合成孔径雷达具有全天候、全天时的对地观测优势，全极化合成孔径雷达（PolSAR）能够同时获取4种极化信息，利用PolSAR在震后进行震害评估具有及时性和准确性的优势。首先概述了PolSAR的发展状况及其在建筑物震害信息提取中的应用；其次，基于不同数据类型（多时相数据、多源数据、单时相数据），概述了近10 a来 PolSAR数据在建筑物震害提取中的应用及其对比分析；然后，从极化分解方法、极化特征以及纹理特征3个方面对PolSAR数据的建筑物震害提取方法进行了详细阐述；最后，提出未来研究工作的设想，以期结合地理信息数据POI补充PolSAR在震害评估精度方面的不足。
水凝物相态识别（Hydrometeor Classification Algorithm,HCA）是从微物理角度分析天气特征的一个重要研究方向，研究水凝物粒子的分类，对于冰雹、降雨、降雪的观测均有重大意义。分析并总结了目前模糊逻辑水汽分类算法（Fuzzy logic Hydrometeor Classification,FHC）的优势，但是其局限性在于FHC较大地依赖于散射模拟，对冰相粒子相态识别的结果不确定。此外，目前也缺少有效的相态识别验证方法，这进一步限制了雷达双极化特征的应用。因此，发展其他聚类算法进行相态识别并建立分类标准体系是未来主要研究方向。
城市扩展和城市土地不同地表覆盖组合对城市生态系统服务和人居环境质量产生重要的影响。基于历史地图、遥感图像和城市规划图等多源数据通过人工数字化解译、大数据运算和混合像元分解相结合的方法发展了城市地表覆盖/土地利用数据集，从而获取了天津城市1949~2018年不同时段城市扩展过程，实现了其内部结构城市不透水面和绿地空间像元组分的遥感制图，综合分析了1949年以来天津主城区城市阶段扩展速度、扩展强度及城市不透水面和绿地空间地表覆盖类型的时空变化特征，进而揭示了社会经济因素和政策因素对其影响。研究结果表明：天津主城区城市土地面积从1949年的49.15 km2增长到了2015年的663.39 km2。从时间变化来看，城市扩展经历了“加速—减速—加速—减速”4个阶段；城市扩展的方式呈现以主城区填充式、沿比邻交通干线的乡镇，呈现带状扩展规律；扩展伴随城市建成区内部绿地空间比率呈现增加的趋势，表明天津主城区城市生态绿化水平总体呈现提升的状况。
城市快速扩张导致城乡梯度土地覆盖发生显著的变化，引发不透水地表的增加，植被覆盖的减少，从而加剧了城市热岛强度。研究城乡梯度土地覆盖变化引起的城市热岛效应，并揭示城市热岛的时空特征及强度的变化，对城市规划建设、人居环境改善及提升城市生态系统服务功能具有重要的意义。基于Landsat系列4期影像，利用单窗算法反演西安市地表温度，计算热场变异指数得到热力场强度图并对其进行等级划分，结合土地利用/覆盖类型数据分析城乡梯度土地覆盖变化对城市热岛强度的影响。结果表明：①2000年西安市极强热岛效应区占研究区面积的10.58%，逐渐增加到2011年极强热岛效应区域的面积占比达到16.14%，而后到2015年降低为9.00%，整体上西安市城市热岛效应呈现出了先增长后降低的趋势;②2000年到2015年城乡建设用地面积增加了412.76 km2，极强热岛强度的范围随城市建成区的扩张逐年向外扩展;③无热岛效应区约70%位于耕地和林地，水域在无热岛效应中的占比也在逐年增多，从31%增加到了47%。不透水地表面积占比与地表温度有显著相关性，城乡梯度植被和水体面积的增加可以有效地缓解城市热岛强度。
城市地表覆盖组分是影响人居生存环境和城市生态系统服务的关键因素。基于Google Earth Engine平台，利用Landsat 5/8遥感影像数据，采用改进的“植被—不透水面—土壤”模型及线性光谱混合分解方法，提取地处干旱区的中国西部大城市乌鲁木齐市与邻国哈萨克斯坦首都城市努尔–苏丹市、大城市阿拉木图市的地表覆盖信息，对比分析1990~2015年3个城市地表覆盖的变化特征。结果表明：1990~2015年间乌鲁木齐市城市建成区扩张面积最大，扩张了349.81 km2；其次为努尔-苏丹市，城市扩张面积为158.16 km2；由于哈萨克斯坦首都由阿拉木图市迁往努尔-苏丹市，整个时段阿拉木图市城市扩张最慢，总计扩张了126.23 km2。在城市建成区内，1990年到2015年间乌鲁木齐市城市地表不透水组分增加了7.10%，努尔—苏丹市和阿拉木图市分别减少了14.9%、4.49%。建成区内绿地组分努尔—苏丹市从1990年到2015年增加了6.68%；乌鲁木齐市和阿拉木图市分别减少了6.65%和2.75%。城市所表现出来的不同地表覆盖特征乌鲁木齐市主要受国家政策支持，阿拉木图市由于其历史背景和城市规划，努尔—苏丹市城市的快速发展则受哈萨克斯坦迁都的影响。
