基于FY-3B被动微波数据的青藏高原降尺度机器学习雪深反演

作为中国三大积雪区之一,青藏高原的积雪变化在气候系统、水文地质以及生态环境方面发挥着关键作用。已有的被动微波积雪深度反演方法存在数据分辨率低、不确定性高等问题,不适用于青藏高原复杂的山区地形。因此,本文基于FY-3B被动微波数据开发了青藏高原降尺度雪深反演模型,利用机器学习算法,将筛选后的亮温差作为参数输入,同时引入了高程、经纬度、植被覆盖度、积雪覆盖度和积雪天数等特征,最终进行了500 m分辨率的青藏高原雪深制图。结果显示,极端梯度提升XGBoost算法的决定系数(R^(2))和均方根误差(root mean square error,RMSE)分别为0.762和5.732 cm,明显优于支持向量回归和随机森林算法。从积雪天数、积雪覆盖度和植被覆盖度三个方面探讨了模型精度的变化,结果表明,在积雪天数为30~60 d时,模型表现良好,平均相对误差(mean relative error,MRE)最低为36.79%,RMSE为2.78 cm;随着积雪覆盖度的增加,模型的RMSE逐渐增大,在积雪覆盖度为0.25~0.50时,MRE和RMSE分别达到39.97%和3.12 cm;植被覆盖度对模型精度的影响较为复杂,可能与具体的土地覆盖类型相关,在0.25~0.50范围内模型表现出较高的精度,MRE和RMSE分别为32.77%和2.94 cm。

一种基于降噪自编码神经网络的积雪产品去云方法

目前应用最为广泛的积雪覆盖区域图(SCA)可由中分辨率成像光谱仪(MODIS)获取,常被用于积雪覆盖时空变化的研究中.由于受云遮挡的影响,MODIS积雪产品存在较大区域的数据缺失.为了消除云遮挡的影响,本文构建一种降噪自编码神经网络模型,建立雪粒径与复杂地形、土地覆盖类型之间的复杂的映射关系,实现云下积雪参数的补全,提高积雪产品的覆盖面积.本文选取开都河流域为研究区域,将MODIS反演得到的积雪产品数据与地形地物数据结合,并通过降噪自编码神经网络(Denoising Autoencoder Artificial Neural Network)、极值雪线法相结合的方法来定量地回归补全高山复杂地形下由于云覆盖导致的积雪缺失数据,从而得到无缺失的逐日雪盖数据.其中,降噪自编码神经网络融合多特征数据,建立地形特征与雪粒径数据之间的非线性映射关系,从而来补全云层下的雪粒径数据;极值雪线法主要用来去除低海拔地区误报值,进一步提高雪盖提取精度.采用MODIS积雪产品对去云结果开展精度验证,本文所提出的去云方法的精度超过86%,有效地提高了雪盖提取精度.因此,本文所提的算法可以有效地去除复杂地形区域的云覆盖.

2002—2021年北半球中高纬度典型山脉积雪的时空变化对比分析

积雪是冰冻圈的重要组成部分,其对气候变化的响应存在明显的空间差异。阿尔泰山脉、阿尔卑斯山脉和喀斯喀特山脉分别是亚洲、欧洲和北美洲最重要的山脉之一,三条山脉同处于北半球中高纬度,具有丰富的积雪资源。本文基于MODIS每日积雪产品,获得阿尔泰山脉、阿尔卑斯山脉和喀斯喀特山脉的积雪覆盖率、积雪日数、积雪初日和积雪终日四个积雪参数,对比分析了三条山脉2002—2021年积雪的时空变化,并研究了气候因子对积雪参数的影响。结果表明,三条山脉积雪参数的空间分布差异明显。阿尔泰山脉积雪覆盖率最大,积雪日数最长,积雪初日最早,积雪终日最晚,分别为38.00%、141 d、66 d、207 d;阿尔卑斯山脉的积雪覆盖率、积雪日数、积雪初日、积雪终日分别为21.68%、79 d、97 d、194 d;喀斯喀特山脉的积雪覆盖率最小,积雪日数最短,积雪初日最晚,积雪终日最早,分别为15.18%、56 d、103 d、183 d。就趋势而言,阿尔泰山脉积雪覆盖率增大,更早的积雪和更晚的融雪使积雪日数增加;阿尔卑斯山脉积雪覆盖率减小,更早的融雪使得积雪日数减少;喀斯喀特山脉积雪覆盖率增大,更晚的融雪使得积雪日数增加。各气候因子中,地表温度对三条山脉积雪的影响比降水大。对三条山脉积雪时空变化的一致性对比分析,有助于全面了解北半球中高纬度山区积雪对气候变化响应的时空差异。

