基于微波数据与光学数据集成的机器学习技术在作物产量估算中的应用

各类光学植被指数已成功地应用于各种植被监测与作物产量估算中,但这些指数易受大气状况的影响。由星载微波辐射计得到的植被光学厚度数据（VOD）与植被密度、含水量密切相关,数据可全天候获得,在农业遥感监测中呈现着巨大的潜力。作为来自不同传感器的遥感数据,微波遥感数据与光学遥感数据可以提供不同波长范围内的植被信息。为了更准确地进行作物产量估算,本研究提出将微波遥感数据与光学遥感数据共同应用于冬小麦单产估算中。研究选择L波段微波辐射计SMAP卫星的VOD数据与MODIS的标准归一化植被指数NDVI、增强型植被指数EVI、叶面积指数LAI、光合有效辐射分量FPAR数据作为研究变量,分别使用BP神经网络、GA-BP神经网络和PSO-BP神经网络建立冬小麦产量估算模型。结果表明： 3种神经网络回归模型的P值均小于0.001,通过了显著性检验。GA-BP神经网络回归模型的估算值与真实值在3种神经网络回归模型中表现了最高的相关性（R=0.755）与最低的均方根误差（RMSE=529.145 kg/hm²）,平均绝对误差(MAE=425.168 kg/hm²)和平均相对误差（MRE=6.530%）。为了分析多源遥感数据的结合在作物产量估算中的优势,研究同时构建了仅使用NDVI和LAI,使用NDVI、EVI、LAI、FPAR等光学数据进行冬小麦产量估算的3种GA-BP神经网络回归模型作为对比。结果表明,使用微波遥感数据与光学遥感数建立的GA-BP神经网络回归模型较上述3种作为对比的GA-BP神经网络回归模型的相关系数R值分别提高了0.163,0.229与0.056,均方根误差RMSE分别降低了122.334、158.462和46.923 kg/hm²,使用多源遥感数据的组合可以很好地提高作物产量估算的准确性。     

基于机器学习的高精度高分辨率气象因子时空估计

气象变量常作为重要的影响因子出现在环境污染、疾病健康和农业等领域,而高分辨率的气象资料可作为众多研究的基础数据,对推进相关研究的发展意义重大。本文以中国大陆为研究区域,利用2015年824个气象站点的气温、相对湿度和风速3套数据,结合不同的解释变量组合,分别构建了各自的GAM和残差自编码器神经网络（简称残差网络）模型,以10倍交叉验证判断模型是否过拟合。研究结果表明：① GAM和残差网络方法都不存在过拟合问题,同GAM相比,残差网络显著提高了模型预测的精度（3个气象因素的交叉验证CV R²平均提高了0.21,CV RMSE平均降低了37%）,其中相对湿度模型的提升幅度最大（CV R²:0.85 vs. 0.52,CV RMSE:7.53% vs. 13.59%）;② 残差模型的结果较普通克里格插值结果和再分析资料更接近站点观测数据,表明残差网络可作为高分辨率气象数据研制的可靠方法。此外,研究还发现在相对湿度模型中加入臭氧浓度和气温、在风速模型中加入GLDAS风速再分析资料,可提升模型的性能。     

结合DSM的机载LiDAR单木树高提取研究

机载LiDAR在提取地形坡度较大区域的冠层高度模型（CHM）时易产生畸变,降低单木树高的提取精度,为此提出一种CHM与数字表面模型（DSM）相结合的树高估算方法。首先基于预处理后的点云生成的CHM,利用局部最大值算法和标记控制分水岭分割算法进行分割,得到单木树冠轮廓多边形;然后结合DSM,采用固定窗口的局部最大值算法探测树顶点并提取其高程,继而与使用狄洛尼三角网和高程内插得到的地面点相减获取树高;最后,以广西兴安县富江村附近地形起伏较大的针叶林为试验区,测试3种不同坡度下,在CHM、CHM结合DSM获得的树高与实测树高分别进行精度分析。结果表明,当树木分别位于平均坡度为32°、27°和15°的试验区时,CHM中提取的树高与实测数据拟合的R²分别为0.84、0.85和0.87,RMSE为1.48、1.41和1.58 m,结合DSM后R²为0.92、0.91和0.93,RMSE为0.93、1.02和1.16 m;在地形坡度较大的区域,本文方法可以有效提高单木树高的估算精度。     

