基于Sentinel-1和Sentinel-2协同反演干旱区地表土壤水分——以格尔木河中下游为例

土壤水分是全球水循环的重要组成成分,对研究水分的空间分布、农作物长势和产量、气候变化、水资源时空特征等有着重要意义。利用Sentinel(哨兵)系列主动微波雷达卫星SAR(Sentinel-1)结合光学卫星(Sentinel-2)对格尔木中下游低矮植被覆盖下的地表土壤水分进行反演研究,探讨不同极化组合方式和水云模型前后的土壤水分含量反演方法的适用性。结果表明,VV(VV Polarization)极化比VH(VH Polarization)极化更加适用该区域,VV极化结合归一化水指数(NDWI)反演地表土壤水分精度达到42.6%,拟合精度最高;VH极化仅为22.6%;利用水云模型去除植被覆盖后对地表土壤水分的反演精度有所提升,VV极化精度提高约3.5%,VH极化提高1.5%;Sentinel系列卫星影像对于干旱区的土壤水分的反演具有较好的适用性。探索了适用于该研究区乃至柴达木盆地土壤水分大面积实时监测的可靠手段和依据。     

基于Sentinel-1和Sentinel-2协同反演干旱区地表土壤水分--以格尔木河中下游为例

摘要：土壤水分是全球水循环的重要组成成分,对研究土壤水分的空间分布、农作物长势和产量 、气候变化、水资源时空分布等有着重要意义 。本文利用Sentinel（哨兵）系列主动微波雷达卫星SAR（Sentinel-1）结合光学卫星（Sentinel-2）对格尔木中下游低矮植被覆盖下的地表土壤水分进行反演研究, 探讨不同极化组合方式和水云模型前后的土壤水分含量反演方法的适用性。结果表明：其中VV (VV Polarization) 极化对比VH (VH Polarization) 极化更加适用该区域,VV极化结合归一化水指数 (NDWI）反演地表土壤水分精度达到42.6%,拟合精度最高,VH极化仅为22.6%;利用水云模型去除植被覆盖后对地表土壤水分的反演精度有所提升,其中,VV极化精度提高约3.5%,VH极化提高1.5%;Sentinel系列卫星影像对于干旱区的土壤水分的反演具有较好的适用性。本文旨在探索一种适用于该研究区乃至柴达木盆地土壤水分实现大面积实时监测的可靠依据和手段。     

微波遥感反演土壤水分中构建粗糙度参数的新方法

地表粗糙度是影响雷达后向散射系数的重要因素。该文在基于SAR影像反演地表土壤水分的过程中,考虑到地表粗糙度的野外测量误差、取值范围和雷达入射角等方面的影响,统计了裸土、农用地和草地等几种典型地表的粗糙度测量数据,以此限定AIEM模型的输入参数范围。首先,利用AIEM模型模拟雷达后向散射系数与粗糙度、土壤水分之间的关系,构建了基于曲面拟合思想的、与入射角相关的组合粗糙度参数,并以此为基础利用Envisat ASAR双极化数据(VV、VH)建立了土壤水分反演模型。经实测数据验证,在不同入射角范围内,基于该文建立的模型得到的土壤水分反演结果与实测值都有良好的相关性。与其他形式的组合粗糙度参数进行对比,该文提出的模型反演精度较高,能够适用于入射角范围在(5°,65°)内的SAR影像的反演。     

喀斯特高原峡谷与高原盆地区石漠化及变化特征对比

以贵州典型喀斯特峡谷和高原盆地区为研究对象,以5期卫星遥感影像为数据源,综合运用“3S”技术,辅以其他参考图件获得研究区不同时段石漠化图,通过对研究区石漠化状况及工程治理后动态变化特征作对比分析,探讨不同地貌类型区石漠化及其变化特征的差异性。研究表明：石漠化发生与演变和地貌类型存在一定相关性,花江喀斯特峡谷区和清镇喀斯特高原盆地区石漠化发生率分别为67.4％和31.6％,花江喀斯特峡谷区石漠化面积、石漠化发生率、石漠化强度明显地高于清镇高原盆地区。2000―2010年,花江喀斯特高原峡谷区和清镇喀斯特高原盆地区石漠化面积分别减少2.79和5.04 km²,石漠化年变化率分别为-0.91%和-2.78%,清镇喀斯特高原盆地区石漠化减少更明显。在监测时段内,花江喀斯特高原峡谷区石漠化年变化率先增加后逐渐减少,而清镇喀斯特高原盆地区则一直保持较高的石漠化年变化率,这在一定程度上说明石漠化越严重,治理越难,治理成效越不明显。当前开展的石漠化治理专项工程应根据不同地貌类型差异合理布设治理工程,先易后难,重点做好轻、中度石漠化地区的石漠化治理工作。     

