兰州市南北两山土壤水分遥感反演及植被需水量估算

探究西北干旱区土壤水分和植被需水量动态变化特征,可为生态恢复不同阶段所需水资源量及水资源优化配置提供科学依据。以兰州市南北两山为研究区,基于Sentinel-2 L2A和Landsat 8 OLI遥感影像,结合实测土壤0~10 cm的111个数据,分别构建垂直干旱指数(Perpendicular Drought Index,PDI)、改进型垂直干旱指数(Modified Perpendicular Drought Index,MPDI)和植被调整垂直干旱指数(Vegetation-adjusted Perpendicular Drought Index,VAPDI)土壤水分反演模型,并采用4种模型指标定量决定系数(R^(2))、平均绝对误差(MAE)、平均相对误差(MRE)、均方根误差(RMSE)对模型反演的效果进行精度评价,选出最优的土壤水分反演模型并结合土壤水分限制系数,与研究区2019年林地、草地和耕地植被面积的空间数据、各站点生长季内的参考作物蒸散量,构建植被生态需水量模型,厘清研究区内土壤水分、植被需水量时空变化特征。结果表明:(1)2种数据源下的PDI、MPDI、VAPDI和实测数据之间均有着不同程度的线性负相关性,其中R^(2)分别为0.37、0.64和0.59,从评价指标的结果来看,MPDI的土壤水分回归模型的拟合决定系数最高,2种遥感数据反演的土壤水分空间分布格局具有一致性。(2)分辨率高的Sentinel-2L2A土壤水分反演更加精细,土壤水分整体呈波动增长趋势,多时段土壤水分的平均值为23.27%,呈现出降低再增加然后下降,总体增幅为74.07%。(3)兰州市南北两山4—10月植被需水量月均值也呈现先增加后下降的趋势,与土壤水分含量变化具有一致性,4—10月中7月植被需水量最大,为3.98×10^(7)m^(3),10月植被生态需水量最小,为0.97×10^(7)m^(3)。随着环境绿化工程的实施,兰州市南北两山从只能生长耐旱草本和低矮灌木的植物,逐步形成以多种类结合的群落结构。本研究可为兰州市南北两山土壤水资源合理利用及植被恢复提供参考。

水循环关键要素遥感反演研究进展

水循环是地球系统中至关重要的过程,对水资源管理、气候变化应对和生态环境保护有着深远的影响。遥感是大尺度监测水循环关键要素的主要手段,过去几十年已经取得诸多进展。梳理了当前蒸散发和降水等水循环关键通量要素及土壤水和水储量等水循环关键储量要素的遥感反演技术研究进展,指出了当前精细化监测的发展方向,提出技术创新方向以及亟待解决的科学问题,以期为提升水循环遥感学科发展和应用的深度与广度提供参考。

内陆淡水湖博斯腾湖水质遥感反演及时空演变特征

湖泊作为干旱区重要的水源载体,旱区湖泊的水质变化对维持区域生态平衡和水分循环发挥着重要作用。因此,以我国内陆淡水湖泊博斯腾湖为研究区,对2001—2020年Landsat系列遥感影像进行大气校正、辐射定标等预处理;利用改进的归一化指数法提取水体分析其面积变化趋势,并结合实测矿化度浓度及叶绿素a浓度数据,利用经验方法对比分析波段及波段组合反射率与矿化度浓度以及叶绿素a浓度的相关性,并筛选出相关性最好的波段建立模型。以B5、B3/B4、B3+B4的波段组合构建矿化度浓度反演模型,以B2、B3、B2×B3的波段组合构建叶绿素a浓度反演模型。最后利用决定系数和均方根误差对遴选出的2个反演模型进行精度验证。结果表明:(1)湖区面积变化呈2001—2013年逐渐缩小、2013年后逐渐回升两阶段趋势。(2)博斯腾湖矿化度浓度空间分布具有湖中心浓度高,湖周边浓度低的特点;叶绿素a浓度空间分布与矿化度浓度分布相反。(3)长时间序列下的博斯腾湖区矿化度浓度与叶绿素a浓度在年尺度上均呈现先增加后减小的趋势。其中矿化度浓度最大值为2013年的1023.8 mg·L^(-1),叶绿素a浓度最大值为2015的5.04μg·L^(-1)。在过去的几十年里,中国在博斯腾湖的水质监控及其治理成果方面取得了显著进展,但在时空覆盖、指标列表、人与自然相互作用的结合、反演精度和模型泛化等方面还需进一步改进。