变换光谱数据对土壤氮素PLSR模型的影响研究

光谱数据变换对消除背景、噪音影响以及提取光谱特征有重要的作用,是光谱数据分析过程中的必要步骤。为了研究光谱变换处理对土壤氮素PLSR模型的影响精度,并选择最佳光谱变换处理方法,本文对原始光谱数据进行了15种典型光谱变换,通过比较不同变换光谱与土壤氮素的相关性,实现土壤氮素的PLSR精确诊断,并综合评定最佳光谱数据变换方法。结果表明,涉及微分处理后的光谱变换,尤其是先进行开方（T₈、T₁₁）、对数（T₆、T₁₂）等变换后再进行微分处理,可提高其与土壤氮素的相关性。在引入较少因子变量个数的条件下,该方法使因变量解释量达到了98%。综合考虑模型的校正、验证效果及模型复杂度（模型最佳因子变量个数）,可得出光谱平方根的一阶微分变换处理（T₈）为最佳的土壤光谱变换算法。该条件下的土壤氮素的校正模型表现为R²=0.985、RMSE_C=0.000132、F_n=6,验证模型的表现为R²=0.9853、RMSE_V=0.000162,结果表明基于T₈的光谱数据变换可实现本试验条件下土壤氮素的光谱估算。另外,可以考虑将原始光谱的一阶微分（T₉）、对数和对数倒数的一阶微分（T₆、T₇）以及平方根和对数的二阶微分（T₁₁、T₁₂）作为光谱数据变换方法。本文研究结果可为土壤氮素估算和光谱数据预处理提供技术参考。     

基于相关分析和自适应遗传算法的盐渍化建模变量和参数优选

机器学习结合遥感等其他数据反演土壤盐分含量（Soil Salt Content, SSC）较少关注对模型精度影响较大的建模特征变量和模型参数的优选。本文基于自适应遗传算法（Adaptive Genetic Algorithm, AGA）同步优选建模特征变量和模型参数的支持向量回归（Support Vector Regression, SVR）算法反演三工河流域2016年SSC,并分析其在不同土地利用类型的分布特征。建模特征变量和模型参数的同步优选及实验设计如下：首先基于Landsat 8 OLI和SRTM高程数据提取7类共40个盐渍化相关因子,经相关分析初步筛选出候选特征变量,分别代入AGA、遗传算法（Genetic Algorithm, GA）和格网搜索算法（Grid Search, GS）同步优选SVR的建模特征变量和模型参数,并建立盐渍化监测模型（AGA-SVR、GA-SVR、GS-SVR）。结果表明：① AGA-SVR精度最优,GA-SVR次之,GS-SVR最差,相较于GS-SVR,AGA-SVR的R²/RMSE提高了44.65%;② 三工河流域非、轻度、中度、重度盐渍地和盐土的面积占比分别为42.83%、11.02%、15.88%、9.22%、21.05%;③ 草地和未利用地主要以非盐渍地和盐土为主,耕地和林地中非盐渍地分布比例均为最大;不同土地利用类型的SSC均值和标准差均呈现未利用地>草地>耕地>林地的规律。本研究的建模特征变量和模型参数的优选方法可在一定程度上提高盐渍化监测的精度。关键词：盐渍化;遗传算法;机器学习;特征优选;参数优化;土壤盐分含量;土地利用;相关分析     

基于卷积神经网络的ICESat-2光子点云去噪分类

ICESat-2（Ice, Cloud, and land Elevation Satellite-2）是美国NASA（National Aeronautics and Space Administration）在2018年发射的激光测高卫星,其上搭载的激光测高系统ATLAS（Advanced Topographic Laser Altimeter System）采用微脉冲多波束光子计数激光雷达系统,因其低能耗、高探测灵敏度、高重复频率的特性极大改善了沿轨采样密度,但也使获取的数据中包含大量的噪声,如何有效实现光子点云去噪分类成为后续应用的关键,也是当前研究的热点和难点,为此本文提出一种基于卷积神经网络的光子点云去噪和分类算法。首先将光子点云按照沿轨和高程方向划分格网,去除明显的噪声光子,并将每个粗信号光子点栅格化为影像;然后基于少量样本构建的卷积神经网络分类模型实现光子点云精去噪和分类;最后利用机载激光雷达数据进行验证,并与ATL08产品的去噪分类结果进行对比。结果表明,对于裸地和森林区域,卷积神经网络算法均能有效去除噪声光子,特别对于森林区域,可同时实现去噪和分类;其中,裸地区域地表计算的R²和RMSE分别为1.0和0.72 m,森林区域地表和树冠计算的R²分别为1.0和0.70, RMSE分别为1.11 m和4.99 m。本文利用深度学习算法实现光子点云去噪分类,在裸地和森林区域均取得了较好的结果,为后续光子点云数据处理提供了参考。     