基于多时相SAR的IEM和Oh模型地表土壤含水率反演与融合

基于水云模型分析植被后向散射系数的影响,采用考虑组合粗糙度定标的积分方程模型(IEM)与Oh模型,在不利用实测土壤含水率的前提下,建立基于多时相多极化SAR影像的IEM和Oh模型地表土壤含水率反演方法,以2004年5期Walnut Gulch流域ENVISAT-ASAR影像为例,采用加权平均、算术平均两种融合方法对两种模型的3期反演结果进行融合.结果表明:1)流域植被覆盖度低,各地类在植被去除前后的土壤含水率差值多期均值多在0.002 cm3/cm3以下,植被对反演结果的作用不显著;2)基于IEM、Oh模型反演的0720期、0805期、0824期土壤含水率的时空分布较一致,基于IEM模型反演的0714期与0818期土壤含水率较低,基于Oh模型的反演方法受影像极化方式制约,0714期、0818期土壤含水率的空间连续性差;3)基于IEM模型反演结果的均方根误差(RMSE)与偏差(Bias)低于Oh模型,其中0805期土壤含水率存在低估,而Oh模型反演结果在各期存在不同程度高估;4)考虑数据权重的加权平均方法优于算术平均方法,两种方法融合后的RMSE值降低了0.003～0.065 cm3/cm3,0720期、0805期两种方法的融合结果均改进了IEM模型反演结果偏低、Oh模型反演结果偏高的不足.该研究可为基于多时相SAR的多模型/方法土壤含水率反演以及多时相高精度土壤含水率获取提供参考.     

基于改进型TVDI在干旱区旱情监测中的应用研究

干旱是全球范围内影响最为广泛的自然灾害之一,其所导致的土壤沙漠化、荒漠化和盐碱化给生态环境造成不可逆的危害。通过对MODIS数据进行投影转换、去云等预处理的基础上,利用地形校正对TVDI模型进行改进,构建了改进型的温度植被干旱指数（mTVDI）用于新疆干旱区旱情监测。利用土壤实测数据对mTVDI及传统的TVDI模型进行对比验证。研究结果表明：（1） 利用EVI与校正后的LST构建的mTVDI_E对干旱区旱情的敏感度最高,与实测土壤水分数据的相关性R²为0.74。（2） 从空间上看,新疆2015年旱情分布以塔里木盆地和准噶尔盆地为两个干旱中心,旱情状况由严重逐步向周围山区递减至湿润状态。从时间上看,新疆6月、7月和8月旱情最为严重。（3） 研究利用TRMM降水数据对基于mTVDI_E反演的新疆旱情时空分布特征进行对比分析,结果表明二者所表现出的旱情时空分布较为一致,不同时间段内的降水量与mTVDIE之间具有一定的相关性,且均通过了P<0.01显著性检验。综上,基于TVDI所提出的mTVDI_E 能够有效开展新疆干旱区旱情监测,且精度较高,从而为今后定量化开展大区域尺度旱情监测研究提供参考。     

基于地表温度-植被指数特征空间的区域土壤水分反演

针对目前西北地区广泛存在的农业干旱问题,选取了新疆塔里木盆地北缘渭干河-库车河三角洲绿洲为研究区,选择云量较少的两幅TM影像,建立地表温度-植被指数特征空间。首先利用线性方程拟合了特征空间的上下边界,比较利用归一化植被指数(NDVI)建立的地表温度-植被指数特征空间Ts/NDVI和利用改进型土壤调整植被指数(MSAVI)构建的地表温度-植被指数特征空间Ts/MSAVI形状的差异,并计算得到两种温度植被干旱指数(Temperature vegetation dryness index-TVDI,分别为TVDIN和MTVDI)。对TVDI与同期野外不同深度的实测土壤重量含水量数据进行回归分析,建立TVDI估测土壤水分的经验模型并对模型进行验证。研究结果表明,TVDIN和MTVDI均能够反演表层土壤水分,其中MTVDI与土壤水分相关性比TVDIN与土壤水分相关性要高,MTVDI能够更好地反映区域土壤水分状况,是一种更有效的土壤水分监测方法,对农业干旱监测具有一定的科学依据。     

