长江口水域多光谱遥感水深反演模型研究

利用Landsat-7 ETM 遥感影像反射率和实测水深值之间的相关性可以探测水深。该文介绍单波段、双波段比值和多波段3种线性回归模型以及动量BP人工神经网络水深反演模型。选择长江口北港河道上段作为研究区,利用上述模型,分两种情况进行水深反演:一是以河道全部历史样本建模;二是将河道按自然水深划分为浅水区和深水区分别建模。结果表明:神经网络模型预测精度高于线性回归模型;水深分区后线性回归和神经网络模型预测误差均有所减小。     

扎龙湿地克钦湖富营养化状态的高光谱遥感评价

通过分析扎龙湿地克钦湖水体高光谱反射率与水质参数的相关关系,采用单波段、波段比值等算法分别选取特征波长建立水质参数的高光谱定量模型,并且结合修正营养状态指数(TSIM)和综合营养状态指数法,对水体的富营养化程度进行了监测和评价。结果表明,单波段归一化反射率对叶绿素a估测模型效果较为理想;利用高光谱一阶微分反射率,诊断各水质参数的敏感波段,建立线性模型,确定了TN、TP、SD、CODMn的敏感波段分别为733 nm、765 nm、782 nm、680 nm。单因素水质参数评价水体富营养化水平具有一定的局限性。综合考虑多个水质指标,对水质的富营养化程度进行了评价,结果显示,克钦湖水体呈现出中营养化状态,需要采取一定的措施,防范于未然。     

基于ETM+影像的扎龙湿地遥感分类研究

通过对扎龙湿地Landsat7 ETM 影像进行计算机自动分类的实验研究，探讨了提高湿地遥感分类精度的方法与途径。实验所采用的首先对遥感影像进行非监督分类，再利用非监督分类生成的分类模板加以修改补充后进行监督分类的方法，经过误差矩阵的精度评价，可以获得研究区湿地遥感分类较高的分类精度。利用上述分类方法对3种ETM 不同波段组合的影像进行具体的遥感分类比较研究发现，选择ETM 7、5、3影像进行分类有助于提高扎龙湿地遥感分类的精度。为了提高湿地遥感分类的精度，还必须运用人机互译判读方法。     

基于支持向量机的扎龙湿地遥感分类研究

湿地遥感分类是实现湿地动态监测、管理与利用的重要手段之一.由于湿地具有独特的生态环境,获取实测样本点相对困难,因此,研究小样本、高精度的湿地遥感分类方法十分必要.以扎龙国家级自然保护区为研究区,采用支持向量机方法进行了研究区湿地遥感分类研究,初步剖析了样本数量与特征维度对分类结果的影响,并同传统的最大似然分类方法进行了...     

基于多光谱遥感的典型绿洲棉田春季土壤盐分反演及验证

为探索快速提取典型绿洲棉田土壤盐分的有效方法,获取区域尺度的土壤盐渍化特征及空间分布,进而为土壤盐渍化防治提供参考。以新疆兵团农二师31团为研究区域,2019、2021年春季Landsat 8 OLI多光谱影像和野外实测土壤含盐量为数据源,将波段组、光谱指数组和全变量组作为模型输入变量组,采用多元逐步回归（Multiple stepwise regression, MSR）、偏最小二乘回归（Partial least squares regression, PLSR）、极限学习机（Extreme learning machine, ELM）、支持向量机（Support vector machine, SVM）和BP神经网络（Back propagation neural network, BPNN）构建基于3个输入变量组的土壤盐分遥感反演模型,探究输入变量和建模方法对模型精度的影响效果,通过对比确定春季土壤盐分最优反演模型,定量反演地表土壤含盐量。结果表明：（1） 研究区主要为非盐化土和轻度盐化土,总样本变异系数为0.67,呈中等变异性;光谱反射率与土壤盐渍化程度的关系表现为土壤盐渍化越重,光谱反射率越高。（2） 海岸波段（b1）、蓝波段（b2）、绿波段（b3）、红波段（b4）和盐分指数（SI1、SI2、SI3、SI4、S3、S4、S5）均通过显著性检验P<0.01,相关系数均达到0.4以上。（3） 所有模型中,基于全变量组建立的BPNN反演模型精度最高,建模集R²为0.705;验证集R²为0.556。（4） 由反演结果可知,2019、2021年春季耕作区土壤主要为非盐化土,分别占耕作区总面积的55.55%和64.62%,其次为轻度盐化土,分别占44.31%和35.17%;2021年土壤盐渍化程度较2019年有所减轻。     

