双台河口国家级自然保护区芦苇叶面积指数遥感反演与空间格局分析

应用Landsat7 ETM+遥感数据与同期野外实测叶面积指数(LAI)数据,基于多季相遥感影像,用面向对象的分类方法,提取双台河口国家级自然保护区芦苇分布数据,建立芦苇LAI最优估算模型,并进行其遥感反演及空间格局分析。研究结果表明,2012年,双台河口国家级自然保护区内芦苇总面积为38 200 hm2,占保护区总面积的29.5%,其中,缓冲区的芦苇面积为16 200 hm2,实验区的芦苇面积为11 900 hm2,核心区芦苇面积为10 100 hm2;以遥感影像缨帽变换(TC)后的绿度(GREEN)分量、ETM+第5波段(B5)和第3波段(B3)为自变量的多元线性模型为芦苇LAI反演的最优估算模型(p0.01,R2=0.741)。双台河口国家级自然保护区芦苇LAI介于0.12~5.85之间,呈现东高、西低和北高、南低的分布格局;保护区核心区的芦苇LAI最均一,实验区的芦苇LAI空间变化最明显。     

K-T变换在监测小麦地表参数中的应用

利用K-T变换提取TM和MODIS遥感影像的绿度、湿度分量,在不同的分辨率尺度下监测小麦覆盖地表参数:土壤湿度(Ms)、等效水厚度(EWT)和叶面积指数(LAI),并与NDVI(归一化植被指数)、NDWI(归一化水分指数)和EVI(增强植被指数)监测结果比较.湿度分量监测Ms效果更好,TM和MODIS遥感影像反演精度分别为6.08%、7.37%(RMSE),相关系数R2分别为0.49、0.31,基于绿度和湿度分量建立土壤湿度多元线性回归反演模型,利用TM影像反演土壤湿度RMSE为4.91%,反演土壤湿度和实测土壤湿度R2达0.63;绿度分量监测EWT效果更好,TM和MODIS遥感影像反演精度分别为0.37 kg/m2、0.43 kg/m2,R2分别为0.51、0.28;绿度分量反演LAI精度更好,TM和MODIS遥感影像反演精度分别为0.66、0.83,R2分别为0.64、0.35.     

基于支持向量机回归算法的土壤水分光学与微波遥感协同反演

利用遥感技术反演土壤水分对于我国西北地区农业干旱问题研究具有重要意义。该文以新疆焉耆盆地为研究区域,分别利用微波遥感数据(Sentinel-1ASAR)和光学遥感数据(Landsat8)计算土壤后向散射系数(σ0soil)和改进型温度植被干旱指数(MTVDI),并将σ0soil和MTVDI参数作用于支持向量机(SVM)回归算法,探讨了不同参数条件下SVM模型在土壤水分反演中的适应性。实验结果表明,相比只用单因子(σ0soil或MTVDI)作为模型参数,以σ0soil和MTVDI两者共同作为SVM模型输入参数时,土壤水分监测精度显著提高,其建模集决定系数R2=0.81,均方根误差RMSE=3.16%;验证集R2=0.89,RMSE=3.15%。最后,利用最优模型对研究区土壤水分进行了反演,并对不同土地类型含水量进行了评价,可为光学遥感与微波遥感协同反演土壤水分提供参考。     

基于Landsat 8 OLI影像的塔里木河下游河岸林叶面积指数反演

叶面积指数(Leaf Area Index,LAI)是描述植物冠层结构特征的重要参数,也是研究植物冠层表面物质和能量交换必不可少的参数。根据在塔里木河下游河岸林地利用LAI-2250实测的LAI数据,比较Landsat 8 OLI遥感数据提取的几种常规植被指数估算LAI的能力,建立LAI估算模型,并利用实测数据对模拟结果进行精度验证,生成塔里木河下游LAI分布图。结果表明:(1)各植被指数(Vegetation Indexes,VIs)与LAI均具有一定的相关性,对于不同的植被指数,二次多项式回归模型相关性均最高;(2)在不区分植被类型的样本分析中,大气阻抗植被指数(Atmospherically Resistant Vegetation Index,ARVI)与实测LAI具有最高的相关性;(3)分别针对柽柳林和胡杨林样本分析,判定系数R2和反演精度均具有不同程度的提高,对应的最适植被指数分别为归一化植被指数(Normalized Differential Vegetation Index,NDVI)和ARVI;(4)塔里木河下游河岸植被LAI有3个高值区:大西海子水库附近、下游中部和尾闾湖台特玛湖附近。全区LAI值主要分布在0~1.5之间,均值为0.361。该研究结果为遥感提取塔里木河下游河岸林带高空间分辨率的叶面积指数数据提供了数据支持和方法支撑。     

