改进的DisTrad模型在地形起伏区地表温度空间分辨率提升的应用

DisTrad（Disaggregation procedure for radiometric surface temperature）模型是常用于遥感地表温度空间分辨率提升的主要模型之一。DisTrad模型常面向空间范围有限、地形相对平坦的研究区域,且常选用植被参数（如植被指数或植被覆盖度等）作为关键参数。然而在空间范围较大、地形起伏地区,地表温度的空间变异可能无法完全通过植被参数解释。本研究选取四川盆地及毗邻地区为研究区,通过模拟数据研究DisTrad模型在地形起伏区地表温度空间分辨率提升中的适用性。数字高程模型（Digital Elevation Model,DEM）、归一化差值植被指数（Normalized Difference Vegetation Index,NDVI）等参数,采用滑动窗口逐步回归,将空间分辨率为6km的地表温度提升至空间分辨率为1km。研究结果表明,改进的模型在平原及海拔较低的高原地区提升获得的地表温度空间分辨率具有较高精度,均方根误差（Root Mean Square Error,RMSE）为0.5K左右;在地形起伏较大的地区,RMSE为4K,验证了改进的模型提升的可行性。     

龙江流域下游南岸段遥感干旱监测研究

针对龙江流域下游南岸段干旱缺水的自然灾害现象,文章建立了新的基于温度植被干旱指数(TVDI)的遥感监测信息模型,并建立了干旱分级标准。经过反复试验结果表明,该干旱遥感监测模型对于区域性的干旱监测具有较好的实用性,可广泛用于干旱的监测、评估及预报工作。     

基于随机森林的遥感干旱监测模型的构建

利用遥感数据进行大面积旱情监测是现有干旱监测的重要方法之一,然而传统的遥感干旱监测方法主要侧重于对土壤湿度或植被状况等单一干旱响应因子进行监测,对综合多因子的干旱监测研究较为有限。随机森林是一种机器学习方法,具有学习过程快速、运算速度快、稳定性好、预测精度高的优点,近年来被应用于生态环境等多个领域。本文利用2001-2010年4-9月的MODIS数据提取的植被状态指数（VCI）、温度状态指数（TCI）和土地覆盖类型（LC）,TRMM降水资料计算的TRMM-Z指数及SRTM-DEM、土壤有效含水量（AWC）等多个遥感及土壤资料提取的干旱因子为自变量,以气象站点的综合气象干旱指数（CI）为因变量,利用随机森林模型构建遥感干旱监测模型,并以河南省为研究区进行了评价和分析。该模型在2009-2010年的监测值和实测CI值的具有显著的相关性,并且二者干旱等级的一致率为81%。在2001-2010年4-9月间,模型监测值与气象站点的标准降水蒸散发指数（SPEI）总体干旱等级一致率为74.9%,较为一致,其中9月的模型结果与SPEI的干旱等级一致率最高,达到82.4%,空评估率和漏评估率最低;与10 cm土壤相对湿度的相关系数在0.475-0.639之间,达到极显著水平。河南省2011年4-6月干旱事件同样验证了本文构建的模型旱情监测结果,说明本模型能较好地就应用于监测区域旱情监测。     

干旱胁迫下植物抗逆性大尺度遥感监测方法

目前干旱与植被关系的研究主要集中于气候因子与植被时空变化的相关性分析以及植被对气候变化的响应,能够适用于大尺度的植物抗逆性监测方法还较为欠缺。本文基于归一化植被指数（NDVI）、总初级生产力（GPP）、修正花青素含量指数（mACI）、短波红外水分胁迫指数（SIWSI）监测干旱胁迫下的植被变化,综合考虑植物抗逆过程,建立滞后时间、抗逆时差、响应程度与恢复能力4个植物抗逆性监测指标,构建了一种能够适用于大尺度的植物抗逆性综合监测方法。利用各省份作物抗逆性综合评分与绝收比例进行相关性分析,两者呈显著负相关。利用该方法对干旱胁迫下我国不同类型植被的抗逆性进行评估,结果表明：① 从全国整体水平来看,不同季节植物抗逆性差异较大,其中夏季植物抗逆性最弱,冬季最强。我国植物抗逆性空间异质性显著,春季植物抗逆性综合评分低于70分的区域主要位于山西、陕西北部,综合评分高于90分的区域主要集中在内蒙古东北部以及云南的南部地区; ② 不同类型植被的抗逆性有明显差异,夏季落叶针叶林抗逆性最强,类内差异最小,春秋两季草地抗逆性最强但抗逆性类内差异最大。本文提出的植物抗逆性综合监测方法有助于探索干旱胁迫下植物抗逆性规律,对帮助降低灾害风险具有借鉴意义。     

