遥感定量反演地表参数对于气候变化的响应研究（英文）

遥感定量反演地表参数时间序列产品已被广泛应用于植被动态变化、全球气候变化、防灾减灾及环境保护等领域。由于卫星观测往往受到大气条件(如云、气溶胶、水汽等)以及传感器自身稳定性的影响等,许多由卫星观测反演得到的陆表产品,如归一化差值植被指数(NDVI)、叶面积指数(LAI)、地表温度(LST)、微波极化亮温(PDBT)等存在严重的时空不连续问题。为了获取时间序列上连续、空间上完整的地表参数遥感产品以满足长时序的陆面过程分析与建模的需求,目前已发展多种遥感时间序列重建模型。本文介绍了基于傅里叶变换的时间序列谐波分析(HANTS)方法,能够识别并去除受到云和大气影响的像元(噪声),对原始时序数据进行时间插值来重建连续时间序列的数据,并针对其面向多种不同时空尺度的遥感反演地表参数以及在非洲、南美洲、欧洲、中国及印度等全球不同地区的应用研究进行了综述,包括植被动态变化对于气候变化及流域水循环过程的响应、干旱监测、基于土壤含水量饱和度时间序列分析的洪涝灾害易发区监测、遥感估算地表蒸散发时间尺度扩展等方面的研究,充分阐释了遥感时间序列产品在地气相互作用的各类研究领域的应用。     

植被遥感时间序列数据重建方法简述及示例分析

随着遥感数据的不断积累,植被遥感产品逐渐形成了完善的时间序列数据,这些数据对阐明生态系统动态变化及分析有关的驱动因素具有重要价值.然而,云遮挡、仪器误差等因素严重制约着植被遥感产品的观测质量,往往造成连续观测数据的缺失.对存在数据缺失的序列进行时空重建是准确提取序列变化特征的重要前提,时空重建就是充分利用遥感数据的时空...     

辐射传输模型模拟与深度学习结合的高分一号卫星植被光合有效辐射吸收比例产品反演算法

植被光合有效辐射吸收比例FPAR (Fraction of absorbed Photosynthetically Active Radiation)是碳循环光能利用率模型中的关键参数之一。高分系列卫星的发射，为反演定量遥感产品提供了高时空分辨率的卫星遥感数据，基于高分数据的植被光合有效辐射吸收比例产品能够为生态系统碳循环的分析评估提供更加精细、精度更高的输入参数产品。本文发展了一种基于深度学习的光合有效辐射吸收比例反演方法。该方法利用SAIL(Scattering by Arbitrarily Inclined Leaves)模型模拟多种太阳入射角度、观测角度、大气条件下的植被冠层光合有效辐射吸收比例及冠层反射率，形成海量输入—输出模拟数据集，具有鲁棒性及更好的普适性；基于深度信念网络对数据集进行训练，得到高分一号（GF-1）卫星光合有效辐射吸收比例遥感反演模型。利用中国科学院怀来遥感综合试验站及黑河流域地表过程综合观测网FPAR地面站点连续观测数据对玉米作物、芦苇草地等下垫面反演的FPAR进行了对比验证，RMSE分别为0.15和0.17。本方法以辐射传输模型模拟的多维大气及地表输入...     

闪电河流域水循环和能量平衡遥感综合试验

遥感试验是进行遥感原理的验证、遥感模型与反演方法的发展、遥感产品的真实性检验,推动卫星计划的论证实施及其观测在地球系统科学中应用的重要途径。闪电河流域水循环和能量平衡遥感综合试验以滦河上游闪电河流域为核心试验区,以地球表层系统的水循环过程和能量平衡为研究对象,旨在通过天—空—地一体化的观测手段,针对不同典型地表类型开展全波段主被动协同遥感观测,研究异质地表和山地条件下像元尺度遥感关键参量的观测方案,研究重要水热参量的遥感方法及其同陆面/水文过程模型的结合,支撑国家民用空间基础设施和空间科学先导专项相关卫星计划的论证实施。其中,航空飞行遥感试验搭载L波段主被动一体化微波载荷、双角度热红外相机、四波段多光谱相机和高光谱成像仪进行协同观测,实现了土壤水分、组分温度、植被含水量、叶面积指数等地表参数以及湖泊、水库、湿地等的遥感监测;地面同步观测试验利用车载微波辐射计、地基雷达和光谱仪进行了典型地物如裸土、植被、水体、人工目标等的遥感观测,并按照样区—样方—样点的多尺度嵌套方案进行了地表参数的同步采样,获取了该地区关键地表参数的短时期时空变化特征;同时配合卫星和机载观测,在闪电河流域完成了土壤温湿度、地表水热通量、地表辐射四分量、降水等气象要素的地面观测网络的建设,为验证地表辐射/散射遥感模型,发展、优化和验证水热参量遥感反演算法,研究地表水热参量尺度效应与尺度转化问题提供了重要平台,将促进陆表能量与水分交换过程的理解及其对全球变化的作用和反馈机制的研究。     

