基于ESTARFM模型的农作物类型识别方法应用

【目的】利用时空融合技术生成高时空分辨率影像,为农作物类型识别研究提供一种思路和方法。【方法】以河套灌区部分区域(40°10′N~41°25′N、106°23′E~108°47′E)为研究区,基于MODIS和Landsat融合影像,利用增强型时空自适应反射率融合模型(ESTARFM),预测Landsat影像并建立NDVI时间序列影像数据集。结合地面样方数据将真实影像与预测影像数据集导入随机森林分类器,并对比分析研究区主要农作物类型。【结果】ESTARFM模型融合影像具有较清晰的空间表达能力,预测影像与真实影像波段表现出较好的相关性,其R值均能达到0.6以上。利用NDVI时间序列预测影像数据集农作物类型识别总体精度为93.03%,比真实影像精度高12.07%,Kappa系数为0.89。【结论】ESTARFM模型能够有效地解决农作物特定窗口期影像缺失困难,并能为农作物类型识别研究提供一种较好的应用方法。

五种典型遥感时空信息融合算法在湿地区域植被指数重建中的适用性比较

为探讨不同遥感时空信息融合算法在水陆转换频繁、地物类型多样的湿地区域的适用性问题,该文以鄱阳湖样区为研究区,选取5种典型的时空信息融合算法(STARFM,ESTARFM,FSDAF,Fit-FC和STNLFFM)。根据不同时期地物差异状况,选取Landsat和MODIS遥感数据分别开展枯水期、平水期2个时段的归一化植被指数(normalized difference vegetation index,NDVI)影像融合实验,并在空间和光谱2个维度进行算法精度评估。结果表明,仅一对粗细分辨率影像输入时,FSDAF算法在枯水期的融合预测效果最好,总体误差为0.4335;STNLFFM算法在平水期的融合预测效果最好,总体误差为0.5147;同时应用枯水期、平水期2对粗细分辨率影像时,ESTARFM算法融合预测效果最好,总体误差为0.4670。不同时空信息融合算法在湿地地区的适用性与研究区域内水体面积的占比情况有关,STNLFFM算法在水体区域的融合预测效果最好。

南京地区蒸散发降尺度研究——基于增强型时空自适应反射融合模型

蒸散发是水文循环的重要组成部分,获取高时空分辨率的数据能够更加精细化蒸散发的时空变化规律,对于水资源管理、生态水文过程量化具有重要意义。由于单一传感器反演的蒸散发无法同时具有高空间和高时间分辨率,以南京地区为例,首先结合Landsat-8遥感影像数据和气象数据,采用基于能量平衡原理的SEBS模型估算日蒸散量。在此基础上,选取典型区域采用基于增强型时空自适应反射融合模型(ESTARFM)将估算的蒸散发结果与低空间分辨率的MOD16A2蒸散发产品数据进行时空融合降尺度研究,并评价模型的融合精度。结果表明:(1)SEBS模型估算的蒸散发结果与蒸发皿折算后的数据、MOD16A2产品数据的平均相对误差分别为0.14 mm/d和0.22 mm/d。(2)南京地区蒸散量季节差异明显,表现为夏季>秋季>冬季;各区在夏季的日平均蒸散量差异也较大,六合区蒸散量最大,秦淮区最小;另外,蒸散量分布受土地利用类型的影响,总体上表现为水域>林地>耕地>草地>其他,且植被覆盖度较高的区域蒸散量较大。(3)基于ESTARFM模型融合的蒸散发结果与基于Landsat-8遥感影像反演的蒸散发数据在空间分布上具有相似性,二者相关系数为0.74。在全球气候变化的背景下,本研究可为蒸散发数据集时空分辨率的提高提供参考,同时也能够为南京地区水循环过程和水资源管理研究提供数据支撑。

