Sentinel-2卫星落叶松林龄信息反演

林龄结构信息能够有效反映区域森林群落不同生长阶段的固碳能力，对于评估森林生态系统的健康状况具有重要意义。本研究以中国温带典型优势树种落叶松林为研究对象，分别选择其芽萌动期、展叶期和落叶期时段的Sentinel-2影像，采用多元线性回归（MLR）、随机森林（RF）、支持向量机回归（SVR）、前馈反向传播神经网络（BP）以及多元自适应回归样条（MARS）等5种方法依次构建落叶松林龄反演模型。通过相关性分析首先确定最佳遥感反演物候期，并在此基础上根据相关性差异筛选出5个最优特征变量用于模型反演，分别为冠层含水量（CWC），归一化水体指数（NDWI），叶面积指数（LAI），光合有效辐射吸收率（FAPAR）和植被覆盖度（FVC）。研究结果表明，展叶期为落叶松林最佳遥感反演物候期。除植被衰减指数（PSRI）以及落叶期的NDVI、RVI外，落叶松林龄与各指标之间均呈负相关关系，其中与冠层含水量（CWC）的相关性最高，pearson相关系数达到-0.74（p<0.01）。此外，不同模型反演结果表明，随机森林模型（RF）为最佳落叶松林龄估测模型，其平均决定系数R²和平均均方根误差RMSE分别为0.89和2.91 a；多元线性回归模型（MLR）的林龄估测结果最差，其平均决定系数R²和平均均方根误差RMSE仅为0.57和5.69 a，非线性模型能更好的解释林龄与建模变量之间的关系。     

遥感土地覆被分类的空间尺度响应研究

不同空间分辨率遥感影像对区域土地覆被类型识别精度的影响是目前土地资源遥感研究中的热点议题。本文基于准同步的卫星传感器影像,以福建省长汀县河田盆地为研究区,结合野外调查的实验样本,依次采用最大似然法（MLC）、支持向量机（SVM）和人工神经网络（ANN）3种分类器,分析土地覆被分类结果在中高空间尺度序列（1~50 m）下的变化响应特征。结果表明：不同空间尺度下的地物分类结果存在显著差异（P<0.05）,其中总分类精度和Kappa系数均随影像分辨率的降低而先升高后降低,并于4 m分辨率处达到峰值,该结果与各类地物光谱反射率的空间尺度变化特征密切相关;而不同分类器对各空间尺度影像分类结果的影响程度差异较大（P<0.05）,其中SVM的分类精度最优,MLC次之,ANN的结果较差。此外,伴随影像空间分辨率的降低,不同土地覆被类型面积提取结果的变化规律不同,导致同类地物在不同空间尺度下的提取结果出现较大差异,表明在使用多源分辨率遥感数据进行土地监测等相关研究时,其伴随的结果误差不容忽视。     

多光谱影像NDVI阴影影响去除模型

归一化植被指数(NDVI)在植被多光谱遥感反演中占据尤为重要的地位,而遥感影像中普遍存在的阴影对NDVI的精度产生很大的影响,因此去除阴影对植被NDVI的影响对更精确的定量化研究具有应用价值。本文基于光照区和阴影区的太阳辐射能量差异,模拟出同一植被在光照区和阴影区的辐亮度,分析阴影对NDVI的影响机理;利用植被固有反射率谱间关系,引入对阴影极敏感的且与植被信息相关性小的归一化暗像元指数NDPI(Normalized Dark Pixel Index),分析同一植被处于光照区与阴影区的NDVI关系,构建以光照区植被NDVI为基准的NDVI阴影影响去除模型NSEE (NDVI Shadow-Effect-Eliminating),并应用于Landsat 8 OLI影像进行验证。结果表明:NDVI阴影影响基本去除,阴影区NDVI接近正常值,且光照区NDVI保持稳定;有效解决了阴影导致NDVI统计直方图的偏态问题,使其更接近正态分布;与验证影像NDVI沿剖面线逐像元比对发现,植被NDVI阴影影响基本去除;均方根误差RMSE为0.067。本模型能够将本身NDVI值很低的像元与阴影导致NDVI降低的植被像元区分开,符合实际地物情况;模型基于影像自身信息,去除NDVI阴影影响的同时,有效保持了NDVI的相对空间关系;本文基于物理机理构建模型,模型表达简洁、易于应用,且仅依赖于影像自身信息,无需异源数据,计算方便且高效。