空间分辨率与精度协同改进的卫星AOD产品降尺度模型

针对现有卫星气溶胶光学厚度(AOD)产品空间分辨率和精度往往难以满足大气污染精细治理实际需求,提出了一种耦合偏差校正的统计降尺度改进模型(SDBC).该模型基于“空间尺度不变性假设”引入相关驱动因子的额外空间信息实现AOD降尺度,并在此基础上通过偏差校正进一步提升降尺度产品的精度.以1km分辨率MAIAC AOD产品为例,在北京、大湾区、台湾岛3个典型地区开展模型验证.结果表明:(1)DEM、NDVI、人口数量和土地覆盖是影响AOD变化的细节因子,在SDBC空间降尺度过程中引入可将AOD产品的空间分辨率有效提升至500m,且降尺度产品验证R²最高可达0.88;(2)顾及卫星观测几何、质量标识、大气水蒸气柱、气溶胶模式等因子的偏差校正则可进一步提升降尺度AOD产品的精度,3个地区的验证R²均在0.85以上,最高可达0.93;(3)信息熵评估结果显示SDBC模型生成的500m AOD产品提高了原始MAIAC AOD产品的空间信息量.在保留了公里级产品AOD的空间分布格局的基础上,SDBC产品也增强了细节和纹理特征、改善了边界现象和马赛克效应.研究结果证实SDBC模型能有效协同改进现有卫星AOD产品的空间分辨率和精度,提升我国大气污染遥感精准监测的业务能力.     

水源地土地覆被分类及无人机遥感验证评价方法研究

本文提出一种水源地土地覆被分类及无人机遥感验证评价方法。采用面向对象分类方法对高空间分辨率卫星遥感影像进行土地覆被分类,基于无人机遥感影像,采用随机抽样方法获取多边形样本验证分类结果,建立混淆矩阵后评价分类精度,并采用国产卫星及无人机遥感数据开展示例研究,取得了很好的研究应用效果。     

基于无人机可见光影像的绿色植被提取

在分析健康绿色植被光谱特性及无人机可见光影像典型地物各波段像元值差异的基础上,提出一种综合利用红、绿、蓝3个可见光波段信息的新型绿色植被指数——差异增强植被指数（DEVI）.利用该指数及其他8种常见可见光植被指数结合不同阈值方法提取研究区域绿色植被信息,并采用地表真实感兴趣区和基于SVM的监督分类方法进行精度量化评价.结果表明：由DEVI计算的植被指数灰度影像直方图具有良好双峰形态,可利用双峰直方图阈值法快速确定阈值,且阈值一般位于0.9~1之间;同时,DEVI提取精度明显优于其余8种植被指数,且采用双峰直方图阈值法时,总体精度为98.98%,Kappa系数为0.9791,相对误差为1/83.为验证DEVI是否具有良好的可适用性及可靠性,选取3种典型植被覆盖区域进行可行性验证,结果表明：利用DEVI可高精度提取建筑密集区域和植被零散分布区域的绿色植被信息,总体精度分别为98.42%和98.56%,Kappa系数分别为0.9610和0.9635,相对误差分别为1/125和1/91;而植被集中分布区域提取精度略低于上述2种典型区域,总体精度为97.40%,Kappa系数为0.9371,相对误差为1/53.因此,提出的差异增强植被指数——DEVI可以有效、高精度、低成本提取不同植被覆盖典型区域无人机可见光影像中的绿色植被信息,为陆地生态系统中的绿色植被监测研究提供一种可行性方法.     

基于高空间分辨率遥感影像的城市绿地提取方法研究

城市绿地是城市生态系统的一个重要子系统,在改善城市环境质量和居民生活水平方面扮演着越来越重要的作用。因此,如何及时获取城市绿地的分布及其变化,对于保护城市生态环境至关重要。本研究提出了一种基于高空间分辨率遥感影像的城市绿地提取方法,并珠海市为研究区域,利用Worldview-2遥感影像进行了城市绿地提取实验。结果表明,城市绿地提取结果比较理想,总体精度为94．09%,Kappa系数为0．94,但建设用地和裸地、城市绿地和建设用地之间仍然容易错分。     

