干旱区土壤水分遥感反演与同化模拟系统研究

利用遥感反演和同化模拟方法估算大范围陆表土壤水分,建立了适用于干旱区的土壤水分反演模型。在.NET平台下运用C#、IDL与ArcEngine控件,对反演模型与同化模拟模型进行了软件实现,并集成为土壤水分遥感反演与同化模拟系统,为环保部门获取大范围土壤水分信息提供了支撑软件工具。     

基于数据同化的长春市雾霾反演与空间特征分析

近年随着长春地区冬季雾霾天气的频繁出现,大气可吸入颗粒物(PM2.5)已成为长春地区的主要空气污染物之一。遥感技术与污染物模型相结合是近年来预报空气质量的一种有效方法。本文以2015—2016年长春市冬季雾霾天气为例,利用MODIS遥感影像获取的气溶胶光学厚度(AOD),反演长春市地表PM2.5浓度值,得到长春市空气污染物空间分布图,并分析长春市空气污染物的时空分布特征。同时利用AOD反演的PM2.5浓度值作为数据同化资料,对长春市地表PM2.5浓度值进行预报,预测结果令人满意。研究结果表明:数据同化与遥感信息技术结合进行雾霾预测是一种有效的手段,可为雾霾反演的数据提供可靠的信息。     

基于WOFOST模型与UAV数据的玉米生长后期地上生物量估算

地上生物量能够有效反映作物的生长状态,其信息的实时估算对产量预测和农田生产管理都有重要意义。作物生长模型因其详尽的生理生化基础和对生长过程数字化描述能力,成为生物量估算的理想模型。近年来,研究人员利用数据同化算法将时间序列遥感数据同化到作物生长模型中,实现了作物模型由基于气象站的点模拟到区域尺度面模拟的外推,使生物量模拟结果同时具备大范围和机理性两个方面的特点。这一模式下,时间序列的遥感数据质量将对生物量模拟精度产生直接影响,作物生长后期受到光谱饱和的影响,遥感数据的作物冠层信息获取能力会出现明显下降,因此有必要对该阶段遥感数据和作物模型的结合方式进行优化,提升生物量模拟精度。本文针对东北地区春玉米生物量遥感估算存在的问题,提出了利用WOFOST作物模型结合无人机（UAV）遥感数据实现作物生长后期生物量准确估算的新思路。新思路首先利用多光谱遥感数据获取WOFOST模型具备较高空间异质性的土壤速效养分参数以提升模型的空间信息模拟能力,使其能在一定程度上摆脱点尺度模拟的限制。同时,结合集合卡尔曼滤波算法将生长前期无人机（UAV）遥感数据同化到模型中,以缩短模型单独运行时间,减少模型运行过程中的参数误差累积,实现无遥感数据参与下的短期作物生长模拟,并输出生长后期相应的生物量模拟结果。最后,本文利用地面实测数据对新方法的生物量模拟精度进行了评价。结果表明,与全生育期数据同化相比,新方法的生物量估算精度有了明显的提升（全生育期同化：R² = 0.45,RMSE = 4254.30 kg/ha;新方法：R²= 0.86,RMSE = 2216.79 kg/ha）。     

随机森林回归模型用于土壤重金属含量多光谱遥感反演

本文以陕西省柞水县大西沟矿区为研究区域,通过实地采集土壤样本,结合在Landsat 8多光谱遥感影像上提取的辐射亮度值和光谱衍生指数,以及从ASTER GDEM提取的3种地形因素,通过相关性分析确定了建模因子,并以K折交叉验证法建立了砷、铜、铅3种重金属元素的随机森林回归模型。试验结果表明,所建立模型的预测精度优于多元线性回归模型和CART模型,可见随机森林回归模型适用于在小样本情况下的矿区重金属含量反演。经现场调查,空间反演结果与实际情况较符合,证明了基于多光谱遥感的随机森林回归模型在矿区土壤重金属反演中的准确性。     

融合作物类型的土壤盐分遥感反演方法研究

在沿海平原地区,土壤盐度是制约作物生长的非生物胁迫之一,也是作物种植的重要依据,作物类型能够间接反映土壤盐渍化程度,因此本文提出了一种融合作物类型信息的土壤盐分反演方法。以黄河三角洲典型滨海盐渍土地区为例,基于Sentinel-2 MSI影像,首先采用随机森林分类提取作物类型信息,并基于OneHot方式将作物类型信息编码;然后融合作物类型信息,结合环境协变量数据、地面实测盐分数据,采用自适应增强决策树模型(AB-DT)进行盐分反演;最后与其他机器学习方法,如支持向量机、随机森林、K最邻近和决策树进行盐分反演精度的对比。结果表明：(1)加入作物类型信息能够提高土壤盐分反演模型精度,所有模型中,融合作物类型变量的AB-DT反演模型精度最高,建模集R²为0.86,测试集R²为0.61;(2)加入作物类型信息能够修正误判的盐渍土级别,并使土壤盐分反演结果的地块边缘更加清晰。综上所述,加入作物类型信息,能够提高土壤盐分反演的准确性,为农田管理和农业决策提供更可靠的依据。     