福州市城市不透水面景观指数与城市热环境关系分析

城市化致使城市环境问题的产生,城市热环境问题就是其中之一。本文从不透水面方面研究对城市热环境的影响。根据福州市1989年和2001年LandsatTM/ETM+遥感影像数据,利用线性光谱分解法提取两时相不透水面信息,并离散化分级为中低、中、中高、高密度区4个区域,分别计算这4个区域的地表温度(LST)、归一化植被指数(NDVI),并进行相关性分析;根据阈值法和范围法分别计算不透水面的PD、AI、LPI等景观指数,结果表明:两时段内不透水面的面积有所增加,在高密度区增加明显;不透水面与地表温度的呈正相关,相关系数分别为0.66和0.71;不透水面景观指数对FISA敏感,景观指数整体的变化趋势与地表温度的变化趋势相一致,FISA值越大,温度越高,且各斑块的形状越来越复杂,空间的连续性越强;聚集度越高,人类活动也越强。     

基于微波数据与光学数据集成的机器学习技术在作物产量估算中的应用

各类光学植被指数已成功地应用于各种植被监测与作物产量估算中,但这些指数易受大气状况的影响。由星载微波辐射计得到的植被光学厚度数据（VOD）与植被密度、含水量密切相关,数据可全天候获得,在农业遥感监测中呈现着巨大的潜力。作为来自不同传感器的遥感数据,微波遥感数据与光学遥感数据可以提供不同波长范围内的植被信息。为了更准确地进行作物产量估算,本研究提出将微波遥感数据与光学遥感数据共同应用于冬小麦单产估算中。研究选择L波段微波辐射计SMAP卫星的VOD数据与MODIS的标准归一化植被指数NDVI、增强型植被指数EVI、叶面积指数LAI、光合有效辐射分量FPAR数据作为研究变量,分别使用BP神经网络、GA-BP神经网络和PSO-BP神经网络建立冬小麦产量估算模型。结果表明： 3种神经网络回归模型的P值均小于0.001,通过了显著性检验。GA-BP神经网络回归模型的估算值与真实值在3种神经网络回归模型中表现了最高的相关性（R=0.755）与最低的均方根误差（RMSE=529.145 kg/hm²）,平均绝对误差(MAE=425.168 kg/hm²)和平均相对误差（MRE=6.530%）。为了分析多源遥感数据的结合在作物产量估算中的优势,研究同时构建了仅使用NDVI和LAI,使用NDVI、EVI、LAI、FPAR等光学数据进行冬小麦产量估算的3种GA-BP神经网络回归模型作为对比。结果表明,使用微波遥感数据与光学遥感数建立的GA-BP神经网络回归模型较上述3种作为对比的GA-BP神经网络回归模型的相关系数R值分别提高了0.163,0.229与0.056,均方根误差RMSE分别降低了122.334、158.462和46.923 kg/hm²,使用多源遥感数据的组合可以很好地提高作物产量估算的准确性。     

线性光谱混合模型的ASTER影像植被应用分析

本文利用线性光谱模型分解混合像元方法。从ASTER多光谱遥感数据提取福州地区植被覆盖丰度的定量信息,与归一化差值植被指数进行了回归分析,结果相关系数高达95％;通过对植被景观格局分析,表明研究区以中等丰度植被占据主要地位,生态系统较为稳定。     

基于遥感指数的南京市城市热岛时空演变分析

以南京市为研究区域,基于Landsat系列影像,采用单窗算法反演南京市2000—2017年的地表温度.通过地表温度均值标准差法划分城市热岛等级,分析南京市城市热岛时空演变特征,并基于归一化植被指数(NDVI)和归一化建筑指数(NDBI),分析南京市城市热岛和植被覆盖及不透水面的关系.研究结果表明,南京市2000—2017年城市热岛现象明显且有逐渐增长趋势;南京市城市热岛与植被覆盖、城市不透水面表现出较强的空间一致性;南京市城市热岛与植被覆盖和不透水面分别呈现负相关和正相关关系.研究为南京市城市环境管理与城市合理规划提供了一定的理论依据与参考.     

