植被盖度遥感反演模型在稀疏高寒草原的对比研究

【目的】基于Landsat8遥感影像数据,反演西藏日喀则地区高寒草原植被盖度。【方法】采用比较常用的3种植被盖度反演模型,即像元二分模型、基于归一化植被指数(NDVI)与土壤调整植被指数(SAVI)的回归模型、改进的三波段梯度差模型,对稀疏高寒草原植被盖度进行反演,并采用照相法实测植被盖度进行反演精度分析。【结果】3种模型对高寒草原植被盖度的反演精度以像元二分模型最高,反演精度为82.02%,其他两种模型均小于80%。【结论】像元二分模型相对于回归模型和改进的三波段梯度差模型更适用于稀疏高寒草原植被盖度的反演。     

基于最优模型的荒地土壤有机质含量空间反演

本研究采用Landsat OLI多光谱遥感影像数据,结合实测土壤有机质含量,利用原始影像反射率(A)、反射率一阶微分(A')、反射率二阶微分(A″)建立单波段和多波段回归模型,估算研究区土壤有机质含量,反演其空间格局。结果显示,经微分处理后的影像反射率,与土壤有机质含量相关系数增大。其中A'处理后的遥感影像反射率与土壤有机质含量的相关系数达到-0.850,比原始的提高了0.401,增强了有机质的光谱信息。多波段回归建模效果优于单波段建模。且A'的多波段回归模型预测精度最好,其建模集R~2为0.80,RMSE为3.66,预测集R~2为0.79,RMSE为3.65,RPD为1.96,表明该模型精度高,误差最小,预测效果最优,可以很好地估算该区域的土壤有机质含量。基于一阶微分的多波段回归模型:SOM=23.12-470.94B3-24.35B4-43.06B6,对研究区的SOM含量空间分布格局进行反演,发现反演结果与实际情况吻合,因此,利用多波段回归模型能很好反演研究区SOM含量空间分布格局,表达其不同有机质含量的土壤空间分布与其对应的空间位置,这为土壤有机质面状参数的获取提供了快速而有效的方法。     

基于中分辨率遥感影像的湿地土壤水分提取方法

利用中分辨率的TM遥感影像反演湿地土壤水分,探寻湿地土壤水分和非湿地土壤水分提取的不同之处,对湿地监测具有重要意义。建立地表温度(Ts)与归一化植被指数(NDVI)之间的二维特征空间,用IDL编程在特征空间内提取对应的特征点,拟合温度植被干旱指数(TVDI)法需要的干湿边方程,能快速反演出野鸭湖湿地的土壤水分情况。反演结果与实测值的相关系数为0.860,呈极显著相关,均方根误差为0.104 2,平均绝对误差为0.084 5。结果证明利用温度植被干旱指数(TVDI)法进行野鸭湖湿地这样的小尺度范围的反演土壤水分含量,方法可行,且中分辨率影像的土壤水分反演精度高于低分辨率影像的反演精度。     

多时相Sentinel-2A与SPOT-7影像在油菜识别中的差异

[目的]研究多时相Sentinel-2A识别种植结构复杂的小尺度区域中的油菜面积,获取高精度的作物分布信息。[方法]以多时相Sentinel-2A和一景SPOT-7数据为数据源,选取种植结构复杂的小尺度区农业区为研究区,构建不同特征向量组合,利用支持向量机(support vector machine,SVM)的方法提取油菜种植面积。[结果]通过对比分析基于不同特征向量组合的油菜识别精度,利用一景油菜最佳识别期内的Sentinel-2A影像可以得到高达89.1%的制图精度和92.1%的用户精度;添加油菜最佳纹理特征后,多时相Sentinel-2A数据的制图精度与用户精度分别提高了2.9%和2.5%,仅比SPOT-7影像的识别精度低了1.7%和2.1%,2种数据的油菜提取精度差异进一步减小;Sentinel-2A与SPOT-7数据油菜最优分类结果对比后,一致性精度和Kappa系数分别为93.3%和0.89。[结论]多时相Sentinel-2A数据可以很好地识别种植结构复杂地区的油菜,加入最佳纹理信息能够提高油菜的识别精度;Sentinel-2A可以广泛应用于小尺度区域作物分布信息的快速提取。     

