一种协同反演气溶胶与水汽含量的高光谱图像大气校正算法

大气校正是高光谱图像定量反演地表参数的前提。为充分利用高光谱数据本身的光谱特点,提出了一种协同反演大气气溶胶光学厚度(aerosol optical thickness,AOT)与水汽含量(water vapor content,WV)的大气校正方法,在同时考虑了气溶胶模式、AOT和WV这3个因素的综合影响基础上,采用循环迭代的思想,基于6S辐射传输模型,反演大气参数及地表反射率,弥补了现有反演算法中没有同时考虑AOT与WV的不足;并以武汉市Hyperion高光谱图像为例,验证了该算法的有效性。从与FLAASH算法及MOIDS提供的AOT和WV产品对比来看,该算法能较好地校正气溶胶与水汽对高光谱图像的影响,且反演过程中所有的输入均来自图像数据本身或6S辐射传输模型,无需输入额外的参数。     

特征变量选择结合SVM的耕地土壤Hg含量高光谱反演

为探讨应用高光谱数据反演耕地土壤重金属汞(Hg)含量,对原始光谱进行10 nm重采样和SG平滑处理,用不同光谱变换数据与土壤重金属Hg含量进行相关性分析,采用IRIV、Random Frog和PCC提取光谱特征波段,分别建立SVM与GWO-SVM土壤Hg含量高光谱反演模型,获取Hg含量最优反演路径.研究表明,一阶微分变...     

植被生物量高光谱遥感监测研究进展

植被生物量的评估对于研究全球碳循环具有重大意义,而高光谱遥感技术为精确反演地表属性提供了重要的数据支持。针对如何更好地应用高光谱遥感技术进行植被生物量精确反演的问题,该文详细阐述了国内外应用高光谱技术估测植被生物量的研究进展。对反演植被生物量所涉及的数据源、反演模型的构建方法及其模型特点、反演模型应用对象等内容进行了综合评述,并通过分析认为,高光谱遥感技术较传统的多光谱遥感技术在生物量反演精度上有了显著的提高。同时,对建模方法、多源遥感数据融合以及模型通用性等方面的研究进行了展望,以达到在大尺度范围内对植被生物量进行准确反演的目的。     

植物叶片生化组分遥感反演的主成分变换算法

主成分分析(PCA)算法是一种常见的高光谱数据特征提取方法。针对PROSPECT辐射传输模型反演问题,尝试了两种PCA算法来对高光谱数据进行变换,进而反演植被生化组分含量。反演结果表明:两种PCA反演算法均能对传统反演算法中干物质难反演的问题有所改善;分块主成分算法比全局主成分算法具有更好的反演效果。     

一种基于高光谱遥感数据的植被LAI反演算法

针对高光谱遥感数据反演叶面积指数(LAI)的问题,提出了基于主成分变换(PCA)的综合反演算法。研究表明,利用变换后的高光谱数据建立的神经网络反演模型具有更好的泛化性,提高了实测数据的反演稳定性和精度,同时加快了反演速度。     

基于BP神经网络的盐湖矿物离子含量高光谱反演

高光谱遥感数据能够提供比多光谱遥感数据更为丰富的光谱信息,从而更精确地刻画地物的光谱特征。在水体遥感原理基础上,采用自适应波段选择(adaptive band selection,ABS)方法对HJ-1A卫星高光谱数据的波段相关性和信息量进行分析,结合BP神经网络技术确定最优波段组合并构建盐湖矿物离子含量的反演模型,对柴达木盆地西台吉乃尔湖的K+,Mg2+,Na+,Cl-和SO2-4离子含量进行定量反演,获得盐湖矿物离子含量的空间分布情况。研究结果表明,BP神经网络反演模型的盐湖矿物离子含量反演精度在85%以上,反演得到的矿物离子含量的分布情况与实地调查结果基本一致。因此,利用高光谱数据和BP神经网络可以对盐湖矿物资源进行大范围动态监测,为盐湖资源的合理开发和高效利用提供科学依据。     

