国产高分一号数据估算草地植被覆盖度方法研究——以呼伦贝尔草原露天煤矿区为例

为了探讨与分析国产高分一号(GF-1)数据在北方露天煤矿区草地植被覆盖度估测中的精度及适用性,该文基于GF-1与SPOT6多光谱影像数据,以多个植被指数为自变量,利用像元二分模型、偏最小二乘(PLS)回归、支持向量机(SVM)回归3种模型对区内植被覆盖度进行估算,结合野外同步实地植被样方数据,对比分析不同估算模型的精度及适宜性,并通过蒙特卡洛模拟多尺度交叉建模的误差传播,分析空间分辨率不同对植被覆盖度估测的精度影响。结果表明:GF-1数据基于增强型植被指数的SVM回归模型(R~2=0.8149,RPD=2.336,RMSE=8.694%)与SPOT6数据基于归一化植被指数的SVM回归模型(R~2=0.8755,RPD=2.870,RMSE=7.032%)估算效果较好。不同分辨率数据交叉传递过程中SVM回归模型的精度高于PLS回归模型。因此,基于GF-1数据构建的SVM回归模型可以高精度地估算区域草地植被覆盖度。     

基于MODIS数据的青藏高原气温与增温效应估算

利用2001-2007 年MODIS地表温度数据、137 个气象观测台站数据和ASTERGDEM数据, 采用普通线性回归分析方法(OLS)及地理加权回归分析方法(GWR), 研究了高原月均地表温度与气温的相关关系, 最终选择精度较高的GWR分析方法, 建立了高原气温与地表温度、海拔高度的回归模型。各月气温GWR回归模型的决定系数(Adjusted R²) 都达到了0.91 以上(0.91~0.95), 标准误差(RMSE) 介于1.16~1.58℃;约70%以上的台站各月残差介于-1.5~1.5℃之间, 80%以上的台站的残差介于-2~2℃之间。根据该模型, 估算了青藏高原气温, 并在此基础上, 将高原及周边地区7 月份月均气温转换到4500 m和5000 m海拔高度上, 对比分析高原内部相对于外围地区的增温效应。研究结果表明:(1) 利用GWR方法, 结合地面台站的观测数据和MODIS Ts、DEM等, 对高原气温估算的精度高于以往普通回归分析模型估算的精度(RMSE=2~3℃), 精度可以提高到1.58℃;(2) 高原夏半年海拔5000 m左右的高山区气温能达到0℃以上, 尤其是7 月份, 海拔4000~5500 m的高山区的气温仍能达到10℃左右, 为山地森林的发育提供了温度条件, 使高原成为北半球林线分布最高的地方;(3) 高原的增温效应非常突出, 初步估算, 在相同的海拔高度上高原内部气温要比外围地区高6~10℃。     

基于PROSAIL模型的广州市过渡带森林植被冠层可燃物含水率估算

基于PROSAIL模型,结合野外实测叶片等水分厚度、干物质重量、叶面积指数数据,构建一种基于归一化红外指数和归一化干物质指数的植被冠层可燃物含水率估算方法。首先,在PROSAIL模型输入实测参数模拟植被冠层光谱曲线,计算归一化红外指数、归一化干物质指数用于叶片等水分厚度、干物质重量的反演。结果表明：归一化红外指数与叶片等水分厚度、归一化干物质指数与干物质重量存在明显的线性关系,基于该关系建立叶片等水分厚度、干物质重量的经验估算模型,经验证估算结果精度较高;将该经验模型推广至利用Landsat 8数据拟合植被冠层可燃物含水率,并与实测数据进行验证,结果显示R²达到0.743,RMSE达到34.2%,具有较高的精度。文章提出的植被冠层可燃物含水率估算模型,可实现广州市过渡带森林大面积、较高精度植被冠层可燃物含水率监测,为预防森林火灾提供参考。     

