对比多源遥感数据在滨海湿地提取中的差异

Landsat 8与Sentinel-2数据是当前遥感分类最典型、常用的光学数据源,但这两种数据源在滨海湿地分类中的差异性仍有待进一步研究。基于Landsat 8、Sentinel-2和Sentinel-1数据,采用随机森林（random forest,RF）算法对南沙区湿地进行分类,并探讨光学数据源、主成分变换融合方法以及各特征变量对南沙区滨海湿地RF分类精度的影响。结果表明：(1) Sentinel-2数据参与的方案分类精度均优于Landsat 8数据参与的方案,其分类精度分别为90.24%（单一光学数据参与分类）、85.89%（光学数据与雷达数据融合参与分类）。(2)主成分变换融合方法对分类精度的提高不大,融合数据使滨海湿地总体分类精度下降（p<0.05）,但融合数据在一些滨海湿地类型提取中具有一定优势。融合Sentinel-2与Sentinel-1数据减小了沿海滩涂与浅海水域之间的错分现象;融合Landsat 8与Sentinel-1数据更有利于库塘、红树林湿地信息提取以及湿地与非湿地信息的区分。     

激光雷达回波模型辅助的坡地森林冠层高度反演

大光斑激光雷达数据已广泛应用于森林冠层高度提取,但通常仅限于地形坡度小于20°的平缓地区。在地形坡度大于20°的陡峭山区,地形引起的波形展宽使得地面回波和植被回波信息混合在一起,给森林冠层高度提取带来巨大挑战。本文利用激光雷达回波模型和地形信息,提出了一种模型辅助的坡地森林冠层高度反演算法。该方法以激光雷达回波信号截止点为参考,定义了波形高度指数H50和H75,使用激光雷达回波模型与已知地形信息模拟裸地的激光雷达回波,将裸地回波信号截止点与森林激光雷达回波信号截止点对齐,利用裸地回波计算常用的波形相对高度指数RH50和RH75,对森林冠层高度进行反演。并与高斯波形分解法和波形参数法的反演结果进行了比较。研究结果表明:(1)利用所提取的波形指数RH50和RH75对胸高断面积加权平均高(Lorey’s height)进行了估算,在坡度小于20°时,高斯波形分解法、波形参数法和模型辅助法的估算结果与实测值线性拟合的相关系数(R2)分别为0.70,0.78和0.98,对应的均方根误差(RMSE)分别为2.90 m,2.48 m和0.60 m,模型辅助法略优于其他两种方法;(2)在坡度大于20°时,高斯波形分解法、波形参数法和模型辅助法的R2分别为0.14,0.28和0.97,相应的RMSE分别为4.93 m,4.53 m和0.81 m,模型辅助法明显优于其他两种方法;(3)在0°—40°时,模型辅助法对Lorey’s height估算结果与实测值的R2为0.97,RMSE为0.80 m。本研究提出的模型辅助法具有更好的地形适应性,在0°—40°的坡度范围内具备对坡地森林冠层高度反演的潜力。     

星载LiDAR产品辅助的InSAR森林高度反演

针对星载重轨InSAR森林高度反演受时间去相干制约与模型解算辅助数据难以获取的问题.考虑ALOS-2 PALSAR-2干涉数据特点,采用一种顾及时间去相干影响的半经验散射模型,利用最新发布的星载激光雷达ICESat-2 ATL08高程产品中的植被高度数据作为辅助数据,并结合主成分分析思想(PCA)对ALOS-2 PALSAR-2相干幅度信息与树高的关联模型进行参数解算.实验结果表明,在ICESat-2树高数据辅助条件下,通过散射模型可以较好抑制时间去相干的影响,进而反演出可靠的模型参数及森林高度(RMSE约为3 m).本研究验证了联合星载重轨干涉SAR与星载LiDAR数据实现大范围、大尺度森林高度反演的可行性.     

