基于Landsat影像的清河水库总悬浮物浓度反演模型研究

为了及时、准确的了解清河水库总悬浮物浓度情况,采用Landsat卫星OLI数据,通过SPSS软件分析计算OLI数据的单波段及波段组合与总悬浮物浓度之间的相关关系,选取相关系数最大者分别构建比值线性回归模型和非线性的最小二乘支持向量机模型(LS-SVM),对清河水库总悬浮物浓度进行了遥感定量反演研究。结果表明,相比于比值线性回归模型,LS-SVM模型将预测值与实际值的可决系数R2从0.686提高到0.88,平均相对误差从3.52%减小到3.16%,利用LS-SVM模型对总悬浮物浓度的反演精度显著提高。     

基于landsat卫星影像的水库水体总磷质量浓度反演研究

以清河水库为研究区域,利用Landsat8卫星OLI数据及实地观测数据,建立了适于清河水库水体总磷质量浓度的最小二乘支持向量机(LS-SVM)遥感反演模型,并对清河水库总磷量进行了反演分析。结果表明,LS-SVM模型的平均相对误差为6.06%,相比于单波段线性回归反演模型及波段组合线性回归模型,平均误差分别降低了20.77%、12.53%,显著提高了清河水库水体总磷质量浓度反演的模型精度,达到遥感反演预测精度要求;利用LSSVM反演模型对清河水库总磷量反演显示,水体中总磷质量浓度主要集中在0.04~0.08 mg/L,水库水体总磷质量浓度总体偏高。     

大伙房水库叶绿素a浓度反演模型研究

以大伙房水库为研究区域,选择环境卫星影像数据与同步实测叶绿素a浓度,建立线性回归模型与最小二乘支持向量机(LS-SVM)模型,进行大伙房水库叶绿素a浓度的定量反演研究。结果显示,LS-SVM模型比线性模型更适用于大伙房水库的叶绿素a反演研究。应用LS-SVM模型后,模型预测值与实测值的决定系数R2由0.5918提升到0.8167、平均相对误差从65.4%减小到24.49%,明显提高了大伙房水库叶绿素a的反演精度。     

高氟地区平原水库高锰酸钾指数的定量遥感研究

以高氟地区沧州大浪淀水库作为研究对象,将实测的高锰酸钾指数和TM遥感数据反射率进行回归分析处理,构建了高锰酸钾指数与TM各波段多光谱定量遥感模型,并对TM3/TM5波段指数模型进行了定量反演,其结果符合水体实际水质分布情况,表明所建模型可应用于该水体高锰酸钾指数的监测需要,同时探讨定量反演水库氟离子浓度的可行性.     

小开河引黄灌区土壤盐渍化定量遥感反演

近年来黄河下游土地次生盐渍化呈现反复和逐渐加剧的态势,对农业生产和生态安全造成危害。以黄河三角洲小开河引黄灌区为研究区,基于野外实地调查的土壤盐分含量以及Landsat8 OLI多光谱影像,分析土壤样品的光谱曲线特征,利用诊断指数法选取诊断指数较大的波段反射率数据作为自变量,土样盐分数据为因变量,分别采用多元线性回归模型和BP神经网络模型构建土壤含盐量反演模型。结果表明:土壤盐渍化程度越高,影像光谱反射率越低,且在近红外波段反射率最高;BP神经网络模型的反演精度优于传统的多元线性回归模型,其R~2为0.980 8,RMSE为1.059 5,平均相对误差为15.4%,拟合精度较高,能够为灌区盐渍化治理提供基础依据。     

