,提高了辐射定标精度。在春季敦煌区域中,原始系数与交叉辐射定标系数的辐射定标精度的相对误差分别为6.51%、5.80%;在冬季澳大利亚弗罗姆干盐湖区域中,原始系数与交叉辐射定标系数定标的相对误差分别为5.28%、4.84%;通过比较分析2个区域不同因素的影响程度,可知光谱响应差异是影响误差精度的重要因素;2个区域不同季节的分析结果表明,随着时间增长,蓝光通道的衰减对误差精度有一定程度的影响。     

FY-3/VIRR资料积雪多阈值综合判识方法研究

利用卫星遥感监测积雪分布相比地面观测具有明显优势,目前基于FY-3卫星数据在积雪监测方面的研究较少。借鉴现有积雪卫星遥感监测算法,研究出适用于FY-3/VIRR资料的积雪判识方法,利用归一化积雪指数和多波段综合阈值实现积雪判识,提取积雪信息生成区域二值化积雪分布图。通过实例分析验证算法有效可行,并与MODIS积雪产品MOD10及其L1B数据NDSI判识结果进行对比,说明算法判识结果良好。研究表明,FY-3卫星数据可作为积雪遥测的可靠资料来源,可延用于积雪监测与灾害预警业务系统中,促进国产卫星数据的应用与推广。     

基于FY-3A/VIRR数据的雪盖信息提取软件设计与实现

目前基于FY-3A/VIRR资料的处理研究较少且VIRR数据量庞大,一些商用遥感图像处理软件很难直接完成对图像的预处理工作,这样对后续的定量化反演以及对FY-3A/VIRR的推广使用带来了困难。为了解决业务化问题,运用改进的归一化积雪指数(NDSI)、综合阈值判别算法和IDL、VB混合编程技术相结合的方法设计了积雪信息批量提取软件,实现了针对FY-3A/VIRR数据的单幅图像或多幅图像的积雪信息提取以及精度验证。实验表明,该软件处理速度快、实时性好、可批量提取积雪信息,大大节省了人力资源,同时提高了VIRR数据的分发和共享能力,可以在今后的工业生产和自动化领域推广使用。     

基于多尺度特征融合网络的新疆积雪覆盖度估算

受复杂地形和遥感数据低分辨率的影响,传统的二值化积雪遥感产品在山区和林区的积雪覆盖度计算中存在严重误算和漏算的问题,从而导致积雪覆盖度估算精度低。基于风云四号A星多通道辐射扫描计（AGRI）新疆地区的遥感影像数据,提出一种多尺度特征融合网络的积雪覆盖度估算方法。通过深度残差网络和特征金字塔模式对卷积层各个阶段的特征信息进行重构,融合深层和浅层特征的多重语义信息,同时结合AGRI数据高时间分辨率的特性,拟合光谱信息和地理因素间的非线性关系,从而提高数据源和特征信息的整体利用率。实验结果表明,相比MOD10_FSC、BP-ANN_FSC和ResNet_FSC方法,该方法在A1~A4样本区中相关系数均值和解释回归模型的方差得分均值最高可提高8和6个百分点,且其均方误差均值仅为0.1,能够获得较高精度的积雪覆盖度估算结果。     

融合FY-3C号和FY-4A号卫星数据的积雪面积变化研究—以祁连山区为例

祁连山区积雪类型丰富、判识复杂,是中国积雪研究的典型区域。因此,精确地监测祁连山区积雪面积变化及其时空演变,对祁连山区生态环境和社会经济发展等具有重要意义。FY-3C MULSS利用多阈值积雪指数模型提供全球日积雪覆盖产品,FY-4A AGRI传感器每15~60 min提供一景覆盖全球的多光谱影像。基于FY-4A AGRI高时间分辨率的特征,构建适合于FY-4A号数据的动态多阈值多时相云隙间积雪识别方法,很大程度上减小了云对光学数据识别积雪造成的影响,并结合FY-3C MULSS积雪覆盖日产品较高空间分辨率的优势,融合得到去除云后的FY3C4积雪覆盖数据。利用Landsat 8 OLI卫星数据对融合后的积雪数据进行对比验证,结果表明融合FY-3C和FY-4A后的数据能更好地判识祁连山区的积雪覆盖情况。以MODIS MOD10A2积雪产品为真实值,随机检验了2018年3月~2019年3月融合后数据的积雪判识精度,发现无云情况下方法的总体精度可达到85.25%。进一步研究发现祁连山区积雪面积在海拔、气候和坡向等因素的影响下时空分布极不均匀,总体呈现出冬春季节大于夏秋季节,以及东部积雪面积大于西部积雪面积的特征。     

