空间分辨率对绿潮覆盖面积、密集度卫星遥感信息提取的影响

研究表明，多源卫星数据提取的绿潮信息存在较大差异，通常认为可能的主要原因是不同卫星遥感器的的空间分辨率、过境时间差、波段设置等各不相同，但对此仍缺乏深入的研究。本文采用波段设置和过境时间完全相同、仅空间分辨率不同的四景 MERIS 全、降分辨率（300 m 和1200 m）影像，利用统一的算法（NDVI）进行绿潮信息提取，量化了空间分辨率对绿潮覆盖面积、密集度（由斑块个数、聚合度表征）卫星遥感信息提取的影响。结果表明：空间分辨率对绿潮覆盖面积卫星遥感信息提取影响显著，全、降分辨率 MERIS 影像提取的绿潮覆盖面积最大相对偏差可达67％，遥感影像的空间分辨率对绿潮面积提取结果的影响既与绿潮 NDVI 探测阈值有关，还可能与绿潮发展阶段有关。绿潮密集度卫星遥感提取结果也受遥感影像空间分辨率的影响，全分辨率 MERIS 影像提取的绿潮斑块个数为降分辨率影像的7～21倍，绿潮聚合度较降分辨率影像高15％～25％。

一种机载SAR非周期性线状噪声去除方法

由于受雷达系统本身、飞行姿态、大气扰动等多种因素的影响,机载SAR图像中存在大量的非周期性线状噪声,限制了数据的后续应用。针对利用机载SAR图像进行海上绿潮探测的应用目的,本文在对机载SAR图像中非周期性线状噪声进行统计特征分析的基础上,提出了一种机载SAR图像非周期性线性噪声去除方法,并与均值滤波、高斯低通滤波、增强Lee滤波、增强Frost滤波、Gamma滤波、小波分析滤波、傅里叶变化滤波等多种常用滤波算法进行了对比,验证了该方法的有效性。结果表明,与常用滤波算法相比,我们算法的噪声去除率最高,且边缘特征清晰;图像经滤波后,噪声区灰度值与海水相近,与绿潮的对比显著增大,提高了绿潮和海水的区分能力。

吉林一号广域高频次高分辨智能遥感应用

从应用需求出发,分析了用户对于卫星遥感数据需求,介绍了吉林一号卫星星座在实现广域高频次高分辨数据获取的设计理念、卫星星座部署及数据服务模式进展。围绕卫星智能遥感应用,分析了人工智能等新兴技术与海量遥感数据结合进行全自动、高精度智能信息提取的技术进展,并介绍了基于吉林一号卫星数据在自动化、智能化、高精度地表解译等智能遥感应用中的探索。

JLS-5-20M东北黑土地影像数据集

本数据集为基于5–20 m空间分辨率的JL1GP卫星多光谱成像仪L1数据所生成的覆盖中国东三省部分黑土地区域的地表反射率数据。具体而言,首先使用基于多个均匀稳定场地的在轨绝对定标技术对两颗JL1GP卫星的多光谱成像仪进行在轨绝对辐射定标,实现不低于7%的在轨绝对辐射定标精度;再筛选对东北三省地区成像的、天气晴朗无云的JL1GP卫星多光谱成像仪L1数据作为大气校正的输入影像;最后通过基于大气辐射传输模型的大气校正算法对L1级影像数据进行大气校正并进行正射校正处理得到绝对精度不低于7%的覆盖中国东北三省部分黑土地区域的反射率产品数据集。该数据集发挥了国产JL1GP卫星空间分辨率较高、波段数量较多、成像质量稳定的优势,为东北地区黑土地的定量化遥感应用提供保障。

海面漂浮绿潮生物量光谱特征及估算模型

海上漂浮绿潮生物量的估算对实现绿潮处置资源高效配置、提高应急处置效率具有重要意义。利用现场实验获取的漂浮绿潮单位面积生物量及其地物反射光谱数据,分析了漂浮绿潮光谱特征和多种光谱指数与单位面积生物量之间的响应关系,基于此构建并验证了漂浮绿潮生物量估算模型。结果显示漂浮绿潮近红外波段反射率与单位面积生物量之间存在强相关关系(相关系数R≈0.8);光谱指数以及960nm反射峰和1060nm吸收峰峰值与漂浮绿潮单位面积生物量显著相关(R>0.7);基于R_(960)/R_(670)和R_(1060)/R_(670)(R_(670),R_(960),R_(1060)分别为670,960,1060nm处的反射率)构建的漂浮绿潮生物量指数估算模型具有较高的精度(R^2≈0.9,相对误差R_(PE)≈27%)。研究结果为利用遥感技术实现海面漂浮绿潮生物量估算提供了参考。

黄河口海域颗粒有机碳浓度遥感反演与时空分布特征

基于黄河口海域实测数据,建立了利用745nm(模型1)和680nm(模型2)波段遥感反射率的颗粒有机碳(POC)浓度反演模型,得到的平均相对误差(APD)均低于26%,其中模型1表现更优。结合海洋水色成像仪(GOCI)影像和实测数据对两个模型进行了精度评估,平均相对误差均在30%以内。基于所建立的模型和卫星遥感影像,分析了逐时、大风过程(几日之间)、季节变化三种情况下黄河口海域POC浓度的时空变化特征。结果表明,冬季POC浓度整体较高,夏季POC浓度整体较低;渤海湾附近出现POC浓度最高值。三种情况下,POC浓度的变化范围在同一尺度上,表明短时间间隔并不意味着POC浓度变化范围也小,其季节平均效应是显著的。

基于吉林一号光谱星影像的农作物叶面积指数反演

吉林一号光谱星的发射提高了我国对地观测能力,并且在农业定量反演方面具有较大的潜力,为了准确、有效地反演农作物关键参数,分析吉林一号光谱星影像的反演能力具有重要意义。以内蒙古乌拉特前旗、正蓝旗、科尔沁右翼前旗的农田为研究区,基于吉林一号光谱星影像,使用优化后的PROSAIL模型和曲线匹配算法,对不同物候期内的玉米和水稻叶面积指数(LAI)进行了反演,并结合实测LAI数据进行了精度验证。结果表明:优化后的PROSAIL模型其参数范围和参数步长更适用于农作物LAI反演,在保证精度的前提下精简了查找表的容量;基于特征值的曲线匹配算法在空间分布高度一致、误差绝对值均值为0.41的情况下,计算效率平均提高了41.43%;研究区不同物候期内的玉米和水稻LAI反演精度R^(2)为0.72~0.9,RMSE为0.32~0.49。其中,玉米开花期精度最高(R^(2)=0.9,RMSE=0.4),玉米成熟期精度最低(R^(2)=0.72,RMSE=0.47)。综上所述,基于吉林一号光谱星影像反演农作物LAI具有精度高、误差小的特点,研究结果可为该数据在农作物LAI精准反演方面提供科学方法和依据。