陆地探测一号卫星滑坡大变形InSAR监测应用

陆地探测一号(Lutan-1,LT-1)01组卫星是中国首个以地表形变合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)为主要特点,以复杂地区自然灾害监测预警为长期应用目标的合成孔径雷达(synthetic aperture radar,SAR)卫星星座,由两颗参数相同的L波段SAR卫星组成,具有高分辨率、高重访、全极化等成像能力。星座以双星“绕飞”模式实现地形测绘,以双星“跟飞”模式实现地表形变测量。在分析分辨率、波长、重访周期对InSAR可探测形变梯度的基础上,以中国甘肃省舟曲县泄流坡滑坡为研究对象,结合LT-1卫星在轨测试期间分别以4 d、8 d间隔获取的17期条带模式2数据,通过差分InSAR、时序InSAR方法提取了不同条件下泄流坡滑坡的形变量(形变时间序列),以地面角反射器与全球导航卫星系统同步观测为参考,验证了LT-1卫星地表大变形的探测能力和时序InSAR测量精度。时序InSAR监测结果表明,观测期间泄流坡滑坡的后缘、中部和前缘的最大形变速率分别超过25 mm/d、11 mm/d和2mm/d,滑坡体年累积最大形变量超过3.4 m,InSAR视线向形变测量精度达7.5 mm。综合分析成像模式、重复观测间隔、相干性变化、基线控制范围、形变探测能力,结果表明:LT-1卫星综合效能达到设计指标,具备良好的常态化广域地表形变监测能力,其高频次、严格回归、一致的观测模式将在广域地质灾害隐患识别与监测预警中发挥重要作用。

合成孔径雷达森林资源监测技术研究综述

合成孔径雷达(Synthetic Aperture Radar,SAR)技术凭借其全天时、全天候的成像能力以及对森林垂直结构信息敏感的特点,在森林资源监测中具有独特的优势,已成为当前森林资源遥感调查技术的研究热点.本文首先介绍了SAR森林资源监测技术的发展背景、发展轨迹和相关知识;然后,重点阐述了极化SAR、干涉SAR、极化干涉SAR和层析SAR在林地覆盖类型分类、变化检测以及森林参数定量化估测应用中的技术方法;最后,就SAR在森林资源监测研究和应用中存在的问题与发展趋势进行了总结与展望.

基于多源遥感数据的海南岛天然林分类数据集

热带森林是全球物种最为丰富的森林生态系统,主要分布在赤道附近的热带气候区域,在全球气候变化中发挥着重要作用。因此,对热带森林进行资源调查及监测具有十分重要的意义,其中天然林的分类研究不仅能够为热带森林的调查提供数据支持,也能够为森林的物种多样性研究提供依据。本数据集利用Sentinel-1A卫星提供的双极化SAR数据和Landsat-8卫星提供的光学遥感数据对海南岛热带天然林进行了分类研究。首先通过分析光学遥感数据的单波段特征、多波段特征、归一化植被指数(NDVI)以及SAR数据的单时相、多时相后向散射特征,选取了适合天然林分类的光学特征和后向散射特征。随后利用选取的光学特征和后向散射特征,采用支持向量机(Support Vector Machine,SVM)分类算法对海南岛的天然林范围进行提取,在此基础上对其内部林型进行分类,将其分为典型热带雨林、热带季雨林、常绿针叶林、落叶阔叶混交林以及海岸林5种森林类型。此外,结合野外实地采集的验证数据以及海南林业调查资料对分类结果进行精度验证和评价,其中利用支持向量机分类精度达到了80%以上。本数据集为海南岛热带天然林分类提供了可靠的遥感分类方法,同时对于其他地区的热带天然林分类研究具有一定的参考价值。

