基于多源遥感和机器学习方法的科尔沁沙地植被覆盖度反演

植被覆盖度是监测生态系统及其功能的关键参数,如何提高大区域植被覆盖度的反演精度,对生态脆弱区环境可持续发展至关重要。本研究基于人工神经网络、支持向量回归和随机森林等机器学习方法,利用无人机、Worldview-2与Landsat 8 OLI遥感数据,对科尔沁沙地植被覆盖度进行多尺度反演。结果表明：随机森林模型比人工神经网络、支持向量回归模型表现佳,可在单元（试验区）、区域（研究区）尺度上较高精度地反演沙地的植被覆盖度,反演值与无人机实测值均在线性水平上呈显著相关（P<0.01）;在单元、区域尺度上,构建的植被覆盖度反演模型测试集R²分别为0.84、0.80,MSE分别为0.0145、0.0370,一致性指数d分别为0.9576、0.8991。利用多源遥感数据和机器学习方法,通过局部区域的高精度反演逐步实现低空间分辨率遥感影像的大区域植被覆盖度反演,不仅可有效提高沙地植被覆盖度的反演精度（R²=0.78,大于0.63）,也为区域生态环境监测与生态系统健康评价提供支持。     

基于卫星遥感和再分析数据的青藏高原土壤湿度数据评估

土壤水是地表与大气在水热交换方面的关键纽带,是关键水循环要素,更是地表产汇流过程的关键控制因子。青藏高原是地球第三极,也是亚洲水塔,探讨青藏高原土壤水变化对于探讨青藏高原热力学特征变化及其对东亚乃至全球气候变化的影响具有重要意义,而获取高精度长序列大尺度土壤水数据集则是其关键。本文利用青藏高原100个土壤水站点观测数据,从多空间尺度（0.25°×0.25°,0.5°×0.5°,1°×1°）、多时间段（冻结和融化期）等角度,采用多评价指标（R、RMSE、Bias）,对多套遥感反演和同化数据（ECV、ERA-Interim、MERRA、Noah）进行全面评估。结果表明：① 除ERA外,其他数据均能反映青藏高原土壤水变化,且与降水量变化一致。而在那曲地区,遥感反演和同化数据均明显低估实测土壤水含量。从空间分布来看,MERRA和Noah与植被指数最为一致,可很好地反映土壤水空间变化特征;② 青藏高原大部分地区土壤水变化主要受降水影响,其中青藏高原西部边缘与喜马拉雅地区土壤水变化则受冰雪融水和降水的共同影响;③ 除阿里地区外,大部分遥感反演和同化数据在融化期与实测土壤水相关性高于冻结期,其中在那曲地区,遥感反演和同化数据均高估冻结期土壤含水量,却低估融化期土壤含水量。另外,遥感反演和同化数据对中大空间尺度土壤水的估计要好于对小空间尺度土壤水的估计。本研究为青藏高原土壤水研究的数据集选择提供重要理论依据。     

塔里木河干流植被遥感监测时空多尺度协同分析方法

利用遥感植被指数、典型植被样方和地面观测信息进行塔里木河干流植被监测是目前的主要方法。由于塔里木河干流具有流域下垫面均匀性差,自然植被随机分布的特点,使得现有研究方法局限在特定的时间和空间尺度,很难使用地面的观测数据和不同尺度的遥感数据进行植被生长状态的协同分析。针对这些问题,本文提出了利用不同分辨率遥感数据和地面观测数据进行多尺度协同分析的方法MSSA(Multiple Scale Synergy Analysis)。该方法包括以下几个步骤:①通过低空间分辨率的遥感数据构建时间序列的塔里木河干流植被指数分布图像,在分析图像特征的基础上划分塔里木河遥感监测单元;②对监测单元内部不同组分的时间和空间状态参数进行量化与率定;③根据几何光学模型原理和植被随机分布特性,采用线性混合模型模拟单元植被指数;④根据模拟结果和遥感数据的对比分析,获得地面植被参量的可靠估计。该方法将地面组分的状态参量和遥感数据通过模拟模型相关联,实现了不同时空尺度遥感数据以及地面样方或者点观测数据的协同分析,为塔里木河干流植被监测进行长期、细致的研究建立了海量数据综合分析的方法体系。     

