基于双时相ASAR影像的土壤湿度反演研究

地表粗糙度和湿度是影响裸地后向散射系数的重要因素,为了探求ENVISAT-ASAR 数据监测土壤湿度在国内的应用,该文以ASAR影像数据为基础,利用ZSribi-Dechambre(2002)经验模型研究了中国科学院南皮农业生态试验站附近一裸地的表面粗糙度和地表湿度.对雷达入射角进行归一化处理使之满足模型需求,反演结果表明该区地表粗糙度主要分布0.05～0.50 cm之间,土壤体积含水率大多分布存10%～34%之间,局部区域由于一些积水沟渠,使得土壤体积含水率较高,这与调查的实际情况相符合.反演的土壤湿度用地面实测值验证,结果发现模拟值和实测值具有较好的一致性,其RMSE误差为3.7%.该文介绍了在没有地表先验知识的情况下,利用扣除掉土壤粗糙度影响的后向散射反演模型获取土壤湿度的方法.该法仅需要两景相邻近时相并且不同入射角的HH同极化雷达影像,根据其后向散射系数的差值△"'即σ°可估算出粗糙度和土壤湿度参数,从而方便快捷地监测局部区域的土壤湿度状况.     

基于时变特征的多时相PolSAR农作物分类方法

获取农作物分类信息是极化合成孔径雷达(Polarimetric synthetic aperture radar,PolSAR)的重要应用之一,然而单时相PolSAR数据能够提供的信息十分有限,而且单时相数据的获取时间也会影响农作物分类精度。随着技术的发展,出现了大量的机载和星载PolSAR系统,这些系统能够获取目标重复观测的PolSAR数据,这为多时相PolSAR的数据分析和应用提供了可能。本文以多时相PolSAR农作物分类为出发点,通过利用不同农作物的极化散射特性的变化特性来提高分类精度。首先,基于极化散射特性分解原理分析了不同农作物在生长过程不同时期所呈现的散射特性变化规律,在此基础上定义了一个新的参数描述其散射特性的变化特性。其次,基于这一新参数提出了一种多时相PolSAR农作物监督分类算法。最后,通过对欧洲空间局所提供的基于Radarsat-2实测仿真生成的Sentinel-1数据处理结果表明,相比于基于复Wishart分布的监督分类算法,农作物的整体分类精度提高了约4个百分点,当农作物种类合并为4类时,整体分类精度提高了约6个百分点。     

基于Sentinel-1雷达影像的玉米倒伏监测模型

在玉米发生倒伏灾害后,为定量监测区域尺度下的玉米倒伏程度,该研究以2017年8月8日因强风和强雨造成大面积玉米倒伏的小汤山国家精准农业研究示范基地作为研究区,提取倒伏前后Sentinel-1A雷达影像的多种强度信息,与实测倒伏样本关联分析,筛选出玉米倒伏前后最佳敏感后向散射系数。采用自然高与植株高的比值作为倒伏程度评价指标并构建比值公式,最终得到倒伏监测模型。结果表明,倒伏前后玉米植株高度的最优敏感后向散射系数分别为σVH和σVV+VH。32个建模点的实测差值结果与模拟差值结果的R~2为0.896(P0.01)。15个检验样本点和总样本点的倒伏程度分类准确度均达到100%。模型求解的自然高与植株高的比值与实测的比值总体相关性达到0.899。其中,中度倒伏类型的相关性最好,严重倒伏次之,轻度倒伏最差。该研究结果表明,在倒伏发生后,基于Sentinel-1A雷达后向散射系数构建的倒伏监测模型能在区域尺度下有效的实现玉米倒伏程度的分级监测。     

基于面向对象的QUICKBIRD数据和SAR数据融合的地物分类

为了实现精确植被类型信息提取,以福建省三明市将乐林场Quickbird影像和Radarsat-2全极化影像作为基础数据,探讨高空间分辨率光学遥感影像与SAR(合成孔径雷达)全极化影像融合进行地表覆盖及森林类型识别的可行性。采用面向对象多尺度分割方法对Quickbird全色与多光谱的融合影像进行处理,SAR影像采用Gram-Schmidt融合方法处理,运用处理的Quickbird与SAR的融合影像,分类提取植被的光谱、纹理和几何特征信息,建立类层次结构,并对分类结果进行比较分析。结果表明:基于对象与知识的方法对高空间分辨率影像分类取得了较好的分类效果,多源遥感数据分类的总体精度为0.903。     

合成孔径雷达数据估测森林生物量研究综述

合成孔径雷达（SAR）技术以其独特的成像机理及其全天候全天时成像能力,在森林生物量估测方面发挥着越来越重要的作用。首先对森林生物量SAR估算机理和方法进行介绍,然后分析主要的影响因素,最后指出今后的发展趋势。     