OBIA与RF结合的龙口市土地利用信息提取方法

为提高中分辨率遥感影像解译精度,本文提出面向对象影像分析（Object Based Image Analysis,OBIA）与随机森林（Random Forest,RF）结合的土地利用信息提取方法。采用Landsat 8 OLI影像,针对不同地物特点,阈值分割和多尺度分割结合创建影像对象,规则集和分类器协同分类,基于Relief F算法分别对光谱特征、纹理特征及所有特征降维筛选特征子集,并与全部特征一起应用RF建模,对龙口市进行土地利用信息提取与比较。结果表明：OBIA与RF结合提取土地利用信息,基于Relief F算法筛选纹理特征,保留完整光谱、几何、空间关系特征构建RF模型,建模错分率为0.0958,分类总体精度和Kappa系数分别为89.37%和0.872,取得较理想结果。该方法可应用于中分辨率遥感影像土地利用信息提取。     

基于主成分分析的大兴安岭高寒区典型火烧迹地土壤质量评价研究

以大兴安岭高寒区典型火烧迹地为研究对象,选取土壤表层（0 cm～5 cm）枯落层厚度、土壤含水率、午间均温、土壤容重、水稳性团聚体、pH等12项表征土壤物理、化学、生物学性质的指标,运用主成份分析方法,对森林土壤质量进行评价。结果显示：林火对所有指标的影响度均达到显著水平（ρ＜0.01）。对照林地综合得分（0.194）明显大于火烧迹地综合得分（0.101）,表明林火短期内可使森林土壤质量降低。     

影像融合技术在滩涂湿地植被分类中的应用

选择上海崇明东滩鸟类自然保护区的盐沼植被为对象,利用该地区2004年TM多光谱影像与同期SPOT5全色影像进行多种规则的融合,通过计算信息熵、均值、标准差、平均梯度、偏差指数、相关系数和均方根差7项指标,评价选取光谱信息较丰富、空间信息更清晰的融合影像.在此基础上,利用该融合影像进行植被分类,得到滩涂地区典型植被、光滩和水体等专题分类影像及其信息,并利用实地观测的134个样区进行比较验证.研究结果表明:相对于融合前的TM影像,利用Wavelet +IHS方法融合后的图像数据能很好地保留TM影像的多光谱信息,同时增加了其空间分辨率.融合技术可以充分利用各类遥感影像的空间和光谱信息,有效提高海岸带资源调查与监测的精度.     

基于高分1号影像的森林植被信息提取

实时最新森林植被信息的提取是林业航空植保作业的必要前提。论文以安徽省蚌埠市为研究区域,探讨了基于高分1号卫星遥感数据在亚热带农林植被混合地区的森林植被信息提取。根据植被物候信息差异选择了提取森林植被信息的5个关键时期高分影像,采用分区决策树方法监测森林植被的空间分布和面积信息,并与未分区决策树法的提取结果进行比较。结果表明：采用分区决策树法和未分区决策树法对于大中尺度森林植被信息提取的总体精度均优于85%。但分区决策树森林植被提取总体精度达到90.72%,较未分区决策树法提高3.80%、4.65%,Kappa系数达到0.81,较未分区决策树法提高约0.07~0.10,结合植被物候信息的分区决策树森林植被提取法好于未分区决策树法,能够满足林业航空植保作业的精度需求。具有较高空间分辨率、宽覆盖、短重访周期的高分1号影像,对于大区域的林业航空植保当年最新森林植被信息的提取表现出较大的潜力。     

台湾岛高分一号卫星WFV数据气溶胶反演与验证

针对国产中等分辨率遥感数据的特性,集成暗像元和深蓝算法的优势,提供了一种能够同时对低反射率和高反射率地表类型实现AOD反演的方法.基于该方法,以台湾岛为例,利用高分一号卫星(GF-1)WFV数据反演得到550 nm处的AOD.与MODIS气溶胶产品(MOD04)进行比较,二者空间分布具有很好的一致性,总体相关系数r优于0.9.利用全球气溶胶自动观测网(AERONET)站点数据进行反演结果的验证.反演结果与AERONET实测值具显著的相关性(r0.85),70%的反演结果满足误差精度要求.通过与暗像元法、深蓝算法的反演结果进行对比,本文方法在结果精度和空间覆盖度方面具有独特的优势.在台湾岛地区,夏、冬季分别采用海洋型和大陆型气溶胶模式比较适合;随着GF-1卫星数据空间分辨率的降低,气溶胶反演结果与地基观测值的相关性系数呈现先降低、后平稳的趋势,但整体变化不是太大.     

