基于GF-6的植被覆盖度遥感估测研究

GF-6号卫星是近年来投入运行的国产卫星,其遥感影像的空间分辨率、时空分辨率较高,但基于该卫星数据的应用研究并不多见.本次研究以GF-6号卫星WFV数据为数据源,基于归一化植被指数和像元二分模型对甘肃民勤典型干旱地区的植被覆盖度进行遥感估测,利用置信度法获取像元二分模型的关键参数对植被覆盖度遥感提取结果的影响进行分析....     

GF-2支持下的干旱区稀疏植被区植被覆盖度估算

现有像元二分模型MODIS植被覆盖度模型因其形式简单、适用性较强的特点被广泛应用于区域植被覆盖度（FVC）的估算。然而，研究表明在沙漠和低植被覆盖的西部干旱区，从250 m的影像上很难精准地获取NDVI_veg（全植被覆盖植被指数）和NDVI_soil（全裸土区植被指数）参数。利用常用的直方图累计法获取模型所需参数NDVI_veg和NDVI_soil，估算结果存在普遍高估现象。为此，本文首先引入同期获取的GF-2号卫星数据，从GF-2号影像上提取植被覆盖像元；然后，利用Pixel Aggregate方法重采样至250 m分辨率，获取250 m空间分辨率下纯植被和纯裸土像元；最后，将纯植被和纯裸土像元各自空间位置相对应的MODIS NDVI数据最大值作为模型所需NDVI_veg和NDVI_soil参数，实现研究区内植被覆盖度的估算。试验通过与线性回归法、多项式回归法和直方图累计像元二分模型法估算结果进行精度对比，结果表明：利用GF-2影像辅助的像元二分模型，精准地获取了低植被覆盖区NDVI_veg和NDVI_soil模型参数，提高了干旱区植被覆盖度的估算精度，并有效地抑制了受稀疏植被影响NDVI在干旱区普遍偏高问题导致的FVC高估的现象。     

岷江上游典型流域植被覆盖度的遥感模型及反演

本文在对岷江上游典型流域研究区实地踏勘和定位观测的基础上,综合利用Aster和ETM遥感数据、地面实测数据和常规观测数据等资料,研究了植被指数与植被覆盖度之间的相关性,确定了岷江上游典型流域植被覆盖度模型。以遥感图像中单个像元作为测算单位,对植被指数NDVI进行了计算,并对岷江上游毛儿盖地区植被覆盖度进行了反演。利用研究区实测数据、生态环境本底遥感调查数据和水文气象数据,对上述模型反演结果进行验证和精度分析。结果表明,模型反演结果精度较高,能较真实的反应研究区植被覆盖度实际状况。     

草原植被覆盖度遥感估算模型的适用性比较

植被覆盖度及其变化对区域生态系统的稳定性具有直接影响，且这种影响在草原地区更加明显。为探寻草原植被覆盖度的最佳遥感估算方法，本文对像元二分模型、Carlson模型和Baret模型的估算精度和适用性进行了比较，优化了Baret模型的参数，以提高其在草原地区的估算精度。内蒙古呼伦贝尔地区的草地计算结果表明：像元二分模型有高估植被覆盖度的现象；Carlson模型在低植被覆盖区低估了植被覆盖度，而在高植被覆盖区高估了植被覆盖度；Baret模型在草原地区的估算精度最高。对Baret模型进行参数优化后，其在高植被覆盖度区域的估算精度提升了4.9%。     

草原矿区长时序植被覆盖度变化趋势对比分析

呼伦贝尔草原区生态脆弱，在人类活动和气候等因素影响下草原生态变化备受关注。本文以宝日希勒矿区及周边为研究区，应用1985-2015年Landsat年度最大合成NDVI数据，采用像元二分模型反演植被覆盖度；分别利用一元线性回归法和Sen+Mann-Kendall法对研究区植被覆盖度趋势和空间差异进行了对比分析。结果表明：两种方法得到的植被变化趋势基本一致，Sen+Mann-Kendall方法相较于一元线性回归法对植被覆盖度改善和退化反应更为敏感。研究结果有助于科学评价长时序煤炭开发活动对地表生态的影响并为长时序植被变化监测提供方法参考。     

基于环境星CCD数据的区域植被覆盖度遥感估算

以雅砻江流域二滩水库周边为研究区,选用环境星CCD数据,基于NDVI的像元二分模型进行了研究区植被覆盖度的遥感估算,并将估算结果与同时期TM影像估算结果作对比。结果显示,估算结果基本吻合,表明环境星CCD数据可以用于多源遥感数据融合分析区域植被覆盖状况研究。     

