南方红壤侵蚀区长汀县不同生态恢复年限下芒萁叶绿素含量的高光谱估算模型

芒萁是南方红壤侵蚀区生态恢复重要的地带性草本植物,对生态系统修复具有重要作用,监测其叶绿素含量能有效诊断生长健康状况。本文以福建省长汀县朱溪流域6个不同生态恢复年限下的芒萁叶片高光谱反射数据以及实测叶绿素含量为数据源,借助高光谱遥感技术分析不同恢复年限芒萁叶片原始光谱特征,筛选出光谱敏感波段并构建光谱指数,基于相关性分析,建立芒萁叶绿素单变量以及多元逐步回归模型,并确定最佳估算模型。结果表明：高光谱指数建立的单变量估算模型中,改进红边归一化植被指数（mNDVI₇₀₅）、叶面叶绿素指数（LCI）、红边指数（Vog）、比值光谱指数（RVI_603/407）、NDVI[603,407]高光谱指数建立的二次模型精度高,建模决定系数R²均超过了0.8,其中以高光谱指数为自变量建立的多元回归模型拟合R²值（0.886）最高。综合建模精度和模型验证精度,LCI指数构建的单变量模型以及基于高光谱指数的多元回归模型是估算芒萁叶片叶绿素含量最佳模型。本研究建立的叶绿素高光谱估算模型对快速、无损地监测水保植物芒萁生长具有重要意义。     

融合多源空间数据的城镇人口分布估算

精细尺度的城镇人口空间分布是分析人类-资源-环境相互关系的重要指标。本文提出了一种融合地理空间大数据和高分辨率遥感数据估计精细尺度城镇人口分布的方法。通过对比各指标与人口相关性,选取R2>0.7的建筑面积、到道路距离、夜间灯光强度、商服中心、EAHSI指数、幼儿园、公园、小学、加油站、医院、公交车站、长途汽车站作为影响人口分布的变量因子。结合城市功能区数据确定人口分布区域,利用随机森林模型对宁波市2018年人口数据进行了500 m格网空间化,从而得出宁波市城镇人口空间分布图。最后,基于随机森林模型的变量因子重要性分析宁波市人口空间分布的影响因素。研究结果表明,本文所提出的城镇人口分布模型在街道尺度的估算精度为81.2%,平均相对误差MRE为0.29、RMSE为3279.89;网格级别的MRE为17.16,RMSE为1149.9,因此模型能精确地反演城镇内部街道人口分布信息。通过对变量因子重要性进行比较,发现建筑面积重要性约为0.22,对宁波市人口估算影响最大;到道路的距离、夜间灯光强度、商服中心、EAHSI（Elevation-Adjusted Human Settlement Index）、幼儿园、公园对宁波市人口估算具有重要作用。本文在格网级别进行的人口分布精度验证对于研究城市精细人口分布具有重大意义。     

潮滩表层沉积物含水量的高光谱预测模型与反演分析

潮滩土壤含水量具有变化频率快、空间变化大的特征,是影响潮滩地表反射率的重要因素。潮滩土壤含水量的精确提取,可为潮滩特征地物信息遥感反演提供基础。本文利用江苏大丰王港潮滩4种典型沉积物、449组不同含水量对应的实测光谱曲线数据进行特征分析,构建高光谱预测模型,实现了潮滩沉积物含水量的遥感反演。研究结果表明:(1)在短波红外波段,沉积物含水量与反射率之间存在良好的分段线性相关关系,分段点对应的含水量分别为42%和62%;(2)1165nm、1336nm、1568nm和1780nm特征波段反射率,对含水量变化具有良好响应,由特征波段组合计算得到的差值水指数DWI、比值水指数RWI和归一化水指数NDWI与含水量呈显著线性相关,可有效改善单波段反射率与含水量之间的分段线性关系;(3)3个水指数中,DWI反演的含水量精度优于RWI和NDWI,且对不同含水量大小均有良好适应性,而RWI和NDWI更适合含水量变化范围中等的情况;(4)对于粉砂、砂质粉砂、粉砂质砂和砂4种沉积物类型,DWI1336,1780验证组模拟含水量与实测含水量的相关系数,分别为0.891、0.915、0.920和0.905,均方根误差分别为9.87%、3.56%、4.24%和2.98%,表明由DWI构建的高光谱遥感反演模型,可有效实现潮滩表层含水量的时空变化预测。     

