MODIS植被指数的美国玉米单产遥感估测

针对中国开展的国外农作物产量遥感估测大多依靠中低分辨率耕地信息、省级(州级)或国家级作物产量统计数据的现状,本文以美国玉米为例,探讨利用多年中高分辨率作物分布信息、时序遥感植被指数和县级作物产量统计数据开展国外重点地区作物单产遥感估测技术研究,以期进一步提高中国对国外农作物产量监测精度和精细化水平。首先,利用美国农业部国家农业统计局(NASS/USDA)生产的作物分布数据(CDL)获得多个年份玉米空间分布图,并对相应年份250 m分辨率16天合成的MODIS-NDVI时序数据进行掩膜处理,统计获得每年各县域内玉米主要生育期NDVI均值;其次,以各州为估产区,以多年县级玉米统计单产和县域内玉米主要生育期NDVI均值为基础,建立各州玉米主要生育期NDVI与玉米单产间关系模型;然后,通过主要生育期玉米单产和玉米植被指数间拟合程度,筛选确定各州玉米最佳估产期和最佳估产模型。最终,利用最佳估产模型实现美国各州玉米单产估测和全国玉米单产推算。其中,建模数据覆盖时间为2007年—2010年,验证数据为2011年。结果表明,应用最佳估产模型的2011年美国各州玉米单产估测相对误差在-4.16%—4.92%,均方根误差在148.75—820.93 kg/ha,各州估测结果计算获得全国玉米单产的相对误差仅为2.12%,均方根误差为285.57 kg/ha。可见,本研究的作物单产遥感估测技术方法具有一定可行性,可准确估测全球重点地区作物单产信息。     

基于高频次GOCI数据的太湖悬浮物浓度短期动态和驱动力分析

总悬浮物是水体中重要的光学敏感物质之一,很大程度上决定了水柱中光的吸收、散射和衰减,同时吸附营养盐、重金属和有毒有害物,对水体物质生物地球化学过程、沉积物埋藏动力和湖泊环境演化具有重要的意义.基于星地同步实验和静止水色成像仪GOCI(Geostationary Ocean Color Imager)构建了太湖悬浮物浓度估算模型,并分析了典型风浪过程中太湖悬浮物浓度短期动态变化过程.研究表明:对太湖水体悬浮物浓度较为敏感的波段为GOCI的第7波段(745nm)和第8波段(865 nm),悬浮物浓度与对应波段遥感反射率线性相关决定系数分别为0.72和0.55;基于GOCI第7波段的悬浮物浓度单波段遥感估算模型能较为准确地估算太湖的悬浮物浓度,模型相对均方根误差和平均绝对百分误差分别为28.3%和24.4%.通过研究典型风浪过程前后太湖悬浮物浓度变化发现其短期动态变化显著,风速、风向是悬浮物浓度短期动态变化的重要驱动因素,悬浮物浓度与风速呈正比,并随着风向扩散;高频连续GOCI影像结果显示悬浮物浓度短期动态变化对风浪扰动的响应有一定的滞后性,滞后时间为数小时到1天,悬浮物沉降与沉积物再悬浮的临界风速约为3.4 m/s.     

双偏振雷达差分传播相移的五种滤波方法对比分析

为了对双线偏振雷达的差分传播相移ΦDP进行滤波降噪处理,提高双线偏振雷达识别粒子、估测降水的能力。通过对C波段双线偏振雷达差分传播相移分别采用滑动平均、中值滤波、FIR滤波、卡尔曼滤波和小波分析5种不同方法地介绍,利用中国气象科学研究院灾害天气国家重点实验室移动式C波段双线偏振雷达(POLC)2013年外场试验观测资料,对比分析了经5种方法处理后的差分传播相移ΦDP径向数据,及其分别在降水估测中应用的效果。结果表明:采用FIR滤波方法、卡尔曼滤波方法和小波分析方法对ΦDP径向数据进行处理的效果比传统的滑动平均和中值滤波方法好;其中小波分析处理的ΦDP径向数据波动最小,再经过变距离法拟合的KDP数据的负值能够得到最有效地抑制,最后应用到R(KDP)降水估测中的精度最高。     

参数带椭球约束平差算法的应用

针对实际工程应用中遇到的参数带有范围约束的情形,提出带椭球约束的平差算法,并给出其具体模型和解算步骤。数值模拟实验和病态测边网数据计算表明,在处理病态问题时,最小二乘平差（least-squares,LS）已不适用,而与岭估计、奇异值分解法（singular value decomposition,SVD）以及不等式约束相比,本文算法精度更高。     

系统偏差常数弧段估计策略对多系统静态精密单点定位的影响

为探讨系统偏差最优估计策略,利用IGS提供的GPS、BDS、GLONASS和Galileo 四系统的观测数据以及GFZ提供的精密卫星钟差和精密轨道产品,将系统偏差（ISB）按照高斯白噪声、20 min、30 min、1 h、2 h分段常数进行单天静态解,分别获得E、N、U方向上的坐标偏差,分析不同系统偏差求解策略下多系统融合PPP的收敛时间和定位精度。结果表明,在多系统融合静态PPP中,从观测模型强度与定位结果稳定性和可靠性角度综合考虑,对ISB采用20 min分段常数估计策略是最优的,静态PPP收敛时间在30 min左右,收敛后的定位精度E方向优于2 cm、N方向优于1 cm、U方向优于5 cm。     

�����Ƚ����Ƶ�ֱ����С������Բ���

?????????????????????????????????????????????????????????????????????????伸?β????????????????????????????????????????????????????????????????????????С????????????,??Matlab?????????????????????????????????????????????????????????????????????????????Ч???á???????     