基于高原盐湖光谱特性下的溶解氧反演应用与探讨

因地理条件限制,盐湖高光谱反演研究目前尚少,文章以盐湖溶解氧的反演为例,探讨盐湖水质参数的反演思路与方法。通过对青海察尔汗盐湖水体高光谱数据的信息分析,在高光谱水质参数反演技术基础上利用盐湖水体的独特光谱信息,采用波段组合的方式确定了盐湖高光谱溶解氧反演模型。研究结果表明:(1)原始光谱曲线各个波段与溶解氧含量相关性不足0.3,基于盐湖水体的独特光谱信息下的波段组合数据与溶解氧含量的相关系数达到0.75以上;(2)建立的波段比值模型与实测值进行模型精度验证,发现溶解氧含量反演与实测结果基本一致;(3)盐湖水体较为稳定的特性使其在经历时间变化时水质参数含量不会发生较大变化,利用2019年11月份实测数据进行的精度验证也可说明以盐湖光谱特性建立的波段比值模型具有较高精度,并且能够有一定的模型长效性。因此,利用盐湖光谱特性建立高光谱反演模型可满足对该湖区进行溶解氧监测的精度需求,实现对其的大面积监测,也同时提出一种新的针对高原盐湖反演模型建立的思路,为后续高原湖泊的监测体系建立奠定基础。     

高光谱影像数据预处理技术评价

高光谱影像数据预处理是构建高效的影像数据库以及实现地理目标成分信息反演与地理目标识别的基础。本文从反射率演算、光谱微分技术以及高光谱影像数据的降维处理等三个方面对高光谱影像数据预处理进行了研究。实现了基于高光谱影像的反射率反演算法，针对高光谱遥感数据影像分辨率比较低的现状，提出了直方图均衡化、色调平衡、对比度调整等影像处理算法，并给出了实验结果。     

基于PLSR的陕北土壤盐分高光谱反演

选取陕北盐渍土为研究对象,通过采集高光谱数据及土壤样品测定,研究土壤盐分含量与反射率之间相关性,遴选盐分特征波段,利用常规回归分析及偏最小二乘回归分析建立土壤盐分的定量反演模型,并利用检验样点进行对比分析和精度检验。研究结果表明,482 nm,1 365 nm,1 384 nm,2 202 nm及2 353 nm为土壤盐分含量的特征波段,利用高光谱数据进行盐分定量反演具有良好的精度;精度检验结果表明,通过Matlab进行偏最小二乘回归计算的反演模型,实测值与预测值相关性更好,精度较高。     

高光谱与高空间分辨率遥感数据的亚热带森林生物量反演

精确估算森林生物量对全球碳平衡以及气候变化的研究有重要意义。以亚热带天然次生林为研究对象,借助地面实测样地数据,通过对机载LiCHy(LiDAR,CCD and Hyperspectral)传感器同时获取的高光谱和高空间分辨率数据进行信息提取和数据融合,建模反演森林生物量。首先通过面向对象分割方法进行单木冠幅提取,然后融合从高光谱数据提取的光谱特征变量和从高空间分辨率数据提取的单木冠幅统计变量,构建多元回归模型估算地上、地下生物量,最后利用地面实测生物量经交叉验证评价模型精度。结果表明,综合模型的精度(R~2为0.54—0.62)高于高光谱模型(R~2为0.48—0.57);在高光谱模型中地上生物量模型精度(R~2为0.57)高于地下生物量模型(R~2为0.48);在综合模型中地上生物量模型精度(R~2为0.62)同样高于地下生物量模型(R~2为0.54)。交叉验证结果表明,与仅使用高光谱数据(单一数据源)相比,通过集成高光谱和高空间分辨率数据的生物量反演效果有所提升,可以更加有效地估算亚热带森林生物量。     

锡林浩特草原区域MODIS LAI产品真实性检验与误差分析

本文研究了LAI产品真实性检验的指标和方法,建立了LAI产品真实性检验的流程,将遥感产品真实性检验误差分解为模型误差、数据定量化差异和尺度效应3个方面。以内蒙古锡林浩特草原为研究区,结合实测数据和Landsat TM数据建立NDVI-LAI模型,得到LAI验证参考"真值",据此"真值"按照本文的流程对MODIS LAI产品进行验证,分析了研究区MODIS LAI产品真实性检验的误差来源。研究表明,该研究区的MODIS LAI(MOD15A2)产品相对高估约25%。各个误差因素中,LAI遥感模型差异对于结果影响最大,MODIS LAI模型高估了该区域草地LAI(高估约44.2%);数据定量差异的影响也比较大,MODIS地表反射率数据与Landsat TM地表反射率数据的差异造成了约16.2%的低估;尺度效应的影响较小,造成约3.1%的低估,其中NDVI-LAI模型的尺度效应带来2.4%的低估,NDVI数据的尺度效应造成约0.7%的低估。     