MODIS大气廓线产品在青海省空气温度遥感估算中的应用研究

气温是反映生态环境的重要参数之一,准确估算气温的时空分布对于气候变化研究具有重要意义。论文基于2011—2019年青海省气温实测数据、MODIS产品和SRTM DEM数据,在像元尺度分别开展了晴天条件和有云条件下瞬时空气温度的遥感估算研究,并评价了不同气温估算方法的精度差异,进而通过多元回归模型生成研究区高精度月空气温度产品,对青海省气温的时空分布格局进行分析。研究结果表明,在未使用气温实测数据进行校准的情况下,通过将MOD07_L2大气廓线产品反演的空气温度与MOD06_L2地表温度平均的方法,能够显著提高气温的估算精度。晴天条件下相关系数(r)为0.93,均方根误差(RMSE)为4.71 ℃;有云条件下r为0.89,RMSE为5.16 ℃。在使用气温观测值进行校准的情况下,通过引入高程参数,多元回归模型月尺度空气温度估算的决定系数(R²)和RMSE总体分别保持在0.8以上和2.5 ℃以下。将上述回归模型应用到栅格尺度,从而生成整个青海省高精度卫星过境时刻的逐月气温产品,进而分析其时空分布格局。具体来说,青海省月最高气温出现在7月,全省平均气温为13.59 ℃,最低气温出现在1月,全省平均气温为-9.44 ℃;气温的空间分布主要受海拔控制,全省平均气温直减率为4 ℃/km。上述研究表明MODIS大气廓线产品在全天气气温估算方面具有独特优势,特别是在地面气温实测数据的支持下能够有效降低遥感估算的系统性误差,实现大尺度复杂地形条件下气温的高精度估算。     

基于Landsat8与GEOEYE-1数据融合的天山北坡县域蒸散量计算——以呼图壁县为例

基于Landsat 8与GEOEYE-1遥感数据,使用多尺度遥感方法,以新疆呼图壁县为例,利用SEBS模型计算天山北坡县域蒸散量,服务小流域和县域为管理单元的最严格水资源管理。针对军塘湖河流域耕地、呼图壁河流域耕地和北部荒漠-绿洲过渡带,应用2 m分辨率GEOEYE-1影像计算得NDVI和基于NDVI-T_R法模拟的地表温度。将获得的地表温度和NDVI作为SEBS模型的重要参数计算地表蒸散量,采用自制小型蒸渗仪观测数据对估算结果进行评估。结果表明:在使用中分辨率影像Landsat 8估算地表蒸散量过程中加入GEOEYE-1反演的个别参数,大部分估算结果更加接近自制微型蒸渗仪测定值,估算绝对误差最大值出现在裸地,为28.5%,远低于使用Landsat 8影像的54.8%,说明高分影像的参与有助于提高模型估算效率。     

基于Landsat-8遥感数据和PROSAIL辐射传输模型反演叶面积指数

为了探讨Landsat 8 OIL数据在LAI大范围反演方面的应用潜力,使用Landsat 8 OIL影像,通过PROSAIL辐射传输模型,采用3种波段组合(Band2-7,Band2-5,Band3-5)建立了3个模拟冠层反射率-叶面积指数(LAI)查找表,用2种代价函数(Geman and Mc Clure代价函数,均方根误差代价函数)实现了对玉米、土豆、森林LAI的定量反演,并用LAI-2200测量数据作为相对真值对反演精度进行评价。结果表明:(1)使用Landsat 8数据,通过PROSAIL模型反演叶面积指数的精度是可以接受的,RMSE范围为在[0.892 4,1.205 0],R2范围为[0.721 3,0.873 3]。(2)Band5(近红外),Band4(红)Band3(绿)的波段组合反演效果在3种组合中精度最高,平均RMSE=0.993 1,R2=0.787 3。(3)Geman and Mc Clure代价函数比常用的均方根误差代价函数得到了更高的反演精度,平均RMSE=0.940 5,R2=0.817 5。(4)相对最优的反演策略是Band5,Band4,Band3的波段组合结合GM代价函数,RMSE=0.892 4,R2=0.873 3。(5)存在玉米土豆的反演值普遍低于测量值,而森林的反演值普遍高于测量值的问题。     

