基于粒子群—最小二乘法的GLAS波形分解及树高反演方法

树高是陆地碳循环研究中的一个重要的生物物理参数。ICESat/GLAS系统是第一个实现全球连续观测的星载激光雷达系统,由于其具有光斑覆盖面积大、穿透力强的特征,在树高等森林结构参数反演方面具有显著的优势。该文设计了一种基于粒子群一最小二乘法的GLAS波形分解及树高反演方法,采用该方法对贡嘎山地区和茂县山区坡度小于10°的GLAS激光点波形进行了高斯分解和树高反演工作,拟合波形与原始波形吻合良好;树高估算结果与采用统计模型估算的树高非常接近(贡嘎山:R~2=0.80,RMSE=5.30 m;茂县:R~2=0.96,RMSE=3.11m)。研究结果表明该方法能很好应用于GLAS波形分解,并获得较好的树高反演结果。未来可以针对该方法在不同坡度地区的适用性和树高反演精度问题开展进一步的研究。     

植被指数方法估算冬小麦冠层叶绿素含量的角度效应研究

叶绿素是表征作物长势状况、光合作用能力及生理状况的重要指标,其含量变化对于分析作物生理生化过程以及指导作物精准管理具有重要意义.该文结合辐射传输模型模拟数据和实测多角度遥感数据研究不同叶倾角株型冬小麦叶绿素含量反演的角度效应,即观测天顶角和太阳天顶角变化对植被指数方法估算冬小麦冠层叶绿素含量精度的影响.结果表明:模拟与实测多角度数据的角度效应影响植被指数与冠层叶绿素含量的相关性,实测多角度数据观测天顶角变化对植被指数与冠层叶绿素含量相关性的影响显著高于太阳天顶角以及平均叶倾角变化特征的影响.其中,实测多角度数据下,红边归一化植被指数(ND705)在后向10°和20°观测天顶角下估算冠层叶绿素含量精度最高(R2=0.71,RMSE=49.95μg/cm2,RRMSE=22％);角度不敏感植被指数(AIVI)垂直观测下估算冠层叶绿素含量精度最高(R2=0.72,RMSE=49.08μg/cm2,RRMSE=21％);观测天顶角小于30°时,红边植被指数估算冠层叶绿素含量精度受角度效应影响较小.     

基于多源空间信息的缺资料地区地表日均大气温度空间分布数据获取研究

地表大气温度是区域水循环研究与模型模拟中的关键因子,其日尺度的空间分布信息是众多生态、水文模型的重要输入。对于缺资料地区,尤其是在地形复杂地区,地表大气温度空间分布数据往往难以获得。基于多源空间信息,首先利用KLEMEN法反演得到研究区卫星过境时刻瞬时地表气温空间分布信息,然后通过建立的时间尺度转化方程实现研究区日均气温空间分布数据的获取。结果表明:研究中所提取的瞬时气温数据精度较高,RMSE为2.33℃,R2约为0.78;所建立的时间尺度转化方程可信度高,R2约为0.98,RMSE约为2℃;在不依赖于地面观测数据的条件下,研究所提取的日均气温数据总体精度R2为0.90,RMSE为4.63℃,且高温部分模拟精度高于低温部分。研究方法具有很好的可移植性,可应用于其他缺资料地区。     

土壤氯化钠含量高光谱估算模型研究

基于光谱反射率快速、无损的检测优势,以于田地区不同氯化钠含量土壤光谱反射率作为信息源,探讨利用反射光谱估算土壤氯化钠含量的可行性。于2012年7月对于田地区进行野外调查,在测定土壤光谱反射率及氯化钠含量的基础上,对光谱反射率数据进行预处理并建立了逐步多元线性回归(SMLR)模型和偏最小二乘回归(PLSR)模型,并利用决定系数R2和均方根误差RMSE对模型稳定性和预测能力进行检验,进而比较不同预处理方法和不同模型估算结果的适用性。结果表明:反射率二阶微分光谱是预测土壤样本氯化钠含量的最佳光谱指标;偏最小二乘回归(PLSR)模型是建立土壤光谱与氯化钠含量关系的最优模型,R2和RMSE分别为0.812和0.105。利用反射光谱估算土壤氯化钠含量,通过各种光谱预处理方法提高估算精度,可实现在区域尺度上的土壤盐渍化监测和评价。     

