黑河流域遥感物候产品验证与分析

植被物候遥感产品对全球变化响应、农业生产管理、生态学的应用等多领域研究具有重要意义。但现有植被物候遥感产品还有较多问题,主要包括一方面使用不同参数的时间序列数据以及不同提取算法导致的产品结果差异较大,另一方面在地面验证中地面观测数据与遥感反演数据的物理含义不一致导致的验证方法的系统性误差。本文以黑河流域为研究区,对比验证基于EVI(Enhanced Vegetation Index)时间序列数据提取的MLCD(MODIS global land cover dynamics product)植被遥感物候产品和基于LAI(Leaf Area Index)时间序列数据提取的UMPM(product by universal multi-life-cycle phenology monitoring method)植被遥感物候产品的有效性及精度等。同时,通过验证分析进一步评估基于EVI和LAI时间序列提取的物候特征的差异及特点,探讨由于地面观测植被物候与遥感提取植被物候的物理意义的不一致问题导致的直接验证结果偏差。结果表明:UMPM产品有效性整体高于MLCD产品,但在以草地和灌木为主的稀疏植被区,由于LAI取值精度的原因,UMPM产品存在较多缺失数据,且时空稳定性较低;基于玉米地面观测数据表明,EVI对植被开始生长的信号比LAI更加敏感,更适合提取生长起点,但植被指数易饱和,峰值起点普遍提前,基于LAI提取的峰值起点更加合理。由于地面观测的物候期在后期更加关注果实生长,遥感观测仅关注叶片的生长,遥感定义的峰值终点和生长终点与玉米的乳熟期和成熟期差异较大。     

遥感定量反演地表参数对于气候变化的响应研究

遥感定量反演地表参数时间序列产品已被广泛应用于植被动态变化、全球气候变化、防灾减灾及环境保护等领域。由于卫星观测往往受到大气条件（如云、气溶胶、水汽等）以及传感器自身稳定性的影响等,许多由卫星观测反演得到的陆表产品,如归一化差值植被指数（NDVI）、叶面积指数（LAI）、地表温度（LST）、微波极化亮温（PDBT）等存在严重的时空不连续问题。为了获取时间序列上连续、空间上完整的地表参数遥感产品以满足长时序的陆面过程分析与建模的需求,目前已发展多种遥感时间序列重建模型。本文介绍了基于傅里叶变换的时间序列谐波分析（HANTS）方法,能够识别并去除受到云和大气影响的像元（噪声）,对原始时序数据进行时间插值来重建连续时间序列的数据,并针对其面向多种不同时空尺度的遥感反演地表参数以及在非洲、南美洲、欧洲、中国及印度等全球不同地区的应用研究进行了综述,包括植被动态变化对于气候变化及流域水循环过程的响应、干旱监测、基于土壤含水量饱和度时间序列分析的洪涝灾害易发区监测、遥感估算地表蒸散发时间尺度扩展等方面的研究,充分阐释了遥感时间序列产品在地气相互作用的各类研究领域的应用。     

遥感定量反演地表参数对于气候变化的响应研究（英文）

遥感定量反演地表参数时间序列产品已被广泛应用于植被动态变化、全球气候变化、防灾减灾及环境保护等领域。由于卫星观测往往受到大气条件(如云、气溶胶、水汽等)以及传感器自身稳定性的影响等,许多由卫星观测反演得到的陆表产品,如归一化差值植被指数(NDVI)、叶面积指数(LAI)、地表温度(LST)、微波极化亮温(PDBT)等存在严重的时空不连续问题。为了获取时间序列上连续、空间上完整的地表参数遥感产品以满足长时序的陆面过程分析与建模的需求,目前已发展多种遥感时间序列重建模型。本文介绍了基于傅里叶变换的时间序列谐波分析(HANTS)方法,能够识别并去除受到云和大气影响的像元(噪声),对原始时序数据进行时间插值来重建连续时间序列的数据,并针对其面向多种不同时空尺度的遥感反演地表参数以及在非洲、南美洲、欧洲、中国及印度等全球不同地区的应用研究进行了综述,包括植被动态变化对于气候变化及流域水循环过程的响应、干旱监测、基于土壤含水量饱和度时间序列分析的洪涝灾害易发区监测、遥感估算地表蒸散发时间尺度扩展等方面的研究,充分阐释了遥感时间序列产品在地气相互作用的各类研究领域的应用。     

