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-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Sentinel-2卫星影像的海南西岛珊瑚礁识别和变化分析

珊瑚礁是海洋中最重要的生态系统之一,近年来在全球气候变化和人为干扰加剧的影响下,我国南海珊瑚礁总体处于快速退化状态。以海南西岛珊瑚礁为例,基于Sentinel-2系列卫星10 m空间分辨率影像,利用面向对象分类法(object-based image analysis,OBIA)对2017年12月~2018年3月和2021年12月两个时期的海南西岛珊瑚礁底质进行了识别分类,并进行珊瑚礁面积变化分析。将2021年12月的分类结果与现场调查数据进行对比验证,总分类精度和Kappa系数分别为83.3%和0.71。对比两个时期珊瑚礁底质分类结果表明,西岛西侧珊瑚礁覆盖面积未出现明显变化,东侧珊瑚礁显示恢复趋势。本文研究表明,10 m地面分辨率卫星系列影像和面向对象的阈值分类方法可以对海南西岛珊瑚礁进行较为准确的识别和变化分析,监测结果可为海南岛沿岸西岛等小型岛礁珊瑚保护及修复提供参考。

基于Sentinel-2影像的东寨港国家级自然保护区景观格局变化及其驱动力研究

文章以东寨港国家级自然保护区及1 km外围地带为研究区域,选取2017—2021年的Sentinel-2遥感影像数据,采用人机交互方式解译景观类型,计算景观格局指数,进而对比分析5年期间保护区内外的景观格局变化情况及其主要驱动力。结果表明:(1)在保护区内,红树林湿地面积呈现上升趋势,林地面积有所减少,养殖水面面积显著减少;保护区景观连通性较好、碎度较低,其中红树林为优势景观。(2)在外围地带,红树林湿地面积有所增加,林地面积有所减少,养殖水面和建筑面积均减少,但耕地面积有所增加;与保护区相比,景观破碎化程度较高、连接度与整体性较差。(3)红树林生态保护修复活动是保护区景观格局发生显著变化的主要驱动力,而养殖、建筑等人类活动是改变外围地带景观格局的主要因素。研究结果对于优化保护区的保护管理和加强外围地带的人类活动管控具有参考价值。

基于多时相Sentinel-2卫星影像的冬小麦面积提取

及时准确地提取冬小麦种植信息,对开展冬小麦农情遥感监测具有重要的意义.以杭州市余杭区冬小麦越冬期(2021-12-04)、扬花期(2022-04-08)和乳熟期(2022-05-03)Sentinel-2遥感影像为数据源,分别采用最大似然法、支持向量机、归一化差值植被指数(normalized difference vegetation index,NDVI)相加和相减合成运算提取冬小麦种植面积.结合冬小麦地面调查数据与实测种植面积,对不同方法的提取结果进行精度评价.结果显示,利用越冬期影像NDVI阈值将常绿植被区(茶园、林地)掩膜处理,对非常绿植被区(建筑、水体、冬小麦)扬花期与乳熟期影像NDVI值进行和值运算,是提取余杭区冬小麦种植面积的最佳方法,面积精度为91.96%,说明基于多时相遥感影像结合植被物候特征与典型地物类型,能够实现冬小麦种植面积的高精度提取.

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Sentinel-2影像的新疆冰湖制图及空间分布特征

在全球气候变暖的背景下,新疆的冰川迅速融化,形成了大量规模较小的冰湖。部分冰湖在短时间内迅速扩大,并可能引发溃决洪水,提高对这些小型冰湖的制图精度对深入了解冰川冰湖灾害机理至关重要。本文基于Sentinel-2影像和DUNet语义分割模型生成2022年新疆冰湖数据集,并结合历史冰湖数据分析了冰湖的空间分布特征。结果表明,大(>10 hm^(2))、中(>1~10 hm^(2))、小(≤1 hm^(2))型冰湖的制图平均误差分别为2.29%、10.02%、27.71%,平均误差均小于已有的三种冰湖产品,其中面积>0.81 hm^(2)的冰湖相对误差为18.36%。2022年新疆>0.06 hm^(2)的冰湖数量为6854个,总面积为200.36 km^(2)。其中,≤1 hm^(2)的冰湖占总数量的70.32%,>1 hm^(2)的冰湖占总面积的92.49%。阿尔泰山区、天山西部、天山南部是新疆冰湖分布最集中的区域,也是近30年来冰湖数量增加最多的区域;在各区域中,面积≤10 hm^(2)的冰湖数量增加最为显著。本研究可为新疆冰湖灾害预警、冰湖灾害评价提供数据支持和有效依据。

