基于遥感数据的多年平均物候不确定性研究

多年平均物候能够反映植被生长发育节律的均衡状态，是植被物候模拟与预测的关键参数之一。遥感已广泛用于地表物候监测，是空间多年平均物候信息的重要来源。然而，基于遥感的多年平均物候存在不同计算方法，如先确定每年时序曲线的物候点再求平均值（平均法），以及先求多年平均时序曲线再确定物候点（参考曲线法）。上述方法的结果可能存在差异，但目前尚缺乏对这一不确定性及其影响的认识。针对该问题，本研究利用2001年—2016年遥感植被指数数据，分别在平均法和参考曲线法下提取中国森林生长季起始时间的多年平均值（SOSˉ），比较SOSˉ的差异（△SOSˉ）及其空间异质性；进一步选取物候研究中常用指标，即以SOSˉ为基础的温度“季前时长PD（Preseason Duration）”，分析SOSˉ不同计算方法对物候—气候关系的潜在影响。结果表明，（1）不同方法下的SOSˉ差异显著，总体上平均法小于参考曲线法（-2.6±2.2 d，占88%），其中存在8.0%和6.0%的有效像元其动态平均法和固定平均法小于参考曲线法超过7 d，主要分布在东南丘陵地区。（2）△SOSˉ具有显著的空间异质性，主要表现为随年均温的升高而减小（Slope=0.07 d/℃，P<0.01），随年均降水的增加而增大（Slope=-0.0005 d/mm，P<0.01）。（3）不同方法下的PD存在差异，约40%有效像元的差异（△PD）超过5 d（其中近50%的像元△PD超过15 d），主要分布在东南丘陵和西南山区。研究结果将为遥感地表物候的模型空间参数化应用提供有益参考。     

基于垂直订正和湿度订正方法估算川渝地区逐小时PM2.5

针对PM_2.5污染比较严重的川渝地区，本研究利用日本静止葵花卫星（Himawari-8）反演的气溶胶光学厚度（AOD）进行垂直订正和湿度订正估算川渝地区2017年—2018年09：00—16：00时的PM_2.5浓度。首先，基于气象观测的能见度（vis）数据与消光系数σa(λ)之间的关系，引入“标高（Ha）”对气溶胶光学厚度进行垂直订正；其次，根据匹配的气象和环境监测数据对每一个站点逐一拟合1—12月份的吸湿增长因子，并采用反距离加权空间插值（IDW）方法构建吸湿订正因子网格，从而进行湿度订正估算。研究结果表明，经垂直订正和湿度订正后，相比AOD与PM_2.5之间的相关性，“干”消光系数σdry与PM_2.5的相关性显著提高，相关系数（r）由0.12—0.45提高至0.32—0.69；验证09：00至16：00时卫星估算结果，相关系数（r）均大于0.7，均方根误差（RMSE）为18.59±2.26 μg/m³；提取所有观测站点进行验证，r=0.82，RMSE=18.64 μg/m³。     

组合表面Bragg散射模型共极化SAR海表面风速反演

组合表面布拉格散射模型CSBS（Composite Surface Bragg Scattering）由布拉格（Bragg）散射模型和几何光学模型组成，是海洋微波散射的经典模型，可用于星载合成孔径雷达SAR（Synthetic Aperture Radar）海表面风场反演。研究指出，Bragg散射模型仅适用于中等入射角条件，几何光学模型则更适用于小入射角情形。然而，如何确定中等和小入射角的阈值，即CSBS模型最优入射角的选取目前尚无定论。基于142景成像于美国东西海岸和中国东海的RADARSAT-2精细四极化SAR影像数据和海洋浮标数据，本文提出了一种最优局地入射角查找算法，分别对VV和HH极化SAR数据进行最优入射角阈值的选取。结果显示，局地入射角14°和16°分别为VV和HH极化影像CSBS模型反演风速最优入射角。基于最优入射角的选取，本文在0—15 m/s海况区间内利用CSBS模型对VV和HH极化SAR影像开展风速反演实验，并将反演风速与浮标风速进行对比。结果显示，基于VV和HH极化数据的CSBS模型反演风速与浮标风速均方根误差分别为2.15 m/s和2.32 m/s，相关系数分别为0.79和0.75，两者具有良好的一致性。本文研究结论表明基于最优入射角设置后的CSBS模型在海面风速小于15 m/s条件下具有良好的应用性，后续研究将更加关注CSBS模型在高海况以及交叉极化SAR数据情况下的应用。     

