全球碳循环研究背景下的植被初级生产力遥感

总结了植被初级生产力遥感的理论和研究动态, 及其在全球碳循环研究中的重要意义。综述了利用遥感提取植被覆盖、生长状况和环境要素, 以及在此基础上建立植被净初级生产力估算的遥感过程模型的方法, 指出了模型全遥感化的方向。分析了数据同化/数据-模型融合方法在碳循环遥感研究中的作用, 强调了建立多尺度数据-模型融合系统可以使模型估算精度提高, 降低模型的不确定性。     

植被光能利用率遥感估算

光能利用率表征植被通过光合作用将所截获/吸收的能量转化为有机碳的效率,是遥感估算植被生产力的关键参数。由于植被分布和气候环境的综合影响,光能利用率表现出显著的空间异质性和时间动态性,光能利用率的不确定性成为后续生产力模型估算精度不高的重要原因。本文以Fluxnet全球通量站点数据和MODIS LAI/fPAR产品为数据源,比较了5种遥感植被生产力模型中的光能利用率估算方法,并在此基础上考虑光照散射条件对光能利用率的影响,结合晴空指数,利用逐步线性回归方法和参数优化方法建立不同植被类型的光能利用率估算模型。验证结果表明,考虑晴空指数可提高光能利用率估算精度,两种方法估算得到的光能利用率值RMSE均低于0.5 gC·MJ^-1,逐步线性回归法尽管机理欠缺,但由于选择因子较多,光能利用率估算精度较高（R²=0.461,RMSE=0.403 gC·MJ^-1）;广泛应用的参数化方法由于考虑的因子较少、模型形式较固定,光能利用率估算精度稍低（R²=0.306,RMSE=0.489 gC·MJ^-1）。本文所建立的光能利用率估算模型可应用于区域或全球植被光能利用率及生产力的估算。     

基于环境因素的沿岸水域叶绿素遥感探测研究

海洋叶绿素的调查一直是海洋生物资源与海洋生态学的研究重点。遥感技术是海洋叶绿素调查的有力工具。利用遥感光谱信号探测海水叶绿素在大洋水体(一类水体)中十分成功,但在沿岸水体(二类水体)的精度却不高,主要是由于悬浮泥沙、黄色物质等的干扰太大。从叶绿素的生存条件入手,提出了利用海水叶绿素环境生存因子作为辅助因素的方法建立叶绿素遥感探测模型。并以珠江口海域作为研究对象展开试验,结果表明:环境因子的引用,使模型的误差从32·48%降为17·96%,精度大大提高,从而证明该方法的可行性和有效性。     

基于遥感和美国碳通量观测数据的GPP模型比较研究

基于遥感和碳通量观测数据,本文采用VPM、EC-LUE、TG、GR、VI和MOD17六个模型估算了五种主要植被类型站点尺度的总初级生产力(GPP)。利用线性相关和定量分析方法评价并比较了上述模型在不同时间尺度上(8天、生长季和年际)的GPP模拟精度。结果表明:1)EC-LUE和VPM模型总体估算精度最高(R20.78);2)森林生态系统中,GPP估算值和实测值在季节和年累积总量上相对误差较小,而在草地和农田系统中,相对误差较大;3)GR、VI和TG模型在森林生态系统GPP估算中模拟精度较高,因其在形式上相对简单,需要的参数和输入数据相对较少,因而适用于大尺度的森林生态系统GPP估算。     

陆地总初级生产力遥感估算精度分析

准确估算陆地总初级生产力GPP(Gross Primary Productivity)数值对碳循环过程模拟有重要影响。本文介绍了多种基于植被指数以及基于光能利用率的遥感GPP算法,综述了不同算法在其研究区域的估算精度;并分析了MODIS/GPP以及BESS/GPP两种遥感GPP产品在不同植被类型的估算精度。通过对比全球碳通量站网络GPP数据表明,MODIS/GPP产品在全球估算结果具显著相关性(R2=0.59)及中等标准误差(RMSE=2.86 g C/m2/day),估算精度较高的植被类型有落叶阔叶林,草地等;估算精度较低类型包括常绿阔叶林,稀树草原等。本文对GPP产品中存在的不确定性进行分析,通过综述前人研究中发现的遥感估算GPP方法中存在的问题,指出可能的提高卫星遥感GPP产品估算精度的方法及发展趋势。     