非线性模型岛礁礁盘遥感水深反演

针对已有的遥感水深反演方法波段选取难,得不到较好的模型参数的问题,该文在国内外遥感水深反演研究的基础上,对经典的非线性模型进行研究,引入了逐步回归算法对模型进行了改进。以东岛为研究区,基于Worldview-2多光谱影像进行模型验证和精度评价。结果表明:应用改进后模型的反演水深精度大幅提高,水深范围不但适用在10m以浅的水区,在15~30m的区域精度也较高。由此可见改进的模型在保持原模型移植性较好的前提下,模型参数更易解算,反演精度较高,具有一定的适用性。     

基于遥感数据与作物生长模型同化的冬小麦长势监测与估产方法研究

本文以LAI作为结合点，讨论了利用复合型混合演化（SCE—UA）算法实现CERES—Wheat模型与遥感数据同化的可行性。CERES—Wheat模型同化后主要生育期和产量的模拟值分别与真实条件下模型相应模拟值以及实测值进行比较。结果表明，同化后CERES—Wheat模型的模拟精度对LAI外部同化数据的误差并不十分敏感。并且在LAI同化数据较少时，也可获得较好的同化结果。这一特点体现了SCE—UA算法应用于同化过程的优越性，为同化策略在区域冬小麦长势监测及估产中的应用提供了基础。     

ASAR数据与水稻作物模型同化制作水稻产量分布图

提出了利用雷达数据进行水稻估产的技术方法,并以ASAR数据为例,探讨了雷达数据在水稻估产中的可行性.首先利用ASAR数据进行水稻制图,从各时相ASAR数据中提取水稻后向散射系数.随后,基于像元尺度,采用同化方法,以LAI为结合点,将水稻作物模型ORYZA2000与半经验水稻后向散射模型结合,建立嵌套模型模拟水稻后向散射系数.选择水稻出苗期和播种密度为参数优化对象,利用全局优化算法SCE-UA对0RYZA2000模型重新初始化,使模拟的水稻后向散射系数值与实测值误差最小,并由优化后的ORYZA2000模型计算每个像元的水稻产量,生成水稻产量分布图.结果表明,水稻产量分布图能够描绘研究区水稻实际产量的分布趋势,但由于采用潜在生长条件模拟,模拟的水稻平均产量比实测平均值高约13%,验证点的水稻产量模拟值与实测值相对误差为11.2%.由于半经验水稻后向散射模型存在对LAI变化不够敏感和对水层的简化处理,增加了水稻估产的误差.但从总体上看,利用该方法进行区域水稻估产是可行的,并为多云多雨地区的水稻遥感监测提供了重要参考.     

基于MODIS数据的雪面温度遥感反演

On the basis of simplification of the Planck function in a low temperature range, this paper revises the practical split-window algorithm and presents a method for retrieving snow surface temperature （Ts） based on MODIS data in the middle-latitude region. The application of this method in Qinghai Lake region reveals that it is feasible for the retrieval of Ts. Results of correlation analysis indicate that there was strong negative relationship between Ts and altitude. By analyzing three typical areas in which land cover was relatively homogenous, this paper discusses the relationship between Ts and normalized difference snow index （NDSI） and then presents a new concept named ＂NDSI-Ts space＂.     

土壤含盐量反演的研究

运用Hyperion数据,以黑龙江省大庆市某一实验区为例,开展对土壤含盐量定量提取的研究,通过对图像预处理、特征提取、建立BP神经网络模型（Back Propagation Network）等研究工作,探讨反演土壤含盐量的方法。研究结果表明：神经网络模型具有极强的线性和非线性拟合能力,模拟遥感影像特征与土壤盐分之间比较复杂的关系上有很大优势。研究结果不但为利用Hyperion数据反演土壤含盐量提供理论依据,而且还为其它地表参数的反演提供参考。     

区域蒸散发量的遥感模型方法研究

蒸散是水资源管理的一个重要参数。与传统的蒸散计算方法相比,利用遥感进行蒸散研究具有快速、准确、大区域尺度及地图可视化显示等特点。本文通过研究,提出了基于能量平衡方法遥感反演蒸散发的计算模型,指出了模型参数的求解方法,建立了基于MOD IS遥感数据的大区域蒸散发遥感反演技术方法。通过对石羊河流域进行试验,反演误差基本小于10%,并且具有进一步推广的技术前景。     