流域水环境遥感研究进展与思考

卫星遥感作为一种先进的水环境监测技术手段,可以监测现状,掌握现有情况;也可以追溯过去,揭示变化规律;同时还可以结合动力模型,模拟未来。这为人类了解、掌握和管理流域水环境变化发挥不可替代的作用。特别是近10 a已经进入“高分卫星时代”,卫星传感器的空间分辨率越来越高,可观测的参数越来越多,反演和估算精度越来越高。但是,目前还缺乏从流域角度阐述水环境遥感的相关综述文章。论文围绕“流域水环境遥感”研究主题,明确了研究的对象和范围,厘清了基本理论框架,并结合大家关注的问题,包括卫星数据源、水环境模型、富营养化湖泊藻类富集、水生植被退化、水面积变化等方面的研究进展和存在的问题进行了回顾和梳理;并指出在全球变暖和人类活动加剧背景下,未来需要研发专门面向流域水环境的天-空-地立体观测体系和系统框架,开展全流域统筹的水环境遥感监测和模拟,同时加强流域水体碳循环遥感研究。     

柘林水库流域降水遥感反演研究

基于卫星遥感数据进行云层划分,并根据不同云层和地面站观测雨量间的回归关系,利用线性回归法反演流域降水数据.以GMS卫星影像为信息源,以实测站点数据为基础,对2000年、2004年柘林水库流域降水进行了遥感反演.基于R~2法的反演结果可信度分别达到0.9855、0.9904,其反演精度较高,可为分布式水文模型等提供输入参数.     

基于NDVI的新疆荒漠地区植被覆盖度遥感估算经验模型研究

新疆荒漠地区植被覆盖度遥感估算模型十分缺乏,给荒漠化监测等相关工作带来很大不便,开展植被覆盖度遥感估算经验模型研究,对于促进和完善相关地区的生态监测及研究工作具有积极的现实意义。通过对阜康市北部沙漠南缘和克拉玛依市中部平原荒漠进行无人机航拍,利用无人机遥感提取（光合）植被信息,并将无人机航拍影像的植被覆盖度统计单元与高分辨率卫星影像像元在空间上直接相对应,获取在高分辨率卫星影像像元尺度上的植被盖度,然后通过植被覆盖度和空间上与其相对应的源自高分辨率卫星影像的NDVI数据的拟合关系,建立基于源自高分二号影像的NDVI的阜康北部沙漠植被覆盖度遥感估算线性模型以及基于源自ZY1-02C影像的NDVI的克拉玛依平原荒漠植被覆盖度遥感估算二次多项式模型。研究中所采用的无人机遥感与卫星遥感相结合、植被覆盖度统计单元与卫星像元在空间上直接对应的方法,可避免以往相关工作中常以点位测量数据代表卫星像元数据所带来的不确定性。由于所用卫星影像的NDVI数据稳定性相对不足等原因,所建立的遥感估算模型的估算精度尚相对偏低,有待于今后进一步的工作加以改进。     

从遥感观测数据到数据产品

本文将遥感作为一种观测手段,通过梳理遥感从观测数据到数据产品的处理方法,分析了目标识别和参数提取所采用的方法、特点与存在的问题,发现遥感从观测数据到数据产品的过程至今仍未形成系统、科学的方法论,指出遥感方法论的建立需通过挖掘多源、多角度、多时相、多光谱、主被动协同的遥感观测数据隐含的深层指示性特征,加强结构化方法研究,构建新型的、可重复、易于处理且能够反映物理、化学、地学、生态学、生物学意义的遥感指标,以数据产品为导向发展多源协同遥感观测与分析处理方法,推动遥感从观测数据到数据产品的处理方法向标准化、结构化转变。     

植物物候遥感监测精度影响因素研究综述

基于植物物候的遥感监测对于研究植被对气候变化的响应具有重要的科学价值。本文在阐述植物物候遥感监测原理及其通用技术流程的基础上,分别从植被类型及其所处的地理条件、遥感数据源及其预处理、植物物候遥感识别方法和植物物候遥感监测结果评价4个方面分析了影响植物物候遥感监测精度的因素,并针对当前研究中存在的不足,探讨了提高植物物候遥感监测精度的可行性途径,即建立高分辨率的近地面遥感定点观测及数据共享网络,发展普适性更强的卫星遥感时序数据去噪及植被指数曲线重建方法,寻求稳定性更高的植物物候期遥感识别方法,探索综合运用地面观测、遥感监测与模型模拟实现物候观测空间尺度拓展的可能性。     

