基于Sentinel-1和Sentinel-2协同反演干旱区地表土壤水分——以格尔木河中下游为例

土壤水分是全球水循环的重要组成成分,对研究水分的空间分布、农作物长势和产量、气候变化、水资源时空特征等有着重要意义.利用Sentinel(哨兵)系列主动微波雷达卫星SAR(Sentinel-1)结合光学卫星(Sentinel-2)对格尔木中下游低矮植被覆盖下的地表土壤水分进行反演研究,探讨不同极化组合方式和水云模型前后...     

基于机载极化雷达技术的农作物覆盖区土壤水分估算

从研究区辅助数据中获得植被覆盖区域农作物含水量，并对“水云模型”的参数进行了修改。从总的极化雷达后向散射中去除了植被影响；再应用简化的裸露地表模型和多极化数据特征消除了地表粗糙度的影响，从而能够通过多极化雷达数据得到地表土壤水分。经过文测数据验证表明农作物覆盖地表土壤水分变化的估算算法还需要更进一步发展和改进以提高反演精度，并探讨了应用极化雷达技术估算植被覆盖区土壤水分的方法。     

微波遥感反演土壤水分中构建粗糙度参数的新方法

地表粗糙度是影响雷达后向散射系数的重要因素。该文在基于SAR影像反演地表土壤水分的过程中,考虑到地表粗糙度的野外测量误差、取值范围和雷达入射角等方面的影响,统计了裸土、农用地和草地等几种典型地表的粗糙度测量数据,以此限定AIEM模型的输入参数范围。首先,利用AIEM模型模拟雷达后向散射系数与粗糙度、土壤水分之间的关系,构建了基于曲面拟合思想的、与入射角相关的组合粗糙度参数,并以此为基础利用Envisat ASAR双极化数据(VV、VH)建立了土壤水分反演模型。经实测数据验证,在不同入射角范围内,基于该文建立的模型得到的土壤水分反演结果与实测值都有良好的相关性。与其他形式的组合粗糙度参数进行对比,该文提出的模型反演精度较高,能够适用于入射角范围在(5°,65°)内的SAR影像的反演。     

基于Sentinel-2遥感时间序列植被物候特征的盐城滨海湿地植被分类

滨海湿地是具有重要功能的特殊海陆过渡带生态系统,精准获取滨海湿地植被时空分布信息具有重要意义。传统的湿地遥感观测研究集中于高空间、高光谱分辨率影像分类,往往受限于数据成本和覆盖范围,仅适用于小区域湿地监测。Sentinel-2A/B卫星影像时空分辨率高且免费共享,为大区域滨海湿地动态监测提供了可能。本文采用2018年Sentinel-2影像,提出像元级SAVI时间序列及双Logistic植被物候特征拟合重构模型,采用随机森林算法进行盐城滨海湿地植被分类,探讨Sentinel-2遥感时间序列植被物候特征分类方法的适用性。结果显示,分类总体精度达87.61%,Kappa系数为0.8358,分类结果与湿地实况相吻合,比常规单一时相分类精度总体提高19.57%。植被判别物候特征参数可为影像数据缺失或不足的滨海湿地分类提供不同植被的判别依据。研究表明,基于像元级时间序列植被物候特征的分类方法能实现植被群落混生带的精准分类以及对“异物同谱”植被的有效区分,对大区域滨海湿地植被分类具有很好的适用性,有效提高了滨海湿地植被分类精度。     

植被覆盖地表主动微波遥感反演土壤水分算法研究

主动微波遥感监测土壤水分具有全天时、全天候并对地物有一定的穿透能力等特点,突破了传统测量方法和光学遥感获取土壤水分的局限。文中在分析植被对微波信号影响的基础上,总结了当前国内外基于主动微波遥感监测植被覆盖地表土壤水分的原理和方法,指出利用，宋朝景“水-云模型”从总的极化雷达后向散射中去除植被影响后,能够改进后向散射系数和土壤含水量之间的关系。最后利用ENVISAT ASAR数据,结合实地采样获得的土壤含水量数据拟合两者之间的关系,结果表明农作物覆盖地表土壤水分变化的估算算法还需要进一步发展和改进以提高反演精度。     