基于偏最小二乘法的土壤汞含量高光谱反演

采集新疆准东煤田典型土壤样品44个,在实验室测定风干后的土样汞含量和光谱反射率,经预处理后分析两者的相关性,运用偏最小二乘法(PLSR)建立土壤汞含量高光谱估算模型,由均方根误差RMSE和决定系数R2检验模型的预测能力和稳定性,并比较不同预处理方法的适用性。结果表明:反射率一阶微分光谱是估算土壤汞含量较好的指标,估算R2为0.77、RMSE为0.032。通过各种光谱预处理方法可提高土壤汞含量的估算精度,为研究区生态环境的恢复和评价提供依据。     

国产高分一号数据估算草地植被覆盖度方法研究——以呼伦贝尔草原露天煤矿区为例

为了探讨与分析国产高分一号(GF-1)数据在北方露天煤矿区草地植被覆盖度估测中的精度及适用性,该文基于GF-1与SPOT6多光谱影像数据,以多个植被指数为自变量,利用像元二分模型、偏最小二乘(PLS)回归、支持向量机(SVM)回归3种模型对区内植被覆盖度进行估算,结合野外同步实地植被样方数据,对比分析不同估算模型的精度及适宜性,并通过蒙特卡洛模拟多尺度交叉建模的误差传播,分析空间分辨率不同对植被覆盖度估测的精度影响。结果表明:GF-1数据基于增强型植被指数的SVM回归模型(R~2=0.8149,RPD=2.336,RMSE=8.694%)与SPOT6数据基于归一化植被指数的SVM回归模型(R~2=0.8755,RPD=2.870,RMSE=7.032%)估算效果较好。不同分辨率数据交叉传递过程中SVM回归模型的精度高于PLS回归模型。因此,基于GF-1数据构建的SVM回归模型可以高精度地估算区域草地植被覆盖度。     

基于Landsat-8遥感数据和PROSAIL辐射传输模型反演叶面积指数

为了探讨Landsat 8 OIL数据在LAI大范围反演方面的应用潜力,使用Landsat 8 OIL影像,通过PROSAIL辐射传输模型,采用3种波段组合(Band2-7,Band2-5,Band3-5)建立了3个模拟冠层反射率-叶面积指数(LAI)查找表,用2种代价函数(Geman and Mc Clure代价函数,均方根误差代价函数)实现了对玉米、土豆、森林LAI的定量反演,并用LAI-2200测量数据作为相对真值对反演精度进行评价。结果表明:(1)使用Landsat 8数据,通过PROSAIL模型反演叶面积指数的精度是可以接受的,RMSE范围为在[0.892 4,1.205 0],R2范围为[0.721 3,0.873 3]。(2)Band5(近红外),Band4(红)Band3(绿)的波段组合反演效果在3种组合中精度最高,平均RMSE=0.993 1,R2=0.787 3。(3)Geman and Mc Clure代价函数比常用的均方根误差代价函数得到了更高的反演精度,平均RMSE=0.940 5,R2=0.817 5。(4)相对最优的反演策略是Band5,Band4,Band3的波段组合结合GM代价函数,RMSE=0.892 4,R2=0.873 3。(5)存在玉米土豆的反演值普遍低于测量值,而森林的反演值普遍高于测量值的问题。     