像元分解模型的植被覆盖度遥感估算

为了提高植被覆盖度遥感估算方法的精度,该文针对置信度方法和空间克里金插值方法各自存在的问题,基于线性像元二分模型,分别采用置信度方法和空间克里金插值方法计算推导,确定像元二分模型中两个重要参数NDVIveg和NDVIsoil,实现估算植被覆盖度,并对两种方法进行对比分析,同时提出方法中存在的问题以及模型的优化改进方向。     

基于MODIS数据的黄河源区植被覆盖度反演研究

以黄河源区高寒草地为研究对象,采用无人机航拍技术获取了样地实测的植被覆盖度;结合2001-2018年MOD13A1数据提取常用植被指数,分别采用像元二分模型法和回归模型法对研究区植被覆盖度进行了反演,并对其精度进行了验证;采用最小二乘法分析了黄河源区2001年以来植被覆盖度的变化趋势.结果表明,修正的土壤调节植被指数结合回归模型的反演精度较高;黄河源区多年平均植被覆盖度为57.89％,植被覆盖度处于30％以内、30％～60％、60％以上3个区间的面积分别占源区总面积的13.1％、27.25％和49.65％;2001-2018年黄河源区植被覆盖度略呈增长趋势.     

基于混合像元分解理论的路域植被等量水厚度遥感反演

为削弱混合像元对植被参数反演的影响，提出了基于混合像元分解理论反演路域植被等量水厚度的方法。利用PRO4SAIL模型正演获得的高光谱窄波段数据，模拟Landsat 8遥感影像宽波段植被冠层光谱数据，并进行等量水厚度的敏感植被指数的筛选；对覆盖研究区域的Landsat 8遥感影像进行线性混合像元分解，获取更加精确的植被冠层光谱反射率；同时，利用支持向量机构建等量水厚度估测模型，实现对路域植被等量水厚度的遥感反演。研究结果表明，利用混合像元分解后得到的植被冠层光谱参与模型反演得到的路域植被等量水厚度更加符合实际情况，为遥感影像反演植被参数提供了有效数据。     

近20年鄂西地区植被覆盖度时空变化特征分析

基于2000—2020年的MOD13Q1 NDVI遥感数据,使用像元二分模型计算湖北省西部山体区域的植被覆盖度,并利用斜率模型、马尔可夫转移矩阵模型和赫斯特指数综合分析了植被覆盖度的时空变化规律。结果表明,研究区的植被覆盖度总体呈上升趋势,平均植被覆盖度增加了0.025,轻微增长区域面积为44 359.26 km²,显著性增长面积为3 069.375 km²,不显著性变化的面积为39 862 km2。2000—2020年期间,时序植被覆盖度的赫斯特指数为0.63,表明研究区内植被覆盖度的增长趋势在未来是可持续的。本研究成果不仅可为城市生态环境评价提供科学依据,而且可为城市的生态建设和可持续发展提供决策支持。     

利用中国区域电离层数据拟合 Klobuchar参数

对于单频G PS用户而言,电离层延迟是最重要的误差来源之一。G PS系统使用Klobuchar模型对电离层延迟进行改正,其改正数从根据经验模型和历史数据得到的370组常数选取。在缺少全球观测数据的情况下,仅利用中国区域观测数据拟合电离层模型参数,存在区域外精度下降,参数超限等问题。针对这些问题,提出了利用经验模型外推进行参数拟合的方法。相比广播Klobuchar参数,在太阳活动高峰年RMS误差减小接近7 TECU ,正常年减小1.5 T EC U ,平静年精度也略有提升。2001年至2012年的拟合参数不存在参数超限现象,且量化后或者使用预报的电离层数据进行拟合,精度下降很小,可以用于预报全球电离层模型参数。     

可变形部件模型在高分辨率遥感影像建筑物检测中的应用

高分辨率遥感影像具有场景复杂、目标种类多样、同一目标呈现多种形态等特点,给建筑物检测带来困难。近年来,可变形部件模型（deformable part model,DPM）被广泛应用到模式识别领域,并且在自然场景的目标识别方面取得很好的效果。结合可变形部件模型,提出一种针对高分辨率遥感影像中建筑物的检测方法,将建筑物看作可变形部件的组合,通过训练得到其对应的参数模板,并采用滑动窗口的方式遍历待检测的影像,判断其中是否存在建筑物目标。通过对分辨率为0.5 m的高分辨率遥感影像的实验证明了方法的有效性。     

基于神经网络方法的极化雷达地表参数反演

人工神经网络（Artificial Neural Network)是一个由独立处理单元以一定拓扑结构高度连接而成的并行分布式信息处理结构，适于解决各种非线性问题，积分方程（Integrated Equation Model)单散射模型可模拟各种地表参数条件下裸露地表后向散射系数，以IEM为基础生成训练数据，用L波段的C波段SIR-CHH，VV极化单散射后向散射系数数据为神经网络输入，通过后向反馈（BP）神经网络模型可同时反演得到裸露地表条件下地表介电常数，地表相关长度和均方根高度等地表参数。     

