机器学习模型的珠江口悬浮泥沙遥感反演与规律分析

本文以珠江口悬浮泥沙水质采样数据及高光谱数据为基础,构建了人工神经网络(ANN)、支持向量回归机(SVR)、随机森林(RF)悬浮泥沙反演模型,结果发现模型预测精度从高到低依次为：RF、ANN、SVR。采用随机森林模型对珠江口悬浮泥沙反演,结果得到珠江口岸悬浮泥沙浓度呈现西高东低,从近岸到离岸逐渐递减趋势。主要是由于珠江口地形为喇叭形,在季风和潮汐共同作用下,珠江口顶部区域受潮汐和风向混合作用强烈。在远离珠江口顶部区域地形较为开阔,各支流径流的悬浮泥沙汇聚堆积在珠江口西南区域,导致珠江口西南区域悬浮泥沙浓度高。     

杭州湾HJ CCD影像悬浮泥沙遥感定量反演

利用环境小卫星CCD(HJ CCD)影像对杭州湾悬浮泥沙浓度(SSC)进行了反演研究。通过对杭州湾水体遥感反射率(Rrs)与SSC进行相关性分析发现,在690nm和830nm左右出现显著的反射峰,分别位于HJ CCD影像的第3和第4波段范围内;大于700nm波长处的Rrs与SSC相关性较好。基于实测Rrs和SSC之间的相关关系,利用第4和第3波段比值作为遥感因子建立SSC反演模型,模型决定系数达到0.90。借鉴近红外-短波红外(NIR-SWIR)结合的大气校正方法反演出的准同步MODIS气溶胶数据,实现了HJ CCD影像的大气校正,第3、第4波段的大气校正结果相对误差分别为5.54%和6.97%。结果显示,HJ CCD影像反演的SSC相对误差为7.12%;杭州湾悬浮泥沙浓度要显著高于长江口,且内部差异明显。研究表明,通过适当的大气校正方法和反演算法,HJ CCD影像可用于杭州湾悬浮泥沙浓度的估计。     

九龙江下游水质遥感反演及时空变化分析

在同步历史实测数据较为缺乏的条件下,基于波谱特征的比值法可以有效进行水体叶绿素a(Chla)和悬浮颗粒物(Tss)浓度的反演。利用不同时期的Landsat遥感卫星影像对九龙江下游河段的叶绿素a和悬浮颗粒物浓度进行了年际变化分析及季节变化分析发现:较高的叶绿素a浓度主要出现在北溪浦南段(北8北9)以及石龟头至北11段,叶绿素a在枯水期呈现浓度增大的趋势;高悬浮颗粒物浓度较易出现在龙津溪入口(北9郭坑公路桥)河段,高悬浮颗粒物浓度季节主要发生在丰水季节。     

基于深度学习与随机森林的PM2.5浓度预测模型

针对PM_2.5浓度预测中传统机器学习算法无法对数据内部隐藏特征进行深层次挖掘，而深度学习算法在数据较少情况下效果不佳的问题，综合考虑深度学习与随机森林的特点，提出一种基于深度学习与随机森林的PM_2.5浓度预测组合模型。模型以气溶胶光学厚度(AOD)遥感数据、气象再分析数据和PM_2.5地面观测数据构建训练数据集，通过深度学习方法对训练数据内部深层次隐含特征进行提取，将提取得到的隐含特征用于随机森林模型训练，并使用随机森林回归算法得到PM_2.5浓度的预测值。为验证方法的有效性，以河南省区域2018年—2019年的PM_2.5浓度估算为例，将原始特征与利用CNN、LSTM和CNN＿LSTM所提取特征共同构建的新特征分别通过随机森林回归、支持向量回归以及K近邻回归等3种传统机器学习方法进行训练和预测。实验结果表明，在较少数据情况下PMCOM模型无论是在整体预测还是在分季节预测场景下均具有较好的预测精度，其中以LSTM为特征选择器，RF为回归器的组合模型是本实验的最优模型，在即使只有35%...     

