影像纹理窗口大小对山地阔叶林不同群落有效叶面积指数估测的影响

森林叶面积指数是陆地表面过程和地球系统气候模型的基本参数,更是森林结构的关键参数之一,已广泛应用于辐射、植物光合作用和降雨截流估测等方面。论文以川西南山地阔叶林5种不同群落类型为研究对象,基于地面调查的112个20 m×20 m样地和SPOT 5数据,运用5种图像处理技术,包括光谱反射率、植被指数、影像单波段纹理、简单波段比纹理和主成分纹理,提取相应影像信息,建立多元回归模型估算有效叶面积指数（LAIe）。结果表明：光谱反射率、单波段纹理参数和植被指数对LAIe估测能力相对较低,利用植被指数仅获得实测LAIe约65%的精度（R²=0.65,RMSE=0.28 m²/m²）;更为有效的是运用所有比值处理的纹理特征参数值来估测LAIe,可获得实测LAIe约74%的变异（R² =0.74,RMSE=0.20 m²/m²）;改进最理想的是利用主成分处理建立的回归模型（R²=0.85,RMSE=0.10 m²/m²）。不同群落的LAIe估测,整体上相应地优于研究区结果,其中栲群落决定系数R²更是高达0.89（RMSE=0.07 m²/m²）。对于研究区阔叶林以窗口7×7、9×9比较成功,而各群落以窗口9×9较好。因此比值处理、主成分处理的纹理特征参数引入及高空间分辨率数据的使用,能显著提高LAIe估测精度。     

基于连续小波变换、SHAP和XGBoost的土壤有机质含量高光谱反演

针对土壤有机质含量高光谱反演中存在的光谱有效信号薄弱和光谱信息冗余问题,提出结合连续小波变换、SHAP和XGBoost的土壤有机质含量高光谱反演框架.以北京市延庆区和房山区永久基本农田土壤为研究对象,首先,基于连续小波变换处理的土壤光谱反射率数据构建初始XGBoost模型;然后,利用SHAP方法分析模型中各波段的贡献度以筛选特征波段;最后,基于特征波段重新构建和优化XGBoost模型,实现土壤有机质含量高光谱反演.发现连续小波变换尺度为25时,利用SHAP方法选取的40个特征波段构建的XGBoost模型准确性最高,有机质含量反演值和实测值之间的R²为0.80,RMSE为3.60g·kg^-1;随着连续小波变换尺度的增大,R2呈现先升高后降低的趋势,25尺度下的R2比21尺度的高0.37;SHAP方法选取的特征波段比Pearson相关分析法少682个,RMSE低0.69 g·kg^-1;XGBoost模型的R2分别比随机森林和支持向量机模型高4%和8%.验证了结合连续小波变换、SHAP和XGBoost在土壤有机质含量高光谱反演...     

基于连续小波变换的土壤重金属含量反演模型

文章以博斯腾湖西岸湖滨绿洲土壤重金属Cr、Ni、Zn为研究对象，采用偏最小二乘回归、支持向量机和人工神经网络模型，通过连续小波变换，优选高光谱数据与土壤重金属含量的特征波段，构建研究区土壤重金属含量的高光谱反演模型。研究结果表明：（1）连续小波变换后，土壤重金属Cr含量相关性由0.24提高到0.45；土壤重金属Ni含量相关性由0.31提高到0.45；土壤重金属Zn含量相关性由0.31提高到0.51;(2）土壤重金属Cr、Ni、Zn含量的高光谱特征波段主要位于400～900、1 400～1 600、2 000～2 200 nm。（3）连续小波变换与人工神经网络相结合的模型精度最优，其土壤金属Cr含量的建模集和验证集的R²分别为0.91和0.84，均方根误差(RMSE)为2.40和3.91；土壤金属Ni含量的建模集和验证集的R2分别为0.91和0.84，均方根误差(RMSE)为2.40和3.91；土壤金属Ni含量的建模集和验证集的R²分别为0.88和0.82,RMSE为1.64和2.43；土壤重金属Zn含量的建模集和验证集的R2分别为0.88和0.82,RMSE为1.64和2.43；土壤重金属Zn含量的建模集和验证集的R²别为0.90和0.81,RMSE为5.20和5.93；连续小波变换结合人工神经网络模型比最小二乘和支持向量机2种模型，适合研究区土壤重金属Cr、Ni、Zn含量的反演。     

