地表蒸散发遥感产品比较与分析

蒸散发遥感估算与其他定量遥感反演参数相比存在算法复杂,环节多,输入参数多,不确定性来源多等不利因素,因而造成蒸散发遥感产品成熟度较低,产品较少,不能满足高时空分辨率、高精度、实时获取等应用需求的问题.从蒸散发遥感产品角度出发,选择目前国内外较为常用和知名的蒸散发遥感产品,系统分析了各产品的实际蒸散发估算模型方法、阻抗的...     

台湾地区蒸散发的遥感估算与时空分析

在地表能量平衡系统(SEBS)基础上,改进了SEBS的地表动量粗糙度、零平面位移及植被高度等参数化方案,并建立适合台湾地区的气温和地表温度相关性模型,构建了改良的定量遥感蒸散模型SEBS-China。选取台湾地区2002年和2003年4季各一晴空代表日,利用MODIS数据模拟了日均实际蒸散发。模拟结果较实测蒸发皿蒸发量偏小,与实际规律相符。分析模拟结果表明:台湾地区的太阳净辐射量、蒸发比和地表蒸散发量在时间分布上呈现出变化分明的年内分布规律:夏秋季比春冬季高,其中7月最大、1月最小。时间上,2002年4个代表日的模拟值普遍高于2003年的4个代表日。在空间上,高值区位于中部山区,并向东西两侧逐渐降低到沿海地区又略有回升。不同土地覆被类型的平均蒸散发量由大到小依次为森林、草地、水体、裸地、城镇建设用地;各行政区陆面蒸散发分布呈现城市明显低于区县的规律。     

基于TSEB平行模型的黄土丘陵沟壑区蒸散发遥感估算

复杂地形条件下和干旱半干旱植被稀疏条件下的蒸散发遥感估算一直是蒸散发区域遥感估算的难点、热点问题。针对黄土丘陵沟壑区地表起伏、覆被不均一、植被稀疏的特征,选择陕甘交界区为研究区,利用Landsat TM资料求取地表特征参数和地表能量平衡各参量,采用TSEB平行模型反演出该区域的瞬时土壤蒸发、植被蒸腾和土壤-植被总蒸散发量,经过尺度转换,得到日蒸散量;并利用附加阻抗法和FAO Penman-Monteith公式计算实际蒸散发,对TSEB平行模型法遥感估算结果进行了间接精度评价,比较验证结果表明TSEB平行模型法估算的蒸散发结果合理,精高较高。     

蒸散发遥感反演产品应用关键问题浅议

陆地蒸散发精确测算是地球系统和全球变化研究的薄弱环节与难点.遥感提供的蒸散发产品极大地推动了相关领域的研究,但蒸散发遥感产品种类多、反演理论涉及水文学与遥感科学,不仅影响初涉该领域的用户选择产品,且无视数据物理含义、简单拿来主义式的应用可能导致不合理的分析结果,影响科学问题深入研究.基于MODIS、GLEAM等6种长时...     

作物蒸散发模型研究中的地表温度反演

针对美国加州Merced县2002年8月9日的ETM+影像,利用单窗温度反演算法反演了遥感蒸散发模型S SEBI中的地表温度参数。选用了ETM+热红外的高增益61波段,对热红外波段反射率较低的植被覆盖研究区进行了地表温度反演,并反演地表温度所需要的几个参数：亮度温度、地表比辐射率、大气透射率。最后得出了研究区域地表温度分布结果：水体地表温度低于植被作物,建筑或道路的地表温度最高。不同地物间地温是不同的,作为蒸散发反演的重要参数,这将影响不同地物蒸散发估算。因此精确反演地表温度,将为今后蒸散发的研究打好基础。     

基于能量平衡的关川河流域蒸散发的遥感反演

蒸散发是水分循环的重要环节, 遥感技术为区域陆面水分蒸散发量估算提供了一种新的手段, 使用TM 数据和能量平衡模式估算流域蒸散发, 并给出了各个参量的遥感获取方法, 解决了由瞬时遥感数据估算全天蒸散发的问题。通过对关川河流域日蒸散发的模拟, 分析了该流域蒸散发的分布规律, 对陆面过程研究有一定的支持和指导意义。     

SEBAL模型在干旱区区域蒸散发估算中的应用

蒸散发是水量平衡和能量平衡的重要环节,传统的计算方法只能以点为基础进行计算。为排除蒸散发空间变异特性的影响,在遥感技术的基础上,引入了基于地表能量平衡原理的SEBAL模型,对新疆焉耆盆地的日蒸散发情况进行了计算模拟,获取了相关地面特征参数及日蒸散量,并根据盆地内具有大面积湖泊这一实地情况对模型进行了改进。     

