SAR残余相位误差对森林高度反演影响的全链路模拟与分析

利用合成孔径雷达(SAR)遥感数据可以有效地估测平均树高、生物量、蓄积量等森林生物学参数。但是遥感数据精度易受SAR系统不确定性因素的影响,造成森林参数反演精度降低甚至异常。遥感系统的全链路模拟可以将遥感过程的各类影响因素解耦,获取大量具有指定参数特征的遥感数据,有利于对不确定性因素单独或联合分析。建立了SAR三维森林场景全链路模拟模型,基于E-SAR样地参数及数据验证了模型的有效性,并以森林高度反演这一典型的林业应用为对象,定量分析了运动补偿残余相位误差这一典型的SAR系统不确定性因素对反演精度的影响程度,得到了残余相位误差与高度反演RMSE测量结果之间的关系曲线。     

广西-东盟多源遥感数据的森林高度反演及应用

森林生态系统在调节生态气候与碳循环方面发挥着重要作用,森林高度是衡量森林生态系统功能的重要参数。利用单一遥感数据获取森林冠层高度会受到多种制约。因此,本文使用星载激光雷达ICESat-2提供的高质量离散森林冠层高度点,结合Sentinel-1、Landsat 8及地形数据,采用随机森林方法建立不同影像特征组合森林冠层高度的回归模型,并分析各特征对森林高度反演的影响,最后将模型应用于广西森林冠层高度制图。试验结果表明,多源遥感数据可有效提高森林冠层高度反演精度,在所利用遥感数据中,特征重要性从大到小依次为光学特征、地形特征、SAR特征,“L8+SRTM+Sentinel-1+邻域均值”特征组合的反演精度最高,加入邻域均值特征进行森林冠层高度反演效果最佳,随机森林模型能精确绘制森林冠层高度。     

森林垂直结构参数遥感反演综述

随着遥感技术的发展,林业遥感从早期森林分类制图的定性研究,逐步发展到森林整体特性的遥感定量反演研究。目前利用遥感反演的森林叶面积指数、生物量、叶绿素浓度、碳储量等参数以描述森林生化理化特征、水平结构特征为主,而描述森林垂直结构的参数较少。本文针对不同高度处森林的叶面积密度和冠层垂直高度廓线参数,综述了遥感获取森林垂直结构参数的方法以及典型地表类型的垂直结构参数曲线,并总结了森林垂直结构参数提取方法中存在的问题,探讨未来研究方向。     

基于Landsat长时间序列数据估算树高和生物量

以Landsat长时间序列数据为研究对象,旨在以光谱序列信息反演森林参数为视角,应用Landtrendr算法从时间序列数据中提取森林扰动变量,使用随机森林计算方法建立扰动变量、反射率和GLAS激光点森林参数之间的关系模型,获取树高和生物量的空间分布信息。为多源遥感数据反演森林参数提供参考,研究证明基于Landsat长时间序列数据获得的森林扰动变量能够增强反射率和森林参数之间的相关性,可提高预测精度。     

单基线TanDEM-X InSAR相干性反演森林高度EI北大核心CSCD

由RVoG模型演变的SINC函数模型运用到TanDEM-X InSAR数据反演森林高度时面临观测信息不足的问题,且无法适应不同的森林场景。本文针对这一问题,提出小范围LiDAR数据辅助下基于TanDEM-X InSAR相干性的森林高度反演方法,此方法无须全局高精度DEM产品提供地表相位信息而仅利用相干性即可获取森林高度信息。为验证此方法的可行性,采用西班牙境内两个典型试验区的TanDEM-X InSAR数据进行验证,并利用LiDAR树高数据进行精度评定。结果表明,单基线TanDEM-X InSAR相干性可用于反演森林高度,两个试验区的精度分别为2.34 m和1.74 m。     

无人机航测技术在森林蓄积量估测中的应用

无人机（UAV）航测技术是近年来发展起来的快速获取高分辨率影像的测绘新技术。森林蓄积量估算需要快速高效地获取森林遥感影像。虽然利用卫星和机载雷达同样可获取高分辨率遥感影像,但无人机航测技术与其相比具有飞行成本低、外业周期短、机动灵活等优点。本文利用无人机航测系统获取了案例地区DSM和DEM,采用最大邻域法提取了树高,采用分水岭算法分割了树冠信息,并以树高和冠幅作为解释变量的立木材积二元模型估算了森林蓄积量。结果表明,树高提取精度为83.73%,冠幅提取精度为86.98%,林分蓄积量估算精度为81.80%。     