MODIS与Landsat 8地表温度融合拼接——以粤港澳大湾区为例

以粤港澳大湾区为例,基于时空影像融合模型（STI-FM）,提出大区域多源LST（Land Surface Temperature, LST）影像融合拼接模型（Multi-source Image Fusion Stitching Model, MI-FSM）,消除时间不同、天气差异的影响,生成覆盖大湾区的中高分辨率地表温度数据。首先,应用STI-FM融合MODIS LST与Landsat LST,将不同时相的多幅Landsat LST合成为具有统一特定时相的LST影像。然后,对合成的LST影像进行镶嵌处理,实现粤港澳大湾区多幅Landsat8 LST图像的拼接。为了验证STI-FM在研究区的适用性,选取研究区中心“夏-夏、冬-夏”2组Landsat 8 LST图像,将合成的Landsat LST与验证数据进行对比与评价,结果表明：STI-FM在研究区具有较强的适用性。对精度进行评价,验证模型的可靠性,结果表明：不同时相MODIS LST图像间拟合程度较高,其回归分析的确定系数（R ²）均在0.6~0.9之间,RMSE均<1.5;最后对整体以及局部细节的目视分析表明：融合拼接的成果较为理想。     

官厅水库小流域植被净初级生产力估算

植被是小流域的物质基础,植被净初级生产力的稳定性关系到小流域的健康和可持续发展。以官厅水库小流域为研究区,采用改进型CASA(Carnegie-Ames-Stanford Approach)模型,利用2005年、2010年和2015年以及邻近年份的每年3～11月的Landsat TM/ETM+/OLI影像数据,估算官厅水库小流域植被净初级生产力,考虑到植物的物候特征,在模型计算过程中,引入归一化差值植被指数(normalized difference vegetation index,NDVI)时间序列特征,提取地物信息,从而提高了改进型CASA模型中植被最大光能利用率使用范围的准确度。研究结果显示,2005年、2010年和2015年官厅水库小流域植被净初级生产力的总量分别为6.33×10~8g碳、6.73×10~8g碳和7.37×10~8g碳。     

基于Landsat 8 OLI影像的塔里木河下游河岸林叶面积指数反演

叶面积指数(Leaf Area Index,LAI)是描述植物冠层结构特征的重要参数,也是研究植物冠层表面物质和能量交换必不可少的参数。根据在塔里木河下游河岸林地利用LAI-2250实测的LAI数据,比较Landsat 8 OLI遥感数据提取的几种常规植被指数估算LAI的能力,建立LAI估算模型,并利用实测数据对模拟结果进行精度验证,生成塔里木河下游LAI分布图。结果表明:(1)各植被指数(Vegetation Indexes,VIs)与LAI均具有一定的相关性,对于不同的植被指数,二次多项式回归模型相关性均最高;(2)在不区分植被类型的样本分析中,大气阻抗植被指数(Atmospherically Resistant Vegetation Index,ARVI)与实测LAI具有最高的相关性;(3)分别针对柽柳林和胡杨林样本分析,判定系数R2和反演精度均具有不同程度的提高,对应的最适植被指数分别为归一化植被指数(Normalized Differential Vegetation Index,NDVI)和ARVI;(4)塔里木河下游河岸植被LAI有3个高值区:大西海子水库附近、下游中部和尾闾湖台特玛湖附近。全区LAI值主要分布在0~1.5之间,均值为0.361。该研究结果为遥感提取塔里木河下游河岸林带高空间分辨率的叶面积指数数据提供了数据支持和方法支撑。     

极干旱区稀疏荒漠植被地上生物量遥感估算

以库姆塔格沙漠南部阿尔金山北麓山前戈壁区为研究区,借助无人机影像数据准确提取植被覆盖区;采用高空间分辨率WorldView-3数据的估算结果对中空间分辨率Landsat-OLI数据的估算结果进行修正;选取红光反射率波段(RED)、近红外反射率波段(NIR)、比值植被指数(RVI)、归一化植被指数(NDVI)和修正土壤调...     