基于TM遥感影像的湿地松林生物量研究

利用江西千烟洲地区2005年Landsat5TM遥感图像数据和同期野外调查获得的28个样方湿地松(Pinuselliottii)各器官生物量数据,分析了植被指数、影像变换(主成分分析,缨帽变换)结果与森林各器官生物量之间的相关关系,进而建立了光谱-植被指数与生物量多元回归模型。湿地松林各器官与遥感光谱、植被指数拟合相关性大小依次为:叶生物量>枝生物量>地上生物量>树干生物量。通过多元回归模型计算出湿地松林叶生物量平均为573g.m^-2,地上生物量平均为6628g.m^-2,低于样地调查平均值。单一植被指数与生物量相关性较低,ND-VI并不适用于盖度较大的湿地松林;遥感影像经主成分分析后生物量光谱模型的相关系数略有提高,缨帽变换后反而使模型的相关系数降低。     

基于连续小波变换的土壤重金属镉含量的高光谱估测

选择合理的处理方法可增强土壤光谱中有效信息特征,提高模型估测精度。以新疆渭-库绿洲土壤为研究对象,基于连续小波变换(continuous wavelet transformation, CWT)与传统数学变换相结合的方法进行光谱数据处理并提取特征波段,采用偏最小二乘回归(PLSR)、BP神经网络(BPNN)、随机森林回归(RFR)和支持向量机回归(SVMR)方法构建土壤重金属镉含量估测模型。结果表明：(1)土壤原始光谱曲线趋势基本一致,在600～2 450 nm范围内,随着重金属镉含量增加,其光谱反射率降低,二者呈负相关。(2)CWT与原始光谱一阶微分(R′)相结合的处理效果最佳,|r|值可达到0.586,为极显著负相关(P<0.001),表明数学变换与连续小波变换相结合的处理方法可有效反应光谱细节特征。(3)对比各模型的反演结果,发现CWT-R′-SVMR模型的训练集和验证集的决定系数(R²)大于0.86,均方根误差(RMSE)小于0.02 mg/kg,相对分析误差(RPD)大于2,建模效果较好,可作为最优模型对研究区土壤重金属镉含量进行估测。结合数学变换...     

湿地芦苇光谱对富营养化响应的多尺度高光谱遥感研究

近年来大多数滨海河口湿地都受到了人类活动的影响,水体富营养化加剧的问题造成了深远的影响,亟待在不同时空尺度上以快速、稳定、准确的途径监测滨海河口水体富营养化。论文采用能够提取植被氮吸收特征细微变化的高光谱遥感技术,基于3个时相的野外实验测量数据和HJ-1A HSI高光谱遥感数据,在叶片、冠层和景观3种尺度上,研究湿地芦苇的高光谱特征对滨海河口水体氮素浓度变化的时空响应特性,以此避免营养物质脉冲效应导致的错误水体富营养化水平评估结论。研究结果表明：在叶片和冠层尺度,邻近不同氮浓度的水体,湿地芦苇的光谱特征存在差异。而且,所采用的高光谱植被指数能够对邻近水体氮浓度的变化作出响应,各指数与水体氮浓度的相关性在冠层比叶片尺度有所降低,其中TCARI/OSAVI指数与水体氮浓度的相关性较高（叶片尺度R²为0.73,冠层尺度R²为0.7）;在景观尺度,采用基于Bootstrap的SVM模型,构建高光谱指数TCARI/OSAVI的水体总氮浓度估算模型,应用于3个时相HJ-1A HSI高光谱图像。精度检验显示,估算值和实测值之间存在较好的相关性（R²=0.61,RMSE=2.96 mg/L）。综合叶片、冠层和景观3种尺度的研究结果,证明湿地植被的高光谱响应特征可用于滨海河口水体氮浓度的时空分布估算,进而可以指示湿地所在区域水体富营养化水平的变化状况。     

