基于多源遥感数据的旱情评价研究——以河南省为例

以河南省为研究区,利用2005—2014年间的EOS-MODIS地表温度产品MOD11A2、植被指数产品MOD13A3以及热带降水测量任务(tropical rainfall measuring mission,TRMM)的月降水速率数据集TRMM3B43,计算了植被状态指数(vegetation condition index,VCI)、温度状态指数(temperature condition index,TCI)以及降水状态指数(tropical rainfall condition index,TRCI),同时结合土地利用类型数据及气象站点数据,通过层次分析法确定权重,构建了农业干旱指数监测模型。在此基础上,利用标准化降水指数(standardized precipitation index,SPI)对模型进行验证,并根据SPI的等级划分确定构建的农业干旱指数监测模型的划分等级。以2014年为例,应用构建的农业干旱指数对河南省干旱情况进行时空分析。结果表明,构建的农业干旱指数监测模型能够有效监测河南省干旱时空变化特征,具有较好的监测效果。

基于无人机遥感影像的覆膜农田面积及分布提取方法

针对基于无人机遥感的覆膜农田识别研究甚少的现状,该文以云南省昭通市鲁甸县为研究区,获取了研究区中地表类型复杂程度不同的2幅航空影像(复杂区影像和简单区影像)作为试验数据,利用灰度共生矩阵对原始航片影像进行纹理特征提取并选择纹理特征最佳提取参数;然后基于随机森林算法进行纹理特征重要性评价,优选纹理特征,结合原始数据进行最大似然初步分类;运用众数分析进行分类后处理;最后结合图像形态学算法与面积阈值分割法提取出了最终的覆膜农田面积及分布。通过试验结果发现,依据该文提出的方法,复杂区和简单区覆膜农田识别的总体精度、Kappa系数、产品精度、用户精度和面积误差分别达到了94.84%、0.89、92.48%、93.39%、0.38%和96.74%、0.93、97.39%、94.63%、1.95%。该文提出的融合监督分类和图像形态学算法的覆膜农田提取方法可以简单、快速的将地膜连成块,形成覆膜农田对象,进而通过面积阈值分割法获取高精度的覆膜农田分布信息。该方法可以为精准覆膜农田识别算法的发展提供参考。

垂直与倾斜相机观测对遥感物候参数验证影响的对比研究

基于卫星遥感的大尺度植被物候监测对于农业生产管理、气候变化响应等领域具有重要意义。卫星遥感提取的物候参数真实性检验常以近地面数字相机观测为数据源。以往验证研究大多关注观测尺度的差异造成的影响,忽略了地面相机与卫星观测天顶角的不一致性。本文将获取的垂直(PhotoNet)与倾斜(PhenoCam)物候相机在相近纬度、同种植被类型的观测站点数据,分别与Sentinel-2卫星提取的物候参数进行对比,系统性地评估2种地面相机观测角度对卫星物候期验证结果的影响。结果表明:相机的观测角度是卫星遥感物候验证研究中的不确定性原因之一;在多数情况下,卫星遥感与垂直观测相机提取的物候期表现出更好一致性,平均相差9 d,而与倾斜观测相机平均相差可达19 d,偏差天数受植被类型和生长阶段的影响;在玉米凋落期至休眠期,垂直观测偏差反而高于倾斜观测;植被冠层方向反射特性和相机视场范围内目标组分差异是引起这种现象的主要原因。本研究证实了地面相机观测角度是卫星物候真实性检验中不可忽视的影响因素,相机野外布设时应充分考虑角度效应带来的验证误差,从而为卫星遥感物候监测提供更可靠的验证数据。

