被动微波土壤水分产品真实性检验研究进展

随着全球气候变化和陆面数据同化研究对土壤水分反演精度要求的不断提高,大尺度被动微波土壤水分产品的真实性检验变得极为重要。如何获取可以代表卫星观测尺度“真值”、并能表征空间异质性的土壤水分观测场,成为被动微波土壤水分产品真实性检验的关键问题。土壤水分观测场的构建涉及地面观测、同步观测、尺度转换等关键环节,可通过“点代面”和“多源信息融合”这2个技术途径进行构建。简要总结了应用于大尺度土壤水分的5种典型的真实性检验方法,包括实测样本数据检验、影像数据交叉检验、模型模拟检验、影响因素检验和传统地统计检验。这5种方法或缺乏对先验知识的有效利用,或忽略地面实测的重要性,或在综合利用多源数据类型的先验知识信息方面不足。随着贝叶斯最大熵理论的发展,基于贝叶斯最大熵理论和先验知识的大尺度土壤水分产品真实性检验有望发展成为一种可靠的方法。贝叶斯最大熵理论的优势在于,能够提供灵活的数据利用方式,使多种来源、多种类型的数据集有机会同时被用于卫星观测尺度的时空分析,生成高分辨率土壤水分数字地图,从而为大尺度土壤水分产品的真实性检验研究提供一个新的途径。     

基于HJ-IACCD数据的辐射传输模型反演叶面积指数研究

以内蒙古自治区赤峰市克斯克腾旗贡尔大草原为研究对象,利用HJ-IA的CCD数据进行叶面积指数反演。采用辐射传输模型PROSPECT和SAIL模型,根据贝叶斯理论回归反演LAI,获取LAI反演效果图。同时利用同步野外实测地面数据对反演LAI进行检验,发现两者存在较好的一致性,相关系数达0.696。最后对误差进行分析。结果表明,利用HJ-IA的CCD数据反演LAI,可较好地反映地面状况,具有较高的应用价值和广阔的应用前景。     

农田春小麦叶面积指数和覆盖度时空变异性研究

准确获取春小麦叶面积指数和覆盖度的时空变异特征,对春小麦生长参数时空分析至关重要,也是利用遥感准确反演春小麦叶面积指数和覆盖度必须解决的问题,对于尺度转换研究具有十分重要的意义。综合运用传统统计分析方法、地质统计分析方法及时间稳定分析方法,研究了春小麦叶面积指数和覆盖度在不同生育阶段的时空变异特征,并探讨了二者的关系,建立了综合考虑时空特征的春小麦叶面积指数增长模型。研究结果表明:在研究条件下,春小麦覆盖度和叶面积指数随时间的变化趋势相似,但二者变异系数(CV)的变化趋势明显不同,随着春小麦的不断生长,覆盖度CV不断减小,而叶面积指数CV则是先增加后减小;春小麦叶面积指数和覆盖度都具有空间结构,其中在播种-分蘖阶段(头水灌溉前)的空间相关距离最大(50~60 m),头水灌溉后,春小麦叶面积指数和覆盖度的空间相关距都减小,其中叶面积指数相对比较稳定(约20 m);春小麦叶面积指数和覆盖度均具有时间稳定特征,播种-分蘖阶段处于头水灌溉前,这个阶段的春小麦覆盖度对其在整个生育期的稳定性有显著影响,相比之下,这个阶段的叶面积指数对其在整个生育期的稳定性影响不明显;春小麦叶面积指数除了与生育期有密切的时间相关关系外,还在一定范围内与覆盖度有显著的空间相关关系,为此从时空变异角度,建立了一个以生育期和覆盖度为预报因子的叶面积指数增长模型,经检验,拟合模型方程在置信度0.01水平上表现显著。叶面积指数增长模型将不同时间的叶面积结合了空间上的变异特征,较之前的仅基于生育期的Logistic模型适应性更广。     

基于GF-1/WFVNDVI时间序列数据的作物分类

归一化植被指数(normalized difference vegetation index,NDVI)时间序列已广泛应用于植被信息提取研究,然而目前NDVI时间序列的研究主要集中于中低分辨率遥感影像,从而影响了植被信息提取的精度。随着中国高分专项首颗卫星高分一号(GF-1)的发射,为高分辨率NDVI时间序列的构建提供了可能。该文尝试利用GF-1卫星16 m宽覆盖(wide field of view,WFV)影像,构建16 m分辨率NDVI时间序列,以河北省唐山市南部区域为研究区,开展作物分类研究。该文采用覆盖作物完整生长期的GF-1数据构建NDVI时间序列,避免了利用自然年(1-12月)数据构建NDVI时间序列的不足,有助于作物信息的提取。通过分析样地的NDVI时序曲线,发现GF-1/WFV NDVI时间序列能够清晰地区分不同作物的物候差异,捕捉作物特有的生长特性,而且能够识别研究区当年的作物种植模式。该文分别采用最大似然法、马氏距离、最小距离、神经网络分类、支持向量机(support vector machine,SVM)等分类方法,基于GF-1/WFV NDVI时间序列对研究区作物进行分类,研究结果表明SVM分类方法总体精度最高,达到96.33%。同时该文还采用时间序列谐波分析法(harmonic analysis of time series,HANTS)对NDVI时间序列进行了平滑处理,结果表明处理后的NDVI时间序列能更好地描述作物的物候特性,作物分类精度得到进一步提高。