光学与微波植被指数协同反演农作物叶面积指数的可行性分析

光学遥感是目前反演植被叶面积指数LAI（Leaf Area Index）的主要手段,但是当叶面积指数较大时存在光学遥感信息饱和、反演精度显著降低的问题。叶面积指数和平均叶倾角对光学、微波波段范围内反射和散射特性都有重要影响,主要表现在植被结构参数的变化可以引起冠层孔隙率和消光截面大小的改变。本文以典型农作物玉米为例,通过构建统一的PROSAIL和MIMICS模型输入参数,生成一套玉米全生长期光学二向反射率和全极化微波后向散射系数模拟库和冠层参数库。通过对模拟数据与LAI敏感性和相关性分析得出：（1）光学植被指数MNDVI_{(800 nm,2000 nm)},在LAI为0—3时敏感,基于MNDVI与LAI的回归模型可以估算LAI变化 0.4的情况,RMSE是0.33,R²是0.958。（2）微波植被指数SAR_{SRVI(1.4 GHz HH,9.6 GHz HV)},在LAI为3—6时敏感,基于SAR_SRVI与LAI的回归模型可以估算LAI变化1的情况,RMSE为0.22,R²是0.9839。研究表明,采用分段敏感的植被指数,协同光学和微波遥感反演玉米全生长期叶面积指数是可行的。     

联合星载高光谱影像和堆栈集成学习回归算法的红树林冠层叶绿素含量遥感反演

红树林是世界上生产力最高、价值最高的湿地生态系统之一。冠层叶绿素含量CCC（Canopy Chlorophyll Content）作为红树林重要的生物物理参量,是估算其生产力和评价其健康状况的重要指标。本文利用珠海一号高光谱卫星（OHS）影像与Sentinel-2A多光谱数据计算传统植被指数与组合植被指数并构建了高维数据集,综合利用正态分布检验、最大相关系数法与变量重要性评价进行数据降维和变量优选;分别基于单一线性回归算法、机器学习回归算法和堆栈集成学习回归算法构建了红树林CCC遥感反演模型,探明北部湾红树林CCC的最佳遥感反演模型,验证OHS高光谱影像与Sentinel-2A数据反演红树林CCC的精度差异,评估SNAP-SL2P算法反演红树林CCC的适用性。研究结果表明：（1）通过数据降维和变量选择处理,从高维度OHS数据集选取了8个特征变量,其中RSI_（12,17）、DSI_（12,18）和NDSI_（6,12）组合植被指数对红树林CCC反演精度的贡献率较高;（2）联合OHS数据和最优堆栈GBRT集成学习回归模型（Score=0.999,RMSE=0.963 μg/cm²）的训练精度优于最优RF机器学习回归模型（RMSE降低了7.531 μg/cm²）,明显优于最优Lasso线性回归模型（RMSE降低了19.383 μg/cm²）;（3）在最优堆栈集成学习回归模型下,OHS数据反演红树林CCC的精度（R²=0.761,RMSE=16.738 μg/cm²）高于Sentinel-2A影像（R²=0.615,RMSE=20.701 μg/cm²）;（4）联合OHS和Sentinel-2A数据的最优堆栈集成学习回归模型反演红树林CCC的精度都明显优于SNAP-SL2P算法（R²=0.356,RMSE=49.419 μg/cm²）。研究结果论证了正态分布检验、最大相关系数法和基于XGBoost的特征选择方法有效降低了高维数据集的维度,并得到了最优特征变量;OHS数据的最优堆栈GBRT集成学习回归模型训练精度最高,是估算红树林CCC的最优反演模型;OHS和Sentinel-2A数据都能有效反演红树林CCC（R²均大于0.61）,而OHS数据的估算精度更高（R²大于0.75）;SNAP-SL2P算法不能有效反演红树林CCC（R²小于0.4）,且对红树林CCC数值存在系统性低估。     

