高时间、高空间分辨率的遥感影像能够在空间、时间尺度上精细刻画植被生物物理特征和结构特性及其在空间、时间上的变化,对监测植被生态特征有着重要的作用.为有效记录地表特征的变化,本文提出了一种基于像元降尺度的时空遥感数据融合算...高时间、高空间分辨率的遥感影像能够在空间、时间尺度上精细刻画植被生物物理特征和结构特性及其在空间、时间上的变化,对监测植被生态特征有着重要的作用.为有效记录地表特征的变化,本文提出了一种基于像元降尺度的时空遥感数据融合算法(downscaling difference spatial and temporal data fusion algorithm,DDSTDFA).该方法分别开展基于Landsat、MODIS和NOAA影像的模拟与真实实验,与已有STDFA(spatial and temporal data fusion algorithm)和FSDAF(flexible spatiotemporal data fusion)进行对比.结果表明,DDSTDFA算法表现出以下优势:1)DDSTDFA算法能够同时预测地表特征发生的多种变化方向,改进了基于像元分解算法的缺陷,与STDFA相比在变化区域表现出更高的精度;2)DDSTDFA融合影像的空间分布特征更接近真实影像,消除像元分解融合法中常见的"图斑""边界"问题;3)与FSDAF算法相比,DDSTDFA算法在保证影像融合精度的前提下,运行速度提高了50%~60%.因此,DDSTDFA算法更适合于大范围高时空影像数据融合,为地表动态监测提供丰富的遥感影像数据源.展开更多
由于茶园大多分布在地形复杂的山区,地块破碎,分布零散,形状差异大、植被混杂且茶园所处环境长期受到云雨的影响,增加了茶园遥感识别的难度与不确定性,针对这一问题,该研究提出了利用高分1号(GF-1)和哨兵2号(Sentinel-2)时序数据提取茶...由于茶园大多分布在地形复杂的山区,地块破碎,分布零散,形状差异大、植被混杂且茶园所处环境长期受到云雨的影响,增加了茶园遥感识别的难度与不确定性,针对这一问题,该研究提出了利用高分1号(GF-1)和哨兵2号(Sentinel-2)时序数据提取茶园的方法,以浙江省武义县王宅镇为研究区,采用GF-1号为主要数据源,并利用MODIS地表反射率产品和Sentinel-2反射率数据,基于时空融合算法得到时间分辨率5 d的10 m Sentinel-2完整的时序数据。综合利用GF-1在空间细节方面的优势和重建的Sentinel-2高观测频率时序数据在反映茶树生长过程方面的优势,分别基于GF-1的光谱和纹理特征及GF-1的光谱、纹理特征和Sentinel-2时序特征两种特征组合方式,采用随机森林算法提取茶园。结果表明,GF-1光谱、纹理信息结合Sentinel-2时序信息分类结果的准确率、错误率、精确率、召回率和F1分数分别为96.91%、3.09%、89.00%、83.09%和0.86,仅基于GF-1光谱和纹理信息的分类准确率、错误率、精确率、召回率和F1分数分别为94.72%、5.28%、73.09%、84.61%和0.78,添加时序信息分类结果总体优于未添加时序信息的分类结果。表明高空间分辨率结合高频率时序遥感数据是提高茶园分类精度的有效手段。展开更多
气候变化显著影响陆地生态系统生产力以及水分利用格局,而水分利用效率(Water Use Efficiency,WUE)是衡量生态系统碳水耦合关系的重要指标之一。研究陆地生态系统水分利用效率对气候变化的响应,有助于深入理解生态系统的变化规律,模拟...气候变化显著影响陆地生态系统生产力以及水分利用格局,而水分利用效率(Water Use Efficiency,WUE)是衡量生态系统碳水耦合关系的重要指标之一。研究陆地生态系统水分利用效率对气候变化的响应,有助于深入理解生态系统的变化规律,模拟和预测生态系统碳水过程的发展状况,从而为应对全球气候变化提供新的依据。为了更好地掌握生态系统水分利用效率研究现状以及其对温度、CO_2等关键气候因子的响应情况,总结了陆地生态系统水分利用效率对气候变化响应的最新研究进展。介绍了相关的定义并归纳了两种不同计算方式的差异和特点;总结了陆地生态系统水分利用效率对大气温度、CO_2、水分、干旱以及太阳辐射等影响因素的响应;总结了目前3个相关的研究态势,主要包括:(1)长时间序列水分利用效率与气候要素的关系研究;(2)土地利用/覆被变化对水分利用效率的影响及其对气候的反馈研究;(3)多尺度水分利用效率综合研究。研究可为深入研究生态系统过程对气候变化的响应提供参考。展开更多
