Landsat 8 OLI影像的高原山地阴影区冰川识别方法

冰川对气候变化极为敏感,其变化对区域气候、生态及水资源等有重要影响。对于高原山地区域而言,使用遥感数据开展冰川变化研究时,影像经常会有较大面积的山体阴影。阴影使地物目标反映的信息量有所损失或受到干扰,在遥感影像数据上难以判读。因此,基于遥感影像的山体阴影区冰川识别成为一个技术难点。选择青藏高原上的大型山地冰川群为实验区,基于Landsat 8 OLI影像数据,分析了山体阴影区冰川与非冰川的波段反射特征,结果表明由于阴影区直射光被遮挡,波长较短的蓝光波段因具有更高的散射强度,是阴影区冰川识别的优势波段;长波波段在阴影区无论是冰川还是非冰川区域反射率都很低,难以区分。在此基础上提出针对山体阴影区冰川信息提取的增强指数算法,并与常规的冰川信息提取方法进行效果对比,结果表明增强指数方法得到的直方图分割阈值更为明显。从冰川信息提取结果来看,无论是空间分布还是面积误差比例,采用优势波段的增强指数法效果最好。在高原山地区域进行大规模冰川提取时,采用所提出的山体阴影区冰川信息增强指数算法,有助于提高整体工作效率。     

基于Landsat 8 OLI数据的玉米冠层含水量反演研究

植被含水量是作物长势好坏的指示因子,利用遥感技术及时准确监测植被含水量对农业生产、作物估产和干旱状况评价具有重要意义。基于新一代对地观测计划Landsat 8 OLI传感器(Operational Land Imager,陆地成像仪),评价其植被含水量反演的能力与局限性。首先,利用ProSail冠层模型模拟冠层光谱反射率数据集,分析OLI传感器的植被含水量敏感波段以及土壤背景对各波段反射率的影响,然后利用基于Landsat OLI影像计算的植被水分指数和2013年6月1日—8月14日期间采样的植被含水量数据,比较12种植被水分指数与地面实际采样的植被含水量的相关性,评价估算植被含水量的最佳植被水分指数。结果表明：OLI传感器的红、近红外和两个短波红外对植被含水量敏感,其中近红外波段最为敏感;在低植被覆盖度时,土壤背景反射率的太阳辐射将达到光谱传感器影响植被水分指数与植被含水量之间的关系,利用ProSail模拟干湿土壤背景反射率结果也表明土壤背景对植被冠层反射率的影响很大;引入优化土壤调整植被指数(OSAVI)去除土壤背景对植被水分指数的影响;在12种植被水分指数中,MSI2与植被含水量的拟合关系最好(R2=0.948),植被含水量的平均拟合误差为0.52 kg·m-2;在植被生长晚期即植被含水量大于2 kg·m-2时,各植被水分指数出现饱和情况,植被含水量的估算结果不佳。     

基于TSAVI的OLI模拟数据翅碱蓬生物量反演研究

翅碱蓬是辽东湾北部滨海湿地一种典型的植被,其生物量的评估对了解滨海湿地生态系统生产力,生态系统机构和功能的形成具有十分重要的作用。而翅碱蓬覆盖度不均一,特别是自然状态下的覆盖度较低,土壤背景影响严重。将基于模拟Landsat 8 OLI数据的转换型土壤调整指数(transformed soil adjusted vegetation index,TSAVI)作为自变量,与地面实测生物量进行回归分析,构建了翅碱蓬群落生物量反演模型。结果表明：TSAVI(红光600～687 nm,近红外820～880 nm)与生物量的相关性显著,相关系数在0.9左右,最高相关系数可达0.92;线性、二次多项式优于对数、指数和幂模型,模型拟合优度r2都为0.83,再结合模型的F值和运算效率,认为线性模型是反演成熟翅碱蓬生物量的最优模型。最后,实现了研究区域Landsat 8 OLI卫星遥感数据翅碱蓬群落生物量反演及模型验证,估算值和实测值的相关系数r为0.962,平均相对误差为0.106,翅碱蓬覆盖度越大,相对误差越低,覆盖度低的翅碱蓬生物量反演的相对误差在0.18左右,表明所建立的线性反演模型在高、低覆盖度时均具有良好的反演精度;此外,还人为地将模型中土壤线系数a和b引入±5%扰动,扰动后的反演结果平均相对误差比较稳定,相关系数有所降低,但都在0.9以上,表明所建立反演模型具有较好的稳定性。     

