利用能量因子进行DEM升尺度转换精度评价

全面评价数字高程模型（digital elevation model，DEM）升尺度转换方法的精度，有助于合理选择DEM升尺度转换方法，掌握DEM尺度转换规律及构建新的DEM升尺度转换模型。然而目前关于DEM精度评价的研究成果还难以达到实际应用的要求，从全新的视角寻找客观、高效的DEM升尺度转换结果的精度评价方法仍有待研究。基于地球表面接收太阳辐射的分布特性，提出基于能量因子的DEM精度评价方法，应用于不同DEM升尺度转换方法的精度评价中。基于现有的精度评定与质量评价方法，构建定性与定量分析相结合的综合评价方法，以验证基于能量因子的精度评价方法的合理性和有效性。实验结果表明，基于能量因子的精度评价方法原理简单、操作方便，能够反映升尺度转换后DEM地形空间遮蔽关系的变化情况。该方法为DEM升尺度转换结果的精度评价提供了新的思路和方向，对DEM在定量遥感建模与山区地表生态参量反演等方面的应用具有一定的借鉴意义。     

遥感尺度效应的数值模拟——以叶面积指数为例

遥感尺度效应问题的存在已经严重限制了定量遥感应用的发展,制约了定量遥感反演精度的提高,成为定量遥感研究中亟待解决的热点问题之一。总体而言,对尺度效应从数学上的泰勒级数展开规律分析的理论较多,然而从遥感数据直观模拟的角度较少。为此,本文从叶面积指数出发,利用机载航空WIDAS数据,引入洛仑兹曲线表达了地表变量的异质性。结合不同非线性程度的LAI反演模型及尺度上推聚合方法分析了尺度效应的成因,结果发现,尺度效应是空间异质性和反演函数非线性的综合体现,空间异质性和反演函数非线性程度的增加均会造成尺度效应的增大。     

空间尺度上推转换对影像信息的影响分析

针对尺度上推转换在不同空间分辨率遥感影像的应用结果中所产生的光谱扭曲和失真现象未受到普遍重视这一现象。以福建省河田盆地马尾松林样区为研究对象,采用同时相的1～16m卫星多尺度观测影像,基于最邻近法、双线性内插法、三次卷积内插法以及像元聚合法4种方法,将原始影像转换生成一系列低分辨率影像,并分别与同尺度真实卫星影像的光谱反射率、植被指数、光谱空间结构和影像产品数值进行对比分析,以定量评估升尺度转换对影像光谱信息的影响。结果表明:伴随升尺度倍数的增加,升尺度转换影像的光谱均值、NDVI以及变化趋势与真实观测尺度影像相比呈显著差异;经不同倍数尺度上推后的影像空间信息量和清晰度逐渐下降,其幅度明显低于真实影像的变化结果。建议通过构建经验统计方程对不同传感器数据进行光谱转换,以充分利用多尺度遥感观测优势并保证结果的准确性。     

构造地理要素趋势面的尺度转换普适性方法探讨

当前的遥感科学面临着遥感数据获取能力与数据应用能力之间突出的供需矛盾。尺度问题作为遥感科学中的关键问题,既限制了遥感作为一门科学向系统性、普适性的发展,又限制了遥感应用能力的发展。本文对定量遥感中的尺度问题进行了梳理,包括:遥感与传统站点观测之间的不一致、不同尺度遥感产品之间的不一致、机理模型的尺度适用问题,以及遥感产品与用户需求时空尺度间的不一致。对遥感中的尺度转换方法展开了讨论,总结了尺度转换的关键问题在于原数据信息量不足时引入额外信息和保留关键信息两方面。提出了构造地理要素趋势面的基本构想,搭建了一个具有普适性的尺度转换方法框架。核心内容是充分利用地表环境要素时间、空间上的信息作为先验知识,通过关联遥感观测新信息和先验趋势面生成指定时空尺度的地表要素产品。     

