环境灾害遥感小卫星在辽河三角洲湿地景观制图中的应用

及时、准确地获得湿地的空间分布,对湿地的动态监测、保护与可持续利用具有重要的意义.环境灾害遥感小卫星星座A、B星(HJ-1A/1B星)是我国自主发射的陆地资源监测卫星,可为湿地类型的提取提供新的遥感影像数据源.本文通过对比我国环境灾害遥感小卫星CCD相机影像（HJ CCD）数据与Landsat TM5影像数据获取的湿地景观类型图的分类精度和各景观类型面积,验证和探究了HJ CCD数据在湿地景观动态变化监测中的适用性和应用潜力.结果表明：HJ CCD数据在地物识别分类方面可完全替代Landsat TM5数据;在实时动态监测方面,HJ CCD数据获取周期仅为2 d,优于Landsat TM5数据（16 d）.     

多尺度遥感数据协同的干旱地区植被覆盖度提取

纯植被像元获取是植被覆盖信息遥感反演的必要环节。干旱地区植被分布零散稀疏,使用中、低分辨率遥感数据提取植被覆盖度时,难以获取纯植被像元,致使植被覆盖度提取精度较低。针对上述问题,本文提出一种基于多尺度遥感数据协同的干旱区植被覆盖度反演方法。该方法利用空间分辨率较高的Landsat-8 OLI数据确定纯植被像元,考虑到不同传感器之间的光谱差异,使用实测地物光谱数据进行光谱转换,代替中等分辨率MODIS数据的纯植被像元,应用于像元二分模型,选择典型的干旱区新疆阜康市为研究区,进行植被覆盖度反演实验,最后使用无人机航拍影像对反演结果进行精度验证。结果表明,植被覆盖度反演结果精度较高,与实测值间存在较高的相关性(R2=0.75),均方根误差较低(RMSE=0.10)。该方法能够有效提高干旱区植被覆盖度反演精度,可为利用中低分辨率数据研究干旱地区生态环境变化提供一种新思路。     

基于阈值法的山区森林常绿、落叶特征遥感自动识别方法——以贡嘎山地区为例

森林的常绿、落叶特征是土地覆被产品的重要属性。由于山区地形复杂,地表遥感辐射信号地形效应明显,导致山区森林常绿、落叶特征遥感自动识别一直是难点。提出了一种基于阈值法的山区森林常绿、落叶特征遥感自动识别简单实用方法。该方法利用多源、多时相遥感影像,选择归一化植被指数(NDVI)为指标,通过统计参考样本的NDVI在生长季和非生长季的差异,自动找出区分常绿、落叶特征的阈值,基于判别规则识别山区森林常绿、落叶特征。以贡嘎山地区为例,分别以多时相Landsat TM影像(简称TM)、多时相环境减灾卫星影像(简称HJ)为单源数据,多时相的HJ、TM组合影像为多源数据,验证该方法的有效性。实验结果表明,该方法能够有效识别山区森林常绿、落叶特征,总体精度达到93.87%,Kappa系数为0.87。该方法适用于山区大面积森林常绿、落叶特征遥感自动提取,已被成功应用于"生态十年"专项西南地区土地覆被数据的生产。     

多尺度遥感综合监测我国北方典型草原区植被盖度

利用多尺度遥感影像综合进行全球和区域尺度的土地利用/覆盖变化(LUCC)研究是最近全球变化研究的重要方向之一.本文综合利用野外群落样方、数字相机、ETM+影像、NOAA/AVHRR影像,在遥感、GIS和GPS支持下,对我国北方典型草原区植被盖度进行了综合监测、模拟与分析.结果表明:(1)利用经处理后的数字相机影像测量盖度的结果准确性较高,可以作为植被盖度测量的标准结果,反映真实的覆盖特征,并用以验证利用其它方法测量结果的精度.(2)利用野外1 m2样方网格法目视估测的植被盖度结果变化较大,不稳定.本次实验中,与数字相机测量结果相比,样方估测的盖度普遍偏高,平均偏差为9.92%;但两者相关性较好(r2=0.89).(3)采用Gutman模型ETM+影像、NOAA/AVHRR影像反演植被盖度的结果与数字相机测量结果偏差分别为7.03%、7.83%,ETM+像元分解NOAA像元后得到的植被盖度与数字相机测量结果偏差5.68%.三者与数字相机测量结果的相关系数r2分别为0.78、0.6l和0.76.(4)利用野外实测植被盖度数据直接与NOAA-NDVI影像建立统计模型估算植被盖度的精度较低(r2=0.65),而通过空间分辨率介于两者之间的ETM+影像进行转换后,该精度得到一定的提高(r2=0.80).利用像元分解的方法提高了大尺度植被盖度监测的精度,是利用遥感数据进行尺度转换研究的重要实践.多尺度遥感影像的综合对地观测对大区域上反演植被盖度有很好的促进作用.     

