Sentinel-2A卫星遥感影像小麦种植面积时空特性分析

为了研究基于中分辨率遥感数据进行省市级以上大尺度小麦遥感监测的技术方法的可行性和可靠性,同时探索河南省省市级小麦种植分布的时空特征。借助哨兵2号(Sentinel-2A)卫星遥感影像,使用物候信息的阈值法提取出了2018—2022年河南省小麦种植面积及其分布,并将其结果与统计结果进行对比分析。基于Sentinel-2A卫星遥感影像提取的河南省小麦种植面积与统计种植面积具有强相关性(R2=0.8159)。从空间上看,河南省小麦种植主要集中在北部、东部地区和南部地区,其中驻马店市、周口市小麦种植面积较大,济源市、三门峡市小麦种植面积较小。从时间上看,2018—2019年河南省小麦种植面积呈增长趋势,而在2019—2022年河南省小麦种植面积呈缓慢递减趋势,通过分析发现:地理位置、自然资源、气候变化、人口老龄化、城市发展进程和政府支持政策是影响小麦种植面积变化的重要因素。

应用Sentinel-2A卫星遥感影像估测森林蓄积量

为了探讨应用Sentinel-2A遥感影像进行森林蓄积量估测的可行性,以内蒙古自治区某林业局的一类清查样地数据、二类调查小班数据、数字高程模型(DEM)以及林地数据为数据源,以遥感影像的波段灰度信息、比值波段及地形信息为自变量,采用k-近邻法(k-NN)、稳健估计及偏最小二乘估计等方法,分林型构建研究区域的森林蓄积量估测模型,从林业局、林场及小班尺度进行估测精度评价。结果表明:k-NN方法在林业局、林场和小班等3个尺度中的估测精度分别达到了97%、93.2%和83.6%,均表现出良好的估测效果;稳健估计法在3个尺度中的估测精度分别为89.3%、72.4%、69.3%;偏最小二估计法在3个尺度中的估测精度分别为85.7%、75.8%、71.7%。k-NN方法估测效果明显优于稳健估计方和偏最小二估计法,因此,Sentinel-2A遥感影像能够有效应用于森林蓄积量估测。

基于Sentinel-2A卫星数据的黑龙江省天然湿地信息提取

以2017—2018年中6、7、8月云量覆盖少于10%的139幅Sentinel-2A卫星影像为数据源,利用最大似然与目视解译结合的方法提取黑龙江省天然湿地信息,确定黑龙江省天然湿地中各湿地类型的具体面积与分布情况。结果显示:在通过Google Earth平台目视解译对基于像元的最大似然分类结果纠正后,黑龙江省天然湿地提取的总体分类精度达到98.81%,总体Kappa系数为0.955。利用覆盖黑龙江省的Sentinel-2A影像数据提取出黑龙江省的天然湿地面积为51 554.3 km^(2),主要分布于大小兴安岭、三江平原及松嫩平原东部。其中沼泽湿地面积为40 874.7 km^(2),与第二次全国湿地资源调查结果相比增长了2 231.5 km^(2)。沼泽湿地中草本沼泽所占比例最大,分布范围最广;其次是主要分布在大小兴安岭的森林沼泽;内陆盐沼主要分布在松嫩平原,且面积最小,仅40.9 km^(2)。研究结果可为黑龙江省天然湿地保护工作提供重要参考依据。

应用Sentinel-2A卫星光谱与纹理信息的森林蓄积量估算

以Sentinel-2A为遥感数据源,以第九次森林资源清查数据为样地实测数据,对吉林省中东部的森林蓄积量进行反演。通过对遥感影像进行处理,获取影像的波段光谱值、植被指数,降维处理纹理特征以及地形因子;采用多元线性回归、偏最小二乘法、随机森林、支持向量机等构建了研究区的森林蓄积量估算模型,对检验样本做出了估测。结果表明:机器学习法在反演结果上均优于传统建模方法,随机森林法结果最优,相对误差为17.88%,方程精度为82.12%。

Sentinel-2A卫星大气校正方法及校正效果

针对Sentinel-2A卫星大气校正研究的不足,对Sentinel-2A大气校正方法进行介绍,并选取森林、水体、城市建筑物3种地物为研究对象,分析Sentinel-2A单波段通道大气校正前后反射率变化;以Landsat-8、高分一号(GF-1)为辅助数据,从3种传感器大气校正后均质像元反射率曲线、大气校正前后植被指数变化3个方面进行研究。结果表明:1)Sentinel-2A大气校正后,可见光通道反射率变小,波长越长,大气校正效果越不显著;近红外、短波红外反射率增加。2)大气校正后,3种数据源同种地物光谱曲线趋于一致,其中Sentinel-2A水体与植被光谱曲线更能反映地物特征。3)与Landsat-8相比,Sentinel-2A、GF-1WFV1大气校正后林地NDVI明显增大,Sentinel-2A高植被覆盖区增大,低植被覆盖区减小,最能反映植被特征;Sentinel-2ANDWI变化不如Landsat-8NDWI变化显著。

基于Sentinel-2A卫星数据面向对象的水边线提取——以如东县为例

使用基于面向对象的方法提取水边线,B分量作为阈值分割条件,Sentinel-2A数据作为提取水边线的影像,通过多尺度分割与光谱差异分割组合的方式。对如东沿海的淤泥质海岸、交通围堤海岸和养殖围堤海岸3种不同类型的海岸水边线进行提取。通过提取的水边线与影像叠加,并对受潮汐影响较小的水边线做精度验证。总体来说,提取的水边线较为准确。水边线的快速准确提取,对监测海岸带动态变化具有重要意义。

欧洲Sentinel-2A卫星即将大显身手——“哥白尼”对地观测计划简介(下)

8 Sentinel-5任务图46所示为Sentinel-5有效载荷的结构设计和预计参数。下面简单介绍一下该仪器的探测器组件以及前期研制工作的相关进展。8.1探测器组件紫外-近红外（即UV1、UV2VIS和NIR）探测器采用具有4个输出端口的工作在非反转模式（NIMO）下的帧转移型CCD。

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卫星的太原市主城区地表水提取及变化研究

文章基于2017、2020、2023年3年Sentinel-2遥感卫星影像,采用新型归一化比值指数法RWI对太原市主城区进行地表水体提取。结果表明,太原市主城区2017—2020年地表水体面积变化显著,主要变化区域集中在晋阳湖及汾河主河道下游祥云桥至东草寨村段。2020—2023年面积小幅增长但总体持平,主要变化区域集中在汾河下游东草寨村至南马村附近。

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。

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-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-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DVB-S2X协议的低轨卫星通信性能仿真分析

介绍了DVB-S2X标准,重点分析了其中高阶调制技术的基本原理和星座映射,在进行星地链路分析的基础上,构建了DVB-S2X标准低轨卫星通信仿真模型,针对DVB-S2X标准中16APSK、32APSK、64APSK调制信号开展仿真试验,以误码率和丢帧率为指标进行通信性能分析。

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。

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。