天山北坡中段山区植被覆盖管理措施因子的时空格局动态变化

植被覆盖管理措施因子(Vegetation cover and management factor,以下简称C因子)是评估植被因素抵抗土壤侵蚀的能力及准确估算土壤侵蚀模数的重要参数,而区域尺度C因子高质量时间序列的准确估算和空间特征对于土壤侵蚀预测、水土保持规划尤为重要。为研究天山北坡中段山区C因子时空动态,采用线性光谱混合模型(Linear Spectral Mixture Model,LSMM)、像元二分模型、增强型自适应反射率时空融合模型(Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model,ESTARFM)等方法计算C因子,定量分析2000—2018年研究区C因子的时空格局特征,并对不同土地利用类型的C因子进行分析。结果表明,时间上,2000—2018年C因子总体呈现先上升后下降的趋势,不同时段C因子值不同,表现为秋季>春季>夏季、旱季>雨季。空间上,南部高山区(海拔>3000 m)的C因子值较高,北部中低山丘陵区(2000 m<海拔<3000 m)的C因子值较低。C因子值的分布与土地利用类型关系密切,表现为裸土地>其他林地>采矿用地>内陆滩涂>其他草地>农村宅基地>灌木林地>旱地>天然牧草地>风景名胜设施用地>水浇地>人工牧草地>乔木林地。本研究探究C因子遥感定量估算方法,分析不同土地利用格局对C因子的影响,为开展大尺度C因子的准确估算及不同土地利用格局水土保持效益的综合评价提供了参考。

鄱阳湖洪泛系统水位-面积迟滞关系的形成机制及演变

鄱阳湖是连接长江的吞吐型湖泊,洪泛特征明显,湖泊水位和淹没面积的季节变化和空间差异悬殊,表现出高度的非线性特征。基于2000~2018年鄱阳湖区多源遥感数据和实测湖泊水位数据,采用ESTARFM (Enhanced Spatial and Temporal Adaptire Reflectance Fusion Model)融合模型重构高时空分辨率淹水数据的方法,研究分析了鄱阳湖水位-面积迟滞关系形成机制与演变规律。结果表明:鄱阳湖水位-面积迟滞关系空间差异显著,同时存在逆时针和顺时针两种迟滞形式,其形成机制主要归因于湖泊上、下游表现出的河、湖相洪泛特征以及汇、排水过程的差异;鄱阳湖洪泛区广泛存在的碟形湖对增大鄱阳湖区上游站点迟滞度,减小下游迟滞度具有重要影响;近年来,受区域气候变化、湖区采砂活动以及三峡工程建成运行等造成的湖泊本身泄流能力和流域来水变化的影响,鄱阳湖区不同站点的水位-面积迟滞关系发生了显著变化。三峡工程多阶段实验性蓄水前后,以湖口、星子和都昌站为代表的北部湖区水位-面积关系迟滞度在2000~2003、2004~2009和2010~2018年分别呈现出先增大后减小的过程,而棠荫和康山站为代表的南部湖区则呈现出先减小后增大的过程。研究结果对于深化通江湖泊洪泛系统水文复杂性的认识、促进湖泊生态系统的管理实践具有重要的科学意义。

巴音河流域高时空分辨率叶面积指数数据集

叶面积指数(Leaf Area Index,LAI)是表征地表特征变化的重要指标之一,也是陆表、水文等模型的重要参数。本数据集是基于增强型时空自适应反射率融合模型(ESTARFM),将全球陆地表层卫星(GLASS)LAI(8d/500m)、中分辨率成像光谱仪(MODIS)MOD13A1和MYD13A1、陆地卫星Landsat-7 ETM+和Landsat-8 OLI数据,进行融合,得到8 d/30 m分辨率的LAI,通过分段线性内插最终得到巴音河流域高时空分辨率LAI(1 d/30 m)。对比高时空分辨率LAI(1 d/30 m)与GLASS LAI产品的时空特征,验证数据集精度。结果表明:与原始GLASS LAI相比,本数据集在空间上具有与GLASS LAI一致的分布特征,且轮廓与纹理更为清晰。在时间上,二者具有相同的月际变化特征,且由1 d/30 m LAI估算的区域月平均LAI和区域8日平均LAI与原始GLASS LAI存在显著正相关性,R2分别为0.95、0.94,Pearson积矩相关系数均为0.97,P值均小于0.01。此数据集可为陆表过程、水文循环等模拟提供重要的数据支持,为监测植被-陆表-大气循环的变化提供重要依据。