水环境参数定量遥感反演空间尺度误差分析

对地观测技术的快速发展为水环境定量遥感监测提供了多源遥感数据的有利支撑,然而多源数据空间尺度差异引起的遥感数据和定量产品的不一致性严重制约了水环境科学研究和业务化应用。针对多源遥感数据的空间尺度转换和尺度误差问题,本文提出一种模拟遥感成像过程点扩散函数(PSF)的多源遥感数据空间尺度转换方法。以高空间分辨率GF-1卫星16m遥感数据为基础,模拟了常用的内陆水环境监测卫星Landsat TM/ETM+/OLI(30m)、Terra/Aqua MODIS(250m、500m、1000m)数据,系统研究了高动态浑浊水体(以鄱阳湖悬浮颗粒物监测为例)多源定量遥感监测的空间尺度误差,并对比分析了常用的多源数据尺度转换方法(基于遥感反射率数据平均法和基于悬浮颗粒物产品平均法)的有效性。结果表明,基于点扩散函数的空间尺度转换方法与传统方法具有较高的相关性,基于遥感反射率数据平均法的水环境定量遥感产品的误差水平低于基于悬浮颗粒物产品平均法;相对于南海等相对平稳水体的低空间尺度误差水平(0.5%),在高动态浑浊的内陆或近岸水环境遥感监测中,由空间尺度变化引起的产品误差可达±5%左右。因此,在高精度水环境定量遥感发展应用的需求和多源多尺度遥感数据协同的背景下,本文研究对于提高多源遥感监测产品的一致性和应用能力具有重要理论和现实意义。     

两种普适性尺度转换方法比较与分析研究

着重阐述了地表空间信息尺度转换的必要性和方法.首先从尺度转换成因分析入手,介绍了两种普适性的尺度转换模型,即泰勒级数展开模型和计算几何模型,并对这两个模型的适用性进行了分析.借助叶面积指数的反演,针对林地、农田、水体3种不同下垫面的试验样区进行了模型的分析比较.结果表明,在拥有小尺度(高分辨率)数据时,泰勒级数模型能够很好的刻画尺度效应,使得尺度效应改正后的相对误差小于1%,获取更为准确的地表参数反演值.遥感尺度转换方法、技术为获取不同尺度的地学信息,为资源调查和环境灾害监测等相关领域的应用提供真实可靠的多尺度数据支持.     

基于尺度转折点的尺度转换方法研究

如何用一种向上的尺度转换方法使得一幅高分辨率的遥感图像经向上尺度转换后可以生成一幅低分辨率的遥感图像,并且使这幅新生成的图像所描述的地物空间关系、空间格局及破碎程度等信息与实际情况下该尺度下的信息保持一致,损失的信息量最少。如何找到这样一种尺度转换的方法是尺度问题中的核心部分,也是遥感中最终要解决的问题。本文一方面结合景观生态学中有关空间分析和尺度转换的方法及最近提出的基于直方变差图的尺度转换方法,对这些方法加以对比并分析了它们各自的优缺点;另一方面在直方变差图的基础上结合分形理论引入了尺度转折点这一概念。通过各个尺度转折点可以确定各个尺度域。。如何找到不同尺度域之间的尺度转换方法将是本研究的重点。本文拟采用的数据为互联网上的IKONOS天安门地区图像。     

叶面积指数遥感尺度效应与尺度纠正

由于地表空间异质性的普遍存在,遥感反演模型的非线性必然会导致不同分辨率观测的遥感结果不一致,从而产生遥感产品尺度效应。本文研究了遥感产品尺度效应概念、模拟方法和定量计算模型,并利用锡林浩特草原研究区的实测数据,对尺度效应模型和方法进行了定量计算与验证分析。首先,基于不同升尺度方法与多尺度遥感成像机理之间的机理联系,通过“先反演再平均”与“先平均再反演”之间的差异,可计算“高”分辨率与“低”分辨率之间的遥感产品尺度差异。其次,分别以红光、近红外两波段反射率和归一化植被指数(NDVI)为自变量,对叶面积指数(LAI)非线性遥感模型进行泰勒展开,研究了模型非线性、遥感数据空间异质性对LAI遥感产品尺度差异的影响,发现高阶项可忽略,利用二阶导数项和遥感数据方差项可定量计算遥感产品尺度差异,经过二阶导数项纠正后的尺度差异相对偏差从5.6%分别降低到0.78%和1.45%。最后,分析了LAI遥感产品尺度效应的特征规律,得出以下结论:随着植被覆盖的增大,同等遥感空间异质性的LAI遥感产品尺度差异越大,且红光波段比近红外波段的尺度差异敏感性高近2个数量级;对于绝大部分陆地植被区域,存在“低分辨率低估”尺度效应,且遥感产品尺度差异的主导要素为LAI模型非线性,NDVI变量自身非线性对尺度效应贡献占23.5%;对于湿地类植被与水体混合情形,NDVI变量非线性的贡献为主导贡献,出现“低分辨率高估”尺度效应,必须利用红光、近红外两波段的二阶导数项非线性尺度差异,才能解释这一类型的LAI遥感产品尺度效应。本文建立了具有一定普适意义的遥感产品尺度效应定量模拟与尺度纠正方法,对推动定量遥感的尺度问题研究有一定参考价值。     