基于LSTM神经网络的青藏高原月降水量预测

青藏高原的降水量预测不仅为该地区水资源合理规划利用提供依据,同时对中国及周边国家气候变化研究有着重要的意义。论文利用1990—2016年青藏高原降水量数据,采用长短期记忆神经网络（LSTM）对青藏高原月降水量进行预测,主要包括：① 使用青藏高原86个测站1990—2013年的月降水资料,预测各个测站2014—2016年的月降水量,并与传统的RNN、NAR、SSA和ARIMA预测模型相比,平均决定系数R²分别提高了0.07、0.15、0.13和0.36,均方根误差（RMSE）和平均绝对误差（MAE）表现更低;② 分析了降水量预测精度的空间分布特征,将各模型的R²在青藏高原地区内插值,分析R²的空间分布特征,发现所有模型降雨稀少的干旱地区和降雨多的湿润地区R²较低,在气候稳定、降水规律性明显的地区R²较高,且LSTM模型R²≥0.6的空间范围远大于传统模型;③ 分析了不同预测长度对各模型预测精度的影响,发现所有模型会随着预测长度增加而预测精度降低,但在不同的预测长度下LSTM预测的RMSE值都低于其他模型。     

基于静风期污染物的PM2.5排放清单空间精细化方法

有利气象条件之后的静风期,极大降低了PM_2.5跨区域传输的影响,能够揭示本地源的排放状况。本文尝试性引入了静风期污染物分布揭示本地源排放特征的概念,提出了一种基于遥感数据的PM_2.5排放清单空间精细化方法：首先,利用 MODIS MCD19A2反演的ChinaHighPM_2.5数据,构建高时空分辨率PM_2.5数据融合方法;然后,构建唐山市有利气象条件之后的静风期污染物遴选方法（合理风向和风速：有利气象条件为东风,地面10 m高度风速大于3 m/s,其他风向,持续的较大风力5~10 m/s;静风期风速小于1.5~2.0 m/s）;其次,基于遴选的静风期PM_2.5数据分配MEIC清单中的PM_2.5总排放量,同时对比传统插值方法：基于GDP、人口密度、路网、土地利用类型数据,实现清单各污染源PM_2.5的1 km×1 km空间分配;最后,利用WRF-CMAQ模拟数据和地面台站实测数据进行真实性检验。研究结果表明：① PM_2.5数据填补融合方法能够有效提高PM_2.5监测数据的时空分辨率,且与地面监测值显著相关（R²=0.94,RMSE=4.64 µg/m³,NMB=2%,NME=7%）;② 引入有利气象条件后的静风期概念,提出了静风期污染物的遴选方法,有效降低了PM_2.5跨区域传输的影响,更好地反映了本地源排放的空间分布特征;③ WRF-CMAQ模拟方法的精度验证结果表明,该方法较传统面积插值法NME降低7%,NMB降低10%,RMSE降低1.54 µg/m³,R²提高11%。该方法为排放清单的空间精细化提供了新的研究思路。     

同化叶面积指数和蒸散发双变量的冬小麦产量估测方法

同化遥感信息到作物生长过程模拟模型,是估测区域作物产量的重要方法之一。同化变量的选取对同化结果精度至关重要。本文在标定WOFOST作物模型参数的基础上,优化了WOFOST模型的默认灌溉参数。利用ET和LAI作为同化变量,分别构建了时间序列趋势信息的代价函数和四维变分代价函数;采用SCE-UA算法最小化代价函数, 重新初始化WOFOST模型初始参数——作物初始干物质重、作物35 ℃生命期和灌溉量。最后利用MODIS LAI产品（MCD15A3）、MODIS ET产品（MOD16A2）,同化到作物模型估测产量,并对比分析了水分胁迫模式下同化单变量（ET或LAI）和同化双变量（ET和LAI）的估产精度。结果表明：同化双变量ET和LAI的策略,优于同化单变量LAI或ET,双变量策略的冬小麦产量估测精度为R²=0.432,RMSE=721 kg/hm²;单独同化高精度LAI对提高估产精度具有重要作用,其冬小麦产量估测精度为R²=0.408,RMSE=925 kg/hm²;单独同化ET的趋势信息改善了WOFOST模型模拟水分平衡的参数,但是,产量估测精度（R²=0.013,RMSE=1134 kg/hm²）与模型模拟估测产量精度（R²=0.006,RMSE=1210 kg/hm²）相比改善效果有限。本研究为其他区域的遥感数据与作物模型的双变量数据同化的作物产量估测研究提供了参考价值。     