基于PROSAIL模型和Sentinel-2数据的陕北煤炭矿区植被叶绿素含量监测

为满足煤炭矿区植被叶绿素含量高精度动态监测需求,该文以陕北大柳塔矿区为研究区,首先分析PROSAIL模型对矿区典型植被欧李、野樱桃的适用性,然后根据PROSAIL辐射传输模型建立查找表,结合基于正则化的代价函数对欧李、野樱桃叶绿素含量进行反演,并利用SNAP软件反演结果与地面实测数据对PROSAIL模型反演结果进行验证,最后利用所构建模型反演得到2016—2019年大柳塔矿区植被叶绿素含量空间分布。结果表明：PROSAIL模型模拟光谱与地面实测光谱的绝对偏差平均值最大为0.016,该精度满足植被参数反演;PROSAIL模型反演得到的欧李、野樱桃叶绿素含量与地面实测数据的决定系数、均方根误差和相对均方根误差分别为0.679、1.926和4.625%,优于SNAP软件反演结果,反演得到的大柳塔矿区叶绿素含量时空变化与实际植被生态修复情况和土地利用覆盖类型一致。研究结果可为矿区植被叶绿素反演和生态修复效果评估提供技术参考。     

基于新的组合粗糙度参数的土壤水分微波遥感反演

土壤水分的时空分布是水文、气象等领域研究的重要参数。微波遥感因其全天时、全天候对地观测以及较强的穿透能力成为土壤水分反演的重要手段。该文以风沙滩地区为研究区,利用AIEM模型模拟雷达后向散射系数与粗糙度、土壤水分之间的关系,提出一种新的组合粗糙度参数S3/L,以法向菲涅尔反射系数代替土壤水分,建立了雷达后向散射系数与组合粗糙度、法向菲涅尔反射系数Г0的经验关系,利用Radarsat-2C波段双极化(VV、HH)数据构建了土壤水分反演模型。经实测数据验证,模型反演结果与实测值有着良好的相关性(R~2=0.8541),平均绝对误差为4.95%,均方根误差为6.00%。与以往同一区域的研究成果相比,该文提出的反演模型精度较高,更适合于风沙滩地区土壤水分的反演。研究结果可为该地区的水循环及水环境评价研究提供支持。     

基于AMSR-E被动微波遥感数据的广东省土壤水分变化监测

概述了植被覆盖地表微波辐射传输模型的原理和表示方法,指出在地表粗糙度、植被层和大气等影响相似的情况下,微波极化差异指数的变化突显土壤水分变化.利用AMSR-E星载被动微波遥感亮度温度数据,计算分析地表微波极化差异指数(MPDI)的月平均分布,以广东省为试验区,获得了2004- 2009年10月份广东省10.7 GHz通...     

基于Sentinel-1A数据在广东省近海海面风场反演应用

采用基于风条纹提取风向的方式，利用地球物理模式函数，基于Sentinel-1A数据，通过CMOD5模型反演2017年3、5、7、12月份广东省近海海域风场。将反演结果与实测数据对比，风速普遍比实测风速大，风速反演的平均绝对误差为1.98 m/s，均方根误差为2.74 m/s，相关系数为0.8。其中3、5、7月的风速较为接近，且平均绝对误差和均方根误差都＜2 m/s，而12月份平均风速＞8 m/s，实测数据与卫星过境时间不完全匹配，导致平均绝对误差和均方根误差都偏大。哨兵一（Sentinel-1A）影像反演结果整体上与实测数据相一致，验证了COMD5反演模型适用于广东省近海高分辨率海洋风场反演，可为下一步估算广东省风能资源储量提供可能。     

集成Sentinel 1/2卫星影像的哈尼湿地森林沼泽制图研究

森林沼泽作为独特的湿地类型,对区域碳循环和生物多样性保护具有重要作用。以吉林省哈尼湿地为研究对象,集成应用Sentinel-1雷达和Sentinel-2多光谱影像,充分挖掘Sentinel-1多极化波段特征和Sentinel-2红边指数对森林沼泽遥感识别的潜力,应用随机森林方法实现哈尼湿地森林沼泽分布信息的提取。结果表明:当森林沼泽信息提取最优决策树数目为1 200,融合Sentinel-1 VV与VH后向散射系数雷达波段特征与Sentinel-2红边波段特征能显著提高森林沼泽分布信息的提取精度,保护区森林沼泽信息提取总体精度与Kappa系数分别高达89%、0.85,提取质量相对较高。哈尼湿地景观类型多样化,天然湿地、人工湿地与非湿地景观类型并存。在天然湿地类型中,森林沼泽面积最大,为27.1 km~2,占保护区总面积的11.2%;河流面积最小,为0.7 km~2,占保护区总面积的0.3%。森林沼泽提取方法为哈尼湿地的可持续管理提供数据支持,也为其他地区森林沼泽制图提供案例指导。     