基于遥感数据对毛乌素沙地腹部旱情等级的景观变化特征分析

目前遥感监测土壤含水率的方法较多,本次研究选取了稳定性较好、应用较为广泛且所需气象资料少的3种监测方法--SWEPDI指数法、能量指数法与TVDI指数法。以2016年4月和9月两期中高分辨Landsat8数据为数据源,分别将SWEPDI光谱法、能量指数法与TVDI指数法按不同时间、不同土层深度与对应时间的土壤含水率野外实测数据进行线性拟合,并进行各模型之间的比较,选择出更加适当的模型。同时利用景观指数在斑块类型上分析2时相土壤水分的变化趋势。结果表明：TVDI法效果明显优于SWEPDI光谱法和能量指数法,同时该方法还解决了其他方法不能连续监测土壤含水量的问题,适用于各种植被覆盖条件下以及各种土层深度的土壤水分反演。此外,选用6个景观指数分析了2016年4月与9月不同旱情等级干旱等级的景观格局变化,发现4月份PLAND指数达到了58.76%,而9月份轻旱等级的PLAND指数达到了44.16%,都占据优势地位,其中LPI、AREA_CV、AI指数的值也都达到了最大,其旱情状况有了明显的改善。     

基于改进植被指数土壤水分遥感反演

以渭-库绿洲为例,基于Landsat8 OLI遥感数据,考虑到短波红外特征与土壤水分有很好的关联,将短波红外波段引入可见光-近红外波段构成的传统植被指数中,旨在建立新的植被指数监测土壤水分。基于改进前后共8种植被指数,通过灰色关联分析（GRA）筛选出3种高关联度植被指数,再用偏最小二乘回归（PLSR）进行建模,然后用该模型对研究区土壤水分反演,并对其空间分布格局进一步分析。结果显示：（1）在传统植被指数的基础上引入信息量较大的短波红外,可大幅度降低植被指数间的VIF,消除其多重共线性。（2）通过GRA分析可知,改进后的植被指数与土壤水分之间的关联度均要高于传统植被指数。（3）通过GRA分析筛选出3种高关联度植被指数建立得到精度较高,稳定性较好的PLSR模型,并反演研究区土壤水分分布状况,土壤水分总体上至西向东,由北到南降低,然而土壤水分最小值主要分布在绿洲—荒漠交错带,使得交错带成为“生态裂谷”。研究表明：将短波红外波段引入到可见光-近红外植被指数中,建立的新植被指数可获得较好的土壤水分空间分布反演结果。     

不同地形校正模型计算地形复杂山区地表反射率的对比

地表反射率对定量遥感有重要意义,其在复杂地形区会受到地形条件影响。地形校正可以减小或消除山区遥感影像中地形因素影响。以梵净山区为研究区,利用Landsat-5 TM影像、DEM及坡度、坡向数据,采用10种地形校正模型进行比较实验,以发现其在反演地表反射率时存在的问题,并为选择适合地形复杂山区地表反射率反演的地形校正模型及相关研究提供参考。结果显示:1.SCS+C、Minnaert、b、Teillet-回归、VECA、C模型地形校正效果较好,可用于反演山区的地表反射率,但是当坡度为0°时,Minnaert、Teillet-回归、VECA模型存在问题;2.Cosine-b、Cosine、SCS和Cosine-C模型存在过度校正现象,Cosine和SCS模型甚至可能出现反射率大于1的异常值,不宜选择;3.在通过采样获得经验参数的情况下,Minnaert模型对样点选取较为敏感,而SCS+C和b模型对样点选取的敏感性较低。在较大范围的地形复杂山区反演地表反射率时,SCS+C和b模型更合适。此外,从DEM数据、大气校正模型、地表覆被类型方面分别探讨了其对地表反射率的影响并提出了改进建议。     

