A survey of remote sensing-based aboveground biomass estimation methods in forest ecosystems

Remote sensing-based methods of aboveground biomass (AGB) estimation in forest ecosystems have gained increased attention, and substantial research has been conducted in the past three decades. This paper provides a survey of current biomass estimation methods using remote sensing data and discusses four critical issues – collection of field-based biomass reference data, extraction and selection of suitable variables from remote sensing data, identification of proper algorithms to develop biomass estimation models, and uncertainty analysis to refine the estimation procedure. Additionally, we discuss the impacts of scales on biomass estimation performance and describe a general biomass estimation procedure. Although optical sensor and radar data have been primary sources for AGB estimation, data saturation is an important factor resulting in estimation uncertainty. LIght Detection and Ranging (lidar) can remove data saturation, but limited availability of lidar data prevents its extensive application. This literature survey has indicated the limitations of using single-sensor data for biomass estimation and the importance of integrating multi-sensor/scale remote sensing data to produce accurate estimates over large areas. More research is needed to extract a vertical vegetation structure (e.g. canopy height) from interferometry synthetic aperture radar (InSAR) or optical stereo images to incorporate it into horizontal structures (e.g. canopy cover) in biomass estimation modeling.     

植被遥感辐射传输建模中的异质性研究进展

遥感辐射传输建模是在研究电磁波与地物相互作用机理的基础上,建立遥感观测信号与地物属性、地物结构和观测几何等参量之间定量关系的模型,是理解遥感观测信号和反演地表参量的理论基础。近年来空间异质性问题引起了定量遥感领域的高度关注,高分辨率卫星及激光雷达等数据的日益丰富给研究空间异质性提供了有力支撑。在异质性植被场景遥感辐射传输建模过程中,像元内部的组分比例、3维结构、空间格局以及端元边界处的阴影效应与散射过程等方面是需要重点考虑的因素。本文在总结非均质地表空间异质性描述的基础上,分别总结了植被二向性反射与热红外辐射方向性建模研究的发展历程,以及非均质地表植被遥感建模研究的最新进展,并指出了地表遥感建模中研究异质性问题的发展方向。     

遥感理论模式研究的几个问题

本文简要地评论近年来微波遥感理论模式研究的进展,主要包括遥感对象理论模拟的随机离散散射粒子介质,连续随机介质,和随机粗糙表面的电磁散射和热辐射的理论,定量的数值求解方法,以及它们在地表植被、土壤、冰雪、大气云雨、海冰、风驱海面等主动和被动遥感中的应用。随着今后遥感技术的发展,要更为精细地模拟自然界中遥感对象及其环境,给出定量的数学物理学方法,进行定量的数据分析和遥感参数反演,还有大量的工作有待于研究。本文讨论了当今遥感理论模式研究中还存在的问题,提出了今后要予以研究的若干个方向性工作。     

植被光合有效辐射吸收比率遥感研究进展

植被光合有效辐射吸收比率FPAR（Fraction of absorbed Photosynthetically Active Radiation）反映了植被冠层的光学特性,是表征植被光合作用水平和生长状态的重要参量,因此成为全球变化研究中多种过程模型的重要输入参数。随着定量遥感研究的深入和新型传感器的使用,从区域到全球尺度上的FPAR遥感估算方法不断提出,多样化的遥感FPAR产品越来越多地应用于碳循环、能量循环、生产力估算及作物估产等研究领域。本文梳理了遥感估算的植被光合有效辐射的相关概念和算法,并着重对过去十年间遥感估算FPAR的新进展进行了系统总结和探讨。研究表明,近年来FPAR遥感的研究工作一方面聚焦于对现有算法的改进与各类型产品的验证,更多的研究则侧重于FPAR概念体系的拓展,叶片、叶绿素水平的FPAR估算,直射光、散射光的FPAR建模等新方向逐渐成为研究热点。     