基于Google Earth Engine云平台的黑龙江流域长时序常年和季节性水面提取及变化分析

遥感影像空间覆盖广、更新周期短,是快速提取大区域水面信息的可行技术,对水资源开发利用、管理和保护具有重要意义。针对年际内受降水波动性影响,充分应用年份内所有可用的影像数据构建年均水体指数,来减少单期影像难以准确反映年内水面特征的问题,利用Google Earth Engine （GEE）遥感云平台解决了传统影像下载和桌面端处理海量影像数据效率低的问题。以黑龙江流域为研究区,以Landsat影像为数据源,结合地形数据,提取1987—2019年常年水面和季节性水面。研究结果表明:1）相较于单期影像数据,年均水体指数能更全面反映水面的时间信息,水面提取总体精度达到95.32%,其中,常年和季节性水面的总体精度分别为96.59%、94.61%;2）与已有数据产品相比,提取的常年水面更加连续、完整,质量更好;3）近32年来,黑龙江流域常年水面面积波动较大,呈减少趋势,年均减少14.82 km2;季节性水面面积相对平稳,呈增加趋势,年均增加12.81 km2。     

基于线性光谱模型的城市不透水面遥感估算

城市不透水面是评估城市生态环境和社会经济的关键指示性因子,对于城市规划和资源管理有着重要意义。本研究以长春市为例,使用2014年Landsat 8影像,基于"植被-不透水面-土壤"理论模型,采用多端元优化的提取方法,依据研究区实际土地覆被特点,选取了高反照度、低反照度、植被、裸土、耕地等五个端元,利用线性光谱模型求算长春市不透水面,利用高分辨率遥感影像高分一号对估算结果进行验证,并对其空间分布格局进行分析。结果表明:基于几何顶点的端元提取方法得到的城市不透水面比例的RMSE为0.126,误差范围在-0.366—0.387,而基于多端元优化提取方法获取结果的RMSE为0.079,误差范围在-0.319—0.265,且超过80%样本的绝对误差小于0.1,精度有显著提升;长春市绕城高速范围内平均城市不透水面比例为47.4%,整体分布呈现"三角形"特征,南部不透水面分布面积明显高于北部区域。从城市外环到内部一环,城市不透水面比例有明显的递增趋势,三环内比例超过66.7%,不透水面分布密集。总体来说,在城市区域尺度上,采用多端元优化提取方法,利用中等空间分辨率多光谱遥感数据提取城市不透水面精度令人满意。     

面向GOCI数据的太湖总磷浓度反演及其日内变化研究

总磷浓度是水质评价的一个重要指标,是水体富营养化、蓝藻水华暴发的重要影响因素,遥感技术具有范围广、时效高的优势,利用卫星遥感监测总磷浓度,对于水质和富营养化的研究有着重要意义.利用2013~2014年3次地面实验数据,构建了基于GOCI影像的总磷反演模型,为了检验模型的适用性,选取2014年春、夏、秋、冬各1日GOCI影像,对太湖总磷浓度的日内变化进行分析.结果表明,利用GOCI数据8个波段的波段组合作为变量,进行逐步回归分析所建立的模型具有较高的反演精度,模型的决定系数为0.898,平均绝对误差百分比为14.296%,均方根误差为0.026 mg·L~(-1).同时,利用地面实测样点与同步卫星影像对模型进行了精度分析,2014年8月5日和2014年10月24日同步影像的验证精度分别为:平均绝对误差百分比为33.642%和22.551%,均方根误差为0.076 mg·L~(-1)和0.028 mg·L~(-1).对4个季节中4 d的30幅影像对比分析表明,不同季节总磷浓度的绝对含量存在差异,但是,总磷浓度的时空分布及从早晨到下午的差异性存在相似性.从空间分布上看,梅梁湾、竺山湾、贡湖湾及西南部沿岸小梅港、长兜港总磷浓度长期偏高,各个区域的总磷浓度变化受到风向、风速等因素的影响;从时间变化上看,早上总磷浓度最高,随后逐渐降低,反映了总磷浓度受到温度和光照影响的效果.     

利用多信息源提高半干旱地区TM影像的森林类型制图精度:以北京西部山区为例

以地处半干旱地区的北京西部山区为例,利用研究区森林类型的季相特征、已有的少部分林相图、Google Earth免费影像数据等信息选择不同坡向的相同森林类型做训练样本,通过加入其他辅助数据(海拔和坡向数据),来提高Landsat TM影像的森林类型分类精度,同时对比了基于像元和面向对象方法提取森林类型的效果。结果表明:1)就半干旱山区的森林类型划分来说,TM影像的TM4、TM5、TM4-TM2及辅助数据DEM和坡向可作为TM影像森林类型划分的最佳数据源。2)单独加入海拔信息,阔叶林的提取精度提高23%,针叶林和混交林的分类精度只提高了4%~5%;单独加入坡向信息,阔叶林的提取精度只提高21%,但是针叶林和混交林的分类精度则分别提高了13%、18%,显著优于单独加入海拔信息的效果。同时加入海拔信息和坡向信息,至少可以准确区分出约70%以上的针叶林、阔叶林和混交林。3)就本研究区而言,坡向比海拔更有效地辅助提高森林分类精度。4)就混淆矩阵数据而言,面向对象的分类方法比基于像元分类结果总体精度低3%,Kappa系数低4%,但面向对象的分类结果更加符合研究区实际情况。该研究对中分辨率影像应用于半干旱山区森林类型划分具有一定的借鉴意义。     