基于微波数据与光学数据集成的机器学习技术在作物产量估算中的应用

各类光学植被指数已成功地应用于各种植被监测与作物产量估算中,但这些指数易受大气状况的影响。由星载微波辐射计得到的植被光学厚度数据（VOD）与植被密度、含水量密切相关,数据可全天候获得,在农业遥感监测中呈现着巨大的潜力。作为来自不同传感器的遥感数据,微波遥感数据与光学遥感数据可以提供不同波长范围内的植被信息。为了更准确地进行作物产量估算,本研究提出将微波遥感数据与光学遥感数据共同应用于冬小麦单产估算中。研究选择L波段微波辐射计SMAP卫星的VOD数据与MODIS的标准归一化植被指数NDVI、增强型植被指数EVI、叶面积指数LAI、光合有效辐射分量FPAR数据作为研究变量,分别使用BP神经网络、GA-BP神经网络和PSO-BP神经网络建立冬小麦产量估算模型。结果表明： 3种神经网络回归模型的P值均小于0.001,通过了显著性检验。GA-BP神经网络回归模型的估算值与真实值在3种神经网络回归模型中表现了最高的相关性（R=0.755）与最低的均方根误差（RMSE=529.145 kg/hm²）,平均绝对误差(MAE=425.168 kg/hm²)和平均相对误差（MRE=6.530%）。为了分析多源遥感数据的结合在作物产量估算中的优势,研究同时构建了仅使用NDVI和LAI,使用NDVI、EVI、LAI、FPAR等光学数据进行冬小麦产量估算的3种GA-BP神经网络回归模型作为对比。结果表明,使用微波遥感数据与光学遥感数建立的GA-BP神经网络回归模型较上述3种作为对比的GA-BP神经网络回归模型的相关系数R值分别提高了0.163,0.229与0.056,均方根误差RMSE分别降低了122.334、158.462和46.923 kg/hm²,使用多源遥感数据的组合可以很好地提高作物产量估算的准确性。     

基于神经网络模型的干旱区绿洲土壤盐渍化评价分析

土壤盐渍化严重制约了农业可持续发展和生态安全,土壤盐渍化的精确评价分析,对土壤盐渍化的改善和治理具有重要的意义。本文以新疆焉耆盆地为研究对象,Landsat8 OLI遥感影像和实测采样数据相结合,提取地下水埋深（GD）、盐分指数（SI）、地表蒸散量（SET）和改进型温度植被干旱指数（MTVDI）建立了土壤盐渍化评价模型。结果表明：①结合野外实测土壤盐分数据,对BP神经网络模型进行训练。最终以最优的4-4-1结构的3层BP神经网模型对研究区土壤盐渍化进行了预测（R²=0.864,RMSE=0.569）。相比传统多元线性回归模型（R²=0.741,RMSE=0.767）,神经网络模型对土壤盐渍化的预测精度更高;②土壤盐渍化分布与GD、SI、SET和MTVDI等存在较强的关联性,不同等级的土壤盐渍化是不同影响因素不同程度上组合而引起的结果,盐渍化土地主要分布在地下水位较低以及土地开垦之后没有利用的荒地区域;③整个研究区大部分区域受到不同程度的盐渍化影响,耕地退化为盐渍地导致该区域土壤盐渍化以及土壤次生盐渍化进一步加剧。     