基于Hyperion高光谱遥感影像的冬小麦地上干生物量反演

在中国黄淮海粮食主产区选择河北省衡水深州市为试验区,以冬小麦地上干生物量为研究对象,以作物冠层高光谱和EO-1 Hyperion高光谱卫星数据为主要数据源,在分析冠层高光谱构建的窄波段植被指数(N-VIs)与实测冬小麦地上干生物量间相关性基础上,提出了利用拟合精度R~2极大值区域重心确定冬小麦干生物量敏感的光谱波段中心的方法,并运用该方法确定了冬小麦生物量敏感波段中心。在此基础上,以敏感波段中心筛选结果为指导,利用窄波段植被指数及相关波段开展Hyperion高光谱卫星遥感区域冬小麦干生物量遥感反演和精度验证。最终,按精度最高原则优选区域冬小麦地上生物量反演结果。其中,研究采用了冬小麦孕穗期Hyperion数据,涉及的植被指数包括窄波段归一化植被指数(N-NDVI)、窄波段差值植被指数(N-DVI)和窄波段比值植被指数(N-RVI)。结果表明,通过与实测冬小麦地上干生物量对比,利用冠层高光谱冬小麦地上干生物量反演敏感波段筛选结果及其相应波段构建的Hyperion窄波段植被指数进行孕穗期作物干生物量估算取得了较好结果,其精度由大到小为:N-NDVI、N-RVI、N-DVI。其中,以波段B_(18)(波长528.57nm)、波段B_(82)(波长962.91nm)构建的Hyperion N-NDVI估算区域冬小麦地上干生物量精度最高,相对误差(RE)和归一化均方根误差(NRMSE)分别为12.65%和13.78%,证明本研究提出的区域冬小麦地上干生物量反演方法具有一定可行性,为高光谱遥感卫星数据敏感波段选取和提高农作物生物理化参数定量遥感精度提供了一定思路借鉴。     

基于Landsat-8 OLI数据的乌梁素海总溶解性固体质量浓度遥感反演

【目的】探究研究区总溶解性固体(TDS)质量浓度分布,为水环境质量评价提供依据。【方法】利用2013年和2015年乌梁素海实测TDS质量浓度和遥感反射率数据,建立并检验了TDS质量浓度多元线性回归模型,将模型应用于大气校正后的Landsat-8 OLI数据,分析了乌梁素海TDS质量浓度时空分布特征。【结果】建立的多元线性回归模型均方根误差为0.455 g/L,平均相对误差为13%,决定系数R2为0.594。经误差敏感性检验及区域适用性检验表明,该算法适用于乌梁素海开阔水体TDS质量浓度遥感反演。乌梁素海TDS质量浓度无明显的时间循环变化特征;中部开阔水体TDS质量浓度低;北部、东部沿岸及南部部分水域TDS质量浓度反演结果有较大误差。主要原因是北部、东部和南部受底质、藻华及沉水植被的影响较大。【结论】建立的模型可用于乌梁素海TDS质量浓度的遥感反演。     

基于加权算法的空-天遥感升尺度土壤含盐量监测模型

利用无人机-卫星遥感升尺度转换方法可以有效提高土壤含盐量监测精度。以内蒙古河套灌区沙壕渠灌域为研究区,4月裸土期表层土壤为研究对象,分别采用主导变异权重法、局部平均法和最邻近法将试验区无人机4波段影像(0.1m)升尺度至与GF-1卫星(16m)同一尺度,引入3种变量组合作为模型输入变量并利用多元线性回归模型（Multivariable linear regression,MLR）和BP神经网络模型（Back propagation neural networks,BPNN）构建不同数据源关于土壤含盐量的定量监测模型。在此基础上,采用波段比值均值法对GF-1卫星数据进行修正,实现基于卫星因子的研究区土壤盐分升尺度反演。结果表明,经统计指标评价后得出主导变异权重法在4块试验区针对4波段影像的尺度转换效果总体上优于其他2种转换方法;3种无人机-卫星遥感升尺度转换方法中,主导变异权重法监测效果最佳,局部平均法次之,最邻近法效果最差;对筛选得到的2个模型进行升尺度修正,得到验证效果最佳的监测模型为基于混合变量组的多元线性回归模型,其R2v为0.420,RMSEv为0.219%,比直接采用GF-1卫星数据得到的混合变量组多元线性回归模型R2v高0.217,RMSEv低0.013个百分点。本文研究结果可为卫星、无人机多光谱遥感一体化监测裸土期农田土壤含盐量提供参考。     