灌丛化草原灌木和草本植物光谱特征差异及灌木盖度反演——以内蒙古镶黄旗为例

灌丛化草原已成为我国干旱、半干旱地区一种重要的植被类型,但目前有关灌丛化草原灌木和草本植物光谱特征以及灌木盖度的遥感反演研究鲜有报道。相比传统的野外调查方法,基于遥感影像的灌木盖度反演为实现长时间、大范围灌丛化草原灌木盖度监测提供了可能。该研究综合利用灌木和草本植物光谱特征差异以及季相差异,以内蒙古镶黄旗灌丛化草原区为例,通过线性模型和多端元混合光谱分解模型,实现了利用中分辨率Landsat卫星影像的灌木盖度反演。对镶黄旗优势灌木和草本植物群落的光谱特征分析表明,小叶锦鸡儿(Caragana microphylla)灌木群落的红边斜率、归一化植被指数和改进红边归一化植被指数值均高于以羊草(Leymus chinensis)、克氏针茅(Stipa krylovii)为优势种的草本植物群落,并且其红边位置有"红移"趋势。两种模型反演所得镶黄旗灌丛化草原区灌木盖度平均值均为13%,绝大多数区域灌木盖度低于25%。相比基于盛夏时节影像的多端元混合光谱分解模型,利用灌木和草本植物季相特征差异建立的基于初秋时节影像的线性模型更适合灌丛化草原灌木盖度的遥感反演。     

上海滩涂植被资源遥感分析

利用2003年8月2日L andsat5-TM多光谱遥感影像,运用遥感处理软件ERDA S Im ag ine 8.6,经几何校正分幅裁剪等图像预处理后,采用监督分类和目视解译相结合对上海市滩涂植被进行解译分析。结合全球定位系统(GPS)样点定位,对分类结果进行全面的野外核实和修正,同时利用地理信息系统(G IS)对解译结果进行数据合成,统计出滩涂各类植被的分布区域及面积等数据。实际调查及其分析统计显示,上海滩涂植物群落总面积为21302.1hm2,主要植被组成为芦苇、海三棱草及互花米草三大群落,滩涂植物群落具有明显的高程梯度分布规律。大尺度的上海市滩涂植被的空间分布现状及其数量调查为上海市滩涂资源的合理规划、生物多样性保护和可持续开发利用提供科学依据。     

基于环境星与MODIS时序数据的面向对象森林植被分类

林区地形复杂、植被分布无序,且森林植被光谱信息相近,因而森林二级类型边界的确定成为土地覆盖遥感分类的难点。选择吉林省东部山区为研究区,以环境星影像(HJ-1 CCD)和中等分辨率成像光谱仪(MODIS)时序数据为基础,采用面向对象的分类方法进行森林植被类型的提取。分类特征参数主要选取了HJ-1 CCD的光谱和纹理特征,以及MODIS时序数据的物候特征。研究区总体分类精度为91.5%,Kappa系数为0.88,森林二级类型的分类精度均较高,其中落叶阔叶林的制图精度达到了97.1%。所用的面向对象分类方法与未加入物候特征的面向对象分类方法相比,森林二级类型的分类精度得到大幅度提高。     