变换光谱数据对土壤氮素PLSR模型的影响研究

光谱数据变换对消除背景、噪音影响以及提取光谱特征有重要的作用,是光谱数据分析过程中的必要步骤。为了研究光谱变换处理对土壤氮素PLSR模型的影响精度,并选择最佳光谱变换处理方法,本文对原始光谱数据进行了15种典型光谱变换,通过比较不同变换光谱与土壤氮素的相关性,实现土壤氮素的PLSR精确诊断,并综合评定最佳光谱数据变换方法。结果表明,涉及微分处理后的光谱变换,尤其是先进行开方（T₈、T₁₁）、对数（T₆、T₁₂）等变换后再进行微分处理,可提高其与土壤氮素的相关性。在引入较少因子变量个数的条件下,该方法使因变量解释量达到了98%。综合考虑模型的校正、验证效果及模型复杂度（模型最佳因子变量个数）,可得出光谱平方根的一阶微分变换处理（T₈）为最佳的土壤光谱变换算法。该条件下的土壤氮素的校正模型表现为R²=0.985、RMSE_C=0.000132、F_n=6,验证模型的表现为R²=0.9853、RMSE_V=0.000162,结果表明基于T₈的光谱数据变换可实现本试验条件下土壤氮素的光谱估算。另外,可以考虑将原始光谱的一阶微分（T₉）、对数和对数倒数的一阶微分（T₆、T₇）以及平方根和对数的二阶微分（T₁₁、T₁₂）作为光谱数据变换方法。本文研究结果可为土壤氮素估算和光谱数据预处理提供技术参考。     

结合DSM的机载LiDAR单木树高提取研究

机载LiDAR在提取地形坡度较大区域的冠层高度模型（CHM）时易产生畸变,降低单木树高的提取精度,为此提出一种CHM与数字表面模型（DSM）相结合的树高估算方法。首先基于预处理后的点云生成的CHM,利用局部最大值算法和标记控制分水岭分割算法进行分割,得到单木树冠轮廓多边形;然后结合DSM,采用固定窗口的局部最大值算法探测树顶点并提取其高程,继而与使用狄洛尼三角网和高程内插得到的地面点相减获取树高;最后,以广西兴安县富江村附近地形起伏较大的针叶林为试验区,测试3种不同坡度下,在CHM、CHM结合DSM获得的树高与实测树高分别进行精度分析。结果表明,当树木分别位于平均坡度为32°、27°和15°的试验区时,CHM中提取的树高与实测数据拟合的R²分别为0.84、0.85和0.87,RMSE为1.48、1.41和1.58 m,结合DSM后R²为0.92、0.91和0.93,RMSE为0.93、1.02和1.16 m;在地形坡度较大的区域,本文方法可以有效提高单木树高的估算精度。     

基于实测光谱模拟Landsat-8 OLI数据估算非光合 植被覆盖度

定量的估算非光合植被覆盖度（Fractional Cover of Non-photosynthetic Vegetation, f_NPV）对草原生态系统碳储存、植被生产力、土壤侵蚀和火灾监测均具有重要的意义。本文以锡林郭勒草原实测高光谱和样方盖度为数据源,利用NPV（Non-Photosynthetic Vegetation）、PV（Photosynthetic Vegetation）、BS（Bare Soil）的平均光谱通过线性光谱混合模型模拟得到混合场景光谱,寻找区分NPV/PV/BS的敏感性波段,然后分别评价不同多光谱指数与f_NPV的相关性。最后利用野外混合场景实验验证光谱指数估算f_NPV的有效性。在此基础上,探讨基于OLI数据的NDVI（Normalized Difference Vegetation Index）-DFI（Dead Fuel Index）特征空间是否满足三元线性混合模型的基本假设。结果表明：短波红外（SWIR）波段是区分NPV/PV/BS的敏感性波段,以此为基础构建的OLI-DFI指数具备有效区分NPV/PV/BS的潜力。在模拟混合场景条件下,OLI-DFI和MODIS-DFI指数均与f_NPV呈显著相关,决定性系数R²分别为0.84和0.94,均方根误差RMSE分别为0.09和0.05,而NDI和NDSVI指数与f_NPV相关性很低。与模拟混合场景相比,在野外混合场景下OLI-DFI和MODIS-DFI指数估算f_NPV的有效性均有一定程度的降低,R²分别为0.65和0.75,RMSE分别为0.14和0.12。基于OLI数据构建的NDVI-DFI特征空间满足三元线性混合模型的基本假设,可有效的估算f_NPV。     

