高分一号与Landsat TM数据估算稀疏植被信息对比

为了分析高分一号卫星数据在稀疏植被信息提取方面的能力,该文选取浑善达克沙地及其周边为研究区,以GF-1和Landsat TM为数据源,结合地面同步实测数据,比较了两个传感器在荒漠化地区植被覆盖度和地上生物量估算方面的能力与差异。结果表明:在该区域,两种数据基于NDVI建立的对数模型可用于植被覆盖度的估测(GF-1:R2=0.7966,RMSEP=0.0908;Landsat 8:R2=0.8080,RMSEP=0.0871),GF-1基于SAVI和Landsat 8基于NDVI建立的乘幂模型进行地上生物量的估测效果最好(R2=0.4866,0.3715;RMSEP=143.46,130.71)。其次,在该区域,经过修正的土壤调节植被指数MSAVI相对于没有经过修正的土壤调节植被指数SAVI,与植被覆盖度和植被生物量的相关性并没有多大提高。第三,两种数据通过引入蓝色、绿色波段的多元回归模型估算植被覆盖度相比单一植被指数植被要好,尤其是对于Landsat影像改进效果更为明显,R2提高了0.3。总之,GF-1的16m数据具有相对较高的质量,可以代替Landsat 8多光谱数据,而且其具有更高的分辨率、重访周期和覆盖范围。     

一种利用土壤水分反演地下水位遥感方法

针对利用土壤水分在干旱地区反演一定植被覆盖下地下水位的局限性,采用遥感-数学-模型学融合的研究方法,以Landsat-8遥感图像作为数据源,提取改进型温度植被干旱指数,并与实测土壤水分建立土壤水分反演模型,然后结合土壤水分和地下水位的实验方程,引入土壤水分反演模型建立了一定植被覆盖条件下的地下水位分布遥感监测评价模型(GLDRS模型)。结果表明,土壤水分反演值和实测值的决定系数R2=0.65,均方根误差RMSE=3.22,能够达到实验精度要求;利用GLDRS模型对研究区地下水位反演结果取得较高精度,实测地下水位和反演地下水位的R2=0.81,RMSE=1.01。     

结合GLAS和TM卫星数据的江西省森林高度和生物量制图

针对光学遥感受云雨天气的影响,并存在植被指数饱和、穿透性差而难以到达森林冠层以下等问题,不能有效反映植被垂直结构信息,难以准确地反演森林地上生物量,以大光斑激光雷达GLAS数据、Landsat TM光学遥感影像数据以及野外实测数据为数据源,建立了江西省森林的平均冠层高度模型和森林生物量模型。结果表明:GLAS数据提取出波形特征参数、ASTER GDEM数据提取出地形特征参数与实测树高数据建立森林冠层高度模型,获取离散的林冠高度,可以较好消除地形对GLAS波形的影响;通过建立Landsat TM数据计算的NDVI与离散林冠高度之间的关系,可以进行大尺度连续森林冠层高度的制图;并利用林冠高度与森林生物量之间的幂函数关系估算森林生物量。因此,大光斑激光雷达GLAS数据与光学遥感数据联合,能充分发挥多源遥感的优势,实现连续冠层高度和森林生物量的反演。     

基于资源一号02D高光谱卫星影像的青海湖悬浮物浓度反演研究

水体悬浮物浓度是描述水体光学特性的一个重要参数。卫星遥感具有大范围、快速、高频次动态监测的优势,有助于加强对青海湖水环境质量的监测,降低监测成本。而资源一号02D(ZY1-02D)卫星高光谱影像作为新的数据源,具有高空间分辨率、高光谱分辨率的优点,为湖泊的水质高精度监测提供了可能性。为了验证ZY1-02D高光谱相机在水质遥感监测应用中的适用性,以ZY1-02D高光谱影像为遥感数据源,同时辅助实测数据,构建青海湖悬浮物浓度反演模型,并进行精度验证,评价模型的准确性,最后将模型应用于青海湖悬浮物浓度反演。研究结果表明：青海湖悬浮浓度反演模型平均相对误差为21.1%,均方根误差为0.296 mg/L,精度较好,青海湖悬浮物浓度反演结果呈现湖心低岸边高的特征,与同期Sentinl-2和同期Landsat 8数据反演结果进行对比,反演结果保持一致,说明ZY1-02D高光谱影像能够作为悬浮物浓度遥感反演的数据源之一。     

