基于HJ-1B卫星数据的南京市地表温度反演研究

地表温度(LST)是全球变化的过程参数,应用HJ-1B-RS热红外数据,采用辐射传输法(RTE)、覃志豪单窗算法(Qins’)和普适性单通道算法(JM&S)对南京市地表温度进行反演。结果表明:3种算法均能较好地反映南京地区的地表温度趋势。RTE反演精度最高,与MODIS地温产品的差值多集中在2.1 K左右;Qins’的反演结果略低,温差多集中在3.87 K左右;而JM&S的结果明显偏低,温差多集中在5.96 K左右。结合土地利用类型图对地表温度进行分析,RTE温度结果中,温度最高的建设用地与温度最低的水体的温度相差4.1 K;Qins’温度结果中建设用地与水体的温度相差4.38 K;JM&S温度结果中建设用地与水体的温度相差2.15 K。RTE和Qins’更能体现不同土地利用类型之间的温度差异及对城市热岛的贡献。     

整合无人机和面向对象的农村居住环境信息提取

无人机遥感和面向对象图像分析技术在环境监测中得到越来越多的发展。然而在科学文献领域,使用无人机和面向对象制图农村居住环境的文献仍然很少。因此本研究构造一个整合框架用于提取农村居住环境中各类地物信息。首先利用尺度参数评估(ESP, Estimation of Scale Parameter)工具和专家判断来确定最优分割尺度参数;然后分别采用专家规则集和监督分类算法提取农村居住环境中各类地物;最后采用基于面的精度评价方法对分类性能进行评估。结果表明,利用ESP工具和专家判断确定最优分割尺度是可行的。总体精度为75.19%,说明基于规则的提取方法对研究区各类地物的提取效果不佳。但在农村居住环境中利用模板匹配结合阈值规则对太阳能热水器提取精度达92%。分析训练样本和特征对随机森林(RF,Random Forest)、支持向量机(SVM, Support Vector Machines)和K最近邻 (KNN, K-Nearest Neighbor) 分类器分类结果的影响,说明RF分类器对农村居住环境分类效果最好,总体分类精度高达91.34%。研究结果表明:该框架在农村居住环境地物提取方面是一种有价值的工具。     

亚洲区域AMSR2与SMOS土壤水分产品对比研究

遥感反演土壤水分(SM)产品越来越多地应用于农业、气象、水文等研究,而微波土壤水分数据产品的区域适用性分析是其合理使用的必要前提。使用MERRA-2(Modern Era Retrospective-analysis for Research and Applications,Version 2)模拟土壤水分为参考数据,运用传统统计方法(原始数据相关性、距平相关性、偏差以及无偏均方根差)和TC(Triple-Collocation)不确定性误差模型分析的方法,对亚洲区域2012年7月～2016年7月两种被动微波土壤水分SMOS-L3-SM(Soil Moisture and Ocean Salinity,L3)和AMSR2-LPRM-SM(The Advanced Microwave Scanning Radiometer 2,Land Parameter Retrieval Model Product)进行对比评估。结果表明:①空间上SMOS-L3较AMSR2-LPRM数据与参考数据MERRA-2土壤水分的相关性较好,表现为SMOS-L3-SM具有较好的空间连续性,且在亚洲大多数地区有较小的无偏均方根差;②湿季条件下遥感土壤水分与参考值的相关性比干季条件下的相关性更好,且干季出现高纬地区(约55°)缺失值较多的情况;③两遥感土壤水分的TC误差呈现相似的分布,区域TC平均误差两者均为0.076 m~3/m~3。总之,SMOS-L3-SM和AMSR2-LPRM-SM在空间相关性及TC误差评价方面都具有合理性,为遥感土壤水分在农业、气象、水文等方面的应用提供参考。