“一带一路”沿线国家1992年—2015年土地覆盖变化的时空格局及其驱动力分析

土地覆盖变化影响局域的能源和水平衡，并在全球范围内促进碳的净排放。基于欧空局气候变化倡议项目最新发布的1992年—2015年300 m分辨率的全球土地覆盖数据集，本文分析了1992年—2015年“一带一路”沿线主要土地覆盖类型变化的时空特征及其驱动力。研究结果表明：1992年—2015年沿线耕地、草地和建设用地面积分别增加190.00×10³ km²、57.97×10³ km²和260.39×10³ km²，森林、灌木、湿地和水体面积分别减少61.14×10³ km²、34.22×10³ km²、74.28×10³ km²和44.41×10³ km²。2000年—2015年与1992年—2000年相比，沿线土地覆盖变化的区域空间格局基本一致，但区域变化呈现了新的特征。东南亚区建设用地扩张明显加速，耕地面积增速下降，森林面积减速上升，灌木面积减速下降明显；东亚区建设用地持续高速扩张，耕地面积持续减少，森林面积减速明显下降，草地面积持续增加；中东欧区建设用地扩张速度明显下降，耕地面积减速上升；俄罗斯建设用地扩张持续缓慢，森林面积稳中有升，草地和灌木面积增速下降。分析进一步显示人口增长、气候变化、社会经济发展和政府相关政策是造成沿线国家土地覆盖变化的主要驱动因素。     

SAR与光学遥感影像的玉米秸秆覆盖度估算

秸秆是农田生态系统的重要组成部分。秸秆覆盖度（CRC）的遥感估算可以大范围、快速地获取地面秸秆覆盖信息，对保护性耕作的推广具有十分重要的意义。基于Sentinel-1 SAR影像和Sentinel-2光学影像分别构建了雷达指数与光学遥感指数，结合吉林省梨树县春秋两期实地采样数据，探究遥感指数与玉米秸秆覆盖度的相关性。为进一步提升玉米秸秆覆盖度的估算精度，结合雷达指数与光学遥感指数，采用最优子集回归的方法建立玉米秸秆覆盖度的估算模型，完成研究区的玉米秸秆覆盖度估算制图。结果表明：土壤质地分区建模可有效解决土壤异质性问题，提升反演精度。各遥感指数在秋季高覆盖时期的表现均优于春季低覆盖时期。STI和NDTI指数在光学遥感指数中表现最好，R²分别为0.701和0.697，而在雷达指数中，基于余弦矫正法的γVH0指数与实测CRC的相关性最高，R²为0.564。结合雷达指数与光学遥感指数能够有效地提高秸秆覆盖度估算精度，在最优子集回归法下基于结合指数构建的回归模型最优，R²为0.799，RMSE为13.67%，达到了较高的精度。研究结果为秸秆覆盖度估算的精度提升提供了一种新思路。     

海洋一号卫星水色水温扫描仪红外信息获取

对海温分布与变化的探测是海洋一号卫星主载荷水色水温扫描仪（简称水色仪，COCTS）的主要任务之一。考虑到对海冰和海洋上空台风等气象要素的同时探测，实际水温探测通道的动态范围要求涵盖200—320 K的温度区间。由于某些洋面区域微弱温度的变化将会导致严重天气灾害的发生，因此海温探测通道还需满足探测灵敏度与定量化的精度要求。本文旨在依据技术指标要求，设计水色仪红外通道的信息获取电路，包括对探测器微弱信号进行放大的前置放大电路，消除基础电平以提高动态范围的交流放大器，以及实现信号的直流恢复与动态范围调整的通道放大电路。基于对所使用的光导型红外探测器工作机理的研究，结合水色仪的系统组成与特性，为确保同时满足高动态范围与高灵敏度这一对相互矛盾的指标要求，通过理论分析计算、电路仿真等方法，确定各级放大电路的形式及参数。在真空环境模拟实验室对水色仪的系统性能进行测定，以验证信息获取电路设计的合理性。在实验室进行的红外辐射定标结果表明和在轨测试结果均表明，水色仪两个红外通道的动态范围和噪声等效温差（NETD）均能较好的满足技术指标要求。红外通道能够实时跟踪星上黑体信号随时间与周围环境的变化，可据此来对红外通道的定标系数进行即时修正，从而达到预期的在轨实时辐射定标的目的，为定量化反演海温奠定了基础，并能获取且制作出高质量的全球海温产品。     

Dense RFB和LSTM遥感图像舰船目标检测

针对当前遥感图像舰船目标检测精度不佳问题，本文构建舰船目标数据集STAR，提出基于Dense RFB和LSTM多尺度舰船目标检测算法。该算法首先在SSD网络基础上设计了浅层特征增强模块，基于人眼视点图采用Dense RFB特征复用和膨胀卷积增大感受野的尺度和种类，增强浅层网络对细节特征的提取能力；其次设计了深层多尺度特征金字塔融合模块，采用FPN和LSTM思想，基于反卷积和残差网络对深层不同尺度特征进行融合，增强网络结构非线性和特征层的表征能力；最后加入聚焦分类损失函数进行联合训练，有效避免了正负样本失衡问题。在遥感图像舰船数据集上实验，本文所提舰船目标检测算法精度均值达到81.98%，检测速度达到29.6帧/s。此外，遥感图像中成像模糊、被遮挡、部分被裁剪等舰船目标的检测效果也优于原有经典算法，实验结果表明该算法对遥感图像舰船目标检测的泛化能力较强，有效地提高了遥感图像舰船目标检测的精度。     