亚米级遥感影像的建筑物高度反演方法及其验证北大核心CSCD

建筑物高度是现代化都市监测、规划、管理及各城市经济活动中的基础性数据,为实现建筑物高度信息的提取,本文提出了一种基于玻尔兹曼曲线的建筑物高度反演方法。首先,利用建筑物影像的光谱特性,采用多尺度分割和遥感指数分类的办法获取建筑物阴影感兴趣区域,根据玻尔兹曼曲线函数拟合获取阴影的亚像素位置,线性拟合得到阴影边界;然后,根据太阳、卫星、建筑物和其阴影的几何关系,构建高度反演模型,估算建筑物高度;最后,选择宁海为研究区,选取在轨的主流亚米级高分二号、高景一号、北京二号、WorldView-2卫星遥感数据进行精度验证。试验结果表明,计算的建筑物高度中误差优于2.5 m,可用于一般的城市卫星遥感监测。     

利用多源遥感数据反演城市地表温度

目前利用单通道热红外遥感数据反演地表温度的方法有大气校正法、单窗算法和普适性单通道算法,使用这3种算法反演地表温度时的一个关键问题就是需要获取大气参数。目前大气参数的获取主要根据近地表(地表2m左右的高度)的大气水分含量或湿度和平均气温的观测值来估计,这种方法只能获得个别点上的数据,而无法获取面上像元尺度的大气参数。本文利用多源遥感数据的优势,首先利用MODIS近红外数据,在像元尺度上获取温度反演中所需大气参数——大气水分含量,再利用同时相的Landsat ETM 影像,采用Jim啨nez-Mu oz和Sobrino的普适性单通道算法反演地表温度。研究结果表明,多源遥感数据的综合应用是城市地表温度反演的有效途径与方法,可获得较合理的地表温度反演结果。     

星载LiDAR产品辅助的InSAR森林高度反演

针对星载重轨InSAR森林高度反演受时间去相干制约与模型解算辅助数据难以获取的问题.考虑ALOS-2 PALSAR-2干涉数据特点,采用一种顾及时间去相干影响的半经验散射模型,利用最新发布的星载激光雷达ICESat-2 ATL08高程产品中的植被高度数据作为辅助数据,并结合主成分分析思想(PCA)对ALOS-2 PALSAR-2相干幅度信息与树高的关联模型进行参数解算.实验结果表明,在ICESat-2树高数据辅助条件下,通过散射模型可以较好抑制时间去相干的影响,进而反演出可靠的模型参数及森林高度(RMSE约为3 m).本研究验证了联合星载重轨干涉SAR与星载LiDAR数据实现大范围、大尺度森林高度反演的可行性.     

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。     

数字高程模型DEM精度研究

用不同地貌类型地区的实验数据对数字高程模型(规则格网DEM)的格网间距与中误差(RMSE)、平均高程、剖面曲率的关系进行研究,采用比较分析的方法,得到格网间距与中误差的数学模型,可以用通式:Y=A BX CX2表示,并且把地形因子(平均高程、剖面曲率)作为自变量,进一步分析通式中3个系数与地形因子的关系,发现两个地形因子与系数函数关系比较相似,并得到Y=A BX CX2 DX3的数学模型。由验证结果表明,所得模型效果良好。     

修正岭估计方法在测量数据处理中的应用研究

在测量数据处理中,若法方程呈现病态,岭估计可以改善方程的病态性,提高解的精度,使得在均方根意义下,岭估计解优于最小二乘解;另外,观测对象的先验信息也可以用来改善解的效果.文中借鉴一种修正岭估计方法,将岭估计方法和先验信息联系起来,并以GPS数据解算为例,将修正岭估计方法与普通解法进行比较,说明这种应用方法的合理性.     