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。     

Landsat8光谱衍生数据分类体系下的牧草生物量反演

牧草生物量的估算对于草地资源合理利用和载畜平衡监测具有重要的意义,是评价草地生态系统与草地资源可持续发展的关键指标。基于Landsat遥感技术快速、无损的大面积植被生物量估算研究已广泛应用,当前大多基于单一变量或几个常用植被指数构建反演模型,这些指数往往不能从多方面反映植被理化特征。归纳了不同Landsat8光谱衍生数据所反映的植被理化特征及它们间的关联方式,构建了Landsat8光谱衍生数据的分类体系;在此基础上提出了一种基于随机梯度Boosting(SGB)算法的多变量、非线性生物量估算模型,探讨不同类型光谱衍生数据组合对于牧草生物量反演结果的影响。以青海省海晏县为研究区进行方案可行性探讨。结果表明常用的Landsat8光谱衍生数据主要从植被的绿度、黄度、盖度、水分含量、纹理特征以及通过消除大气干扰和土壤背景干扰等7个方面反映植被的理化特征(7个小类),可归纳为直接因子(绿度、黄度、盖度、水分含量)、间接因子(消除大气干扰和消除土壤背景干扰)和空间因子(纹理特征)3大类型。在牧草生物量反演中,这些光谱衍生数据类型间具有较好的互补性,单一的直接因子模型估算结果最差,引入间接因子和空间因子均能提高模型的估算结果,而由直接因子(GNDVI, TCW, NDTI, NDSVI, TCD)、间接因子(SAVI, VARI)和空间因子(MeanB3, MeanB6, HomⅡ, DisB5)共同构建的SGB模型估算精度最优,R2达到了0.88;RMSE为141.00 g·m-2。与5种常用的生物量估算模型结果对比,该方法具有明显的优势。较单变量模型,R2提高了42%~60%,RMSE降低47%以上,R■提高了31%~53%, RMSEcv降低29%;较多变量模型,R2提高了29%~42%, RMSE降低35%以上,R■提高了2%~18%, RMSEcv降低2%以上。此外,所提出方法在消除反演模型过饱和方面也具一定成效。综上,利用Landsat8数据从反映植被不同理化特征角度构建反演模型实现了牧草生物量的精准估算,对于后期牧草生长状况实时监测以及草地资源可持续利用与管理具有重要的指导意义。研究结果还可以为今后进行大面积区域草地动态监测以及其他农业领域的研究提供参考和借鉴。     

基于深度学习反演区域气溶胶光学厚度

为了解决现有陆地气溶胶光学厚度(AOD)反演算法精度和空间分辨率较低的问题,基于深度学习的思想,使用深度置信神经网络(DBN),实现了具有30 m空间分辨率的陆地气溶胶光学厚度反演.算法的训练样本包括全球长时间序列的AERONET站点数据以及在时空上与之对应的Landsat8 OLI的观测几何数据和表观反射率数据.为了...     

Landsat 8 TIRS热红外光谱数据定标准确性的分析

Landsat系列卫星的热红外数据一直是获取地球表面温度的重要数据源,而新一代Landsat 8卫星的TIRS热红外传感器数据进一步延续了这一重要使命。但该卫星发射以来,其热红外传感器的定标参数不断发生变化,致使美国地质调查局(USGS)不得不在2014年2月对所有已获取的Landsat 8卫星数据进行重新处理。为了考察新处理数据的定标准确性,利用定标精度很高的Landsat 7 ETM+的3幅热红外影像来对同日过空的Landsat 8 TIRS热红外影像进行对比, 以查明TIRS热红外数据的定标准确性。结果表明,尽管Landsat 8 TIRS与Landsat 7 ETM+的热红外光谱数据很接近,但是,二者之间也存在着差别。与ETM+6波段反演的大气顶部温度相比,TIRS 10波段表现为高估,幅度最大为1.37 K,而TIRS 11波段则表现为低估,幅度可达-3 K。可见,Landsat 8 TIRS热红外光谱数据的定标参数精度仍不稳定,且以TIRS 11波段表现得更明显。进一步分析发现,TIRS数据的误差会随着地表植被和裸土覆盖比例的不同而发生变化。表现在TIRS 10波段的高估会随着植被比例的下降而加大,而TIRS 11波段的低估则会随着植被比例的下降而减少。因此,虽然USGS提倡用TIRS 10单波段来反演温度,但TIRS 10波段在低植被高裸土区的反演精度却远不及TIRS 11波段,所以在低植被高裸土区可能不宜一味地采用TIRS10波段,在没有把握的情况下,在低植被覆盖区也可尝试采用TIRS 10和11波段温度的均值,它可将误差缩小在<0.5 K范围以内。     

分段线性混沌电路的综合方法研究

本文研究了分段线性混沌电路的一种电路综合方法.首先根据电路系统的特征值参数,确定非线性元件参数和线性一端口电路的导纳.然后根据导纳函数确定与之对应的一端口电路形式.在电路综合过程中,本文采用两类基本导纳函数的并联形式实现一端口电路,可以始终使所用电感和电容为正值,所用负电阻共地,便于混沌电路的实现.最后给出了混沌系统电路综合的实例. 关键词： 混沌电路 综合 分段线性     