克里雅河流域土壤盐分光谱定量分析

本文对克里雅河流域进行野外调查、采集土壤样品及其光谱反射特性的测量,通过比较不同光谱预处理的方法建立偏最小二乘回归(PLSR)模型,并利用决定系数(R2)、均方根误差(RMSEP)、残留预测偏差(RPD)对模型的稳定性和预测能力进行检验。结果表明:反射率一阶微分是预测土壤样本盐分含量的最佳光谱指标。PLSR模型在建立土壤光谱与盐分含量关系时较为适用,R2、RMSE和RPD分别为0.77、0.25和1.88。利用反射光谱估算土壤中盐分含量,通过各种光谱预处理方法可以提高估算精度,可以为该区土壤盐渍化评价和生态环境调查提供依据。     

基于MODIS数据的青藏高原气温与增温效应估算

利用2001-2007 年MODIS地表温度数据、137 个气象观测台站数据和ASTERGDEM数据, 采用普通线性回归分析方法(OLS)及地理加权回归分析方法(GWR), 研究了高原月均地表温度与气温的相关关系, 最终选择精度较高的GWR分析方法, 建立了高原气温与地表温度、海拔高度的回归模型。各月气温GWR回归模型的决定系数(Adjusted R²) 都达到了0.91 以上(0.91~0.95), 标准误差(RMSE) 介于1.16~1.58℃;约70%以上的台站各月残差介于-1.5~1.5℃之间, 80%以上的台站的残差介于-2~2℃之间。根据该模型, 估算了青藏高原气温, 并在此基础上, 将高原及周边地区7 月份月均气温转换到4500 m和5000 m海拔高度上, 对比分析高原内部相对于外围地区的增温效应。研究结果表明:(1) 利用GWR方法, 结合地面台站的观测数据和MODIS Ts、DEM等, 对高原气温估算的精度高于以往普通回归分析模型估算的精度(RMSE=2~3℃), 精度可以提高到1.58℃;(2) 高原夏半年海拔5000 m左右的高山区气温能达到0℃以上, 尤其是7 月份, 海拔4000~5500 m的高山区的气温仍能达到10℃左右, 为山地森林的发育提供了温度条件, 使高原成为北半球林线分布最高的地方;(3) 高原的增温效应非常突出, 初步估算, 在相同的海拔高度上高原内部气温要比外围地区高6~10℃。     

利用Landsat8数据估算干旱区晴天太阳瞬时和日间净辐射

地表净辐射是地球表面的短波和长波辐射输入和输出通量辐射平衡的结果,也是地表蒸散与水热平衡研究中非常重要的方面。利用2014年8月下旬的Landsat8遥感影像,采用BISHT等提出的净辐射估算方法,首先通过计算瞬时大气传输率、瞬时短波太阳辐射和下行长波辐射得到了短波辐射与长波辐射的估算值,并进一步通过计算地表反照率等得到了瞬时净辐射和日均净辐射,最后利用地面实测净辐射值对估算结果进行了验证。研究表明：利用分辨率较高的Landsat8数据和部分气象参数能够很好地模拟该地区晴天的瞬时和日间净辐射的分布,并且与地面实测净辐射值具有较好的一致性,平均误差为14.5 W·m^-2。研究弥补了利用其他遥感数据估算地表辐射参数复杂、精度偏低的缺陷,可以适用于干旱地区的晴天瞬时和日间净辐射值的估算,并且能够有效的提高估算精度。     

基于反射率和亮度温度的锡林郭勒积雪深度估算

积雪是我国西北干旱半干旱区重要的水资源,也是影响全球气候变化的重要因子之一。 目前光学影像反射率和雷达亮温数据是积雪遥感领域的主要数据,本文首次结合两类遥感数据估 算积雪深度,并比较偏最小二乘法和机器学习算法（人工神经网络、支持向量机和随机森林算法） 在积雪深度估算方面的表现。以锡林郭勒盟 2012—2015 年积雪深度数据为例,基于反射率和亮度 温度相结合的积雪深度估算精度优于单个数据源,且随机森林算法表现最好,均方根误差为 2.93 cm,满足实际应用的需求。研究结果对我国西北地区水资源分布、生态环境评估等研究具有重要 意义。     