基于多光谱遥感的扎龙湿地湖泡水深反演研究

以扎龙湿地龙泡子为研究对象,利用58个实测水深数据和季相最接近的Quick Bird数据,建立湖泊水深的反演模型。探索性地建立了单波段和多波段组合的线性(多元)回归模型、指数模型、二次多项式模型、微分模型和对数模型等;通过对比模型的决定系数R2,比较模型精度;线性模型、对数模型、指数模型和幂指数模型的R2小于0.5,而二次多项式模型和多元线性回归模型的R2大于0.5,精度相对较高;筛选出拟合度较高的模型,用20个实测验证样本,采用相对误差和均方根误差进行模型精度评价;最后,利用精度较高的模型,进行龙泡子水深反演计算。水深反演结果表明,用选出的模型反演得到的龙泡子水深基本一致,为170~200 cm,即使有稀疏的水草覆盖,依然可以表现出水深渐变的趋势。以蓝、绿、红和近红外波段多光谱遥感反射率为自变量,建立的线性湖泡水深反演模型y=123.990-3.332B1+183.859B2-237.133B3-37.143B4(y为水深;B1、B2、B3和B4分别为蓝、绿、红和近红外波段的水体反射率),能较好地反演扎龙湿地湖泡的水深。     

基于TM数据的太湖叶绿素a浓度定量遥感反演方法研究

探讨利用常规卫星遥感数据Landsat/TM定量反演太湖叶绿素a(Chl-a)浓度的方法。在对Landsat/TM影像进行几何校正、辐射定标、大气校正等预处理的基础上,选择适于太湖Chl-a浓度定量反演的最佳波段或波段组合,采用半经验回归模型和混合光谱分解模型分别建立太湖Chl-a浓度定量反演模型,并对不同模型及反演结果进行对比分析。     

耦合光谱、纹理信息的森林蓄积量估算研究

本研究以Landsat 8为遥感数据源,以样地调查数据和森林资源二调数据为辅助数据对西藏林芝县的森林蓄积量进行反演研究。研究通过多元回归分析构建了林芝县森林蓄积的估算模型。为验证纹理信息的加入能否提高森林蓄积量遥感反演的精度,研究通过灰度共生矩阵提取了Landsat 8的纹理特征。在分析了森林蓄积量与遥感影像各波段、植被指数、纹理特征以及地形因子之间的相关关系后,分别以(1)光谱和地形因子、(2)纹理信息、(3)光谱因子、地形特征和纹理特征结合为自变量构建森林蓄积量的遥感估测回归模型。实验结果表明:传统的森林蓄积量反演方法得到的精度最低,而基于光谱因子、地形特征和纹理特征结合的森林蓄积量估测模型得到结果的精度最高,达到80.24%,均方根误差RMSE为1.018。研究结果证明随着纹理信息的引入,原本仅基于光谱和地形因子的森林蓄积量反演复相关系数从0.5843提高到0.7075,反演精度提高了10.06%,这说明纹理信息对森林蓄积的反演精度有提高的作用。本研究构建的基于光谱因子、地形特征和纹理特征结合的回归模型对研究区内的森林蓄积量反演具有可靠性,对于森林资源的监测和管理具有重要的意义。     