近岸水体表层悬浮泥沙平均粒径遥感反演

悬浮泥沙的粒径分布特征不仅体现了悬浮颗粒态物质的存在状态,而且可以指示水动力及再悬浮作用的过程和强度,因此研究悬浮泥沙粒径分布特征具有重要意义。利用Mie理论建立悬浮泥沙平均粒径反演模型,结果表明,悬浮泥沙后向散射系数与其平均粒径的三次方线性关系明显,4个波段(412nm、443nm、555nm、667nm)拟合方程决定系数均在0.93以上,拟合误差最小值为16.6322%(412nm),最大值为20.3143%(667nm)。利用QAA算法从MODIS影像上反演研究区域悬浮泥沙后向散射系数,并结合反演的悬浮泥沙浓度推算研究区域表层悬浮泥沙的平均粒径。对比发现,近岸高悬浮泥沙区域的反演结果与实测数据吻合较好,相关研究可以为深入开展陆海相互作用、海洋生态系统演变和海洋参与全球碳循环等研究提供重要数据支持。     

基于遥感的鄱阳湖丰水期悬浮泥沙数值模拟预测

悬浮泥沙是湖泊水体的重要水质要素之一,是湖泊水生态系统重要影响因子。利用遥感提取的鄱阳湖底质类型数据,对各类型底质区域上泥沙模型参数进行敏感性分析,基于2011年实测的不同底质区上泥沙浓度数据率定得到空间上不一致的泥沙模型参数,从而建立鄱阳湖丰水期二维悬浮泥沙输运模型。利用该模型模拟预测2013年丰水期悬浮泥沙输移过程,实测泥沙数据验证表明,模拟悬浮泥沙均方根误差为19.8 mg/L,相关系数R2为0.78,该模型能够较好地进行悬浮泥沙模拟预测。对比模型模拟和遥感反演的悬浮泥沙空间分布,两者具有较好的空间一致性,进一步表明该模型能够可靠地模拟预测鄱阳湖悬浮泥沙的时空动态变化。本研究充分利用遥感数据辅助建立鄱阳湖泥沙输移模型,为湖泊水环境动态变化监测提供有力的技术方法支撑,为进一步进行鄱阳湖水环境动态变化的数值模拟预测研究提供基础。     

曹妃甸近海Ⅱ类水体光谱反射率与悬浮泥沙浓度相关性研究

利用水面以上法对曹妃甸近海Ⅱ类水体进行现场光谱测量,对获取的数据与同步采集的水体悬浮泥沙浓度进行相关分析,初步建立了水体悬浮泥沙浓度与TM数据对应的可见光至近红外波段遥感反射率的经验模型.研究结果表明:该地区近海Ⅱ类水体的反射率随悬浮泥沙浓度的增加而增加,在泥沙浓度小于20 mg/L时,570 nm处的反射率随泥沙浓度增加而增大的特征优于670 nm处的,但当泥沙浓度大于20 mg/L时,后者反射率的增幅明显优于前者;TM 3中心波段处的反射率与表层悬浮泥沙浓度(SPM)呈显著的指数相关,利用模型计算的悬浮泥沙浓度平均相对误差低于±28%.     

太湖悬浮物浓度的MODIS影像估测研究

通过研究,发现在大样本(N=335)的情况下MODIS 500 mB1-B3与太湖悬浮物浓度具有较好的线性关系(R2=0.659)。同时,运用实测光谱深入分析悬浮物的敏感波段,进一步揭示了采用B1-B3估测的理论依据,并建立了适用于各个季节的太湖悬浮物通用遥感估测模型。     

WorldView-2纹理的森林地上生物量反演

使用高空间分辨率卫星WorldView-2的多光谱遥感影像,构建植被指数和纹理因子等遥感因子与森林地上生物量的关系方程,并计算模型估测精度和均方根误差,探索高分辨率数据的光谱与纹理信息在温带森林地上生物量估测应用中的潜力。以黑龙江省凉水自然保护区温带天然林及天然次生林为研究对象,通过灰度共生矩阵(GLCM)、灰度差分向量(GLDV)及和差直方图(SADH)对高分辨率遥感影像进行纹理信息提取,并利用外业调查的74个样地地上生物量与遥感因子建立参数估计模型。提取的遥感因子包括6种植被指数(比值植被指数RVI、差值植被指数DVI、规一化植被指数NDVI、增强植被指数EVI、土壤调节植被指数SAVI和修正的土壤调节植被指数MSAVI)以及3类纹理因子(GLCM、GLDV和SADH)。为避免特征变量个数较多对估测模型造成过拟合,利用随机森林算法对提取的遥感因子进行特征选择,将最优的特征变量输入模型参与建模估测。采用支持向量回归(SVR)进行生物量建模及验证,结果显示选入模型的和差直方图均值(sadh_mean)、灰度共生矩阵方差(glcm_var)和差值植被指数(DVI)等遥感因子对森林地上生物量有较好的解释效果;植被指数+纹理因子组合的模型获得较精确的AGB估算结果(R2=0.85,RMSE=42.30 t/ha),单独使用植被指数的模型精度则较低(R~2=0.69,RMSE=61.13 t/ha)。     

曹妃甸近海表层悬浮泥沙遥感定量监测研究

在曹妃甸近海水体实测光谱数据分析的基础上,与同步采集的水体悬浮泥沙浓度进行相关分析,选用合适的TM数据的遥感变量参数,根据2008年实测的四个剖面29个站点的海洋水色数据建立了水体悬浮泥沙浓度与TM数据对应的遥感定量反演模型,并用18个独立样本点进行了精度评价.研究结果表明:曹妃甸近海水体光谱曲线基本呈现单峰现象,敏感...     

太原市黑臭水体遥感识别与地面验证

城市黑臭水体整治是城市水环境治理的一项重要工作。本文通过构建黑臭水体遥感识别模型，解决城市黑臭水体整治过程中黑臭水体的识别问题，实现城市黑臭水体空间分布快速定位与排查。通过分析黑臭水体形成机理和试验数据，从光谱特征上构建反映水体清洁程度的光谱指数（WCI），从图像特征上构建水体颜色、次生环境、河道淤塞、岸边带垃圾堆放等解译标志，综合光谱指数和解译标志共同进行黑臭水体遥感识别。利用该方法对太原市建成区内黑臭水体空间分布进行排查识别，共得到疑似黑臭河段14条，长度为52.530 km。经验证，除去断流影响外，遥感识别黑臭水体点位精度为92.86%，遥感识别黑臭河段长度精度为78.19%。在精度验证基础之上，进一步分析了黑臭水体遥感识别光谱指数和各项解译标志在黑臭识别中所占的权重，其中光谱指数和水体颜色二者权重最大，分别占29.60%和27.10%，是构成遥感识别黑臭水体的主要特征标志。通过两时相影像识别结果比对表明，WCI指数能够明显反应黑臭水体变化特征。因此，利用本文方法进行城市黑臭水体遥感识别具有很高的精度，在城市水环境整治过程中具有重要的应用价值。     

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。     

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。     

高光谱和LiDAR联合反演森林生物量研究

估算森林地上生物量(AGB)对于全球实现碳中和目标至关重要。本文以美国缅因州Howland森林为研究区域,借助地面实测样地数据,对比分析协同不同数据源(高光谱和LiDAR)和机器学习算法(随机森林、支持向量机、梯度提升决策树和K最邻近回归)的研究,以改善Howland森林的生物量估计精度。结果表明,采用LiDAR和高光谱植被指数变量模型的最佳精度分别为0.874和0.868,协同高光谱和LiDAR变量并采用梯度提升决策树回归模型的精度为0.927,即多源遥感数据要优于单一数据源。高光谱和LiDAR数据的协同使用对于提高类似于Howland地区或更广泛区域的生物量估计的准确性,具有普遍的适用性与一定的应用前景。     

