2个代表性的国外卫星遥感降水观测系统

应用卫星遥感数据估算降水,是获取降水信息的重要手段之一。针对天气雷达对降水量"测不准"和地面雨量计"测不到"的问题,通过卫星遥感技术手段获取降水量数据,可弥补常规手段降水量观测的不足,尤其是高原寒区、海洋等人迹罕至的地区。主要讨论国际上2种代表性的卫星遥感降水观测系统(TRMM和GPM),并对卫星遥感降水观测技术的应用作简要分析,结果表明,应用卫星遥感降水数据解决点降水观测数据区域代表性不强、无降水资料地区,以及大时空尺度降水量估计等问题方面,可以发挥重要作用。     

若尔盖高原区域碳收支参量多尺度遥感综合观测试验:科学目标与试验设计

介绍了若尔盖高原区域碳收支参量多尺度遥感综合观测试验的研究背景、科学目标、关键问题、观测方案、观测系统设置和后续观测计划.总体目标是,开展若尔盖高原区域湿地-草地生态系统碳收支参量多尺度遥感与地面同步观测试验,为人为干扰条件下湿地-草地生态系统碳收支变化过程研究积累基础数据;发展能够融合多源、多尺度遥感观测的碳收支相关参量反演模型,为实现卫星遥感对区域尺度碳收支研究提供方法和范例;建立区域尺度上的多尺度观测体系,通过多源遥感技术与生态过程模型的耦合,降低碳收支遥感监测及模拟的不确定性,更加综合地理解湿地-草地生态系统不同时空尺度上的碳收支过程;增强遥感技术在湿地生态研究的应用性,并最终为区域湿地保护提供重要依据.试验以人为干扰剧烈的若尔盖高原湿地-草地区域为试验区,以碳循环过程的关键参量为主要观测对象,利用卫星遥感、航空遥感、地基遥感、通量观测、生态观测等相关设备,开展航空、卫星和地面配合的大型综合观测试验,精细化观测若尔盖高原沼泽化草甸、湿草甸、草甸、草原等不同覆被类型的碳收支过程的各个分量.讨论了碳收支参量的多尺度观测与时空尺度扩展问题,展望了同步综合观测试验在陆地生态系统碳循环研究的应用前景.     

“全球生态系统碳循环关键参数立体观测与反演”项目概述与研究进展

准确评估全球碳循环是准确估算未来大气CO₂浓度、预测气候变化的关键。目前全球陆地与海洋碳源汇估算时空不确定性大。除碳循环模式理论和认知存在缺陷外,全球尺度上缺乏精细时空分辨率的生态系统碳循环参数观测数据是造成全球碳循环估算存在巨大不确定性的重要原因之一。为此,项目以立体观测为技术手段,通过协同全球台站观测资料和多源卫星遥感数据,研制要素齐全的高质量陆地与海洋生态系统碳循环关键参数产品（GLOCC）,不仅包括主要碳源汇直接观测产品,如陆地生态系统生产力、生物量、土壤碳库和海水二氧化碳分压、海水颗粒有机碳等;还包括陆地与海洋生态系统光合作用关键参数以及碳循环模型过程关键变量。项目执行3 a多来,收集与处理了1981~2019年来的28种国内外卫星数据和19种全球碳循环产品生产相关的全球遥感产品,攻克了多源卫星遥感数据的一致性处理关键技术,发展了陆地与海洋生态系统碳循环关键参数的高精度卫星反演关键技术,初步研制了GLOCC碳参数产品生产与共享平台,并通过集成国内外卫星遥感数据,将部分陆地生态系统碳参数的时间分辨率从8 d提高到5 d。目前已经有7个GLOCC产品在国内外多个数据中心提供了产品共享服务。项目预期能够为全球变化研究提供时空分辨率高、时间序列长、碳循环参数全的遥感产品,并服务于全球碳源汇准确估算需求,并提供全球和区域碳收支的重要科学数据。     