基于多频率极化SAR影像的洪河国家级自然保护区植被信息提取北大核心CSCD

植被是湿地生态系统健康状况的"晴雨表",明晰湿地中植被的时空分布,是湿地修复与重建、保护与合理利用的前提和基础。以洪河国家级保护区为研究区,利用全极化C-band Radarsat-2和L-band PALSAR数据,根据极化合成孔径雷达(synthetic aperture radar,SAR)目标分解理论,提取了该保护区不同波长的极化分解参数和特征参量,整合为多源极化SAR数据集,利用多尺度迭代分割算法和Random Forest机器学习算法,构建了研究区中植被的遥感识别模型,实现了对研究区中植被的高精度分类,并对比分析了不同频率SAR数据集在植被识别精度上的差异。研究结果表明,利用整合PALSAR和Radarsat-2极化数据集,获取的植被遥感分类结果的总体分类精度为86.77%,比利用PALSAR极化数据集的分类结果精度提高了15%,但是其与利用Radarsat-2极化数据集的分类结果精度差异不显著;浅水草本沼泽的生产精度达到了90.91%,深水草本沼泽的用户精度为90.63%;C-band PALSAR数据比L-band PALSAR数据更适用于高精度识别洪河国家级自然保护区中的植被。     

基于多频率极化SAR影像的洪河国家级自然保护区植被信息提取

植被是湿地生态系统健康状况的"晴雨表",明晰湿地中植被的时空分布,是湿地修复与重建、保护与合理利用的前提和基础。以洪河国家级保护区为研究区,利用全极化C-band Radarsat-2和L-band PALSAR数据,根据极化合成孔径雷达(synthetic aperture radar,SAR)目标分解理论,提取了该保护区不同波长的极化分解参数和特征参量,整合为多源极化SAR数据集,利用多尺度迭代分割算法和Random Forest机器学习算法,构建了研究区中植被的遥感识别模型,实现了对研究区中植被的高精度分类,并对比分析了不同频率SAR数据集在植被识别精度上的差异。研究结果表明,利用整合PALSAR和Radarsat-2极化数据集,获取的植被遥感分类结果的总体分类精度为86.77%,比利用PALSAR极化数据集的分类结果精度提高了15%,但是其与利用Radarsat-2极化数据集的分类结果精度差异不显著;浅水草本沼泽的生产精度达到了90.91%,深水草本沼泽的用户精度为90.63%;C-band PALSAR数据比L-band PALSAR数据更适用于高精度识别洪河国家级自然保护区中的植被。     

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。     

TVDI用于干旱区农业旱情监测的适宜性

基于地表温度/植被指数(T_s/VI)特征空间建立的温度植被干旱指数(TVDI)受诸多因素的影响,其中一个重要的影响因素是植被指数,该指数在高、低植被覆盖时的敏感性不同,从而导致TVDI对旱情监测的准确度不同.针对这一问题,以新疆塔里木盆地北缘渭干河-库车河三角洲绿洲为研究区,选择2011年4月、8月两景TM影像,利用归一化植被指数(NDVI)和比值植被指数(RVI)分别建立T_s/VI特征空间,线性拟合特征空间的上、下边界,计算得到两种温度植被干旱指数(TVDI-NDVI、TVDI-RVI).用TVDI与同期野外实测的土壤含水量数据进行回归分析.结果表明:(1)植被指数、地表温度、土壤水分之间有显著互动关系,以不同植被指数计算得到的两种TVDI与表层土壤水分相关性较好,均能够反映区域土壤干旱状况;(2)由于植被指数对植被探测的敏感性,在4月低植被覆盖时,TVDI-NDVI与表层土壤水分的相关性较高,为0.4299,8月高植被覆盖时,TVDI-RVI与表层土壤水分的相关性较高,达到0.5791;(3)在低植被覆盖区域,NDVI较RVI敏感,而在高植被覆盖区域,RVI敏感性较高.RVI适用于高植被覆盖时反演土壤湿度,NDVI则更适用于中、低植被覆盖时.     

