GF-6 WFV光谱植被指数模型的叶面积指数反演

农业是国家经济发展的基础支柱,同时也是社会发展的基础产业。我国农业遥感技术的进步和发展,大量遥感卫星发射升空,如高分1号、2号和6号等,为我国农情监测、作物长势、农业产业结构调整提供了重要技术支撑。农业遥感成为农业科技创新和精准农业的重要手段。叶面积指数（LAI）是一种可用来衡量植被冠层生理与生化的关键指标,不仅可以用来评估植被冠层表面的最初能量交换情况,提供相应的结构定量数据,还能反映植被冠层的光谱能量信息。同时,在陆地气候变化情况下,叶面积指数是陆地生态系统和土地利用过程生产力模型的关键输入。此外,研究发现植被冠层受人为活动和气候变化的直接或间接影响时,叶面积指数也是陆地生态系统应对气候变化十分重要的衡量标准。因此,针对GF-6 WFV遥感影像叶面积指数反演研究较少和传统光谱植被指数模型机理性、稳定性较弱的问题。基于GF-6 WFV遥感影像以栾城县为试验区,通过光谱植被指数与实测叶面积指数构造5种传统光谱植被指数模型和15种红边参与的光谱植被指数模型反演乳熟期叶面积指数,采用R2和RMSE进行模型评价,同时利用未参与建模的实测叶面积指数和MODIS LAI产品验证模型。实验结果表明：（1）由相关性分析可知,整体上讲,20种光谱植被指数与LAI具有显著相关性,相关系数在0.4以上,且红边参与构造的光谱指数相关性要高于无红边参与构造的光谱指数,其中NDSI的相关性最优;（2）由拟合分析可知,整体上讲,20种光谱植被指数与LAI拟合效果较好,其中NDS13的拟合精度是最高的,R2为0.803,RMSE为0.301 2。（3）由反演的空间分布可知,反演结果符合当地的实际情况。（4）由实测叶面积指数验证模型可知,实测叶面积指数与NDSI3模型反演的LAI整体拟合较好,R2为0.804,RMSE为0.312 5,说明该模型能有效反演乳熟期玉米的生长状况。（5）由MODIS LAI产品验证模型可知,LAIMODIS均值要高于LAIGF-6,这与MODIS影像像元混合严重和空间分辨率低有关。综上所述,GF-6WFV反演叶面积指数能力较强,其影像中红边参与构造的光谱植被指数模型能有效反演乳熟期叶面积指数,为玉米长势监测提供依据。     

基于均匀目标的GF-1WFV与SJ-9A PMS相机交叉定标

为检测SJ-9A卫星PMS相机在轨辐射特性,获取准确的PMS相机绝对辐射定标系数,提出了基于均匀目标的GF-1WFV与SJ-9APMS交叉定标方法。介绍交叉定标原理和均匀目标样区的概况,并对比两个遥感器的波段设置和光谱响应差异。基于敦煌辐射校正场均匀目标历史数据和2013年8月2日GF-1WFV与SJ-9APMS同时观测图像,实现了WFV与PMS的交叉定标。讨论了GF-1WFV与PMS相机交叉定标的影响因素及其不确定度。结果表明:利用GF-1WFV相机对SJ-9APMS相机进行交叉定标是可行的;以敦煌场区GF-1WFV观测数据为参考,获取的SJ-9APMS相机交叉定标结果不确定度小于5.24%。该成果可用于SJ-9A卫星在轨性能评估和后续数据定量化应用,并为我国自主卫星遥感器间的交叉定标提供借鉴。     