Radarsat-2/SAR和MODIS数据联合反演黄土高原地区植被覆盖下土壤水分研究

以黄土高原半干旱区定西为试验区,利用Radarsat-2/SAR和MODIS数据,将由MODIS NDVI估算的植被含水量(VWC)应用到微波散射Water-Cloud模型中校正植被的影响。采用交叉极化(VV/VH)组合方案对植被覆盖下土壤水分的反演进行初步探讨,结果表明:在植被影响校正前,模型反演土壤水分值出现明显低估现象;校正植被影响后,相关系数R由0.13提高到0.44,且通过α=0.01的显著性检验,标准差SD由5.02降低到4.30,有效提高了模型反演土壤水分的准确度。卫星反演的研究区土壤含水量大部分介于10%~30%之间,与实地考察情况一致,较好地反映出区域土壤湿度分布信息。表明,光学和微波协同遥感反演对于提高农田土壤水分遥感反演精度具有较大的应用潜力。     

基于Sentinel-1和MODIS数据反演农田地表土壤水分—以REMEDHUS地区为例

土壤水分是陆地生态系统和水循环的重要状态变量,在植被生长监测、农作物产量评估等研究中均发挥着重要作用。为了消除植被散射的影响,进而实现农田地表土壤水分的高精度反演,以时间序列Sentinel-1影像及MODIS产品为实验数据,基于高级积分方程模型和比值植被模型的耦合模型,通过采用不同光学植被参数和VH交叉极化后向散射系数,分别对农田植被散射贡献进行表征,消除植被散射的影响,进而实现土壤水分的高精度反演。结果表明：当利用VH极化进行参数化植被散射贡献时,标定的耦合模型,虽然可消除对光学植被参数的依赖并较好地模拟Sentinel-1卫星观测,但土壤水分反演结果效果欠理想,相关系数R最大仅为0.54;与VH极化相比,利用光学植被参数表征植被散射贡献时,土壤水分整体反演效果较理想,R最大达到0.79,但光学植被参数反演结果在不同站点存在显著的空间差异性,R介于0.07~0.79之间。因此,在未来研究中可尝试将雷达数据与光学数据协同反演,以期在消除植被散射影响的基础上,实现植被覆盖区域土壤水分的高精度反演及动态变化监测。     

GF-1 WFV影像的中小流域洪涝淹没水深监测

针对目前水深监测仍主要依赖Landsat、SPOT等国外遥感卫星的问题,提出采用国产高分一号(GF-1)卫星16m分辨率WFV影像进行洪涝淹没水深监测。通过以中小流域为研究区,采取RS和GIS结合的水深测算方法计算淹没水深:在利用RS影像提取淹没范围的基础上,运用GIS方法由水面高程和地面高程之差计算得出淹没水深的空间分布。结果表明,GF-1卫星作为新兴的国产遥感数据源,凭借空间分辨率高和回访周期短的优势,可帮助摆脱对国外卫星遥感数据的依赖;GF-1卫星WFV影像提取水体精度较高,能广泛应用于中小流域洪涝灾害监测;RS和GIS结合的洪涝淹没水深监测算法简单易行,可快速计算在淹没范围已知情况下的水深。相关结果可为洪涝灾害监测与评估提供信息依据。     

GF-1 WFV 影像的中小流域洪涝淹没水深监测

针对目前水深监测仍主要依赖Landsat、SPOT等国外遥感卫星的问题,提出采用国产高分一号(GF-1)卫星16 m分辨率WFV影像进行洪涝淹没水深监测。通过以中小流域为研究区,采取RS和GIS结合的水深测算方法计算淹没水深：在利用RS影像提取淹没范围的基础上,运用GIS方法由水面高程和地面高程之差计算得出淹没水深的空间分布。结果表明,GF-1卫星作为新兴的国产遥感数据源,凭借空间分辨率高和回访周期短的优势,可帮助摆脱对国外卫星遥感数据的依赖;GF-1卫星WFV 影像提取水体精度较高,能广泛应用于中小流域洪,涝灾害监测;RS和GIS结合的洪涝淹没水深监测算法简单易行,可快速计算在淹没范围已知情况下的水深。相关结果可为洪涝灾害监测与评估提供信息依据。     