植被光能利用率遥感估算

光能利用率表征植被通过光合作用将所截获/吸收的能量转化为有机碳的效率,是遥感估算植被生产力的关键参数。由于植被分布和气候环境的综合影响,光能利用率表现出显著的空间异质性和时间动态性,光能利用率的不确定性成为后续生产力模型估算精度不高的重要原因。本文以Fluxnet全球通量站点数据和MODIS LAI/fPAR产品为数据源,比较了5种遥感植被生产力模型中的光能利用率估算方法,并在此基础上考虑光照散射条件对光能利用率的影响,结合晴空指数,利用逐步线性回归方法和参数优化方法建立不同植被类型的光能利用率估算模型。验证结果表明,考虑晴空指数可提高光能利用率估算精度,两种方法估算得到的光能利用率值RMSE均低于0.5 gC·MJ^-1,逐步线性回归法尽管机理欠缺,但由于选择因子较多,光能利用率估算精度较高（R²=0.461,RMSE=0.403 gC·MJ^-1）;广泛应用的参数化方法由于考虑的因子较少、模型形式较固定,光能利用率估算精度稍低（R²=0.306,RMSE=0.489 gC·MJ^-1）。本文所建立的光能利用率估算模型可应用于区域或全球植被光能利用率及生产力的估算。     

利用Sentinel-2影像超分辨率重建的红树林冠层氮含量反演

氮素是植被整个生命周期的必要元素,红树林冠层氮素含量（CNC）遥感估算对红树林健康监测具有重要意义。以广东湛江高桥红树林保护区为研究区,本文旨在基于Sentinel-2影像超分辨率重建技术进行红树林CNC估算和空间制图。研究首先基于三次卷积重采样、Sen2Res和SupReMe算法实现Sentinel-2影像从20 m分辨率到10 m的重建;然后以重建后的影像和原始20 m影像为数据源构建40个相关植被指数,采用递归特征消除法（SVM-RFE）确定CNC估算的最优变量组合,进而构建CNC反演的核岭回归（KRR）模型;最后选取最优模型实现CNC制图。研究结果表明：基于Sen2Res和SupReMe超分辨率算法的重建影像不仅与原始影像具有很高的光谱一致性,且明显提高了影像的清晰度和空间细节。红树林CNC反演波段主要集中在红（B4）、红边（B5）、近红外波段（B8a）以及短波红外波段（B11和B12）,与“红边波段”相关的植被指数（RSSI和TCARIre1/OSAVI）也是红树林CNC反演的有效变量。基于3种方法重建后10 m的影像构建的模型反演精度（R²val>0.579）均优于原始20 m的影像（R²val=0.504）;基于Sen2Res算法重建影像构建的反演模型拟合精度（R²val=0.630,RMSE_val=5.133,RE_val=0.179）与基于三次卷积重采样重建影像的模型拟合精度（R²val=0.640,RMSE_val=5.064,RE_val=0.179）基本相当,前者模型验证精度（R²cv=0.497,RMSE_cv=5.985,RE_cv=0.214）较高且模型变量选择数量最为合理。综合重建影像光谱细节及模型精度,基于Sen2Res算法重建的Sentinel-2影像在红树林CNC估算中具有良好的应用潜力,能为区域尺度红树林冠层健康状况的精细监测提供有效的方法借鉴和数据支撑。     

Sentinel-2卫星落叶松林龄信息反演

林龄结构信息能够有效反映区域森林群落不同生长阶段的固碳能力，对于评估森林生态系统的健康状况具有重要意义。本研究以中国温带典型优势树种落叶松林为研究对象，分别选择其芽萌动期、展叶期和落叶期时段的Sentinel-2影像，采用多元线性回归（MLR）、随机森林（RF）、支持向量机回归（SVR）、前馈反向传播神经网络（BP）以及多元自适应回归样条（MARS）等5种方法依次构建落叶松林龄反演模型。通过相关性分析首先确定最佳遥感反演物候期，并在此基础上根据相关性差异筛选出5个最优特征变量用于模型反演，分别为冠层含水量（CWC），归一化水体指数（NDWI），叶面积指数（LAI），光合有效辐射吸收率（FAPAR）和植被覆盖度（FVC）。研究结果表明，展叶期为落叶松林最佳遥感反演物候期。除植被衰减指数（PSRI）以及落叶期的NDVI、RVI外，落叶松林龄与各指标之间均呈负相关关系，其中与冠层含水量（CWC）的相关性最高，pearson相关系数达到-0.74（p<0.01）。此外，不同模型反演结果表明，随机森林模型（RF）为最佳落叶松林龄估测模型，其平均决定系数R²和平均均方根误差RMSE分别为0.89和2.91 a；多元线性回归模型（MLR）的林龄估测结果最差，其平均决定系数R²和平均均方根误差RMSE仅为0.57和5.69 a，非线性模型能更好的解释林龄与建模变量之间的关系。     