基于无人机-卫星遥感升尺度的土壤盐渍化监测方法

为提高卫星遥感对裸土期土壤盐渍化的监测精度,以河套灌区沙壕渠灌域为研究区域,利用无人机多光谱遥感和GF-1卫星遥感分别获取图像数据,并同步采集土壤表层含盐量;将实测含盐量与无人机和GF-1卫星两种数据的光谱因子进行相关性分析,引入多元线性回归模型（Multivariable linear regression,MLR）、逐步回归模型（Stepwise regression,SR）和岭回归模型（Ridge regression,RR）,分别构建盐渍化监测模型;采用改进的TsHARP尺度转换方法,将无人机数据建立的趋势面应用到GF-1卫星尺度上,经过转换残差校正,对升尺度结果进行定性和定量分析。结果表明：在两种遥感数据的光谱波段和盐分指数中,蓝波段B1、近红外波段B5、盐分指数SI、盐分指数S5和改进的光谱指数NDVI-S1与表层土壤盐分的相关性较好,相关系数均在0.3以上;在3种回归模型中,利用无人机多光谱影像数据和GF-1多光谱影像数据反演表层土壤含盐量的最优模型分别是SRU模型和MLRS模型;升尺度后土壤含盐量的反演精度高于直接采用卫星遥感数据反演的精度。本研究可为裸土期土壤盐渍化的大范围快速精准监测提供参考。     

基于多种光谱预处理的融雪期积雪深度定量模型研究

在融雪期通过实地雪深与光谱测量,研究了实测光谱反射率与积雪深度之间的关系。分别采用反射率Reflectance、倒数之对数log(1/R)、标准化比值(R/R_(450-750))和Box-Cox转换值4种光谱指标与不同波段组合建立对雪深的多元线性回归预测模型,并利用验证样本集对模型进行了检验。结果表明:野外实测反射光谱与雪深值呈良好的正相关关系,采用可见光波段与近红外波段结合的波段组合预测积雪深度的建模与检验精度均高于单独使用可见光波段或近红外波段,标准化比值结合可见光与近红外波段组合建模精度与检验精度均为最高,4种光谱指标中,倒数之对数和Box-Cox转换值的模型判定系数与检验精度均不理想。     

基于Landsat8 OLI遥感数据反演乌梁素海浮游植物生物量

【目的】评价乌梁素海多个季度浮游植物生物量反演模型的适用性,为乌梁素海水质治理与改善提供一定的理论依据。【方法】利用乌梁素海Landsat8 OLI遥感数据,结合实测水体的叶绿素a质量浓度数据,采用回归分析,构建乌梁素海浮游植物生物量反演模型,对反演模型精度和普适性进行验证。【结果】春季以b_5(近红外)/b_4(红光)为自变量的二次多项式回归方程拟合度较差,决定系数为0.463,实测数据与预测数据的均方根误差为6.88 mg/m~3;夏季以b_5(近红外)/b_4 (红光)为自变量的二次多项式回归方程拟合度最优,决定系数为0.816,实测数据与预测数据的均方根误差为3.67 mg/m~3;秋季以(b_5-b_4)/b_3为自变量的二次多项式回归方程拟合度适中,决定系数为0.602,实测数据与预测数据的均方根误差为4.63 mg/m~3。【结论】同步采集水样与高光谱数据,利用细胞体积转化法计算浮游植物生物量,是提高浮游植物生物量反演模型精度的重要前提条件。     

基于Hyperion高光谱影像的冬小麦地上干生物量反演

在黄淮海粮食主产区选择河北省衡水市深州市为试验区,以冬小麦地上干生物量为研究对象,以作物冠层高光谱和EO-1 Hyperion高光谱卫星数据为主要数据源,在分析冠层高光谱构建的窄波段植被指数(N-VIs)与实测冬小麦地上干生物量间相关性基础上,提出了利用拟合精度R2极大值区域重心确定冬小麦干生物量敏感的光谱波段中心的方法,并运用该方法确定了冬小麦生物量敏感波段中心。在此基础上,以敏感波段中心筛选结果为指导,利用窄波段植被指数及相关波段开展Hyperion高光谱卫星遥感区域冬小麦干生物量遥感反演和精度验证。最终,按精度最高原则优选区域冬小麦地上生物量反演结果。其中,研究采用了冬小麦孕穗期Hyperion数据,涉及的植被指数包括窄波段归一化植被指数(N-NDVI)、窄波段差值植被指数(N-DVI)和窄波段比值植被指数(N-RVI)。结果表明,通过与实测冬小麦地上干生物量对比,利用冠层高光谱冬小麦地上干生物量反演敏感波段筛选结果及其相应波段构建的Hyperion窄波段植被指数进行孕穗期作物干生物量估算取得了较好结果,其精度由大到小为:NNDVI、N-RVI、N-DVI。其中,以波段B18(波长528.57 nm)、波段B82(波长962.91 nm)构建的Hyperion N-NDVI估算区域冬小麦地上干生物量精度最高,相对误差(RE)和归一化均方根误差(NRMSE)分别为12.65%和13.78%。     