IGS测站的非线性变化研究

基于坐标模式的广义网平差模型，利用IGS发布的对GPS全球站处理后形成的单天解SINEX文件，通过自编软件计算了IGS测站的时间序列，并发现IGS测站存在非线性变化。利用频谱分析方法得出了IGS测站存在年周期或半年周期的变化，同时利用经验模型建立了IGS测站的测站速度函数。指出了仅利用1个线性量估计IGS跟踪站的速度值会存在偏差，应建立周期性变化模型，或采用分段线性化的方法，每隔一定的时间给出1个对应的速度。     

鄱阳湖地区高光谱遥感数据的定标研究

针对鄱阳湖地区的成像光谱仪遥感数据，利用３种不同的定标模型进行了定标反演的研究。结果表明，在所有的３种定标方法中，经验线性定标模型的反演结果最稳定，基本符合实际     

Influence of surface and vegetation characteristics on C-band radar measurements for soil moisture content

Soil moisture estimation using microwave remote sensing faces challenges of the segregation of influences mainly from roughness and vegetation. Under static surface conditions, it was found that Radarsat C-band SAR shows reasonably good correlation and sensitivity with changing soil moisture. Dynamic surface and vegetation conditions are supposed to result in a substantial reduction in radar sensitivity to soil moisture. A C-band scatterometer system (5.2 GHz) with a multi-polarization and multi-angular configuration was used 12 times to sense the soil moisture over a tall vegetated grass field. A score of vegetation and soil parameters were recorded on every occasion of the experiment. Three radar backscattering models Viz., Integral Equation Model (IEM), an empirical model and a volume scattering model, have been used to predict the backscattering phenomena. The volume scattering model, using the Distorted Born Approximation, is found to predict the backscattering phenomena reasonably well. But the surface scattering models are expectedly found to be inadequate for the purpose. The temporal variation of soil moisture does show good empirical relationship with the observed radar backscattering. But as the vegetation biomass increases, the radar shows higher sensitivity to the vegetation parameters compared to surface characteristics. A sensitivity analysis of the volume scattering model for all the parameters also reveals that the radar is more sensitive to plant parameters under high biomass conditions, particularly vegetation water content, but the sensitivity to surface characteristics, particularly to soil moisture, is also appreciable.     

Tree survey and allometric models for tiger bush in northern Senegal and comparison with tree parameters derived from high resolution satellite data

A tree survey and an analysis of high resolution satellite data were performed to characterise the woody vegetation within a 10 × 10 km² area around a site located close to the town of Dahra in the semi-arid northern part of Senegal. The surveyed parameters were tree species, height, tree crown radius, and diameter at breast height (DBH), for which allometric models were determined. An object-based classification method was used to determine tree crown cover (TCC) from Quickbird data. The average TCC from the tree survey and the respective TCC from remote sensing were both about 3.0%. For areas beyond the surveyed areas TCC varied between 3.0% and 4.5%. Furthermore, an empirical correction factor for tree clumping was obtained, which considerably improved the estimated number of trees and the estimated average tree crown area and radius. An allometric model linking TCC to tree stem crosssectional area (CSA) was developed, which allows to estimate tree biomass from remote sensing. The allometric models for the three main tree species found performed well and had r²-values of about 0.7–0.8.     

基于时间序列模型的沉降监测预报分析

时间序列模型预测具有可靠性与高效性的特点。本文结合沉降监测工程,采用Matlab进行建模预报分析,分别基于预测模型(AR、MA、ARMA)进行应用。对比自回归模型、滑动平均模型及自回归滑动平均模型预测结果的精度,表明3种模型可预测期连续分布,模型组合可提高预测精度。     

应用GA-SVM的渭河水质参数多光谱遥感反演

建立了基于支持向量机的遥感水质参数反演模型, 构建了基于浮点数编码的遗传算法优选模型参数。以渭河为研究对象, 基于高分辨率多光谱遥感SPOT-5数据和水质实地监测数据, 分别建立了一元和多元经验模型进行渭河水质参数的反演。在样本数目有限的情况下, 提出的GA-SVM方法的反演结果比神经网络和传统的统计回归方法好, 且各方法的多元回归结果均好于一元回归的结果。SVM具有强的非线性映射能力, 适合小样本情况, 由GA实现了模型参数的自动优选, 使GA-SVM用于解决回归问题表现出优势。将机器学习和全局优化智能     

ARMA滤波在加速度法反演地球重力场中的应用

探讨了根据ARMA模型构造白化滤波器对卫星加速度进行去相关滤波的方法。给出了加速度法和去相关最小二乘解算的基本原理,推导了基于加速度法整体求解加速度计尺度因子、偏差参数和重力场位系数的计算公式。在此基础上,讨论了利用ARMA去相关滤波法抑制卫星加速度有色噪声的具体处理方案。实验结果验证了所提方法的有效性。