遥感估算伊洛河流域地表蒸散的空间尺度转换

针对低分辨率遥感数据在区域地表蒸散(evapotranspiration,ET)估算中存在的空间尺度效应问题,提出一种基于网格面积比例加权聚合(grid area ratio weighting lumped method,GARWLM)的空间尺度转换方法。通过在网格(1km×1km)内部基于各种地表覆盖类型所占面积比例,分别赋予相应权重,建立高分辨率遥感数据向低分辨率遥感数据的尺度转换模型,实现了由高分辨率数据估算的ET向低分辨率数据估算的ET的空间尺度转换,并通过回归对低分辨率数据估算的ET进行了尺度效应纠正。在伊洛河流域的试验结果表明,估算的ET与地面实测数据的平均相对误差由纠正前的23.5%减小到纠正后的12%,与高分辨率估算结果的相关性分别由纠正前的0.339提高到纠正后的0.604,经过尺度纠正后的ET精度有了很大程度的提高。     

尺度问题研究进展

尺度是与空间现象与过程有关的术语, 关于尺度、尺度效应及尺度转换方面的研究广泛地存在于材料、化学、计算机等领域。在总结地学领域尺度、尺度转换及尺度效应研究的基础上, 着重介绍了近年来在定量遥感领域尺度相关问题的新兴研究进展。     

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。     

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。     

面向对象影像多尺度分割最大异质性参数估计

多尺度分割是遥感影像分析的关键步骤,影像分割过程中的尺度参数选择直接关系到面向对象影像分析的质量和精度。首先,总结了面向对象影像分析中尺度概念的内涵,分析遥感影像空间和属性两大基本特征,依据空间统计和光谱统计获得理论上最优的空间尺度分割参数、属性尺度分割参数。其次,运用了基于谱空间统计的高分辨率影像分割尺度估计方法,分析了分形网络演化多尺度分割与影像谱空间统计特征的关系,进而将基于谱空间统计的面向对象影像分析尺度参数应用于分形网络演化多尺度分割算法中,最后,对其参数的合理性进行验证。研究采用高空间分辨率IKONOS和SPOT 5影像数据,选择建筑实验区和农田实验区进行空间和光谱特征统计,以进一步估计分割中的最佳尺度参数。使用分形网络演化方法对图像进行分割,利用监督分类对本文提出的尺度估计方法进行验证,验证结果表明尺度估计方法可以一定程度上保证后续的面向对象影像分类的精度。不同于以往分割后评价的尺度选择方法会需要大量的运算量,本文方法不需要先验知识的参与,且在分割前就可以自适应地估计出相对较为合适的尺度参数,提高了面向对象信息提取的自动化程度。     

