典型喀斯特山区的森林蓄积量遥感估算

[目的] 通过森林蓄积量的遥感监测了解喀斯特地区森林生态系统的健康状况和生态功能,为该地区碳汇监测与评估以及森林管理与决策提供理论依据。 [方法] 本研究选取典型喀斯特山区为研究对象,基于Sentinel-2A影像和样地调查数据,结合随机森林(RF)、K近邻回归(KNN)和BP神经网络3种机器学习模型,在山地坡度条件约束下开展森林蓄积量反演研究。 [结果] ①单波段反射率、植被指数和纹理特征等遥感因子在不同地形约束条件下的表现不同,建立模型的最优子集均不同,不同立地条件下建立蓄积量估测模型均有差异。 ②在喀斯特山区森林蓄积量估算中,RF相比KNN和BP模型鲁棒性和适应性最强。在缓坡、斜坡、陡坡立地条件下,RF模型精度分别达到80.1%,79.0%,80.5%。 [结论] 喀斯特山区空间异质性强,不同坡度立地条件下参与蓄积量遥感估测的建模自变量因子均不相同。坡度的划分可以细化复杂场景遥感估算模型,提高蓄积量遥感估算精度。     

基于多时相GF-6遥感影像的水稻种植面积提取

为获取高精度水稻种植面积提取方法和分析红边信息在作物识别能力上的优越性,该研究选取辽宁省盘锦市为研究区域,利用2020年水稻关键物候期的多时相高分6号宽幅相机（GF-6 WFV）遥感影像,构建归一化植被指数（Normalized Difference Vegetation Index,NDVI）、归一化水体指数（Normalized Difference Water Index,NDWI）、比值植被指数（Ratio Vegetation Index,RVI）和归一化差异红边1指数（Normalized Difference Red-Edge 1 Index,NDRE1）,根据各地物类型进行时序分析,在获得水稻面积粗提取结果的基础上对其他地类进行掩膜,准确提取水稻种植面积。对2020年盘锦市水稻提取结果进行精度分析,结果表明,基于实测数据进行精度验证的总体精度为94.44%,基于目视解译数据进行精度验证的总体精度和Kappa系数分别为95.60%和0.91。根据目视解译数据对有无红边波段参与的水稻提取结果进行对比分析可知,红边波段的引入使总体分类精度、水稻制图精度和Kappa系数分别提高了3.20个百分点、6.00个百分点和0.06。该研究证明红边波段可以有效降低作物的错分、漏分情况,对水稻精准估产和丰富农作物遥感监测方法具有重要作用,显示出国产红边卫星数据在作物分类、面积提取方面具有巨大应用潜力。     

基于GF-6卫星影像多特征优选的酿酒葡萄精准识别

多源遥感信息和特征优选是提高农作物识别精度的重要支撑,高分六号(GF-6)卫星作为首次引入红边波段的国产卫星,其丰富的光谱信息为作物识别提供了新的思路和解决途径。该研究基于宁夏回族自治区银川市永宁县2018年6月—2019年3月的GF-6数据,充分利用红边优势提取光谱特征、纹理特征和植被指数特征,构建多种特征组合方案,并根据随机森林算法对特征重要性进行度量,选取最优特征组合对酿酒葡萄进行精准识别。结果表明,与单一特征相比,多源遥感特征的增加显著改善了酿酒葡萄分类效果,其中,植被指数贡献程度最大,光谱特征次之;基于随机森林的优选特征组合分类效果最佳,其中,总体分类精度为94.15%,酿酒葡萄用户精度为94.23%,制图精度为92.59%;以实地调查的4个酒庄为验证区,将酿酒葡萄提取结果与统计数据进行对比,面积相对精度均在70%以上,其中优选特征结果相对精度在90%以上,研究结果将为国产卫星红边波段在植被分类和识别方面的应用提供数据参考。     

黑龙江省森林NPP的遥感反演

以黑龙江省的森林分布区为研究区域,基于光能利用率模型,利用2006年1km分辨率的MODIS数据和82个气象站的日照资料,结合土地覆盖类型,估算出研究区森林的年NPP,实现了遥感数据驱动的黑龙江省森林NPP的反演尝试。结果表明:2006年黑龙江省森林NPP的年总量为120.4×1012g.a-1,年平均值为545.6g.m-2.a-1,NPP最高值为1669g.m-2.a-1。其时间分布特点表现为明显的季节性变化,变化曲线呈单峰型;空间分布特点表现为显著的纬向分布,南高北低,东高西低,其中大兴安岭的森林NPP最低,小兴安岭次之,老爷岭的最高,基本体现了生产力按地域的正常分布规律。     