卫星遥感影像有理函数模型优化方法

针对高分辨率遥感影像有理函数模型（RFM）在实际应用中存在过度参数化和定位精度不高的问题,提出基于离差阵和消去变换及残余系统误差补偿的高分辨率遥感影像RFM优化方法。试验结果表明,经过参数筛选后的RFM参数均为无偏估计值,拟合精度可以达到全部参数用于拟合时的精度,而且模型病态性基本消除,模型稳定性更高;残余系统误差补偿方法可以有效消除RFM拟合严格成像模型的残余误差,达到与严格成像模型一致的对地定位精度。     

基于压缩感知的遥感影像弹性配准方法

针对遥感影像由于载荷类型、观测角度、地形起伏等内外部因素造成的影像局部几何畸变,而基于全局配准方法制约着影像配准精度的提高,基于像元的弹性配准方法可大幅提升遥感影像的配准精度,但是存在运算效率这一瓶颈等问题,该文利用像元弹性配准参数的稀疏性,提出一种基于压缩感知的弹性配准方法。通过对遥感影像像元梯度幅值响应较强的点进行随机抽样,形成观测样本点集,采用弹性配准局部参数解算模型求解样本点平移参数;通过压缩感知稀疏重构算法重构影像各像元平移参数。实验表明,在配准精度差异较小和一定的参数设置条件下,该方法可显著提高弹性配准运算速度。     

利用光化学反射植被指数估算光能利用率研究的进展

植被光能利用率(LUE)是估计植被初级生产力(GPP)和净初级生产力(NPP)模型的一个重要输入,准确地估计LUE对于生态学研究有重要的意义.由于LUE随环境的变化关系十分复杂,现有的LUE估算模型过于粗糙简单,而通过遥感直接估计LUE将会更加可靠.研究表明,光化学反射植被指数(PRI)与LUE有很好的相关性,故PRI在利用遥感估计LUE方面具有极大的潜力.但是很多研究也发现了PRI-LUE的关系不够稳健,受许多因素的干扰,比如物种构成、冠层结构及大气等.因此,PRI的广泛应用还需要更多的研究.本文首先介绍了PRI的定义及PRI随LUE变化的生理机制,再综述了一些利用遥感手段建立PRI-LUE关系的例子,然后分析了影响PRI-LUE关系的各种干扰因素,最后对PRI研究取得的成果、存在的问题以及发展前景作了总结.     

融合高时空分辨率数据估算植被净初级生产力

植被净初级生产力NPP(Net Primary Production)遥感估算与分析,有赖于高时空分辨率的遥感数据,但目前中高分辨率的遥感数据受卫星回访周期及天气的影响,在中国南方地区难以获取连续时间序列的数据,从而影响了高精度的区域植被净初级生产力的遥感估算。为此,提出一种基于多源遥感数据时空融合技术与CASA模型估算高时空分辨率NPP的方法。首先,利用多源遥感数据,即Landsat8 OLI数据与MODIS13Q1数据,采用遥感数据时空融合方法,获得了时间序列的Landsat8 OLI融合数据;然后,基于Landsat8 OLI时空融合数据,并采用CASA模型,以长株潭城市群核心区为例,进行区域植被NPP的遥感估算。研究结果表明,基于时间序列Landsat融合数据估算的30m分辨率的NPP具有良好的空间细节信息,且估算值与实测值的相关系数达0.825,与实测NPP数据保持了较好的一致性。     

海洋初级生产力的卫星探测

讨论了海洋初级生产力的卫星探测技术,内容包括卫星探测的技术要求、卫星数据的处理、海洋初级生产力的估计、大气辐射校正以及水色卫星探测器的现状和发展等。     

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。     

光谱解混下耕地土壤铬含量GMDH模型反演

针对遥感影像反射率与重金属元素间的光谱响应弱,土壤重金属经典反演模型精度较低等问题,本文以Sentinel-2号遥感影像为数据源,利用像元二分模型进行影像光谱解混,筛选出相关性较高的特征光谱作为光谱参量,构建基于像元线性解混和不同光谱变换下土壤反射率与重金属Cr含量的PLS模型和GMDH模型。研究结果表明,解混后的光谱与重金属Cr含量间的显著相关波段数增多,相关性增强。基于解混后的土壤光谱与重金属Cr含量构建的GMDH模型,其模型稳定性较好,预测能力更强,精度更好。该方法拓展了传统的利用遥感影像进行反演的思路,可为大范围监测土壤重金属的污染状况提供有益参考。     