三江源蒸散发遥感估算及其时空分布特征研究

蒸散发是地表水热平衡的基本变量,也是衡量植被生长水分适应性的重要指标。针对三江源地面实测资料匮乏的现状,以MODIS系列产品为主要数据源,通过对地表温度—植被指数特征空间法的改进,在日尺度实现了该地区2011～2019年蒸散发的连续遥感估算,并进一步解析其时空变化特征与影响因子,揭示不同土地覆被类型的蒸散发差异,以期为三江源畜牧业可持续发展与生态环境保护提供支撑。对比分析表明：蒸散发的估算结果达到了现有遥感蒸散发产品的精度要求,可用于分析三江源地区蒸散发的时空变化特征。近9年,三江源蒸散发总体呈现先减少后增加趋势,多年平均值为420.04 mm;受海拔与降水控制,蒸散发空间分布异质性明显,从东南向西北逐渐减少;3 194～4 620 m海拔范围内,蒸散发随海拔高度增加呈单峰型变化,站点尺度年蒸散发与降水量之间的相关系数为0.71。虽然不同土地覆被分类系统下蒸散发的统计结果存在差异,但单位面积蒸散发具有林地>灌丛/灌木林>草地/草甸>裸土地/无植被区的明显特征,像元尺度多年平均蒸散发与植被覆盖度的相关系数高达0.77。     

基于SEBS模型干旱区蒸散发量研究

以中亚五国和新疆为研究区域,选取近30 a的遥感数据,结合地面观测资料,基于SEBS模型,反演逐日实际蒸散发量。结果表明:2005年生长季,中亚地区蒸散发量为9 741.03×10⁸ m³,新疆地区蒸散发量为2 168.68×10⁸ m³;其蒸散发在1980、1990和2005年5~9月年际变化量分别为8 960.64×10⁸、9 134.37×10⁸、9 085×10⁸ m³。通过研究区降水量和新疆地区水平衡分析,模型反演的蒸散发量值较为合理,定量提出了区域水循环中参与蒸发过程的水量变化,揭示了干旱区区域蒸散发过程的变化规律。
     

基于Sentinel数据估算非均匀下垫面蒸散发的方法研究

蒸散发是水循环和能量平衡的重要组成,在地下水监测、农业灌溉等研究中发挥重要作用,但非均匀下垫面会导致遥感估算的水热通量产生空间尺度误差。以Sentinel数据作为基础数据,利用EFAF(Evaporative Fraction and Area Fraction)方法和温度降尺度法校正水热通量偏差,并且对比两种方法的差异。研究结果表明：EFAF方法和温度降尺度法的精度不相上下,决定系数R2约为0.86,平均偏差MBE约为18 W/m²,均方根误差RMSE约为64 W/m²,两种方法的精度都高于未校正潜热通量的精度,对于校正非均匀下垫面造成的潜热通量偏差有一定的效果。EFAF方法估算的潜热通量在像元尺度上的分布与土地分类数据一致,在区域尺度上和未校正的潜热通量分布一致。温度降尺度法估算的潜热通量在像元尺度上与地表温度的分布高度相似,其空间细节信息更加丰富,局部特征明显。     

多源遥感影像数据融合

综述了多源遥感影像数据融合技术,包括融合的信息表示、融合原理、融合系统框架模型、融合的算法、控制及应用,最后指出了融合中存在的问题、可能解决途径和未来发展趋势。     

遥感图象分类的统计融合方法及性能分析

基于数据层的统计数据融合方法,以提高遥感图象的分类性能为目的,实现了一种新的可调参数的图象分类方法。用这种方法对ＴＭ图象和ＳＡＲ图象进行了一系列的实验,并对实验的结果进行了分析,从而得出关于数据层统计信息融合方法的有益的结论。     

基于遥感的NDVI与气候关系图式研究

利用1983～1992年逐月的NOAA/AVHRR归一化植被指数（NDVI）数字影像，计算了中国NDVI动态变化与气温、降水变化的相关关系，在此基础上，分析了中国NDVI变化的区域分异规律，其结果表明：东北地区、内蒙东部以及青藏高原对降水的敏感度较高，而广大的华南平原、黄淮地区和新疆西部对气温的敏感度较高；我国陆地NDVI变化特征从东南到西北，呈现不同驱动因子及强度，且具有明显的地带状分布规律，经研究表明中国1983～1992年间NDVI变化空间差异存在气温、降水、气温降水共同驱动等3种变化图式，利用该图式可进一步表明中国NDVI变化气候驱动的区域差异规律。     