地表净辐射通量观测、模拟和同化的研究进展

地表净辐射通量是陆—气相互作用水热交换过程中的一个重要物理参量,在全球变化背景下,定量研究地表净辐射通量的时空变化对气候变化研究具有重要意义。本文总结了目前定量研究地表净辐射通量的主要方法——观测、模拟和同化,分析了观测和模拟的优势和不足,提出利用数据同化方法可以弥补观测和模拟的不足,并比较分析了目前流行的同化算法的优缺点,利用不同的同化算法构建的同化系统可以同化不同来源的观测数据对模型进行校准,获取时空上连续一致的高精度地表净辐射的预报值。最后,探讨了同化多源遥感数据改进地表净辐射通量的研究中存在的问题、发展方向及其在全球变化研究中的意义。     

应用粒子群算法的遥感信息与水稻生长模型同化技术

在研究遥感信息和水稻生长模型的同化过程中, 最小化遥感反演与生长模型(RiceGrow)输出的水稻生长 信息差值绝对值时引入了一种新的优化算法-粒子群算法(PSO), 并对比了其与模拟退火算法(SA)的优缺点; 探讨 了叶面积指数(LAI)和叶片氮积累量(LNA)分别作为同化参数时的同化效果。结果表明, PSO 无论是从同化效率还是 反演精度上都要好于SA, 粒子群优化算法是一种可靠的遥感与模型同化算法; LAI 和LNA 作为外部同化参数时各 有优势, LAI 作为同化参数可获得较准确的播期及播种量, 而LNA 作为同化参数可获得更为准确的施氮量信息。但 是LAI 作为外部同化参数时的反演结果总体要优于利用LNA 作为同化参数时的反演结果。利用试验资料对该技术 进行了测试和检验, 结果显示反演的模型初始参数的平均值与真实值的相对误差(RE)均小于2.5%, 均方根误差 (RMSE)为0.7—2.2, 产量模拟值与实测值之间的相对误差为5%左右, 模拟与实测相关指标值吻合度较高, 该同化 技术具有较好的适用性。从而为生长模型从单点扩展到区域尺度应用奠定了基础。     

遥感反演蒸散发的日尺度扩展方法研究进展

遥感技术能够提供卫星过境时刻地表参量的瞬时值,进而通过模型构建可反演得到瞬时蒸散发。相对于瞬时蒸散发,日尺度蒸散发在实际生产生活中具有更重要的应用价值。本文系统地总结分析了遥感反演瞬时蒸散发的代表性日尺度扩展方法,包括蒸发比不变法、解耦因子不变法、辐射能量比不变法、参考蒸发比不变法、地表阻抗不变法和数据同化法,并对各方法的基本原理、估算精度、适用性等进行了对比分析。在此基础上,进一步综述了日尺度扩展方法存在的不确定性和主要问题,包括扩展方法本身误差、云覆盖、气象数据获取、夜间蒸散发估算、遥感反演同扩展误差累积及真实性检验等,并指出今后应从加强有云天及夜间蒸散发扩展机理和方法等方面的研究来提升瞬时蒸散发日尺度扩展精度。     

陆表定量遥感反演方法的发展新动态

随着获取的遥感数据越来越多,定量遥感正处于一个飞速发展的时期。本文从反演方法和遥感数据产品生成两个主要方面对近期陆表定量遥感的发展进行评述。由于大气—陆表系统的环境变量数远远超过遥感观测数,定量遥感反演的本质是个病态反演问题。在评述机器学习方法(包括人工神经网络、支持向量回归、多元自适应回归样条函数等)的应用基础上,重点关注克服病态反演的7种正则化方法:多源数据、先验知识、最优化反演的求解约束、时空约束、多反演算法集成、数据同化和尺度转换。定量遥感发展的另外一个显著特征是由数据提供者(比如数据中心)将观测的遥感数据转换成不同的地球生物物理化学参数产品,即遥感高级产品,并服务于数据使用者。概括介绍了北京师范大学牵头研发的GLASS(Global LAnd Surface Satellite)产品的新进展与全球气候数据集的研发情况。     