多尺度分割的高分辨率遥感影像分类对比研究

为进一步提高高分辨率影像地物分类精度,以高分2号卫星影像为研究数据,根据高分2号卫星遥感影像光谱信息以及高空间分辨的结构特点,从遥感影像数据分割的尺寸效果及其各种地物显著特征着手,通过局部方差法寻求出各类地物的最优分割尺度,并建立尺度网络层,利用继承进行多尺寸下多特征的整体融合,在最优尺度层下根据光谱特征、形状特征对高分2号影像进行多特征融合与多尺度分割实验,并在此基础上进行了典型地物的分类对比研究。结果表明多特征融合多尺度分割能够较好利用高空谱信息提高地物分类精度。     

城市污水处理水质多尺度自适应特征提取

针对城市污水处理中水质数据样本存在时间和空间尺度不一致,导致水质特征变量难以准确提取的问题,提出了一种基于数据自适应重构的城市污水处理水质多尺度特征提取方法。首先,在数据时间尺度处理方面,设计了一种基于多尺度多样性熵计算的变量时间尺度优化方法,运用插值法构造等时间尺度的数据样本矩阵;其次,在数据空间尺度处理方面,设计了一种k近邻算法的多尺度数据空间重构方法,获取了数据同一空间分布的样本矩阵;最后,设计了一种基于自适应主元分析法(PCA)的数据特征动态提取方法,从数据重构样本矩阵中动态提取水质的特征变量。实验结果表明,基于数据自适应重构的多尺度特征提取算法能够准确地提取水质的特征变量。     

基于时空变异函数的Kriging插值及实现

Kriging（克里金）算法通常用于对空间变量进行插值,但不能直接应用于时空变量,它需要进行时空扩展。以月平均气温数据为例,运用时空Kriging方法结合R统计语言进行时空插值研究及其实现。通过时序分解去除气温数据中季节变化项,在分别得到空间变异函数和时间变异函数的基础上构建一类积和式时空变异函数来描述变量的时空相关结构,并给出基于R语言的具体实现步骤。将普通Kriging方法进行时空扩展,应用于气温数据的时空插值中。验证结果表明,基于时空变异函数的Kriging方法能提供较高精度的插值效果,这为时空变量的插值预测提供了有效的途径。     

最优尺度下的面向对象建筑物提取北大核心CSCD

针对基于面向对象方法提取建筑物准确度与精度不高的问题,提出了一种面积方差最优尺度分割法。该方法利用SPOT 5卫星遥感影像,根据建筑物特征对影像进行多尺度分割,以所有类别分割对象与实际目标匹配程度作为衡量的依据获得最优尺度。在不同尺度等级的对象层次上,根据对象的多特征组合,完成对建筑物分层分类提取。实验结果表明,该方法大大减少了分类的不确定性,获取了较高的精度,为建筑物准确提取提供了思路。     

一种单时相高分辨率遥感影像时空融合算法

受制于传感器本身材料及卫星轨道参数,空间分辨率和时间分辨率是卫星遥感传感器固有的性能指标且难以兼备,使得高空间分辨率卫星的多时相数据合成问题至今仍是制约其广泛应用的关键问题之一。由于可有效综合空间-光谱-时间维的影像信息,多源遥感影像时空融合技术在近十年间得到迅速发展并已成为解决多时相数据合成问题的有力手段,其中基于学习的时空融合策略在合成精度上具有显著优势且应用潜力较高,但因其对字典训练过程的依赖程度较高而在融合过程中存在一定的不确定性。为提高基于学习的时空融合策略的预测精度、运算效率及鲁棒性,通过综合基于辐射归化的大气校正方法、基于误差约束的数据标准化转换机制、自适应多层递进融合策略以及高效的稀疏求解函数库,设计了一种适用于单时相高分辨率遥感影像的时空融合框架,并以国产高分二号卫星与Landsat-8卫星遥感影像为实验数据对该方法进行充分的对比性分析。实验结果表明,该融合框架不仅提升了运算效率,还在影像保真度、纹理特征描述以及光谱一致性等方面比当前的单数据对融合方法具有更好的重构质量。     