基于Sentinel-1及 Landsat 8数据的黑河中游农田土壤水分估算

土壤水分是陆地表层系统中的关键变量。利用主动微波遥感,特别是合成孔径雷达(Synthetic Aperture Radar,SAR)的观测,在监测和估计表层土壤水分时空分布方面已开展了诸多研究。然而,SAR土壤水分反演仍存在诸多挑战,特别是地表粗糙度和植被的影响。因此,本文提出了一种结合主动微波和光学遥感的优化估计方案,旨在同步反演植被含水量、地表粗糙度和土壤水分。反演算法首先在水云模型的框架下对模型中的植被透过率因子(与植被含水量密切相关)采用3种不同的光学遥感指数——修正的土壤调节植被指数(Modified Soil Adjusted Vegetation Index,MSAVI)、归一化植被指数(Normalized Difference Vegetation Index,NDVI)和归一化水体指数(Normalized Difference Water Index,NDWI)进行参数化估计,用于校正植被层的散射贡献。在此基础上,构造基于SAR观测和Oh模型的代价函数,利用复型洗牌全局优化算法进行土壤水分和地表粗糙度的联合反演。采用Sentinel-1 SAR和Landsat 8多光谱数据在黑河中游开展了反演试验,并利用相应的地面观测数据对结果进行了验证。结果表明反演结果与地面观测具有良好的一致性,其中基于NDWI的植被含水量反演效果最佳,与地面观测比较,土壤水分决定系数(R 2)在0.7以上,均方根误差(RMSE)为0.073 m^ 3/m^ 3;植被含水量R 2大于0.9,RMSE为0.885 kg/m 2,表明该方法能够较准确地估计土壤水分。同时发现植被含水量的估计结果,以及植被透过率的参数化方案对土壤水分的反演精度有一定的影响,在未来的研究中需要进一步探索。     

基于HJ-1高光谱数据的植被覆盖度估测方法研究

植被覆盖度是衡量地表植被状况的一个重要参数,在水文、生态等方面有重要意义,同时,也是影响土壤侵蚀与水土流失的主要因子,是评价土地荒漠化最有效的指标。以环境一号(HJ-1)小卫星上搭载的新型传感器HSI获取的高光谱数据为数据源,通过选择合适的植被指数建立了植被覆盖度反演模型——像元二分模型。然后运用该模型提取了新疆石河子地区的植被覆盖度信息。通过与地面样方数据进行交互比较,对HJ-1/HSI数据反演植被覆盖度的精度进行了评价。研究结果表明,HJ-1/HSI数据能够得到较高精度的植被覆盖度反演结果,在植被动态及全球变化研究领域具有潜在应用价值。     

Soil Moisture Retrieval over Vegetated Areas based on Sentinel-1 and FY-3C Data

This study aims to develop soil moisture retrieval model over vegetated areas based on Sentinel-1 SAR and FY-3C data.In order to remove vegetation effect,the MWRI data from FY-3C was applied to establish the inversion model of vegetation water content.The model was combined with the original water-cloud model,and developing a soil moisture retrieval model by combining active and passive microwave remote sensing data.Finally,the experiment of the soil moisture retrieval was conducted in Jiangsu and Anhui province,and validating the inversion accuracy of soil moisture by measured data.The results showed that：①For the vegetation-covered surface,the Microwave Polarization Difference Index obtain from FY-3C/MWRI was suitable for removing vegetation effect.②Compared with the Sentinel-1 VH polarization data,the backscattering coefficient of VV polarization was more suitable for soil moisture retrieval and get a higher accuracy of soil moisture retrieval.③Sentinel\|1 data can obtain high precision soil moisture estimation results,and the correlation coefficient between the estimated and measured soil moisture is 0.561 2 and RMSE is 0.044 cm³/cm³.     

基于特征空间的黄河三角洲垦利县土壤盐分遥感提取

土壤盐渍化是实现土地资源可持续利用所面临的重要挑战,在我国滨海的黄河三角洲区域遥感定量反演适宜方法可为区域盐渍化监测与防治提供技术方法参考。研究以Landsat 8 OLI数据和野外实测数据为基础,提取关键地表特征参量,定量化探讨土壤盐分与地表生物物理参数之间的规律及关系,建立黄河三角洲土壤盐分最优反演模型。结果表明:Albedo-MSAVI、SI-Albedo、SI-NDVI反演精度分别为83.4%、88.8%和80.6%。分析认为SI-Albedo模型最适用于滨海地区盐渍化程度反演,对滨海地区土壤盐分的预测能力较强;Albedo-MSAVI、SI-NDVI模型对内陆干旱、半干旱地区的盐渍化信息提取具有一定的参考意义。基于精度最高的SI-Albedo所反演的结果来看,垦利县盐渍化程度自东向西总体呈高低高走向,与该区域盐分积聚的成因机理相符。     

Remote Sensing Extraction of Soil Salinity in Yellow River Delta Kenli County based on Feature Space

Soil salinization is an important challenge to achieve sustainable use of land resources. The appropriate method for remote sensing quantitative inversion in the coastal Yellow River Delta region of China can provide technical reference for regional salinization monitoring and prevention. Utilizing Landsat 8 OLI image and field measured data, we extracted key surface characteristic parameters, quantitatively discussed the law and relationship between soil salinity and surface biophysical parameters and established a soil salinity inversion model. The results show that the inversion precisions of Albedo-MSAVI, SI-Albedo and SI-NDVI feature space are 83.4%, 88.8% and 80.6% respectively. The analysis shows the SI-Albedo model is suitable for the inversion of salinization level in Binhai areas. For Albedo-MSAVI and SI-NDVI models, they have certain reference significance for salinization information extraction in inland arid and semi-arid areas. Based on the inversion of the SI-Albedo feature space with the highest accuracy, the level of salinization in Kenli County is generally high-low-high trends from the east to the west, which is consistent with the formation mechanism of salt accumulation in this area.     