天山北坡典型退化草地植被覆盖度监测模型构建与评价

草地退化是当今世界面临的一个极为严峻的生态问题。植被覆盖度作为草地退化监测的重要指标之一,在草地退化、荒漠化治理方面起着重要的作用。为了构建适合于天山北坡典型草地植被覆盖度监测模型,便于对草地及时、快速的监测分析,研究利用新疆阜康市2008年9月Landsat TM遥感影像数据和相应的实测数据,分别探讨5种植被指数(NDVI、RVI、GNDVI、SAVI和MSAVI)与植被覆盖度的线性和非线性(二次多项式、指数、对数以及幂函数)关系,以便获得最佳监测草地状况的植被指数和模型。研究结果表明,MSAVI和GNDVI与植被覆盖度的相关性最好(P<0.01),而NDVI和RVI较差;通过5种植被指数和植被覆盖度进行回归分析,MSAVI和GNDVI与植被覆盖度分别建立模型最佳,即:y=138.45x-1.248 2(R²=0.502 7,P<0.01)和y=2 596.66x²-561.54x+38.488(R²=0.605 3,P<0.01),精度达到90%以上。该研究结果说明不同的植被指数适用的条件不同,为今后利用3S技术深入研究荒漠退化草地植被状况的快速监测和科学管理提供支持。     

干旱区绿洲农田土壤重金属含量高光谱反演

对新疆渭库绿洲土壤样本的As、Hg、Pb、Cr、Zn和Cu共6种重金属含量与高光谱关系进行分析,基于逐步回归方法筛选出特征波段,采用地理加权回归(GWR)和普通最小二乘法回归(OLS)构建土壤重金属的高光谱反演模型.结果显示:1)研究区的6种重金属元素含量存在一定的差异,土壤中的平均重金属含量依次为Zn>Pb>Cr>Cu>As>Hg,均未超过国家土壤背景值.研究区的Pb平均含量高于当地(新疆)土壤背景值,即研究区表土层中的Pb元素明显富集;2)不同的光谱变换使土壤重金属的光谱特征均得到了增强,但强度有所差异,经过二阶微分变换(SD)和一阶立方根微分变换(CRFD)的土壤光谱相对于原始光谱增强最显著;3)从模型验证来看,在反演6个土壤重金属元素含量时,GWR的R²高于OLS,其中Zn的R²接近0.8,Cu的R²接近0.6,表明模型有一定预测能力,而As、Hg、Pb和Cr的R²均依然低于0.5,模型预测能力并不理想;4)两种模型预测的6种土壤重金属含量的空间分布表现出一定的...     

基于微分变换的湿地植物高光谱全氮反演

叶片全氮含量是监测和诊断湿地植物生理状况及生长趋势的重要指标,利用高光谱技术监测湿地植物氮含量,对于理解湿地生态系统氮循环具有重要意义.为探究湿地植物叶片全氮含量遥感光谱的估算方法,以云南省大理西湖湿地公园优势植物芦苇（Phragmites australis）和茭草（Zizania caduciflora）全氮含量为研究对象,对叶片光谱数据进行预处理并建立二者的关系模型,包括单变量模型、多变量模型（偏最小二乘回归模型和BP神经网络模型）,并利用决定系数（r²）和均方根误差（RMSE）对模型精度进行检验.结果表明:（1）不同形式的光谱变换增强了植物全氮含量与光谱变量的细节特征,二者的短波红外波段相关性强于可见光近红外波段.芦苇二阶微分（R"）反射率与全氮含量在1682 nm处相关性最强,相关系数为0.70;茭草平方根二阶微分[(R^1/2)"]反射率与全氮含量在1 190 nm处相关性最强,相关系数高达-0.80.（2）不同植物类型相比,利用茭草的变换光谱反射率建立的单变量和偏最小二乘回归模型建模精度都高于芦苇.（3）不同回归模型相比,BP神经...     

基于机器学习的珠三角秋季臭氧浓度预测

基于2015～2022年珠三角地区的臭氧(O₃)日最大8 h浓度平均值[MDA8-O₃,ρ(O₃-8h)]的观测数据和气象再分析数据,运用支持向量回归(SVR)、随机森林(RF)、多层感知机(MLP)和轻量级梯度提升机(LG)这4种机器学习方法,建立MDA8-O₃预测模型.结果表明,对于全年MDA8-O₃预测而言,SVR模型的效果最好,决定系数(R²)达0.86,均方根误差(RMSE)和平均绝对误差(MAE)分别为16.3μg·m^-3和12.3μg·m^-3;对于秋季MDA8-O₃预测而言,SVR模型的效果依然略优于LG和MLP,其R²、 RMSE和MAE分别为0.88、 19.8μg·m^-3和16.1μg·m^-3,RF模型在秋季的预测效果最差.采用全年数据构建的模型对秋季MDA8-O₃的预测效果比仅采用秋...     