基于HJ-1马尾松叶面积指数的遥感反演

以福建省为研究区,利用环境星(HJ-1)CCD数据,选择并提取了与叶面积指数(LAI)关系密切的4种植被指数,即归一化比值植被指数(NDVI)、比值植被指数(RVI)、改进的土壤调节植被指数(mSAVI)及增强型植被指数(EVI),结合研究区内准同步马尾松LAI地面观测数据,通过研究各种指数与马尾松LAI之间的关系,选择与马尾松LAI相关最密切的RVI同实测LAI建立6种非线性回归模型,6种模型中以理查德模型建立的模型精度为最高,总体均值预报偏差相对误差为3.1%,并以此模型实现了福建省马尾松LAI遥感反演。     

基于多源数据融合的盐分遥感反演与季节差异性研究

为提高多光谱盐分遥感反演的精度,利用实测高光谱与多光谱进行数据融合,并分析了不同季节盐分遥感的差异性。以河套灌区永济灌域为研究区域,以实测光谱仪测定的土壤高光谱数据和Landsat-8 OLI多光谱数据为基础,通过光谱变换和多元逐步回归方法筛选特征波段和特征光谱指数,构建了春、秋两季土壤盐分多光谱、高光谱反演模型,并利用特征光谱指数的线性回归构建了高-多光谱数据融合反演模型。结果表明:高光谱的反射率总体比多光谱高36. 83%,春季反射率比秋季平均高23. 78%。利用模型中最优变量-特征光谱指数对多光谱模型与高光谱模型进行融合,高-多光谱融合反演模型训练集和验证集R2平均值分别为0. 651和0. 635,RMSE平均值分别为2. 44 g/kg和2. 49 g/kg,精度明显高于对应的多光谱反演模型,其中训练集、验证集的R2平均值分别提高了36. 19%和35. 64%,RMSE平均值分别降低了34. 28%和41. 72%。春季多光谱、高光谱和融合反演模型的精度均高于秋季,其中训练集R2平均值比秋季模型分别提高了6. 03%、6. 05%和4. 40%,验证集R2平均值分别提高了19. 07%、12. 21%和1. 75%。构建的高-多光谱融合模型反演灌域春秋两季平均盐分含量分别为6. 05、5. 97 g/kg,平均相对误差分别为9. 65%和10. 68%,总体上该区域春季土壤主要为重盐化土,秋季土壤主要为中盐化土。     

无人机多光谱遥感反演花蕾期棉花光合参数研究

光合作用对作物的生长发育、干物质的积累以及产量的形成起着至关重要的作用。为探讨遥感技术反演作物冠层光合参数的可行性,以无人机作为遥感平台,搭载6波段多光谱相机,通过采集棉花花蕾期不同时刻(09:00、11:00、13:00、15:00、17:00)冠层多光谱遥感图像,提取其冠层光谱反射率信息,并同步测定棉花冠层叶片的净光合速率(Pn)、蒸腾速率(Tr)、气孔导度(Gs)和胞间二氧化碳浓度(Ci)等光合参数。通过对4种光合参数和6波段光谱反射率进行相关性分析,并分别使用一元线性回归和主成分回归、岭回归、偏最小二乘回归等多元回归方法,建立不同光合参数在不同时刻的反演模型。结果表明:净光合速率(Pn)、蒸腾速率(Tr)、气孔导度(Gs)和胞间二氧化碳浓度(Ci)的最优反演模型分别为13:00的基于蓝光波段反射率的一元线性模型,15:00的基于红光波段反射率的一元线性模型,15:00的岭回归模型和15:00的基于红光波段反射率的一元线性模型,模型的决定系数R2均在0.5以上,验证相对误差RE均小于9%。该研究可为大范围监测作物的光合作用提供一定的参考。     