雪粒径对积雪双向反射率的影响

雪粒径大小影响着积雪反照率的高低,从而影响着局地或全球能量收支平衡和气候变化,其影响程度取决于积雪本身的微物理特征和光学特性.在研究550～1030和1 640nm波长处积雪光学特性的基础上,采用辐射传输方程模拟并分析了雪粒径对积雪双向反射率的影响.模拟结果表明近红外通道1 030 nm是反演雪粒径的敏感波长,积雪双向反射率在该波段随粒径和观测角度变化明显,多角度遥感信息可以更有效地体现积雪的微物理特征和光学特性,为利用多角度遥感数据反演雪粒径提供理论基础.

基于POV-ray的行播作物方向亮温仿真研究

利用POV-ray光线追踪方法,对植被真实结构模型(CLAMP)生成的复杂行播场景下的方向亮温(DBT)进行快速演算,并针对CLAMP模型中集聚指数,平均叶倾角和叶面积指数,对冠层方向亮温的影响做敏感性分析,得到在不同参数输入条件下DBT的一些规律。结果表明,集聚指数可以有效地控制叶片在空间的分布情况,对于DBT的结果有较大影响;平均叶倾角对DBT的各向异性特征影响明显;叶面积指数是表征作物生长阶段的关键参数,对DBT的影响很大。

雪粒径高光谱遥感估算模型研究

雪粒径是影响全球/局地能量收支和表征积雪水热状态的重要参数,大面积监测和估算雪粒径的分布及大小对于全球/局地气候变化和水资源管理具有重要意义。目前遥感技术已成为大面积监测和估算雪粒径的重要手段。针对雪粒径的遥感监测与估算,该研究采用辐射传输模型模拟雪面可见光-近红外波段的光谱曲线,经过分析光谱曲线并结合一阶微分和累计差异值选取对雪粒径敏感的波段和积雪指数,建立单变量雪粒径高光谱遥感估算模型,并用地面实测数据进行验证,结果表明,单波长1 030nm,1 260nm和归一化差值积雪指数(460和1 030nm)构建的估算模型预测精度较高,雪粒径估算值与实测值的相关斜率分别为1.37,0.61和0.62,R2分别为0.82,0.86和0.93,RMSE分别为55.65,50.83和35.91μm,可用于雪粒径的估算研究。研究成果为雪粒径的高光谱遥感反演提供科学依据。

POV-ray应用于冠层可视光照和阴影组分比例变化分析

利用POV-ray快速计算三维冠层的四分量比例及孔隙率,在与计算机模拟模型对比结果、验证其可靠性的基础上,针对植被真实结构模型的主要参数对冠层四分量比例和孔隙率的敏感性进行分析。敏感性分析结果表明:当冠层为垄行结构时,相对于其他因素,行结构对四分量比例和孔隙率的影响占主导,因此当植被冠层为垄行结构时,四分量比例和孔隙率的变化较连续冠层更加复杂;集聚指数可以有效的控制叶片的空间分布模式,进而影响到视场中植被与土壤的相对面积比例,对于四分量比例和孔隙率结果有较大影响;叶倾角分布类型对四分量比例和孔隙率结果的各向异性特征影响明显;同时,通过对垄行作物3个典型生长期的四分量比例和孔隙率结果分析得出,在作物生长初期土壤对结果影响更大,在作物生长后期植被对结果的影响占主导,亮叶分量比例各向异性特征较为明显。研究表明,POV-ray是进行植被定量遥感研究的有利工具,具有较好的应用前景。