基于植被供水指数法的上蔡县农业春旱遥感监测

利用2006年4月7日的Landsat5 TM影像、2013年4月2日Landsat7 ETM+影像和2014年4月5日Landsat7 ETM+影像,采用植被供水指数法对河南省上蔡县进行农业春旱监测,并将归一化植被指数(单一植被指数)法的结果与植被供水指数法的结果进行对比。结果表明:(1)上蔡县历年春季普遍发生农业干旱,程度有所不同。研究区2006年至2014年干旱程度逐年减轻,干旱发生区域逐年减少,干旱治理成效较为明显。(2)植被供水指数法与单一植被指数(归一化植被指数)法的监测结果一致,且数据易于获得,可操作性强,有助于提高监测精度和效率,可用于该研究区以及与其地形和覆被等情况一致区域的农业干旱监测。     

双台河口国家级自然保护区芦苇叶面积指数遥感反演与空间格局分析

应用Landsat7 ETM+遥感数据与同期野外实测叶面积指数(LAI)数据,基于多季相遥感影像,用面向对象的分类方法,提取双台河口国家级自然保护区芦苇分布数据,建立芦苇LAI最优估算模型,并进行其遥感反演及空间格局分析。研究结果表明,2012年,双台河口国家级自然保护区内芦苇总面积为38 200 hm2,占保护区总面积的29.5%,其中,缓冲区的芦苇面积为16 200 hm2,实验区的芦苇面积为11 900 hm2,核心区芦苇面积为10 100 hm2;以遥感影像缨帽变换(TC)后的绿度(GREEN)分量、ETM+第5波段(B5)和第3波段(B3)为自变量的多元线性模型为芦苇LAI反演的最优估算模型(p0.01,R2=0.741)。双台河口国家级自然保护区芦苇LAI介于0.12~5.85之间,呈现东高、西低和北高、南低的分布格局;保护区核心区的芦苇LAI最均一,实验区的芦苇LAI空间变化最明显。     

基于支持向量机回归算法的土壤水分光学与微波遥感协同反演

利用遥感技术反演土壤水分对于我国西北地区农业干旱问题研究具有重要意义。该文以新疆焉耆盆地为研究区域,分别利用微波遥感数据(Sentinel-1ASAR)和光学遥感数据(Landsat8)计算土壤后向散射系数(σ0soil)和改进型温度植被干旱指数(MTVDI),并将σ0soil和MTVDI参数作用于支持向量机(SVM)回归算法,探讨了不同参数条件下SVM模型在土壤水分反演中的适应性。实验结果表明,相比只用单因子(σ0soil或MTVDI)作为模型参数,以σ0soil和MTVDI两者共同作为SVM模型输入参数时,土壤水分监测精度显著提高,其建模集决定系数R2=0.81,均方根误差RMSE=3.16%;验证集R2=0.89,RMSE=3.15%。最后,利用最优模型对研究区土壤水分进行了反演,并对不同土地类型含水量进行了评价,可为光学遥感与微波遥感协同反演土壤水分提供参考。     

一种基于TVDI模型的煤田温度异常区面积提取方法研究北大核心CSCD

选用Landsat 8资料构建了地表温度(Ts)与归一化植被指数(NDVI)的Ts-NDVI特征空间,计算了温度植被干旱指数(TVDI)。利用MODIS温度产品数据和实地野外采样数据进行精度验证确定煤田火区TVDI阈值。通过对遥感影像的地表热异常信息进行定性与定量分析继而对煤田温度异常区边界信息进行挖掘。结果表明:(1)利用野外实测土壤相对含水量进行验证,反演值与实测值的相关系数R~2=0.66,表明干旱指数的反演精度较高,相关性较好。(2)TVDI模型对温度呈现出较高的敏感性,二维散点图集中在1∶1线上,对NDVI的敏感性较低,有利于识别温度异常区。(3)利用MVC最大合成法,建立TVDI-MVC作为精度验证数据,火区面积为5.03 km~2,其中TVDI-SC提取火区精度最大为98.50%,TVDI-SW_2提取火区精度最小为88.98%。可见煤田温度异常区范围较广,潜在的灾情恶化较严重。     