松嫩平原水体中的叶绿素a和悬浮物含量反演研究

利用2013年10月7日和14日的landsat 8 ETM+遥感影像数据和松嫩平原实测的31个采样点的水体中的叶绿素a和悬浮物含量数据,采用回归分析的方法,建立松嫩平原水体中叶绿素a和悬浮物含量的反演模型。研究结果表明,将各波段反射率进行必要的数学变换和波段组合后,可以显著提高其与水体中叶绿素a和悬浮物含量的相关水平;以R4/(R2+R3)为自变量,建立的水体中叶绿素a含量的反演模型拟合效果最好;以(R5+R4)/R3为自变量,建立的水体中悬浮物含量反演模型拟合效果最好。     

MODIS和Landsat时空融合影像在土壤盐渍化监测中的适用性研究——以渭干河—库车河三角洲绿洲为例

土壤盐渍化的遥感监测依赖于高时空分辨率影像,但受经费预算、卫星回访周期及天气的影响,高时空分辨率的遥感影像较难获取,这就限制了根据采样时间来获取对应时期遥感影像进行土壤盐渍化监测反演的应用。为此,提出融合MODIS和Landsat影像生成高时空分辨率影像来提取土壤盐渍化信息,为时空影像进行土壤盐渍化监测研究提供数据参考。以渭干河—库车河绿洲为研究区,利用增强型时空自适应融合率反射模型（Enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM）和灵活的时空融合模型（Flexible spatiotemporal data fusion,FSDAF）,对MODIS和Landsat影像进行时空融合,并基于融合影像数据构建了关于土壤电导率（EC）的随机森林（RF）预测模型,对比分析时空融合影像应用于土壤盐渍化遥感监测的适用性。结果表明：ESTARFM融合影像的特征波段反射率与Landsat验证影像对应波段反射率一致性决定系数R²（Red）=0.8066、R²（SWIR2）=0.8444;FSDAF融合影像的特征波段与Landsat验证影像对应波段反射率一致性决定系数R²（Red）=0.6999、R²（SWIR2）=0.7493;基于ESTARFM融合影像构建的EC值预测模型精度最高,R²=0.9268,基于FSDAF融合影像构建的EC值预测模型精度良好,R²=0.8987,基于验证影像构建的EC值预测模型R²=0.9103; ESTARFM模型的融合精度高于FSDAF模型,并且基于融合影像构建的EC值预测模型效果良好。     

基于PROSAIL模型的广州市过渡带森林植被冠层可燃物含水率估算

基于PROSAIL模型,结合野外实测叶片等水分厚度、干物质重量、叶面积指数数据,构建一种基于归一化红外指数和归一化干物质指数的植被冠层可燃物含水率估算方法。首先,在PROSAIL模型输入实测参数模拟植被冠层光谱曲线,计算归一化红外指数、归一化干物质指数用于叶片等水分厚度、干物质重量的反演。结果表明：归一化红外指数与叶片等水分厚度、归一化干物质指数与干物质重量存在明显的线性关系,基于该关系建立叶片等水分厚度、干物质重量的经验估算模型,经验证估算结果精度较高;将该经验模型推广至利用Landsat 8数据拟合植被冠层可燃物含水率,并与实测数据进行验证,结果显示R²达到0.743,RMSE达到34.2%,具有较高的精度。文章提出的植被冠层可燃物含水率估算模型,可实现广州市过渡带森林大面积、较高精度植被冠层可燃物含水率监测,为预防森林火灾提供参考。     

基于多时相冠层结构参数对冠层光谱的敏感性分析

遥感反演的前提需对模型的输入参数进行敏感性分析.该文选取冬小麦返青期、拔节期、孕穗期和抽穗期,考虑输入参数之间的相关性,以辐射传输模型(PROSAIL)为研究对象,对比分析了局部敏感性和全局敏感性方法在模型不确定性和LAI敏感性上的差异.结果表明,随着冬小麦的生长,模拟光谱与实测光谱吻合度提高,模型模拟的不确定性降低;与局部敏感性方法相比,全局敏感性方法的模型不确定性降低,模拟精度提高,冠层光谱对LAI的敏感性有明显变化,植被指数对LAI的敏感性则相对稳定;与NDVI相比,TGDVI对LAI更敏感.     