半干旱区旱情监测指数应用分析

本文利用MODIS地表温度数据(Ts)和增强型植被指数EVI构建Ts和EVI(Enhanced Vegetation Index)空间。同时分别获取2002年3月8日,4月2日、4月13日、6月12日的温度植被干旱指数TVDI,以其为旱情指标对黄河三花间(三门峡-花园口区间)区域旱情进行了监测;结合气象站点数据及表观热惯量对TVDI进行评价,TVDI与热惯量相关系数R2达到0.7,并分析了土地利用和高程对TVDI的影响。结果表明:土地利用影响着TVDI值的分布;三花间(三门峡-花园口区间)区域250m以上高程和TVDI关系显著。以Ts和EVI构建的TVDI适用于半干旱区的旱情监测。     

基于RS和GIS的松花江流域植被覆盖动态变化研究

利用遥感和地理信息系统技术对1989,1995年的Landsat TM数据和2002年Landsat ETM＋三期遥感数据进行处理,反演和计算松花江流域的归一化植被指数（NDVI）,在此基础上,获取研究区域植被覆盖度。在ArcGIS9.2软件空间分析模块的支持下,对研究区域三期植被覆盖影像进行叠加分析,以流域尺度和栅格尺度分析植被覆盖变化的时间和空间特性,获取研究区域植被覆盖度空间格局分布特征,为该区域植被覆盖度的自动化监测提供很好的技术支持。     

基于多源数据的农业干旱监测模型构建

在全球气候变暖的大背景下,干旱事件发生越来越频繁,严重危害我国的粮食生产安全。构建准确的干旱监测模型不仅能够及时地反映出干旱事件的发生,同时可以为地方政府制定减灾保产措施提供科学支撑和保障。传统的气象干旱监测方法因为缺乏对植被本身需水状态和土壤供水信息的考虑旱情判定结果往往比实际情况偏重,而遥感监测指标大多只考虑了植被或土壤等单方面因素具有局限性,目前已有的综合干旱监测模型大多以气象指标为因变量,一方面需要数据资料较多参数复杂,另一方面模型准确度依赖于气象指标对当地农业干旱的响应能力,而同一气象指标在不同区域适应性存在差异,因此同样存在局限性。本文以河南省的冬小麦为研究对象,利用2001-2011年的EOS-MODIS数据产品以及气象站点监测数据,计算了标准化降水蒸散指数SPEI、植被状态指数VCI、温度状态指数TCI、温度植被状态指数TVDI,同时结合河南省农业气象灾害旬报对冬小麦受灾的记录,构建了基于决策树的定性农业干旱监测模型。测试集结果表明,模型综合了大气异常信息、植被状态信息以及土壤水分信息,优于单个指标的监测结果。另外,基于此模型监测了河南省2009年4-5月的干旱事件,结果与实情相符,能够较好地反映农业旱情的发生和空间演变情况。     