基于机器学习的红树林生物量遥感反演研究

准确调查红树林生物量有利于评估红树林生态系统碳汇潜力。基于实地调查数据和Landsat 8遥感影像及DEM数据提取22个特征变量,利用随机森林(RF)、支持向量机模型(SVM)和极端梯度提升(XGBoost)3种机器学习方法,对西门岛红树林进行生物量遥感反演。结果表明:1)与RF算法和SVM算法相比,XGBoost算法构建的模型具有更好的估测效果(R^(2)=0.932,ERMS=1.514 t/hm^(2),EMA=1.313 t/hm^(2)),能更准确地估测红树林生物量;2)在递归特征消除法(RFE)筛选出的10个重要特征因子中,植被指数对红树林生物量估测的相对重要性较高;3)10个重要特征因子构成的XGBoost模型生物量反演得出,红树林生物量估测值范围为9.138~29.229 t/hm^(2),这与实地调查结果非常相近。XGBoost机器学习算法在红树林生物量反演中表现出较好的效果,该结果能为中国人工红树林碳储量的核算提供技术参考。

机器学习在水环境典型水质参数遥感反演中的应用

遥感技术是一种可用于大面积水体长时序监测的有效方法,研究综述了机器学习方法在几种典型水质参数遥感反演中的应用。首先,简述了水质反演中几种常用机器学习算法的原理和优缺点。随后,介绍了机器学习模型反演叶绿素a、悬浮物质、溶解性有机质、磷和氮5种参数的研究进展,并进一步分析了面临的问题和挑战。在此基础之上,进行了总结和展望:(1)机器学习模型的反演效果普遍优于传统经验公式和半经验模型;(2)具有量化反演不确定性能力的机器学习模型(如混合密度网络和贝叶斯神经网络等),提供了更为全面和可靠的预测;(3)基于全球性大样本数据集构建的机器学习模型具有较好的泛化能力,存在产品化潜力;(4)未来的工作应主要集中于不确定性估计算法和迁移学习的推广、大气校正算法的评估,以及水环境遥感大数据的发展等。

内蒙古森林和草地地上生物量遥感反演

以MODIS、Landsat和土地利用/覆被变化数据集等多源遥感数据为数据源,结合地上生物量样点数据,从反射率、植被指数、气候要素和土壤质地及养分含量4个方面提取21个特征变量,经特征变量优化后,对比5种机器学习方法,选择精度最高的模型,根据不同气候类型分区,反演各气候区2000-2020年内蒙古森林和草地生长季地上生物量,分析其时空特征。结果表明:(1)特征筛选后的变量数量为4~21个,其中反射率、植被指数和气候要素是所有生态系统和气候区地上生物量敏感的特征变量;(2)随机森林是反演精度最高的模型,而且分区能够明显提高模型精度;(3)年均森林生长季地上生物量围绕平均值(3.68 kg/m^(2))上下小幅度波动,21 a间略有上升,而草地呈现先下降再上升的趋势,整体上升,年均值从2000年的46.36 g/m^(2)上升到2020年的56.19 g/m^(2);(4)森林生长季地上生物量由北到南呈现“低-高-低-高”的空间分布态势,而草地则自西向东逐渐增高,21 a间低生物量面积减少,高生物量面积增大。本研究有助于了解当地自然资源动态,为大尺度多生态系统生物量反演提供思路。

融合作物类型的土壤盐分遥感反演方法研究

在沿海平原地区,土壤盐度是制约作物生长的非生物胁迫之一,也是作物种植的重要依据,作物类型能够间接反映土壤盐渍化程度,因此本文提出了一种融合作物类型信息的土壤盐分反演方法。以黄河三角洲典型滨海盐渍土地区为例,基于Sentinel-2 MSI影像,首先采用随机森林分类提取作物类型信息,并基于OneHot方式将作物类型信息编码;然后融合作物类型信息,结合环境协变量数据、地面实测盐分数据,采用自适应增强决策树模型(AB-DT)进行盐分反演;最后与其他机器学习方法,如支持向量机、随机森林、K最邻近和决策树进行盐分反演精度的对比。结果表明:①加入作物类型信息能够提高土壤盐分反演模型精度,所有模型中,融合作物类型变量的AB-DT反演模型精度最高,建模集R 2为0.86,测试集R 2为0.61;②加入作物类型信息能够修正误判的盐渍土级别,并使土壤盐分反演结果的地块边缘更加清晰。综上所述,加入作物类型信息,能够提高土壤盐分反演的准确性,为农田管理和农业决策提供更可靠的依据。