组合光学和微波遥感的耕地土壤含盐量反演

耕地保护关系到国家粮食安全和经济社会可持续发展,对生态环境保护具有重要作用,快速精准的获取耕地土壤盐分含量及空间分布信息是耕地保护的必然要求。以宁夏平罗县为研究区,利用Landsat 9 OLI和Sentinel-1遥感影像,提取光谱指数和雷达极化组合指数,基于变量投影重要性法与灰度关联法筛选特征变量,然后运用反向传播神经网络、支持向量机和随机森林3种机器学习算法构建模型,并用最佳模型反演耕地土壤含盐量空间分布情况。结果表明：(1)利用变量投影重要性法筛选变量建立的模型验证集决定系数(R²)大于灰度关联法筛选变量建立的模型。(2)利用随机森林算法,组合光谱指数和雷达极化组合指数协同反演模型效果最佳,建模集R²为0.791,均方根误差(RMSE)为1.016,R²较单一数据源模型分别提高0.065和0.085,RMSE分别降低0.147和0.189;验证集R²为0.780,RMSE为1.132,R²较单一数据源模型分别提高0.091和0.237,RMSE分别降低0.175和0.3...     

一种基于遥感数据快速提取居民地信息的新方法

基于Landsat TM/ETM+遥感影像的谱间关系,利用居民地与背景地物光谱值在波段3、波段4、波段5的差异,提出了一种新的建筑指数(New Built-up Index,NBI),并利用该指数提取居民地信息.选用常州市为研究区,以2007年Landsat TM影像为数据源,居民地提取精度达90%;进一步在多丘陵地区桐庐县进行验证,融入植被指数,居民地提取精度达91%.     

基于易测因子的塔里木河下游柽柳(Tamarix chinensis)灌丛地上生物量模型

根据塔里木河下游英苏至阿拉干断面各个监测井附近柽柳(Tamarix chinensis)标准枝生物量实测数据,采用数理统计方法构建柽柳单枝和单丛地上生物量估测模型,在精确度检验的基础上筛选出最佳模型,并对模型估测值与实测值进行卡方检验。结果表明:以柽柳枝基径d和枝长h派生因子d2 h为自变量建立的估测模型Ma=0.123(d2 h)1.241(R2=0.844)最优,估测精度为76.93%;分别以冠幅面积S和丛高H双变量SH、冠幅面积单变量S为自变量建立的柽柳地上生物量估测最优模型为Mb=1.335(SH)0.806(R2=0.788)、Mc=0.924S1.289(R2=0.771),估测精度分别为76.04%、72.83%。对上述模型估测值和实测值进行卡方检验,结果表明两者无显著差异,模型可用于塔里木河下游柽柳地上生物量估算。     

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.     

水分胁迫条件下棉花生理变化及其高光谱响应分析

利用ASD地物光谱仪,测定水分胁迫条件下棉花不同生育时期内叶片的光谱反射率,应用微分技术处理棉花的反射光谱,并结合棉花叶面积指数(LAI)、叶绿素(a b)含量(Chlt)、叶片全氮(TN)含量等生物参数进行分析,研究棉花水分胁迫情况下的高光谱特征,结果表明,一阶微分光谱720nm波段的数值与LAI的正相关(R=0．7656);750nm处一阶微分值与叶绿素含量呈显著正相关关系(R=0．7774);微分光谱690nm～740nm数值积分面积与TN含量呈正相关(R=0．7669),采用比值反射率对反射光谱1300nm～1500nm波段范围内最小值与棉花叶片的含水量作相关分析,达到极显著水平(R^2=0．8298),验证了一阶微分光谱数据与棉花的生理参数有很好的相关性,可见光和近红外波段光谱反射率能够反映出棉花生长发育的动态特征;证明了棉花的花铃期是高光谱遥感对棉花长势和生理参数定量诊断的最佳时期。本研究通过建立一系列线性光谱模型对棉花生理参数进行估测,为基于高光谱数据的棉花生长模型和棉花长势的遥感监测提供了理论依据。     

