基于无人机高光谱遥感的水体CHL-a反演

无人机平台搭载高光谱传感器获取的高光谱数据具有高分辨率、波谱丰富的特点,本研究基于实测采样点光谱特征、采样点CHL-a浓度,采用相关性分析的方法选取最优波段,构建水体CHL-a反演模型,应用于无人机高光谱数据进行CHL-a的反演监测。结果表明:通过分析单波段、一阶微分值与CHL-a参数,发现使用674 nm、570nm波长构建的一阶微分与水体CHL-a构建的线性反演模型,具有较高的相关性与精度,可满足对小中型地表水体叶绿素的快速反演监测。基于反演结果构建空间分布图,实现水质参数的可视化。

基于Sentinel-2多光谱遥感影像的小浪底水质反演

多光谱遥感技术可根据遥感波段信息反演水质参数,降低监测成本,提高监测速度和质量,为大范围水环境监测提供了一种新的方法。通过分析小浪底水库的Sentinel-2多光谱影像以及采样点实测水质数据,建立了最佳光谱波段的水质参数反演模型,对小浪底水库的化学需氧量(COD)、总磷(TP)、总氮(TN)和氨氮(NH_3-N)进行了遥感反演,验证了反演模型的精确度和稳定性,并反演了各水质参数的空间分布规律。结果表明:在4种水质参数反演模型中,COD模型精确度和稳定性最高,其次是TP、TN,最低的是NH_3-N,水库出水口和部分边缘COD质量浓度较高,水库中心TN、TP和NH_3-N质量浓度高于边缘处。

基于多源遥感数据与模型对比的冬小麦土壤含水量区域监测研究

实时、精准的土壤水分含量监测是农业用水管理的基础,探究冬小麦土壤水分反演的最优模型对于提高农业用水效率和可持续发展均具有重要的意义。本研究以河南省鹤壁市浚县冬小麦种植区域的土壤水分含量为研究对象,采用无人机遥感数据、卫星遥感数据、田间采样数据,分别运用温度植被干旱指数模型、水云模型和改进的水云模型3种方法,进行土壤含水量反演对比分析与最优模型选择。结果表明,3种方法中10 cm深度的反演精度均高于20 cm,且R^(2)均大于0.4。其中采用改进的水云模型方法在10 cm深度的R^(2)为0.7055、RMSE为0.0209,20 cm深度的R^(2)为0.5069、RMSE为0.0271,优于水云模型和温度植被干旱指数的反演效果。因此,改进的水云模型是一种适合用于麦田土壤水分反演的方法,它能够提供较高的反演精度。

基于不同遥感影像的无控水深反演精度比较

为检验无控制点的遥感水深反演在不同空间分辨率遥感影像下的适用性和测深精度,介绍并推导了无实测控制点的双波段对数线性分析算法,基于空间分辨率为2 m的WorldView-2影像、10 m的Sentinel-2影像和16 m的GF-1 WFV4影像,以赵述岛和甘泉岛为研究区域,反演水深值,并将反演结果与实测水深进行对比及精度评价分析。结果显示:两个研究区域WorldView-2影像的无实测控制点水深反演模型精度最高,Sentinel-2影像的水深反演精度较好,GF-1 WFV4影像的水深反演精度最低,且遥感影像的空间分辨率、辐射分辨率和无控制点几何定位精度对无实测控制点的双波段对数线性分析模型的水深反演结果存在影响。

