基于MODIS时间序列森林扰动监测指数比较研究

森林扰动是影响陆地生态系统的重要因素之一,遥感可定期地获得大面积森林覆盖数据,成为定期和连续森林扰动监测的重要手段,基于时间序列数据的森林监测成为主要方式。研究利用2001~2013年MODIS时间序列遥感影像,以福建省为例,利用NDVI、NBRI、NDMI、IFZ和DI 5种森林扰动监测指数,结合植被变化追踪算法提取森林扰动区域,并从光谱响应特征和对不同扰动类型的响应能力等方面,分析了对我国南方森林扰动的监测能力。结果表明:DI对森林砍伐、森林病虫害和植树造林3种扰动类型的响应能力较强,NBR对森林火灾最为敏感,NDVI对4种扰动类型的响应能力相对较弱;5种指数中DI对森林扰动的响应能力较强,森林扰动提取精度最高,IFZ次之,NDMI和NBR监测精度相当,且优于NDVI。     

仪征地区农田深层土壤湿度遥感反演初探

利用MODIS合成产品数据MOD11A2和MOD13A2获取的陆地表面温度(Ts)和归一化植被指数(NDVI)构建Ts/NDVI特征空间,依据该特征空间计算温度植被干旱指数(TVDI),进而反演了仪征地区不同季节的40 cm土壤相对湿度。使用野外同步实测数据进行验证,结果显示,总体平均相对误差为11.83%,2004年11月误差最小,为4.30%。遥感反演的仪征地区土壤湿度分布图表明该地区存在两个土壤湿度高值区,分别位于仪征南部的长江冲积平原和西北部的谷底平原地带,并且土壤平均相对湿度越大,其高值区与低值区之间的差异越小。     

高分辨率遥感图像分割的最优尺度选择

面向对象的最优尺度选择是高分辨率遥感图像多尺度分割技术中的关键问题。最优分割尺度的确定直接影响到后续的图像信息提取与分析。在模型计算法的基础上,改进并实现了一种全局最优尺度计算模型。该最优尺度计算模型可以根据多波段信息自动选择最优尺度,从而避免了人目视的主观性。     

滨海盐土重金属含量高光谱遥感研究

高光谱遥感凭借其极高的光谱分辨率在获取有机质、矿物质等土壤组分定量信息的研究中表现出非凡的潜力。以如东县洋口镇为研究区,通过对土壤反射光谱的测量和同步的土壤化学分析,研究了土壤重金属Cr、Cu、Ni与土壤粘土矿物、铁锰氧化物以及碳酸盐之间的赋存关系。利用光谱一阶微分、倒数对数和连续统去除法对土壤光谱的处理,获得了土壤成分的特征波段,通过土壤重金属与土壤光谱变量的相关分析,并利用逐步回归分析方法,确立了3种重金属元素的最佳遥感模型。结果表明,研究区3种重金属与波长429 nm、470 nm、490 nm、1 430 nm、2 398 nm、2 455 nm处光谱变量具有很好的相关性,在所建立的逐步回归模型中,以一阶微分处理的模型精度最高。研究结果可以为高光谱遥感技术反演土壤重金属含量,进一步应用空间或航空遥感进行大尺度环境污染遥感、遥测信息提取和反演提供技术支撑。     

土壤湿度同化数据综合分析处理系统的研制与开发

陆面数据同化系统的输入和输出数据以其格式多样性、海量性为主要特征。以GIS二次开发组件ArcGIS Engine,ArcSDE空间数据库引擎和SQL Server 2005数据库管理工具,利用C#、IDL编程语言,构建土壤湿度同化数据空间数据库,并将气象数据具有时间域、空间域和属性域等多维属性与GIS数据模型相结合,研制开发综合分析处理系统,实现土壤湿度同化输入参数与输出数据的空间分析与管理。系统能够满足陆面同化系统对数据的处理与分析需求,为土壤湿度同化产品的业务应用提供强大的支撑。     

基于遥感的土壤电阻率估算研究

以我国长江中下游的南京及其周边15个市（县）为例,采用野外测定、室内分析与遥感反演相结合的方法,开展了土壤电阻率估算研究.选用影响土壤电阻率的土壤水分、土壤温度、土壤可溶盐总量与土壤阳离子交换量等4个主要因子,遥感反演土壤水分和温度空间分布,以获取估算土壤电阻率所需要的主要参数;采用偏最小二乘二次多项式（PLSQM）模型对不同地表覆盖类型下的土壤电阻率进行估算,PLSQM估算模型的估算值与实测值的相关系数达到0.85,平均相对误差（MRE）为19.02%,均方根误差（RMSE）为7.79.结果表明,草地、农田、林地3种不同地表覆盖类型下土壤电阻率有明显差异,PLSQM模型实现了较高估算精度,具有较好的应用潜力.     