超体素约简和谱聚类结合的机载LiDAR点云单木分割

为提高机载LiDAR点云数据的单木分割精度和效率，本文提出了一种基于Nystr?m的谱聚类算法。该算法基于谱聚类方法，同时引入了mean shift体素化和Nystr?m方法，在保持谱聚类算法优越表现的同时，大幅降低了谱聚类算法的空间和时间复杂度。首先，用mean shift方法将点云数据转换到体素空间以合理压缩数据量，使用带有体素权重的高斯相似度函数在体素空间中构造相似图。然后，使用Nystr?m方法计算相似度矩阵的近似特征向量和特征值。接下来，使用K-means方法在特征空间中进行聚类，并将结果映射回原始点集以获得单木的聚类点。最后，直接从单木聚类中获取单木参数。在黑龙江省孟家岗林场的实验结果表明：本算法有效改进了谱聚类算法，以牺牲5%的分割精度为代价将分割效率提升了约96倍；与K-means方法相比，本算法在分割精度和计算效率方面均表现更优；从分割结果中提取的树高参数具有较高的精度，R2和RMSE值分别为0.86和1.62 m。本文提出的基于Nystr?m的谱聚类算法是一种有效的机载LiDAR点云分割方法，可以用来进行单木点云分割和单木因子提取。     

混合稀疏表示模型的超分辨率重建

超分辨率重建是当前卫星遥感数据空间分辨率提升的重要技术，但目前现有的超分辨率重建方法在处理具有复杂地物特征的影像时效果往往不佳。当遥感影像中包含有各种非均匀地物信息时，难以构建一种通用的模型来解决遥感影像的病态问题。基于此，本文结合图像稀疏表达与非凸高阶全变分理论，提出了一种混合稀疏表示模型的新型超分辨率重建方法（MSR-SRR）。这种方法以遥感图像在多重变换域的稀疏性表达作为先验概率模型，通过正则化方法来完成超分辨率重构，不仅保留了超分重建结果影像的边缘信息，而且对影像中产生的“阶梯效应”进行了适当的平滑处理。该方法利用迭代重加权l1交替方向乘子方法进行求解，提高了算法的运行效率，改善了影像质量。为了证明所提出方法的有效性，MSR-SRR结果与非均匀插值、POCS和IBP等传统超分方法的重建结果进行了对比验证。结果表明，MSR-SRR方法的图像清晰度平均提升了31.74%，PSFs半峰宽度最大，高斯方差值达到1.8415，效果明显优于其他方法。为进一步评估MSR-SRR结果的实用性，本文以高分四号卫星（GF-4）影像作为样例，利用支持向量机（SVM）分类方法对超分重建前后的影像进行了分类试验和精度验证。结果表明，超分辨率重建后的影像结果相对于原始影像的分类结果，Kappa系数提升了9.7%，OA值提升了5.96%。这表明MSR-SRR方法可以有效提升影像清晰度，丰富影像纹理细节，增强图像质量，有效提升影像分类精度。     

综合水体指数的创建

在对NDWI和MNDWI等传统水体指数进行分析的基础上,本文提出了一种创建水体指数的新思路:将多光谱图像进行LBV和HSV等复合变换,综合利用变换前的多波段信息和变换后的新波段信息绘制地物光谱曲线,寻找水体的光谱特性,进行水体指数的创建.本文利用ETM+图像HSV变换后的Sat波段以及LBV变换后的V波段,创建了综合水体指数(SWI),并利用SWI进行了遥感影像水体信息自动提取实验.实验表明:利用SWI能准确提取水体信息,有效减少水体提取结果中的误提取像元.     

多级格网时空索引

在时空数据库中,地理实体模型包括地理对象空间信息和时态信息。为了快速查询实体的空间和时间信息,这就需要一个高效的时空索引机制。本文在分析和参考目前几种时空索引方法的基础上提出了一种新的时空索引方法———多级格网时空索引,并介绍了多级格网时空索引的算法。     

植被叶面积指数估算的红边指数建模分析

针对在路域环境监测中,如何精确估算叶面积指数问题,该文提出以长韶娄高速路域为研究区,筛选出4种常用植被指数和4种红边指数两类指数,分别构建了经验模型和机器学习的反演模型,利用Sentinel-2影像数据和同步的LAI-2000地面实测数据完成路域植被叶面积指数反演。结果表明,红边波段参与运算的植被指数与植被叶面积指数敏感性是显著相关,红边指数在反演精度上更优。由此可知,相较于常见植被指数,红边指数增强了其与叶面积指数的敏感性,提高了叶面积指数估算模型精度。