火山区突发性地热异常热红外传输机理研究

实验研究证实，在火山喷发前兆期，火山区有明显的突发性地热异常现象。火山区的突发性地热异常特征与火山区的地质构造、火山成因、规模、类型等多种因素有关。火山区突发性地表热异常是热红外遥感监测、预测火山活动的重要标志。从传导、对流等多方面分析了异常区地表升温机制，并在地物体有效辐射的基础上给出了热红外辐射的大气传输方程。热红外辐射在传输过程中受到地表非漫射性等系统噪声和随机噪声的干扰，为热红外遥感监测、预测火山活动提供了理论依据。     

高光谱热红外数据反演地表温度与比辐射率方法研究

地表温度与地表比辐射率是陆地表层系统的两个重要特征物理量,它们反演的精度将在很大程度上影响间接导出的地表参量的准确性和相关遥感应用的有效性。多光谱热红外反演温度和比辐射率受到陆地表面类型复杂而观测信息不足的限制,很难同时反演出精确的地表温度数值和地表比辐射率数值。高光谱热红外传感器的出现,为更好地解决这一难题带来了机遇。利用高光谱热红外数据的优势和特性,提出了一种基于大气下行辐射残余指标(DRRI)的方法,实现了地表温度与地表比辐射率的准确分离。通过高光谱热红外模拟数据的反演实验表明DRRI方法具有运算速度快、结果精度高、抗噪声干扰能力强等优点。该方法能够应用于野外测量的高光谱热红外数据以及经准确大气校正后的星载高光谱热红外数据。     

基于热红外光谱的干旱区土壤盐分监测研究

土壤盐渍化是新疆最常见的土地退化过程,已经严重威胁到了当地的农业生产、生态稳定和经济发展。通过对渭库绿洲土壤含盐量和土壤热红外光谱分析,探讨了土壤含盐量与热红外发射率之间的定量关系。结果表明：（1）盐渍化土壤的发射率随着含盐量的变化而发生变化,当土壤盐分增加时,发射率也随之增大。（2）土壤含盐量与热红外发射率光谱数据相关性在8.5～9.5 μm波段范围内表现尤为显著,相关系数超过0.8,最高为0.90,对应波段范围9.259～9.271 μm。（3）运用回归模型一阶导数变换形式下建模效果和预测精度都是最优的,R²达到了0.899,RMSE最小为1.734。热红外光谱技术可以反演土壤含盐量,为利用热红外遥感识别土壤盐分信息提供技术支撑。     

基于卫星热红外辐射信息的新疆强震震例分析

利用NOAA-14极轨气象卫星红外波段的探测数据,对遥感数据进行多种处理,采用影像目视解释和提取地表辐射亮温值的方法,对新疆的三次强震进行分析,结果发现在地震前都出现了热红外异常,这为地震监测提供了一个重要信息。     

火山喷发对辐射传输影响的研究

本文根据火山灰粒子的辐射光学特性,计算了火山灰粒子和平流层本底的辐射光学参数。另外,采用大气多次散射的辐射传输方程,计算了火山喷发对大气辐射变温的影响效果。结果表明,与平流层本底相比,火山灰粒子具有很强的吸收性。火山喷发使平流层吸收太阳辐射增温,并使到达对流层和地面的太阳辐射减少;同时,对大气长波冷却率的影响甚微。     

基于BP神经网络的盐渍土盐分遥感反演模型研究

采用遥感技术和BP神经网络技术,结合野外实测的盐渍土光谱特征和实验室化验的土壤含盐数据,对盐渍土盐分的遥感反演进行了模型的设计与编程实现.BP神经网络模型的预测精度在62.5%,明显高于传统统计模型的预测精度,表明BP神经网络能较好地模拟土壤含盐量与光谱数据之间的关系,可用于建立土壤盐分遥感反演模型.     