全球海洋次表层温度异常遥感反演的季节时空变化特征

卫星遥感反演海洋内部多时相、大尺度热力结构信息对于了解海洋内部复杂、多维的动力过程有重要意义。本文采用随机森林回归模型，利用卫星遥感观测的海表参量（海表高度异常（SSHA）、海表温度异常（SSTA）、海表盐度异常（SSSA）和海表风场异常（SSWA）），反演不同季节、不同深度层位（1000 m深度以上）的海洋次表层温度异常（STA），并用Argo实测数据作精度验证，采用均方根误差（RMSE）、归一化均方根误差（NRMSE）以及决定系数（R²）评价模型在全球及洋盆尺度上的反演精度。结果显示，全球海洋16个深度层位的平均R²在春、夏、秋、冬四季分别为0.53、0.60、0.54、0.66，NRMSE分别为0.051、0.031、0.043、0.044。随着季节的变化，模型反演性能有所波动。模型在印度洋的反演效果最佳，不同季节、不同深度层位上的平均R²和RMSE分别为0.71和0.18 ℃，而大西洋的反演精度最低，平均R²和RMSE分别为0.46和0.25 ℃。研究表明随机森林模型适用于全球不同季节的STA遥感反演，且在不同洋盆上均有较好的反演效果；不同季节上，上层STA有明显变化信号，空间异质性显著，但300 m以深，STA信号较弱且基本不随季节变化。本研究可为长时序、大尺度海洋内部参量信息遥感反演与重建提供依据，有助于进一步发展深海遥感方法。     

基于AERONET数据的气溶胶光学特性分析

大气气溶胶的监测对全球气候变化、区域空气质量和公共健康等研究具有重要的意义,而中国台湾岛四面环海,地理位置特殊,若忽略其大气环流和局地排放源造成的气溶胶特征时空异质性将会导致气溶胶参数反演误差。因此本研究使用中国台湾岛多个具有代表性的AERONET（AErosol RObotic NETwork）观测站历史数据和MODIS气溶胶光学厚度AOD（Aerosol Optical Depth）反演产品,分析5个典型站点气溶胶参数及其类型的时空变化特征及差异,分析结果表明：（1）各站点AOD年平均值逐年下降,呈现春季最高（0.5257）的季节变化特征和双峰结构的日变化规律,主导气溶胶类型为城市工业型（仅鹿林站点为海洋型）。（2）中国台湾地区风向多为东北风,风速越大,AOD值越低,海洋型气溶胶占比越高;反之则以城市工业型气溶胶为主。（3）?ngstr?m波长指数（AE）、单次散射比（SSA）、复折射指数虚部、不对称因子平均值分别为1.3283、0.9564、0.0054、0.7292;相比于北京（39.9768°N,116.3813°E）站,台湾“中央大学”AOD年平均值、季节变化、主导气溶胶类型均存在较大的差异。（4）MODIS AOD分站点验证精度较高,而在高山鹿林站的验证精度稍低（R²=0.5925）;而利用不同气溶胶类型的分类验证结果显示,城市工业（R²=0.7238）、生物质燃烧（R²=0.6161）和次大陆型（R²=0.5116）精度较高,但海洋型（R²=0.1585）、大陆型（R²=0.1111）AOD验证精度显著降低。本研究表明,中国台湾岛气溶胶类型呈现西南沿岸站点秋冬季次大陆型占比上升,西北沿岸大陆型上升的时空特征差异,细化气溶胶参数的时间差异和时间动态变化信息将对气溶胶卫星反演算法在环流特征明显的近海区域有着重要指导作用。     

中国南方森林冠顶高度Lidar反演—以江西省为例

激光雷达(Lidar)与光学遥感的有效结合对中国南方区域森林冠顶高度反演意义重大,而国产卫星将为中国森林生态研究提供新的数据源。本文联合利用大脚印激光雷达GLA和国产MERSI数据,在实现GLAS波形数据处理和不同地形条件下森林冠顶高度反演算法基础上,建立了区域尺度不同森林类型林分冠顶高度GLAS+MERSI联合反演关系模型,进行了江西地区森林冠顶高度反演。总体上,GLAS激光雷达森林冠顶高度估算精度较高;且在与MERSI 250 m数据的联合反演模型中,针叶林模型精度较好(R²=0.7325);阔叶林次之(R²=0.6095);混交林较差(R²=0.4068)。分析发现,考虑了光学遥感生物物理参数的GLAS+MERSI联合关系模型在区域森林冠顶高度估算中有较高精度,且在空间分布上与土地覆盖数据分布特征非常一致。     