汉石桥湿地水质参数光谱分析与遥感反演

水质可见光近红外遥感监测是通过研究水体反射光谱特征与水质参数之间的关系,建立水质参数反演算法进行的。与传统水质监测方法相比,遥感技术监测水质可以快速反映区域水质在空间和时间上的分布情况和变化。文章以汉石桥湿地水体水质为研究对象,通过在可见光近红外波段分析光谱仪和ASTER遥感影像的水质参数特征光谱,建立了水质参数与最佳波段及其组合的多元线性回归方程。研究结果表明,基于地面光谱仪的光谱特征分析可为航天遥感特征波段的选择提供依据,但估算模型不能通用。基于AS-TER遥感的水质参数特征光谱其波段比值相对向长波方向移动,研究最终在分析ASTER遥感特征波段基础上,构建水质参数估算模型,并通过该模型得到目标水质参数空间分布图,实现了对湿地水质时空变异的遥感监测。     

Landsat-8的舟山近岸海域总悬浮物遥感反演与时空变异研究

总悬浮物(TSM)是海洋水质和水环境评价的主要参数之一。舟山海域位于杭州湾边缘,泥沙含量多,总悬浮物长期处于高浓度状态,其分布与动态变化对近岸水质、水循环以及该区域的渔业、旅游业都有较大影响。Landsat-8卫星影像作为一种应用广泛、空间分辨率高、便于获取的光学信息,可以为舟山海域的TSM观测提供有力的技术手段。利用舟山近岸海域实测TSM吸收系数a_p(440)和水面光谱,开发了基于Landsat-8反演TSM的最优模型,发现基于近红外和蓝色波段比B5/B2的S-函数和线性函数模型反演精度较好,相对于线性模型,S-函数具有更强的鲁棒性,该模型形式为a_p=3.72/(0.009+e-5.249B5/B2),克服了常用函数模型（如线性、对数、指数函数）应用于实际卫星影像时出现光谱幅度范围受限的困难。海岸带内陆复杂水体水色遥感的另一难点是大气校正,以往的研究往往只采用某种大气校正模型,但该模型不一定适合研究水域,从而使得校正结果并不一定是最优的。在本研究中,验证比较了FLAASH,6S和ACOLITE三种大气校正方法面向Landsat-8水色反演的校正结果,发现ACOLITE方法获取的光谱形状最准确,误差最小,特别在蓝色波段,明显好于FLAASH和6S方法。将最优模型应用于舟山近岸海域2013到2018年的10幅Landsat-8图像。实测数据和反演结果显示：舟山近岸海域的TSM吸收系数a_p(440)的变化范围在1.64～417.04 m-1,均值118.47 m-1,TSM吸收占水体总吸收的90%以上,该海域实测的水面光谱形状呈现典型的河口海岸带复杂浑浊水体的光谱特征,很多光谱曲线具有双峰特征,遥感反射率幅值较大,特别是红色、近红外波段,由于受河口高浓度TSM的影响,遥感反射率高于远海较清洁的海水;衢山、洋山、宁波等近岸区域的TSM浓度明显高于东极、嵊泗等远海区域,随河口羽化区呈现由高到低的梯度变化,在近岸区域分布复杂,外海区域分布较为均匀。在时间分布上具有冬季浓度远高于夏季的特点,其中12月最高,最大值为413.32 m-1,8月最低,最小值为3.69 m-1,5月、10月期间也有TSM的局部峰值。这些TSM时空变异特征表明舟山海域悬浮物的分布和变化一方面受地形、海流、潮汐、季风、台风等自然环境因素的影响,另一方面也受如海运、港口建设、海岛旅游等人类活动的较大影响。     

基于定量遥感反演的内陆水体藻类监测

叶绿素作为衡量湖泊富营养化的重要指标,利用遥感技术对其进行实时动态监测具有重要意义。以太湖为例,通过对水体实测光谱和水质采样数据的分析,建立了光谱反射率比值与叶绿素a浓度的回归模型。结果显示,700 nm附近波段与625 nm附近波段所构建的比值模型R2最高,710 nm以后波段与其他可见光波段所构建的比值模型的R2会随可见光波长的增大而逐渐下降。在高光谱遥感估算模型的基础上,应用同步MODIS卫星遥感数据进行了太湖叶绿素a浓度的空间分布反演,并基于MODIS绿度指数建立了太湖藻华水体信息提取模型,从叶绿素a浓度估算和藻华信息提取两个方面实现了太湖藻类空间分布特征的定量反演,为太湖等大型内陆水体藻类的实时定量遥感监测提供了新的研究思路。     