基于高光谱的不同人类干扰程度下荒漠土壤有机质含量估算模型

为对比同一背景下不同人类干扰程度的荒漠土壤有机质含量的预测模型,以天山北麓阜康市的土壤为研究对象,通过对无人干扰区、人为干扰区全样本和剔除有机质质量分数大于2%的样点的原始光谱反射率进行6种光谱变换,分析不同变换形式与有机质含量的相关性,以相关系数通过P=0.01和0.05水平上显著性检验的敏感波段为自变量,运用多元逐步回归、偏最小二乘回归以及主成分回归法分别建立了无人干扰区、人为干扰区土壤有机质高光谱的预测模型,并选择精度最高的为最优模型。结果表明：（1）无人干扰区与人为干扰区的原始光谱所有波段与有机质含量的相关性都没有通过0.01水平的显著性检验。将有机质质量分数大于2%的样点剔除后,有机质含量与原始光谱反射率的相关系数都大于全样本且有部分波段通过了0.01水平的显著性检验。（2）不论采用何种方法建立的全样本无人干扰区和人为干扰区的预测有机质模型的RPD均小于1.4,不具有预测有机质含量的能力。其中全样本无人干扰区一阶微分、人为干扰区倒数一阶微分多元逐步回归模型是其所有模型中,建模精度最高的,R²分别为0.652、0.512,但是其RPD仅分别是0.662、0.655,表明模型的预测能力很差。（3）剔除有机质质量分数大于2%的样点之后,预测效果最好的是无人干扰区一阶微分多元逐步回归模型,R²达到0.776,RMSE为1.408,RPD为2.136;而人为干扰区的二阶微分模型预测效果最优,R²为0.542,RMSE为2.261,RPD为2.087。     

基于NDSI-Albedo特征空间的MODIS积雪丰度信息反演方法研究

积雪是新疆地区重要的水源补给,是冰冻和融雪洪水灾害的直接原因,也是水资源管理、气候变化、灾害防治和融雪模拟预报的主要参数。针对多种积雪信息提取方法的优缺点,提出运用特征空间方法,构建积雪丰度反演模型,并与支持向量机提取积雪丰度进行精度对比分析,NA模型方法的相关系数（R²）值比支持向量机方法高2.4百分点,而均方根误差（RMSE）提高了0.106。结果表明：利用归一化差分积雪指数（NDSI）和反照率（Albedo）建立二维特征空间反演积雪丰度的方法是可行的,并且提取精度优于支持向量机（SVM）方法。因此,该方法对水资源管理、气候变化以及洪水模拟预测等方面的研究具有一定参考意义。     

基于高光谱影像数据的戈壁表面砾石粒径定量反演潜力评估

在新疆哈密境内的噶顺戈壁选取样地,采集不同粒径砾石的光谱数据,分析光谱吸收特征,并利用光谱混合分析技术,以地物光谱为端元从EO-1 Hyperion 高光谱影像中提取了不同粒径的丰度图,分析戈壁表面砾石与高光谱影像的相关关系。结果表明:获取的地物光谱特征显示出粒径的差异对光谱具有明显的影响。所有光谱都展现出在2 250 nm处具有Al–OH 的吸收特性,而且粒径d=41 cm的吸收特性比其他粒径都更显著。而与更小粒径相比,粒径d=53 cm和d=83 cm在480 nm和920 nm处具有较弱的Fe³⁺ 吸收特性。粒径d=0.8 cm(R²=0.637)、d=3.4 cm(R²=0.687)、d=16.3 cm(R² =0.644)及d=41 cm(R²=0.622) 与相应的丰度影像具有显著相关性,而粒径d=53 cm(R²=0.181)和d=83 cm(R²=0.167)与相应的丰度影像相关性不显著。EO-1高光谱影像适用于对戈壁区砾石分布特征的确定,在进一步的研究中将高分辨率影像与高光谱影像相结合,可以提高判别精度。     