基于高分影像特征优选的黄土高原撂荒耕地遥感监测方法

快速、准确地监测撂荒耕地对研究土地利用变化、保障国家粮食安全和制定农业政策有着重要意义,黄土高原地区复杂地貌和耕地破碎性对监测撂荒耕地颇具挑战性。该研究以国产高分卫星遥感影像为主要数据源,使用耦合遗传算法的离散二进制粒子群算法改进最佳指数因子法优选分类特征因子,采用随机森林分类和分类后变化检测方法,获得试验区2011—2022年撂荒耕地时空分布信息,通过影像目视判读和实地调查相结合的方式进行结果验证和精度评价,结果表明：1）经重要性评估发现NDVI平均精度减少（mean decrease accuracy,MDA）得分最高,经改进的优选特征方法优选特征为：绿波段、红波段、近红外波段、蓝绿波段比值指数、坡度、NDVI、方差、对比度,特征优选有效提高了高分影像的土地利用分类精度和效率;2）国产高分卫星数据可实现地块尺度撂荒耕地的精准识别,经验证,撂荒耕地识别总体精度达到92.48%;3）2011—2022年间研究区撂荒耕地总面积为5492.51 hm²,2011—2014年撂荒率最大,达21.09%,2020—2022年撂荒率最小,为0.99%。该研究构建了黄土高原地区地块尺度撂荒耕地遥感监测的方法,并进行验证和评价,对推动撂荒耕地相关研究和国产高分卫星数据的实践应用具有积极意义。     

基于高分7号卫星DEM的坡度坡长计算精度评价

[目的] 坡度和坡长作为重要的地形因子,其计算的准确性直接影响坡面土壤侵蚀模型的评价精度。高分7号卫星的高精度高程测量能力在地形因子的准确提取上具有较大潜力,期望能将其利用到坡度和坡长提取之中,实现对地形的准确表达。这需要对利用高分7号卫星DEM提取坡度坡长的结果进行精度评价。[方法] 利用地形因子(LS)计算工具,对陕西省吴堡县4个小流域高分7号卫星、1∶10 000地形图、激光雷达影像生成的DEM进行坡度、坡长的提取。采用相关系数(r)、相对偏差和绝对偏差作为评价指标,评价高分7号提取地形因子的精度。[结果] 与激光雷达和1∶10 000地形图的坡度和坡长相比,高分7号提取的流域平均坡度偏低7.50%~9.02%,坡长偏大1.83%~19.35%,但坡长和坡度分级的面积比例并不存在显著差异;高分7号提取的坡度结果偏差(16.46%~44.26%)明显小于坡长的偏差(75.25%~140.87%);高分7号所提取的坡度坡长在沟间地上的相对偏差(坡度15.48%~56.63%,坡长50.02%~130.79%)明显低于沟谷地(坡度21.28%~63.61%,坡长93.01%~192.51%)。[结论] 利用高分7号DEM提取坡度坡长时,对于获取坡长坡度面积分级和对指定点的坡度提取时是可行的,而对于指定点的坡长提取时则结果不够可靠,在研究流域中坡长坡度的空间分布上具有较大优势,而提取具体某一位置处的坡长坡度时的优势则不明显。     

基于北京一号小卫星的密云水库水土资源遥感分析

从降雨量、径流量、水库面积、植被覆盖和土地利用5个方面对密云水库水源地水土资源进行调查分析,年降雨量和入库径流量有波动,但长系列分析有下降趋势,而近几年有所增加。利用北京一号小卫星和Landsat-7卫星的三期遥感影像对密云水库水面轮廓进行提取,从1992-2006年水库水面明显减少,减少区域主要分布在水库东北角的潮河入库处和潮白两河入库的中间带。用像元二分模型对密云县植被覆盖进行分析,结果表明从1992-2006年植被覆盖面积先减小后增加,其中高覆盖率区减小,中低覆盖率区面积增加。从土地利用变化分析耕地连续减少,主要变成了建设用地和林地,建设用地包括居民住地和工矿用地持续增加。     

基于随机森林算法的冬小麦生物量遥感估算模型对比

为了寻求高效的冬小麦生物量估算方法,该研究获取了2014年陕西省杨凌区拔节期、抽穗期和灌浆期的冬小麦生物量和对应的RADARSAT-2全极化雷达、GF1-WFV多光谱数据,并利用随机森林算法（random forest,RF）将光谱、雷达后向散射、光学植被指数和雷达植被指数结合进行冬小麦生物量回归建模。将相关系数分析（correlation coefficient, r）、袋外数据（out-of-bag data,OOB）重要性和灰色关联分析(grey relational analysis, GRA)与随机森林算法（RF）进行整合,构建了3种冬小麦生物量估算模型：r-RF、OOB-RF和GRA-RF,并分别利用3种估算模型对冬小麦生物量进行了估算。结果表明：r-RF、OOB-RF和GRA-RF3种模型分别采用3、4、10组数据时,验证决定系数分别为0.70、0.70和0.65,平均绝对误差分别为0.162、0.164和0.172 kg/m2,均方根误差分别为0.218、0.221和0.236 kg/m2,r-RF和OOB-RF比GRA-RF对冬小麦生物量有更好而的预测能力。研究结果证实了随机森林算法对冬小麦生物量进行遥感估算的潜力。     