一种基于SiftGPU的遥感影像匹配方法

针对已有的遥感影像匹配方法难以同时满足高精度、可靠性和高效率要求的问题,该文提出一种基于分块策略的尺度不变特征变换快速匹配方法。首先对两幅待匹配影像进行分块,根据影像的坐标信息建立参考影像与搜索影像上每个分块的对应关系,并进行量化级数转换;然后对每一对分块影像采用尺度不变特征变换算子进行匹配,同时采用GPU进行加速;最后对得到的所有匹配点进行误匹配点剔除。为验证该方法的有效性,采用经过正射纠正的ALOS影像和经过传感器校正的资源三号正视影像进行匹配实验。实验结果表明,该方法能够得到较多高精度的同名点,并且能在短时间内完成大数据量的处理。     

植被覆盖地表土壤水分遥感反演

以地域特色突出的新疆渭干河-库车河三角洲绿洲为研究区,联合使用雷达数据和光学遥感数据,对干旱区绿洲土壤和植被水分信息进行提取。在同期光学遥感影像数据提取植被归一化差分水分指数基础上,利用"水-云模型"从雷达数据总的后向散射中去除植被影响,建立土壤后向散射系数与土壤含水量的关系,相关系数为HH极化R2=0.5227,HV极化R2=0.3277。结果表明利用C波段HH极化雷达影像数据结合光学影像数据,进行干旱半干旱地区棉花、玉米等农作物种植区地表土壤水分反演时,在中等覆盖条件下去除植被影响有较好的效果。     

结合LOG算子和大津法的遥感影像边缘检测方法

针对遥感影像具有丰富的细节和混合噪声,采用传统高斯拉普拉斯(LOG)算子难以有效地提取遥感影像地物边缘信息,文章提出一种结合LOG算子和大津法(Otsu法)的遥感影像地物边缘信息提取算法。此算法采用中值滤波对原始影像进行消噪,利用Otsu算法对滤波后影像进行自适应阈值分割得到目标影像,采用LOG算子对目标影像进行边缘信息提取。以安宁某区域的遥感影像为例,实验结果表明,提出的算法与传统LOG算子相比,具有更高的提取精度,能有效地提取出遥感影像的真实边缘、减少伪边缘。     

AMSR微波遥感数据进行土壤湿度的计算机反演

为了有效解决大尺度区域土壤水分时、空间变化监测的问题,在总结了被动微波遥感反演土壤湿度规律的基础上,基于先进的AMSR星载被动微波遥感数据,提出了利用双谱模型计算土壤表面发射率的计算机算法。首先需要由双站散射系数计算反射率和发射率,然后应用人工神经网络反演土壤湿度,实现了在随机粗糙面状况下基于被动微波遥感的土壤表面水分反演,并在实验区进行了成功的应用。     

A GPP assimilation model for the southeastern Tibetan Plateau based on CO2 eddy covariance flux tower and remote sensing data

The gross primary production (GPP) at individual CO₂ eddy covariance flux tower sites (GPP_Tower) in Dali (DL), Wenjiang (WJ) and Linzhi (LZ) around the southeastern Tibetan Plateau were determined by the net ecosystem exchange of CO₂ (NEE) and ecosystem respiration (R_e). The satellite remote sensing-VPM model estimates of GPP values (GPP_MODIS) used the satellite-derived 8-day surface reflectance product (MOD09A1), including satellite-derived enhanced vegetation index (EVI) and land surface water index (LSWI). In this paper, we assembled a subset of flux tower data at these three sites to calibrate and test satellite-VPM model estimated GPP_MODIS, and introduced the satellite data and site-level environmental factors to develop four new assimilation models. The new assimilation models’ estimates of GPP values were compared with GPP_MODIS and GPP_Tower, and the final optimum model among the four assimilation models was determined and used to calibrate GPP_MODIS. The results showed that GPP_MODIS had similar temporal variations to the GPP_Tower, but GPP_MODlS were commonly higher in absolute magnitude than GPP_Tower with relative error (RE) about 58.85%. While, the assimilation models’ estimates of GPP values (GPP_MODEL) were much more closer to GPP_Tower with RE approximately 6.98%, indicating that the capacity of the simulation in the new assimilation model was greatly improved, the R² and root mean square error (RMSE) of the new assimilation model were 0.57–4.90% higher and 0.74–2.47 g C m⁻² s⁻¹ lower than those of the GPP_MODIS, respectively. The assimilation model was used to predicted GPP dynamics around the Tibetan Plateau and showed a reliable result compared with other researches. This study demonstrated the potential of the new assimilation model for estimating GPP around the Tibetan Plateau and the performances of site-level biophysical parameters in related to satellite-VPM model GPP.