基于无人机偏振遥感的水稻冠层氮素含量反演模型

受水稻冠层几何结构的影响,传统的无人机高光谱获取到的反射光谱信息中包含与水稻内部组成物质无关的镜面反射信息,从而影响水稻氮素含量的反演精度,因此在利用无人机获取水稻冠层反射光谱信息时,有必要考虑通过偏振测量技术去除反射光谱中的镜面反射分量,进而实现提升水稻氮素含量反演精度的目的。基于无人机偏振遥感测量得到的水稻分蘖期多角度偏振光谱数据和与之对应的氮素含量数据,采用植被指数方法分析二者之间的相关性,得到了水稻冠层偏振光谱数据与其对应氮素含量相关性最高时对应的角度,选取该观测角度下的偏振光谱数据,利用连续投影法(Successive projections algorithm,SPA)提取特征波段,在此基础上,基于数学变换的方法,提出了构建植被指数的新思路,构建了由2个波段组成的偏振光谱植被指数(Polarisation spectrum vegetation index,PSVI),并利用线性回归方法建立水稻冠层氮素含量的反演模型。结果表明,通过对不同观测天顶角下水稻冠层偏振光谱数据与氮素含量相关性分析,得到最佳观测角度为-15°(后向观测15°);利用连续投影法提取得到该角度下偏振光谱信息中的6个特征波长为500、566、663、691、736、763 nm;运用数学变换思想构建了由波长500 nm和566 nm组成的偏振光谱植被指数(PSVI);将PSVI作为模型输入,利用线性回归方法建立水稻冠层氮素含量反演模型,模型训练集R^(2)为0.7838,RMSE为0.428 mg/g;验证集RMSE为0.662 mg/g,反演结果优于差值植被指数(Difference vegetation index,DSI)、比值植被指数(Ratio vegetation index,RVI)等常见的植被指数构建的氮素含量反演模型。综上,基于无人机获取的水稻分蘖期偏振光谱数据,以PSVI植被指数作为模型输入,能提升水稻冠层氮素含量的反演精度。

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。

融合多源遥感数据的夏玉米土壤水分反演方法对比研究

为了解决在夏玉米植株高度较高(>1.5 m)情况下,无人机遥感土壤水分反演过程中冠层与地表之间多次散射对微波后向散射的衰减问题,寻找合适的反演方法。通过融合运用无人机多光谱和热红外数据、Sentinel-1A SAR卫星数据,结合田间实测数据,对植被覆盖下的土壤水分反演与精度验证进行研究;采用温度植被干旱指数(TVDI)、水云模型(WCM)以及引入MIMICS模型参数的改进水云模型(Improved WCM)3种方法进行土壤水分反演。其中,TVDI方法拔节期反演精度R2为0.50(10 cm)和0.42(20 cm),乳熟期反演精度R2为0.49(10 cm)和0.46(20 cm);WCM方法拔节期反演精度R2为0.53(10 cm)和0.44(20 cm),乳熟期反演精度R2为0.18(10 cm)和0.02(20 cm);Improved WCM方法拔节期反演精度为0.76(10 cm)和0.69(20 cm),乳熟期反演精度为0.78(10 cm)和0.74(20 cm)。采用引入MIMICS模型参数的改进水云模型方法得到的夏玉米2个生育期的反演效果,明显优于水云模型方法和温度植被干旱指数方法;3种方法的2个生育期反演精度均为10 cm高于20 cm。因此,引入MIMICS模型参数的改进水云模型方法更适合于玉米植株较高情况下的10 cm土壤含水量反演。

基于Landsat8的沱沱河流域总氮和氨氮反演模型研究

将沱沱河流域2021年6-7月TN、NH_(3)-N的实测值和Landsat 8影像的41种波段组合的反射率建立反演关系,筛选出拟合度较高的波段组合与实测值以线性、二次多项式、对数函数、指数函数和幂函数的方式建立反演模型。结果表明,Landsat 8影像的B4、B5、B6和B7波段反射率与TN、NH_(3)-N值呈显著相关性;B4+B5+B7波段组合与TN值具有较高的拟合度,B6/B7与NH3-N值具有较高的拟合度。将2021年8月的遥感影像利用模型反演TN、NH_(3)-N的预测值,并与实测值进行模型精度验证,TN值反演模型的MAE为13.89%,RMSE为0.152 mg/L,NH_(3)-N值反演模型的MAE为5.87%,RMSE为0.077 mg/L。