森林生态系统遥感监测技术研究进展

森林是陆地生态系统的主体,森林生态系统监测技术是实现森林可持续利用与全球变化研究的重要支撑与信息保障。从4个方面概述了遥感技术在森林生态系统监测中的应用研究进展：森林遥感分类及变化监测、森林植被参数遥感反演、森林蓄积量与生物量遥感估算、森林干扰遥感监测等。结合遥感技术的发展,总结了森林生态系统监测中使用的多源遥感数据和各类模型,提出集成地面调查数据、高分地-空雷达扫描监测技术,以及多源光学遥感建模技术和生态系统过程模型,构建多维度、多尺度、高时间密度的森林生态系统监测平台的研究展望。     

应用遥感技术模拟净初级生产力的尺度效应研究进展

采用遥感技术估算地表植被净初级生产力(NPP),已经成为模拟NPP的主要发展方向。遥感技术以及数据处理能力的迅速发展和基于遥感观测生理生态理论研究的进展使大尺度生态系统格局和过程的定量、动态观测成为可能。多种卫星传感器提供了丰富的多尺度对地观测数据,从而形成了不同空间分辨率的影像数据层次体系,使得从定量遥感出发的NPP估算必然存在多尺度的问题。NPP遥感估算模型以不同分辨率的遥感数据(代表不同的研究尺度)作为输入参数时,得到的NPP模拟值差异明显。为了提高NPP的估算精度,需要充分认识不同分辨率的遥感数据对NPP估算结果的影响差异,即NPP的尺度效应问题。本文介绍了遥感尺度效应研究进展,多分辨率遥感数据监测NPP变化的多尺度研究进展,以及NPP估算尺度效应问题的研究进展。并分析了应用遥感技术研究NPP尺度效应的发展趋势。     

Assessment of biochemical concentrations of vegetation using remote sensing technology

The main biochemicals (such as lignin, protein, cellulose, sugar, starch, chlorophyll and water) of vegetation are directly or indirectly involved in major ecological processes, such as the functions of terrestrial ecosystems (i.e., nutrient-cycling processes, primary production, and decomposition). Remote sensing techniques provide a very convenient way of data acquisition capable of covering a large area several times during one season, so it can play a unique and essential role provided that we can relate remote sensing measurements to the biochemical characteristics of the Earth surface in a reliable and operational way. The application of remote sensing techniques for the estimation of canopy biochemicals was reviewed. Three methods of estimating biochemical concentrations of vegetation were included in this paper: index, stepwise multiple linear regression, and stepwise multiple linear regression based on a model of the forest crown. In addition, the vitality and potential applying value are stressed.     

Assessment of biochemical concentrations of vegetation using remote sensing technology

The main biochemicals (such as lignin, protein, cellulose, sugar, starch, chlorophyll and water) of vegetation are directly or indirectly involved in major ecological processes, such as the functions of terrestrial ecosystems (i.e., nutrient-cycling processes, primary production, and decomposition). Remote sensing techniques provide a very convenient way of data acquisition capable of covering a large area several times during one season, so it can play a unique and essential role provided that we can relate remote sensing measurements to the biochemical characteristics of the Earth surface in a reliable and operational way. The application of remote sensing techniques for the estimation of canopy biochemicals was reviewed. Three methods of estimating biochemical concentrations of vegetation were included in this paper: index, stepwise multiple linear regression, and stepwise multiple linear regression based on a model of the forest crown. In addition, the vitality and potential applying value are stressed.     

全球及区域模式中陆面过程的地表植被覆盖分类方法

全球和区域尺度上陆面生态系统与气候密切相关。全球和区域模式的发展对于我们认识气候与陆地生态的变化起到重要作用。在这些模型中,植被覆盖是影响大气-植被间热量、水分和CO2等交换的重要陆面参数。在分析了陆地植被覆盖分类原理基础上,介绍了目前全球不同植被覆盖分类方案,包括基于地基观测的植被分布、基于生物气候特征的分类方案（如：Holdridge的方案）;特别近年来陆面过程试验表明,各种遥感数据源（如：NOAA—AVHRR,EOS—MODIS,Landsat—TM）等为我们提供了有利的工具来监测全球植被动态,完善植被分类,并且采用高时空分辨率的全球土地覆盖状况特征,在不同时空尺度揭示植被-大气相互作用。本文分析了代表性的3种基于卫星遥感技术的陆面植被分类方案,分别是BATS（18类）、SIB（9类）、SIB2（12类）和BIOME—BGC（31类）陆地模式的植被覆盖分类方案．最后分析了目前可用于全球植被覆盖分类的新的遥感数据库。     