集合卡尔曼滤波方法的高时空分辨率山区地表反照率反演EI北大核心CSCD

高分辨率地表反照率遥感产品以其空间分辨率高的优点,目前正成为区域能量平衡和气候变化研究的重要数据源。现行的高分辨率地表反照率遥感反演算法及数据产品均假设地表平坦且均一,缺乏对地表异质性和地形复杂性的考虑,将适用于平坦地表的反演算法应用于山区将存在一定的误差。改进的直接算法将直接反演算法与山地辐射传输模型结合,为反演山区高分辨率地表反照率提供了可能,可以反演山区地表反照率产品。但该算法受到下垫面积雪、云污染等影响,反演的影像时域不连续,且存在着较多的缺失值,无法构建时空连续的地表反照率产品来支撑山区地表能量平衡相关研究。针对这一问题,本文以高分四号(GF-4)卫星数据为例,首先基于改进的直接反演算法反演山区高分辨率地表反照率,结合MODIS BRDF/Albedo产品构建先验知识背景场,采用集合卡尔曼滤波方法对反演的山区地表反照率进行时空填补,构建了时空连续的地表反照率反演方法,并生产了2016年—2017年的山区地表反照率产品。研究结果表明,反演的时空连续高分辨率地表反照率产品与地面站点观测数据的一致性较好。不同坡度地面站点的验证结果显示,反演的时空连续地表反照率产品在湿地、农田等平坦地表下RMSE小于0.01,坡度较大的站点下RMSE为0.0163。本文描述的山区地表反照率时空填补技术也可以应用到其他定量遥感产品,为这些产品在山区地表下的填补技术提供有效参考。     

融合高分一号、风云四号及葵花-8的光合有效辐射遥感方法及产品研究

光合有效辐射是植被生产力模型的重要输入参数，也是陆地生态系统模型及生物地化模型等的重要特征参量。目前的全球或区域尺度光合有效辐射产品在起伏地表情形的精度及可用性尚存在不足，高分系列卫星的发射，为高空间分辨率光合有效辐射遥感产品反演提供了可能。本文结合高分一号卫星(GF-1)反演的地表反照率产品，气溶胶光学厚度产品，日本新一代静止卫星Himawari-8及国产风云四号卫星(FY-4)的云光学厚度产品及美国的SNPP卫星反演的气溶胶光学厚度产品(用于填补GF气溶胶产品的空值区)，发展了一种基于参数化模型的光合有效辐射遥感反演方法。晴空条件下，主要考虑气溶胶和瑞利散射对光合有效辐射的衰减；云天情形，则主要考虑云光学厚度参数对入射辐射的影响，以球形粒子的Mie散射理论和平面平行大气辐射传输原理计算总透过率；针对起伏地表，分别计算地形对坡面入射角度的影响、对直接辐射的遮蔽以及对散射辐射的增强/衰减效应，从而得到高分卫星光合有效辐射遥感反演模型及产品。利用河北怀来试验站、西南大学柑研所及黑河流域地表过程综合观测网的连续观测数据对光合有效辐射产品进行了对比验证，其相关系数为0.87，平均偏差为1.5...     

双集合卡尔曼滤波估算时间序列LAI

遥感估算叶面积指数(LAI)时空动态变化对全球气候变化研究具有重要的意义,为了提高遥感估算时间序列叶面积指数的精度,需要耦合遥感观测数据与LAI动态过程模型。本文提出一种基于双集合卡尔曼滤波(Dual EnKF)的时间序列LAI反演方法,同时更新LAI估计值和LAI动态过程模型中的敏感性参数,得到LAI和动态过程模型敏感参数的最优估计值来优化动态过程模型。一方面使得动态过程模型可以更好地描述LAI随时间的变化过程,降低模型预测误差,从而提高LAI动态过程模型的预测能力;另一方面通过耦合动态过程模型和辐射传输模型,集成遥感观测数据与动态过程模型的预测值,进而得到优化的LAI估计值。为检验算法,分别选取作物、草地和林地等典型植被验证站点进行Dual EnKF LAI时间序列估算,并分别与MODIS LAI产品及其SG滤波曲线、集合卡尔曼滤波方法反演LAI、未优化的动态过程模型模拟LAI结果进行比较,并配以一些站点地面实测点数据作为参考。结果表明,采用Dual EnKF方法得到的LAI不但保持了时间上的连续性,而且通过改善动态过程模型的预测能力,即使在缺乏高质量遥感观测数据时,也能够获得符合LAI发展趋势的估算值,没有出现跳跃、波动现象,时间序列曲线较稳定,更符合植被LAI变化规律,表明基于Dual EnKF的时间序列LAI遥感估算方法是提取LAI时间廓线的一种有效途径。     