ZY3立体像对和机载LiDAR抽样数据协同估测森林平均高

【目的】探索一种适用于已具备林下地形,可协同利用少量实测样地数据、抽样式采集的机载激光雷达(LiDAR)条带数据和区域全覆盖的资源三(ZY3)立体像对数据有效估测区域森林平均高的方法,为提高森林资源调查效率和精度提供技术支撑。【方法】以广西高峰林场2个分场为研究区,2018年获取覆盖整个研究区的机载LiDAR、ZY3立体像对和少量实测样地数据。将LiDAR数据提取的DEM作为历史已存在的林下地形,从全覆盖的LiDAR数据中抽取12条飞行条带的LiDAR数据“模拟”抽样式采集的LiDAR数据,形成“林下地形+LiDAR抽样+ZY3立体像对+样地”数据集;以样地和LiDAR数据提取出LiDAR抽样数据对应的森林平均高为模型建立的参考数据(因变量Y),以ZY3立体像对提取的数字表面模型(DSM)减去数字高程模型(DEM)得到的CHMZY3为自变量(X),采用普通最小二乘(OLS)模型、k-邻近(KNN)模型和回归克里格(RK)模型估测森林平均高,并对其估测效果进行比较评价。【结果】OLS和KNN模型的均方根误差(RMSE)分别为1.88和1.96 m,估测精变(EA)分别为87.18%和86.64%;RK模型估测精度相对较高,RKOLS模型的RMSE=1.84 m,EA=87.42%;RKKNN模型的RMSE=1.86 m,EA=87.32%。【结论】本研究中2类4种模型均可有效估测森林平均高,回归克里格模型(RKOLS、RKKNN)优于非空间模型(OLS、KNN),RKOLS模型估测精度最高;在林下地形已知时,协同利用少量实测样地数据、抽样式采集的机载LiDAR条带数据和区域全覆盖的ZY3立体像对数据能够实现区域森林平均高的高效、高精度估测。

基于灰色模型的建筑物沉降预测研究

由于非等间隔GM(1,1)灰色模型对于处理数据量小且表达信息不确定的数据具有优越性,因此广泛应用于石油天然气勘探、机床故障诊断、电力负荷预测、大坝安全监测等领域。基于非等间隔GM(1,1)灰色模型理论,利用某小区建筑物沉降观测的实测数据,建立了适合该小区建筑物沉降预测的灰色模型。通过对比理论预测值和实测值,并进行模型对应的精度评定分析,结果表明,此模型适用于该建筑物沉降预测分析的研究。

基于多时相Landsat8影像的海南岛热带天然林类型遥感分类

热带森林在生物多样性保护以及全球气候变化研究中起着至关重要的作用,其植被类型的复杂性和多样性给遥感热带森林精细分类工作带来挑战。该文依托Google Earth Engine(GEE)平台多时相Landsat8数据,对我国海南省尖峰岭地区热带天然林进行分类探究,在分析多时相数据数量、组合方式对分类精度的影响基础上,针对典型热带雨林、热带季雨林、常绿阔叶林等的热带天然林植被型组类型,提出了一种基于多时相Landsat8影像的分类方法。结果表明:①随着多时相数据数量的增加,分类精度得到显著提升,海南岛天然林植被型组类型分类精度可以提高到91%;②当多时相数据达到一定数量后,分类精度趋于稳定;不同时相数据的组合方式都能提升热带森林分类精度,尤其是在参与分类的数据单独分类精度较低时,其多时相组合对分类精度的提升更加明显,体现了参与分类数据时相选择的宽泛性。所提方法发挥了遥感数据时相变化优势,为海南岛热带天然林类型遥感分类提供有效的参考。

相干变化指数法在震害快速评估中的应用

合成孔径雷达(SAR)具有全天候全天时的特点,为快速展开地震救援,评估震害损失提供了重要的数据支持。本文基于汶川震中东南平原地区的ENVISATASAR影像,利用相位干涉方法处理得到相干变化指数图像,对6个评估区域的像元相干变化指数进行统计分析,以相干变化指数平均值作为区分建筑物基本完好与损毁的阈值,并与实地调查结果相比,精度基本达到70%。验证干涉相干变化指数法对震害快速评估有效的同时,也为震区提供震害救援的依据。