内蒙古羊草草原呼吸的影响因素分析和区分

利用静态暗箱-气相色谱法在植物生长旺季测算了内蒙古锡林河流域羊草草原的土壤微生物呼吸、土壤呼吸和生态系统呼吸。地温和水分是植物生长旺季呼吸最重要的影响因素。地温在水分条件适宜的情况下可以解释CO₂通量的部分变化(R² = 0.376~0.655)。土壤水分含量也可以解释土壤呼吸和生态系统呼吸的部分变化(R² = 0.314~0.583),但基本不能解释土壤微生物呼吸的变化(R² = 0.063)。即使在较高温度下,较低的土壤水分含量(≤ 5%) 也会显著的抑制CO₂排放。长期干旱后降雨使CO₂通量在高温下迅速增大。基于5 cm地温和0~10 cm土壤水分含量的双变量模型可以解释CO₂通量约70%的变化。观测期间,土壤呼吸占生态系统呼吸的比例介于47.3%~72.4%之间,平均为59.4%;根呼吸占土壤呼吸的比例介于11.7%~51.7%之间,平均为20.5%。由于植物体去除引起的土壤水分含量上升可能使我们对土壤呼吸占生态系统呼吸比例的估计略微偏高,根呼吸占土壤呼吸的比例略微偏低。     

塔里木河干流径流损耗及其人类活动影响强度变化

依据塔里木河干流1957-2008 年的年径流量监测数据,计算出干流年径流损耗量,利用线性回归法,对干流年径流损耗量时间序列变化趋势进行分析,建立影响径流损耗的社会经济指标体系,运用层次分析法和权重加权法剖析人类活动影响强度变化趋势,并探讨人为径流损耗的主要原因。研究结果表明：① 近50 多年来,塔河干流年径流损耗量表现出递减变化趋势,但上、中、下游存在差异,上游增加显著,增速约为2.09×10⁸ m³/10a,而中、下游递减趋势显著,减速分别为1.61×10⁸ m³/10a 和2.30×10⁸ m³/10a;② 干流来水量与径流损耗量之间呈明显的正相关,R² = 0.9996,可认为来水量减少是诱发径流损耗量减少的直接原因;③ 人类活动强度指数与人为径流损耗量之间亦呈显著的正相关,R² = 0.9822,说明自20 世纪70 年代中期开始,随着人类活动强度的逐渐增大,人类活动对径流损耗的干扰就处于一个扩大和加重的过程;④ 人口增长、产业结构调整、居民对物质经济的追求等社会经济活动是引起人为径流损耗量增加的主要原因。     

CFSR气象数据在流域水文模拟中的适用性评价——以灞河流域为例

近年来,全球再分析气象数据已经越来越多地被运用到世界各地的水文建模中,但是其模拟的效果有很大差异。为探讨CFSR再分析数据在流域水文模拟中的适用性问题,本文以灞河流域为研究区,使用两种气象数据（传统气象数据和CFSR气象数据）构建SWAT水文模型,并从年和月尺度分别进行灞河流域2001-2012年的径流模拟,利用回归分析、纳什效率系数NSE和百分比偏差PBIAS等评价方法对两种数据的模拟效果进行对比。最后,提出了CFSR气象数据订正的方法。结果表明：① CFSR气象数据在灞河流域水文模拟中有一定的适用性,模拟结果的拟合优度R²>0.50,NSE>0.33,|PBIAS|<14.8,纳什效率系数NSE偏低。尽管CFSR气象数据质量存在一定问题,但是经过降雨数据订正后能够取得比较满意的模拟效果。② CFSR气象数据模拟流量比实测流量偏高,这主要是由于CFSR逐日降水数据估算的降雨天数较多、雨强较大,一般会导致该数据在水量平衡方面能够模拟出较高的基流和洪峰流量（个别年份除外）。③ 灞河流域CFSR降水数据（x）与实测降水数据（y）之间的关系大致可用幂指数方程表达：y = 1.4789x^0.8875（R² = 0.98,P<0.001）,每个CFSR站点的拟合方程略微不同,此方程为CFSR降水数据的订正提供了理论基础。     