基于GF-3和Landsat 8遥感数据的土壤水分反演研究

基于我国首颗全极化雷达卫星高分三号（GF-3）和Landsat8数据,研究浓密植被覆盖地表土壤水分反演方法。为了提高浓密植被覆盖地表土壤水分反演精度,首先利用PROSAIL模型、实测植被参数及Landsat8光学数据分析了8种植被指数与植被冠层含水量的相关性,从中优选出归一化差异水指数（NDWI₅）用于反演植被冠层含水量,并通过分析植被含水量和植被冠层含水量的关系,构建植被含水量模型;然后结合植被含水量反演模型和简化MIMICS模型校正了植被对雷达后向散射系数的影响,最后基于AIEM建立裸土后向散射系数模拟数据集,发展一种主动微波和光学数据协同反演浓密植被覆盖地表土壤水分模型,并以山东省禹城市为研究区,实现了玉米覆盖下HH、VV和HH+VV 3种模式土壤水分反演。实验结果表明： ① NDWI₅为最佳植被指数,对于去除植被影响有较好效果;② 基于此方法,利用GF-3和Landsat8卫星数据反演得到的土壤水分具有较高的精度;③ 相比HH和VV两种极化模式,HH+VV双通道模式对土壤水分反演结果更好,决定系数（R2）为0.4037,均方根误差（RMSE）为0.0667 m ³m ^-3。     

基于TAVI的山区毛竹林LAI反演分析

本文采用地形调节植被指数（TAVI）,以RapidEye高分辨率多光谱遥感影像为数据源,对福建省永安市毛竹林山区进行了叶面积指数（LAI）地面实测、遥感建模及反演分析。通过TAVI与归一化植被指数（NDVI）、比值植被指数（RVI）的对比研究,结果表明：（1）毛竹林实测LAI与TAVI、NDVI和RVI线性回归的决定系数（R²）分别为0.6085、0.3156和0.4092,最佳非线性回归的R²分别提高到0.6624、0.5280和0.6497。LAI与NDVI或RVI非线性（U曲线）模型可以很好地解释LAI-VI的散点分布规律,但难以解决LAI-VI间因地形影响导致的“同物异谱”和“异物同谱”问题,因此,在山区大面积推广应用需慎重。（2）通过实测LAI的验证表明,LAI-TAVI回归模型可有效避免因地形影响导致的“同物异谱”和“异物同谱”问题。TAVI具有良好的削减地形影响作用,可用于山区植被LAI的遥感反演。     

Evaluation of spectral scale effects in estimation of vegetation leaf area index using spectral indices methods