融合主被动遥感影像的冬小麦种植面积提取研究

为了快速、准确地获取作物分布信息,探索使用主动遥感影像（Sentinel-1A）和被动遥感影像（Sentinel-2）提取冬小麦空间分布的可行性。首先,根据冬小麦的物候特征,合成冬小麦全生育期的Sentinel-1A影像;并依据各类地物的NDVI（归一化植被指数）时序曲线合成一期高质量的冬小麦越冬后Sentinel-2影像。其次,设计Sentinel-1A影像、Sentinl-2影像和融合Sentinel-1A与Sentinl-2主被动遥感影像3种分类方案,然后在Google Earth Engine(GEE)云平台上基于随机森林算法对冬小麦进行分类。结果表明,基于全生育期Sentinel-1A影像的冬小麦用户精度和生产者精度分别为83.15%和86.44%,提取结果中存在较多的“椒盐”噪声;基于冬小麦越冬后Sentinl-2影像的冬小麦用户精度和生产者精度分别为87.98%和84.75%,提取精度较使用全生育期Sentinel-1A影像有所提高,但分类结果受“异物同谱”的影响,产生许多错分;融合主被动遥感影像的冬小麦用户精度和生产者精度分别为96.57%和95.48%,相较于仅使用单...     

基于土壤水势的棉花滴灌预警模型研究

[目的]研究膜下滴灌棉花不同土层深度土壤水势变化及与棉花功能叶片水势之间的关系,实现土壤水分的实时监测。[方法]利用水势测定仪测定土壤水势,并建立基于土壤水势的棉花滴灌预警模型。[结果]土壤水势在20~40 cm土层变化幅度较大,土壤水势(x)与棉花功能叶的凌晨叶水势(y)之间的关系:0~20 cm土层的方程式为y=-0.000 7x~2-0.028 3x-1.394 3(R~2=0.964 3),20~40 cm土层的方程式为y=-0.000 8x~2-0.046 6x-1.8 093(R~2=0.948 2)。通过田间验证预测精度较高(R~2=0.945 7)。[结论]该研究为膜下滴灌棉花灌溉补水和水分实时监测预警提供参考。     

基于多时相光学和雷达遥感的太平湖生态保护区森林地上生物量反演

【目的】探究光学和雷达卫星遥感对亚热带森林生物量的反演潜力。【方法】利用不同季节时间序列的合成孔径雷达(Senitinel-1)和光学数据(Sentinel-2),对太平湖生态保护区森林地上生物量进行反演。基于后向散射系数、光谱波段、植被指数和生物物理参数,采用回归随机森林算法探究Sentinel-1和Sentinel-2在地上生物量制图中的精度,探究对亚热带森林地上生物量制图的最佳影像采集时期,评估光学和雷达遥感特征参数对提高地上生物量估计精度的贡献。【结果】Sentinel-2对研究区森林地上生物量的估计精度[决定系数(R²)=0.68,均方根误差(E_RMS)=37.69 Mg·hm^-2]要优于Sentinel-1 (R²=0.47,E_RMS=49.11 Mg·hm^-2),但两者联合产生了最佳结果 (R²=0.78,E_RMS=31.56 Mg·hm^-2)。生长季(6和9月)的光学数据和旱...     

GF-1影像遥感监测指标与冬小麦长势参数的关系

为了分析高分一号卫星(GF-1)影像在冬小麦长势监测中的有效性和适宜性,以建湖县冬小麦为研究对象,选取12个植被指数作为遥感监测指标,运用回归分析法探讨遥感监测指标与地面实测冬小麦长势参数的关系,并以回归模型的决定系数(R~2)作为反演精度的评价指标。研究发现,叶面积指数(LAI)、密度和生物量的反演精度较高,其中LAI的反演精度在拔节期最高[监测指标:红蓝色归一化植被指数(RBNDVI),R~2:0.689 4],密度的反演精度在拔节期最高[监测指标:优化的土壤调节植被指数(OSAVI),R~2:0.543 8],生物量的反演精度在孕穗期最高[监测指标:归一化植被指数(NDVI),R~2:0.448 6],说明GF-1影像适合在拔节期进行冬小麦LAI、密度的监测,在孕穗期进行生物量监测。土壤含水量、株高和叶绿素含量(SPAD值)的反演精度较差,最佳回归模型的R~2皆低于0.360 0,说明所选的12个遥感监测指标不适合反演这3个长势参数。除乳熟期外,其他4个生育期中都是LAI的反演精度最高,可见GF-1影像的遥感监测指标与LAI的相关性最好,反演精度最高。本研究结果说明,在进行冬小麦长势监测时,不同的生育期需要采用不同的监测指标,同时GF-1影像则更适合在拔节期和孕穗期进行冬小麦的长势监测。本研究结果在一定程度上为GF-1影像在农情遥感监测中的应用提供了科学依据。     

C波段多极化SAR反演土壤水分研究

[目的]研究不同极化方式下雷达后向散射系数与地表土壤含水量之间的关系.[方法]在分析不同地表微波散射模型基础上,选用合适的植被散射模型结合多极化雷达数据从雷达总的后向散射中去除植被影响,建立土壤后向散射系数与土壤含水量的关系.[结果]拟合HH极化、HV极化雷达观测数据与土壤水分数据,相关系数为HH极化R2=0.552 3,HV极化R2=0.357 9.[结论]微波具有全天候、穿透性以及不受云层影响的独特物理机制,使其在研究大尺度土壤水分反演时效果较好,相比较HV极化,HH极化雷达影像数据更适合干旱区作物植被覆盖地区土壤水分监测.     