海岸带浅海水深高光谱遥感反演方法研究

近红外波段(760~900 nm)反射率对水深最为敏感,通过波段比值方法可以提高与水深的相关性,而711nm处反射率一阶微分值与水深的相关系数高达-0.87。对于近岸混浊度高的样本,单波段和比值模型反演效果不好,平均相对误差均高于30%;而光谱微分模型的精度较好,平均相对误差为17%。研究结果证明:水体反射率的一阶微分可以有效地削弱水质变化给水深反演带来的误差。     

基于SAIL模型的多角度多光谱遥感叶面积指数反演

随着多角度传感器的陆续出现及植被遥感传输机理研究的深入,多角度遥感逐渐成为地表信息反演的热点问题.以SAIL冠层反射率模型为基础,通过联合多角度和多光谱数据,可以从物理机理角度进行植被叶面积指数(LAI)反演的应用研究.首先通过计算得到多角度多光谱遥感影像的角度信息,并经6S模型纠正后得到多光谱多角度植被冠层反射率数据.然后将PROSPECT模型模拟出的植被叶片反射率和透过率,以及多角度观测数据、LAI和其它实测数据输入SAIL模型,模拟得到了多角度多光谱冠层反射率,进而建立多角度多光谱冠层反射率与LAI的查找表.最后,将影像的多角度多光谱冠层反射率与查找表进行匹配,实现植被LAI的反演.最后对反演结果进行了验证和分析,结果表明反演精度较高,误差均在合理范围之内.     

基于多策略的极地遥感反演模型集成研究

极地遥感反演模型是极地研究的一种非常重要的工具.遥感反演模型对极地研究具有重要性,分析遥感反演模型的特点,以持续性、业务化、统一调用为目标,提出极地遥感反演模型集成应用架构.基于该集成方案,提出基于多策略的模型改造方法,并从三个方面详细论述模型的集成模式.基于可执行程序的模型改造方法对模型进行改造,采用应用端的模型集成...     

基于实测光谱的潮滩土壤含水量遥感反演模型研究

以王港潮滩为研究区,采集土壤样品,测量土样的光谱,分析不同含水量土壤的光谱特征;利用统计相关法,建立TM遥感影像各波段对应波长处的光谱反射率与土壤含水量之间的关系模型.研究结果表明,在干燥条件下,土壤颗粒越细小,土壤表面越光滑平整,土壤光谱反射率越高,随着土壤含水量的增加,土壤反射率呈下降趋势;波长越长,土壤光谱反射率与含水量的相关性越高,其中2 220 nm处的土壤光谱反射率与含水量具有最高的相关性;通过不同的波段组合,建立新的土壤含水量反演因子,其中由490 nm与2 220 nm处光谱反射率的差值建立的因子与土壤含水量具有较高的相关性;由单波段与波段差值因子建立的土壤含水量反演模型的预测误差分别为4.590和5.147,反演精度较高.因此所建模型可以用于获取潮滩土壤含水量的空间分布,能够为研究潮滩土壤含水量与潮滩地形地貌之间的关系提供数据支持.     

扎龙湿地克钦湖表层沉积物中有机质、全氮和全磷含量分布特征

为了了解扎龙湿地克钦湖沉积物中营养物质的分布状况,在扎龙湿地克钦湖设置了21个采样点,于2016年7月9日,采集了0?5 cm深度的沉积物样品,测定了表层沉积物样品中有机质、全氮和全磷含量;利用克里金插值法,绘制表层沉积物有机质、全氮和全磷含量的空间分布图,并分析了其空间分布特征及影响因素.研究结果表明,克钦湖0～5 ...     

基于BP神经网络的盐渍土盐分遥感反演模型研究

采用遥感技术和BP神经网络技术,结合野外实测的盐渍土光谱特征和实验室化验的土壤含盐数据,对盐渍土盐分的遥感反演进行了模型的设计与编程实现.BP神经网络模型的预测精度在62.5%,明显高于传统统计模型的预测精度,表明BP神经网络能较好地模拟土壤含盐量与光谱数据之间的关系,可用于建立土壤盐分遥感反演模型.     

