基于Sentinel-1/2改进极化指数和纹理特征的土壤含盐量反演模型

目前Sentinel-1/2协同反演植被土壤含盐量的研究大多是基于Sentinel-2光谱信息和Sentinel-1后向散射系数,没有考虑Sentinel-2光谱信息容易受土壤亮度等信息影响,Sentinel-1后向散射系数容易受土壤粗糙度和水分影响。为进一步提高Sentinel-1/2协同反演植被土壤含盐量的精度,用水云模型对雷达卫星后向散射系数进行校正,消除植被影响;然后协同Sentinel-2纹理特征,基于VIP、OOB、PCA 3种变量筛选和RF、ELM、Cubist 3种机器学习回归模型构建植被土壤含盐量反演模型。研究结果表明:经过水云模型去除植被影响后的雷达后向散射系数及其极化组合指数与土壤含盐量的相关性有一定程度的提高。不同变量选择方法与不同机器学习方法耦合模型在反演土壤含盐量中,OOB变量筛选方法与RF、ELM和Cubist 3种机器学习方法的耦合模型精度最佳,建模集和验证集的R2都在0.750以上,且验证集的RMSE和MAE均最小;其中OOB-Cubist耦合模型精度最高,且R_(v)^(2)/R_(c)^(2)为0.955,具有良好的鲁棒性。研究可为机器学习协同物理模型、光学卫星协同雷达卫星在土壤含盐量反演中的进一步应用提供思路。

基于Sentinel⁃2A影像光谱和纹理特征的冬小麦叶面积指数估算模型研究

叶面积指数(Leaf Area Index,LAI)是反映作物生长状态的重要指标,常用植被指数来反演。传统的反演模型大都是基于多变量的多元回归模型,而基于双变量的多元回归模型在LAI反演中的潜力还未被充分发掘。通过提取卫星影像的光谱特征和纹理特征,基于皮尔逊相关系数分析各个遥感特征与冬小麦LAI之间的相关性,利用简单回归模型(Simple Regression,SR)、多元线性回归模型(Multiple Linear Regression,MLR)和随机森林回归模型(Random Forest Regression,RFR)开展遥感特征与冬小麦LAI之间的关系模型构建反演研究,并结合精度指标(决定系数R2,均方根误差RMSE,相对均方根误差rRMSE)判定各反演模型的反演精度,以提出最优的反演模型。研究表明:①所有植被指数和部分纹理指数在反演LAI中取得了较好的反演效果(R2>0.6)。其中,通用归一化植被指数(Universal Normalized Vegetation Index,UNVI)在各植被指数中表现最好(R2=0.754,RMSE=0.606,rRMSE=12.99%)。除了部分波段的均值特征反演精度与植被指数相当外,大多数纹理特征反演冬小麦LAI的精度欠佳;②通过两两变量组合,得到了冬小麦LAI反演精度最高的双变量多元线性回归模型(R2=0.780,RMSE=0.573,rRMSE=12.29%);③在有多个输入变量(至少3种特征变量)的情况下,RFR的反演效果优于MLR。相较于纹理特征,纹理指数的反演性能更佳。研究结果可为后续基于卫星影像的大规模农作物LAI的监测工作提供一种新的思路与方法。