Spectral index methodology has been widely used in Leaf Area Index (LAI) retrieval at different spatial scales. There are differences in the spectral response of different remote sensors and thus spectral scale effect generated during the use of spectral indices to retrieve LAI. In this study, PROSPECT, leaf optical properties model and Scattering by Arbitrarily Inclined Layers (SAIL) model, were used to simulate canopy spectral reflectance with a bandwidth of 5 nm and a Gaussian spectral response function was employed to simulate the spectral data at six bandwidths ranging from 10 to 35 nm. Additionally, for bandwidths from 5 to 35 nm, the correlation between the spectral index and LAI, and the sensitivities of the spectral index to changes in LAI and bandwidth were analyzed. Finally, the reflectance data at six bandwidths ranging from 40 to 65 nm were used to verify the spectral scale effect generated during the use of the spectral index to retrieve LAI. Results indicate that Vegetation Index of the Universal Pattern Decomposition (VIUPD) had the highest accuracy during LAI retrieval. Followed by Normalized Difference Vegetation Index (NDVI), Modified Simple Ratio Indices (MSRI) and Triangle Vegetation Index (TVI), although the coefficient of determination R ² was higher than 0.96, the retrieved LAI values were less than the actual value and thus lacked validity. Other spectral indices were significantly affected by the spectral scale effect with poor retrieval results. In this study, VIUPD, which exhibited a relatively good correlation and sensitivity to LAI, was less affected by the spectral scale effect and had a relatively good retrieval capability. This conclusion supports a purported feature independent of the sensor of this model and also confirms the great potential of VIUPD for retrieval of physicochemical parameters of vegetation using multi-source remote sensing data.     

玉米叶面积指数的CHRIS/PROBA数据反演分析

叶面积指数(LAI)是衡量植被生态状况和估算作物产量的一个重要指标。LAI的反演是定量遥感研究的重要内容。传统的经验统计反演方法基于单一观测角度的遥感数据进行,忽略了地物反射率的方向性。若在反演中加入多观测角度的信息,则有可能提升LAI反演的精度。以2008年甘肃省张掖市玉米实验区为研究区,利用欧空局的CHRIS/PROBA多角度高光谱数据对比分析了传统植被指数NDVI、RVI、EVI的变化规律及其反演玉米叶面积指数LAI的精度,并根据NDVI随观测角度的变化规律,构造出新型多角度归一化植被指数MNDVI,分别对实测叶面积指数进行线性回归并利用实测数据对估算LAI进行精度验证,结果表明：新型MNDVI指数相比于传统NDVI、RVI、EVI对LAI的反演精度有了显著提升,估算模型决定系数R²达到0.716,精度验证均方根误差为0.127,平均减小了33.3%。     

干旱遥感监测方法及其应用发展（可下载全文）

 干旱是世界上影响范围最广和造成社会经济损失最严重的一种自然灾害。本文从干旱遥感监测的不同角度出发,总结了目前干旱遥感监测的主要方法、应用状况及优缺点。主要包括针对裸土地表类型的热惯量法、微波法,针对植被覆盖地表类型的可见光、近红外、短波红外等波段反射率数据的归一化植被指数法、距平指数法、条件植被指数法、归一化差值水分指数、归一化干旱指数、植被供水指数等,以及热红外遥感数据的温度植被干旱指数、温度条件指数、作物缺水指数、水分亏缺指数等。最后,提出了加强干旱遥感监测技术研究的建议,同时指出将可见光和微波相结合的指数模型的研究是干旱遥感监测可能的发展方向。     

WorldView-2近红外光谱波段反演马尾松植被信息的比较研究

WorldView-2卫星自2009年发射至今,已为用户提供了大量高性能的影像产品。与众多高分辨率卫星影像不同,WorldView-2有2个近红外波段,即近红外1(Near-infrared1,NIR1)和近红外2(Near-infrared2,NIR2),但目前这2个波段在应用上的区别并不清楚。因此,本文以福建省长汀县河田地区的马尾松林为例,采用NIR1和NIR2这2个近红外波段分别构建了3种植被指数(NDVI、ARVI和NDMVI),以探索二者在植被信息反演方面的差异。结果表明,NIR1构建的植被指数在马尾松林提取精度上高于NIR2,并具有更丰富的植被信息量。经统计可知,NIR1所构建的植被指数信息量比NIR2分别大8.0%(NDVI)、12.3%(ARVI)和7.3%(NDMVI);在反演植被覆盖度方面,NIR1也比NIR2具有更高的精度,其模拟的植被覆盖度与实际植被覆盖度的拟合度更高,误差更小。NIR1和NIR2所表现出的差异是因为马尾松在这2个近红外波段的光谱反射不同,其反射在NIR1的波长范围内达到最强,而在NIR2的波长范围内则出现了小幅下降。     

