基于植被-土壤二向反射模型的土壤含水量遥感

以北京地区为例，利用像元信息分解法，定量提取出区域植被盖度，由植被盖度得到区域叶面积指数，在只考虑一次散射的情况下，利用植被-土壤二向反射模型，提取出下层湿润土壤反射率。通过引入粗糙度因子建立起粗糙地表下土壤反射率与叶面积指数的函数关系，进而得出土壤含水量。     

针对SAIL冠层模型的土壤背景反射率修正

提出一种基于SAIL模型的地表反射率修正方案,有效减小地形起伏的影响。通过引入太阳直射光的方向-方向反射与大气散射的半球-方向反射,遵循光路可逆原理对地表反射率进行几何修正,同时考虑地表自身热辐射对入瞳辐射的影响从而修正地表反射率,发展适用于SAIL模型的地表反射率修正模型。利用长常高速部分路段的实测植被理化参数及光谱信息对地形修正后的SAIL模型模拟精度进行对比分析,结果表明地形修正后SAIL模型有效提高SAIL模型模拟的植被冠层光谱精度,修正后SAIL模型可为后续南方地区定量遥感的应用提供更精确的数据支持。     

地表反射率地形校正物理模型与效果评价方法研究进展

地形校正是准确获取地形复杂区遥感反射率的重要步骤,对提高山区地表遥感参数定量化反演精度,扩大遥感产品应用广度具有重要意义。从20世纪80年代开始,国内外学者开始对准确获取山区地表遥感反射率进行研究,建立了多种地形校正模型来减少或消除遥感图像中地形效应影响,减少同种地表类型的反射率差异,并将地形校正模型分为经验模型和物理模型。根据构建物理模型时是否考虑地表非朗伯体特性,将物理模型分为朗伯体假设模型和非朗伯体假设模型,本文分别从朗伯体假设模型和非朗伯体假设校正模型展开叙述。从两类模型构建的理论基础,模型特点,局限性等几方面进行分析和讨论,描述了两类模型的发展历程,系统阐述了朗伯体假设模型和非朗伯体假设模型的适用性和不足,剖析了目前地形校正模型存在的问题与挑战。同时,本文也比较了应用于地形校正的效果评价方法,并展望了地形校正方法和地形校正评价方法的未来主要发展方向。     

遥感影像不同校正模型对反射率的影响分析

采用飞马D200四旋翼无人机携带多光谱相机,获取了可见光波段的数据,地面同步测量了地表反射率和大气参数.结合实验数据,采用基于POS数据的严格成像模型和多项式模型对图像进行了几何校正,对比了2种模型的校正精度和不同重采样方式产生的差异.在几何校正的基础上进行了大气校正,获得地表反射率,选取典型地物水体、植被、裸土的实测结果进行验证.结果表明低空无人机遥感可以得到精度较高的地表反射率结果,但不同的几何校正模型对地表反射率影响较小,可以忽略.通过开展该实验证明了利用无人机开展定量化遥感研究的可行性.     

沙漠地区微波地表发射率年内变化规律与气候因子的关系分析

以塔克拉玛干沙漠为研究区域,利用2008年AMSR-E(advanced microwave scanning radiometer-earth observing system)二级亮温资料和全球资料同化系统(global data assimilation system,GDAS)的地表、大气参数产品,反演研究区晴空条件下的微波地表发射率,进而根据不同的土壤类型,分析了沙漠微波地表发射率频谱年内变化规律及其与气候因子的关系。结果表明:沙漠地表发射率与土壤类型密切相关,且不同土壤类型的发射率季节变化规律显著性不同;土壤含水量、地表温度与地表发射率的年内变化规律之间存在着显著相关性,地表发射率随土壤含水量、地表温度的增高而降低;地表植被覆盖度、植被含水量和地表粗糙度也是地表发射率的影响因子,其值均取决于土壤含水量,而土壤含水量受大气总水汽量和土壤类型的共同制约;以砂土为主的沙漠地表发射率更多受到沙漠深度的影响,随着沙漠深度的增加而减小。     