兼容光学雷达影像及地形辅助数据的扎龙湿地遥感分类

结合Landsat TM影像、Envisat ASAR的C波段雷达影像和地形辅助数据,采用决策树方法,包括分类回归树(C1assification and Regression Tree,CART)和随机森林(Random Forest,RF)算法,对扎龙湿地进行遥感分类。用实测GPS样本点对分类结果进行精度验证,并与最大似然监督分类方法(Maximum Likelihood Classification,MLC)对比。结果表明,地形辅助数据和雷达后向散射系数对湿地分类精度的提高起重要作用。基于RF算法分类结果的总精度和Kappa系数分别为92.6%和0.901,沼泽湿地的分类精度达到96.3%,较CART算法和MLC监督分类方法有明显提高。该研究提供了一种快速、高效的内陆淡水沼泽湿地遥感分类技术。     

基于遥感和机器学习的内陆水体水深反演技术

文章主要根据机器学习算法（随机森林算法和极端梯度提升算法）和遥感水深反演的原理,利用Sentinel_2多光谱卫星数据和无人船实测水深数据,对内陆水体——梅州水库建立了随机森林（RF）、极端梯度提升（XGBoost）和支持向量机（SVM）水深反演模型,并对反演结果进行对比分析。结果表明：1）RF的训练精度为97%,测试精度为0.80;XGBoost模型的训练精度为97%,测试精度为0.79;SVM的训练精度为90%,测试精度为0.78。说明了在水深预测方面RF模型和XGBoost模型比SVM模型表现更好,对各个区段的水深值较为敏感。2）根据运行时间考察各个模型的效率,其中RF模型从读取数据至输出结果耗时3.92 s;XGBoost模型4.26 s;SVM模型6.66 s。因此,在反演精度和效率上RF模型优于XGBoost模型优于SVM模型,且RF模型的预测结果图细节更加丰富,轮廓更加分明;XGBoost模型次之,但总体效果也较好;SVM模型表现最差。由此可知,机器学习水深反演模型获得的水深结果精度明显提高,解决了传统水深反演模型精度不高的问题。     

基于蒙特卡罗方法的扎龙湿地水环境质量评价

为了简单有效地评价水质状况,建立了蒙特卡罗水质评价模型,对扎龙湿地北部(进水区)、中部(过水区)和南部(出水区)的污染状况进行评价,并与模糊综合评价结果、灰色关联评价结果和内梅罗评价结果进行比较.基于蒙特卡罗(Monte Carlo,MC)法的评价结果表明,扎龙湿地北部、中部和南部总体水质类别都为Ⅱ类,与模糊综合评价法和灰色关联评价法的评价结果一致,也与湿地水质的实际状况相吻合,从而证明了模型的准确性;而其与内梅罗指数法的评价结果差别较大,究其原因,内梅罗指数法评价结果表现为过保护,较严格,从而使得水质评价结果有些脱离实际,内梅罗指数法比较适于评价参评因子值波动比较小、各参评因子都污染较轻的研究区域.从单指标评价类别分析,溶解氧(DO)、Zn、Cd和Cu含量的评价类别一致;扎龙湿地北部和南部总磷(TP)含量的评价类别一致,中部和南部总氮(TN)含量评价类别一致;而Cr含量在3个区中的评价类别都不同,而且从北部、中部到南部逐渐增大,水质变差;另外由于南部地势较低,Cr在南部长期沉积和聚集也是导致其含量过高的重要原因之一.从各类别概率值之和分析,扎龙湿地内部各区隶属于Ⅱ类的概率值之和都是最大的,但隶属于劣Ⅴ类的概率值之和居第二,表明大部分区域水质较好,局部区域水质较差,考虑到水是流动的,水质有由好转差的风险;从北部到南部,隶属于Ⅰ类、Ⅲ类和劣Ⅴ类的概率值之和趋于减小,隶属于Ⅳ类的概率值之和基本未变,隶属于Ⅴ类的概率值之和稍有增加,水质趋于向Ⅱ类转化;从中部到南部,隶属于Ⅰ类、Ⅱ类和劣Ⅴ类的概率值之和减小,隶属于Ⅳ类的概率值之和基本未变,水质趋于向Ⅲ类和劣Ⅴ类水质转化.从平均值看,TP含量先减少后增大.扎龙湿地水质的评价结果表明,总体符合Ⅱ类水质及以上的概率约为54.5％,但个别指标评价结果不容乐观,尤其是Cd含量、DO含量和南部Cr含量的超标,应引起相关部门的注意.     

水位变化下菜子湖湿地多目标生态修复方案研究

水文过程塑造了湖泊湿地的主要生态结构和功能,筑坝拦蓄、跨流域调水和航运等人类活动对湖泊的水文节律产生了明显影响,开展水位变化下湖泊的多目标修复,能够使湖泊受到的破坏得到不同程度的恢复。在综述水位变化生态影响和湿地修复方法的基础上,提出了水位变化下的湖泊湿地多目标生态修复框架;在该框架的指导下,制定了引江济淮工程运行后菜子湖湿地的多目标生态修复方案;该方案能满足包括鱼类多样性保护、沉水植物恢复、泥滩和草本沼泽面积维持和水鸟多样性保护等多目标的湿地修复需求,在提高菜子湖湿地生态完整性、可持续性和生物多样性保护方面具有显著优势和可行性。     

基于DPSIR模型的衡水湖湿地生态环境质量评价北大核心CSCD

湿地生态环境质量评价研究对湿地管理具有重要的意义。以衡水湖湿地作为评价对象,采用驱动力-压力-状态-影响-响应(driving-pressure-state-impact-response,DPSIR)模型,筛选出15个指标,构建了湿地生态环境质量评价指标体系,得到各指标的隶属度矩阵;应用模糊综合评价法,对衡水湖湿地的生态环境质量进行评价。研究结果表明,衡水湖湿地生态环境质量综合评价指数为0.663 9,处于Ⅱ级(较好),即该湿地生态环境质量状况较好;从项目层面来看,驱动力层、压力层、状态层、影响层和响应层的生态环境质量分别处于Ⅲ级(一般)、Ⅰ级(很好)、Ⅲ级(一般)、Ⅱ级(较好)和Ⅰ级(很好);对衡水湖湿地生态环境质量产生负面影响的要素主要为衡水湖水体中的总氮含量和周围空气负离子含量。     

基于高光谱遥感的新疆北疆地区土壤砂粒含量反演研究

 土壤砂粒含量是表征土壤质量的重要指标,探索建立基于高光谱遥感的区域土壤砂粒含量反演方法对区域土壤质量监测具有重要意义。通过野外采集的高光谱数据与MODIS影像相结合,遴选出土壤砂粒含量的敏感波段与反演方程,进行干旱区裸地土壤砂粒含量遥感反演研究。结果表明：430 nm为土壤砂粒含量的敏感波段,原始光谱经变换后的数值与土壤砂粒含量的相关系数在430 nm处达到最大值0.76;基于MODIS第3波段中心波长460 nm处的土壤原始光谱的反演精度最高,达到89.30%,与实际情况吻合较好,表明MODIS第3波段可以应用于干旱区裸地土壤砂粒含量的遥感反演。     

基于ETM遥感影像的二滩库区水深反演研究

在常规测量研究的基础上,通过分析ETM遥感影像不同波段对水体、水深的敏感性,选取二滩水电站库区上段37断面以上河段,基于GIS平台建立了水深和相应的ETM适宜波段间的比值法水深遥感反演模型,从而快速获取大范围水域水深信息,整体精度达到80%以上.遥感反演水深作为评价浅水区泥沙淤积及其发展趋势的经济可行的方法之一,为库区泥沙淤积研究提供了新的思路.     

基于HJ-1A高光谱影像的湿地精细分类

混合像元的存在不仅影响了基于高光谱影像的地物识别和分类精度,而且已成为遥感科学向定量化发展的主要障碍。本文以扎龙湿地为试验区,以环境一号卫星采集的高光谱影像为数据源,分别采用传统的全约束最小二乘光谱解混算法(fully constrained least squares spectral unmixing algorithm, FCLS)与基于稀疏约束最小二乘光谱解混算法(sparse constrained least squares spectral unmixing algorithm, SUFCLS)实现了试验区湿地的精细分类,并对两种分类结果的表现及其分类精度进行了对比分析。研究结果表明：SUFCLS算法能够自适应的从光谱库中选择场景中所占比例最高的一组端元,并将此端元的组合应用于传统的全约束最小二乘光谱解混中实现不同湿地类型丰度的提取,该算法充分考虑了端元的空间异质性,弥补了FCLS算法在端元选取过程中的不足。精度验证结果表明与FCLS算法相比,SUFCLS算法分类结果的均方根误差更小,丰度的相关系数更高,因此该方法对于提高湿地解混精度以及实现湿地精细化分类具有重要意义。     

多光谱遥感数据最佳波段选择方法试验研究

分析了多光谱遥感数据最佳波段选择的标准差、熵和联合熵、相关性系数及最佳指数等计算方法的内在联系。通过试验,说明了各种计算方法的有效性和局限性,最后得出OIF指数法为多光谱遥感数据最佳波段选择的最优方法。