典型喀斯特小流域景观格局空间分辨率效应——以贵州清镇王家寨小流域为例

以位于喀斯特高原区的王家寨小流域为例,运用SPOT5影像(空间分辨率2.5米)、ASTER影像(空间分辨率15米)、TM影像(空间分辨率30米)为基本数据源,深入分析空间分辨率的变化对土地覆盖分类结果的影响。随着影像空间分辨率的增加,三种不同空间分辨率影像的土地覆盖分类信息的变化归纳为三种类型:增加型(灌木丛、农村居民点、裸岩裸土),减少型(旱地、稀疏林地),波动型(水田、有林地)。尤以能反映生态质量的裸岩裸土和低被草地斑块的变化较大,高分辨率影像显然能更多的识别出对流域生态质量有影响的生态系统类型。     

基于面向对象的海岸带土地利用信息提取研究

针对海岸带复杂多样的土地利用信息,选取山东省乳山市海岸带为研究区域,运用 Landsat TM遥感影像数据,基于面向对象分类方法,利用不同地物的光谱、形状、纹理和空间关系等特征,通过多尺度分割、隶属度函数法和标准最邻近分类法提取研究区土地利用信息,并对分类结果进行精度评估。结果表明：①隶属度函数法和标准最邻近分类法结合,提取出乳山市海岸带12 种土地利用类型信息,很好地区分了盐田和养殖水面、林地和园地,可提取出主要的道路和河流等细长线状地物;②将提取结果与最大似然法对比,面向对象分类方法提取精度达到82.50%,Kappa系数为0.809 1,分别比最大似然法提高了11.44%和0.105 5,很好地避免“同物异谱”和“异物同谱”对分类精度造成的影响,有效地避免了“椒盐”现象。面向对象分类方法提取中分辨率遥感影像精度较高,为海岸带土地利用信息的快速、准确提取提供了有效的技术手段。     

GF-5高光谱遥感影像的土壤有机质含量反演估算研究

本文基于高光谱遥感影像对土壤有机质含量进行反演估算,以哈尔滨与兴安盟交界处的平原地表土壤为试验对象.首先,基于辐射和几何校正等预处理的高分五号（GF-5）高光谱遥感影像,依据五点采样法采集影像覆盖范围的地表土壤样本共100组,在实验室内进行理化分析等一系列处理获取样本土壤有机质含量数据.然后,运用偏最小二乘法建立高光谱影像土壤沙化指数、土壤退化指数、归一化亮度指数和土壤盐分指数反演土壤有机质含量的估算模型.比较基于原始反射率数据、一节微分反射率数据和4种土壤指数构建的反演模型的预测精度,通过65%的建模样本和35%的预测样本验证表明,反演模型中基于土壤指数建立的反演模型的预测验证精度最高,预测集验证中ρ为0.816,RMSE为1.7287.并将该反演模型运用到高光谱影像的土壤有机质含量的反演估算,实际测量的SOM与影像反演SOM含量变化趋势一致,相关性达到80.023%以上,验证了模型的反演估算精度.     

