基于Landsat长时间序列数据估算树高和生物量

以Landsat长时间序列数据为研究对象,旨在以光谱序列信息反演森林参数为视角,应用Landtrendr算法从时间序列数据中提取森林扰动变量,使用随机森林计算方法建立扰动变量、反射率和GLAS激光点森林参数之间的关系模型,获取树高和生物量的空间分布信息。为多源遥感数据反演森林参数提供参考,研究证明基于Landsat长时间序列数据获得的森林扰动变量能够增强反射率和森林参数之间的相关性,可提高预测精度。     

Landsat长时间序列数据格式统一与反射率转换方法实现

介绍了一种长时间序列遥感影像预处理程序,即陆地卫星生态系统干扰自适应处理系统(landsat ecosystem disturbance adaptive processing system,LEDAPS)。该程序通过使用MODTRAN太阳能输出模型,校正太阳方位、日地距离、TM或ETM+带通以及太阳辐照度,将定标影像转换为表观(top-of-atmosphere,TOA)反射率影像,并将通过浓密植被(dark dense vegetation,DDV)算法插值生成的气溶胶光学厚度(aerosol optical thickness,AOT)以及通过相关资料获得的臭氧(O3)浓度、大气压及水汽值等用于6S辐射传输模型,生成地表反射率产品。以LEDAPS可处理的标准数据Landsat7 ETM+和统一格式后的非标准数据Landsat5 TM影像为例,介绍了长时间(1987—2011年)序列数据的选择、格式统一以及算法的实现过程,同时给出了校正后影像效果评价的方法。结果表明,标准数据和非标准数据经过LEDAPS处理后生成的地表反射率产品能有效降低大气中O3、水汽及气溶胶等对影像真实反射率的影响,为土地覆盖变化和干扰因素等的长时间序列监测和生物物理参数的遥感反演提供科学产品,有助于在国内形成处理长时间序列影像数据的准则。     

光谱特征扩展的时间序列Landsat数据地表覆盖分类

时间序列遥感影像常用于地表覆盖监测及其变化监测。然而,利用时序遥感数据—尤其是中分辨率遥感数据监测地表覆盖变化,其方法基本是先对多期影像分别进行监督分类然后对比分类结果。由于这种方法需要对每期遥感影像单独选择分类训练样本,而对于历史影像,常常难以获得可靠的样本数据。本文基于遥感数据定量化处理,尝试利用光谱特征扩展方法对时间序列Landsat数据进行分类:首先,结合一种新的大气校正方法和相对辐射归一化方法,对时间序列Landsat数据进行定量化处理,以消除各期影像之间的辐射差异,获得地表反射率数据。然后,论文选择一期易于获得分类训练样本的反射率数据作为"参考影像",并结合样本数据提取不同地表覆盖类型的光谱特征。最后,将"参考影像"中提取的地物光谱特征,扩展到所有时间序列反射率数据进行分类。论文利用青藏高原玛多地区的5景Landsat数据对本文的方法进行了验证,结果显示:基于光谱特征扩展的分类方法,可有效对定量化处理后的Landsat数据进行分类,分类总体精度为88.35%—94.25%,分类结果和传统的单景监督分类结果具有较好的一致性。此外,研究也发现,"参考影像"和待分类图像获取时间的季相差异会影响其分类的精度。     

利用遥感指数时间序列轨迹监测森林扰动

作为陆地生态系统的主体,森林的碳循环与碳蓄积对研究陆地生态系统起着重要作用,但目前森林扰动资料的缺乏在很大程度上影响着森林碳通量的估算精度。利用1986年-2011年共14期的Landsat TM/ ETM+影像,以江西武宁县为例,使用遥感指数时间序列轨迹分析方法,研究了适用于中国南方森林的扰动监测技术,该技术不仅可以识别森林的扰动变化,同时还可以监测植被的恢复信息。精度分析表明该方法得出的扰动产品的Kappa系数达到0.80,总体精度达到89.7%,表明该方法对武宁县森林扰动具有较好的监测能力。森林扰动特征分析表明武宁县森林在20世纪90年代受扰动最为剧烈,并且扰动主要发生在低海拔地区。     

遥感时间序列数据滤波重建算法发展综述

遥感时间序列数据(MODIS,NOAA/AVHRR,SPOT/VEGETATION等)在植被生长监测、物候信息提取、土地利用类型监测等诸多领域得到了广泛应用,是生产研究的重要数据源之一.由于传感器、云层大气等影响,遥感时间序列数据存在着严重的噪声,应用前必须进行序列滤波重建工作.综述现有各类滤波重建方法,对研究中广为采用的3类主要方法(基于最小二乘的非对称高斯函数拟合、SavitZky-Golay滤波、基于离散傅里叶的系列分析方法)集中阐述其理论基础、应用步骤和优缺点.总结当前遥感时间序列滤波重建方法需要进一步改进之处.     