基于多时相遥感观测的板栗林分布提取研究

板栗林在欧亚、北美等地广泛分布,具有良好的生态价值和经济效益。我国板栗产量居世界首位,是重要的经济树种。使用遥感影像建立板栗林空间分布提取方法能够为其科学管理和高效经营提供定量数据,但树种分类是遥感分类的难点,并且针对板栗林的遥感提取研究较少。以河北省宽城满族自治县为研究区,结合MODIS高时间分辨率特征和Landsat数据较高空间分辨率的特征,研究板栗林提取的最佳时相以及分类特征,并采用多时相观测基于支持向量机算法实现板栗林的提取。结果表明：①4月至6月各地类光谱差异最大,是板栗林提取的关键物候期;②蓝、绿、红、近红外和短波红外波段地表反射率是分类的有效波段,NDI、NDVI、NDWI、RSI和RVI等植被指数增强了植被信息,是板栗林提取的有效分类特征;③单一时相板栗林分类中,生长季前期6月精度最高,生长季后期9月次之,非生长季1月分类结果较差;④结合生长季6月、9月和非生长季1月遥感影像的分类精度最佳,板栗林制图和用户精度分别为89.90%和87.25%。与林业局板栗林面积统计数据相比,精度可达93.45%。     

基于GDAL的遥感图像变化检测技术

由于GDAL（Geospatial Data Abstraction Library）具有快速读取多种格式的遥感图像且能有效解析空间元数据等特点,利用它开发遥感图像处理算法具有明显的优势。结合GDAL及相应算法,开发了一套复杂地形山区植被遥感变化检测的技术,其中包括利用阴影消除植被指数（Shadow Elimination Vegetation Index,SEVI）反演植被长势;利用图像差值法及最大类间方差法（OTSU）来提取植被长势明显变化点位;利用[K]均值聚类自动分割识别变化区域。将该方法用于武夷山自然保护区和闽江源自然保护区2016-2017年Landsat8 OLI遥感图像的植被长势变化检测,结果表明,这套遥感图像变化检测技术切实可行,能够有效识别遥感图像变化区域,并在复杂地形山区的植被长势监测中具有良好的应用价值。     

基于KPCA光谱特征约束的水边线提取算法

为充分利用遥感影像的多波段光谱特征,提高水边线的提取精度,提出了基于核主元分析（KPCA）光谱特征约束的水边线提取模型。利用KPCA变换提取水体样本的光谱特征,采用最大似然法估计特征空间中水体光谱特征概率密度函数的特征参数,进而构建水体的光谱特征项。以测地线活动轮廓（GAC）模型为基础,建立图像数据项。结合光谱特征项和图像数据项建立水边线提取模型。在Landsat TM数据集上进行的水边线提取实验验证了算法的有效性,与GAC模型和基于距离正则化的水平集方法（DRLSE）相比较,该算法提取的水边线,在保证一定运行速度的情况下,更准确。     

A model for the estimation of fractional vegetation cover based on the relationship between vegetation and soil moisture

Based on surface temperature and the normalized difference vegetation index (NDVI), we calculated the temperature vegetation dryness index (TVDI). Using the relationship between TVDI and NDVI, we established a vegetation–soil moisture response model that captures the sensitivity of NDVI's response to changes in TVDI using a linear unmixing approach, and validated the model using Landsat Thematic Mapper (TM) images acquired in 1997, 2004 and 2006 and a Landsat Enhanced Thematic Mapper Plus (ETM+) image acquired in 2000. We determined the correlations between TVDI and field-measured soil moisture in 2006. TVDI was correlated significantly with soil moisture at depths of 0 to 10 cm and 10 to 20 cm, so TVDI can be used as an index that captures changes in soil moisture at these depths. By using fractional vegetation cover (FVC) data measured in the field to validate the estimated values, we estimated mean absolute errors of 0.043 and 0.137 for shrub and grassland vegetation coverage, respectively, demonstrating acceptable estimation accuracy. Based on these results, it is possible to estimate a region's FVC using the linear unmixing model. The results show bare land coverage values distributed similarly to TVDI values. In mountain areas, grassland coverage mostly ranged from 0.4 to 0.6. Shrub coverage mostly ranged from 0.4 to 0.6. Forest coverage was zero in most parts of the study area.     

空间遥感现状及未来发展

从第三十五届国际宇航联合会的空同遥感专业小组会议上可以看出,目前空间遥感的现状及未来发展前景。今后空间遥感将从具有单一遥感能力向具有综合遥感能力方面发展,不仅能对陆地,而且对海