ERA-Interim和GHCN-CAM再分析气温数据在天山山区的适应性分析

天山山区是新疆主要河流的发源地,对该区域再分析气温数据进行适应性分析具有重要的研究意义,气温观测数据由于受到太阳辐射、海拔、大气环流和传感器角度等因素的影响,导致诸多误差;在其应用之前需要验证,尤其在海拔差异较大的天山山区。为验证ERA-Interim和GHCN-CAM两种再分析气温数据在天山山区的适应性,本文在数据预处理的基础上,利用45个气象站点日平均气温数据分别计算偏差(BIAS)、相关系数(R)、均方根误差(RMSE)等统计指标,并从不同海拔、偏差的空间分布上对天山山区1984—2016年ERA-Interim和GHCN-CAM逐月平均气温数据进行了适应性分析。结果表明:(1) GHCN-CAM(R=0. 94; BIAS=0. 55℃; RMSE=4. 08℃)气温值在天山山区的适应性强于ERA(R=0. 95; BIAS=2. 35℃; RMSE=4. 21℃)。(2)在气温的年内变化上,两种再分析数据值均低于观测值,表现为低估。(3)在季节尺度上,冬季(12月、1月和2月)表现为冷偏差,其他季节暖偏差。春秋两季模拟精度比夏冬两季高。(4)在1500～2000 m地区气温的模拟最好。从偏差的空间分布来看,天山中部、东部的再分析数据比天山南、北部能更好的反映气温的空间分布特征。山区地形复杂度和气象站点的不均匀是影响再分析数据精度的主要因素。     

基于Landsat 8影像的福州市地温与土地利用及植被关系研究

基于Landsat 8影像数据,根据覃志豪等人提出的单窗算法,分别用2个热红外波段反演2014年4月17日福州市区地表温度,并将反演结果与研究区部分气象站点当天的实测温度进行对比验证,发现利用波段10反演得到的地温与实际观测值更加接近,说明利用单窗算法可以较好地反演福州市地表温度,对于Landsat 8影像来说,波段10更适合用于反演地表温度。本研究采用面向对象分类方法对研究区范围内的土地利用类型进行解译,并计算归一化植被指数(NDVI),进而探讨二者与对应地表温度之间的相关性,结果显示土地利用类型与地表温度具有较强的相关性,同时NDVI与地表温度之间存在着较为显著的负相关性。     

基于小波分析的土壤速效K含量高光谱反演

选取新疆奇台县的134个土壤样本,利用土壤反射率对数的一阶导数光谱分别对4 种小波函数进行多层离散分解,采用PLSR方法分别建立了土壤速效钾含量的反演模型,并对其精度值进行检验。结果表明：小波分解获得的各层低频系数以1～3层较高,而其余各层则较低。所有函数分解的6层中,均以第2层低频系数建模的精度最高,随着分解层数（>2层）的增加,其精度值和显著性明显降低。相同尺度下,采用4种小波函数的低频系数构建的反演模型的精度差异较小,而Bior1.3为最优函数;基于Bior 1.3分解的ca2低频系数建模的R²达0.964,RMSE仅为8.19 mg·kg^-1,且为极显著水平,为最佳反演模型,经样本检验后发现,此模型可用以快速、准确估算土壤高光谱速效钾含量。     

基于高光谱数据的天山北坡积雪孔隙率反演研究

以新疆天山北坡中段典型流域季节性积雪为研究对象,基于高光谱遥感监测技术,分析了融雪期积雪孔隙率与光谱反射率的相关性。采用偏最小二乘法(PLS)对相关性较高的波段进行压缩,并提取贡献率最高的前四个主成分,以此用来确定神经网络的隐含节点数、输入层、输出层的初始权值,建立PLS-BP模型进行积雪孔隙率反演研究。结果表明:当隐含节点数为3,模型的线性确定相关系数(R²)较高为0.9159,RMSE为0.04,相对误差为0.23。与传统偏最小二乘回归(PLSR)、主成分回归(PCA)建模方法相比,精度较高,所建定量模型可用于高光谱遥感反演积雪孔隙率。