珞珈一号夜间灯光数据的福建省人为热通量估算

夜间灯光数据是估算人为热通量（AHF）的重要数据,但当前应用最广的DMSP/OLS和Suomi-NPP/VIIRS夜间灯光数据由于受限于粗糙的空间分辨率,而无法刻画城市内部的AHF分布细节。中国2018年6月发射的Luojia 1-01卫星所获取的130 m高空间分辨率夜间灯光数据,则有望解决这一问题。因此本文利用Luojia 1-01夜间灯光数据,通过将统计年鉴中的能源统计数据细化至福建省84个县（市、区）,然后与3个夜间灯光指数（NTL_nor、HSI、VANUI）进行回归分析,分别构建了基于这3个指数的福建省AHF空间估算模型,并采用交叉验证法对其进行筛选。结果显示：（1）在3个指数中,基于VANUI的乘幂估算模型的R²最高,且RMSE最小,因此精度最高;（2）利用VANUI乘幂估算模型反演得到的2018年福建省年均AHF为0.88 W/m²,其中厦门市的年均AHF最高,达10.98 W/m²,泉州、莆田、福州、漳州等沿海城市次之,年均值在0.98—1.95 W/m²,而宁德、龙岩、三明、南平等城市的AHF则较低,均值在0.38—0.46 W/m²;（3）Luojia 1-01夜间灯光数据可以揭示城市内部的AHF分异细节。根据用地属性和功能的不同,AHF数值表现为：城市集中商业区>大型市政公共设施区>城市主干道>城市住宅区>近郊住宅区。研究表明,基于Luojia 1-01夜间灯光数据建立的AHF估算模型可以较好地揭示城市尺度AHF的空间分异情况。     

非球形冰晶的毫米波k-Ze关系研究

针对毫米波雷达处理数据的实际需要,应用离散偶极子近似法DDA,获得了非球形冰晶的后向散射及衰减截面并进行了参数化,并主要基于细化的冰云模型,假设冰晶粒子谱为Γ分布,通过模拟取样各1330次（代表1330种粒子分布）,分别计算得到了W波段（94 GHz）与Ka波段（35 GHz）毫米波雷达探测的冰云衰减系数k及雷达反射率因子Z_e,而且利用数值模拟的方法,建立了k-Z_e关系的具体表达式。计算表明,非球形和非瑞利散射对W波段毫米波雷达衰减的影响较大,而且在同样滴谱分布条件下,W波段毫米波雷达的衰减比Ka波段毫米波雷达的大几倍,此外细化的冰云模型对k-Z_e关系具有影响。本研究对中纬度非降水性冰云的毫米波雷达的衰减订正具有参考价值,并对中国的毫米波雷达应用具有借鉴作用。     

星载红外数据应用于大型事故溢油

使用NOAA卫星数据(AVHRR)同时对“阿提哥”号和“塔斯曼海”号溢油事件做出分析和研究。对出事海域的卫星数据进行了拉伸和彩色合成等图像增强处理,突出了影像上的油污特征;并根据其理化特性,设计算法实现了计算机对油污的自动判别;最后,估算了事故所溢油量,为事故后的调查、取证工作提供了良好依据。     

IPSec VPN和MPLS VPN技术分析及比较

两种新兴的VPN技术——IPSecVPN和MPLSVPN越来越受到人们的关注。数字测绘生产和数字测绘产品分发的安全性倚重于新兴的网络安全技术。本文分别讨论了基于IPSec和MPLS的VPN业务机制,并对两种VPN解决方案进行了比较。     

GEM模型、RF模型和M5T模型的无人机DEM测点插值算法比较

无人机技术作为现如今测量的先进技术,已被逐渐广泛应用,由于DEM数据在实测过程中只能形成点数据,因此对点数据的插值计算一直是测绘专业研究的热点。为找出适用于无人机DEM测点插值计算的最优模型,本文基于GEM模型、RF模型和M5T模型,以降雨、经纬度和海拔为输入参数,对不同模型下的DEM进行了插值计算,结果表明:GEM模型表现的精度最高,该模型RMSE仅为11.72 m,RRMSE为12.7%,R2为0.964,Ens为0.946,MAE为11.28 m,该模型可作为无人机DEM测点插值计算的标准模型使用。     

黄河三角洲水冰险情预警信息系统设计与分析应用探讨

本文探讨了黄河三角洲地区水冰灾情信息系统的建立方法及其应用问题。介绍了该系统的设计原则,数据结构,建立方法和程序,并对其应用进行了分析研究。该方法也适用于其它区域。     

基于OSG的火星形貌3维建模与绘制

开展了基于开源3维渲染引擎OSG(OpenSceneGraph)的火星形貌3维建模与绘制的研究.使用地形数据库创建工具VPB(VirtualPlanetBuilder)创建了整个火星的分页数据库,并利用基于OSG的仿真平台实现了火星形貌数据的3维可视化.实验结果证明,该方法能很好地处理海量地形数据,完成火星形貌的3维重...     