Satellite remote sensing for mapping vegetation in New Zealand freshwater environments: A review

Freshwater environments in New Zealand provide a range of ecosystem services and contain important biodiversity. Managing these environments effectively requires a comprehensive inventory of the resource and cost-effective tools for regular monitoring. The complex and extensive margins of natural water bodies make them difficult to sample comprehensively. Problems thus occur with extrapolating point-specific sampling to accurately represent the diversity of vegetation in large freshwater bodies. Mapping freshwater vegetation using satellite remote sensing can overcome problems associated with access, scale and distribution, but it requires high-resolution images that have appropriate spectral characteristics. This paper provides an overview of the optical satellite data characteristics required for mapping riparian, submerged and emergent vegetation associated with freshwater environments in New Zealand.     

新疆荒漠稀疏植被覆盖度信息遥感提取方法比较

植被覆盖度信息是荒漠生态环境表征的重要指标之一。荒漠区地表植被稀疏,在遥感光谱信息中表现较弱,通用的植被覆盖度遥感提取方法应用于干旱荒漠区存在一定的局限性,为了探寻一种满足大尺度荒漠地区的植被覆盖度信息的提取方法,必须对比和分析现有的遥感方法在干旱荒漠区的应用效果。以新疆荒漠区为例,利用MODIS遥感影像和野外植被覆盖度实测数据,对常用的6种遥感植被覆盖度提取方法（改进的三波段梯度差法、像元二分法、线型混合像元分解法、归一化植被指数法、增强型植被指数法和修正型土壤调整植被指数法）的结果进行精度验证和对比分析。结果表明：MODIS影像上较难提取纯荒漠植被像元,用农作物的像元值代替会降低像元二分法和线性混合像元分解模型的模拟精度;植被指数法对地面实测数据依赖性较大,模拟的精度差异很大,仅考虑红光和近红外的归一化植被指数法模拟精度最低,而综合考虑土壤和大气因素的增强型植被指数法的模拟结果精度最高;改进的三波段最大梯度差法虽然模拟精度稍次之（R²=0.74;RMSE=13.46）,但依据光谱的物理特性,能显著地反映南、北疆荒漠植被覆盖度的差异,是目前大尺度的荒漠区覆盖植被信息提取较为适宜的方法之一。     

遥感在土壤碳储量估算中的应用

土壤碳库是陆地生态系统碳库的主体,在全球碳平衡中具有重要作用。从20世纪70年代早期Landsat-MSS数据的使用开始,各种传感器的卫星多光谱测量开始广泛应用于土壤调查中。首先,分析了利用遥感方法估算土壤碳储量的可行性。之后,系统分析总结了国内外在土壤碳储量研究中的常用遥感方法,即遥感影像直接估算法、植被指数法和光谱测定分析法。最后,对遥感在土壤碳储量估算研究中的发展趋势做出展望。     

南北过渡带1∶5万植被类型图遥感制图案例研究

编制南北过渡带地区1∶25万和典型山地1∶5万植被类型图是南北过渡带综合科学考察的主要任务之一。以往植被类型图的编制都是采用大量的地面调查来完成的,地面调查方法虽然精确,但费时费力,并且由于自然条件的限制,地面调查往往只能覆盖较小的范围。遥感数据因为其全覆盖的优势,可以很好地弥补样方调查的局限性,但目前大范围的植被类型遥感信息提取尤其是自动提取方面仍然存在一定的困难和瓶颈。本文以1∶5万太白山植被类型图的编制为例,利用多源多时相的高分辨率遥感数据,结合地面调查数据、以往的各种比例尺的植被类型图数据和森林资源调查数据等,探讨并研究基于山地垂直带谱的中大比例尺植被类型图的遥感提取方法和制图方法。研究结果表明：① 山地植被垂直带谱可以有效地支持1∶5万山区植被类型图的遥感制图。利用太白山植被垂直带谱和1∶1万数字表面模型数据（DSM）可以生成具有垂直带谱信息的地形约束因子;将地形约束因子与多源多时相高分辨率遥感数据、地面调查数据、以往的小比例尺植被类型图数据等相结合,可以有效提取各级植被类型,从而实现中大比例尺植被类型图的编制。② 典型山地1∶5万植被类型图的遥感制图基本流程为植被型组解译→植被群系组、群系、亚群系解译→植被型、植被亚型分类,采取自上而下和自下而上相结合的分类方法来分类。本文的研究成果可以为中大比例尺植被类型图的编制提供示范和科学依据。