基于Sentinel-2的青铜峡灌区水稻和玉米种植分布早期识别

及时准确地掌握灌区内作物种植分布对于灌溉水资源高效配置、农田精准管理具有重要指导意义。以宁夏青铜峡灌区为研究对象,利用多时相Sentinel-2卫星数据,通过水稻和玉米早期特征分析,提取关键的“水淹”信号和“植被”信号,构建时序归一化差异水体指数(MNDWI)和归一化植被指数(NDVI)特征值数据集,并通过样本分析关键特征阈值,构建水稻和玉米早期种植分布决策树模型,提取2022年宁夏青铜峡灌区水稻和玉米种植的空间分布。结果表明(:1)玉米和水稻苗期的后半段5月15—31日,水淹信号和植被信号是区分二者关键时期。(2)基于早期作物物候特征的方法,在5月16—31日获取的水稻和玉米图像制图精度高于90%,用户精度超过91%,总体精度超过90%,Kappa系数高于0.88,明显高于同时期随机森林方法的分类精度。(3)本研究提出的方法在早期水稻和玉米种植分布提取方面具有较强的适用性,并且能够在时空尺度上以较少的实地样本进行延展,同时在时间上也更有优势。因此,该方法为青铜峡灌区水稻和玉米种植分布早期调查提供了重要的方法支撑。

基于时序Sentinel-2影像的引黄灌区作物结构提取和供需水分析

在黄河流域用水指标严格控制的背景下,以山东省东营市垦利区引黄灌区为例,利用2022年时序Sentinel-2遥感影像构建作物生育期的NDVI时间序列,采用决策树分类方法提取灌区作物种植结构,基于垦利站气象资料和Penman-Monteith公式,分析了1973—2022年各作物的需水特性,利用遥感影像解译的各作物种植面积,计算了2022年灌区作物在不同降水保证率(5%、25%、50%、75%、95%)条件下的灌溉总需水量,结合2023年分配给灌区作物的灌溉水指标探究了灌溉水资源供需之间的平衡。结果表明:基于NDVI时间序列构建决策树分类方法可有效提取作物的种植结构,总体分类精度为85.07%,Kappa系数为0.819,能够满足作物灌溉需水量的研究。作物净灌溉需水量年际波动较大,水稻和冬小麦补充灌溉水量在所有作物中位列前两位,均值分别为913 mm和410 mm;处于雨季生长的夏玉米、夏大豆补充灌溉水量较小且灌溉需求均值较小。研究区2023年分配的灌溉水指标在降水保证率为50%时研究区灌溉水亏缺量为235.5万m^(3),在降水保证率为75%和95%时灌溉水亏缺量分别为1 754.5万m^(3)和2 261.5万m^(3)。

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。

Sentinel-2遥感影像在盘锦水稻米质监测中的应用研究

本研究基于水稻孕穗期、抽穗期、灌浆期和成熟期4个生育期的Sentinel-2遥感数据,分析各生育期内卫星遥感光谱参数与稻米品质指标的关系,建立基于各生育期卫星光谱信息的水稻品质指标预测模型。将5种稻米品质指标分别与4个生育期内的光谱参数进行皮尔逊相关性分析,结果表明,5项品质指标在4个生育期内均与光谱参数有不同程度相关性。然后筛选出相关性效果显著的光谱参数,用于建立各品质指标的预测方程,建模结果表明,基于卫星遥感光谱信息解释率由大到小的稻米品质指标依次是精米率>长宽比>蛋白质含量>直链淀粉含量>糙米率;卫星遥感光谱反演稻米各品质指标所在的最佳生育期不同,糙米率和精米率的最佳生育期为抽穗期,其建模决定系数(Coefficient of Determination,R^(2))分别为0.461和0.893;长宽比的最佳生育期为成熟期,R^(2)为0.878;直链淀粉含量和蛋白质含量的最佳生育期为灌浆期,R^(2)分别为0.646和0.647;基于卫星遥感光谱信息的稻米品质模型验证效果较好,解释率为51%~74%。可见,利用卫星遥感技术能够实现大范围水稻品质指标定量监测与评估。