福州城市扩展的遥感动态监测

本文以1996年9月6日和2003年5月29日两个时相的LandsatTM/ETM+卫星影像为数据源,结合相应时相的SPOT卫星数据,通过压缩数据维的方式,提取了福建省福州市的城市建筑用地信息,分析了从1996年至2003年间福州市的城市扩展动态变化情况及原因,并将此变化与福州市城市总体规划(1995-2010)相比较,研究结果认为,福州城市扩展变化与规划是相吻合的。     

基于深度神经网络的蒙古国色楞格河流域水体信息提取

蒙古高原地处干旱半干旱地区,河流水系对该区域的资源环境格局及其生态环境影响重大。发源于蒙古国的色楞格河是蒙古高原最主要的水资源来源,准确掌握该流域的水体信息对东北亚地区生态环境问题及资源保护具有重要意义。本文以蒙古高原色楞格河流域为研究对象,基于谷歌地球引擎（Google Earth Engine,GEE）云平台,使用 Sentinel-2 多光谱卫星遥感影像,利用深度神经网络（Deep Neural Network, DNN）方法对色楞格河流域的水体信息进行提取,并与支持向量机方法进行对比;利用全球30 m SRTM数据生成水系分布矢量图,通过空间分析形成河流提取目标区,结合深度神经网络分类结果,绘制蒙古国色楞格河流域2019年河流分布图。研究结果表明：① 该方法能够准确地完成大流域范围内的水体制图,提取结果能够体现色楞格河流域河流的空间分布,且能够减少河流断流、空洞现象;② 深度神经网络模型中批量大小设置为8时,在处理数据速度与精度中达到最优,而神经网络结构中隐含层数达到4层时,在精度评价指标测试数据集上达到0.9666,保证了模型特征挖掘能力;③ 经样本点的验证,结果总体精度达到97.65%,可以满足实际应用需求。本研究预期可以为蒙古高原的水体提取提供方法支持和相关数据支持。     

卫星影像数据构建山地植被指数与应用分析

 本研究以Landsat影像为数据源,在分析复杂地形山地植被在阳坡和阴坡反射率差异特征的基础上,提出一种归一化差值山地植被指数NDMVI (Normalized Difference Mountain Vegetation Index)。该指数模型无需辅助数据(如DEM)的支持,通过同时降低近红外波段(TM4)和红光波段(TM3)反射率的方法来消除或抑制地形的影响,具有较强的可操作性。研究表明:NDMVI与太阳入射角余弦值(cos i)的相关性相当小,对地形起伏变化表现不敏感,可有效消除或抑制地形的影响;比NDVI值动态变化范围更宽,对地物有更强的遥感识别能力;该模型抑制地形影响的效果比用C校正模型的效果更佳,不会出现过度校正的问题。     

最优分区与最优指数联合的水体信息提取

单波段阈值法和水体指数法具有方法简单、耗时少的优点,成为水体信息提取常用的方法,但对于面积较大、类型多样、影响因素复杂的区域,在全局使用任何一种方法均无法满足精度要求。为精确提取地表覆盖类型复杂、水体类型多样的山区水体信息,本文分别对归一化水体指数（MNDWI）、自动水体提取指数（AWEI）和归一化三波段指数（NDTBI）3种指数的阈值进行分析,以最优阈值分区方案进行分区并构建3个单指数决策树,寻找不同水体类型的最优指数,按照最优原则重构联合指数决策树来提取水体信息,其中,3种单指数提取法的Kappa系数分别为：0.863, 0.854, 0.862,最优指数联合决策树法的Kappa系数为 0.881。结果表明,基于3个指数构成的最优指数联合决策树的提取方法可以达到最高精度,由此说明,采用该法用于水体信息提取可得到最佳效果。