山地叶面积指数反演理论、方法与研究进展

叶面积指数LAI（Leaf Area Index）是表征叶片疏密程度和冠层结构特征的重要植被参数,在气候变化、作物生长模型以及碳、水循环研究中发挥着重要作用。遥感是获取区域及全球尺度LAI的一个重要手段,当前LAI产品主要基于遥感数据反演得到,但是多数LAI产品算法并未考虑地形特征的影响,导致山地LAI遥感反演精度不确定性大。提高山地LAI遥感反演精度亟需考虑地形因子对冠层反射率的影响,其中山地冠层反射率模型和遥感数据地形校正是提升山地LAI遥感反演精度的关键。本文围绕山地LAI遥感反演理论与方法,综合分析了国内外山地冠层反射率模型和地形校正模型的研究进展,总结了目前山地LAI遥感反演存在的问题,并讨论了未来研究的发展趋势。     

一种裸露土壤湿度反演方法

针对目前土壤湿度反演方法研究较少且缺少实时性的现状,该文提出一种土壤湿度反演方法——最小二乘支持向量机技术。以积分方程模型为正向算法,数值模拟不同雷达参数(频率、入射角及极化)下后向散射系数随土壤含水量和地表粗糙度的变化情况。经过数据敏感性分析,选取C-波段和X-波段、小入射角下的同极化后向散射系数作为支持向量回归的训练样本信息;经过适当的训练,利用支持向量回归技术对土壤含水量进行了反演研究;并考虑通过多频率、多极化、多入射角数据的组合,消除地表粗糙度的影响,提高反演精度。模拟结果表明,该方法反演土壤湿度具有较高的精度和较好的实时性;同时,与人工神经网络方法的结果比较,证明了该方法的有效性,为土壤湿度的反演研究提供了一种方法。     

地表粗糙度影响下的GNSS-R土壤湿度反演仿真分析

基于双天线全球导航卫星系统反射技术（global navigation satellite system reflectometry,GNSS-R）,建立了两个修正地表粗糙度影响的土壤湿度反演模型——解析模型和人工神经网络模型,并以GPS L1 C/A码为例建立了GNSS-R土壤湿度仿真平台,仿真分析了地表粗糙度对两个模型反演精确度的影响。结果表明,当地表均方根高度大于0.010 m时,必须对解析模型进行粗糙度修正。粗糙度影响修正结果显示,小粗糙度情况下修正的解析模型取得了良好的结果,但对于大粗糙度有一定局限性。在均方根高度大于0.025 m时,进行土壤粗糙度修正前,人工神经网络模型精度比解析模型提高了36.83%~72.36%。进行修正后,人工神经网络模型的精度比解析模型提高了42.86%~54.40%。人工神经网络模型在修正前后取得了相近的精度,无修正的人工神经网络模型精度比有修正的解析模型精度仍提高了35.83%~53.48%。     

ALI遥感数据的岩矿反射率反演方法研究

岩矿反射率反演是遥感蚀变信息提取中最基础、最关键的一个过程。本介绍了卫星EO-1携带的先进陆地成像仪(ALI)为及其定标方式,分析了两种重要的岩矿反射率反演方法:表观反射率的计算和地表真实反射率的反演。通过分析表明:表观反射率实现关键是参数的获取,地表真实反射率反演关键是模型的选择和参数设置。就反演效果来说,基于大气辐射传输的FLAASH模型优于公式计算的表观反射率,这对应用遥感数据进行岩矿蚀变信息提取的研究人员有一定的参考价值。     

松嫩平原典型土壤高光谱定量遥感研究

为实现松嫩平原典型土壤理化参数时空信息的快速获取,为定量遥感、精准农业等相关研究服务,以松嫩平原典型土壤的高光谱反射率为研究对象,分析土壤反射光谱特征及其与土壤理化参数的关系,建立基于反射光谱指数的土壤理化参数遥感估算模型;提取黑土光谱特征点,建立黑土反射光谱曲线模拟函数.结果表明:松嫩平原不同土壤光谱特征差异主要在450-600,600-800 nm两个吸收谷部分,土壤有机质是黑土反射光谱特征的决定因素;不同于南方土壤,铁对松嫩平原典型土壤反射光谱特征的影响较小;随着含水量的增加,土壤水分对土壤光谱反射率的作用过程可以用三次方程定量描述;基于土壤反射率及反射光谱特征的土壤理化参数光谱预测模型可以用于土壤相关理化参数的快速测定;基于光谱特征点的黑土反射光谱曲线模拟函数可以准确描述黑土的反射光谱特征,这一方法可以用于高光谱数据压缩和基于多光谱数据的高光谱反射率重建.     