基于Sentinel-2影像的巴尔托洛冰川冰面湖研究

冰面湖是冰川的重要组成部分,是冰川消融的指示器,不仅对全球气候变化响应迅速,而且对了解和掌握区域水资源信息意义重大。本文基于Sentinel-2遥感数据,利用随机森林算法,对巴尔托洛冰川冰面湖进行识别提取,并基于提取结果分析研究区冰面湖的空间分布特征,以及冰面湖面积、数量与冰川高程的关系。本文冰面湖提取的准确率达96.07%,完整率达92.18%,错误率为11.59%;识别出巴尔托洛冰川冰面湖567个,面积为249.46~37134 m^(2);冰面湖多分布在距冰川末端3~26 km处,其中海拔3800~4300 m之间冰面湖数量最多,面积普遍较大,平均面积为1922 m^(2);随着高程的升高,冰面湖的数量和面积逐渐减少,在高程5300 m以上冰面湖数量仅为15个,平均面积为356 m^(2);高程升高导致冰面温度降低,是冰面湖数量和面积骤减的主要原因。

基于Sentinel-5P卫星反演京津冀地区近地面NO_(2)浓度研究

为充分利用卫星传感器在探索长时间、大范围区域内近地面二氧化氮(NO2)浓度时空变化规律方面的优势,进一步提高卫星近地面NO_(2)浓度预测的准确性,本研究以Sentinel-5P卫星TROPOMI传感器观测的对流层NO_(2)柱浓度为基础,提出一种融合多源地理要素的“自上而下”近地面NO_(2)浓度遥感估算方法,综合分析随机森林模型(RF)、极致梯度提升树模型(XGBoost)和轻型梯度提升树模型(LightGBM)的性能,基于3种树模型对2019−2020年京津冀地区近地面NO_(2)浓度进行反演,并采用十折交叉验证方法分别对3种模型在近地面NO_(2)浓度预测中的精度差异与稳定性进行了检验比较,利用拟合优度(R2)、均方根误差(RMSE)和平均绝对误差(MAE)对模型进行精度评价,最终选取XGBoost以实现京津冀地区卫星近地面NO_(2)浓度的高效分析预测(R2=0.85,RMSE=6.61μg/m^(3),MAE=2.09μg/m^(3)),在此基础上,从季度、年份等时间尺度对近地面NO_(2)浓度进行空间分析。结果表明:①由于2020年新型冠状病毒感染疫情反弹带来的人类生产活动和出行活动的大量减少,2019年近地面NO_(2)浓度(13.96μg/m^(3))比2020年(13.04μg/m^(3))整体偏高。②近地面NO_(2)浓度具有明显的季节性变化特征,春、夏两季由于大气扩散条件较好,近地面NO_(2)浓度相对较低,在冬季达到全年峰值。③基于SHAP值(沙普利加性解释法)方法对模型特征进行空间分析,并定量研究每个特征对模型的正负贡献程度,其中,对流层NO_(2)柱浓度对预测近地面NO_(2)浓度起到主要促进作用,大气边界层高度对预测近地面NO_(2)浓度起到抑制作用,另外太阳直射辐射、人口密度、地表温度及降水量等指标均对预测近地面NO_(2)浓度有明显影响。研究显示,XGBoost能够更加稳定和准确地预测卫星近地面NO_(2)浓度,为准确识别近地面NO_(2)浓度时空分布特征提供新的手段,可在一定程度上突破现阶段NO_(2)地面监测稀疏的空间局限以及卫星对流层NO_(2)柱浓度代表性不足的缺陷。

基于Sentinel-2影像的黄河南岸典型改良示范区土壤含盐量反演模型

土壤盐渍化严重制约农田土壤环境的循环发展,高效准确地监测土壤盐分动态变化对盐碱地改良利用具有重要意义。为及时、有效地监测盐渍化土壤含盐量,以内蒙古黄河南岸灌区的4个典型盐碱化耕地改良示范区为例,利用Sentinel-2多光谱遥感影像,同步采集示范区内表层土壤的含盐量数据,通过相关性分析筛选敏感光谱指标,基于偏最小二乘回归(PLSR)、逐步回归(SR)、岭回归(RR)3种简单机器学习模型和深度学习Transformer模型建模,最后进行精度评价并优选出最佳含盐量反演模型。结果表明:示范区土壤反射率的可见光、红边、近红外波段反射率均与土壤含盐量呈正相关,短波红外波段反射率与土壤含盐量呈负相关,引入光谱指数能够有效提升Sentinel-2遥感影像与示范区表层土壤含盐量的相关性(相关系数绝对值不小于0.32);对比不同模型发现深度学习Transformer模型优于简单机器学习模型,验证集决定系数R~2和均方根误差(RMSE)分别为0.546和2.687 g/kg;含盐量反演结果与实地结果相吻合,为更精准反演内蒙古黄河南岸灌区盐渍化程度提供了参考。