基于混合像元分解模型的TM6/ETM+热红外波段地表比辐射率估算

地表比辐射率是热红外遥感中的关键参数,在TM6/ETM+热红外波段地表比辐射率估算过程中亟待解决的是混合像元问题.针对该问题选取湖南省张家界永定区TM6影像,基于混合像元分解模型,综合采用散点图和PPI方法提取端元,得出研究区平均比辐射率估算值为0.988.经验证发现纯净像元比辐射率估算精度较高,估算值与实际值的偏差均小于0.003,4种不同土地利用类型的估算精度由高到低依次为水域、林地、耕地和建设用地.     

地形对热红外数据反演林地表面温度的影响

基于同日过境的Landsat ETM+和TERRA ASTER影像,评估地形对林地表面温度的影响,并针对复杂崎岖地形建立一个林地表面温度归一化模型,集中研究复杂地形(数字高程模型DEM和山体阴影HS)对地表温度的影响,因此只选择同种地物(林地)用于建模;此外,利用逐步掩膜的方法分析了林地边缘混合像元带(过渡带)对模型反演精度的影响。研究结果表明,地表温度和DEM呈负相关关系,与山体阴影呈正相关关系;两种卫星数据都证实了地形对地表温度的影响,且林地边缘过渡带宽度为30m时模型的精度达到最高。     

水汽吸收和下垫面发射率对晴空大气红外窗区遥感影响的综合分析

从数学上探讨了晴空大气红外窗区通道遥感陆面特性水汽吸收和陆面发射率的综合影响。首先,基于辐射传输方程推导出大气水汽含量和陆面发射率(ε)引起红外窗区通道遥感陆面亮温(Tg)变化的数学表达式,指出红外辐射在传输过程中水汽吸收衰减的影响主要是引起大气透过率的变化;分析了在高温高湿和低温干燥等不同地区,红外窗区通道的大气透过率所受到的不同程度的衰减,以及水汽吸收衰减和陆面发射率对不同的红外窗区通道的影响。此外,还建立了一个红外窗区通道遥感陆面温度与地面亮温差ΔT=(Ts-Tg,imax)与水汽含量变化Δq和陆面发射率ε的二元多项式拟合方程,进一步分析大气水汽含量和陆面发射率对不同的红外窗区通道遥感的影响;指出红外短波窗区通道不但受太阳辐射污染严重,而且受陆面发射率变化的影响激烈,特别是在寒冷干燥的亚北极冬季。最后强调,为了精确地反演陆面温度,最好采用热红外窗区通道;必须考虑大气订正,特别是在高温高湿区;同时应该考虑陆面发射率等因子的作用。     

基于实测光谱的潮滩土壤含水量遥感反演模型研究

以王港潮滩为研究区,采集土壤样品,测量土样的光谱,分析不同含水量土壤的光谱特征;利用统计相关法,建立TM遥感影像各波段对应波长处的光谱反射率与土壤含水量之间的关系模型.研究结果表明,在干燥条件下,土壤颗粒越细小,土壤表面越光滑平整,土壤光谱反射率越高,随着土壤含水量的增加,土壤反射率呈下降趋势;波长越长,土壤光谱反射率与含水量的相关性越高,其中2 220 nm处的土壤光谱反射率与含水量具有最高的相关性;通过不同的波段组合,建立新的土壤含水量反演因子,其中由490 nm与2 220 nm处光谱反射率的差值建立的因子与土壤含水量具有较高的相关性;由单波段与波段差值因子建立的土壤含水量反演模型的预测误差分别为4.590和5.147,反演精度较高.因此所建模型可以用于获取潮滩土壤含水量的空间分布,能够为研究潮滩土壤含水量与潮滩地形地貌之间的关系提供数据支持.     

基于神经网络模型技术的南京市主城区城市森林遥感调查

城市森林调查是城市森林研究和规划建设的前提和基础工作,而遥感和GIS技术已成为现代城市森林调查的主要方法。遥感信息源和遥感分类技术是决定城市森林遥感调查质量的两个关键因素,研究认为,根据城市森林特点及城市森林研究和规划建设的要求,城市森林遥感调查采用的遥感影像分辨率以8¹0m为宜,神经网络模型分类技术应用于城市森林遥感调查效果较好。本文以南京市主城区为例,以10m分辨率多光谱spot卫星图像与2.5m分辨率全色spot卫星图像的融合图像作为解译信息源,采用dARTMAP神经网络模型进行监督分类,提取了一套具有较高精度的南京市主城区城市森林空间属性数据和图件,并在此基础上分析了南京市城市森林基本特点及规划建设方向。     