分段线性光谱分类器的优化算法设计

快速准确地识别污染气体种类是光谱法环境监测技术对分类器的基本要求。分段线性分类器简单、计算量小,可以较好的逼近非线性分界面。文章根据最大化分类间隔的思想,结合分段线性分类器和线性支持向量机,设计了单边分段线性分类器优化算法。对某气体模拟剂光谱的分类实验表明,经过优化算法训练的分段线性分类器可以用较少的超平面逼近非线性分界面,而且得到更高的识别准确率。     

分段线性序列的重采样

为了避免基于有限更新率的连续域信号采样涉及复杂的运算问题,认真研究分段线性序列特点,提出一种在离散域进行信号参量提取的方法,称之为序列重采样.给出了有限长序列更新率定义,总结出一种适合简单分段线性序列的参量提取算法——试探法,将之推广到一般分段线性序列.不需要事先知道更新率的数量,也不需要在连续域进行运算,从采样后的序列中直接检测信号更新点和更新参量,从而实现信号采样.对所提出的算法进行了仿真,结果表明该算法是有效的.     

HR-ICP-MS研究丰水期黄河甘宁蒙段过滤水和悬浮物中重金属的含量特征和污染评价

为研究黄河甘宁蒙段丰水期过滤水和悬浮物中重金属的含量特征及污染状况,采用高分辨电感耦合等离子体质谱仪(HR-ICP-MS)对黄河甘宁蒙段昭君浮桥 (S1)、包头浮桥(S2)等10个采样点过滤水中六种重金属(Cd, Pb, Cr, As, Cu和Zn)及悬浮物中九种重金属(Cd, Pb, Cr, Ni, Cu, V, Co, Zn和Mn)的含量特征、污染评价和源分析进行研究。结果表明：(1)过滤水中只有Cr元素含量在所有采样点超出《地表水环境质量标准》(GB3838—2002) 的标准限值,且在10个采样点中均为最高(74.8～94.7 μg·L-1);单因子指数(I_i)评价结果表明除包头浮桥(S2)未受总氮(TN)污染外,其余采样点水质均受Cr元素和TN污染;内梅罗综合指数法(I)得出所有采样点的I值均在1～2之间(轻污染程度),表明黄河甘宁蒙段水质,尤其是下游段(S1～S6)已不是生活饮用水、水产养殖等的理想水源。(2)悬浮物中Ni含量(34.7 μg·L-1) 只在玛曲点(S10)低于中国土壤元素背景值(35.2 μg·L-1),在其余点均高于背景值,而其余八种元素在10个采样点的含量均高于背景值;地累积指数法(I_geo)结果表明九种元素中Cd元素的I_geo值(0.452～2.89)在10个采样点中均为最高值,且在昭君浮桥(S1)、包头浮桥(S2)、乌海(S5)和东大沟入黄河口(S8)这四个采样点处达到中污染-重污染程度,其余八种元素在各采样点的I_geo值均小于1,为无污染或无污染-中污染程度。研究结果为全面研究该流域重金属分布、迁移及有效保护提供可信的实验数据。     

基于光谱反射率的两种土壤有机质数学建模方法对比

已有土壤有机质的光谱预测模型其适用性受建模样本的采样尺度、土壤类型及光谱参数限制,需要在大尺度及范围上进一步检验适用性,并比较分析不同建模方法的建模效果以寻求适用性更好、精度更高的定量模型.在黑河上游大尺度范围采得225个土壤样品,进行了土壤有机质(SOC)及光谱反射率测定后将样本划分为建模集(180个土样)与验证集(45个土样).将土壤光谱反射率(R)变换处理后得到连续统去除(CR)、倒数(REC)、倒数之对数(LR)、一阶微分(FDR)及Kubelka-Munck变换系数共6种指标,针对建模集分别采用逐步线性回归与偏最小二乘回归方法建立12种光谱指标与SOC的数学模型,并采用验证集进行模型预测效果评价.结果表明:(1)采用逐步线性回归或偏最小二乘回归方法建模,LR指标对SOC变化的解释效果都是最好,是SOC的最优预测因子.(2)基于LR指标建立的SOC模型中,采用偏最小二乘回归模型比逐步线性回归模型的预测精度更好,相较于黑河上游已有的经验模型,偏最小二乘回归法建立的模型的预测效果也更好.(3)采用本实验的225个土壤样品对比验证了黑河上游仅有的SOC模型.该模型的SOC预测值与实测值通过了均值T检验且Pearson相关系数达0.826,表明在局部典型区域建立的SOC预测模型,可以应用到更大尺度上的土壤有机质预测研究.