基于Sentinel-2与时序Sentinel-1 SAR特征的赣南柑橘种植区识别方法

为准确获取柑橘果园空间分布信息,实现柑橘种植结构调整、产量估算和资源管理,以赣南3个柑橘种植主产区(信丰县、安远县及寻乌县)为研究区域,针对南方地区多云多雨导致传统光学影像较为缺乏的问题,使用Sentinel系列数据和PIE-Engine平台,构建和优选了光谱特征、植被水体指数特征、红边波段特征和纹理特征,并引入时间序列Sentinel-1合成孔径雷达(SAR)数据的后向散射系数,共同探讨不同特征组合对柑橘种植园的识别提取效果,基于随机森林算法并融合Sentinel-2与时序Sentinel-1 SAR特征识别提取了赣南柑橘种植区。结果表明:5、9、11月柑橘种植园与其他地物的平均后向散射系数分离性最佳,是识别提取柑橘的关键时期;指数特征及纹理特征参与分类改善了分类效果且提高了分类精度;相较于单一SAR特征及指数、纹理特征,加入时序SAR特征的分类结果中总体精度达90.084%,Kappa系数达0.863,错分、漏分误差较小,符合实际地物分布情况,说明了时序SAR特征的可用性和实用性。本研究可为多云多雨的南方柑橘果园的识别提取提供参考。

联合多时相GF-6 WFV和Sentinel-2的森林类型识别

【目的】我国南方地区多云雨,地型较破碎,森林类型精细识别较为困难,探讨联合多源、多时相的遥感数据对森林类型识别具有重要意义。【方法】以江西省信丰县为研究区,基于2019年森林资源二类调查数据,将森林划分为松林、杉木林、阔叶林、针叶混交林、针阔混交林、竹林、灌木林和其他林地等8种类型,利用随机森林算法比较GF-6 WFV和Sentinel-2最佳时相相同波段(紫/深蓝、蓝、绿、红、近红外、红边)和不同波段(黄边、短波红外)的森林类型识别能力,构建联合光谱特征集。联合多时相GF-6 WFV和Sentinel-2,构建多时相植被指数特征集,结合联合光谱特征集、纹理特征和地形特征,通过随机森林和递归消除法构建特征变量优选数据集进行森林类型识别,利用混淆矩阵和森林类型的实际分布对识别结果进行精度验证。【结果】(1)GF-6 WFV蓝、绿和红波段组合的总体精度为58.31%,分别加入紫、近红外、红边、黄边和Sentinel-2短波红外波段后,其总体精度分别提高1.99%、8.90%、10.71%、1.50%和14.10%;Sentinel-2蓝、绿和红波段组合的总体精度为54.68%,分别加入深蓝、近红外、红边、短波红外和GF-6 WFV黄边波段后,其总体精度分别提高3.30%、10.82%、12.92%、17.31%和3.97%。(2)特征变量优选数据集的总体精度和Kappa系数为80.80%和75.56%,贡献程度大小依次为GF-6 WFV多时相植被指数、Sentinel-2多时相植被指数、GF-6 WFV光谱特征、Sentinel-2光谱特征、地形特征和纹理特征,贡献率分别为40.44%、23.23%、18.12%、10.21%、4.61%和3.39%。(3)松林、杉木林、阔叶林、针叶混交林、针阔混交林、竹林、灌木林和其他林地的制图精度分别为86.97%、85.60%、88.61%、9.43%、19.01%、53.60%、86.90%和82.56%,用户精度分别为81.42%、79.79%、77.57%、71.43%、81.82%、67.00%、87.74%和82.88%,识别结果与研究区实际森林类型分布较吻合。【结论】联合多时相GF-6 WFV和Sentinel-2可以综合多时相、多源影像的优点,能够有效提高森林类型的识别精度。