基于遥感影像的黄河内蒙古段冰-水分类研究

及时获取凌汛期河冰和水体的空间分布特征,对于预测冰凌灾害、提高防凌信息化管理水平有重要意义。遥感技术是当前获取河冰和水体空间分布的最主要手段之一。但是,黄河水体有大量悬浮泥沙,这给基于遥感技术的高精度冰-水分类带来了挑战。以黄河内蒙古段为例,基于Landsat 8 OLI遥感影像数据,在利用归一化积雪指数（NDSI）及河道矢量数据排除无关地物的基础上,对比了近红外波段反射率值、归一化差异水体指数（NDWI）、归一化积雪指数（NDSI）、改进的归一化积雪指数（MNDSI）以及归一化差异未封冻水体指数（NDUWI）在黄河内蒙古段典型河道河冰、水体分类中的表现,计算各指标总体分类精度及Kappa系数并进行阈值稳定性分析。结果表明：在利用NDSI和高清历史影像排除河道外无关地物后,NDUWI在各子段影像中的总体分类精度和Kappa系数均达到90.00%及0.90以上,其河冰、水体最优区分阈值大体分布于阈值中值附近。研究结果可为凌汛期黄河冰凌监测方法的选取以及冰上爆破位置的拟定提供依据。     

基于MODIS的秦巴山地气温估算与山体效应分析

秦巴山地作为横亘在中国南北过渡带的巨大山脉,其山体效应对中国中部植被和气候的非地带性分布产生了重要的影响,山体内外同海拔的温差是表征山体效应大小较为理想的指标。本研究结合MODIS地表温度（LST）数据、STRM-1 DEM数据和秦巴山地的118个气象站点的观测数据,分别采用普通线性回归（OLS）和地理加权回归（GWR）两种分析方法对秦巴山地的气温进行估算,在此基础上将秦巴山地各月气温转换为同海拔（1500 m,秦巴山地平均海拔）气温,对比分析秦巴山地的山体效应。结果表明：① 相比OLS分析,GWR分析方法的精度更高,各月回归模型的R ²均在0.89以上,均方根误差（RMSE）在0.68~0.98 ℃之间。② 利用GWR估算得到的同海拔气温,从东向西随海拔升高呈现了明显的升高的趋势,秦岭西部山地比东段升高约6 ℃和4.5 ℃;大巴山西部山地年均和7月份同海拔的气温较东段升高约8 ℃和5 ℃。③ 从南向北,以汉江为分界,秦岭与大巴山的同海拔的气温均呈现出由山体边缘向内部升高的趋势。④ 秦巴山地西部大起伏高山,秦岭大起伏高中山和大巴山大起伏中山,相比豫西汉中中山谷地,各月均同海拔气温分别升高了约3.85~9.28 ℃、1.49~3.34 ℃和0.43~3.05 ℃,平均温差约为3.50 ℃,说明秦巴山地大起伏中高山的山体效应十分明显。     

MODIS和Landsat时空融合影像在土壤盐渍化监测中的适用性研究——以渭干河—库车河三角洲绿洲为例

土壤盐渍化的遥感监测依赖于高时空分辨率影像,但受经费预算、卫星回访周期及天气的影响,高时空分辨率的遥感影像较难获取,这就限制了根据采样时间来获取对应时期遥感影像进行土壤盐渍化监测反演的应用。为此,提出融合MODIS和Landsat影像生成高时空分辨率影像来提取土壤盐渍化信息,为时空影像进行土壤盐渍化监测研究提供数据参考。以渭干河—库车河绿洲为研究区,利用增强型时空自适应融合率反射模型（Enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM）和灵活的时空融合模型（Flexible spatiotemporal data fusion,FSDAF）,对MODIS和Landsat影像进行时空融合,并基于融合影像数据构建了关于土壤电导率（EC）的随机森林（RF）预测模型,对比分析时空融合影像应用于土壤盐渍化遥感监测的适用性。结果表明：ESTARFM融合影像的特征波段反射率与Landsat验证影像对应波段反射率一致性决定系数R²（Red）=0.8066、R²（SWIR2）=0.8444;FSDAF融合影像的特征波段与Landsat验证影像对应波段反射率一致性决定系数R²（Red）=0.6999、R²（SWIR2）=0.7493;基于ESTARFM融合影像构建的EC值预测模型精度最高,R²=0.9268,基于FSDAF融合影像构建的EC值预测模型精度良好,R²=0.8987,基于验证影像构建的EC值预测模型R²=0.9103; ESTARFM模型的融合精度高于FSDAF模型,并且基于融合影像构建的EC值预测模型效果良好。     