植被叶面积指数遥感反演研究现状与展望

为客观了解植被叶面积指数(LAI)领域的研究现状、热点和发展趋势,本文通过文献计量法,对中国知网数据库中与LAI相关的2937篇核心论文进行梳理与分析。结果表明,1992—2023年间,该领域的研究文献各年度发文量总体上呈倒“U”型分布,并于2014年达到峰值。杨贵军、黄文江、曹卫星等是该领域的核心作者;中国农业大学、中国科学院大学、西北农林科技大学为该领域贡献较突出的院校;《农业工程学报》《生态学报》《农业机械学报》在该领域的发表论文量较多。在此期间,通过LAI估算水稻、小麦、玉米等作物产量是研究的热点;同时,陆续有学者基于高光谱、无人机遥感等技术,优化参数以提升LAI反演精度,并将LAI应用于植被冠层结构、生态系统固碳释氧等研究中。LAI领域研究未来可能主要围绕无人机遥感、时空尺度、PROSAIL模型、机器学习等方向,致力于黄河流域生态环境保护以及植物多样性、功能性等研究。

湛江湾水体颗粒物后向散射特性及其遥感反演研究

湛江湾2018年1月的原位调查,获得了原位遥感反射率(Rrs)、颗粒物后向散射系数(b_(bp))、叶绿素a(Chl a)和无机悬浮颗粒物(ISM)浓度等参数,分析了湛江湾水体颗粒物后向散射特性,并对颗粒物后向散射系数进行了遥感反演研究。研究结果显示:在研究区域观察到表层水体6个波段(420, 442, 470, 510, 590和700 nm)颗粒物后向散射系数的变异系数均在50%~60%之间,其变化范围为0.026 1~0.211 2 m^(-1),这意味着水体光学性质的复杂性。为了更好地量化b_(bp)的光谱特性,研究以510 nm为参考波段构建了b_(bp)幂函数光谱模型,获得的光谱模型斜率指数n=1.55。研究发现b_(bp)(510)与ISM呈现乘幂关系,与颗粒物组成(Chla/ISM)呈现指数关系,决定系数R2分别为0.74和0.62,表明研究区域颗粒物后向散射系数一阶驱动因子主要为无机悬浮颗粒物浓度,二阶驱动因子颗粒物组成对b_(bp)(510)变异也具有重要的贡献。为了准确估算湛江湾颗粒物后向散射系数,研究基于原位遥感反射率构建了随机森林模型,并与QAA-v6、 QAA-RGB和QAA-705三种半分析算法进行对比。随机森林模型的R2为0.86,平均绝对百分比误差MAPE为12%,均方根误差RMSE为0.02 m^(-1), QAA-v6、 QAA-RGB和QAA-705三种半分析算法R2分别为0.63、 0.71和0.53, MAPE分别为186%、 117%和243%, RMSE分别为0.16、 0.09和0.18 m^(-1),三种半分析算法虽然也具有较高的R2,但估计值和测量值之间存在显著差异,且MAPE和RMSE也较大,三种半分析算法显著低于随机森林方法的反演精度,表明运用遥感反演湛江湾b_(bp),随机森林方法具有较大的应用潜力。

实测数据支持下的地表水浊度与总氮遥感反演——以长江流域中段为例

针对以实地采集数据进行地表水水质反演存在的空间范围小、耗时长、难度大、所构建模型在地域及季节方面很难具有良好普适性等问题,以长江流域中段为研究区,利用Landsat 8 OLI遥感影像数据及国家地表水水质自动监测站实测数据,建立浊度、总氮与反射率的反演模型,采用决定系数(R^(2))、平均绝对值误差(MAE)、均方根误差(RMSE)及平均绝对百分比误差(MAPE)进行精度检验,并制作浊度、总氮反演分布图,分析浊度和总氮空间分布特征。结果表明:浊度反演模型的反演精度较高,R^(2)为0.945,MAE为4.945 NTU,RMSE为7.117 NTU,MAPE为29.4%;总氮反演模型的反演精度一般,R^(2)为0.502,MAE为0.427 mg/L,RMSE为0.541 mg/L,MAPE为31.0%。这说明使用国家地表水水质自动监测站监测数据进行浊度反演具有一定的可行性。