黑河中游农作物MODIS叶面积指数产品时间序列精度验证与变化特征分析

叶面积指数LAI (Leaf Area Index)是表征植被生长状态的一个重要的冠层结构参数。MODIS LAI产品是全球常用的遥感LAI产品之一。然而,由于地表异质性、数据质量、模型精度等多方面的差异,MODIS LAI产品质量各有不同。基于无线传感器网络的LAINet仪器可以自动获取时间频率更密集的LAI实测数据,为验证卫星遥感LAI产品质量提供了有力支持。本文基于2018年和2019年黑河中游时间序列地面实测LAI数据与高空间分辨率卫星遥感植被指数数据,建立经验回归模型。将该模型反演高空间分辨率卫星遥感LAI作为参考LAI真值,对MODIS LAI产品进行了精度验证与稳定性评价,分析了MODIS LAI与LAINet地面测量的差异原因。结果表明:与Landsat 8参考真值相比,MODIS LAI生长季的质量(RMSE_(2018)=1.17,RMSE_(2019)=1.14)优于衰落季(RMSE_(2018)=1.39,RMSE_(2019)=1.84),MODIS LAI总体低估,尤其是生长季后期。时间序列上,MODIS LAI产品能够刻画植被生长和凋落的季节特征,但生长前期波动性要强于后期。与LAINet观测方式的差异是MODIS LAI低估的主要原因,即遥感传感器从太空平台向下观测,LAI值在生长季后期受到叶绿素降低的影响,而LAINet仪器从冠层下向上观测,主要受到冠层间隙率的影响,因此对叶片内色素变化不敏感。对MODIS LAI产品的精度验证与稳定性评价结果表明,可以利用地面实测数据和卫星遥感数据反演时间序列LAI,但是,在使用类似玉米作物的生长季后期数据的时候,需要考虑到MODIS LAI与LAINet LAI观测对象与算法原理的差异。本研究可为MODIS LAI产品的使用者和算法研究者提供参考。

山地叶面积指数反演理论、方法与研究进展

叶面积指数LAI(Leaf Area Index)是表征叶片疏密程度和冠层结构特征的重要植被参数,在气候变化、作物生长模型以及碳、水循环研究中发挥着重要作用。遥感是获取区域及全球尺度LAI的一个重要手段,当前LAI产品主要基于遥感数据反演得到,但是多数LAI产品算法并未考虑地形特征的影响,导致山地LAI遥感反演精度不确定性大。提高山地LAI遥感反演精度亟需考虑地形因子对冠层反射率的影响,其中山地冠层反射率模型和遥感数据地形校正是提升山地LAI遥感反演精度的关键。本文围绕山地LAI遥感反演理论与方法,综合分析了国内外山地冠层反射率模型和地形校正模型的研究进展,总结了目前山地LAI遥感反演存在的问题,并讨论了未来研究的发展趋势。

基于遥感与生态服务模型的青岛市生态保护重要性评价

生态保护重要性评价是"双评价"的重要组成部分,是合理规划国土空间的重要依据。提出一种将遥感数据作为主要驱动数据,采用生态服务模型与生态敏感性指数相结合的生态保护重要性评价方法,定量评价了2018年青岛市陆域的生态保护等级。依据"双评价"标准,综合考虑区域内重要生态服务功能区、生态脆弱区和生态保护因子,划定青岛市生态保护重要性,并根据生态保护红线对评价结果进行验证和分析。结果表明:基于遥感与生态服务模型的生态保护重要性评价方法能够较好地评价区域生态保护重要性,青岛市生态保护重点区面积为1125.57 km^(2),约占全市陆域面积的10.34%,主要分布在青岛市东部的崂山片区、西南部的胶南山区以及北部的大泽山片区等生态系统服务功能较为丰富且生态敏感性较高的部分地区。研究提出的生态保护重要性评价方法为"双评价"工作的开展提供了良好的技术支撑,评价结果对于科学合理地编制城市发展规划和建设生态文明城市具有重要的参考价值。