黑河流域叶面积指数的遥感估算

研究利用Landsat7ETM⁺遥感数据获取黑河流域植被叶面积指数(LAI)空间分布的可行性。该研究是基于黑河流域分布式水文模型的一个重要输入项———LAI空间分布数据的需要而产生的。文章在详尽的野外观测数据基础上,分别探究实测LAI与同时相ETM⁺3、4、5、7波段反射率及相关植被指数(SR、NDVI、ARVI、RSR、SAV I、PVI、GESAVI)的相关关系,率定最佳的LAI遥感反演及其空间分布方案。研究发现,针对特定的自然条件,将研究区分为植被覆盖度小的稀疏立地和覆盖度大的密集立地,分别采用土壤调节植被指数(SAVI)和大气阻抗植被指数(ARVI)进行2种林地的LAI估算最为可靠,在此基础上,提出黑河地区LAI估算及其空间分布的遥感制图方案。     

中国区域MuSyQ叶面积指数产品验证与分析

对多源遥感数据协同生产的2010年—2015年中国区域1 km空间分辨率5天合成的MuSyQ（Multi-source data Synergized Quantitative remote sensing production system）叶面积指数LAI产品进行验证。参考现有的LAI产品（MODIS c5，GLASS LAI）和中国生态系统研究网络部分农田和森林站点可用的LAI地面测量数据，从时空连续性、时空一致性、精度和准确性等方面对中国区域的MuSyQ LAI产品进行定性和定量分析与评价。结果表明：（1） MuSyQ LAI产品在保证精度优于MODIS产品的情况下，时间分辨率和时空连续性均有提高。MuSyQ LAI与其他LAI产品（MODIS c5，GLASS LAI）在整体上有很好的一致性（RMSE=1.0，RMSE=0.81），但对常绿阔叶林高值处的描述不稳定；（2） 与LAI地面测量数据相比，MuSyQ LAI产品与地面参考图对比结果较好（最高相关性（R²=0.54）和较低总体误差（RMSE=0.96）），其在阔叶作物生长季高值处有些许低估且在某些阔叶林站点有些高估。整体上，MuSyQ LAI产品呈现出较高的精度，可靠的空间分布和连续稳定的时间分布，且对森林LAI的描述具有更可靠的动态范围。     

基于新型机载多角度传感器AMTIS的LAI反演

以实地测量数据为先验知识,利用AMTIS数据对顺义地区的一块小麦地进行了叶面积指数(LAI)反演实验研究,并用实地LAI数据进行了验证。通过利用实测数据作为模型参数,以及对干湿土壤分类和匹配表的调整,使反演结果和反演速度得到了提高。     

MODIS LAI产品真实性检验与偏差分析

当前对MODIS LAI产品的真实性检验工作中,更多的是关注遥感产品在数值与趋势上与地表真值的一致性程度,很少工作能够全面分析遥感LAI产品偏差来源以及不同来源的偏差对全局偏差的贡献率。本文在对MODIS LAI产品进行真实性检验基础之上,进一步分析了MODIS LAI产品偏差来源。将遥感产品真实性检验偏差来源分解为反演模型,反射率数据和冠层聚集效应3个方面,并定量分析各个偏差源对真实性检验结果的影响。以河北省怀来玉米为研究对象,结合实测LAI数据和Landsat 8 OLI(Operational Land Imager)数据建立NDVI LAI半经验模型,得到LAI参考数据,据此对MODIS LAI产品进行真实性检验及偏差分析。研究表明,该区域MODIS LAI产品存在明显的低估现象,参考数据和MODIS LAI数据均值分别为3.53 m2/m2和2.33 m2/m2,MODIS产品低估为34.14%。在各个偏差因素中,反射率数据的差异对结果影响最大,即MODIS地表反射率数据与Landsat 8 OLI地表反射率数据的差异造成的偏差占总偏差的57.50%;聚集效应的影响次之,占总偏差的28.33%;模型差异对结果的影响最小,占总偏差的14.17%。本研究对遥感产品真实性检验及其不确定性分析具有一定的借鉴意义。     