基于Savitzky-Golay滤波算法的FY-2F地表温度产品时间序列重建

卫星遥感技术可获取大面积、空间连续的地表温度(land surface temperature,LST),为全球变化、生态环境和农业生产等领域提供了宝贵的数据源,但受到云、气溶胶、观测角度和太阳光照角度等影响,遥感反演的LST在时间和空间上均存在不同程度的缺失,限制了LST遥感产品的应用。以长江三角洲地区为研究区,以风云2号F星(FY-2F) LST日均值产品为数据源,利用LST时间序列特征,基于Savitzky-Golay(S-G)滤波算法进行了LST长时间序列的重建研究。结果表明,研究区重建前FY-2F LST产品的平均时相缺失率为19. 43%,经滤波后缺失率降低为1. 69%,并能够保证LST空间一致性。通过模拟验证,S-G滤波重建LST的拟合精度为0. 95,平均绝对误差为1. 35 K,具有较高的精度,可以用于进一步热环境时空分布规律的研究。     

高分五号痕量气体差分吸收光谱仪的地表UV-B辐照度初步反演

地表UV-B辐照度会对地球生态系统产生非常重要的影响。利用卫星遥感探测，可实现全球地表UV-B辐照度的长期探测，对于生态系统评估和大气科学研究等具有重要意义。目前基于国产卫星的地表UV-B辐照度产品较少，因此本文开展了高分五号卫星大气痕量气体差分吸收光谱仪(EMI)的地表UV-B辐照度的初步反演。首先基于地表UV-B辐照度的敏感性分析结果，建立无气溶胶情况下晴空地表UV-B辐照度查找表。随后提出了云、气溶胶场景下的校正方法，实现了全球地表UV-B辐照度的反演。最后，为验证该算法的准确性，将EMI结果分别与欧洲OMI卫星数据、WOUDC地面站点数据进行了对比，其中与OMI数据的相关系数大于0.9，与WOUDC地面站点数据的相关系数达到0.91。研究结果表明EMI载荷的地表UV-B辐照度产品准确性高，为后续地表UV-B辐照度等相关产品的发布提供研究基础，也证明了该载荷在全球地表紫外辐射时空分布监测应用中的能力。     

日光诱导叶绿素荧光遥感反演及碳循环应用进展

在植被遥感领域,遥感植被指数在过去30年极大地促进了从宏观尺度上来理解和认识地球生物圈,但是以"绿度"观测为主的植被指数仅表征植被"潜在光合作用",而不能直接量化"实际光合作用"。植被叶绿素荧光在光合作用探测上具有优势,是"实际光合作用"的直接探测方法。日光诱导叶绿素荧光(SIF)遥感是近年快速发展起来的新型遥感技术,尤其是2011年实现全球尺度卫星反演以来,在反演算法、植被监测和碳循环应用等方面发展迅速,是近10年来植被遥感领域最具突破性的研究前沿。本文阐述了现阶段(2011年以来)SIF遥感反演及其在碳循环应用方面的进展。本文首先介绍了卫星SIF遥感的发展及其反演算法现状;然后重点剖析了其在陆地生态系统总初级生产力(GPP)估算、全球碳循环监测、物候和植被胁迫监测等方面的应用现状和特点;最后从卫星SIF反演算法优化、SIF-GPP关系机理、SIF多尺度综合观测和全球碳循环监测等方面对今后植被SIF遥感的发展前景进行了展望。     

利用时间序列傅立叶分析重构无云NDVI图像

利用基于傅立叶变换的HANTS算法，对中国地区（不包括南海诸岛）AVHRR NDVI时间序列数据进行简化和压缩，将植被的动态变 化情况通过NDVI在时间和空间上量化，实现了时间序列图像中云和错误信息的检测、去除和替代。利用HANTS算法提取时间序列的傅立 叶分量（幅值分量、频率分量），并由这些分量得出NDVI时间序列拟合曲线，依照曲线进行时间上的插值，从而重构无缝的时间序列图 像。     

