利用Sentinel-2多光谱影像构建一种潮滩提取指数

潮间带潮滩由于受到潮汐周期性淹没的影响导致难以精准确定其空间分布,因此,迫切需要利用遥感技术了解潮滩受潮汐淹没的光谱变化特征,构建潮滩提取指数,对潮滩的精准解译提供方法及基础数据支持。基于多时相Sentinel-2多光谱影像,通过分析高、低潮影像上不同地物的光谱反射率特征差异,优选出能反映潮滩特征的波段,构建一种海岸带潮滩提取指数。在此基础上,从三方面对已构建潮滩指数的可行性进行论证:(1)将潮滩提取指数应用到3个不同潮滩类型的研究区,研究了潮滩指数的可分离性及对不同潮滩类型区域的适用性,研究结果表明:与其他地类相比,构建的潮滩提取指数对潮滩具有较好的可分离性,并且适用于砂质、泥质不同种类的潮滩;(2)研究了潮滩提取指数对不同分类方法(包括最小距离法、极大似然法、支持向量机)的适用性,研究表明:采用所选取的三种分类方法进行潮滩解译时,其总体精度均大于93%,Kappa系数均大于0.85,潮滩提取指数对不同的分类方法均具有普适性,且可有效提高潮滩的解译精准度;(3)研究了潮滩提取指数对不同数据源的适宜性,采用“珠海一号”数据与本文Sentinel-2多光谱数据解译潮滩并对比结果,研究显示:构建的潮滩提取指数适用于不同数据源,且取得了较好的潮滩分类精度。该方法提高了海岸带潮滩遥感提取的准确度,丰富了潮滩遥感解译理论,对海岸带潮滩生态系统的科学管理与保护提供了理论指导与意义。

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。

联合无人机数据与Sentinel-2影像的流域制图研究

沱江流域是长江上游重点生态屏障建设区,是四川省境内生态资源最丰富的区域,其在地理位置、水文特征、区域气候等方面具有重要生态意义。由于流域范围大、地理情况复杂,使得利用卫星遥感进行流域制图过程中,采集训练样本费时费力,而训练样本的采集在遥感制图监督分类过程中至关重要。基于此,研究一种联合无人机数据与Sentinel-2影像的流域制图方法,将无人机数据作为卫星影像流域制图的训练样本区和验证样本区数据源,以解决实地调查采集样本费时费力的问题。首先将无人机采集的样本区数据,通过影像镶嵌、面向对象的分类、坐标转换和降采样处理流程,得到用于卫星影像制图的训练样本和验证样本;其次将无人机样本的降采样结果作为Sentinel-2卫星影像的训练样本;最后采用面向对象分类得到流域制图结果,研究发现将无人机获得的小区域训练样本用于卫星影像分类,总体精度达92.68%,Kappa系数为0.8668,能够满足大范围流域制图精度要求。

基于GEE与Sentinel-2影像的落叶针叶林提取

【目的】针对森林资源精细监测评价的需求,探索多时相、多特征的Sentinel-2影像在落叶针叶林识别中的应用潜力,根据落叶针叶林的物候特征构建分类模型,为大范围落叶针叶林识别提供方法参考。【方法】基于GEE平台,以黑龙江省孟家岗林场为研究区,分析不同季节落叶针叶林与其他森林之间的差异。研究使用2020年春季(5月7日和5月27日)、夏季(8月9日)和秋季(10月19日)的4景Sentinel-2影像,提取光谱特征、纹理特征和地形特征构建多特征数据集,根据特征重要性得分进行特征优选,最后使用随机森林分类器得到落叶针叶林识别的最佳模型,实现孟家岗林场落叶针叶林的精确提取。【结果】试验结果表明落叶针叶林具有明显的植被光谱特征和季相特性,多时相影像数据包含落叶针叶林更多物候期,春季和秋季的影像更有利于区分落叶针叶林与其他森林。此外,近红外、短波红外波段的光谱信息对识别落叶针叶林有较大帮助。利用GEE平台和多时相Sentinel-2影像可以高效快速地提取植被信息,落叶针叶林提取总体精度与Kappa系数分别达到91.20%,0.82。【结论】基于GEE平台和Sentinel-2影像构建的分类模型对落叶针叶林信息的快速提取有一定的可行性和适用性,研究结果对大面积落叶针叶林的空间位置分布提取具有一定的参考价值。