基于像元级SAR图像时间序列相似性分析的水体提取

针对SAR图像数据集的特点,提出了一种基于像元级图像时间序列相似性的水体提取方法。其基本思想是:构建像元级SAR图像时间序列,选取动态时间归整(dynamic time warping,DTW)算法作为时间序列相似度的度量方法,计算所有像元与标准水体像元时间序列的相似性;将水体边缘混合像元的DTW距离值设定为参考阈值,采用阈值法提取相似性较高的时间序列数据,其对应的像元即被识别为水体像元;最后利用每个像元的DTW距离值代替其后向散射值,采用8邻域搜索方法提高水体识别的精度。以2008年1—12月获取的25景分辨率为150 m的ENVISAT ASAR图像进行水体像元提取试验,结果表明,该方法的完整率和正确率均较高,能够应用于大范围区域水体的提取与制图。     

长时间序列1984年—2020年密云水库水面信息遥感监测与分析

密云水库在防洪、灌溉、发电、养殖、旅游、供应城市用水等方面产生了巨大效益,准确地完成水库制图并分析其特征时空变化对密云水库生态环境监测及管理具有重要意义。本文以密云水库为研究区域,收集了1984年—2020年所有的Landsat 5和Landsat 8遥感影像,利用水体的光谱、地形、时空特征,研究并解决了水库水体动态制图中的云、阴影、冰雪干扰,同物异谱及混合像元等难点问题,提出了一套自动化且高精度的水库水体动态制图算法,在无云无冰雪的情况下的总体精度高达98.2%,并引入了景观分裂度指数分析密云水库形态变化。基于制图结果发现水库水面面积变化可划分为5个时期：“增长期”(1984年—1993年)、“巅峰期”(1994年—1999年)、“衰落期”(2000年—2003年)、“保护期”(2004年—2014年)、“恢复期”(2015年—2020年),期间水库东、西两区经历了“三分三合”的过程,水库面积最大达到151.6 km²(1995年),最小仅为57.3 km²(2004年);每年的最大面积出现在8—9月份,最小面积出现在5月份。此外,还讨论了...     

基于Landsat影像的木里煤田矿区植被覆盖提取及时空变化分析

木里煤田地处青藏高原典型生态环境脆弱地带的大通河源头,本文以Landsat影像为数据源,基于归一化植被指数像元二分模型估算木里煤田矿区1990-2016年植被覆盖度,监测其动态变化及时空发展规律。研究发现,1990-2016年矿区裸土及低植被覆盖面积增加156.60 km^2,中植被覆盖面积增加153.37 km^2,高植被覆盖面积减少309.99 km^2。动态监测结果表明,1990-2016年木里煤田植被覆盖呈现严重退化趋势,退化最明显区域出现在矿区周边;时空格局变化分析结果表明,矿区植被覆盖等级逐渐向低植被覆盖等级转变,植被覆盖区域面积逐渐缩小。通过监测木里煤田矿区植被覆盖动态变化并分析其时空变化特征,为研究区生态环境修复,土地复垦等工作提供相关数据参考及技术支撑。     

一种基于Landsat 8的多波段组合水体指数模型

本文通过分析水体在Landsat 8数据中可见光波段和近红外波段的波谱差异,将Landsat 8数据中可见光波段作为一组,近红外波段和中红外波段作为另一组,构建了多波段组合水体指数(MBCWI)模型。基于Landsat 8数据在合肥、安康和康定地区共3景数据5种不同场景进行水体提取试验。结果表明,该模型不仅能够抑制云层、阴影、裸土、亮色地物和建筑物等对水体提取的影响,还能较好地提取出含有大量蓝藻的水体,且阈值稳定,Kappa系数优于0.968 5,总体精度高达99.69%,总体误差小于8.92%。相较于其他水体指数而言,提取精度显著提高。     

知识引导的稀疏时间序列遥感数据拟合

在多云多雨的地区,光学遥感存在着获取无云数据困难的难题,这会导致时间序列应用中可用数据匮乏。因此,本文面向稀疏时间序列遥感数据,根据噪声造成遥感影像上归一化差分植被指数(NDVI)被低估的事实,提出了一种知识引导的拟合方法。首先,在遥感影像预处理的基础上,利用先验知识和时序差分法对噪声进行识别和剔除;然后,采用高斯二阶模型对原始数据进行拟合;最后,根据拟合残差更新权重,进行迭代拟合,重复上述过程直至获得稳定的结果。本文以Landsat 8 OLI作为数据源,对浙江省杭州地区的森林数据进行拟合,结果表明:在稀疏时间序列数据的情况下,本文方法与MODIS数据拟合结果的相关系数达到0.92,关键时点(如NDVI峰值点等)的时间误差在5 d;相比当前主流方法的0.88与8 d具有更高的精度。     

基于Landsat和Sentinel-2时间序列影像的海南西部橡胶林龙卷风灾情评估

风害是影响中国天然橡胶产业发展最严重的自然灾害之一,它短时间内对橡胶林造成严重的物理伤害(大量落叶、枝条和主干折断等),严重影响后期生长和产量.传统地面调查虽然精度高,但耗时费力、经济成本高,利用遥感快速评估对指导灾后生产恢复、保险赔付和科学研究等具有重要意义.本研究以2019年8月1912号热带风暴“杨柳”在海南西部...     