路域植被等效水厚度估算模型研究

植被等效水厚度对路域生态环境的监测评估具有重要意义。本研究以湖南醴潭高速一段为研究对象,以地面实测光谱和等效水厚度以及PRO4SAIL模拟光谱和模拟等效水厚度为数据源,利用PRO4SAIL冠层模型模拟光谱与地面实测光谱建立12种常用水分指数,引入随机森林算法对水分指数与等效水厚度进行重要性分析,得到12种水分指数的重要性排序;利用调整R ²确定建立等效水厚度估算模型中输入水分指数的最佳个数;在优选水分指数基础上,以PRO4SAIL模拟光谱计算得到水分指数和等效水厚度为训练集,分别构建随机森林耦合偏最小二乘（RF-PLS）、随机森林耦合支持向量机（RF-SVM）和随机森林耦合遗传算法优化支持向量机（RF-GA-SVM）等效水估算模型,并用地面实测等效水厚度对估算模型进行精度验证与分析。结果表明：RF-SVM估算模型中输入重要性前9的水分指数（NDWI、NMDI、SRWI、SR、NDII、WI、DWI、MSI、SAVI）时,调整R ²最高,验证集决定系数为0.8877;RF-PLS和RF-GA-SVM估算模型中输入重要性前4的水分指数（NDWI、NMDI、SRWI、SR）时,调整R ²最高,验证集决定系数分别为0.8053、0.8952,其中RF-GA-SVM模型估算等效水厚度效果最佳,其精度满足路域植被等效水厚度监测要求。本文研究成果为等效水厚度估算提供一种有效且精确的方法,同时为发展基于高光谱遥感的路域环境监测提供重要支撑。     

玉米叶面积指数的CHRIS/PROBA数据反演分析

叶面积指数(LAI)是衡量植被生态状况和估算作物产量的一个重要指标。LAI的反演是定量遥感研究的重要内容。传统的经验统计反演方法基于单一观测角度的遥感数据进行,忽略了地物反射率的方向性。若在反演中加入多观测角度的信息,则有可能提升LAI反演的精度。以2008年甘肃省张掖市玉米实验区为研究区,利用欧空局的CHRIS/PROBA多角度高光谱数据对比分析了传统植被指数NDVI、RVI、EVI的变化规律及其反演玉米叶面积指数LAI的精度,并根据NDVI随观测角度的变化规律,构造出新型多角度归一化植被指数MNDVI,分别对实测叶面积指数进行线性回归并利用实测数据对估算LAI进行精度验证,结果表明：新型MNDVI指数相比于传统NDVI、RVI、EVI对LAI的反演精度有了显著提升,估算模型决定系数R²达到0.716,精度验证均方根误差为0.127,平均减小了33.3%。     

基于SEVI的复杂地形山区植被FPAR遥感反演与地形效应评估

植物吸收性光合有效辐射分量（FPAR）的遥感反演是生态环境领域的核心研究内容之一,但在复杂地形山区,其估算精度严重受到地形效应的影响（包括本影与落影）。本文利用能够消除地形阴影影响的阴影消除植被指数（SEVI）对山区遥感影像进行FPAR反演,并分别与基于不同影像预处理程度计算的归一化植被指数（NDVI）、比值型植被指数（RVI）反演的FPAR做对比分析,以评估复杂山区反演FPAR存在的地形效应。结果表明：在不做地形校正的情况下,基于NDVI与RVI反演FPAR会使得本影及落影区域的值远小于非阴影区域的值,它们的相对误差均大于70%;基于C校正后的NDVI与RVI反演FPAR可以较好地校正本影区域,相对误差降至约6.974%,但落影处的校正效果不明显,相对误差约为48.133 %;而基于SEVI反演FPAR无需DEM数据的支持,可以达到经FLAASH+C组合校正后NDVI与RVI反演FPAR相似的结果,且能改善落影区域的地形校正效果,相对误差降至约2.730%。     

一种基于NDISI的复合权重波段双差值不透水面提取指数

针对现有遥感指数提取不透水面取结果中混有沙地、裸土等噪声的问题,本文在传统NDISI的形式基础上,提出一种新型的复合权重双差值不透水面指数（Composite-Weighted Double-Difference Impervious Surface Index, CWDDISI）。通过波段的2次差值扩大不透水面和裸地的光谱表现差距,并以植被指数和夜光灯数据作为约束权重,以此提高热红外波段中的不透水面信息比重的同时降低噪声地物的干扰。本文利用Landsat8 OLI-TIR、Landsat7 ETM⁺以及Sentinel-2A光谱数据,结合珞珈一号、DMSP-OL以及VIIRS/DNB夜光数据,选取广州市、西安市、咸阳市以及深圳市、北京市为实验区展开对比实验。研究结果：① CWDDISI具有很好的多区域适用性。在2018年的数据集上,相较于NDISI,CWDDISI在以山地为主的广州市试验区和以平原为主的西安市、咸阳市实验区中,其不透水面提取总精度分别提高了6.02%和7.56%,Kappa系数提高了0.078和0.104; ② CWDDISI具有很好的多时相数据适用性。实验选取2002年和2016年的Landsat7 ETM⁺多时相数据,以深圳市和北京市为实验区展开对比;相较于NDISI,CWDDISI的不透水面总精度分别提高了1.74%和2.13%,Kappa系数分别增加了0.028和0.076。通过实验对比结果可证明,CWDDISI能够克服传统不透水面指数难以区分不透水面信息和裸土区域的问题,为后续不透水面指数的研究提供参考价值。     