基于Sentinel-2时序数据的新疆焉耆盆地农作物遥感识别与评估

为及时准确地获取干旱区农作物种植信息,研究借助PIE-Engine Studio平台,以新疆焉耆盆地为研究区,基于2022年Sentinel-2影像和1948个野外定位采样数据提取农作物生育期内14种植被指数,使用See5.0决策树、随机森林(Randomforest,RF)和多元回归(Multiple regression,MR)模型优选特征参数,结合支持向量机(Support vector machine,SVM)算法构建5种分类模型和5种样方分割方案进行农作物种植信息提取,通过目视解译和混淆矩阵对比分析分类结果,确定最佳分类方案。结果表明:(1)所有分类模型的总体精度(OA)和Kappa系数均在92.20%和0.9037以上,说明在PIE平台中使用SVM算法提取农作物信息是可行的。(2)SVM-有红边的OA和Kappa系数均值为93.77%和0.9236,比SVM-无红边方法提高了0.96%和0.0120。(3)相比于SVM-有红边方法,植被指数的引入提高了SVM-RF、SVM-MR和SVM-See5.0的OA和Kappa系数。(4)5种分类模型的OA和Kappa系数均值的大小关系为:SVM-RF>SVM-MR>SVM-See5.0>SVM-有红边>SVM-无红边,表明红边波段和植被指数的加入显著提高了农作物识别的精度,其中SVM-RF(8:2)为最佳分类模型,OA和Kappa系数分别为98.72%和0.9866。研究结果可为准确快速获取大尺度干旱区农作物信息提供新的思路和参考依据。

基于Sentinel-2数据的苏州消夏湾生态安全缓冲区植被生长状况遥感监测评估

利用2021—2022年Sentinel-2卫星搭载的多光谱成像仪(MSI)遥感数据,通过SNAP遥感软件提供的植被生物物理参数处理模块(Biophysical Processor),反演了苏州消夏湾生态安全缓冲区的5种植被生物物理参数,包括植被吸收光合有效辐射比例(FAPAR)、植被覆盖度(FVC)、叶面积指数(LAI)、冠层叶绿素含量(CCC)和冠层含水量(CWC),开展植被生态环境监测评估研究。结果表明,该生态安全缓冲区2021年建成并投入运行后,植被覆盖度和生物量有所增加,区域植被冠层结构有所改善,植被生物物理参数从一定的角度反映了消夏湾生态安全缓冲区发挥了生态涵养成效。该研究方法能在大尺度上快捷、高效地反演植被生物物理参数,可为通过植被遥感动态监测评估生态安全缓冲区的生态功能提供有益的借鉴。

基于Sentinel⁃2影像的多种水体指数法提取地表水对比研究

高时空分辨率的Sentinel-2影像日渐成为地表水体提取的主要遥感数据源,开展基于该卫星影像的多种水体指数方法提取效果的对比研究,对提升地表水遥感监测能力具有重要参考价值。本研究针对目前较为常用的7种水体指数(NDWI、MNDWI、AWEInsh、AWEIsh、WI2015、CDWI和MNDWI_VIs),以分布在华北、东北、长江中下游和西北的具有不同地表水体类型组合特征的4个样区为例,在GEE(Google Earth Engine)平台上采用Sentinel-2 MSI影像实现了基于7种水体指数的地表水提取,进而定量分析了不同指数提取水体的精度。结果表明:总体而言,7种水体指数均可以较好识别地表水,但在不同类型的地表水体提取时的表现存在一定的差异;NDWI指数在瞬时性水体(如水田、洪泛区等)会低估地表水的分布,漏分率较高;而AWEInsh、AWEIsh和WI2015指数整体存在高估倾向,错分率较高;MNDWI_VIs水体指数在复杂水体类型的区域提取精度保持最高;在长时序水体变化监测方面,7种水体的性能表现与基于单景影像所得结论基本一致。本研究为不同类型水体开展地表水监测提供了重要的科学依据。