基于ICESat-GLAS完整波形的坡地森林冠层高度反演研究——以吉林长白山林区为例

为了评价大光斑激光雷达在坡地反演森林冠层高度的能力,以长白山汪清林区为例,利用冰、云和陆地高程卫星(ICESat)上搭载的地学激光测高系统(GLAS)提供的完整波形数据,在不同地形坡度范围内,以激光波形长度和地形指数为变量建立森林冠层高度反演模型。研究结果显示,在0~5°坡度范围所建立的模型能够解释90%的冠层高度,随着坡度范围的扩大,相对应的模型反演精度显著下降。总体来讲,在地形坡度不大于15°的地区,GLAS波形能够比较合理地反演森林冠层高度,具有很大的应用潜力。     

多源遥感数据支持下的区域性森林冠层高度估测

结合机载LiDAR数据,提出了一种改进的GLAS光斑点冠层高度地形校正模型,以校正后的GLAS光斑点作为输入样本,结合MODIS遥感影像,利用支持向量回归（SVR）的方法对研究区森林冠层高度进行分生态区估测,并利用野外调查数据和机载LiDAR冠层高度结果对估测结果进行验证。结果显示:研究区的坡度等级直接影响GLAS光斑点森林冠层高度估测精度,改进的地形校正模型可以较好的减小坡度对GLAS光斑点森林冠层高度估测的影响,模型精度RMSE稳定在3.25~3.48 m;不同生态分区的SVR模型估测精度较为稳定,其RMSE=6.41~7.56 m;与算数平均高相比,样地的Lorey's高与制图结果拟合最好,不同生态分区平均估测精度为80.3%。机载LiDAR冠层高度结果的验证平均精度为79.5%,和Lorey's高验证结果呈现较好的一致性。     

基于ICESat-2数据及TanDEM-X DEM的林下地形反演

传统光学遥感手段以及SAR获取的数字高程模型(DEM)包含一定的植被信号,如何准确估计植被高度并将其从包含植被高信号的DEM中扣除,对生成高精度DEM具有重要意义.基于此,提出一种基于ICESat-2/AT-LAS数据和TanDEM-X DEM的林下地形生成方法.首先利用ICESat-2 ATLAS数据联合MODIS、温度、降雨及高程等辅助信息通过随机森林进行建模及预测,实现空间连续植被高反演;之后,在估计X波段InSAR森林区穿透深度基础上,利用反演所得植被高,扣除TanDEM-X DEM中的植被高信号,得到林下地形.选取我国东北地区作为试验区,实验结果表明:反演林下地形精度为9.14 m,相比原始Tandem-X DEM的精度提高21.2％.     

联合GEE与多源遥感数据的黑龙江流域沼泽湿地信息提取

湿地是地球上最重要的生态系统之一,在维持全球生态环境安全等方面发挥着举足轻重的作用.由于湿地独特的水文特征,传统的湿地监测需要耗费大量的人力和财力,对于大尺度的湿地信息提取更是困难重重.随着大数据和云计算的兴起,为大尺度和长时间序列的空间数据处理提供了契机.本文基于Google Earth Engine(GEE)云平台...     

多源数据支持下的森林地上生物量估算方法

以Landsat8 OLI（operational land imager）为遥感数据源,森林资源二类调查和地理国情数据为主要辅助数据,对森林地上生物量（aboveground biomass,AGB）进行了反演和估算。以安徽省金寨县的天然林为研究对象,通过计算覆盖研究区Landsat8 OLI的光谱、纹理和地形特征,利用森林资源二类调查、地理国情普查与监测和外业调查数据建立AGB定量反演模型,以此为基础分析了不同特征对于AGB估算的影响。结果表明,基于所采用的方法得到的金寨县的森林地上生物量,最优反演模型的实测值与估算值相对误差为0.708 718,均方根误差为1.318 983,精度较高。依据该模型计算得到金寨县的生物总量为4 723 728 530 t,结果与实际情况符合。该研究对AGB定量反演和研究所采用的方法对于大范围监测森林资源具有可用性。     

协同多源遥感数据的北亚热带森林蓄积量贝叶斯分层估测

精确估算森林蓄积量是国家实现2060年前碳中和目标的迫切需求,而基于遥感的森林蓄积量定量反演是当前遥感应用领域面临的重要挑战和研究热点.光学遥感数据由于无法获取森林高度信息并存在信号饱和问题,反演森林蓄积量的精度较低,而机载Lidar数据能获取高度信息,但成本高、观测范围有限.本研究利用Sentinel-2多光谱、资源...     