太阳诱导叶绿素荧光的卫星遥感反演方法研究进展

太阳诱导叶绿素荧光(Solar-Induced Chlorophyll Fluorescence,SIF)是光合作用的副产品,能够提供直观反映与植被光合作用相关的信息,同时也为光合作用和GPP的研究提供了新的手段。近年来,许多基于通量塔的荧光观测系统用于SIF和GPP的关系研究。定量估算SIF对陆地生态系统碳循环、初级生产力(Gross Primary Productionty,GPP)和干旱监测的研究具有重要的意义。综述了现有的卫星遥感SIF反演方法,并依据使用通道的位置将SIF反演方法分为基于夫琅禾费暗线法和基于大气吸收波段法两类;分析了SIF卫星遥感反演与应用存在的问题,主要包括传感器性能误差、云覆盖影响、角度效应影响、真实性检验、降尺度以及日尺度转换等;最后,对今后SIF卫星遥感反演的研究方向进行了展望。     

遥感数据在水文模拟中的应用研究进展

水文模型已成为水文研究中不可或缺的重要部分。水文模型在经过黑箱模型阶段和集总式模型阶段后,现已发展到分布式水文模型阶段。相比于传统的站点观测,遥感技术由于能够获取面源信息、资料相对易获取并有稳定的较长时序观测等优势在水文模型中获得越来越广泛的应用。同时,近年来遥感数据产品在观测能力、可靠性和准确性、多源融合技术、卫星组网技术等方面取得了长足进展。遥感数据在水文模型中的应用主要有获取驱动数据,获取参数和边界条件,获取状态变量等3种方式。近些年来由于数据同化技术的发展,通过同化遥感观测数据改善水文模型模拟结果已成为遥感数据在水文应用中的一大研究热点。当前,遥感观测仍存在不确定性较高、时空尺度问题、瞬时观测、难以获取深层土壤信息等问题需要克服,如何在水文模型中充分利用不同来源、不同尺度的观测数据将是未来水文学研究的一个重要方向。     

The Study of Spatial-Temporal Characteristics for Chlorophyll Concentration derived from Remote Sensing Image in Xinfengjiang Reservoir

By investigating the law of radiative transfer and the process of scattering and absorption from suspended sediment，chlorophyll and oxygen\|consuming organics，this paper builds the model，it formulate the functional relationship between the reflection and the concentration of this three kinds of water quality parameters，therefore retrieve the concentration.With this model，the chlorophyll concentration in Xinfengjiang Reservoir can be inversed，then using the measured data to verify the inversion result，the correlation coefficient between them equals 0.94，and the average relative error equals 66.67%.By analyzing the characteristics of the chlorophyll spatial structure and its time distribution based on the result，we find out that the lowest concentration of the chlorophyll is always existing in the center area during the whole year，and the area near Xinfengjiang River and Zhongxinshui River has the highest concentration，associated with cage culture.Multiple factors has been considered in the model building in this paper，and hence multi\|spectral remote sensing data were successfully applied to improve the calculation accuracy.     