GF-2 PMS2与ZY-3 MUX多光谱传感器数据的交互对比

近年来随着我国新型国产高分影像的相继问世以及相关应用的逐步展开，不少研究涉及了不同国产高分影像多光谱数据之间的交互对比，但两种国产分辨率最高的GF-2 PMS2与ZY-3 MUX传感器多光谱数据之间的对比仍未见报道。为了使这两种国产主力高分辨率传感器的多光谱数据能够在实际应用中相互补充使用，发挥更大的作用，基于它们的3对同日过空影像，采用两种方法对其进行交互对比。第一种方法是对整个试验区采用逐像元光谱比较法进行对比，第二种是采用样区光谱均值比较法进行对比，即在试验影像上选择一系列的样区，然后以各样区的均值进行对比。通过对两种传感器同步影像对的表观反射率进行回归分析，获得各对应波段的回归散点图，查明它们之间的定量关系，并据此提出相互转换的关系方程。研究结果表明，两种对比方法得出的结果相一致，但使用样区光谱均值比较法进行交互对比的结果的准确性更高。GF-2 PMS2与ZY-3 MUX各对应波段具有很强的相关性，其线性回归方程的决定系数(R2)都大于0.9，但其值在蓝绿波段较高，在红光和近红外波段有所下降，表明两种传感器的表观反射率在蓝绿波段的一致性好于红光和近红外波段。总体上看，GF-2 PMS2的信号强于ZY-3 MUX，二者的信号差异在蓝、绿光波段较大，在红光和近红外波段较小，但却明显受到地物类型的影响。对于以裸土为主的影像，两种传感器之间的差异随着波长的增大而逐渐减小，而对于以植被为主的影像，二者之间的差异却随着波长的增大而逐渐增大。将纯植被与纯裸土的样区单独提取出来做进一步分析，结果表明，两种传感器的信号差异程度在红光波段主要受裸土影响，而在近红外波段则主要是受植被影响，且植被长势越旺盛，两种传感器的表观反射率差异越大。通过研究获得了两种传感器多光谱波段数据之间的相互转换方程，并对其进行验证，结果表明：经过转换后的GF-2 PMS2数据与ZY-3 MUX数据之间的差异大大减小，各波段均方根误差的均值降幅可达64.79%，平均相对偏差率也有明显的降低。这表明，所查明的两种传感器的定量关系是有效的，其对应波段的转换方程可以用于两种传感器数据的相互转换，经转换后的数据更有利于这两种传感器数据的协同使用。分析两种传感器数据的差异原因表明：二者数据的差异主要是由于它们的光谱响应函数的差异和空间分辨率的差异引起的。ZY-3 MUX的光谱响应函数曲线相对平缓，没有明显的起伏波动，而GF-2 PMS2则较不稳定，在四个波段呈现出程度不同的起伏变化，从而影响了二者表观反射率信号的一致性；而GF-2 PMS2具有的4 m空间分辨率明显高于ZY-3 MUX的6m空间分辨率，因此更容易捕捉到细小地物的光谱信息，这也使得二者信号出现不一致。     

基于生物光学模型的水面薄油膜厚度的高光谱遥感反演实验研究

研究水表薄油膜厚度与其反射率光谱之间的变化规律,对于分析海洋油膜污染和油气勘探的遥感探测机理具有十分重要的意义。建立了水面薄油膜厚度的生物光学模型,并介绍了单波段和双波段比值简化算法反演薄油膜厚度信息的方法。通过对原油样品进行油膜厚度定量反演,研究了遥感反射率随水表油膜厚度的变化规律。研究发现,可见光到近红外波段(450～800nm)反射率对油膜厚度变化最为敏感,有很高的负相关关系,并且随着油膜厚度的增加呈负指数形态下降。对于浅水环境较混浊的水体,ETM1/ETM3双波段比值模型可以较好的消除线性天空散射光的影响,克服单波段反演模型在不同水质背景下反演效果不稳定的特点,其反演结果的复相关系数R2可以达到0.98,是水表薄油膜厚度遥感探测的较好波段选择。     