基于中高分辨率遥感的植被覆盖度时相变换方法

植被覆盖度是衡量地表植被状况、指示生态环境变化的一个重要指标,也是许多学科的重要参数。传统的测量方法难以获取时间连续的面状数据,且耗时、耗力,很难大范围推广。遥感估算方法虽然可以弥补传统方法的不足,但由于云覆盖等天气条件的影响,获得同一时相覆盖整个研究区的遥感影像非常困难,时相的差异必然导致研究结果产生误差。针对植被覆盖度这一重要生态参数,结合低分辨率遥感数据的时间优势和中高分辨率遥感数据的空间优势,提出一种时相变换方法,将源于中高分辨率影像的植被覆盖度变换到研究需要的时相上。首先,利用像元二分模型计算MODIS尺度的时间序列植被覆盖度,并利用已经获得的SPOT影像计算其获取时相上的植被覆盖度;其次,利用土地利用图划分植被覆盖类型,并利用MODIS数据和土地利用数据之间的空间对应关系制作MODIS像元内各类植被覆盖的面积百分比数据;再次,利用面积百分比数据提取各类植被覆盖的纯像元,结合MODIS植被覆盖度时间序列,从而提取各类植被覆盖纯像元的植被覆盖度时间序列曲线;最后利用像元分解的方法提取MODIS像元内各类植被覆盖组分的植被覆盖度的变化规律,将其应用到该组分对应位置上SPOT像元的植被覆盖度上,从而将其变换到所需要的时相上。在密云水库上游进行试验,将覆盖研究区的10景SPOT5多光谱影像计算的植被覆盖度统一变换到7月上旬,结果显示:视觉效果上明显好转,且空间上连续一致;变换前后植被覆盖度的统计量对比结果也符合植被生长规律;利用外业样点数据与对应位置的植被覆盖度变换结果进行回归分析,结果发现各植被覆盖类型的R2均在0.8左右,表明变换结果与实测值非常接近,时相变换的效果较好,从而可以很好地促进相关研究精度的提高。     

植被含水量高光谱遥感监测研究进展

植被含水量是陆地植被重要的生物物理特征, 其定量遥感反演有助于植被干旱胁迫的实时监测与诊断评估。该文系统综述了国内外利用高光谱遥感评估植被水分状况的4个常见植被水分指标——冠层含水量、叶片等量水厚度、活体可燃物湿度和相对含水量的概念及其遥感估算方法研究进展, 评述了植被含水量高光谱遥感估算各类方法的优缺点, 探讨了植被含水量高光谱遥感估算目前存在的问题, 并提出进一步的研究任务, 即服务于植被干旱胁迫的高光谱遥感监测、预警与评估。     

基于RS的郑州市城市热岛效应时空演变

采用郑州市1988年5月14日Landsat卫星TM传感器遥感影像和2001年5月10日ETM⁺传感器遥感影像以及当地相关气象资料,利用单窗算法反演计算了卫星图像的亮度温度并以此制作出相关专题图.结果表明：随着郑州市建成区的不断扩大,城市热岛效应不断加剧,与1988年相比,2001年市区高温区域向东北和西南方向存在明显偏移与扩张,这与低植被覆盖区域和城镇居民用地变化趋势基本相同.为缓解城市热岛效应的不断加剧,在城市化的同时应注重绿化工作并选用合理的绿化方式.     

基于混合像元分解的 MODIS 绿潮覆盖面积精细化提取方法研究

在绿潮遥感业务化监测中,250 m 分辨率的 MODIS 卫星数据是主要数据源,归一化差值植被指数（ND-VI）是绿潮卫星遥感信息提取的主要方法。研究发现,由于 MODIS 空间分辨率较低,存在大量的混合像元,导致提取的绿潮覆盖面积明显偏大。针对该问题,本文在 MODIS 绿潮 NDVI 计算的基础上,首先对大于 NDVI 阈值的像元进行混合像元分解,得到 MODIS NDVI 混合像元分解后的绿潮面积,然后以准同步的30 m 分辨率 HJ-1 CCD 影像提取的绿潮覆盖面积为真值,建立了 MODIS NDVI 混合像元分解得到的绿潮面积与 HJ-1提取的绿潮面积之间的关系模型,以实现绿潮面积的精细化提取。与传统的 NDVI 阈值法和混合像元分解法相比,该方法提取的绿潮覆盖面积更接近于“真值”,面积约为“真值”的96％,而传统的 NDVI 阈值法和混合像元分解方法提取的面积分别为“真值”的2．96倍和45％。另外,与传统的 NDVI 阈值法相比,新方法对 NDVI 阈值变化不敏感,在相同的 NDVI 阈值变化区间内,前者提取的绿潮覆盖面积变化了41％,而新方法的变化仅为11％。本文的工作在很大程度上解决了 MODIS 空间分辨率低导致的绿潮监测结果不准确的问题,为精细化的绿潮卫星遥感业务监测提供了参考。     

Object-Oriented Classification of Sugarcane Using Time-Series Middle-Resolution Remote Sensing Data Based on AdaBoost