基于主成分分析土壤水分扩散率单一参数模型的BP神经网络模型

应用水平土柱法测定了杨凌地区典型粘壤土的水分扩散率,利用土壤水分扩散率的单对数模型和双对数模型对其进行了拟合,建立了土壤水分扩散率单一参数模型,基于主成分分析建立了单一参数模型中参数B的BP神经网络模型。结果表明：利用主成分分析可将研究区域土壤容重、有机质含量、粘粒含量、粗粉粒含量和砂粒含量综合成3个主成分;基于主成分分析建立的BP神经网络模型拟合的单一参数模型参数[B]的均方根误差RMSE为0.308 2;将拟合得到的参数B代入单一参数模型中对土壤水分扩散率进行预测,除去其中较大值的预测结果偏低外,其余土壤水分扩散率预测结果都比较接近实测值,预测结果的均方根误差RMSE为0.257 8,可利用基于主成分分析建立的BP神经网络模型预测单一参数模型中的参数B。     

Derivative‐Neural Spectroscopy for Hyperspectral Bathymetric Inversion*

Bathymetry is an important variable in scientific and operational applications. The research objectives in this study were to estimate bathymetry based on derivative reflectance spectra used as input to a multilayer perceptron artificial neural network (ANN) and to evaluate the efficacy of field and simulated training/testing data. ANNs were used to invert reflectance field data acquired in optically shallow coastal waters. Results indicate that for the simulation‐based models, nonderivative spectra yielded more accurate bathymetry retrievals than the derivative spectra used as ANN input. However, for the empirical field‐based models, derivative spectra were superior to nonderivative spectra as ANN input. This study identifies circumstances under which derivative spectra are useful in bathymetry estimation, and thus increases the likelihood of obtaining accurate inversions.     

1944-2005年黑河流域径流量变化特征及趋势

The Heihe River drainage basin is one of the endangered ecological regions of China. The shortage of water resources is the bottleneck, which constrains the sustainable development of the region. Many scholars in China have done researches concerning this problem. Based on previous researches, this paper analyzed characteristics, tendencies, and causes of annual runoff variations in the Yingluo Gorge （1944-2005） and the Zhengyi Gorge （1954-2005）, which are the boundaries of the upper reaches, the middle reaches, and the lower reaches of the Heihe River drainage basin, by wavelet analysis, wavelet neural network model, and GIS spatial analysis. The results show that： （1） annual runoff variations of the Yingluo Gorge have principal periods of 7 years and 25 years, and its increasing rate is 1.04 m^3/s.10y; （2） annual runoff variations of the Zhengyi Gorge have principal periods of 6 years and 27 years, and its decreasing rate is 2.25 m^3/s.10y; （3） prediction results show that： during 2006-2015, annual runoff variations of the Yingluo and Zhengyi gorges have ascending tendencies, and the increasing rates are respectively 2.04 m^3/s.10y and 1.61 m^3/s.10y; （4） the increase of annual runoff in the Yingluo Gorge has causal relationship with increased temperature and precipitation in the upper reaches, and the decrease of annual runoff in the Zhengyi Gorge in the past decades was mainly caused by the increased human consumption of water resources in the middle researches. The study results will provide scientific basis for making rational use and allocation schemes of water resources in the Heihe River drainage basin.     

基于高光谱数据的天山北坡积雪孔隙率反演研究

以新疆天山北坡中段典型流域季节性积雪为研究对象,基于高光谱遥感监测技术,分析了融雪期积雪孔隙率与光谱反射率的相关性。采用偏最小二乘法(PLS)对相关性较高的波段进行压缩,并提取贡献率最高的前四个主成分,以此用来确定神经网络的隐含节点数、输入层、输出层的初始权值,建立PLS-BP模型进行积雪孔隙率反演研究。结果表明:当隐含节点数为3,模型的线性确定相关系数(R²)较高为0.9159,RMSE为0.04,相对误差为0.23。与传统偏最小二乘回归(PLSR)、主成分回归(PCA)建模方法相比,精度较高,所建定量模型可用于高光谱遥感反演积雪孔隙率。     