文摘高时间、高空间分辨率的遥感影像能够在空间、时间尺度上精细刻画植被生物物理特征和结构特性及其在空间、时间上的变化,对监测植被生态特征有着重要的作用.为有效记录地表特征的变化,本文提出了一种基于像元降尺度的时空遥感数据融合算法(downscaling difference spatial and temporal data fusion algorithm,DDSTDFA).该方法分别开展基于Landsat、MODIS和NOAA影像的模拟与真实实验,与已有STDFA(spatial and temporal data fusion algorithm)和FSDAF(flexible spatiotemporal data fusion)进行对比.结果表明,DDSTDFA算法表现出以下优势:1)DDSTDFA算法能够同时预测地表特征发生的多种变化方向,改进了基于像元分解算法的缺陷,与STDFA相比在变化区域表现出更高的精度;2)DDSTDFA融合影像的空间分布特征更接近真实影像,消除像元分解融合法中常见的"图斑""边界"问题;3)与FSDAF算法相比,DDSTDFA算法在保证影像融合精度的前提下,运行速度提高了50%~60%.因此,DDSTDFA算法更适合于大范围高时空影像数据融合,为地表动态监测提供丰富的遥感影像数据源.
文摘由于茶园大多分布在地形复杂的山区,地块破碎,分布零散,形状差异大、植被混杂且茶园所处环境长期受到云雨的影响,增加了茶园遥感识别的难度与不确定性,针对这一问题,该研究提出了利用高分1号(GF-1)和哨兵2号(Sentinel-2)时序数据提取茶园的方法,以浙江省武义县王宅镇为研究区,采用GF-1号为主要数据源,并利用MODIS地表反射率产品和Sentinel-2反射率数据,基于时空融合算法得到时间分辨率5 d的10 m Sentinel-2完整的时序数据。综合利用GF-1在空间细节方面的优势和重建的Sentinel-2高观测频率时序数据在反映茶树生长过程方面的优势,分别基于GF-1的光谱和纹理特征及GF-1的光谱、纹理特征和Sentinel-2时序特征两种特征组合方式,采用随机森林算法提取茶园。结果表明,GF-1光谱、纹理信息结合Sentinel-2时序信息分类结果的准确率、错误率、精确率、召回率和F1分数分别为96.91%、3.09%、89.00%、83.09%和0.86,仅基于GF-1光谱和纹理信息的分类准确率、错误率、精确率、召回率和F1分数分别为94.72%、5.28%、73.09%、84.61%和0.78,添加时序信息分类结果总体优于未添加时序信息的分类结果。表明高空间分辨率结合高频率时序遥感数据是提高茶园分类精度的有效手段。
文摘气候变化显著影响陆地生态系统生产力以及水分利用格局,而水分利用效率(Water Use Efficiency,WUE)是衡量生态系统碳水耦合关系的重要指标之一。研究陆地生态系统水分利用效率对气候变化的响应,有助于深入理解生态系统的变化规律,模拟和预测生态系统碳水过程的发展状况,从而为应对全球气候变化提供新的依据。为了更好地掌握生态系统水分利用效率研究现状以及其对温度、CO_2等关键气候因子的响应情况,总结了陆地生态系统水分利用效率对气候变化响应的最新研究进展。介绍了相关的定义并归纳了两种不同计算方式的差异和特点;总结了陆地生态系统水分利用效率对大气温度、CO_2、水分、干旱以及太阳辐射等影响因素的响应;总结了目前3个相关的研究态势,主要包括:(1)长时间序列水分利用效率与气候要素的关系研究;(2)土地利用/覆被变化对水分利用效率的影响及其对气候的反馈研究;(3)多尺度水分利用效率综合研究。研究可为深入研究生态系统过程对气候变化的响应提供参考。