基于遥感影像综合理解模型的遥感影像分类

为了改善遥感影像的分类精度,介绍了遥感影像综合理解模型,并提出了一种新的遥感影像理解模型。利用它支持图像分类,在分类过程中,相关的地理数据得到使用,且用规则表示成像和知识。经验证,该方法与传统方法相比,有效改善了分类精度,是一种好的分类方法。     

基于CNN和农作物光谱纹理特征进行作物分布制图

以卷积神经网络（Convolutional Neural Network, CNN）为代表的深度学习技术,在农作物遥感分类制图领域具有广阔的应用前景。以多时相Landsat 8 多光谱遥感影像为数据源,搭建CNN模型对农作物进行光谱特征提取与分类,并与支撑向量机（SVM）常规分类方法进行对比。进一步引入影像纹理信息,利用CNN对农作物光谱和纹理特征进行提取,优化作物分布提取结果。实验表明：① 基于光谱特征的农作物分布提取,验证结果对比显示,CNN对应各类别精度、总体精度均优于SVM,其中二者总体精度分别为95.14%和91.77%;② 引入影像纹理信息后,基于光谱和纹理特征的CNN农作物分类总体精度提高至96.43%,Kappa系数0.952,且分类结果的空间分布更为合理,可有效区分花生、道路等精细地物,说明纹理特征可用于识别不同作物。基于光谱和纹理信息的CNN特征提取,可面向种植结构复杂区域实现农作物精准分类与分布制图。     

基于CNN和农作物光谱纹理特征进行作物分布制图

以卷积神经网络（Convolutional Neural Network, CNN）为代表的深度学习技术，在农作物遥感分类制图领域具有广阔的应用前景。以多时相Landsat 8 多光谱遥感影像为数据源，搭建CNN模型对农作物进行光谱特征提取与分类，并与支撑向量机（SVM）常规分类方法进行对比。进一步引入影像纹理信息，利用CNN对农作物光谱和纹理特征进行提取，优化作物分布提取结果。实验表明：① 基于光谱特征的农作物分布提取，验证结果对比显示，CNN对应各类别精度、总体精度均优于SVM，其中二者总体精度分别为95.14%和91.77%；② 引入影像纹理信息后，基于光谱和纹理特征的CNN农作物分类总体精度提高至96.43%，Kappa系数0.952，且分类结果的空间分布更为合理，可有效区分花生、道路等精细地物，说明纹理特征可用于识别不同作物。基于光谱和纹理信息的CNN特征提取，可面向种植结构复杂区域实现农作物精准分类与分布制图。     

杭州湾海岸线信息的遥感提取及其变迁分析

综合利用ISODATA分类、地图综合、离散地物去除和岸线追踪等技术,通过ENVI和ArcGIS实现了海岸线遥感信息的提取。以1979、1987、2000和2005年4期Landsat影像为基础数据,提取了杭州湾海岸线;将提取的目标海岸线重采样为30~960 m等10种空间分辨率,从而计算分维数并分析其变迁。研究表明:1979~2005年杭州湾海岸线长度增加了近37.5 km,其中北岸增加的长度(24.9 km)大于南岸(12.5 km);同时,杭州湾海岸线具有显著的分形特性,其中1979~1987年分维数增大,1987~2000年降低,而2000~2005年则为增大。宁波、绍兴、嘉兴、金山、奉贤和芦潮港6个重点海岸的岸线变迁表明,隶属上海市的海岸线受泥沙淤积、港口建设、沿海工业建筑和土地开发等的影响较大;而隶属浙江省的海岸线受自然条件、近海水产养殖和滩涂围垦等的影响较大。     

土地覆盖遥感专题信息的分层提取方法及其应用

重点讨论了土地覆盖遥感专题信息的分层提取方法,即根据各类目标的不同特征,采取相应的信息提取方法,分别建立专题信息层,最后把各专题层合并得到整体分类图;在此方案实施过程中,对各类目标开展了野外遥感调查和特征系统分析,并对样本区进行了ＧＰＳ定位,以获取空间辅助信息,提高提取精度;分层提取方法充分考虑到各类目标的不同特点,从而避免了通常分类方法中,单纯利用光谱特征所造成的地物混分现象     

模糊c-均值算法改进及其对卫星遥感数据聚类的对比

提出的改进的模糊c-均值聚类方法采用基于标准协方差矩阵的Mahalanobis距离,即椭球体聚类方法,这种聚类算法更接近遥感数据散点图的实际情况,从而可以显著提高聚类效果。对北京卫星ASTER数据的聚类分析实验表明,改进的模糊c-均值聚类方法的聚类效果要优于K-均值聚类方法和常规的模糊c-均值聚类方法。