K-T变换在监测小麦地表参数中的应用

利用K-T变换提取TM和MODIS遥感影像的绿度、湿度分量,在不同的分辨率尺度下监测小麦覆盖地表参数:土壤湿度(Ms)、等效水厚度(EWT)和叶面积指数(LAI),并与NDVI(归一化植被指数)、NDWI(归一化水分指数)和EVI(增强植被指数)监测结果比较.湿度分量监测Ms效果更好,TM和MODIS遥感影像反演精度分别为6.08%、7.37%(RMSE),相关系数R2分别为0.49、0.31,基于绿度和湿度分量建立土壤湿度多元线性回归反演模型,利用TM影像反演土壤湿度RMSE为4.91%,反演土壤湿度和实测土壤湿度R2达0.63;绿度分量监测EWT效果更好,TM和MODIS遥感影像反演精度分别为0.37 kg/m2、0.43 kg/m2,R2分别为0.51、0.28;绿度分量反演LAI精度更好,TM和MODIS遥感影像反演精度分别为0.66、0.83,R2分别为0.64、0.35.     

基于气象数据和遥感影像的太白山气温直减率

基于太白山内2013—2014年气象站点实测数据和DEM分析太白山南北坡不同时间尺度的气温直减率,并利用辐射传输方程法针对Landsat 8影像数据反演地表温度场,通过窗口差分法推导太白山气温直减率场及其特征。研究表明:1实测法计算太白山年均气温直减率北坡为0.515℃/(100 m),南坡为0.505℃/(100 m);10月直减率北坡为0.505℃/(100 m),南坡为0.480℃/(100 m);春、夏季气温直减率较大,北坡大于南坡,而冬季较小,北坡小于南坡。2采用辐射传输方程法针对Landsat 8 TIRS 10反演地表温度具有较高置信度,获取10月北坡气温直减率为0.611℃/(100 m),南坡为0.502℃/(100 m)。3气温直减率在山脊和山谷附近表现出高直减率条带;海拔对太白山气温直减率的影响高于坡向,高、中、低海拔区气温直减率分别为0.913℃/(100 m)、0.471℃/(100m)、0.755℃/(100 m);坡向对气温直减率分布的影响表现为随阳坡至阴坡而逐渐变大,依次为0.515℃/(100m)、0.541℃/(100 m)、0.617℃/(100 m)。     

基于Landsat数据的2种地表温度空间降尺度算法比较研究

以2003年5月29日福州市LandsmETM＋影像为数据源,对2种地表温度空间降尺度算法——EM算法和HUTS算法进行实验、比较与分析,EM算法是利用高空间分辨率的地表比辐射率对低空间分辨率的亮度温度影像进行调节,从而达到提高热红外影像空间分辨率的目的;HUTS算法则是引入了归一化差异植被指数NDVI和地表反照率d,通过在低空间分辨率拟合二者与地表温度LST之间的关系,然后根据其尺度不变性,将该关系应用到高空间分辨率的影像上,从而达到提高热红外影像空间分辨率的目的．研究结果表明：1）2种算法所得结果影像都能在有效提高空间分辨率的同时较好地保持了原始地表温度影像的空间分布特征,达到了较好的降尺度效果;2）以RMSE为定量评价指标,HUTS算法要略优于EM算法,其中,EM算法的RMSE为1．2494,而HUTS算法仅为0．9869．