水体组分光谱耦合效应研究

自然水体不同组分光谱之间存在复杂的耦合作用机制,由此导致水体光学特性的高度复杂性,给水质参数遥感反演带来了很大的不确定性,目前对此缺乏系统性认识。基于水体光学Monte Carlo高光谱模拟,研究了典型可遥感水质参数叶绿素a(Chl.a)、总悬浮物(TSM)与黄色物质(CDOM)光谱特征之间的耦合效应。结果表明：水体组分之间的光学影响具有不对等性;Chl.a与CDOM的存在不影响TSM信息提取时特征波段的选择;由Chl.a主导的水体对TSM的信息提取影响甚微,而TSM对Chl.a反射光谱产生的影响非常显著。随着TSM浓度不断增加,Chl.a的浓度对反射率的响应不断减弱,当TSM浓度达到一定水平时,Chl.a的反射光谱对其浓度的变化完全失去响应。即使在Chl.a敏感的特征波段670 nm,当TSM较高时,其光学特性可完全湮没Chl.a的光谱响应,使得在高浓度TSM的水体中提取Chl.a的浓度信息非常困难。CDOM的存在使得蓝绿波段比值算法在Chl.a在中高浓度时失效;由TSM主导的水体比由Chl.a主导的水体对CDOM的光学影响更为显著,TSM对于短波区域CDOM的光学特性具有更强的抑制性。研究结果可为水质遥感波段的选取、水体组分反演算法的适用浓度范围及水色卫星传感器的波段设置等方面提供了理论基础,尤其对于二类水体水质遥感的发展具有较大的促进作用。     

水体的多角度偏振波谱特性及其在水色遥感中应用

清洁水体光谱在可见光和近红外波段的反射率比较低,其光谱特征不明显,在光学遥感图像上水体一般都表现为暗色调,造成了利用光谱学手段进行水体遥感识别和水质参数反演的困难。在研究水体的偏振波谱时作者发现,在对水体进行多角度观测时,水体在可见光与近红外波段的偏振度波谱值要远大于其无偏的反射率,表现在图像上即水体的偏振度图像的亮度要远大于其强度图像的亮度,文章对这种现象和规律进行了物理学解释,并利用法国PARASOL多角度偏振卫星遥感图像数据对这个规律进行了验证。该文首次揭示了利用多角度偏振遥感进行水体探测的优势,该方法有效解决了在利用光学遥感进行水体探测时反射率低的难题,大大提高水体的遥感识别能力和水质参数反演精度。     

基于珠海一号高光谱卫星的巢湖叶绿素a浓度反演

叶绿素a是重要的水质参数,可以衡量水体的富营养化程度。遥感技术可以实时、快速、大范围地获取水体中叶绿素a的浓度与分布,对于水生态环境的评价及治理具有重要意义。内陆水体的光谱特征复杂,宽波段的多光谱遥感难以精确获取水体的光谱信息。国产珠海一号高光谱卫星因其光谱分辨率高,波段多等优势在内陆湖泊的遥感监测中具有广阔的应用前景。基于珠海一号高光谱数据,充分发挥其高光谱分辨率的优势,对巢湖的叶绿素a浓度进行反演,从影像中提取实测点处的遥感反射率曲线,筛选具有显著光谱特征的波段,并以OIF指数衡量不同波段组合获取水体组分信息的能力,以此构建与实测叶绿素a浓度相关性较高的波段组合。结果表明珠海一号OHS-2A星影像的14,16和19波段所构建的三波段模型[R_rs(700 nm)-1-R_rs(670 nm)-1]×R_rs(746 nm)在巢湖的叶绿素a浓度反演中取得了较高的精度,相对误差和均方根误差分别为19.97%和10.85 mg·m-3。由模型反演巢湖2019年5月10日的叶绿素a浓度空间分布图可知,叶绿素a浓度自东向西呈上升趋势,全湖南部和东北部的叶绿素a浓度较低,西巢湖的北部叶绿素a浓度最高。西巢湖的整体叶绿素a浓度是全湖最高的,尤其是其北部水域,水质情况较差,已经出现了一定面积的水华,其主要原因在于该地区紧邻合肥市,人类活动强烈,污水废水排放量大。珠海一号高光谱卫星对于内陆湖泊的水质反演具有一定的优势,但也存在着数据处理困难,波段利用率低,反演模型普适性差等局限,今后仍需借助珠海一号高光谱数据开展更多的湖泊遥感研究,不断提出高光谱遥感影像处理的新方法,提高反演模型的精度与普适性,充分挖掘数据源的潜力,使其更好地服务于水质的遥感监测工作。     