Land cover classification of the North China Plain using MODIS_EVI time series

Moderate Resolution Imaging Spectroradiometer (MODIS) data have played an important role in global environmental and resource research. However, its low spatial resolution has been an impediment to researchers pursuing more accurate classification results. In this research, the high temporal resolution of MODIS was employed to improve the accuracy of land cover classification of the North China Plain using MODIS_EVI time series from 2003. Harmonic Analysis of Time Series (HANTS) was performed on the MODIS_EVI image time series to reduce cloud and other noise effects. The improved MODIS_EVI time series was then classified into 100 clusters by the Iterative Self-Organizing Data Analysis Technique (ISODATA). To distinguish ambiguous land cover classes, a decision tree was built on five phenological features derived from EVI profiles, Land Surface Temperature (LST) and topographic slope. The overall accuracy of the final land cover map was 75.5%, indicating the promise of using MODIS EVI time series and decision trees for broad area land cover classification.     

Optimizing and comparing gap-filling techniques using simulated NDVI time series from remotely sensed global data

NDVI (Normalized Difference Vegetation Index) time series usually suffer from remaining cloud presence, even after data pre-processing. To address this issue, numerous gap-filling (or reconstruction) techniques have been developed in the literature, although their comparison has mainly been local to regional, with only two global studies to date, and has led to sometimes contradictory results. This study builds on these different comparisons, by testing different parameterizations for five NDVI temporal profile reconstruction techniques, namely HANTS (Harmonic Analysis of Time Series), IDR (iterative Interpolation for Data Reconstruction), Savitzky-Golay, Asymmetric Gaussian and Double Logistic, and then comparing them as generally parameterized, and then with the best of the tested parameterizations. These comparisons show that the HANTS reconstruction technique provides lower errors in cloud prone areas, while the IDR method works best with shorter cloud covers. However, the remaining errors in cloud prone areas are still high, and there is room for new reconstruction techniques. Although these results are only applicable to the range of the tested parameterizations, these latter have been chosen within widely used configurations, and should provide interested users with a better understanding of the different methods and the best parameterization for their needs, as well as an estimate of the expected error in the reconstruction of NDVI time series.     

Spatial and Temporal Relationships among NDVI,Climate Factors,and Land Cover Changes in Northeast Asia from 1982 to 2009

This study uses a multiple linear regression method to composite standard Normalized Difference Vegetation Index (NDVI) time series (1982-2009) consisting of three kinds of satellite NDVI data (AVHRR, SPOT, and MODIS). This dataset was combined with climate data and land cover maps to analyze growing season (June to September) NDVI trends in northeast Asia. In combination with climate zones, NDVI changes that are influenced by climate factors and land cover changes were also evaluated. This study revealed that the vegetation cover in the arid, western regions of northeast Asia is strongly influenced by precipitation, and with increasing precipitation, NDVI values become less influenced by precipitation. Spatial changes in the NDVI as influenced by temperature in this region are less obvious. Land cover dynamics also influence NDVI changes in different climate zones, especially for bare ground, cropland, and grassland. Future research should also incorporate higher-spatial-resolution data as well as other data types (such as greenhouse gas data) to further evaluate the mechanisms through which these factors interact.     

长江三角洲地区地表温度年内变化规律与气候因子的关系分析

以长江三角洲地区为研究区,利用2005年全年的MODIS地表温度产品和气象观测资料,定量分析了地表温度年内变化规律与气候因子之间的时滞响应关系。首先,通过谐波分析方法(Harmonic Analysis of Time Series,HANTS)消除地表温度数据中云的影响,提取地表温度时间序列谐波(即周期变化规律),重建地表温度无云时间序列;然后,利用DEM和纬度数据计算了研究区太阳辐射的空间分布,并将其与地表温度的年内变化进行时滞相关分析。0.991 6的相关系数表明:太阳辐射是地表温度年周期变化的主要控制因素,地表温度峰值出现的时间相对于太阳辐射时间而言滞后20 d左右;时滞相关分析表明,地表温度和气温之间的年内变化规律呈极显著相关,气温的变化相对于地表温度存在约5 d左右的滞后响应。     