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-2A影像的森林蓄积量估测

森林蓄积量主要用于评价森林中全部活立木的材积总量,动态反馈森林资源变化情况,是森林资源监测的重要指标之一。为探究Sentinel-2A影像及其红边波段对森林蓄积量的估测性能,本文以黑龙江省海林市长汀林区为研究区域,基于Sentinel-2A卫星遥感影像,结合数字高程模型(DEM)数据和研究区样地调查等辅助数据,提取影像光谱信息、植被指数、地形因子,并和样地因子作为模型自变量,应用面积蓄积量作为模型因变量,建立该研究区森林蓄积量估测模型。所构建估测模型经分析评价,其精度可达到86.71%,说明Sentinel-2A影像及其红边波段数据和其他辅助数据结合,综合应用于森林蓄积量估测可达到较好估测精度。本文提出的以Sentinel-2A数据为基础的估测方案可拓展到更大区域,提升蓄积量估测的时效性,为区域森林蓄积量估测提供重要支持。

基于多特征优选的Sentinel-2遥感影像林分类型分类

为探究Sentinel-2遥感影像林分类型分类的优选特征组合,实现对阔叶林、马尾松林、杉木林和竹林的分类及其效果评价,选取福建省长汀县为研究区,利用Sentinel-2影像提取10个原始波段(O),计算9个光谱指数(S)、7个红边光谱指数(R)和8个纹理特征(Te),以及基于数字高程数据计算2个地形特征指数(To),共计36个特征;利用随机森林算法分析不同特征在林分类型分类中的重要性,并利用袋外样本(Out of Band,OOB)数据与平均不纯度减少方法优选特征组合(Optimum Individuality Combination,OIC);对6种不同试验方案(O、O+To、O+To+S、O+To+S+R、O+To+S+R+Te和OIC)进行林分类型分类,并利用混淆矩阵评价分类结果。结果表明,参与林分类型分类的36个特征的重要性为2.11%~5.43%,其中,海拔因子的重要性最高,红边波段、红边光谱指数、纹理特征中均值与相关性也具有较高的重要性;单独使用原始波段对林分类型进行分类,分类精度不高,总体精度为73.26%,Kappa系数为0.64;以原始波段为基础引入其他特征,除原始波段外,其他特征均可以提高分类精度;优选特征组合(OIC)为重要性前27个特征,包含海拔、8个原始波段、7个红边光谱指数和3个纹理特征,分类精度最高,总体精度为83.13%,Kappa系数为0.77,比其余5种试验方案的总体分类精度提高了0.82%~9.87%。以Sentinel-2影像为数据源,随机森林算法优选的特征组合综合多类型特征中对林分类型分类有重要贡献的特征,从而提高了分类精度。研究结果可为GEE平台Sentinel-2影像在森林资源调查中林分类型信息的提取提供参考。

基于Sentinel-2影像的火烧迹地快速提取方法比较研究

利用Sentinel卫星数据,特别是其中对植被敏感的红边波段与短红外波段,针对提取灾后火烧迹地研究不足的问题,选取四川省冕宁县4月20日森林火灾发生前后的Sentinel-2卫星数据,使用不同的提取方法探究识别火烧迹地的潜力,并进行对比研究。实验结果表明,决策树分类法识别火烧迹地的能力最好,提取精度最高,BAI指数次之;其余方法均受道路、房屋和裸体不同程度的影响;用红边波段替换可见光红波段的效果相比原有指数提取效果并无明显提升。研究证明在各类方法中,采用决策树分类法能快速高精度地将火烧迹地准确提取出来。

综合光谱和纹理信息的遥感影像茶园信息识别

为了获取准确的茶园空间分布信息,利用珠海一号和Sentinel-2号影像数据以最小距离法、支持向量机(SVM)和随机森林(RF)分类方法,结合光谱和纹理特征,对普洱市思茅街道的茶园分布进行识别。结果显示,仅以光谱特征识别,珠海一号和Sentinel-2的最佳分类效果均为随机森林构建的分类模型:OA分别为82.98%和91.29%,Kappa系数分别为0.58和0.79;将其与纹理特征相结合,珠海一号和Sentinel-2的最佳分类效果均为随机森林构建的分类模型:OA分别为95.07%和95.48%,Kappa系数分别为0.84和0.88。表明在不同的影像数据源中,相比仅以光谱特征识别茶园,将光谱特征和纹理特征二者相结合,可以极大提高茶园的识别精度。