嫩江沙地沙质荒漠化程度遥感定量评价——以杜尔伯特蒙古族自治县为例

杜尔伯特蒙古族自治县位于嫩江沙地的中心,以杜尔伯特蒙古族自治县为例研究嫩江沙地的荒漠化程度有较好的代表性。在研究区选取63个样地实地调查荒漠化程度,同时获取研究区的ETM＋遥感影像,对荒漠化主要评价因子植被盖度、生物量、裸沙占地百分比进行遥感定量反演,地表结皮和土壤质地采用定性的方法结合目视解译进行提取。在现有荒漠化评价方法的基础上,建立以像元为单位的荒漠化程度评价的定量化遥感信息模型,并输出荒漠化程度分布图。利用63个实测样地数据评价遥感信息模型的精度,被正确评价的样点数为57个,遥感信息模型对杜尔伯特蒙古族自治县荒漠化程度进行定量评价的精度达到90.5%。     

基于6S模型的GF-1卫星影像大气校正及效果

高分一号(GF-1)卫星是中国高分系列卫星的首发星,自2013年4月成功发射以来,在中国农业遥感业务工作中得到了广泛应用,已成为中国大宗农作物种植面积遥感监测的主要数据源。该文基于6S(second simulation of a satellite signal in the solar spectrum)辐射传输模型原理,设计并实现了适合于GF-1卫星数据大气校正算法与程序。算法以GF-1卫星1级数据、元数据及传感器公开参数为输入数据,不需要其他外源辅助数据,经过辐射定标,计算各波段平均太阳辐射值、表观反射率,通过选择大气模式,驱动6S模型获取表观反射率转换为地表反射率的参数,逐像元计算影像地表反射率。在算法研制的基础上,应用Fortran和IDL语言编写了大气校正批处理程序,实现了大气校正过程的批处理。该文采用2014年4月3日、6月28日、11月2日,以及2015年1月19日4个时相北京地区GF1卫星WFV(wide field view)数据,分别代表春夏秋冬4个季节,通过与ENVI软件的FLAASH(fast line-of-sight atmospheric analysis of spectral hypercubes)大气校正结果对比进行评估。2种方法 4个时相各波段全年相对偏差为3.26%,蓝光波段偏差最大为11.21%,其次是红、近红和绿光波段,分别为1.19%、0.73%和0.24%。作物覆盖区平均相对误差为12.99%,冬季最高为17.40%,秋季和春季分别为15.02%和14.15%,夏季相对差异最小为8.31%。各波段地表反射率的整体校正情况并未有太大差异,但6S校正后各波段反射率普遍比FLAASH校正结果略微偏高。2种校正结果计算的NDVI也基本一致,相对偏差0.64%;除水体外,绝对值差值的平均值均在0.0548以内。从计算效率来分析,6S模块实现了商用软件FLAASH模块中未提供的批量计算,在相同硬件环境下计算效率提高了75.0%以上。研究结果表明了该文开发的大气校正程序能够稳定批量处理GF-1卫星数据,可以作为农业遥感监测业务流程的组成部分。     

基于遥感的郑州市黄河湿地植被覆盖度变化研究

城市滨河湿地的治理与保护对于城市生态环境具有重要意义,而监测植被覆盖度是研究湿地植被状况的重要方法。以郑州市黄河湿地为研究对象,采用等密度模型,基于1999-2011年的郑州市黄河湿地TM遥感影像,进行湿地植被覆盖度的反演,并结合降水数据和实际调研情况,分析了郑州市黄河湿地植被覆盖度的变化情况。结果表明,郑州市黄河湿地生态环境比较脆弱,研究期内平均植被盖度由60%下降到40%,典型黄河湿地植被遭到破坏。年降水的差异对植被覆盖度影响明显,同时越来越多的人类活动是导致植被持续减少的重要因子。该研究结果可为制定区域生态修复规划,提高黄河湿地的生态价值和经济价值服务提供参考。     

基于随机森林模型的耕地表层土壤有机质含量空间预测——以河南省辉县市为例

耕地表层土壤有机质含量与作物生长发育密切相关,掌握土壤有机质空间分布对土壤肥力定向培养和农业生产指导具有重要意义。本研究以河南省辉县市5 922个耕地资源管理单元图斑中心点为基础数据,并分别按8∶2、7∶3、6∶4的比例随机划分训练数据集和验证数据集,以土壤类型作为辅助定性变量,利用随机森林模型模拟预测土壤有机质含量与自然环境变量(坡向、曲率、坡度、高程、土壤质地、归一化植被指数NDVI)、社会经济因子(排水能力、灌溉状况)之间的复杂非线性关系。结果表明:①当训练集与检验集中样点数量的比例为8∶2时,对应的随机森林模型总体上预测精度较高;②选用80%基础数据作为训练集时,预测得到的地图与已有图件相比,相关性达到0.859;③当用303个实地数据验证时,预测值与实测值的皮尔逊相关系数为0.595。通过对影响因子的重要性排序,发现土壤质地是研究区农用地表层土壤有机质含量的最重要影响因子。因此,随机森林模型作为机器学习和数据挖掘的有效方法,能较好地模拟输入变量与有机质含量之间的关系,预测图件与实际情况相符,但对有机质含量精细的差异不能很好体现。