基于网格搜索优化CatBoost模型的GF-5卫星影像铬离子含量反演研究

高光谱遥感技术以其低成本、高效率、广泛覆盖范围、宏观性强和动态监测能力等优势而受到关注。利用高光谱遥感技术,对安图县新合乡尾矿库土壤中六价铬离子污染状况进行有效监测;以高分五号(GF-5)卫星的高光谱遥感影像及实测土壤样本为数据源,基于皮尔逊相关系数、波段加法和比值指数,提取与土壤重金属含量变化相关的特征,构建反演模型。首先,剔除预处理后的遥感影像中饱和、噪声和水汽吸收波段,同时利用各波段反射率进行代数运算构建加法和比值指数,计算其与实测铬离子含量数据的皮尔逊相关系数;然后,基于皮尔逊相关系数得到的前50最高相关特征变量,采用网格搜索优化的CatBoost回归,建立土壤六价铬离子含量反演模型,并使用SHAP方法评估特征重要性,探究影响GF-5反演土壤重金属重要波段。结果显示,在相同光谱变换条件下,与偏最小二乘回归(PLSR)、随机森林回归(RFR)、支持向量机回归(SVMR)、卷积神经网络(CNN)和多元逐步线性回归模型相比,网格搜索优化的CatBoost模型效果最好,训练集拟合优度为0.92,验证集为0.88。利用网格搜索优化CatBoost回归模型对吉林省安图铬渣填埋场进行了土壤六价铬离子含量反演,结果显示该区域尾矿库开采区域周边六价铬离子污染严重,这与该地矿山开采和尾矿堆放实际情况基本一致。该研究为土壤重金属污染监测和环境管理提供了重要的技术手段和科学依据。

胶州湾海域海水浊度和悬浮物粒径分布及遥感反演模型

为拓展无人机搭载多光谱相机在海上应用的广度和精度,利用2021年1月、3—7月共6个航次的胶州湾海域现场观测数据,采用多种数理统计方法,开展了海水浊度和悬浮物粒径时空分布特征及基于多光谱数据的遥感反演研究。浊度和悬浮物粒径的分析结果表明,胶州湾湾内海域表层浊度冬季偏低,春夏季高,特别是5月浊度最高,是春季水华暴发浮游植物大量繁殖的结果。胶州湾悬浮颗粒以极细砂为主;悬浮物粒径冬季较粗、春季较细、夏季最小,与水动力条件的季节变化密切相关。将多光谱数据计算得到的不同波段离水辐照度反射率与浊度和悬浮物粒径分别进行相关性分析,结果显示红光波段(660~680 nm)的辐照度反射率对浊度和粒径参数最敏感。基于红光波段的波段组合构建了多种函数类型的浊度反演模型,基于450和660 nm处的离水辐照度反射率构建的多项式模型反演效果最好,预测浊度与实测浊度的相关系数为0.82,预测浊度的均方根误差为1.448 FTU。通过基于红光波段的波段组合以及后向散射系数分别构建平均粒径的反演模型,基于555和660 nm处的离水辐照度反射率构建的多项式模型对平均粒径有较好的预测效果,预测结果的均方根误差为0.051φ,平均相对误差为1%。已构建的基于胶州湾海域的两类遥感反演模型可以推广应用到其他二类水体。

基于高光谱遥感的土壤有机质反演模型研究进展

利用高光谱遥感反演土壤有机质与传统的化学分析方式有很大的优势,促进现代农业的发展。国内外利用高光谱反演土壤有机质含量模型进行了大量的研究,从最初的线性回归模型发展到如今较为复杂的非线性模型,该文总结了常见的高光谱对有机质含量建模方法与模型特点。通过分析总结前人的研究发现,目前土壤有机质含量模型研究进展主要有运用的模型复杂化、反演模型的评价方法多样化、多种建模方法综合应用及深度学习大数据分析新技术更加普遍。