基于实测高光谱和Sentinel-2B影像的银川平原土壤盐分反演

土壤盐渍化是干旱半干旱区土壤资源损害、生境破坏和农业生产损失的重要影响因素,定量反演和监测盐渍化土壤,对防护土地生态安全具有重要意义.文章基于光谱变换筛选盐分特征波段和特征光谱指数,构建实测高光谱和Sentinel-2B影像的岭回归模型和偏最小二乘回归盐分反演模型,并以特征光谱指数为敏感参量进行星‒地光谱匹配,构建匹配后盐分反演模型,实现银川平原土壤盐分定量反演.结果表明,盐分指数3(Salinity index 3,S3)、强度指数1(Intensity index 1,Int1)和强度指数2(Intensity index 2,Int2)能够实现实测高光谱端元到多光谱像元尺度的匹配,有效地提升模型精度;经光谱匹配后构建的偏最小二乘模型精度最高(R2=0.721,RMSE=4.856 g·kg^(−1)).相比单独利用影像建模,其R2提升了0.309,均方根误差(Root Mean Square Error,RMSE)减小了2.085 g·kg^(−1).盐分反演结果与实地采样具有较好一致性,表明特征光谱指数可为不同尺度遥感数据间光谱匹配与联合,实现地表点到空间面尺度盐渍化定量监测,为土壤盐分监测提供理论借鉴和实践参考.

面向Sentinel-2影像的亚像元级水体提取方法

结合Sentinel-2影像及其他高分辨率卫星数据进行长序列、高频次、大范围的水面率、蓄水量、生态流量等水资源要素监测具有重要意义。为了提高水体提取精度,解决利用多源中高分辨率卫星数据提取水体时的空间尺度效应问题,本文提出了一种面向Sentinel-2影像的亚像元级水体提取方法(简称SWES)。首先利用RWI提取纯水体像元,然后利用膨胀算法提取水陆边界混合像元,最后为解决地物的类内光谱变化问题,采用考虑空间信息的多端元光谱混合分析算法(MESMA)求解水陆混合像元中的水体丰度。3个试验区的结果均表明,SWES取得了较好效果,平均RMSE为0.147,水体提取效果均优于自动亚像元水体提取方法(简称ASWM),尤其在水陆混合像元较多的坑塘养殖区。SWES在试验区获取的水体面积也有较高精度,平均相对误差为8.03%,低于ASWM的20.23%,结果表明SWES能够有效提升水域面积提取精度。

基于Sentinel-2时序影像的地块尺度灌溉耕地提取

准确掌握灌溉耕地的数量和空间分布等信息是农业生产与水资源管理的重要基础。传统基于像元的遥感灌溉提取会破环地块基本形态,在耕地较为精细、破碎的农田区域,单时相卫星影像所做出的地图也往往达不到所需精度,针对此问题,提出了一种基于Sentinel-2时序影像的地块尺度灌溉耕地提取方法。首先,利用高分辨率遥感影像提取研究区精细的农业耕种地块(矢量多边形);然后,以时间序列Sentinel-2影像为数据源构建地块尺度的时序特征,并设计多种特征组合方案;最后,构建以XGBoost分类模型为基础的灌溉耕地识别方法并评估模型的泛化能力,以实现区域地块尺度的灌溉耕地提取。进而,在美国科罗拉多州南普拉特河流域的农业灌溉集中地区验证上述方法流程。结果表明:①即使耕地情况破碎、复杂,基于地块的提取方法也能在保留地块基本形态的基础上实现灌溉耕地的精确提取,总体精度高达85.03%;②在特征的构建与组合中,精度表现最好的是均值、标准差、中值这三类光谱特征的组合,Kappa系数达到0.69,其中灌溉耕地分类精度为86.76%,非灌溉耕地分类精度为82.30%;③通过测试不同时间序列长度对灌溉耕地提取的影响,发现对灌溉耕地和非灌溉耕地的区分较为敏感的时相集中在农作物生长季的中后期,其分类精度随着时序长度的增加而不断提高。这对后续的研究提供了思路,可以利用农作物生长旺盛阶段的时序影像的均值、标准差、中值这三类光谱特征进行灌溉耕地的识别,该时段的时间序列蕴含丰富的结构化特征信息,从而使得模型表现优异,达到理想的制图精度。集成机器学习和时序遥感,可用于灌溉耕地的调查与监测,也为该方向的深入研究提供了思路。