基于复合指数模型的DMSP/OLS夜间灯光影像饱和校正方法

由于OLS传感器航行过程中增益记录和交叉定标的缺失,使得DMSP夜光影像在城市中心出现过度饱和等问题,因此探讨灯光数据去饱和方法在人类活动强度评估和城市时空演化分析等方面具有重要意义。为了解决这一难题,有学者提出使用NDVI修正饱和灯光数据的VANUI指数,为研究灯光数据去饱和提供了简单便捷的思路,然而该指数在部分城市中较难有明显的校正效果。本文在VANUI指数思想的基础上,顾及到人口密度随着郊区到城市中心距离的增加呈现指数型增长,提出了基于复合指数模型校正夜间灯光指数CEANI,为人类活动强度评价等研究提供更准确的结果。研究表明:① 与VANUI相比,CEANI在刻画城市内部饱和区域特征时具有更好的细节,较好地凸显城市内部空间异质性;② 在25组随机样本的相关对比中,CEANI（R²mean=0.79）与辐射定标产品比VANUI（R²mean=0.68）具有更高的相关性;③ 三大城市群中CEANI与常住人口的R²分别为0.767、0.676和0.841,比VANUI（R²分别为0.640、0.553和0.775）分别提高了0.127、0.123、0.066,相较于VANUI,CEANI与常住人口具有更强的相关性,对于人口指标的估算能力更强。     

L波段对不同盐类土壤的微波介电特性分析

 土壤盐碱化是世界面临的一大难题。微波遥感探测土壤具有优势,L波段对土壤含水量和含盐量较为敏感。为了分析不同盐类对土壤介电特性的影响,本文利用L波段(1.43 GHz)微波谐振腔测量了我国盐碱土中普遍存在的3种盐类(NaCl,Na₂SO₄,NaHCO₃)土壤样品的介电常数,研究了土壤介电常数与含水量、含盐量和盐种类的关系。得出结论:实部主要由土壤的含水量决定,含盐量对实部的影响无明显规律;虚部值随含水量和含盐量的增加而增大;3种盐类土壤介电常数虚部随含盐量变化呈现不同的递增趋势,在含盐浓度一定的条件下,虚部值是ε″ _NaCI>ε″ _NaHCO3>ε″ _Na2SO4;在某一含盐量点3种盐类土壤虚部随含水量变化的斜率不同,以此能将3种盐类区分。该研究为建立含不同盐类土壤介电常数模型和微波遥感监测土壤盐碱化提供了实验的依据。     

PRIMARY ANALYSIS ON GROUNDWATER, SOIL MOISTURE AND SALINITY IN FUKANG OASIS OF SOUTHERN JUNGGAR BASIN

１INTRODUCTIONSoilandlandformarethemoreimportantenviron－mentalfactorsaffectingthedistributionofvegetationinabasinwhenthemeteorologicconditionissimilaronalargescale，especiallyspatialandtemporalvariationsofthesoilmoistureandsaltcontent．Inaridareasthesoil…     

银川平原土壤盐渍化与土地利用强度的空间关联分析

银川平原盐渍土时空格局及其与土地利用强度变化关联关系的空间区位特征,可从土地利用强度的角度阐释土壤盐渍化的动因,为盐渍化因地制宜的治理提供参考依据。本文重点研究了盐渍土空间分布定量遥感生成方法,通过土地利用遥感制图、半方差函数的地统计学方法和灰色关联度分析法,对2004-2010 年银川平原的土地利用强度变化、土壤盐渍化程度变化及各类盐渍土与土地利用强度的关联度,进行了空间区位分布特征的可视化表达。研究结果表明:银川平原的发展仍具集聚效应,土地利用强度变化与城镇体系格局、交通干线、沟渠分布、土壤盐分含量密切相关;2004-2010 年间,银川平原土壤盐渍化存在整体减轻、局部加重的空间分布特征,与土地利用强度变化间的响应关系,存在较明显的空间差异;银川平原土壤盐渍化程度变化与土地利用强度变化间的关联度为0.7781,与水体、耕地这2 种土地类型间的关联程度最高。银川平原土壤盐渍化的干扰活动中,水体与耕地类型的利用行为是较重要的影响因子。     