Surface-deformation monitoring in the permafrost regions over the Tibetan Plateau,using Sentinel-1 data

Differential Interferometric Synthetic Aperture Radar(D-In SAR) has been widely used to measure surface deformation over the Tibetan Plateau. However, the accuracy and applicability of the D-In SAR method are not well estimated due to the lack of in-situ validation. In this paper, we mapped the seasonal and long-term displacement of Tanggula(TGL) and Liangdaohe(LDH) permafrost regions with a stack of Sentinel-1 acquisitions using the Small Baseline Subset In SAR(SBAS-In SAR) method. In the TGL region, with its dry soils and sparse vegetation, the In SAR-derived surface-deformation trend was consistent with ground-based leveling results; long-term changes of the active layer showed a settlement rate of around 1 to 3 mm/a due to the melting of ground ice, indicating a degrading permafrost in this area. Around half of the deformation was picked up on monitoring, in contrast with in-situ measurements in LDH, implying that the D-In SAR method remarkably underestimated the surface-deformation. This phenomenon may be induced by the large soil-water content, high vegetation coverage, or a combination of these two factors in this region. This study demonstrates that surface deformation could be mapped accurately for a specific region with Sentinel-1 C-band data, such as in the TGL region.Moreover, although the D-In SAR technology provides an efficient solution for broad surface-deformation monitoring in permafrost regions, it shows a poor performance in the region with high soil-water content and dense vegetation coverage.     

融合Sentinel-2红边波段和Sentinel-1雷达波段影像的扎龙湿地信息提取

以黑龙江流域中的扎龙湿地及其上游区域为研究区,将Sentinel-2红边波段和Sentinel-1雷达波段影像数据相结合,根据面向对象原理,采用随机森林算法,对研究区的湿地进行遥感分类和信息提取;利用3种特征变量集,进行实验对比,研究红边波段反射率和雷达后向散射系数对湿地信息提取的作用。研究结果表明,红边波段反射率和雷达后向散射系数对土地覆盖分类精度的提高起到了重要作用,两者结合得到的分类结果的总体精度达到了88.72%,Kappa系数为0.87,其中,水体、水田和沼泽的用户精度分别为100%、98.18%和91.37%。利用红边波段和雷达波段影像数据,分别使土地覆盖分类总体精度提高了5.26%和2.51%,红边波段影像数据对沼泽提取精度的提高贡献最大,使生产者精度提高了12.5%。     

基于不同卫星光谱模拟的土壤电导率估算研究

土壤电导率 (Electrical conductivity, EC)是评价土壤盐渍化的重要指标。通过实测新疆艾比湖湿地自然保护区土壤EC及可见光—近红外光谱数据，利用波谱响应技术模拟Landsat 8 OLI、Sentinel 2、Sentinel 3卫星的宽波段数据。构建宽波段模拟数据及其5种预处理后的三维光谱指数 (Three-dimensional spectral index, TDSI)，采用梯度提升回归树算法 (Gradient boosting regression tree, GBRT) 建立3种卫星土壤EC估算模型，并比对加入TDSI后模型精度的变化。结果表明：在不同土壤EC条件下，3种卫星具有相似的光谱趋势，均在红、近红外波段附近反射率较高；TDSI与土壤EC相关性基本均在0.4以上，最大程度保留了与土壤EC敏感度高的红、绿、蓝、近红外、短波红外波段信息；GBRT对于土壤EC估算能力表现突出，3种卫星对土壤EC的最佳预测精度R²分别为0.831、0.847、0.903，在加入TDSI后，R²分别提高至0.835、0.857、0.935，综合分析发现，Sentinel 3对土壤EC估算效果最佳 (R²=0.935，均方根误差RMSE=2.986 mS·cm^-1，赤池信息准则AIC=57.500)。通过利用波谱响应技术结合TDSI深度挖掘波段间的协同信息，采用GBRT验证了不同卫星对土壤R²的估算效果，二者相结合可以有效提升模型预测精度，为干旱区土壤盐渍化定量监测与防控提供有利指导。     

Classification of full-polarization ALOS-PALSAR imagery using SVM in arid area of Dunhuang