基于温度植被干旱指数的华东地区AMSR-E土壤水分数据的空间降尺度研究

土壤水分一直是土壤学领域中较为活跃的研究内容,是陆面过程与水循环的重要影响因素。以AMSR-E为代表的被动微波遥感技术的发展为土壤水分的研究提供了方便,但是其粗糙的空间分辨率限制了其在中小尺度内的应用。因此,本研究利用MODIS温度产品MOD11A2和归一化植被指数产品MOD13A3构建了月时间尺度下的温度植被干旱指数(TVDI);其次,利用温度植被干旱指数TVDI和土壤水分之间的线性负相关关系,对AMSR-E三级土壤水分反演产品进行空间降尺度研究,获取2003年连续月时间尺度下空间分辨率为1 km的土壤水分反演结果,并利用地面实测土壤水分数据对反演结果进行验证。地面实测土壤水分值与降尺度反演结果显著相关,每月的线性相关决定系数均在0.8以上,表明降尺度后的土壤水分反演结果具有较高的精度,能够用来表示土壤水分的分布特征。     

表层土壤水分反演深层土壤水分的研究进展

随着遥感技术的发展,由遥感资料得出大面积范围土壤水分已有了很大的发展,但目前由遥感数据反演土壤水分一般以2 0 cm左右深度土壤水分与遥感资料相关较好,故国内外学者进行了由表层土壤水分反演深层土壤水分的研究,主要有经验公式法、线性回归法等。但目前模型中部分未分类考虑降雨和灌溉的影响,在无降雨和灌溉条件下模型精度较好,但有降雨和灌溉时,模型精度将大大降低;部分对于降雨和灌溉以及不同地表状况有分类模拟,但每一土壤分层太大,不太实用。其中,文中的S=A(d-d0 ) S0 [1 B(d-d0 ) 2 ] Sc式,除了在降雨和灌溉时精度较低外,因其应用方便,精度较高而被采用较多。因而在其基础上,可以收集和处理降雨和灌溉时的数据,对这一时期的模型加以修改完善。     

基于TanDEM-X数据的林分平均高反演方法研究

以TanDEM-X/TerraSAR-X HH单极化干涉对和GF-2遥感数据为基础,提出结合极化干涉与混合像元分解技术的改进差分法来反演林分平均高,并利用外业数据进行精度验证。结果表明:以植被丰度校正冠层高度模型,林分平均高的估测精度和R~2值得到大幅提高,均方根误差也随之降低。因此,本研究提出的方法能有效降低林分低郁闭度产生的混合像元作用对林分平均高反演的影响,提高林分平均高的反演精度。     

基于MODIS的郑州市土壤水分反演

为了较好地研究郑州市土壤水分的空间分布及动态变化特征,分别在高植被覆盖度期采用温度植被干旱指数模型,在低植被覆盖度期采用表观热惯量模型反演郑州市土壤水分,结果表明,郑州市土壤水分的空间分布,北部区域高于南部,西部高于东部,海拔高的山地高于平地,山区的垂直变化明显;使用此种方法获取的地表土壤水分信息可以表征地表土壤水分的空间分布趋势。     

WaSSI-C模型在焉耆盆地的适用性改进与应用

【目的】为缓解干旱区日益突出的水碳矛盾,进而为其水碳资源综合管理提供有效的工具和决策支持.【方法】选取典型干旱区焉耆盆地为研究对象,基于WaSSI-C模型(water supply stress index-carbon model)的理论框架和运行机理,针对研究区的自然地理和环境特征,增加冰川融化计算模块,对WaSSI-C模型进行适用性改进.以2000～2009年作为率定期,2010～2015年作为验证期,对研究区实测径流、MODIS蒸散(ET)和总生态系统生产力(GEP)数据进行统计分析,利用决定系数(R~2)和效率系数(NS)评价模型的模拟精度,应用GIS空间分析技术探讨研究区水碳资源的空间分布特征.【结果】1)研究区率定期和验证期总径流对比验证的R~2分别为0.80和0.77,NS为0.77和0.69;ET对比验证R~2分别为0.82和0.79,NS为0.80和0.76;GEP对比验证R~2分别为0.88和0.84,NS分别为0.87和0.82;2)径流空间分布呈现"西高东低、北高南低"的特点;ET和GEP均呈现"中间高,四周低"的特点.【结论】改进后的WaSSI-C模型在焉耆盆地具有良好的适用性,且模拟结果显示焉耆盆地的水碳资源具有明显的空间异质分布特征.     