基于Savitzky-Golay滤波算法的FY-2F地表温度产品时间序列重建

卫星遥感技术可获取大面积、空间连续的地表温度(land surface temperature,LST),为全球变化、生态环境和农业生产等领域提供了宝贵的数据源,但受到云、气溶胶、观测角度和太阳光照角度等影响,遥感反演的LST在时间和空间上均存在不同程度的缺失,限制了LST遥感产品的应用。以长江三角洲地区为研究区,以风云2号F星(FY-2F) LST日均值产品为数据源,利用LST时间序列特征,基于Savitzky-Golay(S-G)滤波算法进行了LST长时间序列的重建研究。结果表明,研究区重建前FY-2F LST产品的平均时相缺失率为19. 43%,经滤波后缺失率降低为1. 69%,并能够保证LST空间一致性。通过模拟验证,S-G滤波重建LST的拟合精度为0. 95,平均绝对误差为1. 35 K,具有较高的精度,可以用于进一步热环境时空分布规律的研究。     

遥感时间序列数据滤波重建算法发展综述

遥感时间序列数据(MODIS,NOAA/AVHRR,SPOT/VEGETATION等)在植被生长监测、物候信息提取、土地利用类型监测等诸多领域得到了广泛应用,是生产研究的重要数据源之一.由于传感器、云层大气等影响,遥感时间序列数据存在着严重的噪声,应用前必须进行序列滤波重建工作.综述现有各类滤波重建方法,对研究中广为采用的3类主要方法(基于最小二乘的非对称高斯函数拟合、SavitZky-Golay滤波、基于离散傅里叶的系列分析方法)集中阐述其理论基础、应用步骤和优缺点.总结当前遥感时间序列滤波重建方法需要进一步改进之处.     

融合高时空分辨率数据估算植被净初级生产力

植被净初级生产力NPP(Net Primary Production)遥感估算与分析,有赖于高时空分辨率的遥感数据,但目前中高分辨率的遥感数据受卫星回访周期及天气的影响,在中国南方地区难以获取连续时间序列的数据,从而影响了高精度的区域植被净初级生产力的遥感估算。为此,提出一种基于多源遥感数据时空融合技术与CASA模型估算高时空分辨率NPP的方法。首先,利用多源遥感数据,即Landsat8 OLI数据与MODIS13Q1数据,采用遥感数据时空融合方法,获得了时间序列的Landsat8 OLI融合数据;然后,基于Landsat8 OLI时空融合数据,并采用CASA模型,以长株潭城市群核心区为例,进行区域植被NPP的遥感估算。研究结果表明,基于时间序列Landsat融合数据估算的30m分辨率的NPP具有良好的空间细节信息,且估算值与实测值的相关系数达0.825,与实测NPP数据保持了较好的一致性。     

基于时空重建的重庆地区地表反射率产品修复

遥感数据普遍存在信息失真和信息缺失的现象,严重阻碍了数据的进一步应用,尤其是在一些环境特殊的区域。重庆天气多云多雾,地表反射率产品大量信息缺失,很多时域滤波方法不能进行处理。本文采用时空重建法对重庆市某区域的地表反射率数据进行了重建,实验结果表明,在多云雾环境下时空重建法的重建效果较好,不仅能够保持数据时域的连续性,保证数据空间的完整性,还能够较好地拟合原始有效数据。     

陕北地区植被覆盖度变化监测研究

植被覆盖度是反映地表植被群落生长态势的重要指标和描述生态系统的重要基础数据,对区域生态环境变化有着重要的指示作用。基于2000―2012年间MODIS遥感数据,获取较长时间序列下不同植被覆盖度等级的定量化数据,定量分析陕北地区植被覆盖度的发展和演化的时空特征,为区域性生态环境保护、资源可持续利用及相关决策提供科学依据。     