闪电河流域农牧交错带微波遥感土壤水分产品评价

空间网格分辨率为9 km的SMAP (Soil Moisture Active and Passive)、0.1D (Degree)的ASCAT (The Advanced Scatterometer)、 25 km的FY-3B以及25 km ESA-CCI (European Space Agency-Climate Change Initiative)是较为广泛应用的卫星遥感土壤水分产品,对数据质量的评价是进一步应用于旱情监测、蒸散发估算等研究的前提。本研究基于2018年9月在闪电河流域内蒙古农牧交错带区域开展的碳、水循环与能量平衡遥感综合试验,采用近似同步的两种尺度观测数据即点尺度地面实测土壤水分数据以及面尺度(1 km×1 km)机载土壤水分数据,利用RMSE (Root Mean Square Error), MAE (Mean Absolute Error),R (Correlation Coefficient),Bias以及ubRMSE (unbiased Root Mean Square Error)等评价指标分别对SMAP, ASCAT, FY-3B, ESA-CCI土壤水分卫星遥感产品进行了评价。本研究利用机载土壤水分数据作为桥梁,实现了从点尺度地面实测土壤水分数据、至面尺度(1 km×1 km)机载土壤水分数据、再至粗格网面尺度(9 km×9 km、0.1 D×0.1 D、25 km×25 km)卫星遥感土壤水分产品的对比分析过程。利用地面观测值对机载观测土壤水分开展评价分析,发现在裸土区域,机载土壤水分数据与地面实测数据较为一致,RMSE, MAE, Bias, ubRMSE以及R值分别为0.033 cm~3/cm~3,0.030 cm~3/cm~3,-0.004 cm~3/cm~3, 0.033 cm~3/cm~3, 0.474。对卫星土壤水分产品的评价结果显示,SMAP的9 km土壤水分卫星产品与地面观测更为一致,其RMSE,MAE,Bias,ub RMSE以及R值分别为0.037 cm~3/cm~3,0.032 cm~3/cm~3,-0.008 cm~3/cm~3, 0.036 cm~3/cm~3, 0.507。SMAP, ASCAT, FY-3B以及ESA-CCI与机载土壤水分数据有更高的相关性,R值分别为0.735, 0.558, 0.558, 0.575。综上,闪电河流域实验区内的4种卫星遥感土壤水分产品中,SMAP产品与地面土壤水分、机载土壤水分数据均较为一致,其次是FY-3B与ESA-CCI。     

中误差和邻近关系的多尺度面实体匹配算法研究

地图目标匹配作为空间数据整合和更新的一个不可缺少的过程,有重要的研究意义。中误差是一种衡量地图精度和质量的数值指标,其范围作为制图和综合的重要的标准之一,常用其大小评价空间数据的质量,不同比例尺或来源的地图数据均有不同的中误差大小和阈值。面状要素在很多地图中占有很大的比例,本文将中误差引入面实体匹配的过程,结合相邻面实体邻近聚集算法,提出一种基于中误差和邻近关系的面实体匹配算法,可以有效解决多尺度空间数据匹配的阈值大小和多对多关系难确定的问题,实验结果表明该方法具有良好的稳定性和可靠性。     

用地基激光雷达提取单木结构参数——以白皮松为例

以白皮松(Pinus bungeana Zucc)为研究对象,针对地基激光雷达TLS扫描的3维点云数据在单株木垂直方向的分布特征,提出了一种基于体元化方法的树干覆盖度变化检测方法,获取单木枝下高;然后根据获取的枝下高引入2维凸包算法获取垂直方向分层树冠轮廓,并计算树冠体积和冠幅;同时获取的单木参数还有胸径与树高。结果表明:单木枝下高的估测精度较高,R2与RMSE分别为0.97 m和0.21 m;胸径估测结果的R2与RMSE分别为0.79 cm和1.07 cm;采用逐步线性回归方法建立单木树冠体积与其他单木参数的相关关系,模型变量包括冠幅、叶子填充树冠长度和胸径,样本数为20,模型的R2与RMSE分别是0.967 m3和2.64 m3。本文方法能较准确地估测枝下高,TLS数据具有对树冠结构3维建模的潜力。     

MODIS植被指数的美国玉米单产遥感估测

针对中国开展的国外农作物产量遥感估测大多依靠中低分辨率耕地信息、省级(州级)或国家级作物产量统计数据的现状,本文以美国玉米为例,探讨利用多年中高分辨率作物分布信息、时序遥感植被指数和县级作物产量统计数据开展国外重点地区作物单产遥感估测技术研究,以期进一步提高中国对国外农作物产量监测精度和精细化水平。首先,利用美国农业部国家农业统计局(NASS/USDA)生产的作物分布数据(CDL)获得多个年份玉米空间分布图,并对相应年份250 m分辨率16天合成的MODIS-NDVI时序数据进行掩膜处理,统计获得每年各县域内玉米主要生育期NDVI均值;其次,以各州为估产区,以多年县级玉米统计单产和县域内玉米主要生育期NDVI均值为基础,建立各州玉米主要生育期NDVI与玉米单产间关系模型;然后,通过主要生育期玉米单产和玉米植被指数间拟合程度,筛选确定各州玉米最佳估产期和最佳估产模型。最终,利用最佳估产模型实现美国各州玉米单产估测和全国玉米单产推算。其中,建模数据覆盖时间为2007年—2010年,验证数据为2011年。结果表明,应用最佳估产模型的2011年美国各州玉米单产估测相对误差在-4.16%—4.92%,均方根误差在148.75—820.93 kg/ha,各州估测结果计算获得全国玉米单产的相对误差仅为2.12%,均方根误差为285.57 kg/ha。可见,本研究的作物单产遥感估测技术方法具有一定可行性,可准确估测全球重点地区作物单产信息。     