高光谱遥感技术在水环境监测中的应用研究

以黄土高原几类常见土壤为试验品,定量研究了不同泥土含量与水体光谱反射率的关系,探索了利用反射率反演水体深度的方法。文中还介绍了利用高光谱遥感技术分析水污染类型和强度的方法。最后以靖边县城的芦河为例,分析了高光谱遥感探测水污染程度的可行性。     

一种新的基于MODIS的地表含水量模型构造与验证

考虑到水的光谱反射特性，提出了一种新的统一地表含水量指数（SWCI）模型，并通过国家气象局降雨量和台站土壤水对应数据进行了验证。本方法能较好地反映地表的含水量值及其变化，可用于大范围且快速的土壤水遥感监测。     

多角度遥感估算稀疏团粒分布型土壤表面粗糙度方法初探

表面粗糙度是影响土壤在微波波段发射和散射辐射的主要因素之一,也是微波遥感研究与应用的重要参量。由于微波后向散射还受介电特性、穿透深度等因素的影响,在微波遥感应用中往往难以单独考虑介质表面粗糙度,给参数估算与反演带来了一定困难。在可见光、近红外波段,粗糙度作为土壤表面重要的结构参数之一,直接影响着土壤的二向反射分布特征。因此,本文尝试利用光学多角度观测信息,反演土壤表面粗糙度。基于地表二向反射几何光学模型,假设裸土像元由随机分布于平坦表面的土壤团粒组成,将团粒近似为半椭球体,建立裸露土壤表面二向反射模型,模拟不同粗糙度条件下土壤表面像元的二向反射分布特征。进一步尝试采用多角度观测数据反演模型,估算土壤团粒的几何结构参数,进而计算土壤表面均方根高度,作为表面粗糙度的衡量指标。地面实测多角度数据的初步验证结果表明,多角度光学遥感估算土壤表面粗糙度的方法是可行的。     

航空遥感数据典型自然下垫面偏振特性分析

对于航空航天大气偏振遥感来说,下垫面偏振辐射噪声影响扣除至关重要。本文基于航空偏振遥感数据,探讨了典型自然下垫面对可见光及短波红外波段偏振敏感性。研究发现,在可见光波段与短波红外(2250 nm)波段,植被下垫面偏振反射率线性拟合斜率都接近1,相关系数大于0.95,表明植被偏振反射率对光谱波段不敏感。比较分析了平静水面和存在耀光水面在670 nm和2250 nm两波段的偏振特性,存在耀光的水面其偏振反射率大约是平静水面的3倍。此外,在实验室测量了红砂土和河沙土的偏振反射率,偏振反射率随波段的改变量很小,其与波段的线性拟合斜率仅为10-5量级,说明两者的偏振反射率对波段很不敏感。因此,利用典型自然下垫面在可见和短波红外波段的偏振反射特性,将能够有效进行地气解耦,提高大气偏振遥感精度。     

基于LBV变换的遥感影像多步骤分类法研究

面对与日俱增的遥感数据,如何快速准确地进行影像分类成为遥感领域亟待解决的问题。本文在前人的基础上提出了一种基于LBV变换的遥感影像多步骤分类方法。L:地物的总辐射水平,集中反映了裸地的信息;B:地物的可见-红外光辐射平衡,是地面水分状况和水体存在的一个良好指标;V:地物辐射随波段变化的方向和速度向量,能集中反映地面植被状况。多步骤分类法遵循由易到难的原则,能克服类别之间的互相影响,从而提高分类精度。文章结合LBV变换和多步骤分类法的优点对影像进行了分类,结果表明该方法简单易行,且能达到良好的分类精度。     