双集合卡尔曼滤波估算时间序列LAI

遥感估算叶面积指数(LAI)时空动态变化对全球气候变化研究具有重要的意义,为了提高遥感估算时间序列叶面积指数的精度,需要耦合遥感观测数据与LAI动态过程模型。本文提出一种基于双集合卡尔曼滤波(Dual EnKF)的时间序列LAI反演方法,同时更新LAI估计值和LAI动态过程模型中的敏感性参数,得到LAI和动态过程模型敏感参数的最优估计值来优化动态过程模型。一方面使得动态过程模型可以更好地描述LAI随时间的变化过程,降低模型预测误差,从而提高LAI动态过程模型的预测能力;另一方面通过耦合动态过程模型和辐射传输模型,集成遥感观测数据与动态过程模型的预测值,进而得到优化的LAI估计值。为检验算法,分别选取作物、草地和林地等典型植被验证站点进行Dual EnKF LAI时间序列估算,并分别与MODIS LAI产品及其SG滤波曲线、集合卡尔曼滤波方法反演LAI、未优化的动态过程模型模拟LAI结果进行比较,并配以一些站点地面实测点数据作为参考。结果表明,采用Dual EnKF方法得到的LAI不但保持了时间上的连续性,而且通过改善动态过程模型的预测能力,即使在缺乏高质量遥感观测数据时,也能够获得符合LAI发展趋势的估算值,没有出现跳跃、波动现象,时间序列曲线较稳定,更符合植被LAI变化规律,表明基于Dual EnKF的时间序列LAI遥感估算方法是提取LAI时间廓线的一种有效途径。     

基于最优插值的土壤含水量遥感反演缺失数据插补

遥感反演土壤含水量是干旱遥感监测中必不可少的环节,但遥感传感器往往受到云雪或自身性能等因素影响而存在数据缺失。现有基于时间序列数据的滤波插补法对数据要求较高而难以推广,而空间插值方法在成块缺失区域效果较差。针对此问题,提出利用最优插值法,根据气象站点实测数据对插值点的贡献定权,进而实现缺失像元的插值与填充。选取宁夏回族自治区为实验区,应用植被条件反照率干旱指数(vegetation condition albdedo drought index,VCADI)反演多个时期的土壤含水量结果,结合分布在研究区的16个国家级气象台站观测数据,利用最优插值法对缺失数据进行插补,结果表明该方法对不同程度数据缺失都具有较好的效果。通过人工模拟具有成块缺失与不同缺失率的数据,对比反向距离加权插值、Kriging空间插值方法和本文方法的插补效果,验证了本文方法具有更高的插补精度。     

云下遥感地表温度重构方法研究

地表温度是研究地-气之间水热平衡的重要参数,对地表温度的全天候获取具有重要意义.热红外遥感可以获得较高分辨率空间全覆盖的地表温度产品,但是有云地区数据缺失问题制约了地表温度遥感产品的全天候应用.文章发展了2种对云下缺失的地表温度进行重构的方法,方法1是借助地表温度同化数据集发展了一种时空匹配的数据融合方法,方法2是将当...     

基于背景库的高质量LAI时间序列数据重建

叶面积指数LAI(Leaf Area Index)是表征植被冠层结构的重要参数,然而由于云等大气因素的影响,MODISLAI时间序列产品在时间与空间尺度的连续性仍存在问题。随着先验知识在遥感反演中的地位不断得到加强,本文将多年LAI历史数据作为先验知识,用以建立LAI背景库,并提出了基于LAI背景库的Savitzky-Golay(SG)滤波算法来实现LAI时间序列数据的降噪工作。结果表明,与传统SG滤波相比,新算法能够更加客观有效地重建LAI时间序列。     

辐射传输模型模拟与深度学习结合的高分一号卫星植被光合有效辐射吸收比例产品反演算法

植被光合有效辐射吸收比例FPAR (Fraction of absorbed Photosynthetically Active Radiation)是碳循环光能利用率模型中的关键参数之一。高分系列卫星的发射，为反演定量遥感产品提供了高时空分辨率的卫星遥感数据，基于高分数据的植被光合有效辐射吸收比例产品能够为生态系统碳循环的分析评估提供更加精细、精度更高的输入参数产品。本文发展了一种基于深度学习的光合有效辐射吸收比例反演方法。该方法利用SAIL(Scattering by Arbitrarily Inclined Leaves)模型模拟多种太阳入射角度、观测角度、大气条件下的植被冠层光合有效辐射吸收比例及冠层反射率，形成海量输入—输出模拟数据集，具有鲁棒性及更好的普适性；基于深度信念网络对数据集进行训练，得到高分一号（GF-1）卫星光合有效辐射吸收比例遥感反演模型。利用中国科学院怀来遥感综合试验站及黑河流域地表过程综合观测网FPAR地面站点连续观测数据对玉米作物、芦苇草地等下垫面反演的FPAR进行了对比验证，RMSE分别为0.15和0.17。本方法以辐射传输模型模拟的多维大气及地表输入...     