基于机载多基线PolInSAR的森林冠层高度反演

以美国航空航天局(National Aeronautics and Space Administration,NASA)、欧洲航天局(European Space Agency,ESA)、加蓬航天局合作的AfriSAR项目中的Lopenp和Mondah为实验区,以L波段的多基线全极化无人驾驶飞行器合成孔径雷达(unmanned aerial vehicle synthetic aperture radar,UAVSAR)数据为数据源,分别采用高度偏差(height variance,VAR)方法、偏心率(eccentricity,ECC)方法和平均相干幅度与分离度乘积(product of average coherence magnitude and separation,PROD)方法、原点到拟合直线距离与分离度乘积(product of fitted line distance from origin and coherence separation,LINE)方法进行基线选择,并基于地面随机体散射模型(random volume on ground,RVoG)三阶段方法反演森林...     

基于多源遥感数据的森林火灾监测研究

以2019年5月13日黑龙江省佳木斯市同江市洪河国家级自然保护区为研究对象,基于静止气象卫星Himawari-8(H8)和极轨气象卫星MODIS数据对火灾发生经过进行还原,基于高分一号(GF-1)和高分六号(GF-6)数据进行火烧迹地识别.试验结果表明,Himawari-8及MODIS数据都可较好地反演出火灾发生地点,...     

长时间序列多源遥感数据的森林干扰监测算法研究进展

时空意义明确的森林干扰和恢复信息是评价森林生态系统碳动态的关键因素之一。然而由于诸多的现实困难,多尺度的森林干扰定量化时空信息相对缺乏。Landsat数据具备光谱、时间和空间分辨率上的优势,以及可以免费获取的特点,使其成为主要的长时间序列动态监测的遥感数据源之一,为长时间周期内提供具有合适的空间细节和时间频率的森林干扰信息成为可能。特别是基于Landsat时间序列堆栈(LTSS)的森林干扰自动分析算法的出现,更为森林生态系统的近实时监测提供强有力的工具。本文全面评述了长时间序列遥感数据准备和预处理技术以及国内外基于遥感数据源的多时相森林干扰监测方法,重点分析了基于Landsat的多种指数监测和自动化方法的优缺点,并总结了其与多源数据结合的扩展应用,最后就现有方法与国内外新的数据、技术手段的关联进行了展望,以期为推广中国本土卫星影像应用于森林干扰监测提供理论借鉴。     

大光斑激光雷达数据的森林冠层高度反演

针对传统的LM波形分解算法在GLAS大光斑波形数据处理中容易陷于局部最优解,限制了GLAS大光斑激光雷达数据在森林结构参数反演方面应用的问题,该文结合GLAS大光斑数据特征,引进优化后的EM算法对大光斑全波形数据进行分解,获取波形参数最优值。结合波形前缘长度和波形后缘长度,建立树高反演模型,并与LM分解算法建立的模型进行对比分析。研究结果表明,通过改进的EM算法对GLAS大光斑激光雷达数据进行处理,波形特征参数的获取更为精确,达到了较高的树高反演精度。     

Sentinel-2与Landsat 8数据组合下的多特征冬小麦面积提取

遥感卫星的波段设置、信噪比及传感器观测角度等因素都会影响作物提取精度。为充分挖掘与发挥Sentinel-2卫星多光谱成像仪(MSI)与Landsat 8陆地成像仪(OLI)在冬小麦信息提取方面的优势,本文以商河县为研究区,基于两数据源的光谱特征、纹理特征、植被指数特征组合数据,利用随机森林(RF)与支持向量机(SVM)对冬小麦进行提取。结果表明:基于单一影像的最优Kappa系数与最优OA分别为0.89和95.13%,基于组合数据源的最优Kappa系数为0.92,最优OA为95.28%,两数据源组合的精度优于单一数据源提取精度;数据组合效果与分类器的性能有关,RF的Kappa系数相对于SVM分别提升0.04、0.20和0.11,OA分别提升2.41%、11.31%和6%,RF对冬小麦提取精度优于SVM。本文研究结果对于构建中高分辨率影像组合的典型农作物分类提取体系具有重要意义。     

基于知识-规则的省级基础地理实体多源数据融合转换方法

湖南省新型基础测绘体系建设正在稳步推进,其中省级基础地理实体改造与建库是重要任务之一。本文在遵循自然资源部相关技术标准的前提下,建立了一套适用于湖南省的地理实体分级分类标准规范,融合1∶1万基础地理信息和第三次全国国土调查年度变更等多源数据,以地理实体编码为统一标识符,提出了基于知识-规则的省级地理实体多源数据融合转换方法。该方法充分利用了已有的存量数据,实现了省级基础地理实体数据的标准化改造,避免了重复生产的资源浪费,极大地提高了基础地理实体生产的效率,有利于基础地理实体在行业中的推广和应用。