基于SOFM网络的京津冀地区生态系统服务分区

生态系统服务与土地利用之间有密切关联,生态系统服务分区对区域生态系统服务的管理和土地利用政策的制定有重要意义。本文以京津冀地区为研究区,依据IGBP2001-2009年间的土地利用数据,在对谢高地等制定的中国陆地生态系统单位面积服务价值系数进行校正的基础上,核算了区域内各县(市)级行政单元单位面积生态系统服务的价值量,构建自组织特征映射网络(SOFM)对京津冀的生态系统服务进行分区,并用ArcGIS识别了不同服务类型的热点区,归纳和总结了每个分区的主导服务类型,并结合全国功能主体区划对该区域未来的发展重点和土地利用政策提出建议。依据分类结果,可将京津冀地区分为4 个区域:Ⅰ. 坝上高原和冀西北山区;Ⅱ. 燕山和太行山地;Ⅲ. 冀中南平原区;Ⅳ. 环渤海滨海区。2001-2009年间,除Ⅳ区的生态系统服务价值呈现增加趋势外,其他区域均有不同程度的减少,减少程度依次为Ⅱ>Ⅰ>Ⅲ。Ⅰ区域发展重点为防风固沙和水源涵养;Ⅱ区域为生物多样性重点保护区域;Ⅲ区域应重点调整城镇用地的比例,适当增加其他生态系统服务;Ⅳ区域应增加水源涵养价值,治理土壤盐渍化。     

基于PSO-PNN模型的喀什噶尔绿洲耕地盐渍化分析

盐渍化是构成绿洲农业低产的主要原因之一,也是农业开发和可持续发展的重要限制因素。为提高盐渍化耕地生产力,促进绿洲农业的可持续发展,以喀什噶尔绿洲耕地为研究对象,利用Landsat 8 OLI遥感影像数据提取遥感指数20个,利用土地利用数据计算研究区耕地开垦年限,用线性拟合的方法将用植被光合作用模型（VPM）模拟的植被净初级生产力（NPP）数据进行降尺度,将遥感指数同土壤采样及实测数据进行相关分析,得到优选的遥感特征变量,再用粒子群优化算法（PSO）优化的概率神经网络（PNN）模型进行盐渍化程度分类,得到研究区耕地盐渍化等级分布情况,后与研究区耕地开垦年限和NPP进行叠加分析。结果表明：（1） 选取增强型植被指数（EVI）、盐分指数2（SI₂）、湿度指数（WI）、MSAVI-WI-SI特征空间（MWSI）、波段6（B6,2.11~2.29 μm）5个遥感参量通过PSO-PNN模型进行盐渍化程度反演准确率约为80%。（2） 耕地开垦年限越大的区域盐渍化程度越低。新开垦的耕地主要分布在研究区东部,而研究区西部大都为开垦年限在45 a以上的老绿洲农业区。（3） 耕地盐渍化严重降低了耕地农作物生产力。研究区耕地NPP较高的区域大都分布在西部,较低的区域大都分布在东部,与盐渍化程度等级分布大致相反。上述研究方法与结果可为后续使用遥感参量进行盐渍化反演的研究提供参考,对干旱半干旱区的盐渍化耕地改良具有一定的参考意义。     

PaleoNet: new software for building,evaluating and applying neural network based transfer functions in paleoecology

Transfer functions that implement organism–environment relationships are now commonly used for inferring past environmental conditions in paleoecology. Specific software for developing and evaluating commonly used modelling techniques such as Weighted averaging (WA), Weighted averaging partial least square (WA-PLS), Maximum likelihood (ML), and Modern analog technique (MAT) are available. A new software programme, PaleoNet, is now available for modelling organism–environment relationships which is specifically designed for the development and the evaluation of artificial neural network (ANN) based transfer functions in paleoecology. Here we present the main characteristics of this new software PaleoNet (User guide version 1.01) and discuss in more detail one of its specific features: the pruning.