玛纳斯河流域山区雪粒径HJ-1卫星反演

雪粒径是影响雪面能量收支和表征积雪状态的重要参数,利用遥感手段定量反演雪粒径信息对雪水当量估算、流域水资源管理和局地气候变化研究等具有重要意义.针对新疆玛纳斯河流域山区积雪表层粒径地遥感反演,以渐近式辐射传输模型为基础建立雪粒径反演模型,利用HJ-1卫星多光谱数据得到玛纳斯河流域山区冬季积雪期和春季融雪期的雪粒径反演结果,并利用地面实测数据对反演结果进行验证,最后分析雪粒径随海拔的分布特征.结果表明:建立的雪粒径反演模型能够较好地描述雪粒径与卫星遥感信号间的定量关系;雪粒形状对反演结果影响较大,当选择适当的雪粒形状时,雪面粒径反演值与实测值较为吻合;海拔对雪面粒径的分布影响较大.

提高高校班主任自身素养的一些思考

高校班主任作为学校工作和各项规章制度的主要实施者和践行者,高校班级活动的组织者和管理者,大学生健全价值观念的引路者,身上肩负着神圣的社会责任。他们面对的学生都将会是未来社会的建设者和接班人,具有较高素养的高校班主任不仅是推动大学生成长成才的因素,更是推动高等教育目标实现的关键,因此在当代,就如何提高高校班主任的自身素养显得尤为重要。文章从实际工作经验出发,提出:一个优秀的高校班主任应该具备过硬的组织管理能力、较高的政治思想觉悟、高水平的的道德、专业和心理素养、生动的语言表达能力、敏锐的观察力、丰富的人生阅历以及良好的协调沟通能力。

利用多光谱卫星遥感和深度学习方法进行青藏高原积雪判识

青藏高原积雪对全球气候变化十分重要,针对已有积雪遥感判识方法中普遍采用的可见光与红外光谱数据易受复杂地形与高海拔影响,导致青藏高原地区积雪判识精度较低的问题,提出了一种基于多光谱遥感与地理信息数据特征级融合的积雪遥感判识方法:以风云三号卫星可见光与红外多光谱遥感资料与多要素地理信息作为数据源,由地面实测雪深数据与现有积雪产品交叉筛选出样本标签,构建并训练基于层叠去噪自编码器(SDAE)的特征融合与分类网络,从而有效辨识青藏高原遥感图像中的云、积雪以及无雪地表。经地面实测雪深数据验证,该方法分类精度显著高于使用相同数据源的FY-3A/MULSS积雪产品,略高于国际主流积雪产品MOD10A1与MYD10A1,并且年均云覆盖率最低。试验结果表明该方法可有效地减少云层对积雪判识的干扰,提升分类精度。

基于改进U-Net网络的遥感图像云检测

为了解决U-Net模型应用于云检测时对碎云和薄云存在漏检的问题,本文提出了一种改进的U-Net网络模型,并应用于FY-4A数据进行云检测。首先,利用国家气象卫星中心提供的云检测产品生成二分类云标签;其次,将U-Net模型的编码器与残差模块相结合,使得网络参数共享,并避免深层网络的退化问题;最后,在解码器中融入密集连接模块,将浅层特征与深层特征进行连接,便于获取新的特征,并提高特征使用率。试验结果表明,模型在测试集上的IOU值和Dice系数分别为91.5%和95.2%,可以很好地检测出薄云及大量碎云,效果明显优于U-Net模型。

基于实测数据的新疆富蕴季节性积雪光谱分析

使用FieldSpec 3(350～2 500nm)光谱仪野外测得新疆富蕴地区季节性积雪光谱,与冰对比得出了该地区典型季节性积雪光谱特征,并分析了太阳高度角、坡度、雪深、污染物浓度对积雪光谱的影响。研究结果表明:积雪反射率在可见光波段较高,随波长的增加逐渐减小;随着太阳高度角的增大积雪反射率逐渐降低,且在1 090和1 300nm对太阳高度角的变化敏感;坡度的存在使积雪反射率大幅上升;在一定深度范围内,积雪反射率随雪深的增加而增大,在400～500和1 250～1 320nm,反射率对雪深变化敏感;随着污染物的增加,积雪反射率在可见光波段明显下降,且波峰波谷趋于平缓。季节性积雪的光谱测量和分析工作对于积雪参数的监测和反演具有重要意义。