关键时相长势—环境和景观特征对河北省县级尺度冬小麦单产估算精度影响分析

区域尺度上精准、快速的作物单产估算可以有效地为国家粮食安全相关政策的制定提供数据支撑。本文针对县级估产时相和特征类型选择问题,基于遥感、气象和统计等多源数据,通过不同时相和特征要素之间的组合分析来探索其对于县级尺度冬小麦单产估算的影响。特征要素主要考虑作物长势、环境(水分和光温条件)和农田景观3个类型;时相主要考虑由冬小麦生长过程NDVI (Normalized Difference Vegetation Index)曲线特征提取的5个关键时段(P1—P5)。利用不同时相与类型特征的组合与统计单产构建随机森林回归模型,根据精度评价结果分析各组合的优劣。2014年—2017年的数据用来建模,2018年数据用来验证。对于单时相,P2、P3、P4的表现明显好于P1和P5;多时相的准确度明显优于单时相,其中P2、P4的组合效果最佳。对于不同类型的特征要素,作物长势特征参量对估产精度的影响最大,而水分影响和光温条件等环境因子的加入对估产准确性并没有明显提升,农田景观参数的加入能够有效提升估产的准确性。在最优组合的基础上,剔除冗余变量优选出5个重要的指标因子(PROP、NDVI＿P2、B2＿P2、...     

根据GPS和InSAR数据反演2001年昆仑山口西地震同震破裂分布

利用干涉合成孔径雷达（interferometric synthetic aperture radar, InSAR）技术可以获取空间连续的地表形变监测结果,但仅能得到真实三维形变在雷达视线方向上的一维投影,降低了地表形变解译的可靠性。全球导航卫星系统（global navigation satellite system, GNSS）可提供高精度的三维形变结果,但其空间分辨率较低。因此可通过融合InSAR和GNSS来实现高精度高空间分辨率的三维地表形变监测。提出利用方差分量估计(variance component estimation, VCE)方法对经典的联合大地和卫星同步形变测量值的应变张量估计(simultaneous and integrated strain tensor estimation from geodetic and satellite deformation measurements, SISTEM)方法进行改进,发挥SISTEM方法可以考虑相邻点地表形变的空间相关性的优势,优化了函数模型中InSAR和GNSS观测的构成比例,引入VCE方法精确估计了各类观测值的后验方差,进而实现了高精度的三维地表形变测量。首先通过设计模拟实验对所提方法进行了验证,然后将该方法应用于2007年夏威夷基拉韦厄火山喷发案例中。相较于SISTEM方法,该方法在东西、南北、垂直向解算的形变精度均有大幅提升。     

两种方法在地下水位估值中的应用

对于许多区域水资源问题,用数值方法进行潜水水流模拟时,需要给出每个节点上地下水位值.本文首先简单介绍了趋势面方法,然后着重阐述了泛克里格方法的基本原理及它们在地下水位估值中的应用,通过比较两种方法的计算结果可以得出泛克里格方法是进行地下水位估值的空间最优估计方法.     

Spatiotemporal estimation of snow depth using point data from snow stakes,digital terrain models,and satellite data

Snow availability in Alpine catchments plays an important role in water resources management. In this paper, we propose a method for an optimal estimation of snow depth (areal extension and thickness) in Alpine systems from point data and satellite observations by using significant explanatory variables deduced from a digital terrain model. It is intended to be a parsimonious approach that may complement physical‐based methodologies. Different techniques (multiple regression, multicriteria analysis, and kriging) are integrated to address the following issues: We identify the explanatory variables that could be helpful on the basis of a critical review of the scientific literature. We study the relationship between ground observations and explanatory variables using a systematic procedure for a complete multiple regression analysis. Multiple regression models are calibrated combining all suggested model structures and explanatory variables. We also propose an evaluation of the models (using indices to analyze the goodness of fit) and select the best approaches (models and variables) on the basis of multicriteria analysis. Estimation of the snow depth is performed with the selected regression models. The residual estimation is improved by applying kriging in cases with spatial correlation. The final estimate is obtained by combining regression and kriging results, and constraining the snow domain in accordance with satellite data. The method is illustrated using the case study of the Sierra Nevada mountain range (Southern Spain). A cross‐validation experiment has confirmed the efficiency of the proposed procedure. Finally, although it is not the scope of this work, the snow depth is used to asses a first estimation of snow water equivalent resources.