Drought Impacts on Vegetation Indices and Productivity of Terrestrial Ecosystems in Southwestern China During 2001–2012

Drought, as a recurring extreme climate event, affects the structure, function, and process of terrestrial ecosystems. Despite the increasing occurrence and intensity of the drought in the past decade in Southwestern China, the impacts of continuous drought events on vegetation in this region remain unclear. During 2001–2012, Southwestern China experienced the severe drought events from 2009 to 2011. Our aim is to characterize drought conditions in the Southwestern China and explore the impacts on the vegetation condition and terrestrial ecosystem productivity. The Standardized Precipitation Index(SPI) was used to characterize drought area and intensity and a light-use efficiency model was used to explore the effect of drought on the terrestrial ecosystem productivity with Moderate Resolution Imaging Spectrometer(MODIS) data. The SPI captured the major drought events in Southwestern China during the study period, indicated that the 12-year period of this study included both ‘normal' precipitation years and two severe drought events in 2009–2010 and 2011. Results showed that vegetation greenness(Normalized Difference Vegetation Index, NDVI and Enhanced Vegetation Index, EVI) both declined in 2009/2010 drought, but the 2011 drought resulted in less declines of vegetation greenness and productivity due to shorten drought duration and rising temperature. Meanwhile, it was about 5 months lapse between drought events and maximum declines in vegetation greenness for 2009/2010 drought events. In addition, forest, grassland and cropland revealed significant different ecosystem responses to drought. It indicated that grassland showed an early sensitivity to drought, while cropland was the most sensitive to water deficit and forest was more resilient to drought. This study suggests that it is necessary to detect the difference responses of ecosystem to drought in a regional area with satellite data and ecosystem model.     

基于三指数合成影像的西北地区城市建筑用地 遥感信息提取研究

随着西部大开发战略的实施以及“一带一路”战略的影响,西北地区的城市发展也发生着巨大变化,利用遥感影像更加准确地提取西北地区城市建筑用地信息对分析城市扩张趋势、规划城市建设具有重要意义。本文以2000年兰州市主城区和2003年西宁市主城区的Landsat 7 ETM ⁺影像为数据源,结合压缩数据维的方法,通过构建三指数合成影像并利用该影像来提取城市建筑用地信息。实验首先根据兰州市主城区的影像光谱特征,创建了归一化差值裸地指数（NDBLI）。然后将该指数与比值居民地指数（RRI）、修正型归一化水体指数（MNDWI）合成为一个包含3个波段的新型三指数合成影像NRM（NDBLI、RRI、MNDWI）;同时,根据集成学习思想,为增强城市建筑用地信息,将主成分分析的第一波段（PC1）、归一化差值建筑用地指数（NDBI）和比值居民地指数（RRI）合成为一个包含3个波段的新型三指数合成影像PNR（PC1、NDBI、RRI）;最后分别将三指数合成影像NRM和三指数合成影像PNR作最大似然分类提取城市建筑用地信息,将其提取结果与由归一化差值建筑用地指数（NDBI）、修正型归一化水体指数（MNDWI）和土壤调节植被指数（SAVI）所创建的NMS（NDBI、MNDWI 、SAVI）影像得到的最大似然分类结果作精度比较,并利用西宁市主城区影像对本文方法进行了相应验证。结果表明,利用三指数合成影像PNR提取城市建筑用地的总精度和Kappa系数最高,其总精度达到了90%以上,适合于提取西北地区含裸地较多的城市建筑用地。