多星融合的土壤湿度滚动式估算模型

全球定位系统干涉反射测量(GPS-IR)是一种新的遥感技术,可用于估算近地表土壤水分含量。考虑到多卫星融合的优势和土壤湿度的时空尺度性,提出一种基于多星融合的土壤湿度最小二乘支持向量机(LS-SVM)滚动式估算模型。首先通过低阶多项式拟合分离GPS卫星直射和反射信号,进而建立反射信号正弦拟合模型,获取相对延迟相位。最后,通过线性回归模型有效分析和选取多卫星相对延迟相位,并建立基于多星融合的最小二乘支持向量机模型进行滚动式估算土壤湿度。以美国板块边界观测计划PBO提供的监测数据为例,对比分析利用单颗、多颗GPS卫星进行土壤湿度滚动式估算的可行性和有效性。经理论分析和两个测站实验表明:该模型充分发挥了LS-SVM的优势,有效综合了各卫星的性能,改善了采用单颗卫星进行土壤湿度估算时,其结果极易出现异常跳变的现象;模型只需较少的建模数据,采用滚动式能实现较长时间的估算,估算误差较为稳定;模型所估算的结果与土壤湿度实测值之间的相关系数R2以及均方根误差分别为0.942和0.962、0.072和0.032,相对于部分单一卫星至少提高了18.18%。因此,土壤湿度问题可作为非线性事件处理,采用多卫星融合估算是可行和有效的。     

近海岸悬浮泥沙遥感反演模型的分析探讨

简要介绍了国内外近海岸悬浮泥沙定量化遥感反演的研究进展及悬浮泥沙遥感反演模型的建立方法,通过对国内外近年研究的部分悬浮泥沙遥感反演模型进行简单分类、对比分析得出其优缺点,并针对部分悬浮泥沙遥感反演模型的不足和目前遥感技术在悬浮泥沙定量反演中的应用提出了一些肤浅见解。     

Evaluation of optical remote sensing-based shallow water bathymetry for recursive mapping

Water depth estimation using optical remote sensing offers a reliable and efficient means of mapping coastal zones. Here, we aim to find a suitable model for fast and practical bathymetry of an estuary using Indian Remote Sensing Satellite (IRS) Linear Imaging Self Scanning Sensor (LISS-3) images. The study examines three different models; (1) least square regression model, (2) spectral band-ratio method and (3) multi-tidal bathymetry model. The findings are supported with in situ observed depth values and statistical estimates. Although the least square regression model has provided best results with root mean square error (RMSE) of 0.4 m, it requires a large number of observed data points for absolute depth estimation. Spectral band-ratio and multi-tidal model provides results with RMSEs 2.1 and 0.9 m, respectively. The present investigation demonstrates that multi-date imagery exploitation at disparate tide levels is the best estimation technique for recursive shallow water bathymetry where in situ observation is not possible.     

融合多源时序遥感数据大尺度不透水面覆盖率估算

不透水面信息是监测城市扩张及区域生态环境变化研究的重要指标，基于遥感技术对地表不透水面信息进行快速提取具有重要意义。传统大范围不透水面覆盖率估算模型主要基于单一遥感信息与不透水面比例之间的相关性，通过单因子回归模型实现不透水面覆盖率的估算。受限于单一遥感信息的信息量及普适性等影响，这类方法在大尺度不透水面提取中具有较大局限性，估算结果的区域适应性存在较大差异。针对该问题，本文提出基于多特征遥感信息进行不透水面估算的方法，以弥补单一特征在大范围不透水面提取中的不确定性。该方法首先以多时相MOD13Q1、MOD09A1产品、夜间灯光数据（NPP-VIIRS）和Landsat 8 OLI为遥感数据源，从不同角度构建突出不透水面信息的多个指数特征；在此基础上利用多元回归模型建立多因子不透水面覆盖率估算模型，进而实现大尺度不透水面覆盖率的遥感估算。本研究选择分布于全国范围内13个典型城市作为主要研究区对提出的模型进行了验证，结果表明：该方法能够适应不同区域不透水面覆盖率的估算，在复杂城市区域表现出较传统方法更好的效果，明显改善了城市内部不透水面覆盖率的估算精度。     

遥感技术估算森林生物量的研究进展

从单传感器和多传感器遥感数据集成两个方面介绍和阐述了遥感技术估算森林生物量的发展现状,以此提炼遥感技术估算森林生物量研究面临的问题。