区域作物生长过程的遥感提取方法

提出利用时序NDVI数据提取作物生长过程方法。遥感数据在采集过程中受云、大气因子的影响 ,以及混合像元问题 ,造成时序植被指数值变得没有规律 ,对比性不强。采用基于最小二次方拟合的谐函数分析方法 ,依据作物轮作规律和生长周期性特征 ,用主要频率的正弦、余弦谐函数重建时序图像 ,去除了影像中云污染的影响。以中国的旱地为例 ,考虑到像元内旱地对NDVI值的贡献率 ,计算区域内旱地像元加权平均值来反映其作物生长过程。同时与区域所有像元的平均值、旱地平均值等统计方法的结果进行对比分析 ,表明区域内旱地的加权平均值能够削弱旱地比例和地域间的差异 ,突出耕地上作物的生长过程特征。通过与地面实测数据分析 ,平滑前后的作物生长过程与叶面积指数相关性增加 5 %— 11% ,采用区域加权平均的方法得到的作物生长过程 ,比旱地平均和NDVI平均的结果与叶面积指数的相关性增加 14 %— 17%。     

基于决策树模型的武汉市地表比辐射率反演研究

地表比辐射率值是反演地表温度中的关键参数,它通过高效的遥感影像分类方法来获取。利用NDVI指数,MNDWI指数及NDBI指数,探讨基于决策树模型的比辐射率估算方法,并通过与传统方法的对比研究,认为针对武汉市的特点,采用决策树的比辐射率估算方法精度高于传统模型,较适合研究区的地表组成特征。     

Characterizing spring phenology of temperate broadleaf forests using Landsat and Sentinel-2 time series

Vegetation phenology has a great impact on land-atmosphere interactions like carbon cycling, albedo, and water and energy exchanges. To understand and predict these critical land-atmosphere feedbacks, it is crucial to measure and quantify phenological responses to climate variability, and ultimately climate change. Coarse-resolution sensors such as MODIS and AVHRR have been useful to study vegetation phenology from regional to global scales. These sensors are, however, not capable of discerning phenological variation at moderate spatial scales. By offering increased observation density and higher spatial resolution, the combination of Landsat and Sentinel-2 time series might provide the opportunity to overcome this limitation.In this study, we analyzed the potential of combined Sentinel-2 and Landsat time series for estimating start of season (SOS) of broadleaf forests across Germany for the year 2018. We tested two common statistical modeling approaches (logistic and generalized additive models using thin plate splines) and the two most commonly used vegetation indices, the Normalized Difference Vegetation Index (NDVI) and the Enhanced Vegetation Index (EVI).We found strong agreement between SOS estimates from logistic and spline models (r_EVI = 0.86; r_NDVI = 0.65), whereas agreement was higher for EVI than for NDVI (RMSD_EVI = 3.07, RMSD_NDVI = 5.26 days). The choice of vegetation index thus had a higher impact on the results than the fitting method. The EVI-based SOS also showed higher correlation with ground observations compared to NDVI (r_EVI = 0.51, r_NDVI = 0.42). Data density played an important role in estimating land surface phenology. Models combining Sentinel-2A/B, with an average cloud-free observation frequency of 12 days, were largely consistent with the combined Landsat and Sentinel-2 models, suggesting that Sentinel-2A/B may be sufficient to capture SOS for most areas in Germany in 2018. However, in non-overlapping swath areas and mountain areas, observation frequency was significantly lower, underlining the need to combine Landsat and Sentinel-2 for consistent SOS estimates over large areas. Our study demonstrates that estimating SOS of temperate broadleaf forests at medium spatial resolution has become feasible with combined Landsat and Sentinel-2 time series.     

MODIS NDVI时间序列数据的去云算法比较

受多重因素的影响,MODIS NDVI数据产品中存在着大量的噪声,需要进行去噪重建.针对目前几种常用的NDVI时间序列数据去云方法,如HANTS法、SPLINE插值法以及Savizky-Golay法,以山东省MODIS NDVI时间序列数据(一年的)作为检验数据,从不同角度比较几种算法的去云能力和使用范围.结果表明:S...     

Modeling Valley Fever Incidence in Arizona Using a Satellite-Derived Soil Moisture Proxy

Valley Fever is caused by inhalation of spores from the soil-dwelling fungus Coccidioides spp. Pima, Pinal, and Maricopa counties, Arizona, have the highest Valley Fever incidence on earth. Despite reported links between climate, habitat, disease timing, and seasonality, relationships between the fungus and its putative affinity to moist soils are poorly understood. We used Normalized Difference Vegetation Index (NDVI) time series from the Advanced Very High Resolution Radiometer (AVHRR) sensor to compare soil moisture variations with disease incidence. Results suggest moist soils in the early spring, resulting from antecedent winter precipitation, correlate with increased incidence in these counties up to a year later.