Evaluation of the NIR-SWIR atmospheric correction algorithm for MODIS-Aqua over the Eastern China Seas

The performance of the near-infrared (NIR) and short-wave infrared (SWIR) combined atmospheric correction algorithm (NIR-SWIR) for Moderate Resolution Imaging Spectroradiometer (MODIS)-Aqua over the Eastern China Seas (ECS) was evaluated. The in situ data set for evaluation in this study was collected during 2005 and 2012 through eight cruises in the ECS, wherein 49 in situ observation points were successfully matched with MODIS-Aqua data. The remote-sensing reflectance derived from MODIS-Aqua data using the NIR-SWIR algorithm and the NIR algorithm were compared to the in situ measurements in the matched-up data set, which included ocean bands (412, 443, 488, 531, 547, 667, and 678 nm) and land bands (469, 555, and 645 nm). The results show that the performance of the NIR-SWIR algorithm has been improved in turbid waters, and the effect at the short-wave bands (blue and green bands) is more significant than that at the long-wave bands (red bands). In addition, MODIS-Aqua data at the land bands (469, 555, and 645 nm) show a similar performance to those of nearby ocean bands. However, the lower estimation accuracy is still a remarkable question at bands 412, 645, 667, 678 nm. The results from both the NIR-SWIR and NIR algorithms were applied to the images of MODIS-Aqua in the ECS and they indicate that the extent to which the quality of the derived remote-sensing reflectance using the NIR-SWIR algorithm can be improved shows major differences for different seasons. The minimum area is in summer, and the maximum area in winter. The NIR-SWIR algorithm should be used for the whole of the Bohai Sea in winter.     

高光谱影像的BDT-SVM地物分类算法与应用

面对海量数据的特征空间高维性及训练样本的有限性,高光谱遥感影像若采用常规统计模式的分类方法难以获得较好的分类结果。因此探讨支持向量机(SVM)分类器的基本原理,针对EO-1Hyperion高光谱影像的分类特点及现有多类SVM算法所存在的训练时间长及分类精度低等问题,引入二叉决策树SVM(BDT-SVM)分类算法,并提出一种新的类间分离度定义方法及相应的客观确定二叉树结构的策略,由此生成改进的BDT-SVM算法。实验结果表明:与其他多类分类方法相比,基于改进的BDT-SVM算法的高光谱影像地物分类效果更好,总体精度达到90.96%,Kappa系数为0.89,该算法还解决了经典SVM多类分类可能存在的不可分区域问题。     

基于SVM模型的妫水河叶绿素a浓度的遥感反演

以北京市妫水河为研究区,基于2011年9月25日和2012年9月30日的两期叶绿素a浓度实测数据和准同步的环境一号卫星(HJ-1A)多光谱数据,分别构建一元线性和多元支持向量机模型(SVMM),通过决定系数R²和平均相对误差对模型的精度进行检验,用模型进行水体叶绿素a浓度的反演,并分析其时空分布特征。研究表明:在样本数较少的情况下,SVM具有很强的非线性映射能力,能够取得较好的预测结果,更适用于反演叶绿素a浓度。时间分布上,研究区叶绿素a浓度呈增加趋势,均值上升了6.86 μg/L;空间分布上,深水区叶绿素a浓度值低于浅水区,上游高于下游。国产HJ-1A CCD2多光谱数据以其4 d的时间分辨率,在水质动态变化监测方面具有优势。     

基于小波分析的TM遥感图像超分辨率重建

基于图像算法的超分辨率重建技术可以提高光学遥感图像的空间分辨率,能够更加有效地利用现有数据并降低成本。以滇西北香格里拉市小中甸坝为实验区,以2009年的TM影像为数据源,开展遥感图像超分辨率重建实验研究。首先分析其中造成图像退化的各项因素并经过双线性插值、维纳逆滤波、卷积等处理;然后通过小波分解得到描述各个方向上不同尺度的高低频信息的小波系数,并多次试验推导出满足预期条件的加权因子。再将多时段的低分辨率图像小波系数以小波重构的方式重建。通过实验可以看出,重建图像能提供更多的细节信息,图像质量有了明显提高。     