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。     

基于FY-4A数据的青藏高原多时相云检测方法

基于我国新一代静止气象卫星FY-4A/AGRI的4 km分辨率全圆盘数据,利用其高时间分辨率、高光谱分辨率的特点,提出一种青藏高原地区多时相多通道阈值组合的云检测方法,并通过实际案例分析所提出的云检测方法有效可行。结果表明:对比中国国家气象中心云检测产品以及传统单时相云检测方法,多时相云检测方法,其准确率为94.4%,误检率为7.2%,漏检率为5.6%,均优于其他两种方法,体现了多时相检测的优越性;云相态检测中,分别使用GPM降水资料以及CALIPSO卫星云相态观测结果对检测结果进行精度评价,其中冰云分布与GPM实测降水分布相似度达到了0.883,云相态整体检测结果与CALIPSO实际观测的云相态也较吻合,进一步验证了云相态检测的合理性,这也是对青藏高原地区进行降水监测的一种辅助手段。     

基于FPGA的双A/D高精度小信号采集系统

设计了一种基于FPGA的双A/D高精度小信号采集系统.该系统包括测试电流通道和保护电流通道.罗氏线圈输出的感应电动势通过共模扼流圈消除共模干扰后分别送入测试电流通道和保护电流通道,保护电流通道经过信号调理网络后直接送入ADC1中进行转换.为了提高测试电流通道的测量精度,调理后的信号经过PGA网络后送入ADC2中进行转换...     

基于深度学习的Sentinel-1A影像冰川识别北大核心CSCD

冰川监测对于气候变化研究及区域可持续发展有重要意义,利用遥感影像提取冰川边界是冰川监测的关键。利用Sentinel-1A结合地形数据,通过基于VGG16、MobileNetV2的UNet和DeepLabV3+卷积神经网络对喀喇昆仑地区的冰川进行识别,并比较VH极化和VV极化下的识别精度。结果表明,VH极化的识别精度整体高于VV极化。基于MobileNetV2网络的识别精度不如VGG16高,但实现了精度相当的同时提高了运行效率。基于相同的主干网络,DeepLabV3+较UNet网络识别精度高,即基于VGG16的DeepLabV3+网络精度最高,在VH极化下其识别总体精度可达95.18%,交并比IoU可达84.33%,均交并比mIoU达到88.91%。卷积神经网络对纯净冰川、表碛冰川及冰川湖都有较好的识别效果,且识别出部分前进冰川,为大区域山地冰川的快速且半自动化识别提供了技术基础。     

基于双流网络融合与时空卷积的人体行为识别

针对视频中存在噪音,无法更好地获取特征信息,造成动作识别不精准的问题.提出了一种基于时空卷积神经网络的人体行为识别网络.将长时段视频进行分段处理,分别把RGB图片和计算出的光流图输入到两个卷积神经网络(CNN)中,使用权重相加的融合算法将提取的时域特征和空域特征融合成时空特征.形成的中层语义信息输入到R(2+1)D的卷积中,利用ResNet提高网络性能,最后在softmax层进行行行为识别.在UCF-101和HMDB-51数据集上进行实验,获得了92.1％和66.1％的准确率.实验表明,提出的双流融合与时空卷积网络模型有助于视频行为识别的准确率提高.     