基于无人机LiDAR和高空间分辨率卫星遥感数据的区域森林郁闭度估测模型

森林郁闭度是森林资源调查中的一个重要因子,对森林质量评价具有重要作用。随着人工智能技术和遥感技术的不断发展,研究如何利用深度学习有效协同不同空间覆盖能力的遥感数据实现区域森林郁闭度的估测具有重要意义。由此提出了一种协同应用高密度无人机激光雷达和高空间分辨率卫星遥感数据,对区域森林郁闭度进行定量估测的深度学习模型（UnetR）。对用于图像分类的Unet模型的损失函数进行改进,并在卷积层后加入批量归一化层,使其具有对连续变量进行定量估测的能力。与全卷积神经网络、随机森林和支持向量机回归模型进行对比实验。结果表明, UnetR模型的均方根误差较低,估测精度较高,为实现区域森林郁闭度遥感监测提供了一种人力成本低、自动化程度高的估测方法。     

面向地下煤火热场模型的遥感技术体系初探

鉴于地下煤火的特殊性,传统的卫星、航空乃至地面遥感手段在对其热场的探测研究应用中都有一定的局限性。本文在分析地下煤火基本特征的基础上,探讨了建立面向地下煤火热场模型遥感技术体系的必要性和可行性,提出了基于遥感技术的地下煤火热场模型的构建方法和工作流程,特别强调了对地下煤火时空演变趋势的预测研究。     

遥感数据时空尺度对地理要素时空变化分析的影响

地理要素的时空变化分析对于了解和掌握地表的规律性有着重要的作用。利用地面站点观测、实地调查等传统方式获取数据,对地理要素进行时空变化分析是最常用的方法。但该类方法往往表现的是"点尺度"观测,不能在大尺度情况下准确地反映地表的时空变化信息。遥感卫星能以一定的时间间隔获得空间连续的对地"面尺度"观测数据,然而其特定的空间和时间分辨率使其获取的地表信息仍十分有限。同时地表的空间异质性和个别地表短时间内的快速变化,使得利用遥感数据对地理要素进行时空变化分析时,时空变化分析结果会随观测尺度而发生改变。本文从空间尺度和时间尺度两方面综述遥感数据时空尺度对地理要素的时空变化分析产生的影响和原因,并针对这些问题总结了减小时空尺度对结果不确定性影响的现行方法。可以通过多源遥感协同观测和反演、尺度转换、空间建模等方法减小空间尺度引起的不确定性;通过联合多时相遥感数据的方法减小时间尺度引起的不确定性。在实际应用中,应根据所观测地理要素的实际情况,综合分析选择合适的方法。     

Visualizing the ill-posedness of the inversion of a canopy radiative transfer model: A case study for Sentinel-2

Monitoring biophysical and biochemical vegetation variables in space and time is key to understand the earth system. Operational approaches using remote sensing imagery rely on the inversion of radiative transfer models, which describe the interactions between light and vegetation canopies. The inversion required to estimate vegetation variables is, however, an ill-posed problem because of variable compensation effects that can cause different combinations of soil and canopy variables to yield extremely similar spectral responses. In this contribution, we present a novel approach to visualise the ill-posed problem using self-organizing maps (SOM), which are a type of unsupervised neural network. The approach is demonstrated with simulations for Sentinel-2 data (13 bands) made with the Soil-Leaf-Canopy (SLC) radiative transfer model. A look-up table of 100,000 entries was built by randomly sampling 14 SLC model input variables between their minimum and maximum allowed values while using both a dark and a bright soil. The Sentinel-2 spectral simulations were used to train a SOM of 200 × 125 neurons. The training projected similar spectral signatures onto either the same, or contiguous, neuron(s). Tracing back the inputs that generated each spectral signature, we created a 200 × 125 map for each of the SLC variables. The lack of spatial patterns and the variability in these maps indicate ill-posed situations, where similar spectral signatures correspond to different canopy variables. For Sentinel-2, our results showed that leaf area index, crown cover and leaf chlorophyll, water and brown pigment content are less confused in the inversion than variables with noisier maps like fraction of brown canopy area, leaf dry matter content and the PROSPECT mesophyll parameter. This study supports both educational and on-going research activities on inversion algorithms and might be useful to evaluate the uncertainties of retrieved canopy biophysical and biochemical state variables.     