基于波谱知识库的MODIS叶面积指数反演及验证

目前用物理模型反演叶面积指数普遍存在缺少先验知识的状况，如何获得准确的先验知识是遥感走向应用的一个关键环节。中国典型地物标准波谱数据库就是结合国家重大行业中的应用需求，研究制定地物波谱获取与分析的技术规范和数据标准，建立典型地物标准波谱数据库。从波谱数据库提取模型反演所需要的先验知识，实现了基于SAIL模型的MODIS数据（经过几何纠正与大气纠正）叶面积指数的反演。另外，基于TM数据，对MODIS混合像元进行了分解，用纯像元的叶面积指数与实测数据进行对比验证，同时，反演结果与NASA的LAI产品也进行了对比，结果表明基于波谱库的先验知识可以有效的提高叶面积指数的反演精度。     

基于TM数据的植被覆盖度反演

本文首先对TM影像进行了几何纠正、辐射校正、大气校正;然后根据混合像元的结构特征,利用TM数据从植被指数(NDVI)中采用“等密度模型”和“非密度模型”提取了宜昌南部地区的植被覆盖度。在用“非密度模型”反演植被覆盖度的过程中,叶面积指数(LAI)是一个必要的参数,本文提出了一种改进的借助可见光波段和近红外波段反射值来提取叶面积指数(LAI)的方法。通过和MODIS数据反演结果比较表明:“非密度模型”的估算精度要高于“等密度模型”;利用“等密度模型”和“非密度模型”反演植被覆盖度是可行。     

Retrieval of effective leaf area index (LAIe) and leaf area density (LAD) profile at individual tree level using high density multi-return airborne LiDAR

As an important canopy structure indicator, leaf area index (LAI) proved to be of considerable implications for forest ecosystem and ecological studies, and efficient techniques for accurate LAI acquisitions have long been highlighted. Airborne light detection and ranging (LiDAR), often termed as airborne laser scanning (ALS), once was extensively investigated for this task but showed limited performance due to its low sampling density. Now, ALS systems exhibit more competing capacities such as high density and multi-return sampling, and hence, people began to ask the questions like—“can ALS now work better on the task of LAI prediction?” As a re-examination, this study investigated the feasibility of LAI retrievals at the individual tree level based on high density and multi-return ALS, by directly considering the vertical distributions of laser points lying within each tree crown instead of by proposing feature variables such as quantiles involving laser point distribution modes at the plot level. The examination was operated in the case of four tree species (i.e. Picea abies, Pinus sylvestris, Populus tremula and Quercus robur) in a mixed forest, with their LAI-related reference data collected by using static terrestrial laser scanning (TLS). In light of the differences between ALS- and TLS-based LAI characterizations, the methods of voxelization of 3D scattered laser points, effective LAI (LAIe) that does not distinguish branches from canopies and unified cumulative LAI (ucLAI) that is often used to characterize the vertical profiles of crown leaf area densities (LADs) was used; then, the relationships between the ALS- and TLS-derived LAIes were determined, and so did ucLAIs. Tests indicated that the tree-level LAIes for the four tree species can be estimated based on the used airborne LiDAR (R² = 0.07, 0.26, 0.43 and 0.21, respectively) and their ucLAIs can also be derived. Overall, this study has validated the usage of the contemporary high density multi-return airborne LiDARs for LAIe and LAD profile retrievals at the individual tree level, and the contribution are of high potential for advancing forest ecosystem modeling and ecological understanding.     

高光谱数据与水稻叶面积指数及叶绿素密度的相关分析

分析了北京大屯科技站水稻叶面积指数 (LAI)、叶绿素密度 (CH .D)与高光谱分辨率遥感数据在整个生育期内的变化过程。利用微分技术处理水稻群体反射光谱以减少土壤等低频背景光谱噪音的影响。通过单相关分析和逐步回归方法研究水稻LAI、CH .D分别与光谱反射率、反射率的一阶微分光谱的相关关系 ,并建立预测回归方程。结果表明 ,微分技术能够改善光谱数据与LAI、CH .D的相关性 ,CH .D与光谱数据的相关明显优于同LAI的。     

高光谱数据与水稻指数及叶绿素密度的相关分析

分析了北京大屯科技站不稻叶面积指数（ＬＡ）、叶绿素密度（ＣＨ．Ｄ）与高光谱分辨率遥感数据在整个生育期内的变化过程。利用微分技术处理不稻群体反射光谱以减少土壤等低频背景光谱噪音的影响。通过单相关分析和逐步回归方法研究不稻ＬＡＩ、ＣＨ．Ｄ分别与光谱反射率、反射率的一阶微分光谱的相关关系,并建立预测回归方程。结果表明,微分技术能够改善数据与ＬＡＩ、ＣＨ．Ｄ的相关性,ＣＨ．Ｄ与光谱数据的相关明显优于同ＬＡ