基于像元质量分析和异常值检测的LAI时序数据S-G滤波重建研究

叶面积指数Leaf Area Index(LAI)是表征植被冠层结构的一个重要参数,因大气条件等因素影响,使MODIS LAI数据产品中存在数据缺失、质量较低等问题,严重影响LAI数据集的应用。以江西省为研究区,综合利用像元质量分析、S-G滤波和年序列异常值检测滤波技术对2009～2013年MODIS LAI时序产品数据集进行重建研究。结果表明:阔叶林高质量像元占比最低,仅为51.76%,各类别低质量与反演失败像元整体占比达到20%～30%。针对数据集质量偏低的问题,提出了综合滤波方法。相较于S-G滤波法,重建后的高质量像元的LAI均值与原始均值更趋一致,中高质量像元重建后与原始数据的相关系数达到0.97,具有更好的保真性。对中低质量像元重建的异常值进行了滤波,填充了空值区,降低了标准偏差,较好地识别和修复了低值区或异常点,整体稳定性更好,能有效地拟合时序变化曲线。     

基于MODIS和CLDAS的综合干旱监测模型研究

传统的干旱监测指数主要考虑单一影响因子,往往无法全面综合反映干旱状况.基于MODIS数据和CLDAS数据,选取多个影响因子和能够直接反映干旱程度的干旱指数作为自变量,以综合气象干旱指数(CI)为因变量,通过梯度提升机(GBM)机器学习算法建立日尺度综合干旱监测模型,并以2015—2018年华北地区干旱为例进行了研究.结果表明模型监测结果与站点CI计算值具有显著的相关性,训练集和测试集决定系数分别达到0.945和0.655,均方根误差(RMSE)分别为0.033和0.082,综合干旱监测模型具有较高的精度.且模型监测与CI监测各月等级一致率均在65%以上,并与标准化降水蒸散指数(SPEI)和土壤相对湿度(RSM)相关系数分别为0.68和0.60,能较好地反映气象干旱和农业干旱状况.典型干旱情况监测表明,综合干旱监测模型综合考虑多种干旱影响因素,能较准确地识别出干旱的发生,表征综合干旱发生状况.     

基于集成学习方法的CLDAS土壤湿度降尺度研究

土壤湿度为陆地生态系统水循环和能量收支的关键参数, 陆面数据同化系统可获得时空连续的土壤湿度数据, 但由于空间分辨率较低限制了进一步应用.以华北地区作为研究区, 基于单一模型(梯度提升机、深度前馈神经网络和随机森林)以及Stacking集成学习方法, 对中国气象局陆面数据同化系统(CLDAS-V2.0)0~10 cm土层土壤湿度产品开展了降尺度研究.2019年4—10月降尺度模型的估算结果表明, 0~10 cm土层土壤湿度空间分辨率从6 km降尺度至1 km, 4种降尺度方法结果均能反映出我国土壤湿度时空变化规律, 一定程度上改进CLDAS产品高估现象, 且空间分布细节更加丰富, 精度得到提高, 其中以Stacking集成学习的降尺度方法最好, 降尺度的土壤湿度估算值与站点观测数据的相关性最高(R=0.756 8), 并且具有最小的误差(均方根误差为0.050 5 m³/m³, 偏差为-0.005 2 m³/m³).时间上, Stacking集成学习的降尺度结果同样与实测值的动态变化具有更高的相关性, 均方根误差和偏差以Stacking集成学习方法最小, 其次为随机森林和深度前馈神经网络.     

不同遥感指数提取林火迹地研究

森林火灾是一种重要的森林扰动,是导致森林碳储量减少的重要途径之一,及时、准确地获取林火迹地对于研究全球碳循环及气候变化具有重要意义。以江西省武宁县为研究区,选用1991年和1992年两期Landsat TM遥感影像,采用区分指数(M),分析了Landsat TM 7个波段、植被指数、火烧迹地指数及其改进指数对林火迹地的提取能力,并评价其分类精度。结果表明:TM4 、TM7和TM6波段区分度较高,能较好地反映林火迹地的特征;18个不同的遥感指数中,NBR、NSTV1、NSTV2和NSEV1区分度大于1.5,林火迹地提取精度达到85%以上,具有较高的林火迹地提取能力,EVI、BAI、MIRBI、SAVIT和NSEV2指数提取能力相对较弱;而以引入TM6波段的改进指数NSTV2提取能力最高,适当的方式引入热红外波段可改进遥感指数对林火迹地的提取能力。