同化MODIS温度产品估算地表水热通量

基于集合卡尔曼滤波和通用陆面模型(CLM 1.0)发展了一个地表温度的同化系统。这个系统同化了MODIS温度产品, 并将MODIS的叶面积指数引入CLM模型中, 主要用于改进地表水热通量的估算精度。将CLM输出的地表温度与MODIS地表温度建立关系, 并作为同化系统的观测算子。将MODIS地表温度与实测地表温度进行了比较, 将其均方差(Root Mean Square Error, RMSE)作为观测误差。选取3个美国通量网站点(Blackhill、Bondville、Brookings)作为实验数据, 结果表明: 同化结果中地表温度、显热通量的估算精度均有提高。其中Blackhill站的估算精度改进最大, 均方差由81.5W·m-2减小到58.4W·m-2, Bondville站均方差由47.0W·m-2减小到31.8W·m-2, Brookings站均方差由46.5W·m-2减小到45.1W·m-2。潜热通量估算精度在Bondville站均方差由88.6W·m-2减小到57.7W·m-2, Blackhill站均方差由53.4W·m-2减小到47.2W·m-2。总之, 结合陆面过程模型同化MODIS温度产品估算地表水热通量是可行的。     

Comparing methods for mapping canopy chlorophyll content in a mixed mountain forest using Sentinel-2 data

The Sentinel-2 Multi-Spectral Imager (MSI) has three spectral bands centered at 705, 740, and 783 nm wavelengths that exploit the red-edge information useful for quantifying plant biochemical traits. This sensor configuration is expected to improve the prediction accuracy of vegetation chlorophyll content. In this work, we assessed the performance of several statistical and physical-based methods in retrieving canopy chlorophyll content (CCC) from Sentinel-2 in a heterogeneous mixed mountain forest. Amongst the algorithms presented in the literature, 13 different vegetation indices (VIs), a non-parametric statistical approach, and two radiative transfer models (RTM) were used to assess the CCC prediction accuracy. A field campaign was conducted in July 2017 to collect in situ measurements of CCC in Bavarian forest national park, and the cloud-free Sentinel-2 image was acquired on 13 July 2017. The leave-one-out cross-validation technique was used to compare the VIs and the non-parametric approach. Whereas physical-based methods were calibrated using simulated data and validated using the in situ reference dataset. The statistical-based approaches, such as the modified simple ratio (mSR) vegetation index and the partial least square regression (PLSR) outperformed all other techniques. As such the modified simple ratio (mSR3) (665, 865) gave the lowest cross-validated RMSE of 0.21 g/m² (R² = 0.75). The PLSR resulted in the highest R² of 0.78, and slightly higher RMSE =0.22 g/m² than mSR3. The physical-based approach-INFORM inversion using look-up table resulted in an RMSE =0.31 g/m², and R² = 0.67. Although mapping CCC using these methods revealed similar spatial distribution patterns, over and underestimation of low and high CCC values were observed mainly in the statistical approaches. Further validation using in situ data from different terrestrial ecosystems is imperative for both the statistical and physical-based approaches' effectiveness to quantify CCC before selecting the best operational algorithm to map CCC from Sentinel-2 for long-term terrestrial ecosystems monitoring across the globe.     

Extraction and validation of cartosat-1 DEM

CARTOSAT-1 satellite, launched in May, 2005 is a dedicated along track stereo mission providing high quality data for topographic and cartographic applications. The present paper describes the evaluation of the Cartosat-1 stereo data, mainly through the generation and validation of DEM for moderately undulating and hilly areas. Photogrammetric techniques have been used for generation of DEM and Orthoimage for two cases i.e. 1) using RPCs (Rational Polynomial Coefficients) and 2) using RPCs along with ground control points. Root Mean Square Error (RMSE) in elevation values for the moderately undulating (Dehradun) and hilly area (Shimla), are found to be 4.38 and 3.69m respectively.     

资源一号02D高光谱影像内陆水体叶绿素a浓度反演

2019-09-12成功发射的资源一号02D卫星(ZY-102D)搭载了新一代可见短波红外高光谱相机AHSI(Advanced Hyperspectral Imager),其丰富的细分波段和较高的空间分辨率在内陆湖库水质监测方面具有较大潜力,但数据可用性有待分析和验证.本研究以中国华东和华北平原的典型富营养湖库(太湖、...