中国地区MODIS气溶胶光学厚度产品综合验证及分析

讨论了2000年02月~2019年08月不同分辨率、算法中等分辨率成像光谱仪（MODIS）气溶胶光学厚度（AOD）产品在不同季节、区域、下垫面条件下中国区域的精度和适用性,在像元尺度上对比了重采样降低分辨率后的多角度大气校正（MAIAC）AOD数据与其他产品的精度.研究表明：在同等验证条件下,相较于暗目标算法（DT）、深蓝算法（DB）和暗目标与深蓝结合算法（DTB）,1km MAIAC AOD产品在中国地区与AERONET站点AOD观测数据整体一致性最高,R²达到0.891,均方根误差（RMSE）仅为0.126,超过75%的验证样本落在期望误差线（EE）范围内;同时,该产品受季节、区域和下垫面变化影响也最小,其中秋季R²达到0.917,RMSE为0.111,样本落在EE内的比例达到80.11%.3km DT算法AOD产品在植被覆盖率较大的森林和农田区域优于1km MAIAC AOD产品,在植被覆盖率较小的草地和城市区域则差于1km MAIAC AOD产品,且该产品在不同季节均存在AOD高估问题,其中,夏季高估程度最高（平均相对误差（RMB）=1.622,AOD值高估62.2%）.DB在长三角和珠三角地区存在AOD被低估的现象.DTB算法兼顾了DT算法和DB算法的优缺点,DTB算法AOD产品的相关性一般高于DB算法AOD产品,样本被高估程度一般低于DT算法AOD产品.通过重采样方法降低1km MAIAC AOD产品分辨率后,相同尺度下的MAIAC AOD数据精度优于DT算法、DB算法和DTB算法AOD产品,因此,MAIAC算法更适用于小尺度城市群集中区域的大气环境监测.     

基于面向对象的北京市区城市内部用地信息提取

选取北京市四环以内为研究区域,以资源三号卫星遥感影像为数据源,针对类型多样、特征易混淆的城市内部用地以及高分辨率遥感影像海量信息、人工提取费时费力等特点,论文基于面向对象分类方法,探讨城市内部用地自动提取方法,并对分类结果进行精度评估.结果表明:利用不同地物的光谱、形状、纹理和空间关系等特征,通过多尺度分割和隶属度函数法,构建合理的分类层次,不仅精确提取出研究区内水体、绿地、建设用地和待开发用地,更独具创新地区分了城市建设用地内部各种地物类型,包括工业生产用地、低密度和高密度生活用地以及交通用地.该方法有效地利用了资源3 号卫星影像的光谱、纹理及空间信息特征,总体精度可达到87.00%,Kappa系数达到0.853 9,取得较好的分类效果.     

中国地区MODIS气溶胶光学厚度产品综合验证及分析

讨论了2000年02月~2019年08月不同分辨率、算法中等分辨率成像光谱仪（MODIS）气溶胶光学厚度（AOD）产品在不同季节、区域、下垫面条件下中国区域的精度和适用性,在像元尺度上对比了重采样降低分辨率后的多角度大气校正（MAIAC）AOD数据与其他产品的精度.研究表明：在同等验证条件下,相较于暗目标算法（DT）、深蓝算法（DB）和暗目标与深蓝结合算法（DTB）,1km MAIAC AOD产品在中国地区与AERONET站点AOD观测数据整体一致性最高,R²达到0.891,均方根误差（RMSE）仅为0.126,超过75%的验证样本落在期望误差线（EE）范围内;同时,该产品受季节、区域和下垫面变化影响也最小,其中秋季R²达到0.917,RMSE为0.111,样本落在EE内的比例达到80.11%.3km DT算法AOD产品在植被覆盖率较大的森林和农田区域优于1km MAIAC AOD产品,在植被覆盖率较小的草地和城市区域则差于1km MAIAC AOD产品,且该产品在不同季节均存在AOD高估问题,其中,夏季高估程度最高（平均相对误差（RMB）=1.622,AOD值高估62.2%）.DB在长三角和珠三角地区存在AOD被低估的现象.DTB算法兼顾了DT算法和DB算法的优缺点,DTB算法AOD产品的相关性一般高于DB算法AOD产品,样本被高估程度一般低于DT算法AOD产品.通过重采样方法降低1km MAIAC AOD产品分辨率后,相同尺度下的MAIAC AOD数据精度优于DT算法、DB算法和DTB算法AOD产品,因此,MAIAC算法更适用于小尺度城市群集中区域的大气环境监测.     

基于Landsat 8 OLI数据的树种类型分布提取

树种分布是林业调查工作中的关键环节,遥感影像中对树种信息的提取具有重要意义。论文以福建省长汀县为研究区,收集2016年3月美国陆地卫星影像(Landsat 8 OLI)数据,提出基于知识库的图像膨胀分类方法,结合不同树种类型分布点的影像像元灰度与影像不同波段的重新排列,对杉类、松类、竹类与阔叶树类4个类型提取分布信息,结合地面验证坐标点进行精度评价,同时与专家知识分类法比较。结果显示图像膨胀法结合了地物分布特征与光谱信息,在Landsat 8 OLI影像中是可行的,并提高了精度,整体精度为83.01%,Kappa系数为0.77,与专家知识分类法相比分别提高了8.25%、0.11。该研究为快速精确地使用Landsat 8 OLI影像提取树种分布信息具有一定参考。