气溶胶光学厚度估测中的LASSO特征选择方法

气溶胶光学厚度估测中通常利用遥感信息构造的多种特征属性作为输入,然而,这些属性中常常存在数据噪音、相互关联性和缺失值,从而降低了估测精度和估测强健性。针对这个问题,基于最小绝对收缩和选择算子（least absolute shrinkage selection operator,LASSO）方法和气溶胶光学厚度反演的先验知识,提出了一种针对遥感卫星观测的高维数据进行特征选择的方法,利用2009年4月2日至2011年4月1日2 a间与全球197个气溶胶地基自动观测网站点时空同步的MODIS（moderate-resolution imaging spectroradiometer）遥感数据,采用常用的人工神经网络作为估测模型进行实验分析,表明该方法能结合反演先验知识对多种异质遥感属性进行分组,通过组间迭代保留关键特征,去除冗余属性,有效进行特征选择,从而显著提高气溶胶光学厚度的估测精度。     

遥感数据融合研究进展与文献定量分析(1992—2018)

近年来,遥感应用的快速发展推动了遥感载荷指标性能的不断提升。但由于遥感传感器的硬件技术瓶颈,遥感数据无法同时具有高空间分辨率、高光谱分辨率、高时间分辨率的指标特性。遥感数据融合是解决该问题的有效方法。为了深入了解目前遥感数据融合技术的研究进展情况,本文对国内外1992年—2018年间在该领域有一定影响力的相关成果进行了调研、分析与归纳总结。首先对遥感数据融合相关论文的年发文量、发文国家与机构、发表刊物以及关键词等进行了统计,梳理其发展历史及趋势;系统性的总结了各类数据融合算法,将其分为面向空间维提升的融合算法、面向光谱维提升的融合算法以及面向时间维提升的融合算法3类,并对各类算法的优势与适用性进行了分析;归纳总结了遥感数据融合的质量评价指标,包括有参考影像的融合评价指标以及无参考影像的融合评价指标;最后对遥感数据融合进展进行了总结与展望。     

黑河遥感试验中尺度上推研究的进展与前瞻

尺度问题是遥感科学研究的一个关键科学问题,但其理论和方法的发展严重受限于稀缺的多尺度观测数据。黑河生态水文遥感试验(Hi WATER)的核心目标之一是开展多尺度观测以支持尺度转换研究。本文综述了Hi WATER中定点观测的尺度上推研究进展,内容包括:(1)尝试严格定义了空间平均、空间尺度上推、观测足迹、代表性误差、观测真值等概念;(2)介绍了Hi WATER获取的多尺度(单点—像元—区域—流域)生态水文观测数据;(3)发展了基于地统计理论的多尺度采样方法,改进了基于时间稳定性的采样方法;(4)定量评估了辐射、碳通量、土壤水分、地表温度单点观测的代表性误差,实证了异质性地表遥感产品真实性检验的不确定性主要来源于观测的时空代表性;(5)发展了定点观测的尺度上推方法,将克里格方法推广至回归克里格、面到面、不等精度观测等情形,发展了贝叶斯框架下的非线性尺度上推方法,实证了引入遥感观测作为协同信息可显著提高尺度上推的精度。总之,Hi WATER初步形成了从采样设计、多尺度观测、代表性误差的度量、尺度上推新方法到真实性检验的研究框架。     