三个主要树种单木生物量及其器官分配模型

目前已有不同方法构建生物量相容性模型,但基于非线性似乎不相关回归估计法实现不同树种生物量模型相容性及各器官生物量分配模型的研究较少。因此,论文以塞罕坝华北落叶松、油松、白桦3种林分为对象,基于非线性似乎不相关回归估计法和广义多项Logit模型,建立了包含哑变量的非线性可加生物量模型及各器官生物量分配模型。结果表明：不同树种树干生物量模型确定系数均大于0.90,树枝、树叶、树根生物量模型确定系数在0.77~0.93范围内,各器官生物量均方根误差和绝对误差分别在2.68~17.19 kg/株和0.83~1.39 kg/株范围内,经过检验不同树种各器官生物量模型均能满足精度需求。不同树种广义多项Logit分配模型,通过似然比检验、比分检验和Wald检验均达到显著水平（P<0.001）,各器官参数均表现为显著水平（P<0.05）。不同树种树干、树枝、树叶及树根生物量比例分别在0.76~0.87、0.07~0.11、0.02~0.07、0.04~0.07范围内。包含哑变量的非线性似乎不相关生物量模型及广义多项Logit各器官分配模型,实现了生物量模型在不同树种间的通用性,并对森林生物量器官分配格局研究提供了科学参考。     

基于LME/BME的珠江三角洲PM2.5星地融合技术研究

收集并处理了遥感反演的气溶胶光学厚度（AOD）、归一化植被指数（NDVI）和气象数据,采用贝叶斯最大熵（BME）结合线性混合模型（LME）估算了2015年10月~2016年3月珠江三角洲地区近地表旬平均PM_2.5质量浓度.结果表明,LME+BME模型的预测精度比LME模型有较大提升,LME+BME模型的交叉验证结果R²为0.751,RMSE为6.886μg/m³,MAE为4.52μg/m³,而LME模型的交叉验证结果R²为0.703,RMSE为7.546μg/m³,MAE为4.927μg/m³.空间分布看,PM_2.5高浓度地区主要集中在广州、佛山、东莞等地区,低浓度地区主要集中在肇庆、惠州、江门的南部等地区;时间变化看,PM_2.5污染比较严重的时间为2015年10月中旬、2015年11月下旬以及2016年3月下旬,而2015年10月上旬、2015年12月上旬和2016年1月下旬污染则相对较低.     

基于梯度提升回归树算法的地面臭氧浓度估算

将机器学习中的梯度提升回归树（GBRT）算法应用到中国地区地面O₃浓度制图中,利用地面O₃浓度观测数据,结合WRF气象数据、MODIS植被归一化指数以及高程人口数据建立训练预测数据集.通过反向变量选择法选取模型最佳特征变量对其进行训练,十折交叉验证结果：决定系数R²=0.89、均方根误差RMSE=4.75μg/m³.同时对全国O₃人口暴露水平进行评估.结果表明：在暴露强度上,我国人口加权O₃浓度值排在前5的省依次是山东、河南、江苏、河北、上海,均值浓度为94.48μg/m³.在暴露持续时间上,非达标天数最多的5个省依次是河南、山东、河北、宁夏、北京,一年内有42%的天数处于非达标的状态.     

基于混合效应模型的京津冀地区PM2.5日浓度估算

利用2016年182d的MODIS 3km AOD数据与地面监测数据,评估了混合效应模型不同参数组合的模拟性能,得出模型在解释AOD-PM_2.5关系时,对时间序列变异的解释能力要比空间差异更佳.在此基础上,利用混合效应模型建立京津冀地区每日的AOD-PM_2.5关系,模型拟合R²为0.92,交叉验证调整R²为0.85,均方根误差（RMSE）为12.30 μg/m³,平均绝对误差（MAE）为9.73 μg/m³,说明模型拟合精度较高.基于此模型估算的2016年京津冀地区年均PM_2.5浓度为42.98 μg/m³,暖季（4月1日~10月31日）为43.35 μg/m³,冷季（11月1日~3月31日）为38.52 μg/m³,与同时期的地面监测数据差值分别为0.59,0.7,5.29 μg/m³.空间上,京津冀地区的PM_2.5浓度呈现南高北低的特征,有一条明显的西南-东北走向的高值区.研究结果表明,基于每日混合效应模型可以准确评估京津冀地区的地面PM_2.5浓度,且模型估算的PM_2.5浓度分布状况为区域大气污染防治提供了基础的数据支撑.     