基于MODIS数据的重庆市植被覆盖度动态变化研究

通过最佳指数斜率提取法(BISE)重建研究区MODIS-NDVI时间序列数据.以像元二分模型为基础,用IDL计算机语言构建植被覆盖度定量模型,估算了重庆市2006-2010年植被覆盖度,分析其空间分布与季节变化特征.结果表明:研究区植被覆盖度在缓慢增长,整体生态环境呈良性发展趋势.同时,较高的植被覆盖度反演精度(78％),证实通过BISE方法重构NDVI时间序列和运用像元二分模型来反演植被覆盖度的方法是可行的.     

基基于 MODIS数据的重庆市植被覆盖度动态变化研究

通过最佳指数斜率提取法(BISE)重建研究区 MODIS-NDVI时间序列数据.以像元二分模型为基础,用IDL 计算机语言构建植被覆盖度定量模型,估算了重庆市2006-2010年植被覆盖度,分析其空间分布与季节变化特 征.结果表明:研究区植被覆盖度在缓慢增长,整体生态环境呈良性发展趋势.同时,较高的植被覆盖度反演精度 (78%),证实通过BISE方法重构 NDVI时间序列和运用像元二分模型来反演植被覆盖度的方法是可行的.     

基于NDVI估算植被体散射的土壤水分反演研究

[目的]为通过植被指数方法进行土壤水分估算和旱情监测提供依据。[方法]以新疆渭干河-库车河三角洲绿洲为研究区,雷达数据和光学遥感数据相结合,对干旱区绿洲进行土壤和植被水分信息的提取。[结果]在同期光学遥感影像数据提取叶面积指数基础上,利用简化的“MIMIcs模型”从雷达数据总的后向散射中去除植被的影响,建立土壤后向散射系数与土壤含水量之间的关系。[结论]主被动遥感数据结合在干旱区土壤水分反演时去除植被影响有较好的效果。     

运用融合纹理和机载LiDAR特征模型估测森林地上生物量

针对区域尺度森林地上生物量的分布情况,以大兴安岭生态观测站为例,提出了一种融合光学影像纹理和机载LiDAR点云特征的森林地上生物量遥感估测方法。该方法首先提取Landsat 8 OLI不同波段在不同运算窗口下的纹理特征;然后对机载LiDAR点云进行滤波提取地面点,并利用地面点对点云数据进行高度归一化处理,提取点云特征因子;最后结合提取的遥感特征因子,利用支持向量回归的方法对研究区森林地上生物量进行估测,并对结果进行精度验证。结果表明:不同波段和窗口尺寸的建模精度差异较大,蓝光波段在7×7运算窗口下模型精度最高(R~2=0.73,R_(MSE)=22.32 t/hm~2);点云高度分位数变量的建模精度呈正态分布,变量H_(50)的建模精度最高(R~2=0.75,R_(MSE)=19.24 t/hm~2);与单一的遥感特征变量相比,融合光学影像纹理和机载LiDAR点云特征的模型精度有了一定提高,且针叶林和混交林的估测R_(MSE)分别为19.63和20.40 t/hm~2。因此,该方法可以为区域性的森林地上生物量估测提供有效参考。     

准噶尔盆地荒漠灌丛植被地上生物量反演研究

利用回归分析法建立Landsat-8遥感数据提取的归一化植被指数(NDVI)、归一化绿度植被指数(GNDVI)、差值植被指数(DVI)、比值植被指数(RVI)、大气阻抗植被指数(ARVI)、土壤调整植被指数(SAVI)与实测地上生物量的多种反演模型,通过模型精度检验筛选适宜荒漠灌丛植被地上生物量反演的最优模型。结果表明,6种参与建模的植被指数中SAVI最适于构建准噶尔盆地荒漠灌丛草地地上生物量反演模型;筛选出的一元非线性和多元线性回归模型相比于简单一元线性回归模型反演精度更高,所有一元回归模型中二次多项式和三次多项式模型表现最突出,S曲线、指数和幂指数反演精度普遍较低;以SAVI建立的三次多项式回归模型:Y=38.761-129.868x+263.636x~2-90.892x~3(R~2=0.653,P 0.01)最优。     

基于I-FCN模型的城市高分辨率遥感影像植被信息提取

为了提高城市高分辨率遥感影像中植被信息的提取精度,提出一种改进的全卷积神经网络模型,通过大量的训练数据获得最佳模型参数,进行植被信息的提取,并与支持向量机、面向对象法、经典的FCN模型方法提取的植被信息进行对比分析。结果表明:提出的网络模型不但能够有效缓解"椒盐现象",还能保证小面积的植被提取与植被区域边界的准确性。该方法可自动综合多种特征,所以可有效减少植被像元的误分与漏分现象,提高植被提取精度。