基于ICESat-2和Sentinel-2A数据的森林蓄积量反演

森林蓄积量是林业调查的重要指标,在衡量森林健康状况和评价森林固碳能力等方面发挥重要作用,协同主被动遥感是当前反演大区域森林蓄积量的主要手段。以云南香格里拉森林为研究区,分别提取ICESat-2/ATLAS和Sentinel-2A影像的特征变量,并通过相关性分析和共线性诊断方法筛选特征变量,构建Sentinel-2A变量集和ICESat-2/ATLAS变量集,以及二者联合的变量集,然后结合样地实测数据与3个特征变量集,采用逐步线性回归和随机森林方法分别建立线性和非线性回归模型,反演森林蓄积量,并对结果进行精度验证及对比分析。研究结果表明:对3个变量集,随机森林方法精度均优于逐步线性回归;ICESat-2/ATLAS变量集在2种回归方法下的反演精度均高于Sentinel-2A变量集;联合Sentinel-2A和ICESat-2/ATLAS变量集,随机森林方法的反演精度最高,其R 2,RMSE和rRMSE分别为0.7034,84.78 m^(3)/hm^(2)和36.46%。整体来说,与Sentinel-2A数据相比,基于ICESat-2/ATLAS数据及其与多源数据联合的反演模型均可以提高森林蓄积量反演精度和模型稳定性。

Fe、Ir掺杂MoS_(2)表面对N_(2)气敏吸附与解离反应性能提升的第一性原理研究

基于第一性原理方法,采用周期性平板模型,研究了N_(2)分子在掺杂体系TM-MoS_(2)(TM=Fe、Ir)表面的吸附和解离行为.研究表明:N_(2)分子在TM-MoS_(2)(TM=Fe、Ir)表面吸附能依次为0.62和0.47 eV,而完整MoS_(2)表面的吸附能只有0.08 eV,说明掺杂之后对N_(2)表现出略好的吸附性能.差分电荷密度分析表明,N_(2)吸附后,掺杂Fe、Ir原子与两个N原子之间电荷有所增加,N-N键之间的区域电荷密度减少,N-N键的强度减弱.态密度计算结果发现,N_(2)在吸附过程中,主要是N原子的2p_(y)、2p_(z)轨道与Ir的5d_(xy)和5d_(z^(2))以及Fe的3d_(xy)和3d_(z^(2))发生杂化作用.通过分析解离活化能,N_(2)在掺杂体系TM-MoS_(2)(TM=Fe、Ir)表面解离需要活化能均较高,且远大于在相应掺杂表面的吸附能,说明N_(2)在掺杂体系TM-MoS_(2)(TM=Fe、Ir)表面解离应该表现为分子吸附或脱附.