基于支持向量机回归和小波变换的O3预报方法

使用南京工业区2016年6月1日~8月15日的臭氧（O₃）、O₃前体物及常规气象数据，结合多元线性回归（MLR）方法和小波变换（WT）改进支持向量机回归（SVR）对O₃小时浓度的预报精度.结果表明，通过WT方法将一个高变异性的序列转化为多个低变异性的序列后再处理可提高预报精度，M-WT-SVR预报的决定系数（R²）达到0.90，平均绝对误差（MAE）、平均绝对百分误差（MAPE）和均方根误差（RMSE）分别为3.86×10^-9、28.26%和5.57×10^-9，优于M-SVR和SVR.低层细节序列主要与NO、NO₂和芳香烃有关，而更高层的近似序列受到气象条件、前体物和O₃前期浓度共同影响.与经典的MLR方法相比，M-WT-SVR对O₃小时浓度的预报有明显优势.     

峰丛洼地流域植被覆盖度时空演变及其归因

采用像元二分模型估算2000～2020年桂西南峰丛洼地流域的植被覆盖度,并借助Theil-Sen Median趋势分析、Mann-Kendall检验方法以及Hurst指数等分析方法对研究区域内植被覆盖度的空间分布、未来趋势和可持续性进行深入解析,最后引入地理探测器对其驱动力因素进行定量化分析.结果表明:(1)年际变化上,流域21a间植被覆盖度呈递增趋势,增速为0.6754a-1.喀斯特区域增长速率(0.774a-1)>非喀斯特区域增长速率(0.5751a-1);(2)空间尺度上,研究区域植被覆盖度整体上呈现出“北高东低”的格局,其中82.68%的区域植被覆盖度显著增加,仅有0.61%区域表现为显著减少;(3)未来变化趋势上,区域植被覆盖度的Hurst指数介于0～1之间,平均值为0.8207,呈现出向右单峰偏斜,即研究区未来植被覆盖度呈现出持续改善的趋势;(4)驱动力机制上,土地利用/覆被(LULC)是整个研究区域植被覆盖度的主导因素;各驱动因子对植被覆盖度空间分布均表现出明显的交互作用,其中土地利用/覆被(LULC)与人口密度(pop)的交互作用最强.     

基于TM影像植被指数的耕地地力状况反演研究

建立基于TM遥感影像植被指数的耕地地力反演模型,为区域耕地资源管理及可持续利用提供科学依据.选择耕地地力相似的山东郯城县和东平县,利用耕地地力实地调查分析和TM遥感数据,通过相关分析筛选对郯城耕地地力有较好反映的植被指数,通过回归分析建立耕地地力-植被指数模型,以郯城县数据建模,东平县数据进行反演和验证.结果显示,增强型植被指数(EVI)与耕地地力评价结果有最显著的正相关性,相关系数达到0.82.以EVI 为自变量建立的二次方程式模型拟合效果最好,决定性系数达到0.69.采用决定性系数(R²)、均方根误差(RMSE)、精密度和准确度4 个指标对模型的反演结果和原始评价结果之间的符合度进行统计检验,EVI 的二次方程式模型准确度最高,为95.84%,RMSE和精密度最小,分别为5.21 和0.04,为耕地地力最佳反演模型.对比分析东平县耕地地力反演图和常规耕地地力评价图,模型反演的各耕地地力等级与实际耕地地力评价等级具有较好的空间分布一致性.将耕地地力归并为高、中和低3 个等级,高中低等级面积比例差异均在3.3%以内,符合研究区实际,反演效果较好.研究证明了基于定量遥感手段进行耕地地力估测的可行性,为耕地资源的监测利用提供了有效手段.     

基于Landsat8影像的Himawari-8叶绿素a空间降尺度研究

新型地球静止气象卫星Himawari-8由于空间分辨率较低,其叶绿素a产品难以满足空间异质性高的近岸海域水质监测要求。为了克服这个限制,基于非线性的随机森林算法,利用陆地资源卫星Landsat8的波段反射率数据和Himawari-8的叶绿素a产品,通过构建降尺度模型,以提高Himawari-8的叶绿素a数据的空间分辨率。结果表明,2个秋季模型和2个冬季模型的模型决定系数(R²)分别达到0.6、0.72、0.71和0.85;均方根误差(RMSE)为别为1.47,1.05,1.89,0.76mg/m³。通过实测站点数据对比分析表明,降尺度模型生成的叶绿素a与葵花叶绿素a数据具有较高的一致性,R²达到了0.81,能较好的反映近岸海域叶绿素a浓度的空间变化特征。