Temporal Variations in Growth and Aboveground Biomass of Phragmites australis and EVI Analysis in Jiaozhou Bay Coastal Salt Marshes,China

To better ascertain leaf, stem and flower traits, and analyze aboveground allocation during the vegetation period, three sampling vegetation transects were settled and reed samples were collected at intervals to determine morphological parameters and dry and wet weights in Jiaozhou Bay wetland. Remote sensing data were also combined to evaluate regional biomass through EVI regression models. Results show that growth dynamics of leaves and stems changed during the vegetation period. Stem length increased rapidly and peaked in September (194.40 ± 23.89 cm), whereas leaf width peaked in July. There was a significantly negative correlation between stem length and stem diameter with a value of -0.785. Stem biomass was higher than that of leaves, and the maximum value of aboveground biomass was 27.17 ± 3.56 g. F/C exhibited a tendency to increase and values ranged from 0.37-0.76. The aboveground biomass of sample plots reached a peak of 2356 ± 457 g/m² in September. EVI was 0.05-0.5; EVI and biomass had a better fitting effect using the power-exponent model compared with other models and its function was y = 4219.30 x^0.88 (R² = 0.7810). R² of the other three models ranked as linear function > polynomial function > exponent function, with the values being 0.7769, 0.7623 and 0.6963, respectively. EVI can be used to estimate vegetation biomass, and effectively solved the problems of the destructive effect to sample plots resulting from traditional harvest methods.     

基于热红外光谱的干旱区土壤盐分监测研究

土壤盐渍化是新疆最常见的土地退化过程,已经严重威胁到了当地的农业生产、生态稳定和经济发展。通过对渭库绿洲土壤含盐量和土壤热红外光谱分析,探讨了土壤含盐量与热红外发射率之间的定量关系。结果表明：（1）盐渍化土壤的发射率随着含盐量的变化而发生变化,当土壤盐分增加时,发射率也随之增大。（2）土壤含盐量与热红外发射率光谱数据相关性在8.5～9.5 μm波段范围内表现尤为显著,相关系数超过0.8,最高为0.90,对应波段范围9.259～9.271 μm。（3）运用回归模型一阶导数变换形式下建模效果和预测精度都是最优的,R²达到了0.899,RMSE最小为1.734。热红外光谱技术可以反演土壤含盐量,为利用热红外遥感识别土壤盐分信息提供技术支撑。     

基于机器学习和多光谱遥感的银川平原土壤盐分预测

快速获取区域土壤盐渍化程度信息,对于盐渍化治理与生态环境保护具有重要意义。以银川平原为研究区,以盐分影响因子和盐分指数分别作为输入参数,建立支持向量机(SVM),BP神经网络(BPNN)和贝叶斯神经网络(BNN)3种土壤盐分预测模型,选取最佳模型进行研究区不同深度的土壤盐渍化预测。结果表明：(1)0～20 cm土壤盐分预测模型中基于影响因子变量组的BNN模型效果最佳,决定系数(R²)为0.618,均方根误差(RMSE)为2.986;20～40 cm土壤盐分预测模型中基于盐分指数变量组的BNN模型效果最佳,R²为0.651,RMSE为1.947;综合对比下,BNN模型的预测效果最好,可用于研究区土壤盐渍化预测。(2)银川平原主要是以非盐渍化和轻度盐渍化为主,0～20 cm土壤重度盐渍化及盐土共占总面积的11.59%,20～40 cm土壤重度盐渍化及盐土共占总面积的7.04%,20～40 cm土壤盐渍化程度较0～20 cm土壤盐渍化轻。