高分六号宽幅数据识别火烧迹地的光谱及指数分析

为探究利用高分六号卫星宽幅（GF-6 WFV）数据识别火烧迹地的适宜光谱波段和指数,选取2019年发生在我国内蒙古大兴安岭林区的三处雷击火形成的火烧迹地作为研究区,结合GF-6 WFV波段组成,选取归一化植被指数（normalized difference vegetation index, NDVI）、全球环境监测指数（global environment monitoring index, GEMI）、增强植被指数（enhanced vegetation index, EVI）、燃烧面积指数（burned area index, BAI）、土壤调节植被指数（soil-adjusted vegetation index, SAVI）、改进型土壤调节植被指数（modified soil-adjusted vegetation index, MSAVI）和归一化差异水体指数（normalized difference water index, NDWI）等7个光谱指数及地面叶绿素指数（MERIS terrestrial chlorophyll index, MTCI）、归一化差值红边指数（normalized difference red edge index 1, NDRE1）、改进的叶绿素吸收指数（modified chlorophyll absorption ratio index 2, MCARI2）和改进的归一化土壤指数（modified normalized difference soil index, MNDSI）等4个改进指数,基于同期影像和前后两期影像进行火烧迹地和其他典型类别的区分度计算,并利用上述11个指数及指数差值进行火烧迹地的识别,定量评价了GF-6 WFV各波段、所选光谱指数及改进指数识别火烧迹地的能力。结果表明：（1）GF-6 WFV的近红外波段和新增的两个红边波段区分度较高,反映火烧迹地特征的能力较强。（2）在区分火烧迹地和火烧前正常植被上,NDVI, GEMI, EVI, BAI, SAVI, MSAVI和NDWI 7个光谱指数等的区分能力较强,4个改进指数中,NDRE1和MCARI2的区分能力较好,MNDSI和MTCI的区分效果较差。（3）在区分同期影像火烧迹地和其余典型类别上,BAI, NDVI, MCARI2和NDWI区分效果较优,其次为NDRE1, GEMI, EVI, SAVI和MSAVI,而MNDSI, MTCI的区分能力较差。（4）在利用所选指数和指数差值识别火烧迹地中,GEMI, EVI, BAI, SAVI和MSAVI的识别精度均较优,其次是MCARI2, NDVI和NDWI,做差后提取精度显著上升,Kappa系数均提升到0.80以上,MTCI, MNDSI和NDRE1提取效果较差。综合比较,BAI和GEMI识别效果最好,NDVI, EVI, SAVI, MSAVI, NDWI和MCARI2的识别能力中等,而MNDSI, NDRE1和MTCI等3个改进指数识别火烧迹地的能力较差。     