Most areas planted with sugarcane are located in southern China. However, remote sensing of sugarcane has been limited because useable remote sensing data are limited due to the cloudy climate of this region during the growing season and severe spectral mixing with other crops. In this study, we developed a methodology for automatically mapping sugarcane over large areas using time-series middle-resolution remote sensing data. For this purpose, two major techniques were used, the object-oriented method (OOM) and data mining (DM). In addition, time-series Chinese HJ-1 CCD images were obtained during the sugarcane growing period. Image objects were generated using a multi-resolution segmentation algorithm, and DM was implemented using the AdaBoost algorithm, which generated the prediction model. The prediction model was applied to the HJ-1 CCD time-series image objects, and then a map of the sugarcane planting area was produced. The classification accuracy was evaluated using independent field survey sampling points. The confusion matrix analysis showed that the overall classification accuracy reached 93.6% and that the Kappa coefficient was 0.85. Thus, the results showed that this method is feasible, efficient, and applicable for extrapolating the classification of other crops in large areas where the application of high-resolution remote sensing data is impractical due to financial considerations or because qualified images are limited.     

A Simple Semi-Automatic Approach for Land Cover Classification from Multispectral Remote Sensing Imagery

Land cover data represent a fundamental data source for various types of scientific research. The classification of land cover based on satellite data is a challenging task, and an efficient classification method is needed. In this study, an automatic scheme is proposed for the classification of land use using multispectral remote sensing images based on change detection and a semi-supervised classifier. The satellite image can be automatically classified using only the prior land cover map and existing images; therefore human involvement is reduced to a minimum, ensuring the operability of the method. The method was tested in the Qingpu District of Shanghai, China. Using Environment Satellite 1(HJ-1) images of 2009 with 30 m spatial resolution, the areas were classified into five main types of land cover based on previous land cover data and spectral features. The results agreed on validation of land cover maps well with a Kappa value of 0.79 and statistical area biases in proportion less than 6%. This study proposed a simple semi-automatic approach for land cover classification by using prior maps with satisfied accuracy, which integrated the accuracy of visual interpretation and performance of automatic classification methods. The method can be used for land cover mapping in areas lacking ground reference information or identifying rapid variation of land cover regions (such as rapid urbanization) with convenience.     

湿地翅碱蓬生物量遥感估算模型

以黄河三角洲HJ-1A CCD遥感数据和滨海湿地翅碱蓬生物量实测数据为数据源,通过对比分析参数回归模型（单变量线性和非线性回归模型,多元线性逐步回归模型）和人工神经网络模型（BP网络、RBF网络、GRNN网络）,构建黄河三角洲湿地翅碱蓬生长初期的生物量湿重遥感估算最优模型。研究表明：基于遥感信息变量能够建立生长初期翅碱蓬生物量湿重估算模型。尽管基于RDVI、MSAVI和PC2的3个变量的多元线性回归模型的拟合效果较优,但是以SAVI、MSAVI、RVI、DVI、RDVI和PC2等7个遥感信息变量构建的BP神经网络模型的精度更高,平均相对误差为12.73%,估算效果最优,能够满足较高精度的生物量湿重估算需求。翅碱蓬生长初期生物量湿重最优估算模型的建立,为滨海地区植被生物量监测、区域翅碱蓬生物量季节动态模拟以及黄河三角洲生态系统功能评价提供技术支持与基础。     

基于遥感与模型耦合的冬小麦生长预测

遥感的空间性、实时性与作物生长模型的过程性、机理性优势互补,将两者有效耦合已成为提高作物生长监测预测能力的重要手段之一。提出了一种基于地空遥感信息与生长模型耦合的冬小麦预测方法,该方法基于初始化/参数化策略,以不同生育时期的小麦叶面积指数(LAI)和叶片氮积累量(LNA)为信息融合点将地面光谱数据(ASD)及HJ-1 A/B CCD、Landsat-5 TM数据与冬小麦生长模型(WheatGrow)耦合,反演得到区域尺度生长模型运行时难以准确获取的部分管理措施参数(播种期、播种量和施氮量),在此基础上实现了对冬小麦生长的有效预测。实例分析结果表明,LNA较LAI对模型更敏感,以之作为耦合点的反演效果较好。另外,抽穗期是遥感信息与生长模型耦合的最佳时机,对播种期、播种量和施氮量反演的RMSE值分别达到5.32 d、14.81 kg/hm²、14.11 kg/hm²。生长模型与遥感耦合后的模拟结果很好地描述了冬小麦长势和生产力指标的时空分布状况,长势指标的模拟相对误差小于0.25,籽粒产量模拟的相对误差小于0.1。因此研究结果可为区域尺度冬小麦生长的监测预测提供重要理论依据。     