基于严格仿射变换模型的遥感影像RPC参数求解

提出了利用少量地面控制点,采用基于严格仿射变换模型求解遥感影像的RPC参数,并对CBERS-02B卫星HR相机遥感影像进行了试验,获得了一些有意义的结论。     

植被冠层光谱和叶片光谱的尺度转换

叶片光谱是估算植被生化参数的重要依据。然而,遥感影像获取的光谱为像元及冠层光谱,因此,在进行植被生化参数的遥感定量估算时,需将冠层光谱转化到叶片尺度。根据几何光学模型原理,推导出植被冠层光谱和叶片光谱的尺度转换函数,将冠层光谱转换到叶片尺度。首先,采用叶片光谱模拟模型PROSPECT模拟出叶片水平的光谱;其次,在几何光学模型4-scale模型中,通过改变叶片光谱和叶面积指数（leaf area index,LAI）,模拟出不同叶片特征下的冠层光谱。最后,通过LAI建立两个查找表,一个是传感器观测到树冠光照面和背景光照面概率的查找表,另一个是多次散射因子M的查找表,从而实现冠层光谱和叶片光谱的转化。结果表明,利用4-scale模型能实现冠层光谱与叶片光谱的尺度转换,此方法有很好的适用性。     

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。     

构建地块二维表征及CNN模型的作物遥感分类

本文旨在研究基于地块数据约束的深度学习模型的分类特征表示方法,以识别不同作物在不同时相上光谱差异从而对作物类型进行分类。通过Google Earth Engine平台获取作物生育期内全部Landsat 8影像,利用其质量评定波段完成研究区无云时相及区域上的地块统计,提取地块级别的各波段反射率均值按照时相顺序及波长进行排列,构建波谱、时相二维特征图作为该地块的抽象表示。通过构建相对最优的卷积神经网络CNN（Convolutional Neural Network）结构完成对特征图的分类,从而完成对地块的分类。构建CNN模型并不需要手工特征和预定义功能的需求,可完成提取特征并遵循端到端原则进行分类。将该模型的分类结果与其他最为常用机器学习分类器进行了比较,获得了优于常用遥感分类算法的分类精度。结果表明地块数据的加入可以有效的缩减计算规模并提供了准确的分类边界。所提出得方法在地块特征表示及作物分类中具有突出的应用潜力,应视为基于地块的多时相影像分类任务的优选方法。     

基于CRF模型的高分辨率遥感影像变化检测

针对传统高分辨率遥感影像变化检测方法大多直接利用光谱信息进行计算,导致检测精度不高的缺陷,提出了一种基于条件随机场模型（CRF）的高分辨率遥感影像变化检测方法。该方法利用CRF模型融合差值影像的光谱项和空间项,在融合过程中,引入EM迭代策略不断更新影像检测结果,提高变化检测精度。试验结果表明,本文方法的分类精度好于传统方法,并且稳定性良好。     

基于元数据的遥感数据自动入库系统设计与实现

随着遥感技术的发展和应用水平的提升,遥感数据的管理需求日益强烈,传统遥感数据入库方法自动化程度低。本文从遥感数据特点和遥感数据加工部门实际需求出发,对传统遥感数据入库流程进行了改进,提出了一套基于元数据的遥感数据自动入库解决方案,并自主开发了系统。该研究成果在北京、天津、广州等地项目中实际应用,大大提高了数据加工部门工作效率。     

基于CBERS的黄河湿地生物量反演研究

本研究以黄河湿地郑州段为研究区,利用RS与GIS技术,基于2009年5月7日获得的CBERS 2B卫星CCD多光谱遥感影像和地面实测植被生物量信息,采用回归算法构建反演模型,经对比分析得到最优计算模型。结果表明,反演模型计算精度达到86.32%,利用CBERS 2B卫星CCD多光谱遥感影像可满足植被生物量的反演需要。     

矢量C-V模型的高光谱遥感影像分割

高光谱遥感影像除了包含普通2维影像所具有的空间信息还包含了1维光谱信息,传统的针对2维影像的分割方法不能很好地应用于高光谱遥感影像。为此,本文提出一种能够同时处理多波段影像的高光谱遥感影像矢量C-V模型分割方法。首先选出高光谱遥感影像中目标与背景对比度较大的波段,并通过计算波段相关系数,去除其中的冗余信息形成新的波段组合,进而根据所确定的波段组合构建高光谱遥感影像矢量矩阵;在此基础上,构造基于该矢量矩阵的矢量C-V分割模型。模型中通过引入基于梯度的边缘引导函数,在保留传统C-V模型基于区域信息进行影像分割的基础上,利用影像的边缘细节信息,增强了模型在异质区域和复杂背景情况下对目标边缘的捕捉能力,提高了对高光谱遥感影像的分割精度和速度。最后利用HYPERION数据进行仿真实验,并将实验结果和传统C-V模型和相关方法进行了对比,结果表明,本文方法能够在短时间内有效地分割高光谱遥感影像,与传统方法相比,具有分割精度更高运算速度更快的特点。