基于SAR与Landsat TM的小区域稻田的识别研究——以南京市江宁区为例

以南京市江宁区为研究区域,根据区域特征、作物物候期和水稻的生长特点,采用分层分类的方法提取稻田分布信息。通过比较多时相SAR数据、TM和多时相SAR融合与TM和单时相SAR融合数据识别水稻的精度和提取的水稻种植面积,分析了不同数据对区域多云雨,不同种植方式、面积小且分布破碎的水稻稻田的识别程度,并根据野外实地走访调查分析了主要影响因素。结果表明:多时相SAR数据、TM和多时相SAR数据的水稻识别精度都高于72%,高于TM和单时相SAR融合数据的结果;前两者提取的水稻种植面积和稻田分布接近,主要影响因素是地物分布、不同种植方式水稻物候期和水稻稻田面积小且分布破碎。     

一种基于HT系数预测的遥感图像多分辨融合方法

信息融合的概念自70年代形成后,由于其强调应用对象结果的信息优化,在许多方面比传统的信息处理方法有更大的优势,在遥感领域得到了广泛的应用。本文在分析前人算法的基础上,揭示了高斯拉普拉斯金字塔（GLP）结构融合方法与传统的哈达玛变换（HT）之间的内在联系,提出了一种基于HT系数预测的多分辨融合方法。通过实验表明,这一算法对于光谱差异较大的遥感图像的融合,在几何分辨率改善的同时可获得较好的光谱保真度。     

全极化SAR数据信息提取研究

全极化SAR(Synthetic Aperture Radar)测量的是每一像元的全散射矩阵,可合成包括线性极化、圆极化及椭圆极化在内的多种极化图像。因此与常规的单极化和多极化SAR相比,在雷达目标探测、识别、纹理特征的提取等方面全极化SAR具有很多优点。基于新疆和田地区的SIR-C L波段全极化雷达数据,介绍了极化合成的基本原理和数据处理流程,分析了几种典型地物全极化信号的特点,并在此基础上用监督分类法进行了全极化SAR数据的信息提取。结果表明:全极化SAR数据比单极化和多极化SAR数据具有更高的分类精度,并有效地的提取出地表信息,为利用SAR数据反演地表参数打下了基础。     

基于被动微波与时空联合算法的云下像元LST重建

地表温度作为衡量地球表面水热平衡的关键参数,具有两大时空分布特征:第一,空间分布一致性,即属性相近的像元地表温度与其地表亮温间的相关关系相对稳定;第二,时间序列周期性,且同一地区时间越接近地表温度值越相似。基于这两大特征将空间统计模型与时间序列滤波相结合,提出了用于云下像元地表温度重建的时空联合算法。以2008年MODIS地表温度产品为研究对象,采用Landsat TM数据和AMSR_E地表亮温数据重建中国9个省份的地表温度值,并与基于MODIS地表分类产品的多通道统计模型重建结果进行对比。实验结果表明,所提算法实用性强,能有效实现大面积复杂下垫面区域的地表温度重建;平均重建误差约为1.2 K,相较于基于下垫面分类的多通道统计模型下降了76%,算法精度明显提高。
     

基于四波段半分析算法和Hyperion遥感影像反演太湖叶绿素a浓度

水体叶绿素a浓度不仅是水质状况的重要指标,也是制定水环境保护和水资源开发利用方案的重要依据。以2004年8月19日太湖水质浓度实验数据和同步的Hyperion影像为数据基础,研究适用于Hyperion影像的四波段半分析算法。由模型参数标定数据集(37组)对四波段半分析算法参数的拟合分析和模型检验数据集(5组)对算法精度的评估可知,基于指数拟合方法获取的四波段半分析算法具有较高的叶绿素a浓度估算精度(相关系数为0.8913,平均绝对误差为1.1109μg/L,对应的平均相对误差为5.69%,其对应的4个波段波长分别为671.02nm、701.55nm、711.72nm和742.25nm)。用以上四波段半分析算法从Hyperion影像中提取的叶绿素a浓度呈湖心低、沿湖区域高的格局。与22.23 μg/L的年均叶绿素a浓度相比较,2004年8月19日的叶绿素a浓度处于年际较高水平。