多年度同时相“星-地”协同遥感反演鄱阳湖叶绿素a浓度

作为长江最大的通江湖泊,鄱阳湖水生态安全影响着整个长江流域。叶绿素a浓度是水生态富营养化的重要指标,利用遥感技术开展叶绿素a浓度常规监测具有重要意义。以鄱阳湖为试验区,以表征富营养化程度的叶绿素a浓度为反演指标,基于2015—2020年6 a的观测数据以及Landsat系列影像,在规范建模时相以及“星-地”协同匹配的情况下,通过分析对比不同波段与叶绿素a浓度的相关指数,构建了适用于夏季鄱阳湖水体叶绿素a浓度反演模型。经6组独立数据验证后R 2均值为0.86,RMSE均值为1.01μg/L,MAPE均值为17.6%,认为所采用的方法可以较好地适用于鄱阳湖区夏季(丰水期)叶绿素a浓度的的反演,同时也为具备长期观测条件下内陆二类水体叶绿素a浓度监测提供了新的参考方法。

基于卷积神经网络及遥感反演的生产建设项目识别方法及应用

由于遥感影像中的地物普遍存在异物同谱、同物异谱等现象,导致面向对象的多尺度和多阈值分割分类等解译方法无法在完全脱离人工干预的情况下使用,因而给解译带来成本高、效率较低等问题。本研究目的是建立一个实用、高效的生产建设项目扰动图斑自动识别模型,提高扰动图斑识别的效率和准确性。河南省作为水利部第一批遥感监管示范省,至今已积累大量生产建设项目水土保持空间数据。为此,笔者选择河南省作为研究区。提出一种基于神经网络及遥感反演模型的生产建设项目自动识别方法。该方法使用由5个卷积层和3个池化Pooling层的AlexNet对扰动图斑进行初步自动解译,并使用归一化植被指数、温度植被干旱指数等遥感反演模型进一步判断图斑是否为生产建设项目。笔者以成像时间为2020年、覆盖河南全省的G F-1、G F-6遥感影像为基础,使用生产建设项目扰动图斑的外包矩形裁剪上述影像获得训练样本,对样本进行标记,并将标记好的训练样本输入到AlexNet模型对其进行训练,完成训练后分别使用单一神经网络模型及神经网络模型+遥感反演模型进行两组测试。结果表明:1)本方法在降低误识别率和漏识别率的效果方面均比单纯卷积神经网络识别模型优异,误识别率平均降低23.88%,尤其在降低误识别率方面效果明显;2)本方法的计算时间,与卷积神经网络识别模型没有明显差异。综上,本研究成果可有效降低生产建设项目自动识别的误判率,有助于进一步提升生产建设项目水土保持遥感监管工作的自动化程度,在生产建设项目自动识别应用领域有一定的借鉴意义。

基于哨兵-2MSI数据的高邮湖水体叶绿素a浓度和总悬浮物浓度遥感反演

哨兵-2号卫星多光谱成像仪(MSI)数据的空间分辨率高,重访周期短,适用于高邮湖这类中小型湖泊的水质反演。利用实测水体光谱数据模拟出哨兵-2 MSI数据,并建立了适用于该数据在高邮湖反演叶绿素a(Chl.a)浓度和总悬浮物(TSM)浓度的模型。经过验证,Chl.a的反演均方根误差(RMSE)为8.02μg/L,平均相对误差(MRE)为18.4%,TSM的反演RMSE为16.2 mg/L,MRE为23.3%,表明该模型具备理想的反演精度。利用哨兵-2 MSI数据和建立的反演模型,可以获得高邮湖Chl.a和TSM时空分布情况。初步分析发现,高邮湖这2项水质参数的分布与湖内的围网养殖和入湖径流之间存在一定关系。

基于遥感反演的城市河道水环境变化趋势分析

城市河涌与人民的生产、生活密切相关。文章以哨兵2号多光谱遥感影像为载体,以广州市区河道珠江后航道长时间序列的化学需氧量、叶绿素a、总悬浮颗粒物浓度为研究对象,反演分析后航道水环境时相变化和空间分布情况,研究广州中心城区城市河道水环境变化趋势,进而分析后航道水环境治理存在的问题,并提出水环境保护对策和建议,为城市河道治理与生态修复提供依据,助力广州建设美丽中国先行区。

随机森林方法在PM2.5遥感反演中的研究及应用

伴随着城市建设的不断加快,城市空气质量问题也日益凸显。以重庆市为研究区域,将区域内的PM2.5浓度作为研究对象,利用MODIS传感器的L2级产品生产出分辨率为1 km的AOD数据,结合MERRA-2气象数据与地面监测站数据进行遥感反演,基于随机森林的方法构建了模型,将训练集与验证集数据应用到模型中,验证了该模型在研究区域PM2.5反演的效果,并通过样本均衡化的方法提高了模型的反演精确度。利用模型归纳总结了2022年重庆市PM2.5的分布集聚特征。结果表明:①样本均衡化的处理方式,提升了模型遇到高污染天气的鲁棒性,使得模型的拟合相关系数由0.45提高至0.96。模型与地面检测站数据的拟合相关系数为0.97与0.96,平均绝对误差为4.54 ug/m^(3)与6.05 ug/m^(3),平均相对误差为20.32%与26.76%,可以满足区域大气污染监测的需求与任务。②2022年,重庆市地区的PM2.5大气污染时间上呈现季节性变化,冬季最高,春季、秋季次之,夏季最低。空间上呈现“西高东低”的特征。