应用高光谱遥感数据估算土壤表层水分的研究

土壤水分是土壤的重要组成部分，它在陆地表层和大气之间的物质和能量交换方面扮演着重要角色，寻求快速而准确的方法估算土壤水分具有重要意义。通常，从可见光一近红外对土壤表层水分的估计多是建立在土壤水分与反射率的关系之上的。而在土壤水分含量不高时，土壤水分的增加使土壤光谱反射率在整个波长范围内降低，尤其在760nm，970nm，1190nm，1450nm，1940nm和2950nm等水分吸收波段，而在土壤水分含量较高时，土壤水分的增加会使土壤光谱反射率在某些光谱波段升高。而土壤水分的估计往往是基于土壤水分与土壤水分吸收波段的吸收强度之间的线性关系上，虽然这些经验的方法对于估算某些土壤的表层水分含量是有效的，但这些关系应用于其它条件(如不同种类土壤、土壤湿度变化范围很大的情况)时却面临很多困难，这与土壤的光谱反射率是由土壤的组成成分(土壤水分、有机质、氧化铁和粘土矿物等)的含量和它们在土壤中的分布密切相关。微分技术处理“连续”的光谱是遥感中常用的数学方法，微分技术能部分消除低频光谱成分的影响。现在微分光谱已广泛地应用于研究植被的生物物理参数、矿物和有机质等。然而利用微分光谱对土壤水分反演的研究却鲜见报道。本文通过对实验室中多种不同类型的土壤进行光谱与土壤表层水分含量进行观测，探讨了通过土壤反射率与微分光谱对土壤表层水分的反演方法。4种类型的土壤光谱数据(反射率(R)，反射率倒数的对数(log(1／R))，反射率的一阶微分光谱(dR／dλ)，反射率倒数的对数的一阶微分光谱(d(log(1／R))／dλ))与土壤表层水分之间的关系在本文中得到分析，R与log(1／R)对于不同土壤类型与土壤表层水分都很敏感，说明通过R与log(1／R)反演土壤表层水分受土壤类型的影响很大，而dR／dλ，d(log(1／R))／dλ)对土壤类型却不敏感，对土壤表层水分较为敏感，说明dR／dλ和d(log(1／R))／dλ)对于反演不同类型土壤具有很大的潜力，微分光谱与土壤水分在某些波段具有显著的相关性。通过随机对9种土壤(各具有4个土壤水分)的数据建立反演土壤水分的模型，并其他9种土壤(各具有4个土壤水分)的数据进行验证模型，结果表明，dR／dλ和d(log(1／R))／dλ)能够显著提高R与log(1／R)对于不同土壤类型土壤表层水分的反演精度，由于吸收过程是非线性的，在四种类型的土壤光谱数据中，总体来说，d(log(1／R))／dλ)具有最好的能力预测不同类型土壤的表层水分含量。     

地表反射率数据库的构建及其应用

针对实现卫星对地观测的自适应多模态,需要根据先验判定卫星成像区域内地表覆盖类型及其反射率状况建立与太阳光照条件、地表覆盖类型、反射率相关的成像载荷积分时间、不同压缩比的成像参数设置模型,以选择最优的观测模式的问题,该文以中分辨率成像光谱仪(MERIS)地表反射率影像和GlobCover全球陆地覆盖分类图为数据源,建立了地表覆盖分类图及其反射率影像矢量化处理的技术流程,构建了以冰雪、沙漠、裸土、岩石、农作物、森林、草地、水体等不同地表覆盖类型及其在不同季节蓝、绿、红、近红外波段的地物反射率数据库。以此作为遥感卫星成像任务规划的技术支撑,构建自适应选择最优的观测模式,提升遥感图像的质量。     

利用细分光谱仪数据分析水体泥土含量的方法研究

分析了水中泥土含量对水体光谱特征的影响。对利用水体的光谱反射率计算水体中泥土含量的方法进行了分析，找出了用于泥土含量计算的最佳波段。该方法对今后的利用高光谱遥感图像计算河流和海水中的泥沙含量及估算水土流失具有一定的参考意义。     

水色光谱分析与多成分反演算法

影响水体可见光近红外遥感信息提取精度的因素除大气候正外，主要是对水体（海洋）光谱与水体所含物质成分之间的作用机理了解得不够。由于水体光谱的机理与陆地地物波谱的机理有很大的差别，共光谱数据的测量和分析方法也不一样。该文首先较为完整地描述了地叶绿素、悬浮泥沙、黄色物质为主要水体成分的水色机理，以及遥感反射率与各成分散射与吸收的关系，确定了进行水体光谱分析所必须的关键参数，然后提出一种基于快局域水体的多     

水分含量与红土野外光谱的定量分析

土壤水分含量与土壤光谱关系密切,本文利用实测粤西红土野外光谱数据及其水分含量来分析两者之间的关系。得出以下结论:在0.46-2.5μm波段水分含量与红土光谱反射率呈显著负相关关系,并且随波长的增加其相关性有所增强,在2.22-2.29μm波段两者相关性最强;利用野外红土光谱反射率的倒数与水分含量进行回归分析,得到建模样本修正后的确定系数R2为0.781。这将为利用遥感技术监测土壤水分提供依据。