2000—2016年广西防城金花茶自然保护区关键生态环境参数时空变化

植被覆盖度(FVC)和叶面积指数(LAI)作为关键生态环境参数,其时空动态变化的遥感监测对揭示陆地生态环境演变规律与科学监管生态环境具有重要意义.本文基于2000—2016年GLASS产品的植被覆盖度和叶面积指数数据,对广西防城金花茶国家级自然保护区FVC和LAI的时空动态变化进行监测.研究结果表明:①2000—201...     

一个植被双向反射模式的反演控制试验

利用地面遥感观测数据,对一个浑浊介质假定下的植被双向反射模式,增加了对太阳漫射辐射因素处理,在可见光波段上,进行了系列模式反演试验。这些试验有助于完善植被双向反射模式中物理过程的描述,了解模式反演过程的控制和选择合适遥感观测数据进行模式反演。分析试验结果发现：（１） 对 Ｌ Ａ Ｉ进行初值预估有利于获得较好的植被双向反射模式反演结果。（２） 加入植被对太阳漫射辐射的反射过程描述,可以使植被双向反射模式的反演结果更加合理。（３） 使用在太阳天顶角不太大（ ＜ ４５°） 和太阳方位角偏离１８０°不多（ ＜ ４５°） 观测条件下得到的遥感数据,可以使植被双向反射模式的反演结果较好。（４） 在３１°—６１°的太阳天顶角范围和１３６°—２５８°的太阳方位角范围内,多角度观测使太阳天顶角和方位角因素对 Ｌ Ａ Ｉ反演结果的影响不显著。（５） 当太阳漫射辐射的份额不大时,对 Ｌ Ａ Ｉ反演结果的影响不显著。如果只针对 Ｌ Ａ Ｉ,那么对反演植被双向反射模式所应用的地面遥感数据可以不进行大气校正处理,这样的结果虽然是从对地面遥感数据的处理中获得的,仍然对卫星遥感的观测时段选择和卫星遥感数据的选取和分析有一定的价值。     

塞罕坝地区高空间分辨率叶面积指数时序估算与变化检测

叶面积指数LAI (Leaf Area Index)是调节植被冠层生理过程的最重要的生物物理变量之一,高空间分辨率时间序列LAI对于植被生长检测、地表过程模拟与区域和全球变化研究至关重要,但是由于数据缺失和反演方法限制,目前还没有时空连续的高分辨率LAI数据产品。本研究提出了一种生成时间连续的高空间分辨率LAI数据的算法,首先对MODIS LAI产品滤波平滑,生成时间序列LAI的上包络曲线,根据上包络曲线提供的变化信息构建LAI动态模型。然后利用地面实测的LAI数据与Landsat反射率数据构建LAI反演的BP (Back Propagation)神经网络模型。将反演得到的高分辨率LAI数据作为LAI观测数据,利用集合卡尔曼滤波EnKF (Ensemble Kalman Filter)方法实时更新动态模型,生成时间连续的30 m空间分辨率LAI数据集。基于该算法生成了塞罕坝地区2000年—2018年长时间序列LAI数据集,利用Prophet深度学习模型进行模拟和预测,根据预测和原始LAI差异,利用支持向量机SVM (Support Vector Machine)方法检测植被干扰状况。结果表明:EnKF算法能够生成时空连续的高空间分辨率LAI数据,估算结果与地面测量值一致性较高,R~2为0.9498,RMSE为0.1577,在区域尺度上与Landsat LAI参考值较为吻合,R~2高于0.87,RMSE低于0.61。Prophet与SVM模型检测到研究区2009年,2010年,2013年,2014年,2015年植被受干扰较为严重,主要由于年降水量偏少和林区作业砍伐造成,检测结果与当地降水量与砍伐数据吻合。本文提出的算法可用于大范围高时空LAI数据反演和植被变化检测,对塞罕坝乃至全国林区规划管理具有重要的参考价值。     

基于多源遥感数据的物种多样性及陆表植被恢复力监测研究

生物多样性和生态系统恢复力是生态系统健康的关键因素和重要指标。物种多样性指一定区域内物种数量的总和,物种多样性监测是生物多样性监测与保护的核心部分。作为生态系统恢复力的重要组成部分,植被恢复力是陆表生态系统服务和生态系统功能的重要指标,直接决定了陆表植被变化、陆表生态系统稳定性等关键生态过程和生态参量。目前,受到观测手段的限制,物种多样性与陆表植被恢复力监测普遍空间范围小,时间范围不连续,其中热带地区植物物种多样性变化对植被影响效果争议较大。论文基于长时间序列高精度遥感数据,从动物物种多样性遥感监测、植物物种多样性变化对热带雨林影响的遥感评估、遥感植被恢复力监测三方面出发开展相关工作。主要工作和成果包括:     

MODIS和HJ-1 CCD数据时空融合重构NDVI时间序列

遥感数据反演高时空分辨率NDVI对监测植被动态变化过程具有重要意义,然而受天气影响,单颗卫星难以提供时间连续的高空间分辨率NDVI数据。以华北平原中东部为实验区,联合HJ-1 CCD数据和MODIS数据,对STARFM算法进行了改进,(1)考虑了不同地物对光谱响应的差异,为减少分类错误利用统计学上()对分类数据进行筛选,按照不同地物类型分别利用线性拟合方法修改光谱距离权重;(2)定义了预测半径,对HJ-1 CCD数据因外界影响而缺失的影像进行了预测。结果表明,与真实影像相比,预测结果呈现了较好的空间一致性,相关系数均达到了极显著相关,改进算法的预测精度要高于原算法。利用该方法将HJ-1 CCD NDVI的空间变化信息与MODIS NDVI时间变化信息有机结合重构了高时空分辨率NDVI序列,有效补充了HJ-1CCD NDVI的缺失数据集。     

小滦河流域复杂地表碳循环遥感综合试验

遥感综合试验对于遥感科学技术的发展起到重要作用,无论是基础研究还是遥感应用都需要试验提供支撑。从2018年开始,遥感科学国家重点实验室针对遥感自身发展和遥感面向地表圈层深化应用面临的科学问题,在滦河上游流域组织了小滦河流域复杂地表碳循环遥感综合观测试验,本文旨在介绍该试验的目标、区域、观测参数、观测方法以及对未来研究的展望,以期望为今后开展其他遥感试验及相关研究提供有益的参考和帮助。该试验采用星机地协同综合观测的方式,选择主要的在轨运行卫星数据及覆盖此流域的遥感产品作为主要数据;针对典型区域开展航空及无人机遥感试验,搭载光学传感器设备,获取典型区域水热循环、碳循环等关键参数;并同步开展地面观测试验,在典型实验区开展大气、植被和土壤关键参数的精细观测。目前已系统的开展了地面测量试验、无人机遥感试验及航空遥感试验,并同步收集了卫星遥感数据,形成了一套丰富的星—机—地配套遥感实测数据集。在试验的推动下,遥感科学国家重点实验室于2020年在试验区架设了多座综合观测塔,并配置了多种观测设备,开启了长时间序列观测任务,虚拟试验场的构建和机理生态模型的运行也在同步开展。小滦河流域复杂地表碳循环遥感综合试验利用星—机—地一体化的监测方法有效获取了地表水、能量和碳循环的关键参数,为遥感机理模型发展、反演方法检验和尺度转换研究提供了关键的基础数据。目前已用来建立遥感机理模型的综合检验平台,分析和改进传统模型和遥感产品在复杂地表的适用性,阐明流域尺度碳水耦合的物理过程。     

遥感高时空融合方法的研究进展及应用现状

针对遥感图像的"时空矛盾",评述了当前解决这一问题最主要的方法即遥感时空信息融合的方法,包括基于变化模型的融合、基于重建模型的融合以及基于学习模型的融合。通过分析各个模型的研究现状,指出了每种模型方法的优劣,特别重点介绍了影响较大的自适应时空融合方法的理论以及对其的改进算法。同时本文总结了当前时空融合模型在长时间序列模拟以及大区域数据集生成等方面的实际应用的效果,以及分析了影响时空融合结果的主要因素。最后基于这些问题和影响因素提出了今后时空融合模型发展的目标和方向。