基于Sentinel数据与DNN算法的衡水市土壤墒情遥感反演研究

利用Sentinel-1 SAR和Sentinel-2 MSI数据与深度神经网络(DNN)算法,实现衡水市土壤墒情的遥感反演。结果表明,所提取的遥感指数能够准确捕捉地表环境特征;DNN算法通过构建样点尺度土壤墒情与遥感指数之间非线性关系,稳健预测空间尺度土壤墒情分布。独立验证结果显示,土壤墒情反演精度R2达0.854,MAE和RMSE分别为0.05、0.06。本试验证明基于Sentinel数据与DNN算法的土壤墒情遥感反演方法,在墒情监测与预测方面具有较高的精度和可靠性。

土壤有机质遥感反演研究进展与展望

土壤有机质对于保证土壤肥力和平衡土壤生态系统碳储量具有重大意义。遥感技术以其大范围、高精度、低成本等优势,为宏观、快速、准确获取土壤有机质的时空分布特征提供了可能。基于文献分析法重点分析了近30年来国内外土壤有机质含量反演研究采用的遥感数据源和反演模型。结果表明,多源遥感联合反演可整合不同传感器的优点,有效提高土壤有机质反演精度,非线性回归模型的精度普遍优于线性回归模型。目前土壤有机质遥感反演主要存在遥感影像时空分辨率无法同时达到最优、反演精度影响因素众多、研究区域空间及时间尺度较小等三个问题。未来相关研究应着力推动生产标准化规范化高精度SOM专题产品,加强全球气候变化背景下的土壤有机质和碳循环遥感研究,开展更大尺度的土壤有机质天空地遥感监测和模型研究。

基于吉林一号卫星数据的荒漠草原植被覆盖度遥感反演研究

本文基于吉林一号遥感卫星高空间分辨率数据,选择适用于荒漠草原的NDVI、MSAVI、RVI和PVI四种植被指数,结合地面调查数据,对牧户尺度植被覆盖度进行反演模型的构建和验证。通过对比分析得出,基于MSAVI反演模型优于NDVI、RVI和PVI;其中,4 × 4 m样方拟合精度最高,EA为48.49%,优于1 × 1 m和2 × 2 m样方。

农业旱灾监测中的地表温度遥感反演方法——以MODIS数据为例

以目前农业旱灾监测中应用较广泛的多波段MOD IS卫星遥感数据为例,探讨农业旱灾遥感监测中所需要的地表温度反演问题,尤其是反演算法的选择、基本参数的估计和具体反演中的工作流程,为快速地进行农业旱灾监测中的水热遥感参数估计提供方法选择。虽然MOD IS有8个热红外波段用来监测地表热量变化,但波段31和32特别适用于农业旱灾监测中所需要的地表温度遥感反演。因此,在算法上,我们将选择计算过程相对简便但反演精度又很高的两因素分裂窗算法。详细地讨论了如何快速地估计分裂窗算法中大气透过率和地表比辐射率这两个基本参数。从实际应用来看,本文所提出的方法能快速地用来反演我国农业旱灾监测中所需要的农田地表温度参数,并获得很好的反演结果。

PROSAIL冠层光谱模型遥感反演区域叶面积指数

大面积区域作物叶面积指数遥感反演,对指导作物管理具有非常重要的意义,验证和发展基于物理叶面积指数遥感反演可避免基于经验模型的缺点。以北京地区青云店、魏善庄和高丽营为研究区,采用MODIS和ASTER两类不同空间分辨率遥感数据,探讨PROSAIL物理模型反演冬小麦叶面积指数的可行性,尤其在不同空间分辨率遥感数据上的稳定性,并与经验模型进行了对比分析。与经验模型相比,物理模型模拟LAI值更具真实性;用线性组分加权的方法,对小尺度物理模型反演LAI进行尺度扩展并与基于大尺度遥感数据的LAI物理反演结果相对比,相差不大,说明LAI物理反演方法在空间尺度上的稳定性。