基于D-InSAR技术的地震形变场获取

阐述了合成孔径雷达干涉测量技术在地震监测方面的历史及现状;指出了"三轨"差分的基本原理;利用ENVISAT数据获取了巴姆地震形变场,并对地震形变结果进行了解译。发现形变主要发生在东面南北方向,南面地表上升约30cm,北面地表下降约18cm。     

合成孔径雷达技术在林业中的应用

随着遥感空间技术的迅速发展, 合成孔径雷达以其对地观测的显著优势, 在林业研究工作中越来越受到重视。概述了合成孔径雷达技术在林业中应用的现状, 并探讨了未来的发展趋势。     

结合光学与雷达影像多特征的热带典型人工林树种精细识别

【目的】结合Sentinel-2光谱特征、纹理特征和Sentinel-1雷达后向散射特征,开展光学与雷达影像协同人工林树种分类研究,评价不同数据源和不同特征在树种分类中的作用,获取最优分类策略,为热带典型人工林树种精细识别提供新的技术途径。【方法】获取Sentinel-2光学影像43个光谱特征,将优选的Sentinel-2光谱特征与Sentinel-2纹理特征、Sentinel-1雷达后向散射特征组合,采用随机森林分类算法对研究区橡胶林、油棕林和桉树林进行精细提取,并评价不同特征对人工林树种识别的贡献。【结果】1)选择重要性排名前17的Sentinel-2光谱特征参与分类时,OOB score达最高值0.947 2,其中Sentinel-2的蓝波段、红边和近红外波段及其相应的植被指数在树种识别中重要性较高; 2) Sentinel-2纹理特征和Sentinel-1雷达后向散射特征对于不同树种均具有一定差异性,可作为树种分类的有效特征; 3)仅利用Sentinel-2光谱特征对橡胶林、油棕林和桉树林的区分度有限,生产者精度和用户精度的调和平均值(F1)分别为0.70、0.74和0.61;结合光谱特征、纹理特征和后向散射特征,3种人工林的分类精度达到最高,F1均大于0.80,同时其他地物的分类精度也有较大提高,总体分类精度为0.85,Kappa系数为0.83。【结论】Sentinel-2光学影像的光谱特征是树种识别的重要基础,Sentinel-2光学影像派生的纹理特征及由Sentinel-1雷达影像提取的后向散射特征可为不同人工林树种识别提供有益补充。考虑到Sentinel-2和Sentinel-1较高的时间分辨率和空间分辨率,同时结合其光谱特征、纹理特征和后向散射特征对热带典型人工林树种进行精细识别具有极大潜力。     

Sentinel-1A与不同云量Sentinel-2A的融合尺度及分类研究

为了提高多云雾地区光学遥感影像利用率、探索不同云量的光学影像和SAR影像的最佳融合尺度,选取重庆市渝中地区为研究区,基于Sentinel-1A极化合成孔径雷达(SAR)影像与不同云量的Sen鄄tinel-2A(云量分别为0、10%、20%、30%)光学影像,进行小波变换融合、乘积变换融合、高通滤波融合,再利用图像评价方法评价影像融合以后的效果,最后利用面向对象的方法对融合前后的影像进行分类,利用混淆矩阵比较最终的分类精度。结果显示,无云情况下,小波变换融合效果最好,最大限度地保留了原多光谱影像的亮度、反差,有效防止了影像信息的丢失,对植被的解译能力有了明显改善,而融合后的影像保真度较差,其余两种融合效果相对次之,因此,在多云雾地区进行多源遥感数据融合时,尤其是异质数据融合时,优先推荐小波融合算法;当云量为10%以上时,3种融合算法虽然信息熵略有增加,但平均梯度、标准差减少了,造成解译困难,导致最终分类精度均略低于Sentinel-2A影像,远低于Sentinel-1A影像,基本不能满足使用要求,因此,在进行地表覆被解译时,推荐用SAR影像替代光学影像。     

全分辨率与多视法DInSAR矿区地面沉降监测研究

选取山东省某矿区6景Sentinel-1A SAR影像,以SRTM DEM为辅助高程数据,分别采用全分辨率与多视法DInSAR对影像进行处理,获取矿区地面沉降信息;收集该矿区同时期5个工作面开采信息和4条水准观测线上水准监测的地面沉降信息进行精度的验证与对比分析.结果表明,全分辨率与多视法DInSAR监测得到的矿区地面沉降的分布、形态和变化趋势与矿区工作面的开采情况相符.全分辨率DInSAR监测得到的地面沉降最大值与多视法DInSAR监测的地面沉降最大值没有较大差异,并未明显提高多视法DInSAR监测大梯度地面沉降的能力.