光谱匹配因子对GF-1/WFV时间序列交叉定标的影响分析

在轨运行的传感器辐射性能由于受到元部件老化、外太空辐射等因素的影响,会发生变化,通过传感器在轨定标可以及时追踪传感器在轨运行期间的辐射性能变化。利用Terra/MODIS(Terre卫星中分辨率成像光谱仪)参考,GF-1/WFV(高分-1号卫星视场传感器)传感器为目标,基于敦煌校正场的实测地表光谱数据,在考虑两传感器成像时刻的不同观测角度、光谱响应、大气条件和地表特性的匹配贡献的基础上,获得交叉定标光谱匹配因子,进一步得出WFV自发射后的时间序列交叉定标系数。以此辐亮度定标系数得到的表观辐亮度值与MODIS表观辐亮度值进行比对,开展光谱匹配因子对GF-1/WFV定标系数的影响分析。分析认为：在不同波段,光谱匹配因子变化趋势总体一致,大于0.9的光谱匹配因子比重分别为53.1%,75%,81.2%和93.8%;辐亮度定标系数的时间序列变化趋势与光谱匹配因子的时间变化趋势呈现负相关;匹配因子越接近1,两传感器辐亮度值的相对偏差越小。     

基于时序高分一号宽幅影像火后植被光谱及指数变化分析

为了探究国产高分卫星遥感技术监测火干扰对植被生长影响的能力及其表征植被指数,选取2014年发生在四川省雅江县和冕宁县的两场森林火灾形成的火烧迹地作为研究区,利用火灾前后时序的高分一号宽幅(GF-1 WFV)数据,对不同受灾程度火烧迹地火灾前后的光谱特征变化进行分析,并以月为单位分析了不同受害程度植被火后两年内由GF-1 WFV数据生成的归一化植被指数(NDVI)、增强型植被指数(EVI)和全球环境监测植被指数(GEMI)等三种表征植被生长状态的植被指数的变化,结合研究区纬度、海拔和气候条件分析火后植被的年内恢复规律。结果表明：火烧造成植被色素和细胞结构破坏,使其不再表现出正常植被特有的光谱特征,在可见光区受害植被的反射率相比于正常植被偏高,且其值随受灾程度加重而升高;在近红外波段火干扰后的植被反射率降低,其值远低于正常植被的反射率值。NDVI,EVI和GEMI在表征植被恢复生长过程中存在高度相关性且对植被季节变化敏感,均能反映植被恢复的生长过程,具有描述火烧区植被恢复动态过程的能力;受灾植被恢复生长过程中的植被指数变化与正常植被年生长过程的植被指数变化趋势基本一致,同样存在生长季和非生长季;火烧区植被的NDVI,EVI和GEMI值相比正常植被对应植被指数值始终偏低,且植被受灾越严重,其植被指数值在同期中对应越低。     

浑浊二类水体的高分四号卫星大气校正效果分析

高分四号卫星是我国首颗高空间分辨率地球静止卫星,在浑浊二类水体的遥感定量监测方面应用潜力很大。为评价高分四号多光谱数据经大气校正后水体反射率的精度,以太湖为研究区,使用同步MODIS数据辅助的Gordon单次散射改进算法,对2016年7月21日和2016年8月17日两景高分四号多光谱数据进行大气校正,并通过与地面同步实测光谱数据、以及地球静止水色卫星GOCI数据大气校正结果的协同比对,验证高分四号多光谱数据的大气校正效果,为该卫星产品的水色遥感应用提供借鉴和参考。结果表明,红光B4波段校正精度最高,平均绝对误差(MAPE)为10.71%;绿光B3波段校正精度次高,MAPE为13.21%;近红外B5波段校正精度次低,MAPE为33.06%;蓝光B2波段校正精度最低,MAPE为53.55%。其中B3,B4和B5波段校正精度高于GOCI,主要原因在于高分四号的空间分辨率远高于GOCI,混合像元导致的精度误差相对较小,充分显示了高分四号作为一颗高空间分辨率地球静止卫星在水色遥感方面的优势;而B2波段低于GOCI,表明高分四号的蓝光波段尚有改进空间,今后有必要对该波段进行重新定标等处理;在未得到有效处理的情况下,水色遥感应用应尽量避开该波段。总体而言,高分四号多光谱数据校正精度较高,可以较好的应用于内陆二类浑浊水体的定量遥感监测。     