基于遥感和地统计学方法的小麦生长管理分区

以江苏省如皋市和海安县冬小麦种植区域为研究对象,将基于小麦不同生育时期30m分辨率的HJ-1A/B CCD影像提取的归一化植被指数(NDVI)与土壤养分指标(全氮、有机质、有效磷、速效钾)分布状况有机结合,在空间变异性分析和主成分提取的基础上进行聚类分区.结果表明,基于抽穗期NDVI与土壤养分指标耦合的分区方法效果最佳,分区后各子区域内部NDVI值和土壤养分指标的变异系数分别在4.5%～6.1%和3.3%～87.9%,低于单纯基于土壤养分指标或NDVI进行分区的子区域内部的变异系数,大大缩小了区域管理单元内部的变异性.分区结果能提高按区管理作业的精度,可为区域性小麦生长管理和过程模拟奠定基础.     

Monitoring Powdery Mildew of Winter Wheat by Using Moderate Resolution Multi-Temporal Satellite Imagery

Powdery mildew is one of the most serious diseases that have a significant impact on the production of winter wheat. As an effective alternative to traditional sampling methods, remote sensing can be a useful tool in disease detection. This study attempted to use multi-temporal moderate resolution satellite-based data of surface reflectances in blue (B), green (G), red (R) and near infrared (NIR) bands from HJ-CCD (CCD sensor on Huanjing satellite) to monitor disease at a regional scale. In a suburban area in Beijing, China, an extensive field campaign for disease intensity survey was conducted at key growth stages of winter wheat in 2010. Meanwhile, corresponding time series of HJ-CCD images were acquired over the study area. In this study, a number of single-stage and multi-stage spectral features, which were sensitive to powdery mildew, were selected by using an independent t-test. With the selected spectral features, four advanced methods: mahalanobis distance, maximum likelihood classifier, partial least square regression and mixture tuned matched filtering were tested and evaluated for their performances in disease mapping. The experimental results showed that all four algorithms could generate disease maps with a generally correct distribution pattern of powdery mildew at the grain filling stage (Zadoks 72). However, by comparing these disease maps with ground survey data (validation samples), all of the four algorithms also produced a variable degree of error in estimating the disease occurrence and severity. Further, we found that the integration of MTMF and PLSR algorithms could result in a significant accuracy improvement of identifying and determining the disease intensity (overall accuracy of 72% increased to 78% and kappa coefficient of 0.49 increased to 0.59). The experimental results also demonstrated that the multi-temporal satellite images have a great potential in crop diseases mapping at a regional scale.     

利用遥感技术实现作物模拟模型区域应用的研究进展

作物模拟模型从单点发展到区域应用时,模型中一些宏观资料的获取和参数的区域化方面出现困难,利用遥感技术将实现作物模拟模型的区域应用．文中综述了近年来遥感反演作物模型所需的地表生物物理参数的方法、利用遥感信息直接获取生物量的途径和遥感信息与作物模拟模型之间时空匹配问题等方面的研究概况,重点介绍了利用遥感技术实现作物模拟模型区域应用的3种解决方案(强迫型、调控型和验证型)及其研究进展,并讨论了目前存在的问题和今后研究的方向．     

Choosing the appropriate spatial resolution for monitoring coral bleaching events using remote sensing

Bleached corals provide a strong optical signal that suggests that remote sensing investigations of major bleaching events are feasible using airborne or satellite sensors. However, patchy coral cover, varying intensities of bleaching, and water depths are likely to limit the application of remote sensing techniques in monitoring and mapping coral bleaching. Today, satellite multispectral sensors routinely provide images of reefs from 4 m (Ikonos) to 30 m resolution (Landsat); however, the adequacy of these sensors for monitoring and mapping bleaching events remains unclear. To clarify these issues, scanned aerial photographs acquired during the 1998 bleaching event over the Great Barrier Reef (Australia) were analyzed at various spatial resolutions, from 10 cm to 5 m. We found that the accuracy of mapping bleaching is highly sensitive to spatial resolution. Highest accuracy was obtained at 10 cm resolution for detection of totally bleached colonies. At 1 m resolution, as much as 50% of the 10-cm resolution signal is lost, though the spatial patterns remain correctly described. Partially bleached (pale) corals are difficult to detect even in aerial surveys, leading to an underestimation of overall bleaching levels (total and partial bleaching) in aerial photos compared to in-situ surveys. If data volume and processing time are limiting factors, local variance analysis suggests that the optimal resolution necessary to capture spatial patterns of bleaching is in the range 40-80 cm.