Landsat9和Landsat8卫星数据应用对比研究

以Landsat8和Landsat9卫星在中国7个地区的42期影像作为数据源,通过比对其原始影像质量、归一化植被指数(Normalized Difference Vegetation Index,NDVI)和地表温度(Land Surface Temperature,LST)反演精度,客观评价Landsat8和Landsat9卫星数据的质量及应用精度,为Landsat遥感影像的科学研究及在中国地区的应用提供有价值的参考。采用目视判读法及原始影像特征数据(直方图、灰度均值、灰度方差、信噪比和熵)进行影像质量比对分析,利用相对偏差率(ME)、RMSE和MAE对比分析Landsat8和Landsat9的NDVI和LST反演精度,得到以下结论:原始影像质量评价显示,Landsat9数据光谱信息量更大、图层丰富、观测地物能力也更加优越。Landsat9获取的植被指数信号更强,Landsat9的NDVI标准差与Landsat8相比总体偏大,差值最大可达0.044,植被的可分性优于Landsat8;Landsat9的NDVI均值整体大于Landsat8,最大差值可达0.119。在经度85°~105°两个卫星的适用情况相似,而在其他地区Landsat9植被获取能力明显更强。此外,Landsat9 LST反演精度(RMSE=4.419 K,MAE=2.264 K)要优于Landsat8 LST(RMSE=5.133 K,MAE=2.488 K),与中国陆面数据同化系统(CLDAS-V2.0)近实时产品数据集的偏差率最小仅为0.068%。

BP神经网络在城市湖泊水深反演中的应用

水深遥感反演广泛应用于湖泊和近海水体的水深监测,其中统计回归法是较为常用的一种方法。但水深数据与光谱信息并非单一的线性关系,因此限制了模型的反演精度。本文基于LANDSAT9影像,利用SFIM融合算法提升了影像空间分辨率后,进而建立BP神经网络模型对水深进行反演,并与多元线性回归模型进行对比。结果表明,BP神经网络在城市湖泊水深反演过程中,精度显著优于多元线性回归模型,在一定程度上能应用于实际。

基于遥感影像的城市植被覆盖度监测研究

城市植被生长状态及分布密度对于城市生态环境有着重要影响,本文首先以近年来新开放的Landsat 9卫星影像数据为基础,分析研究卫星构成及影像特征,然后对其进行辐射定标、大气校正等,最后利用归一化植被指数(Normalized Difference Vegetation Index,NDVI)对城市植被覆盖率进行反演。结果表明:研究区植被覆盖率相对较高,平均值为60.17%,普遍为高植被覆盖度和较高植被覆盖度区域,较低和低植被覆盖度相对较少;从空间分布可得,浦口区、江宁区、溧水区植被覆盖度平均值均在60%以上,其他地区则低于60%。总体而言,研究区植被生态态势较好,植被覆盖度较高,同时利用Landsat 9卫星影像数据能够较为准确地反演城市植被覆盖度,为城市生态环境保护监管提供可靠数据支撑。

基于序贯高斯条件模拟的龙竹叶面积指数估测

叶面积指数(LAI)是评估森林生态系统健康状况的重要参数,为探究遥感数据在估测区域尺度森林LAI的能力,以搭载了先进地形激光测高仪系统(ATLAS)的冰、云和陆地高程卫星(ICESat-2)为主要信息源,协同陆地卫星(Landsat 9)及地形因子,结合51块实测样地数据,采用序贯高斯条件模拟(SGCS)方法与随机森林(RF)、梯度提升回归树(GBRT)、支持向量机(SVM)与K近邻(KNN)模型进行区域尺度的龙竹(Dendrocalamus giganteus)LAI遥感估测。结果表明:(1)在提取的46个ICESat-2/ATLAS光斑参数中,经Pearson相关性分析后,最佳拟合分段地形高度、插值地形表面高度、绝对平均冠层高度、太阳高度角4个特征参数与实测LAI具有显著相关性。(2)在RF、 GBRT、 SVM、 KNN模型中,多源遥感数据结合RF模型估测的LAI结果最佳,决定系数(R^(2))、均方根误差(E_(rms))、平均绝对误差(E_(ma))分别为0.901、0.352、 0.289。(3)使用SGCS方法及RF模型估测的研究区LAI为2.089~2.493,平均值为2.291。基于ICESat-2/ATLAS高密集光斑进行区域尺度LAI估测具有一定优势,光学影像数据及地形因子等辅助数据的加入,可有效提升模型估测精度,为高效率、低成本区域尺度LAI估测提供了案例,还为将ICESat-2/ATLAS数据与其他遥感影像相结合以估测其他森林结构参数提供了新的思路。