基于混合式特征选择的高分五号影像农田识别

精准农田识别是农作物估产和粮食安全评估的基础。遥感数据作为农田识别的重要数据源,可提供动态、快速的监测结果。高光谱数据在农田识别分类方面具有巨大的应用潜力,但其中的冗余波段影响了分类效率和分类精度。因此,本研究提出了一种适用于高光谱数据农田分类的混合式特征选择算法。首先,基于变量的重要性排序或约束程度,按步长逐步进行降维;其次,寻找分类精度骤减的转折点,并将其对应的变量作为特征子集;最后,利用序列后向选择SBS(Sequential Backward Selection)方法搜索最优分类特征子集。本研究利用GF-5高光谱数据,共研究了3种降维方法(随机森林RF(Random Forest)、互信息MI(Multi-Information)和L1正则化(L1 regularization))和3种分类算法(随机森林、支持向量机SVM(Support Vector Machine)和K近邻KNN(K-Nearest Neighbor))的组合在农田分类中的表现。结果表明,基于L1正则化法得到的特征子集自相关性较低,并且包含的红边和近红外波段有效提高了农田、森林和裸土的区分度。在不同分类模型比较中发现,SVM在高维空间中表现出非常好的抗噪能力,分类精度高于RF和KNN。而RF在低维空间中的泛化能力要高于SVM和KNN。相比于第一步降维得到的特征子集,使用SBS搜索得到的最优特征子集均提高了分类精度。最终,具有23维输入的L1-SVM-SBS分类模型得到了最高的总体分类精度(94.64%)和农田召回率(95.83%)。本研究为高光谱数据特征优选提供了一种新思路,筛选出了更具代表性的特征波段,提高了农田分类精度,对高光谱遥感分类研究具有参考价值。

基于GlobeLand 30的南亚各国人造地表变化时空特征分析

以南亚各国为例,基于2000、2010和2020年三期GlobeLand30数据,通过空间扫描统计法、景观扩张指数和洛伦兹曲线对2000—2010年和2010—2020年两个时段南亚各国的人造地表扩张情况进行统计分析,研究南亚各国人造地表的时空变化和空间结构的发展特征。结果表明:(1)南亚人造地表面积持续扩张,扩张率由2000—2010年的0.42%增长到2010—2020年的2.59%。(2)近20年来,印度人造地表面积扩张量最大,不丹的扩张率最快,南亚在人造地表扩张的过程中出现了显著的空间热点区域,并且在不同时段表现出空间热点的迁移现象。(3)巴基斯坦西部、斯里兰卡中部、孟加拉国西北部以及印度东部和南部飞地式斑块增加,人造地表呈现出分散凌乱的扩散特点;印度北部、斯里兰卡东部和孟加拉国东南部的新增斑块类型由飞地式转化为填充式和边缘式,表现出从扩散式阶段发展到趋于紧凑的聚合式阶段的变化趋势。(4)南亚各国人造地表的扩张在不同规模的城市尺度上存在很大差异,导致人造地表扩张过程表现出明显的不均衡性。

青藏高原1982~2015年FPAR时空变化分析

植被吸收利用太阳光合有效辐射比率反映了植被固碳释氧能力,根据青藏高原GIMMS NDVI3g(1982~2015年)和MODIS NDVI(2001~2015年)数据,采用非线性半理论半经验模型进行FPAR反演及时空变化分析。结果表明:①2001~2015年GIMMS NDVI3g和MODIS NDVI反演FPAR在空间分布上具有较高的一致性,相关系数为0.82(P<0.01),年际变化趋势一致至少6年的区域占80%;②青藏高原FPAR受坡度和海拔影响较大,其中15~35坡度FPAR变化最快,700~2100 m海拔区间FPAR值最大;不同坡向对应的FPAR除南坡方向偏低外其他方向差异不大。③1982~2015年青藏高原四季FPAR时空变化研究中,冬季FPAR年际变化最明显,约78.5%的区域表现为增长趋势;秋季FPAR下降区域最多,但超过71.5%区域变化不显著;④基于MODIS NDVI和GIMMS NDVI两数据反演的所有植被类型的FPAR都在2012年间出现小幅度下降趋势,且不同植被类型FPAR的年际变化趋势各不相同。