基于底质分类的浅海海域遥感水深反演

近年来,卫星遥感影像水深反演一直是国内外研究热点,以往的遥感影像水深反演模型多基于底质均一的条件,缺乏对混合海底底质的研究。针对此问题,本文提出基于底质分类视角的遥感影像水深反演模型。以中国海南岛周边的蜈支洲岛与附近卫星影像为试验数据,对其进行预处理与底质分类后,分别使用双向长短期记忆网络(Bi-LSTM)模型、Stumpf模型与一维卷积神经网络(1D-CNN)模型进行水深反演,分析底质分类前后水深反演结果与不同模型的水深反演结果。结果表明,不同模型在底质分类后水深反演精度均高于底质分类前水深反演精度。Bi-LSTM模型的水深反演精度最高,底质分类后遥感影像水深反演的平均绝对误差、均方根误差与决定系数分别为0.333 m、0.474 m、0.814 m,均优于对比模型。

基于遥感海浪信息的近岸水深反演模型

基于遥感影像的测深技术具有易获取、成本低和覆盖率大等优势,是目前的研究热点问题之一。为在波浪折射的基础上,进一步综合考虑绕射及非线性的影响,本文提出了一种基于海浪波数和波高信息的近岸水深反演模型。将模型与Berkhoff椭圆形浅滩理想试验对比,平均误差为0.13%,显著小于现有基于频散关系反演水深的方法。进一步应用模型反演三亚湾近岸地形,通过与海图对比,平均误差为11.58%,且大部分区域的误差小于10%。部分区域误差较大,主要是由于遥感影像获取的波数空间分辨率和精度较低。以上结果表明该模型可以利用遥感海浪信息较准确推算近岸水深。本文对于近岸浅海区的水深反演工作具有一定的参考价值。

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。

单源能量平衡模型反演灌溉牧草场实际蒸散量及其时空特征分析

水资源短缺是制约干旱地区经济发展的重要因素,所以探究干旱地区生长季人工灌溉牧草实际蒸散量时空变化规律非常必要。本研究使用2013~2021年Landsat-8OIL影像基于pySEBAL模型结合气象站数据反演锡林浩特市沃原奶牛场种植基地人工灌溉牧草实际蒸散量。结果表明:由于人工灌溉牧草水分充足,该区域实际蒸散量较高,介于0~10 mm/d、50~200 mm/m之间。研究区牧草生长季(5~9月)实际蒸散量变化规律整体呈“单峰型”,其中峰值日为2014年7月25日(5.46 mm/d),峰值月为7月(155.71 mm/m),种植区界限随牧草蒸散量升高而清晰。此外,实际蒸散量变化规律与降水频率和降水量也有很好的相关性。模型反演所得实际蒸散量与FAO Penman-Monteith算法结果比较(R2 = 0.7504、RMSE = 1.2575 mm/d、MRE = 0.9366 mm/d),模型整体精度较高,能够较为准确地反映该区牧草实际蒸散情况。反演结果基本符合实际情况,可以为人工灌溉牧草用水管理提供方案,为政府合理政策制定提供依据。

基于多源遥感数据的太湖总磷和颗粒态磷遥感模型构建与应用

项目基于多源遥感数据和陆基近感高光谱数据,结合长期原位观测数据和机器学习算法,构建了基于多源卫星和陆基近感的太湖总磷和颗粒态磷反演模型;阐明了太湖总磷和颗粒态磷的时空变化规律,耦合同步气象水文数据,揭示了太湖总磷和颗粒态磷关键影响因子和作用机制;项目分析了太湖生物光学特性的变化特征及其与总磷、颗粒态磷以及悬浮物、叶绿素a等水质参数之间的偶联关系,研发了太湖总磷和颗粒态磷遥感监测系统,实现了遥感监测结果实时监测与报送、跟踪评价和回顾性分析,为太湖水环境监测预警和管理提供科技支撑。