喀斯特高原盆地聚落空间演变——以贵州省红枫湖水系盆地为例

贵州是我国喀斯特分布最广的地区,喀斯特高原盆地是贵州主要的人口聚集地。充分认识高原盆地聚落的空间分布及其演化态势,对区域城镇规划、社会主义新农村建设及可持续发展有重要意义。以红枫湖水系盆地为例,基于GIS技术及相关软件,主要利用景观格局指数、Moran’s I系数以及居民点数据与等高线数据的空间叠置及转换技术,从水平和垂直两个维度对案例地区聚落空间分布的变化进行研究。研究表明:喀斯特高原盆地聚落的空间分布和演变具有强烈的喀斯特地域基因,在喀斯特地貌的限制下聚落总体分布分散;近年来聚落规模不断增加,在局部有一定小规模集聚并随地形限制而表现出不同的集聚形式和集聚程度;而随着数量的增多和规模的增大,聚落形态更为复杂且景观趋于破碎,空间分布更加复杂;喀斯特地貌的垂直空间特点在决定聚落的垂直分布及演变规律的同时也加剧了聚落空间分布的复杂性。     

被动微波反演土壤水分的L波段新发展及未来展望

土壤水分是陆—气交互作用的重要边界条件,在全球水循环和能量循环中扮演着关键角色,直接影响降水、径流、下渗与蒸散发等水文循环过程,并能反映洪涝和干旱的程度。随着第一颗采用被动微波干涉成像技术的SMOS(Soil Moisture and Ocean Salinity)卫星的发射成功,L波段被动微波遥感技术逐渐成为大尺度土壤水分监测的主要手段,促进了“射频干扰的检测与抑制”、“植被光学厚度反演与植被影响校正”以及“土壤粗糙度参数化方案”等关键问题的研究。本文梳理了“基于微波植被指数的L波段多角度数据反演土壤水分算法研究”项目的最新研究成果,同时评述了围绕以上关键技术问题所取得的国内外研究进展,并对土壤水分微波遥感的未来发展进行了展望。     

基于Ts-NDVI特征空间的绿洲土壤水分监测算法改进

土壤水分胁迫是干旱区绿洲生态环境和可持续发展面临的主要问题,开展区域尺度下大面积、高精度的土壤水分监测,有利于该地区旱情预报、作物估产、气象水文等领域研究。以T_s-NDVI特征空间为理论基础,以新疆渭干河-库车河三角洲绿洲为研究靶区,选择典型干湿季节下Landsat 8遥感影像,在传统温度-植被干旱指数（TVDI）算法基础上,考虑大尺度研究区下垫面异质性（植被覆被、地形起伏）对辐射能量平衡的影响,分别采用植被水分指数（VWIs）、加入大气温度（T_a）和DEM校正后的地表温度（T_s）与NDVI相结合,构建了植被干旱指数（VDI）和改进型温度-植被干旱指数（iTVDI）,并结合同期实测土壤水分数据对3种算法进行比较。结果表明：3种算法在一定程度上均能比较客观反映旱情特征,与表层土壤含水量呈现不同程度的负相关,其中,iTVDI相关性最好,TVDI次之,VDI相关性最低;相较植被生长初期而言,3种算法均在植被生长成熟期具有更好的水分监测能力。     

基于MODIS影像的农用地自然质量动态快速监测研究

利用遥感技术动态并快速地监测农用地自然质量时空上的变化信息,是当前农用地质量研究的热点问题.以MODIS影像和江苏省农用地分等属性数据为基础,综合应用GIS,RS技术以及统计学原理,以宜兴市为研究区进行遥感影像灰度值与农用地自然质量指数的相关性分析,借助回归分析建立农用地自然质量遥感的MODIS数据模型,并利用该模型对无锡市农用地分等单元进行验证.结果证明,该模型拟合程度较好,利用MODIS数据模型对农用地自然质量时空上的变化信息进行监测是可行的.最后探讨了MODIS影像反演农用地自然质量产生误差的原因,对进一步利用遥感技术进行农用地自然质量动态监测具有一定的启示意义.     

基于空域信息的PolSAR图像分割与分类方法研究

正极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)是一种先进的遥感对地观测系统。与单极化SAR相比,它能够获取更加丰富、全面的地物和目标散射信息,在国民经济建设和国防军事领域取得了越来越广泛的应用。PolSAR图像分割与分类是PolSAR解译的重要研究内容,对于提升PolSAR的应用水平具有重要的理论意义和实用价值。统计建模和极化目标分解是PolSAR解译中最主要的两类方法,然而随着图像分辨率的提高,空域信息更加突显,将有助于提升PolSAR解译的性能。本文系统研究了基于空域信息的PolSAR分割与分类方法,重点围绕PolSAR空域信息提取,以及如何有效地将空域信息应用于PolSAR的分割与分类。具体研究内容包括: