多角度光学定量遥感

随着遥感技术的发展,出现了从两个或两个以上的方向对同一目标进行观测的方式,即多角度遥感.多角度遥感有助于提高植被生物物理参数的反演精度,可为生态环境和气候变化研究提供更好的数据支持.本文围绕多角度光学遥感,总结了多角度遥感的发展、特点与优势,回顾了相关概念,系统总结了从地面到航空、航天的多角度观测手段,以及辐射传输模型...     

不同分辨率影像反演植被覆盖度的参数确定与尺度效应分析

选择新疆古尔通班古特沙漠南缘的石河子地区作为研究区,针对统计回归模型需要大量实测数据,而像元二分模型(dimidiate pixel model,DPM)参数难以确定的缺点,提出了利用统计回归的结果反推像元二分模型参数来建立研究区遥感反演植被覆盖度的方法。运用该方法研究了利用TM和MODIS遥感影像数据分别反演植被覆盖度的参数化方案;同时,还研究了采用不同遥感数据源和不同反演模型时研究区植被覆盖度信息提取中存在的尺度效应。     

利用PRO4SAIL与支持向量机回归的组合模型反演植被等效水厚度

为监测路域植被生态环境,利用遥感影像和辐射传输模型物理基础实现了对植被冠层等效水厚度（EWT）的估测。提出了利用PRO4SAIL与支持向量机回归的组合模型对等效水厚度进行反演的方法。选取Landsat7 ETM+影像,结合实测数据探索验证了PRO4SAIL与支持向量机回归的组合模型的植被参数反演的实用性和准确性。研究表明,该组合模型具有较好的预测能力,反演得到的等效水厚度含量精度较高,为支持向量机模型应用于遥感影像反演植被参数提高了有力支撑。     

江西千烟洲气溶胶光学厚度的反演与分析

2005年10-11月份，中国科学院遥感应用研究所联合北京师范大学遥感中心等几家单位在江西千烟洲地区进行了为期30天的遥感实验，在实验期间，采用法国CIMEL公司研制的太阳分光光度计CE318进行了连续测量，得到了大量的大气光学数据。利用这些数据，反演了气溶胶光学厚度和相应的Angstrom参数，分析了光学厚度和Angstrom参数的日变化和逐日变化，并讨论了这些变化的原因。本文还讨论了在反演气溶胶光学厚度过程中可能的误差源。     

植被生态遥感参数定量反演研究方法进展

植被参数是生态遥感定量反演的热点和难点,也是生态系统研究的基础性参数。本文在广泛阅读国内外公开发表的文献资料基础上,将现有的植被生态遥感参数概括为物理类、生化组分类、能量和功能类3大类,系统梳理了每类参数定量反演的主要模型方法,进行优缺点和适用性分析,对现阶段存在的不足和未来发展趋势进行了探讨。物理类植被生态遥感参数主要介绍了植被覆盖度、生物量、叶面积指数、树高等研究进展,生化组分类植被生态遥感参数主要介绍了植被含水量、叶绿素含量和光合能力等研究进展,能量类植被生态遥感参数介绍了光合有效辐射、植被吸收光合有效辐射等研究进展,功能类植被生态遥感参数主要介绍了植被生产力和碳交换量等研究进展。存在的主要问题包括混合像元分解、病态反演、物理模型应用过程中的误差传递、数据融合的尺度效应和空间变异性、模型耦合的最优方案确定问题。     

植被光能利用率高光谱遥感反演研究进展

光能利用率是表征植被通过光合作用将所截获/吸收的能量转化为有机干物质效率的指标。光能利用率是植被光合作用的重要概念,也是区域尺度以遥感参数模型监测植被生产力的关键参数。不同植被类型的光能利用率具有明显的时空差异,水分、温度、养分供给等环境胁迫因素会影响植被的光能利用率。随着高分辨率光谱测量传感器的使用,位于可见光和近红外区域的窄波段可以捕捉到植被冠层反射率的细微变化,也促进了光能利用率遥感反演技术的发展。本文结合国际植被光能利用率遥感反演最新研究成果,从基于环境胁迫因子的光能利用率反演,基于植被光谱指数的光能利用率反演、基于叶绿素荧光的光能利用率反演,以及基于涡度相关测量数据和遥感数据相结合的光能利用率反演四个方面,详细介绍了植被光能利用率遥感反演的主要技术方法,并对植被光能利用率遥感研究存在的主要问题和发展趋势进行了讨论。     

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。     

陆表定量遥感反演方法的发展新动态

随着获取的遥感数据越来越多,定量遥感正处于一个飞速发展的时期。本文从反演方法和遥感数据产品生成两个主要方面对近期陆表定量遥感的发展进行评述。由于大气—陆表系统的环境变量数远远超过遥感观测数,定量遥感反演的本质是个病态反演问题。在评述机器学习方法(包括人工神经网络、支持向量回归、多元自适应回归样条函数等)的应用基础上,重点关注克服病态反演的7种正则化方法:多源数据、先验知识、最优化反演的求解约束、时空约束、多反演算法集成、数据同化和尺度转换。定量遥感发展的另外一个显著特征是由数据提供者(比如数据中心)将观测的遥感数据转换成不同的地球生物物理化学参数产品,即遥感高级产品,并服务于数据使用者。概括介绍了北京师范大学牵头研发的GLASS(Global LAnd Surface Satellite)产品的新进展与全球气候数据集的研发情况。     

基于PROSPECT＋SAIL模型的遥感叶面积指数反演

以PROSPECT+SAIL模型为基础，从物理机理角度反演植被叶面积指数(LAI)。首先，通过FLAASH模型进行大气校正，使得图像像元值表达植被冠层反射率； 然后，根据LOPEX 93数据库和JHU光谱数据库选择植物生化参数和光谱数据，以PROSPECT模型模拟出的植物叶片反射率和透射率作为SAIL模型的输入参数，得到植被冠层反射率，将结果与遥感影像的植被冠层反射率对应，回归出植被LAI； 最后，以地面实测数据对遥感反演数据进行验证，并分析了误差的可能来源。     

山地森林叶面积指数(LAI)遥感估算研究进展EI北大核心CSCD

叶面积指数LAI (Leaf Area Index)是表征植被几何结构及生长状态的重要生物物理参数,也是陆表过程模型的重要输入参数,如何获取高精度LAI一直备受关注。近年来,随着遥感数据的不断丰富,LAI遥感估算算法得到了快速发展,全球尺度的LAI产品已被广泛应用于气候与生态环境变化研究。然而,当前主流的LAI遥感产品生成算法基本上基于平坦地表假设而忽略了地形的影响,因此在地形复杂的地区精度较差。这是因为在山地中崎岖的地表不仅会导致严重的辐射失真现象,还会因邻近的地形对地物目标造成遮挡,因此森林多样的冠层结构和山地复杂地形的相互影响给LAI遥感反演带来了较大的不确定性。山地作为一种特殊的地貌,约占全球陆地表面的1/4,在中国占了近2/3,在这些复杂区域中估算LAI考虑地形因素十分必要。在本文中,我们首先系统地总结了现有LAI反演算法和全球遥感产品的分辨率、精度等信息,并讨论了将这些算法和产品应用于崎岖地形LAI反演的主要挑战。然后,针对山地植被场景中存在的地形效应、尺度效应,总结出山地植被冠层LAI反演的策略主要包括地形校正方法和山地辐射传输模型,并讨论了不同策略的优缺点。接着,文章讨论了野外观测的LAI数据在崎岖地形上存在的地形效应和尺度效应,以及这些效应对反演结果验证的影响程度。最后,综合总结和展望表明,遥感观测、山地辐射传输建模、机器学习技术等方面的协调使用将来可以为崎岖地表的LAI精准估算和可靠验证提供了一条有希望的途径。     

GF-6影像下的南方路域针叶植被LAI反演研究

为了更好应用国产高分辨率遥感影像监测评价南方路域植被环境,研究南方路域针叶植被叶面积指数遥感反演.该文以长益高速研究区域的高分六号影像(GF-6)为基础,提出了可适用于针叶叶片的LIBERTY+ SAIL耦合模型并结合多元线性回归、局部加权回归反演路域植被针叶LAI的方法.研究中以耦合模型模拟的冠层光谱反射率、GF-6影像和野外实测生化参数为数据源,通过相关性分析,将与LAI相关性较高的SAVI、RVI和EVI 3种植被指数作为反演因子,结合组合模型反演LAI并评定模型的反演精度.结果 表明,耦合模型对南方路域针叶植被LAI的估算精度整体较高,对比分析两种叶面积指数的组合预测模型,耦合模型结合局部加权回归组合反演LAI具有优越性,可更好地反演路域植被针叶LAI.     

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。     

一个植被双向反映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ＬＡＩ进行衩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     

基于高光谱遥感数据提取森林结构参数的研究

以位于三峡库区的龙门河森林自然保护区为研究区,综合利用线性光谱混合模型和几何光学模型,基于高光谱遥感数据提取森林结构参数是本文研究的重点。在研究区地面调查数据的基础上,通过高光谱数据和混合光谱分解法,获得反演几何光学模型所需的四分量参数,根据背景光照分量与森林植被冠层各参数间的关系,反演得到森林冠层郁闭度及平均冠幅的定量分布图,并利用37个野外实测样本进行结果验证。     

四种遥感浅海水深反演算法的比较

详细介绍了单波段线性回归模型、两波段比值线性回归模型、多波段组合线性回归模型、BP神经网络模型等4种光学遥感水深反演算法,然后利用同一地区、同一时期的Worldview-2多光谱遥感影像和实测水深数据,对4种水深反演模型的准确性进行了实验比较。研究表明:多波段组合线性回归模型、BP神经网络模型的水深反演的性能较好,利用多光谱遥感图像数据反演得到的水深值误差较小;而单波段线性回归模型、两波段比值线性回归模型的效果较差。     

贝叶斯网络支持的地表参数混合反演模式研究

基于贝叶斯网络理论，建立用于植被地表参数估计的混合反演模式，结合遥感物理模型实现了冬小麦叶片叶绿素含量（Cab）和冠层叶面积指数（LAI）的反演。用模型模拟数据以及2001年顺义遥感实验数据验证结果表明，LAI和Cab均有较好的反演精度。针对含噪声模拟数据反演结果中约有10％的噪声数据反演失败的情况，用不确定知识的处理方法有效地降低了失败点的比例。混合反演模式本质上是一个融合先验知识与观测数据的知识推理方案，本文实现了对反演过程中参数后验概率更新算法并引入热力学中的信息熵概念实现了参数后验信息动态定量计算，同时简单探讨了现阶段定量评价遥感反演过程中信息流控制存在的难点问题。     

气溶胶定量遥感的机器学习方法综述

机器学习方法近年来取得突破进展,其遥感应用从目标识别和地物分类领域,发展到定量化反演的多个领域。气溶胶定量遥感因其机理复杂,反演参数的种类和精度受到限制,机器学习为气溶胶遥感带来了新的研究和应用技术手段。本文汇总现有研究进展将气溶胶机器学习方法归纳为卫星遥感反演气溶胶光学厚度AOD（Aerosol Optical Depth）、卫星遥感反演其他气溶胶参数、卫星遥感反演颗粒物浓度（PMx）、地基气溶胶遥感4类。结合作者研究工作,通过分析讨论,归纳机器学习用于气溶胶定量遥感的条件为：（1）物理模型无法使用;（2）已有模型卫星产品精度低;（3）已有模型精度高但计算速度低。从应用的角度来说,可以借助于更多的具有相关性的输入信息,发挥机器学习在反演产品种类、反演精度、计算效率等方面的优势;而对定量遥感来说,应该同时重视挖掘遥感数据本身的信息来提高反演能力,并通过误差分析等手段反馈对遥感机理的理解,使机器学习与遥感机理研究相互促进。     

利用交叉验证的小麦LAI反演模型研究

叶面积指数(leave area index,LAI)是表征植被冠层结构和生长状况的关键参数,采用遥感技术进行LAI反演是遥感反演领域的热点和难点之一。利用小麦关键生育期的高光谱数据,计算其一阶和二阶导数,并构建植被指数(RVI,NDVI,EVI,DVI和MSAVI)及三边变量参数等高光谱变量;将上述参数与小麦LAI数据进行相关性分析,并利用交叉验证法进行多种回归分析,确定反演小麦LAI的敏感参数,选择反演模型;最后使用敏感参数构建所有样本的小麦LAI反演模型,并比较其拟合效果。研究结果表明:经过交叉验证的反演建模,其拟合结果的均方根误差(RMSE)整体上较未经交叉验证反演建模结果的RMSE小;在用敏感参数构建的回归模型中,RVI立方回归模型是用遥感数据反演小麦LAI的最优模型。     

利用辐射传输模型和随机森林回归反演LAI

针对辐射传输模型与查找表结合反演叶面积指数的方法存在反演工作量大且反演速度缓慢的问题,提出利用辐射传输模型和随机森林组合模型对路域植被叶面积指数进行估算的方法。该模型定义一种辐射传输模型和随机森林回归模型结合反演叶面积指数的方法。以研究区实测高光谱数据和模拟光谱数据为数据源,在相关性分析和敏感性分析的基础上,选取适宜作为反演因子的植被指数,而后进行随机森林算法回归,反演得到预测叶面积指数。结果表明:基于辐射传输模型和随机森林算法反演的路域植被叶面积指数与实测结果一致,准确及时的反映路域植被叶面积指数信息,可以较好地应用在路域环境植被参数反演中。     

小麦冠层理化参量的高光谱遥感反演试验研究

以国产成像光谱仪所获高光谱遥感数据为基础，根据田间同步采样数据建立的基于反射光谱特征的小麦冠层生物物理和生物化学估计模型，实现了用航空高光谱遥感数据对田间小麦冠层理化参量的整体反演。结果表明：用高光谱遥感方法估计小麦冠层理化参量是可行的；以理化参数为“波段”的数字图像及其处理，为农学家以理化参量的空间分布及其差异解释作物产量空间分布差异和研究作物生态生理机理提供了新的手段。