从光谱到时谱——遥感时间序列变化检测研究进展

地物的光谱信息是遥感数据的重要特征,对遥感光谱信息的利用经历了从黑白全色影像到多光谱、高光谱再到时间序列的发展历程.近年来,随着卫星遥感技术的发展和历史数据的积累,大量的重复观测数据被获取.长时序的遥感数据包含光谱维、时间维和空间维4个维度的信息,这在一定程度上能够避免同谱异物、同物异谱的现象.目前还没有统一的概念对长...     

基于遥感数据水体指数的水体面积变化监测

以Landsat TM/OLI卫星影像作为数据源,采用水体指数提取方法,提取辽宁汤河水库水域面积信息,分析水域面积变化情况及驱动力因素。结果表明,近二十年汤河水库水域面积呈现“先增加后减少再增加”的变化趋势,水库最南端面积变化最突出;气象因素中的气温是影响水库面积变化的主导因素。     

基于长时间序列Landsat影像的嘎龙错冰湖变化特征分析及溃决风险评估

冰湖溃决灾害是我国青藏高原地区最严重的自然灾害之一。作为聂拉木县最大的冰川终碛湖,嘎龙错冰湖溃决风险直接威胁着下游居民的生产生活。利用1991—2011年Landsat-5/TM、2012年Landsat-7/ETM+、2013—2017年Landsat-8/OLI近27年的遥感影像、降水量和气温资料对嘎龙错冰湖变化特征进行了研究,对其溃决风险作出评估。结果表明:嘎龙错冰湖明显扩张,面积呈现显著增长趋势,由1991年的2.209 4 km^2增长到2017年的5.465 7 km^2,增幅为147.38%;同时,发现聂拉木气象站年平均气温和年降水量在波动中上升,其中气温上升较为显著,气温和降水量的增加对冰湖扩张有重要影响,特别是气温上升导致的冰川融水增多是造成冰湖面积增加的重要原因。嘎龙错冰湖在遇到冰崩或者冰湖面积持续扩张情况下,湖水会瞬间大规模外泄,形成山洪、泥石流灾害,给下游造成严重的人员伤亡和财产损失。     

用于时间序列聚类分析的小波变换和特征量提取方法

利用小波变换的多尺度分辨功能,对时间序列数据进行多次Haar小波变换,将时间序列分解为尺度分量和细节分量;通过保留尺度分量,提取时间序列的趋势信息,并结合统计特征量计算,将时间序列的趋势信息与几种统计特征量组合在一起,构成SOM神经网络的输入向量,对时间序列进行聚类分析。通过在几类模拟时间序列数据上进行实验分析,取得了较好的实验效果。并将此方法应用到基于MODIS遥感影像的林地植被提取中,获得了较高的提取精度。     

时间序列SAR图像不可移动文物水域淹没监测

全球气候变化引起的极端降雨、洪涝灾害是导致不可移动文物受损的重要破坏因素.合成孔径雷达SAR (Synthetic Aperture Radar)具有全天时、全天候、大范围周期性对地观测的优势,是大区域水体监测的重要手段,对不可移动文物水域淹没及风险监测具有重要意义.本文利用时间序列SAR图像提出基于残差U-Net的不...     

基于随机森林和Landsat8 OLI影像的脐橙果园种植信息提取

针对从中分辨率遥感影像中提取果园种植信息所面临的特征维数高、提取精度低等问题,采用随机森林算法进行特征优选,进而提取脐橙果园种植信息.以重庆奉节为研究区,首先选取春、秋、冬3季Landsat 8 OLI遥感数据生成光谱特征、植被指数特征和纹理特征,并结合地形因子构建初始特征集;再通过随机森林算法确定优选特征集;最后基于随机森林分类器,利用初始特征集和优选特征集进行脐橙果园的提取实验,并对各实验结果进行了精度评估和对比分析.研究结果表明,基于随机森林算法构建的优选特征集能在降低特征维度的情况下获得较高的精度,总体精度和Kappa系数分别为90.71％和0.89.     

植被遥感时间序列数据重建方法简述及示例分析

随着遥感数据的不断积累,植被遥感产品逐渐形成了完善的时间序列数据,这些数据对阐明生态系统动态变化及分析有关的驱动因素具有重要价值.然而,云遮挡、仪器误差等因素严重制约着植被遥感产品的观测质量,往往造成连续观测数据的缺失.对存在数据缺失的序列进行时空重建是准确提取序列变化特征的重要前提,时空重建就是充分利用遥感数据的时空...     

基于NDVI时间序列数据的江西省水稻种植制度变化研究

利用Savitzky-Golay滤波对覆盖江西省范围的SPOT VGT NDVI时间序列数据进行平滑处理的基础上,结合坡度数据,通过非监督分类的方法提取了江西省2000、2005和2010年水稻种植范围,并根据NDVI的年内动态变化,从水稻种植范围、水稻生长季起始时间、水稻复种指数和NDVI最大振幅等分析了江西省水稻种植和生长情况,探讨2000~2010年江西省水稻生产的变化。