Classification is an important process in interpretation of synthetic aperture radar(SAR) imagery. As an advanced instrument for remote sensing, the polarimetric SAR has been applied widely in many fields. The main aim of this paper is to explore the ability of the full-polarization SAR data in classification. The study area is a part of Dunhuang, Gansu Province, China. An L-band full-polarization image of Dunhuang which includes quad-polarization modes was acquired by the ALOS-PALSAR(Advanced Land Observing Satellite–the Phased Array type L-band Synthetic Aperture Radar). Firstly, new characteristic information was extracted by the difference operation, ratio operation, and principal component transform based on the full-polarization(HH, HV or VH, VV) modes SAR data. Then the single-, dual-, full-polarization SAR data and new SAR characteristic information were used to analyze quantitatively the classification accuracy based on the Support Vector Machines(SVM). The results show that classification overall accuracy of single-polarization SAR data is poor, and the highest is 56.53% of VV polarization. The classification overall accuracy of dual-polarization SAR is much better than single-polarization, the highest is 74.77% of HV VV polarization data. The classification overall accuracy of full-polarization SAR is 80.21%, adding the difference characteristic information, ratio characteristic information and the first principal component(PC1) respectively, the overall accuracy increased by 3.09%, 3.38%, 4.14% respectively. When the full-polarization SAR data in combination with the all characteristic information, the classification overall accuracy reached to 91.01%. The full-polarization SAR data in combination with the band math characteristic information or the PC1 can greatly improve classification accuracy.     

金沙江干热河谷不同植被坡面土壤水分时空分布特征

于2016年7~12月和2017年4月的旱、雨季期间，以金沙江干热河谷苴那小流域内的银合欢（Leucaena Benth）林地、车桑子（Dodonaea angustifolia）灌丛地和扭黄茅（Heteropogon cantortus）草地为研究对象，通过网格法和土钻法采集并测定了（0~100 cm）土层的土壤含水量，应用经典统计法和地统计学方法分析该区域不同林草植被下坡面土壤水分的动态变化特征。结果表明：（1）研究区土壤含水量总体较低，雨季显著大于旱季，旱、雨季均表现为灌丛地>草地>林地，呈中度至强度变异（0.07~0.28之间）。（2）不同林草植被下旱、雨季土壤水分具有相似的空间自相关性，自相关系数均由正向负转变，但由正向负转变的滞后距离有所不同，且雨季大于旱季，呈中等或强等空间自相关性。（3）不同林草植被下的土壤水分空间结构不同，林地、灌丛地和草地旱雨季最佳拟合模型均为球状模型；相同林草植被下各土层旱、雨季土壤水分的空间分布特征相似，但旱季的分布格局差异更显著，不同林草植被下深层土壤水分分布比表层土壤水分的分布更为复杂，土壤水分呈明显的斑块或条带状分布，含水量高值区和低值区位置不固定。总之不同林草植被类型会改变局部地段土壤水分空间分布，降雨会加强这种差异的趋势，但土壤水分仍具一定空间连续性。     

基于改进植被指数土壤水分遥感反演

以渭-库绿洲为例,基于Landsat8 OLI遥感数据,考虑到短波红外特征与土壤水分有很好的关联,将短波红外波段引入可见光-近红外波段构成的传统植被指数中,旨在建立新的植被指数监测土壤水分。基于改进前后共8种植被指数,通过灰色关联分析（GRA）筛选出3种高关联度植被指数,再用偏最小二乘回归（PLSR）进行建模,然后用该模型对研究区土壤水分反演,并对其空间分布格局进一步分析。结果显示：（1）在传统植被指数的基础上引入信息量较大的短波红外,可大幅度降低植被指数间的VIF,消除其多重共线性。（2）通过GRA分析可知,改进后的植被指数与土壤水分之间的关联度均要高于传统植被指数。（3）通过GRA分析筛选出3种高关联度植被指数建立得到精度较高,稳定性较好的PLSR模型,并反演研究区土壤水分分布状况,土壤水分总体上至西向东,由北到南降低,然而土壤水分最小值主要分布在绿洲—荒漠交错带,使得交错带成为“生态裂谷”。研究表明：将短波红外波段引入到可见光-近红外植被指数中,建立的新植被指数可获得较好的土壤水分空间分布反演结果。     

哨兵卫星Sentinel-1A数据特性及应用潜力分析

Sentinel-1A是欧空局"哥白尼计划"发射的首颗对地观测卫星,其搭载的C波段SAR传感器有效地延续了ERS-1/2和ENVISAT ASAR对地观测任务。简要介绍了Sentinel-1A卫星的特点和轨道参数,并与ERS-1/2和ENVISAT ASAR进行了对比。详细介绍了Sentinel-1A的成像模式(SM,IW,EW,WV)以及每种模式下数据产品(Level-0,Level-1,Level-2)的特征。最后分析了Sentinel-1A数据在不同领域的实际应用,为其在对地观测中的广泛应用提供了参考。