基于MODIS数据的玛纳斯河山区雪盖时空分布分析

基于2000~2010年的MODIS/Terra积雪8 d合成数据(MOD10A2)与DEM数据,通过计算和分析积雪频率与积雪覆盖率,研究了新疆玛纳斯河山区雪盖的时空分布特征。结果表明：① 研究区一月份积雪覆盖丰富,积雪频率高值区主要分布在北部中低山地区、南部中海拔地区以及清水河与塔西河的河源地区;四月与十月的雪盖分布规律相似,总体上积雪频率随高程上升而上升;七月份只有少部分高山区域被积雪覆盖;② 积雪频率始终保持较高水平的区域是玛纳斯河、金沟河、清水河以及塔西河的河源高山地区,而玛纳斯河流域中上游的河谷地区则始终保持较低水平;③ 一月份,1 400 m以下地区的积雪覆盖率超过95%,随着高程上升,迅速下降至2 600 m的最低值约41%,此后逐渐上升至5 000 m以上80%左右;④ 一月、四月和十月份积雪覆盖率在大部分高程带上均表现为北坡、东北坡和西北坡最高,东坡和西坡次之,南坡、东南坡和西南坡最低的规律;七月份各高程带的雪盖分布没有明显的坡向差异。     

1980~2019年北疆积雪时空变化与气候和植被的关系

利用1980~2019年中国长时间序列的AVHRR逐日无云积雪面积产品和气象站实测雪深资料计算积雪日数、积雪初日、积雪终日、积雪期、雪深等积雪物候参数,研究积雪物候的时空分布变化,同时结合ECMWF-ERA5再分析资料和GIMMS NDVI3g数据集分别提取气象因子（气温、降水）和植被因子（返青期、枯黄期、生长期）,探究北疆积雪物候变化对气象因子和植被因子的响应。结果表明：北疆近40 a间的平均积雪日数为81.62 d/a,73%的区域为稳定积雪区,积雪初日在11月、终日在3月,积雪期为每年11月初至次年3月底4月初;空间上呈现不均匀分布,其中阿勒泰山地区、天山地区、大部分塔城盆地和额尔齐斯谷地区为主要积雪区,1980~2019年间北疆积雪覆盖面积比例、积雪日数和积雪期逐年降低,积雪初日基本没变,但积雪终日显著提前;ECMWF-ERA5再分析资料表明1980~2019年北疆积雪期降水量无明显变化,但积雪覆盖面积比例显著降低,说明降雪区雪深可能增加,这与北疆气象站实测雪深逐渐增加结果相吻合;平均气温与积雪期积雪覆盖面积比例、积雪日数、积雪期长度相关性较大,呈现显著负相关,积雪期降水量与积雪物候参数呈现正相关;积雪物候及其气候效应引起北疆自然植被返青期显著提前,植被生长期延长的特征。     

MODIS和VEGETATION雪盖产品在北疆的验证及比较

雪盖产品的准确性评估对于水文模型中的遥感应用具有重要的意义,利用北疆47个气象站实测雪深资料,并将气象站根据海拔和下垫面进行分类,对我国可使用的3种光学遥感雪盖产品MOD10A1、MOD10A2和VGT-S10雪盖产品进行验证。研究表明,MOD10A1、MOD10A2和VGT-S10雪盖产品识别总体精度分别为91.3%、90.6%和87.9%,3种产品在农田、草地、城镇和建筑用地总体精度更高 |在稀疏灌木林、裸地与稀疏植被识别总体精度较低,特别是在山区,3种产品识别精度均较低,分别为66.3%、75.7%和61.9%。进一步统计3种雪盖产品的错分误差、漏分误差,发现3种产品错分误差都比较小,但在山区站的漏分误差比较严重,分别为32.4%、21.7%和36.3%,3种产品在山区都低估了雪盖面积。3种不同时间分辨率的雪盖产品云影响率分别为61.8%、7.6%和1.8%。最后将MODIS合成与VGT-S10时间分辨率相同的雪盖产品,并对两种产品在积雪积累期和消融期进行相互比较,比较发现MODIS识别精度要优于VGT-S10雪盖产品,3种产品中VGT-S10由于合成天数最多,所以雪盖产品受云的影响最小。     