基于高分一号卫星WFV影像的水稻信息提取模式

通过卫星影像利用水稻不同物候期的特征对其进行识别是目前在水稻信息提取方面比较有效的方式。首先根据水稻区别于其他植被的显著特征,即水稻生长前期稻田的下垫面含有大量水的特性,将用于提取水域信息的归一化水体指数(normalized difference water index,NDWI)合理地应用在水稻前期的信息提取中,并且利用两个物候期的NDWI做比值,扩大了水稻与其他地物之间的差异。再借助归一化植被指数(normalized differential vegetation index,NDVI）在不同物候期的增长变化特征可以进一步提高水稻信息提取的精度。研究发现充分利用水稻在不同物候期的特殊性,并结合与水稻特性相关的指数,将NDWI和NDVI两种指数同时用于水稻提取,确定合理、准确、有效的提取方法是提高水稻提取精度的主要途径。本文以安徽省来安县的水稻为研究对象,基于2013年7月12日和8月30日获取的两幅高分一号卫星WFV影像数据,利用水稻分蘖期和抽穗期的NDVI和NDWI构建了水稻信息提取模式,有效地提取出了来安县的水稻信息分布并进行制图,最后结合在研究区野外实地考察的信息数据对提取结果进行验证和评价。研究结果表明利用该模式能够快速、准确地从遥感影像上获取水稻分布信息,具有很好的普适性。     

水体高光谱反演混合光谱空间信息分解模型研究

水体高光谱中的混合效应问题是水体定量遥感中的难点。已有研究表明,仅依赖标量光谱信息难以解决复杂的水体混合光谱问题。广域水体污染物除光谱信息之外,还具有明显的空间分布特性。充分利用其空间维信息,可以作为遥感光谱维信息的有益补充,有利于水体复杂光谱的解混。以巢湖为例,HJ-1A HSI高光谱数据为数据源,辅以水面光谱测量数据,在空间地统计学和遗传算法理论基础上,利用地统计学中的变异函数模拟相邻空间两像元的分布差异,将邻域像元空间变异函数作为遗传算法目标函数的约束条件,建立基于协同克里格遗传算法的湖泊水体高光谱反演混合光谱空间信息分解模型,并对悬浮物浓度反演结果进行检验。结果显示,与常规混合光谱分解模型相比,混合光谱空间信息分解模型对悬浮物浓度的预测值与实测值相关系数为0.82,均方根误差9.25 mg·L-1,相关系数提高了8.9%,均方根误差下降了2.78 mg·L-1,表明该模型对悬浮物浓度具有较强的预测能力。该方法将水体的空间信息与光谱信息有效结合,可以避免水色参数光谱信号弱导致反演结果失真,同时由于高光谱波段多、信息量大,带来信息提取计算量大而复杂等问题,也为复杂水体混合光谱模型的求解和模型反演精度的提高提供了有效途径。     

遥感数据误差对地表参数定量反演可靠性的影响——以太湖叶绿素a反演为例

地表参数的遥感反演误差的大小由遥感数据误差和反演模型误差共同构成,数据误差不是简单地“加减”到反演误差中,而是经过反演模型改造后融入到反演误差中。因此,在地表参数定量反演过程中,用回归系数最大或均方根误差最佳代价函数来描述地表参数与遥感反射光谱之间的关系将不太可靠。从理论上指出了最高回归系数或最小均方根误差评价方法失效的根源在于反演模型的形式,以2003年10月27日太湖实测数据为例进行了论证。研究表明,虽然TM2/TM3算法比TM2/TM1算法的回归系数高,但其对数据误差的放大效果是TM2/TM算法的2.28倍,这导致了反演结果的均方根误差比TM2/TM1算法大了7.938 5 μg·L-1;另外从定量反演结果来看,基于TM2/TM3算法和基于TM2/TM1算法的反演结果完全相反,与以往研究成果对比可知,基于TM2/TM1算法的反演结果更符合实际。因此,数据误差应该作为一个约束条件,加入到代价函数的求解过程中,才能增加反演结果的可靠性。