基于Sentinel-2影像东北秋季典型湖泊大气校正方法适用性评价

本文利用6S(Second Simulation of a Satellite Signal in the Solar Spectrum)、Acolite DSF(Dark spectrum fitting)、C2RCC(Case 2 Regional Coast Color)、SeaDas(SeaWiFS Data Analysis System)、Sen2Cor(Sentinel 2 Correction)、Polymer(Polynomial based algorithm applied to MERIS)和iCOR(Image correction for atmospheric effects)7种大气校正算法,结合松花湖、月亮泡、小兴凯湖实测遥感反射率数据对“哨兵-2号”(Sentinel-2)数据进行大气校正研究,验证算法性能。整体校正结果显示,相较于实测遥感反射率,上述7种大气校正算法均在可见光波段(400~800 nm)呈现不同程度的低估。除C2RCC算法外,其余6种算法校正后的遥感反射率与实测光谱曲线变化趋势基本吻合,其中Sen2Cor算法与iCOR算法性能最佳,Polymer算法性能最差;在单波段校正精度对比中,Sen2Cor和iCOR算法几乎所有波段的均方根误差和平均绝对百分比误差都低于其余5种算法。Sen2Cor算法在560 nm、665 nm和705 nm处校正精度优于其余6种算法,iCOR算法在443 nm和740 nm处有良好的表现,在490 nm处6S算法校正精度最高,拥有最低的均方根误差(0.0059 sr^(−1))和平均绝对百分比误差(21.40%)。结果表明,这7种大气校正算法均可以在一定程度上去除大气影响,增加影像的可用性,Sen2Cor算法和iCOR算法更适用于本文所研究水体或相似水体。

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-1和Sentinel-2影像的河南扶沟县洪涝灾害遥感监测评估研究

洪涝灾害是我国最主要的自然灾害类型之一,发生频率高、影响范围广,对社会经济发展和人民生命财产安全构成严重威胁。选取河南郑州“7·20”特大暴雨事件中受灾较为严重的河南扶沟县为研究区,基于洪涝灾害发生前后的Sentinel-1和Sen-tinel-2影像,利用支持向量机对灾前的Sentinel-2影像进行土地利用分类,基于Sentinel-1影像利用水体指数SDWI对灾中、灾后的水体范围进行提取,并结合GIS对研究区的灾情进行评估。结果表明:①基于支持向量机提取的土地利用分类图,总体精度达95.85%;②利用SDWI水体指数法提取的水体范围结果显示灾中、灾后的水体面积分别为36.468 km^(2)、18.770 km^(2),总体精度分别为97.6%和95.4%;③由灾情评估结果可得,曹里乡的受灾情况最为严重,最大水体变化面积达到12.63 km^(2)。

基于GEE和Sentinel-2影像的杭州城市湿地精细化分类研究

基于Google Earth Engine(GEE)云平台,使用Sentinel-2卫星影像数据,采用随机森林算法面向杭州城市湿地类型进行遥感分类研究.研究结果表明:在进行湿地类型精细化分类时,相比于使用单一特征信息分类,多特征信息的组合可以显著提高分类精度,最优特征组合包括传统光谱特征、红边光谱特征、变换特征、纹理特征和地形特征,其总体精度为81.2%,Kappa系数为0.75;不同特征信息对于不同湿地类型的提取具有重要作用,传统光谱特征对于滩地和养殖池的识别非常有利,而红边光谱特征和变换特征分别对草本沼泽和湖泊的识别更为有效.此外,红边光谱特征和纹理特征的组合有利于运河/水渠的识别.通过特征对比实验可为湿地精细化分类的案例研究提供参考,湿地分类结果可为杭州城市湿地信息的遥感识别提供数据支撑.

多特征多层次Sentinel-2影像辽宁省湖库水体提取

以辽宁省为研究区,本文基于GEE遥感云平台,使用Sentinel-2遥感影像,提出了一种多特征多层次的湖库水体提取算法。该算法选择自动水体指数(AWEI sh)和改进的归一化水体指数(MNDWI)提取水体,并利用归一化植被指数(NDVI)、归一化建筑指数(NDBI)、归一化差异红边指数(NDREI)、Sentinel-2的B8和B9波段及DEM数据多层次地消除暗地物和高亮地物噪声,对提取结果中被云雾遮挡而部分缺失的水体进行修复,最后将河流及细小像素剔除。利用此算法提取了辽宁省2017—2021年每年4、7、10月的湖库水体,并对比了不同水体提取算法及不同的水体数据产品。试验结果表明,本文算法在大尺度条件下提取水体具有良好的效果,总体精度达96%以上,可以较好地去除植被、阴影等暗像元表面,并且保证了水体信息的完整性,在大尺度水体提取方面具有一定的适用性和稳定性。

