高分五号卫星高光谱遥感分类方法研究综述

针对高分五号卫星在我国卫星遥感应用与科研领域中的重要性,本文分析了高分五号卫星的载荷和数据特点,并对高光谱遥感分类方法的一般过程、特点及面临的问题进行初步探讨;同时,对国内外以高分五号卫星高光谱图像为主的高分系列卫星图像在遥感分类领域的研究现状和最新进展进行梳理与汇总,而且重点对机器学习和深度学习分类算法进行研究与分析,进而对高分五号高光谱遥感分类研究领域的未来发展趋势进行展望。研究结果表明,传统的单一分类模型很难满足业务应用对分类精度的要求,而机器学习和深度学习相结合的方法分类精度更高,在未来将会拥有更为广泛的应用前景。该研究为寻求更高精度的国产卫星高光谱遥感分类方法提供了建议,指明了未来的研究热点问题和发展方向。

遥感植被指数和CASA模型估算山东省冬小麦单产

准确估算区域尺度冬小麦单产对明确区域农业生产现状与保证国家粮食安全有重要意义。光能利用率模型是作物单产估算的常用模型之一,模型中最大光能利用率(ξmax)是准确估算作物单产的关键参数,作物的ξmax是否随时间发生变化需要深入探讨。首先使用Savitzky-Golay(S-G)对中分辨率成像光谱仪(MODIS)时序植被指数数据进行滤波,采用差分法结合光谱突变法提取了山东省2000年—2015年冬小麦种植面积,并使用市级尺度年鉴统计面积对提取面积进行验证,然后使用固定ξmax和变化ξmax分别驱动光能利用率模型(CASA),结合作物收获指数与冬小麦种植面积获取山东省2000年—2016年冬小麦单产时空分布特征,探讨最大光能利用率对作物单产模拟的影响。结果表明,滤波后的时序植被指数数据能够反映冬小麦生长的光谱特征,差分法与光谱突变法结合提取冬小麦面积具有较好的普适性,提取的多年冬小麦种植面积与年鉴统计冬小麦播种面积之间的决定系数(R^2)达0.71;变化ξmax情景下模拟的多年冬小麦单产与统计单产之间的决定系数更高,说明冬小麦ξmax是随时间变化的,可能与冬小麦品种更替有关。基于统计与模拟的结果均显示山东省冬小麦单产在2000年—2016年间呈现增加趋势,两者表现出来的增加速率分别为93.12和149.79 kg·hm^-2·a^-1。在空间上,山东省冬小麦单产呈现西部高于东部的分布特征。

基于FY-3号气象卫星的中国典型积雪覆盖区的时空动态研究

基于风云三号(FY-3)气象卫星的积雪产品数据(snow cover),提出了基于经验模态分解的趋势提取方法,探讨了2010—2019年中国积雪时空动态变化趋势。结果表明:1)中国积雪覆盖频率(Snow Cover Frequency,SCF)具有显著的季节性特征,呈现先增加后减少的特点,每年2月、3月SCF达到当年最大;东北的SCF呈显著下降的年际变化趋势,其他地区变化不大。2)中国整体的积雪覆盖率(Snow Cover Rate,SCR)下降了约1.2%,内蒙古和西藏的SCR下降了约1.5%,其他地区的SCR变化不显著;主要积雪覆盖区的SCR均在2016年发生由增加到减少的转变。