用分析模型方法反演水体叶绿素的浓度

水体叶绿素浓度是水质评价的一个重要指标。建立水体光学传输的分析模型，进而用分析模型反演水体叶绿素浓度，对于提高遥感反演水质参数的精度和实用性具有重要意义。作者于2004年6月初对太湖18个点位进行了同步水体波谱实测和水体取样分析。由这18个点位的实测数据，利用Gordon模型建立了R（0^-）的模拟模型，并进而用优化函数的方法反演水体叶绿素浓度。反演值与实测值的相关系数达到0．99，当叶绿素浓度高于30mg／m^3时，反演的相对误差小于20％。进而用该模型反演2005年7月太湖7个点位的叶绿素浓度，反演值与实测值的相关系数为0．94，其中，有6个点位的反演值相对误差小于60％。     

我国资源与环境信息系统发展管见

我国的资源与环境信息系统(ERIS)技术,起步较晚,发展迅速,已跻身国际先进行列。在基础研究、应用实验以及同遥感技术的结合方面,进行了成功的探索和开拓,并具有中国特色。通过“七五”科技攻关,在信息与信息系统的规范化、标准化方面,建立不同层次和应用目标的区域信息系统的技术、方法,研制和开发地理信息系统软件、应用分析模型,以及在理论总结方面,取得了丰硕的成果和技术进步,成为一个独立发展的新的前沿领域。90年代,它同航天遥感技术密切结合,共同发展,迎接国民经济和社会发展中重大资源环境急务和全球变化的挑战。在资源与环境动态监测与趋势预报,重大自然灾害监测与预警以及灾情评估与减灾对策,城市、经济开发区的规划、开发与管理,全球环境变化等方面,发挥科学技术的先导作用。同时,继续加强新技术跟踪和空间信息科学的理论研究,在国家规范、标准的制定,业务系统的建立与实用化,信息共享与网络化,模型、专家系统及软件的开发与商品化,同遥感信息工程的结合使其一体化等方面,仍需深入探索,继续攻坚,以期形成完整的理论和技术体系。     

时变参数灰色模型背景值重构及实现

针对时变参数灰色模型PGM(1,1)的背景值重构收敛速度及稳定性问题,该文运用积分的方法综合序列在Δt内不同变化趋势,导出背景值模型的准确表达式。实现了反映序列对新老信息偏爱程度的最优权值介于(0,1)内,且非不能越过某一阈值;给出了背景值重构模型最优解准确求取的具体算法步骤。基于MATLAB语言的实验结果表明:改进模型预测精度高,易于实现;所研究的带权灰色模型GM(1,n)背景值模型的重构及计算方法验证了PGM(1,1)模型重构及计算实现方法的有效性和实用性。     

改进的GM(1,1)模型及其应用分析

GIM(1)模型是一种改进的GM(1,1)模型。文章在介绍两种模型的基础上,分别进行实例计算和分析,得出了GIM(1)具有更大的优越性,具有预测结果精确,对时间的依赖性较小的特点。     

Unsupervised segmentation of high-resolution remote sensing images based on classical models of the visual receptive field

Here, we describe an unsupervised segmentation method incorporating log-Gabor (LG) filters and a Markov random field (MRF) model for high-resolution (HR) remote sensing (RS) images, based on classical models of the visual receptive field. LG filters were utilised to model the receptive fields of the simple cells in the primary visual cortex and extract detailed features from HR–RS images followed by construction of image pyramid through wavelet decomposition to simulate the hierarchical structure of the visual sensing system. Finally, based on the original HR–RS images, their detailed features and the image pyramid, the MRF image segmentation model was applied to obtain the final segmentation result. Real HR–RS images were used as experimental data to validate the proposed method, both qualitatively (visually) and numerically (with the overall accuracy and Kappa index).The experimental results indicate that the proposed method is effective, feasible and robust to noise.