基于PROSAIL模型的水稻叶片生物量反演

为解决水稻叶片生物量反演模型普遍存在的泛用性与机理性较差的问题,利用无人机高光谱遥感平台获取水稻冠层400~1 000 nm的高光谱反射率信息,对PROSAIL模型进行参数敏感性分析,根据分析结果利用连续投影法提取敏感波段,在此基础上,结合PROSAIL作物辐射传输模型与水稻高光谱数据,运用秃鹰算法(BES)对PROSAIl模型的生物量参数进行数值优化,从而快速、精准实现水稻关键生育期的叶片生物量反演。结果显示:运用改进Sobol方法对水稻叶片生物量进行全局敏感性分析,敏感区间为700~1 000 nm。对敏感区间内光谱利用连续投影法提取了750、788、898、940、962、999 nm等6个水稻叶片生物量特征波长。结合PROSAIL模型与BES优化算法,构建了PROSAIL-BES数值优化方法。以水稻特征波段光谱反射率为模型输入,通过PROSAIL-BES数值优化方法对PROSAIL模型参数进行校正,叶片生物量反演结果 R2为0.694,RMSE为0.002。结果表明,与传统机器学习模型的反演结果对比,PROSAIL-BES数值优化方法具有更好的反演精度,在水稻生物量反演领域具有较好的实用价值和应用潜力。

基于定量遥感反演与生长模型耦合的水稻产量估测研究

作物遥感估产是农业遥感技术应用与研究的重点领域。在黑龙江省不同的种植区域下,采用GPS定位调查、定量遥感反演与产量形成过程模型相偶合的研究方法,进行了水稻产量估测研究。结果显示,水稻产量的预测值在6740～9600kg/hm2之间,实测值在6500～9500kg/hm2之间,二者总体上表现较为一致,预测水稻产量的RMSE为494.62kg/hm2,相对误差在0.23%～12.39%之间,平均为5.13%。表明采用定量遥感反演与生长模型耦合的模式可以对不同区域的水稻产量形成情况进行监测预报。

基于多源遥感数据的高寒草地生物量反演模型精度——以夏河县桑科草原试验区为例

基于MODIS、Landsat-8 OLI和HJ-1A/1B CCD卫星遥感资料,结合2013-2014年甘南州夏河县桑科草原试验区野外实测数据,建立了高寒草地地上生物量遥感反演模型,筛选出基于不同遥感资料植被指数的生物量最优反演模型,比较分析了生物量最优模型的空间效应。同时,分析了2000-2013年基于MODIS植被指数估算的试验区产草量的年际变化特征。结果表明,草地生物量最优反演模型为基于Landsat-8 OLI NDVI数据的对数模型(y=727.54lnx1+495.23,R2=0.772,RMSE=31.333 kg DM·hm-2);在30和250 m空间分辨率下,基于MODIS NDVI及EVI、Landsat-8 OLI NDVI和HJ-1A/1B CCD NDVI最优模型估算的生物量均高于实测生物量,其中Landsat-8 OLI NDVI数据估算的草地生物量与实测生物量值最接近;2000-2013年试验区草地总生物量整体上具有显著增加的趋势(R2=0.590 7,P<0.001),平均增加速率达50.57 kg DM·hm-2·a-1。

呼伦湖多波段遥感水深反演模型研究

为探求呼伦湖水深分布及水下地形情况,以5组LandsatTM/ETM+影像数据及湖区分布的41个实测水深点为基础,应用太阳光波段及热红外辐射波段组合模型进行水深模拟,通过对模型验证及误差分析,得出最优模型为对数模型。进一步的敏感性分析表明,以波段6的敏感度为最大。应用最优模型对波段进行运算,反演效果较好,以2007-09-24为最优。其结果表明融入热红外辐射的多波段水深反演模型可适用于北方寒旱区水体。