基于LightGBM的贵阳市气溶胶光学厚度反演

为充分挖掘国产高分四号卫星(GF-4)的环境监测能力,克服基于查找表方法反演气溶胶光学厚度(AOD)的复杂性和弥补贵阳市无气溶胶监测站点的缺陷,并提升MODISAOD产品的时空分辨率,利用贵阳市研究区的高程数据和GF-4多光谱成像仪(PMS)数据提取的地表反射率、太阳天顶角、卫星天顶角、相对方位角和归一化植被指数作为特征变量,以MODIS气溶胶产品为标签,基于LightGBM算法构建了贵阳市AOD反演模型。研究结果表明:该模型能够基于GF-4 PMS单时相遥感数据实现较高精度的AOD智能反演,极大简化了AOD反演步骤,且具有较高的建模精度(平均绝对误差E_(MA)、均方根误差E_(RMS)、决定系数R^(2)分别为0.042、0.057、0.751)和预测精度(城区:E_(MA)=0.077,E_(RMS)=0.086;非城区:E_(MA)=0.094,E_(RMS)=0.101),AOD预测值和MODIS AOD具有相似的变化趋势,皮尔逊相关系数为0.697。

一种基于Landsat-8的综合性水体指数模型

针对传统水体指数模型在水体提取时易受噪声影响的问题,通过分析水体与非水体在不同波段的波谱特征差异,构建了一种基于遥感卫星Landsat-8的多波段组合的综合性水体指数模型(CWI)。为验证CWI的水体提取性能,选取不同地表覆盖和噪声背景下的4个实验区与其他模型进行对比实验。结果表明:CWI能有效抑制冰雪、裸土、云层、低反射物、以及山体阴影等的辐射干扰,且阈值稳定,总体精度达99.46%,Kappa系数高于99.18%,总体误差小于1.12%;相较于其他水体指数模型,CWI的水体提取精度得到了显著提高。

基于宽范围动态植被指数的高分四土壤湿度反演

土壤水分(SM)在农业生产、大气科学和环境监测中具有重要作用。为克服植被覆盖对SM探测的影响,众多基于归一化植被指数(NDVI)的干旱指数模型先后被提出。然而,NDVI在中高度植被覆盖区域易发生饱和,从而有可能降低SM的反演精度。为充分发挥高分四高时空分辨率的优势,以高分四红光波段反射率(Rred)、近红外波段反射率(Rnir)和宽范围动态植被指数(WRDVI)为解释变量,SM实测值为因变量,采用多元线性回归建立了贵阳市SM反演模型(下称MLR_W),并将MLR_W模型与基于垂直干旱指数(PDI)、改进型垂直干旱指数(MPDI)和植被调整垂直干旱指数(VAPDI)的一元线性回归模型(下分别称SM_P、SM_M和SM_V模型),以及以Rred、Rnir和NDVI为解释变量的多元线性回归模型(下分别称MLR_N)的建模精度和SM反演精度进行了比较分析。实验结果表明:由于顾及了中高度植被覆盖的影响,MLR_W较SM_P、SM_M、SM_V和MLR_N模型取得了更高的模型拟合精度,模型拟合平均绝对误差(MAE)和均方根误差(RMSE)分别为5.05%和6.38%;MLR_W模型SM预测精度高于除SM_M外的其他三种模型,SM反演的MAE和RMSE分别为5.17%和6.29%。但由于MLR_W模型无需确定土壤线,实际工作中较SM_M更易于实施。

两种抑制裸土的不透水面指数

城市不透水面信息的提取对城市发展至关重要。光谱指数法因形式简单且易于计算,是目前提取不透水面信息的主要方法之一。但由于不透水面与裸土的光谱特征十分相似,光谱指数法提取不透水面时易将裸土误提。针对这一问题,在充分分析裸土与不透水面间的光谱特征差异后,基于Landsat-8 OLI影像的第1、第2、第5和第6波段分别构建了抑制裸土的归一化不透水面指数(bareness-restrained normalized impervious surface index, BRNISI)和抑制裸土的比值不透水面指数(bareness-restrained Ratio impervious surface index, BRRISI)。为评价BRRISI和BRNISI对不透水面的提取性能,选取具有不同地表覆盖的北京市和贵阳市作为研究区进行实验对比。结果表明:BRRISI和BRNISI两种指数较好地解决了不透水面与裸土极易混淆的问题,均能较好地抑制裸土的影响,在北京市的总体精度达94.89%、94.96%,在贵阳市的总体精度达90.25%、90.36%,相较于现有的几种常用不透水面指数,精度都得到了显著提高。