基于特征优选的GF-3全极化数据积雪识别

以新疆阿尔泰山南麓克兰河流域典型区为研究区,利用GF-3全极化数据进行积雪探测,提出了一种基于特征优选的积雪识别方法。首先通过极化分解获取了GF-3数据的22个极化特征,并利用随机森林方法计算各特征的重要性,构建特征优选规则生成最优特征集,然后基于最优特征集对积雪进行识别。分析特征的重要性发现,同极化后向散射系数对积雪识别的贡献比交叉极化的贡献大,面散射和体散射对积雪识别的贡献比二面角散射贡献大。将该方法与最大似然法、支持向量机、BP神经网络3种分类器的对比发现,使用最优特征集并且利用随机森林方法的积雪识别精度最高（F指数为0.86,总体精度为0.79）。结果表明：基于特征优选进行积雪识别,不仅使得积雪识别效率得到提高,而且保持精度不变甚至有所增加,证明了该方法在积雪识别中的有效性。     

卫星遥感西藏高原积雪时空变化及影响因子分析

积雪是气候变化的指示器,其变化对地球能量和辐射平衡以及水分循环产生深刻的影响。研究积雪与气候变化的关系是气候变化区域响应的最好实证。利用2000年3月~2011年2月共11 a的MODIS雪盖产品数据、1979~2010年逐日雪深被动微波遥感数据、DEM数据以及地面气象观测数据,通过GIS空间分析及地统计分析功能,系统分析西藏高原雪深、雪盖和雪线的时空变化规律及其对气候变化的响应关系。研究表明:研究区雪深的分布形成了四周山地积雪深度大,中部腹地雪深小的空间格局。1979~1999年平均雪深呈极显著增加趋势,线性倾向率为0.26 cm/10a,1999~2010年则呈下降趋势。逐像元回归分析结果显示,研究区年积雪深度呈增加趋势的像元数占全区像元总数的76.9%,有减少趋势的仅占23.1%;雪盖面积变化总体呈缓慢波动减少趋势,线性倾向率为-3.89万km²/10a;7、8月在中东部念青唐古拉山、南部喜马拉雅山、冈底斯山和昆仑山等山脉一带以及高原腹地局部地区仍存在大面积常年积雪;雪线年平均呈微弱上升趋势,线性倾向率为6.54 m/10a,各季节平均雪线中,秋季雪线的变化对年平均贡献最大;雪线空间分布呈现从东南向西北逐步升高的态势。积雪参数与气候因素的相关分析表明,雪深春秋季主要受风速和日照时数影响,夏冬季则分别是降水量和风速;气温是影响四季积雪覆盖面积的主导因素,春秋季雪线与气温分别呈正相关和负相关。     

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。     

面向云覆盖的遥感影像时空融合深度学习方法及其应用

遥感影像时空融合是一种获取高时空分辨率数据的有效手段,但现有方法在选定基础数据对时要求预测时间低分辨率数据无云覆盖影响,这极大地限制了其应用潜力。为此,提出一种面向云覆盖的遥感影像时空融合方法,即在深度学习框架下,构建重建子网络恢复预测时刻云下缺失信息,将重建后的低分辨率影像与前后相邻时刻高、低分辨率数据对构建时空融合子网络,得到最终的融合影像。以安徽淮南采煤沉陷区Landsat和MODIS反射率数据为例,对预测时刻MODIS数据模拟不同缺失率的云污染;利用所提方法进行时空融合实验,进而比较深度学习与传统方法融合数据对水体信息的提取效果。结果表明：该方法融合结果各波段的RMSE和SSIM均取得较好的定量评价效果,且总体优于传统方法;沉陷区水体提取实验表明本方法水体提取结果更加接近真实观测影像。因此,该方法降低了时空融合对数据的限制要求,且具有更高的融合精度和更有效的应用性。