基于DeepLab v3的西藏地区降雨云团分割方法

针对高原地区数值预测法建模复杂,雷达回波外推法易产生累积误差且模型参数难以设置的问题,提出了一种基于改进DeepLab v3网络模型的西藏地区降雨云团的分割方法。首先,通过编码网络中的卷积层和残差模块进行下采样;然后,利用空洞卷积构建多尺度采样模块,并且加入注意力机制模块提取深层高维特征;最后,通过解码网络利用反卷积恢复特征图分辨率。将所提方法与谷歌语义分割网络DeepLab v3等模型在验证集上进行比较,实验结果表明所提方法具有更好的分割性能与泛化能力,其降雨云团分割结果更为准确,平均交并比(Miou)达到0.95,与原始DeepLab v3相比提高了15.54个百分点。在小目标上和非平衡数据集上,该方法可以更准确地分割出降雨云团,为降雨云团监测预警提供参考。

基于FY-3A/VIRR数据的雪盖信息提取软件设计与实现

目前基于FY-3A/VIRR资料的处理研究较少且VIRR数据量庞大,一些商用遥感图像处理软件很难直接完成对图像的预处理工作,这样对后续的定量化反演以及对FY-3A/VIRR的推广使用带来了困难。为了解决业务化问题,运用改进的归一化积雪指数(NDSI)、综合阈值判别算法和IDL、VB混合编程技术相结合的方法设计了积雪信息批量提取软件,实现了针对FY-3A/VIRR数据的单幅图像或多幅图像的积雪信息提取以及精度验证。实验表明,该软件处理速度快、实时性好、可批量提取积雪信息,大大节省了人力资源,同时提高了VIRR数据的分发和共享能力,可以在今后的工业生产和自动化领域推广使用。

基于卫星可见光扫描辐射计逐日数据区域雪情监测方法研究

VIRR是FY-3卫星上搭载的遥感探测传感器之一。利用VIRR逐日数据进行区域雪情监测,首先对数据作辐射校正、几何校正等相应预处理,然后计算归一化积雪指数(NDSI),并结合通道2、9反射率设定综合阈值进行积雪信息提取,并可利用降雪周期内逐日积雪数据去云处理,实现地区连续降雪最大雪盖统计以便于分析雪情。根据区域地面站实测数据对监测结果进行精度分析验证。研究表明,利用VIRR资料能够有效提取积雪信息,反映地区积雪实情,可推进国产卫星在灾害预警系统中的应用。

2003—2020年新疆北部积雪因子时空变化分析

积雪作为冰冻圈的活跃因子之一,对气候环境的敏感性使其能够快速反映出与气温、降水等气候因素的关系变化,并影响着全球水文变化。对新疆北部地区2003年6月—2021年6月的中分辨率成像光谱仪(moderate resolution imaging spectrometer,MODIS)逐日积雪数据进行去云处理,并基于像元计算了积雪覆盖比例(snow cover percentage,SCP)、积雪覆盖日数(snow cover days,SCD)、积雪开始时间(snow onset day,SOD)和积雪结束时间(snow end day,SED)。实验结果表明:积雪产品相对于气象站点数据的总精度达到91.47%,有利于提高对积雪因子的时空变化分析。新疆北部地区SCD空间分布差异较大,SCD随海拔的升高而增加,SOD随海拔升高而提前,主要在11月和12月出现;SED随海拔升高而推迟,主要在2月和3月出现;夏季平均SCD最少,主要分布于天山中部以及阿尔泰山北部区域,约占3.35%,冬季平均SCD最为明显,大于60 d的区域占46.3%;而SCP在1月达到最大,7月和8月最小。趋势变化上,SCD、SOD以及SED均无明显变化趋势,SCD整体西部呈弱上升趋势,占51.72%,东部呈弱下降趋势,占48.28%;新疆北部以西SOD呈提前趋势,新疆北部以东SOD呈推迟趋势,SED整体呈提前趋势。温度对SCD的影响大于降水量;春夏季,SCD与温度、降水量无明显相关性,仅准噶尔盆地东部春季平均SCD与温度呈强正相关;秋冬季,SCD与降水量、温度分别呈现较强的正负相关性。