非均匀地表蒸散遥感研究综述

本文评述了目前常用的遥感估算地表蒸散方法,包括地表能量平衡模型、Penman-Monteith类模型、温度—植被指数特征空间方法、Priestley-Taylor类模型和其他方法。然而使用这些方法估算地表蒸散时会面临严重的尺度效应,而产生尺度效应的根本原因之一是地表异质性,在分析了非均匀下垫面对水热通量遥感反演造成的影响后,介绍了面积加权、校正因子补偿与温度降尺度3种尺度误差纠正方法;并从地面观测实验的角度简述了非均匀下垫面水热通量真实性检验的研究;最后探讨了将来建立更具时空代表性的非均匀下垫面地表蒸散遥感估算模型可能会面临的一些挑战。     

基于光学遥感卫星影像的南极冰流速产品和方法研究综述EI北大核心CSCD

冰流速是反映在全球气候变化条件下南极冰盖变化及其稳定性最直接和最基本的指标之一,也是精确估算南极冰盖对全球海平面上升贡献的关键数据之一。光学遥感影像因其空间覆盖广、时间和空间分辨率高等优势,是南极冰流速大规模提取的重要数据源。本文首先对现有利用光学遥感影像进行南极冰流速提取的方法进行了综述,介绍了相关的软件和工具。然后,总结了20世纪60年代以来基于光学遥感影像生成的南极冰流速产品,并对南极典型区域的冰流速产品在物质平衡估算、冰架长时序变化监测等方面的应用进行了分析。最后,总结了光学遥感影像用于南极冰流速提取的优势及未来的发展趋势。     

植被光能利用率高光谱遥感反演研究进展

光能利用率是表征植被通过光合作用将所截获/吸收的能量转化为有机干物质效率的指标。光能利用率是植被光合作用的重要概念,也是区域尺度以遥感参数模型监测植被生产力的关键参数。不同植被类型的光能利用率具有明显的时空差异,水分、温度、养分供给等环境胁迫因素会影响植被的光能利用率。随着高分辨率光谱测量传感器的使用,位于可见光和近红外区域的窄波段可以捕捉到植被冠层反射率的细微变化,也促进了光能利用率遥感反演技术的发展。本文结合国际植被光能利用率遥感反演最新研究成果,从基于环境胁迫因子的光能利用率反演,基于植被光谱指数的光能利用率反演、基于叶绿素荧光的光能利用率反演,以及基于涡度相关测量数据和遥感数据相结合的光能利用率反演四个方面,详细介绍了植被光能利用率遥感反演的主要技术方法,并对植被光能利用率遥感研究存在的主要问题和发展趋势进行了讨论。     

遥感影像时—空融合的“点”—“线”—“面”质量评价

遥感影像时—空融合可集成多源数据高空间分辨率和高时间分辨率互补优势,生成时间连续的高空间分辨率影像,在遥感影像的动态监测与时序分析等方面具有重要应用价值.然而,现有多数研究往往基于单一数据产品对时—空融合算法进行评价,而在实际生产应用中,需要验证算法在多种遥感产品数据的融合表现;此外,目前研究大多基于“单点时刻”进行评...     

徐州市土地利用CLUE-S模型变化模拟

对徐州市1987年、1994年和2000年3期遥感影像图进行分析,利用面向对象的思想,采用多尺度分割法对影像进行分类,通过遥感影像的光谱特征,确定分类目标,获取该区过去13年间的土地利用/覆被时空变化特征。运用CLUE-S模型以1994年土地利用数据模拟了2000年的土地利用空间变化状况,并通过2000年实际遥感影像分类数据加以验证,结果计算出Kappa指数为0.846,达到精度要求,实例证明CLUE-S模型较好地模拟了徐州市的土地利用/覆被变化。最后运用CLUE-S模型以6年为1个时空尺度模拟该区未来12年的自然状态和生态保护状态下的土地利用/覆被变化特征。