基于Sentinel-2影像的果树提取方法及其空间分析研究——以甘肃省平凉市为例

利用遥感技术对果园进行快速监测,准确掌握苹果园地面积与空间种植分布状况,有助于促进当地经济的发展。目前针对丘陵区果园提取的研究较少,相关方法的有效性和可靠性仍然存在问题。以甘肃省平凉市为研究区域,采用NDVI,RVI,EVI,SIPI,LSWI,NDWI等指标对输入数据进行增强,通过基于数据增强的梯度提升树算法提取研究区苹果种植面积。为验证该方法的有效性,引入最小距离法、CART决策树法、支持向量机法和随机森林4种机器学习算法进行对比分析,结果表明,梯度提升树算法分类精度最高,总体分类精度(Overall Accuracy,OA)达到89.3%,Kappa系数为0.77,分类效果及一致性均最佳。此外,采用基于数据增强的梯度提升树法分别对2019—2023年的苹果园进行提取,获得平凉市苹果园种植变化情况,各区县苹果园种植面积除泾川县外整体呈现上升趋势,泾川县和静宁县种植面积最大,其次为庄浪县、灵台县和崆峒区,最小的为崇信县和华亭市。

基于Sentinel-2遥感影像的崇礼区地上生物量反演

【目的】以Sentinel-2遥感影像数据为基础,结合森林实测样地数据,以崇礼区森林地上生物量反演为例提出反演新思路。【方法】基于2021年7月河北省崇礼区Sentinel-2遥感影像数据、2021年6—8月的71块崇礼区森林样地实测数据,利用实测数据中的胸径、树高,根据河北省森林生物量计算公式计算各样地实测生物量,通过SNAP、ENVI等软件对遥感数据进行重采样、裁剪等预处理,提取影像原始波段,并计算植被指数、纹理因子、缨帽指数等遥感因子,对遥感因子进行皮尔逊相关性分析筛选,并以匹配最佳纹理窗口大小优化纹理因子的选择,分别采用多元线性回归、BP神经网络以及随机森林3种算法进行崇礼区AGB建模,利用R2以及RMSE评价其模型精度,并选取最优模型进行生物量反演并绘制生物量空间分布图。【结果】1)在遥感因子选择中,除了常规的绿波段、红波段和2个植被红边波段与植被指数DVI、SAVI、EVI,纹理因子的均值和缨帽指数的亮度与绿度在生物量反演模型的建立中也起到了重要的作用,且纹理因子窗口大小的选择也会对最终模型的精度造成影响;2)3种模型的精度均满足反演生物量的要求,以随机森林模型效果最好、多元线性回归模型次之、BP神经网络模型精度最低,但经过十则交叉验证法的BP模型精度有所提升,最优的随机森林模型R2达到了0.843;3)经过最优模型的反演,崇礼区AGB分布主要在50~200 mg·hm^(-2),集中在西部环山地带,存在明显的空间异质性。【结论】利用Sentinel-2遥感影像反演森林生物量具有较高的精度,随着植被指数、缨帽指数、纹理因子的加入,模型效果呈递增趋势,并且纹理因子的窗口大小选择在森林生物量遥感反演中有着重要的影响。

基于Sentinel-2卫星影像和土壤变量的盐渍化土壤水溶性盐基离子含量反演

本研究旨在探讨结合多光谱遥感技术和土壤物理化学属性进行土壤水溶性离子含量预测的可行性。研究区域位于新疆南部的盐渍化土壤区域,测定土壤中主要水溶性盐基离子含量(K^(+)、Na^(+)、Ca^(2+)、Mg^(2+)、HCO_(3)^(-)、Cl^(-)、SO_(4)^(2-)),并应用随机森林(Random Forest,RF),梯度提升回归树(Gradient Boosting Regression,GBR)和极端梯度提升(Extreme gradient boosting,XGBoost)3种机器学习算法构建基于遥感光谱特征及土壤信息的土壤离子含量反演模型,同时对比了纳入与未纳入土壤变量的模型预测精度。结果表明:仅使用多光谱遥感数据作为输入变量时,3种模型均仅能区分土壤离子含量的高低水平,但对各离子含量进行精确预测的能力有限。将土壤变量纳入模型后,预测精度均得到显著提升。在所选用的3种方法中,随机森林模型的预测精度最高,XGBoost次之,GBR模型的精度最低。就各个离子的预测而言,Mg^(2+)、Ca^(2+)和Na^(+)含量的预测精度较高且模型表现较为稳定;SO_(4)^(2-)、Cl^(-)和K^(+)的预测表现一般,具备定量预测能力;而HCO_(3)^(-)含量的预测仅GBR模型具有一定程度的可行性。不同离子的最优预测模型存在差异,其中随机森林模型对K^(+)、Mg^(2+)和Cl^(-)三种离子的反演效果最佳;XGBoost模型在Ca^(2+)、Na^(+)和SO_(4)^(2-)三种离子的反演中表现为最优;GBR模型则在HCO_(3)^(-)离子反演中展现了较好的性能。特别地,Mg^(2+)、Ca^(2+)和Na^(+)含量的最优相对分析误差分别为2.829、1.951和1.870,说明这些模型对于这3种离子含量的预测具有较高的可靠性。研究成果可以为干旱区土壤盐分主要离子含量的区域尺度预测提供科学参考。