异质性地表反照率遥感产品真实性检验研究现状及挑战

地表反照率直接决定了地表能够吸收到的太阳辐射能量,是研究气候变化、能量平衡的一个关键参数。遥感为大尺度、连续获取地表反照率提供了一种有效的观测手段。但遥感数据本身的精度限制和反演模型的不确定性,使基于卫星数据反演的反照率产品存在误差,而这种误差的存在又会影响产品的进一步应用。正确的认识这种误差有助于提高产品的应用精度,深化其应用的深度和广度。真实性检验就是正确认识卫星反照率产品准确性、稳定性的重要手段,它是卫星产品从生产到应用的桥梁。虽然目前已经开展了大量的真实性检验工作,但即使是针对同一种卫星产品,真实性检验的结果往往并不一致。其根本原因在于验证中所采用的参考值能不能够准确地代表卫星像元尺度的地面真值。地面观测和卫星产品像元之间巨大的尺度差异以及广泛分布的地表异质性,使地面观测并不能直接作为像元尺度真值与卫星产品进行简单的对比。因此真实性检验过程并不是直接的,而是需要经过一系列严格、独立的过程得到像元尺度真值后与产品在一定的空间和时间范围内进行对比。针对目前真实性检验结果准确性和可信度不高等问题,本文尝试从地面实测数据、尺度转换、验证方式、评价方法及验证中存在的问题等几个方面来论述反照率产品的真实性检验现状及挑战。     

遥感数据空间尺度分级模型与基本比例尺关系

多源遥感数据综合应用是遥感发展的必然趋势,统一的遥感数据空间尺度分级模型是多源数据集成与综合应用的基础。虽然已有多种空间尺度分级模型,但很多主流模型并非出于分尺度综合应用目的,缺乏客观的比较和评价。国家基本比例尺系统作为经过论证、中国应用面最广泛、接受度最高的一种尺度分级系统,是以应用为导向的遥感数据空间尺度分级模型的最优参照系。从不同视觉精度下国家基本比例尺对图像空间分辨率的需求出发,比较各空间尺度分级模型的层级分辨率与需求分辨率的匹配情况,包括OGC Well Known Scale Set的Global CRS84Pixel和Google Maps Compatible,以及NASA World Wind、Google Map、百度地图、天地图等软件平台采用的层级格网系统,以及"五层十五级"遥感数据组织模型,通过对数据信息冗余度的分析,对各个模型进行了评价。结果表明,在高视觉精度应用需求下,"五层十五级"模型与基本比例尺精度要求具有较明显的匹配优势,其次为OGC Google Maps Compatible模型和天地图模型,其余模型平均数据冗余倍数在2倍左右;在低视觉精度应用需求下,"五层十五级"模型平均数据冗余度仍为最低,其次为Google Map模型,其余模型平均数据冗余倍数都在2倍以上。     

遥感数据产品真实性检验不确定性分析研究进展

不确定性分析是遥感产品真实性检验最重要的部分,本文以叶面积指数LAI为例,从测量、模型以及蕴含在测量和模型中的尺度效应3个方面分析产品真实性检验过程的不确定性来源,并针对问题提出减小其不确定性的办法。对于相对均一的地表,地面测量的空间代表性比较好,可不考虑地表空间代表性引起的尺度效应和蕴含在模型中的尺度效应引起的不确定性。针对异质性地表,分为两种情况:若模型是线性的,蕴含在模型中的尺度效应可以忽略,只需要考虑测量的不确定性、模型本身的不确定性、以及地面测量的空间代表性引起的尺度效应;若模型是非线性的,则测量、模型和蕴含在测量和模型中的尺度效应引起的不确定性都需要考虑。     

Forward a spatio-temporal trend surface for long-term ground-measured albedo upscaling over heterogeneous land surface

Upscaling ground albedo is challenged by the serious discrepancy between the heterogeneity of land surfaces and the small number of ground-based measurements. Conventional ground-based measurements cannot provide sufficient information on the characteristics of surface albedo at the scale of coarse pixels over heterogeneous land surfaces. One method of overcoming this problem is to introduce high-resolution albedo imagery as ancillary information for upscaling. However, due to the low frequency of updating of high-resolution albedo maps, upscaling time series of ground-based albedo measurements is difficult. This paper proposes a method that is based on the idea of conceptual universal scaling methodology for establishing a spatiotemporal trend surface using very few high-resolution images and time series of ground-based measurements for spatial-temporal upscaling of albedo. The construction of the spatiotemporal trend surface incorporates the spatial information provided by auxiliary remote sensing images and the temporal information provided by long time series of ground observations. This approach was illustrated by upscaling ground-based fine-scale albedo measurements to a coarse scale over the core study area in HiWATER. The results indicate that this method can characterize the spatiotemporal variations in surface albedo well, and the overall correlation coefficient was 0.702 during the study period.