ESTARFM算法在长江中下游平原地区的适用性研究

时空融合技术是目前解决单一遥感数据源难以同步获取高时空分辨率数据的有效途径。然而,如何设置参数使模型融合效果最佳,如何设置在植被监测中广泛应用的植被指数的融合步骤,进而获得最佳的植被指数时序数据,目前仍不明晰。本文以长江中下游平原地区的典型县域—南昌县为例,基于Landsat和MODIS多时相数据对当前主流时空融合模型—ESTARFM （Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model）进行参数敏感性分析,并系统地对比分析了2组融合实验RI（先融合波段反射率后计算植被指数）和IR（先计算植被指数后直接融合）的融合效果。结果表明： ① ESTARFM算法中参数的敏感性在波段反射率、植被指数融合中表现出相似的特征,随着滑动窗口与相似像元数量的增大,融合误差整体呈现出先减小后趋于稳定或增大的趋势;在ESTARFM算法应用中,存在着最佳参数设置范围;② 相较于RI组,IR组模拟结果精度更高（R²_RI-NDVI=0.866,R²_IR-NDVI=0.953,R²_RI-EVI =0.814,R²_IR-EVI =0.930）,且能够较好地削弱“斑块”现象,更好地表征出细小地物和纹理特征。研究结果为遥感数据时空融合模型在地块破碎、种植制度多变的复杂环境中的应用提供借鉴和参考。     

Retrieve sea surface salinity using principal component regression model based on SMOS satellite data

The sea surface salinity(SSS) is a key parameter in monitoring ocean states. Observing SSS can promote the understanding of global water cycle. This paper provides a new approach for retrieving sea surface salinity from Soil Moisture and Ocean Salinity(SMOS) satellite data. Based on the principal component regression(PCR) model, SSS can also be retrieved from the brightness temperature data of SMOS L2 measurements and Auxiliary data. 26 pair matchup data is used in model validation for the South China Sea(in the area of 4?–25?N, 105?–125?E). The RMSE value of PCR model retrieved SSS reaches 0.37 psu(practical salinity units) and the RMSE of SMOS SSS1 is 1.65 psu when compared with in-situ SSS. The corresponding Argo daily salinity data during April to June 2013 is also used in our validation with RMSE value 0.46 psu compared to 1.82 psu for daily averaged SMOS L2 products. This indicates that the PCR model is valid and may provide us with a good approach for retrieving SSS from SMOS satellite data.     

Influences of soil moisture and salt content on loess shear strength in the Xining Basin,northeastern Qinghai-Tibet Plateau

Moisture and salt content of soil are the two predominant factors influencing its shear strength. This study aims to investigate the effects of these two factors on shear strength behavior of loess in the Xining Basin of Northeast Qinghai-Tibet Plateau, where such geological hazards as soil erosion, landslides collapse and debris flows are widespread due to the highly erodible loess. Salinized loess soil collected from the test site was desalinized through salt-leaching in the laboratory. The desalinized and oven-dried loess samples were also artificially moisturized and salinized in order to examine how soil salinity affects its shear strength at different moisture levels. Soil samples prepared in different ways(moisturizing, salt-leaching, and salinized) were measured to determine soil cohesion and internal friction angle. The results show that salt-leaching up to 18 rounds almost completely removed the salt content and considerably changed the physical components of loess, but the soil type remained unchanged. As salt content increases from 0.00% to 12.00%, both the cohesion and internal friction angle exhibit an initial decrease and then increase with salt content. As moisture content is 12.00%, the salt content threshold value for both cohesion and internal friction angle is identified as 3.00%. As the moisture content rises to 16.0% and 20.00%, the salt content threshold value for cohesion is still 6.00%, but 3.00% for internal friction angle. At these thresholds soil shear strength is the lowest, below which it is inversely related to soil salinity. Beyond the thresholds, however, the relationship is positive. Dissimilar to salinity, soil moisture content exerts an adverse effect on shear strength of loess. The findings of this study can provide a valuable guidance on stabilizing the engineering properties of salinized loess to prevent slope failures during heavy rainfall events.     

基于TAVI的山区毛竹林LAI反演分析

本文采用地形调节植被指数（TAVI）,以RapidEye高分辨率多光谱遥感影像为数据源,对福建省永安市毛竹林山区进行了叶面积指数（LAI）地面实测、遥感建模及反演分析。通过TAVI与归一化植被指数（NDVI）、比值植被指数（RVI）的对比研究,结果表明：（1）毛竹林实测LAI与TAVI、NDVI和RVI线性回归的决定系数（R²）分别为0.6085、0.3156和0.4092,最佳非线性回归的R²分别提高到0.6624、0.5280和0.6497。LAI与NDVI或RVI非线性（U曲线）模型可以很好地解释LAI-VI的散点分布规律,但难以解决LAI-VI间因地形影响导致的“同物异谱”和“异物同谱”问题,因此,在山区大面积推广应用需慎重。（2）通过实测LAI的验证表明,LAI-TAVI回归模型可有效避免因地形影响导致的“同物异谱”和“异物同谱”问题。TAVI具有良好的削减地形影响作用,可用于山区植被LAI的遥感反演。