基于Sentinel-2卫星影像的滨海筏式养殖区提取研究

我国滨海养殖在全球占有较大比例,快速获取滨海养殖区域大小和分布等信息,有利于实现对养殖区域的监测规划、产量估算和灾害预防。针对筏式养殖区提取过程中出现的与海水区分较困难、识别精度低和“椒盐”噪声等问题,本文将以长山群岛附近筏式养殖区为研究区域,利用哨兵二号(Sentinel-2)卫星遥感影像数据构建光谱、纹理和几何等特征,通过特征域优化(FSO)获得提取筏式养殖区的优选特征,结合面向对象的随机森林、决策树和最近邻3种算法对研究区筏式养殖区进行提取,在分析和对比提取结果基础上,总结了最优分类算法,并验证了FSO分类的可靠性。结果表明:(1)归一化差分水体指数、几何特征边界和形状、灰度共生矩阵相关性是识别筏式养殖区的最优指标;(2)FSO分类保证了提取精度,减少了数据冗余、提高了运算效率,对筏式养殖的提取具有较高可靠性和适用性;(3)基于FSO和面向对象随机森林的分类方法综合评价最优,总体分类精度为88.8%,κ=0.801,该方法有效避免“椒盐”噪声的产生,可以高效精确的提取筏式养殖区专题信息。本研究可为筏式养殖的动态监测、产量估算等方面提供了技术和专题数据支持。

基于Sentinel-1结合Sentinel-2和Landsat8影像的水体提取方法比较——以鲁班水库为例

基于sentinel-1数据结合sentinel-2数据和Landsat8数据,提取2017年—2021年鲁班水库五年间的水体年间变化,对所提取的水体面积进行分析,比较两种影像对鲁班水库水体提取的差异,经过水体指数的计算以及分析得到鲁班水库的水体面积。sentinel-2影像数据对水体提取的效果较好于Landsat8数据,sentinel-2影像总体分类精度达0.993,kappa系数为0.991,而Landsat8的总体精度为0.989,kappa系数为0.986。通过对鲁班水库这种大中型水体的水体提取选择使用sentinel-2数据较好。

基于Sentinel2A影像的干旱区土壤盐渍化监测研究

以渭干河-库车河三角洲绿洲为例,在5种盐分光谱指数(NDSI、SI、SI1、SI2、SAVI)基础上,选择Sentinel2A多光谱影像中的3个红边波段和近红外窄波段进行扩展,提出了新的基于红边和近红外窄波段的光谱指数,用偏最小二乘回归(PLSR)方法构建土壤电导率遥感反演模型。结果表明:相对传统光谱指数,引入红边1波段(B_(5))和近红外窄波段(B_(8a))的光谱指数与土壤电导率相关性显著提高;基于Sentinel2A影像的PLSR的土壤电导率信息建模效果较好(R^(2)=0.77),模型准确、可靠。盐分反演结果表明研究区土壤盐分含量整体较高,盐渍化影响范围广泛。自绿洲内部向外围由非盐渍化向轻度-中度-重度盐渍化过渡,绿洲西部、南部轻度盐渍土分布较多,绿洲东部、东南及西南方向有重度盐渍土及极重度盐渍土分布,盐渍化程度较高。

大气校正对滨海湿地Sentinel-2影像NDVI的影响

为消除卫星影像成像过程中受到的大气干扰,还原真实的地物反射率,大气校正已成为定量遥感分析研究中的关键环节。本文基于2018—2022年间5期黄河三角洲的Sentinel-2影像,通过对比分析大气校正前后的NDVI值,探究大气校正对NDVI计算的必要性。结果发现:(1)大气校正能够对滨海湿地Sentinel-2影像的整体NDVI和不同地类NDVI均产生显著影响,但对不同年份黄河NDVI的影响存在不确定性;(2)大气校正前后NDVI在不同地类间波谱特征变化无较大差异,但大气校正有效增强NDVI极差范围,提高了不同地类NDVI区分度。该研究为大气校正对NDVI存在影响的相关研究提供了参考依据。