芝麻过敏原Ses i 2核酸适体的筛选与鉴定研究

芝麻是八大类食物过敏原之一,快速准确识别芝麻过敏原对预防其过敏有重要意义。核酸适配体可以高效识别靶标过敏原,在过敏原检测中有良好的应用前景。为了获得芝麻主要过敏原Ses i 2的特异性核酸适体,本研究以Ses i 2为靶标,通过磁珠筛选法(磁珠-SELEX)开展10轮筛选,经由高通量测序获得6条候补序列(S1~S6),并进行家族性、同源性分析及二级结构预测。结果表明,6条候选核酸适体的重复率可达46.38%,其自由能在-9.02到-2.47 kcal·moL^(-1)之间,根据自由能能量稳定原则,S1和S5吉布斯自由能最低最稳定,分别为-6.70和-9.02 kcal·moL^(-1)。利用ELISA试验进行亲和力测试,结果表明核酸适体S1和S2的亲和能力较强,S1:KD=67.02 nmol·L^(-1),R2=0.925 8,S2:KD=97.65 nmol·L^(-1),R2=0.795 1。核酸适体S1与过敏原Ses i 2的结合力和其他过敏原蛋白相比有显著差异,可视为具有特异性。本研究最终获得一条兼具良好亲和力和特异性的核酸适体S1,为芝麻过敏原快速检测提供了技术支撑。

基于PROSAIL模型和Sentinel-2数据的陕北煤炭矿区植被叶绿素含量监测

为满足煤炭矿区植被叶绿素含量高精度动态监测需求,该文以陕北大柳塔矿区为研究区,首先分析PROSAIL模型对矿区典型植被欧李、野樱桃的适用性,然后根据PROSAIL辐射传输模型建立查找表,结合基于正则化的代价函数对欧李、野樱桃叶绿素含量进行反演,并利用SNAP软件反演结果与地面实测数据对PROSAIL模型反演结果进行验证,最后利用所构建模型反演得到2016—2019年大柳塔矿区植被叶绿素含量空间分布。结果表明:PROSAIL模型模拟光谱与地面实测光谱的绝对偏差平均值最大为0.016,该精度满足植被参数反演;PROSAIL模型反演得到的欧李、野樱桃叶绿素含量与地面实测数据的决定系数、均方根误差和相对均方根误差分别为0.679、1.926和4.625%,优于SNAP软件反演结果,反演得到的大柳塔矿区叶绿素含量时空变化与实际植被生态修复情况和土地利用覆盖类型一致。研究结果可为矿区植被叶绿素反演和生态修复效果评估提供技术参考。

基于Sentinel-5P的长三角大气NO_(2)污染特征及影响因子分析

基于哨兵-5P(Sentinel-5 Precursor,Sentinel-5P)卫星反演的NO_(2)柱浓度数据,利用Google Earth Engine云平台,结合自然因子和人为社会因子数据,分析长三角地区大气NO_(2)柱浓度的污染特征及影响因素。结果显示:(1)Sentinel-5P卫星反演的NO_(2)柱浓度数据与地面观测站NO_(2)质量浓度具有较好的相关性(r≥0.59,p<0.01),可较为准确地反映长三角地区大气NO_(2)污染状况;(2)长三角的大气NO_(2)柱浓度呈现季节性的周期波动,呈“冬高夏低”变化趋势;(3)大气NO_(2)柱浓度具有显著的空间异质性,整体上东北高,西南低,呈现出一条六安至台州,即“西北—东南”方向的NO_(2)柱浓度分界线,以及一个以环太湖城市群为中心的西南向“U形口”;(4)植被指数、高程、全社会用电量、第二产业产值、第三产业产值是长三角大气NO_(2)柱浓度空间分布的重要影响因子,区域大气NO_(2)柱浓度受因子交互作用显著,高程及植被指数与其他因子的交互作用q均在0.6以上。

基于Sentinel-2A NDVI时间序列数据和随机森林方法的高山冷凉蔬菜识别

该研究基于Sentinel-2A卫星的归一化差值植被指数(NDVI)时间序列数据,结合随机森林(RF)分类方法,对高山冷凉蔬菜种植区域进行精准识别与分类。以西吉县为研究区,利用2023年覆盖高山冷凉蔬菜全生育期的Sentinel-2A遥感数据,构建10 m高空间分辨率的NDVI时间序列数据,结合田间实测数据,使用RF分类方法对高山冷凉蔬菜进行识别分类。结果表明文章提出的方法在高山冷凉蔬菜种植区域识别中表现出了较高的精度和稳定性,总体精度达93.52%,Kappa系数为0.89。