鄱阳湖透明度遥感反演及其时空变化研究

通过对鄱阳湖实测光谱的特征分析,结合透明度野外量测,利用MODIS影像分期统计回归方法反演得到透明度信息和分析其时空变化。研究结果表明：红光和近红外波段是反演水质参数透明度的敏感波段,鄱阳湖丰水期、平水期和枯水期透明度变化较大,呈逐渐减小的趋势,与实测数据吻合。利用该遥感模型可以实现大面积鄱阳湖透明度实时动态监测的目的。     

基于环境小卫星的凌河叶绿素a浓度定量反演

利用遥感技术对河流水质环境进行监测评价,实现河流水质的实时同步监测。以辽宁省大凌河朝阳市区段为研究对象,在获取实地监测数据和HJ-1B遥感影像的基础上,建立比值线性回归模型和模糊控制RBF神经网络模型,对水质参数叶绿素a浓度进行定量反演。试验表明,模糊控制RBF神经网络模型的叶绿素a浓度反演结果和精度明显好于线性模型,为凌河水质监测提供了一种较好的方法。     

基于HJ-1A卫星CCD1数据的滇池水质参数反演模型研究

将遥感技术应用于水质监测能够较好地反映区域水质在空间和时间上的分布情况和变化,尤其适用于大范围水域的快速监测。使用HJ-1A卫星CCD1数据,以滇池为研究区,对滇池悬浮物、叶绿素a两个水质参数的遥感定量反演进行了研究。研究结果表明CCD1数据的2、3、4波段与滇池悬浮物浓度的相关性最好,构建悬浮物浓度反演模型的最佳波段组合为:(b2+b3)/(b2/b3);3、4波段与滇池叶绿素a浓度的相关性最好,构建叶绿素a浓度反演模型的最佳波段组合为:(b4-b3)/(b4+b3)。通过对遴选出来的波段组合进行趋势拟合分析,得到最适合滇池水质参数的反演模型。     

基于多源数据的松嫩平原黑土区亚像元雪盖率算法研究

为了解决积雪反演研究中常用的二值积雪分类法存在误差较大的问题,根据松嫩平原黑土区的独特地理环境,并在充分考虑地表类型的情况下,将中分辨率成像光谱仪(Moderate-resolution imaging spectroradiometer,MODIS)影像作为数据源、陆地成像仪(Operational land imager,OLI)影像视为"真值"数据,建立松嫩平原黑土区MODIS像元积雪覆盖率与归一化雪盖指数(Normalized difference snow index,NDSI)值之间的线性回归关系模型。结果表明,与MOD10A1积雪面积比例数据(Fractional snow cover,FSC)相比,反演模型雪盖率的误差分析结果得到改善,能够更好地满足当前积雪反演研究的现实要求。亚像元雪盖率估算模型在一定程度上提高了松嫩平原黑土区雪盖面积监测的精度,为该地区春季墒情预报、农业耕种提供了科学依据。     

基于高分辨率多光谱影像的温瑞塘河水质反演模型研究

针对温瑞塘河水质监测中成本较高、监测点有限等特点,基于遥感技术和数理分析的基本理论,以温瑞塘河为研究对象,利用高分辨率遥感数据和实测水质数据建立了总氮和总磷两个水质参数的遥感反演模型,并对温瑞塘河的主要超标指标总磷和总氮进行了遥感反演。结果表明,对于总氮,多元线性回归模型和人工神经网络模型预测结果与实测值平均相对误差分别为15.45%和6.70%;对于总磷,平均相对误差分别为13.91%和13.62%。两种反演模型均能有效地监测温瑞塘河水质状况和空间分布情况,水质遥感反演模型具有深入研究和推广的价值。