Landsat 9数据的地表温度反演算法优化

地表温度作为地表与大气之间能量交换的关键参数被广泛地用于众多领域。本文针对Landsat 9数据,优化了单窗算法模型和劈窗算法模型,实现了地表温度反演,并结合SURFRAD站点实测数据和地表温度产品进行了精度验证分析。结果表明:两种算法模型的确定系数均大于0.96,其中劈窗算法模型精度较高,误差(RMSE)值为1.45 K左右,单窗算法模型精度较低,误差(RMSE)值为1.61 K左右;劈窗算法模型相较于单窗算法模型对参数的敏感性较低,在高水汽含量范围内,劈窗算法模型的结果要优于单窗算法模型的结果;本文提出的地表温度反演方法结果与官方地表温度产品的误差(RMSE)值均在2.5 K以内,可满足热红外遥感数据生产地表温度产品的应用需求。

直方图双峰法在遥感影像水体提取中的研究与改进

利用水体指数方法提取多光谱遥感数据中水域信息优势明显,应用广泛。然而在实现过程中,算法的选取依赖于特定的水域环境,移植性差。本文选取了我国东部5个地区冬夏两季的数据,基于Landsat 8/9卫星的光谱数据,使用改进的归一化水体指数(MNDWI)进行归一化处理,在此基础上研究了直方图双峰阈值法的不足之处并加以改进。试验结果表明,改进后的直方图双峰法提取水域信息精度明显提高,且不再依赖于特定的水域环境,适应性显著提高。

Landsat 9卫星影像预处理方法及应用——以南京市植被生态遥感监测为例

植被状况对生态环境有重要影响,特别是在城市生态环境中。该文以Landsat 9卫星特征为切入点,研究Landsat 9卫星影像的预处理方法及植被覆盖度定量反演方法。以江苏省南京市为例,利用Landsat 9陆地成像仪(OLI-2)影像反演植被覆盖度空间分布情况。监测统计结果显示,南京市植被覆盖度均值为60.17%。分区域统计显示,浦口区植被覆盖度最高,江宁区植被覆盖度次之,而六合区、市区(包括栖霞区、鼓楼区、秦淮区、玄武区、雨花台区和建邺区)和高淳区植被覆盖度相对较低。

新一代Landsat卫星星座特征及应用前景

Landsat 9是最新发射一颗陆地资源卫星,它将代替Landsat 7与Landsat 8组成新一代Landsat卫星星座,继续长期观测地球的变化。文章主要介绍了新一代陆地观测卫星星座的特征和其在海岸线监测、气候变化与生物多样性研究、极地与冰川监测、全球森林动态监测、水资源监测等领域的应用前景以及下一代Landsat卫星的概况。

基于Landsat 9影像的水体提取方法研究

以Landsat 9遥感影像为数据源,采用阈值法(单波段法、NDWI和MNDWI)、分类器法(SVM、ANN)和缨帽变换法提取水体信息,并采用人机交互的方式分析不同水体提取方法的优势及不足.结果表明,单波段法最为简单、快捷,但易于受到山体阴影和建筑物的影响;MNDWI和SVM分类法提取效果较好;缨帽变换法受山体阴影影响严重.这些水体提取方法均能有效地提取出大部分水体,但都有不同程度的漏提现象,仅采用一种方法难以得到准确的结果,综合采用多种方法进行水体信息的提取,可提高水体提取的准确度.