空间关联随机森林模型结合Sentinel-2影像估算潍北地区裸土期土壤盐分

土壤盐分含量(SSC)是评价土地退化和肥力水平的重要指标,实现SSC状态和空间分异的快速准确监测对区域环境的优化管理极为关键。选取潍北平原为研究区,野外采集233处土壤样品并获取同时相Sentinel-2多光谱影像,进一步将特征光谱波段和构建的最优光谱指数作为输入自变量,测试得到的SSC实测值为因变量,最后将空间关联函数引入到随机森林中去建立基于空间关联随机森林算法的SSC遥感估算模型,完成区域尺度上的SSC反演估算与空间制图。结果表明:影像的B3、B8和B11是SSC的特征波段,通过波段比值变换能够增强卫星光谱信号对SSC的吸收响应,筛选得到的最优光谱指数分别为RI_(34)(波段3和波段4的反射率比值)、RI_(711)(波段7和波段11的反射率比值)、ND_(611)(波段6和波段11的反射率归一化值)和D45(波段4和波段5的反射率差值);仅用特征波段或最优光谱指数来构建模型不能取得满意的SSC估算精度,空间关联随机森林模型的SSC估算精度要高于随机森林模型;在将上述特征波段和最优光谱指数共同输入空间关联随机森林遥感估算模型时,估算精度指标R2和相对分析误差RPD达到0.89和2.04,对比随机森林模型精度分别提升了28.99%和53.40%,能够较准确地完成区域SSC的估算制图;SSC在空间分布上中部略高于南部和北部,高值区主要受盐田分布影响。研究构建基于特征波段和最优光谱指数组合输入的空间关联随机森林模型,可为利用卫星遥感数据进行SSC的估算制图和区域内土壤环境的监测管理提供技术支持。

Sentinel-2影像结合空间关联随机森林模型反演裸土期耕地土壤全氮含量

为快速准确地获取区域内土壤全氮的含量信息和空间分布特征。选取山东省济南市章丘区刁镇为研究区,系统采集64个土壤样品并获取同期Sentinel-2(哨兵2号)影像数据,进一步利用皮尔逊相关分析法选择土壤全氮的敏感光谱参量作为自变量,测试得到的土壤全氮含量为因变量,分别建立基于随机森林和空间关联随机森林算法的反演模型,完成区域尺度的土壤全氮含量的遥感反演和数字制图。结果表明:哨兵2号影像的多光谱波段与土壤全氮含量相关性较低,通过波段间比值变换能够显著增强土壤全氮含量对光谱信号的响应能力,光谱指数b_(6)/b_(11)、b_(8a)/b_(12)、b8/b_(9)、b_(8a)/b_(9)和(b_(9)-b_(11))/(b_(9)+b_(11))对土壤的全氮含量信息最为敏感;空间关联随机森林模型的反演精度指标R2和RMSE分别为0.90和0.11,相对比随机森林模型精度分别提升11.11%和26.67%,使反演模型的结构和计算效率均得到了优化;土壤全氮含量在田块尺度上的空间变异较大,与土地利用状况关系密切,村居建筑物周边土壤全氮含量处于低水平(<0.80g/kg),远离建筑物的大片耕地区域土壤全氮含量则较高(>1.20g/kg)。哨兵2号影像与空间关联随机森林算法相结合的遥感反演技术可为区域土壤环境信息的监测与制图分析提供有效的方法支持。

基于Sentinel-2遥感影像的玉米冠层叶面积指数反演

叶面积指数是描述玉米冠层结构的重要参数之一,决定玉米冠层的光合作用、呼吸作用、蒸腾和碳循环等生物物理过程,因此精确反演叶面积指数对玉米长势监测具有重要意义。以河北省保定市的涿州市、高碑店市、定兴县为研究区,利用Sentinel-2遥感影像和LAI-2000地面同步实测数据进行玉米冠层叶面积指数反演,使用归一化差异光谱指数和比值型光谱指数两类指数,构建了单变量和多变量玉米冠层叶面积指数反演模型,通过决定系数(R2)和均方根误差(RMSE)筛选出最佳模型。研究结果表明,由NDSI(783,705)构建的单变量模型为最优反演模型,其决定系数为0.534 2,均方根误差为0.288 5。因此,基于Sentinel-2遥感影像利用植被指数反演玉米冠层叶面积指数的方法可作为判断玉米长势状况的初步判断依据。