FY-3C VIRR和Terra MODIS NDVI产品在湘赣地区的一致性

卫星遥感是监测大范围植被动态变化最有效的手段。随着中国遥感技术的发展,国产风云卫星也逐渐应用于植被变化研究,但有关国产风云卫星刻画植被动态变化表现方面仍不明晰。比较了国产风云卫星(FY-3C VIRR)和美国Terra卫星(MODIS)的归一化植被指数(normalized difference vegetation index,NDVI)产品在湖南省和江西省的时空一致性。结果表明:①两种卫星NDVI产品的空间分布与年、季、月的变化特征在湘赣地区有较好的一致性,江西省NDVI整体高于湖南省;②FY-3C和MODIS年均NDVI都呈现出2018年高于2017年和2019年的情况,基于MODIS的湘赣地区三年的年均NDVI(0.58)高出FY-3C(0.36)约60%;③FY-3C NDVI在各季节都整体低于MODIS NDVI,其中冬季差异最大,基于MODIS NDVI均值(0.42)约是FY-3C(0.21)的2倍,其余季节MODIS高出FY-3C约50%;④FY-3C NDVI与MODIS NDVI月变化趋势基本一致,二者年最大NDVI差异变化不大且较为稳定,年最小NDVI差异方面更明显且差异较大(MODIS年最小NDVI高出FY-3C约100%)。研究结果可为国产风云卫星检测典型地区植被动态变化特征的能力提供科学参考。

中国资源卫星现状与应用趋势概述

世界遥感卫星的发展历史只有三十多年,但在这短短的三十多年中,遥感卫星技术的进步幅度之大,速度之快出乎人们意料,而未来的发展更为令人瞩目。本文对我国遥感卫星的现状进行了分析,通过卫星指标、载荷指标、产品应用等方面介绍了中国资源卫星的现状,还介绍了国际合作情况。通过这些对比和分析,发现遥感卫星的发展趋势主要是朝着小型化、商业化的高分辨率方向发展。

基于全卷积神经网络的多源高分辨率遥感道路提取

针对半自动道路提取方法人工参与较多、提取精度不高且较为耗时的问题提出一种基于全卷积神经网络(FCN)的多源高分辨率遥感道路提取方法。首先,对高分二号和World View图像进行分割,用卷积神经网络(CNN)分类出包含道路的图像;然后,用Canny算子提取道路的边缘特征信息;最后,结合RGB、Gray和标签图放入FCN中训练,将现有的FCN模型拓展为多卫星源输入及多特征源输入的FCN模型。选取西藏日喀则地区作为研究区域,实验结果显示,所提方法在对高分辨率遥感影像进行道路提取时能够达到99.2%的提取精度,并且有效地减少了提取所需的时间。

基于PPMU-net的多特征高分辨率遥感道路提取

针对复杂地形条件下道路特征选取不具代表性,分割精度低的问题,提出了一种基于卷积神经网络(PPMUnet)的高分辨率遥感道路提取的方法。将3通道的高分二号光谱信息与相应的地形信息(坡度、坡向、数字高程信息)进行多特征融合,合成6通道的遥感图像;对多特征的遥感图像进行切割并利用卷积网络(CNN)筛选出含道路的图像;将只含道路的遥感图像送进PPMU-net中训练,构建出高分辨率遥感图像道路提取模型。在与U-net神经网络、PSPnet神经网络相比时,所提的方法在对高分辨率遥感道路提取时能够达到较好的效果,提高了复杂地形条件下道路分割的精度。