研究通过对MODIS双星数据组合、线性插值和HANTS平滑方法来提升时序数据集质量，采用随机森林的方法分类，对分类结果精度评定以分析时序数据集构建质量对分类精度的影响。结果表明：双星数据有利于提高时序数据集的时间分辨率，精确刻划覆盖变化，为后续处理提供基础；线性插值可改善像元点的质量，降低云、雨因素影响；HANTS平滑能移除异常值，平滑数据，突出曲线特征，降低分类复杂度。改进质量后的时序数据集，分类总体精度从84.32%提高至90.75%，Kappa系数从0.798 6提高至0.881 6。总之，使用时序数据进行土地覆盖分类时，应以消除异常值，真实反映地表覆盖物候特征为目的提高时序数据集的质量，从而提高分类精度。
GlobeLand30-2010（30 m）、FROM-GLC-2010（30 m）和GlobCover-2009（300 m）是3套应用广泛的全球高精度土地覆盖数据产品。以巴基斯坦为研究区，从2009~2011年30 m Landsat-5、Landsat-7多光谱遥感影像共122景选取了夏冬两季各1 000个样本点，评价了3套土地覆盖数据产品的季节性分类精度。结果表明：3套产品在巴基斯坦地区夏冬两季总分类精度差异不大，总体来说GlobeLand30-2010（63.9% vs. 65.6%）与FROM-GLC-2010（59.0% vs. 61.2%）的总精度夏季略高于冬季，GlobCover-2009的总精度冬季略高于夏季（59.5% vs. 59.1%）。此外，3套产品中GlobeLand30-2010对耕地、人造地表和水体有更好的分类效果，FROM-GLC-2010对植被和冰川积雪的分类更为准确，GlobCover-2009对裸地的分类更为准确；3套产品对耕地、裸地和冰川积雪分类更符合冬季的真实情况，对植被、水体分类更符合夏季的真实情况，人造地表分类无明显的季节差异。巴基斯坦土地覆盖精度评价的样本点密度应达到1个/1 000 km2。
无人机遥感和面向对象图像分析技术在环境监测中得到越来越多的发展。然而在科学文献领域，使用无人机和面向对象制图农村居住环境的文献仍然很少。因此本研究构造一个整合框架用于提取农村居住环境中各类地物信息。首先利用尺度参数评估(ESP, Estimation of Scale Parameter)工具和专家判断来确定最优分割尺度参数；然后分别采用专家规则集和监督分类算法提取农村居住环境中各类地物；最后采用基于面的精度评价方法对分类性能进行评估。结果表明，利用ESP工具和专家判断确定最优分割尺度是可行的。总体精度为75.19%，说明基于规则的提取方法对研究区各类地物的提取效果不佳。但在农村居住环境中利用模板匹配结合阈值规则对太阳能热水器提取精度达92%。分析训练样本和特征对随机森林(RF，Random Forest)、支持向量机(SVM, Support Vector Machines)和K最近邻 (KNN, K-Nearest Neighbor) 分类器分类结果的影响，说明RF分类器对农村居住环境分类效果最好，总体分类精度高达91.34%。研究结果表明:该框架在农村居住环境地物提取方面是一种有价值的工具。
当前很多研究关注城市扩展及其热岛效应，但不同土地利用强度对辐射能量的影响尚有待进一步的分析。以北京市为例，基于2000和2015年的土地利用数据，按照人为活动对土地的利用程度，将北京市的土地利用变化划分为5类：即老城区、城市扩展区、混合变化区、耕地及自然纯像元区。在此基础上，在反照率和太阳辐射遥感反演数据的支持下，分析2000~2015年由地表反照率引起的辐射强迫(RF, Radiative Forcing)，并探讨了RF与植被的关系。结果表明：相比自然纯像元区域，老城区、城市扩展区、混合变化区及耕地的RF在研究时段内均明显增加，后三年的RF均值比前三年增加了0.78 W/m2以上，远大于自然纯像元区的RF增量(0.19 W/m2)。本研究同时发现，植被绿度随土地利用强度的增加而逐年下降，但植被生长期长度却有所延长，两者综合作用于地表反照率，促使了RF的增加，说明单纯从辐射平衡来讲，北京市的土地利用变化在一定程度上增强了RF。
在我国西南地区耕种条件差，地块比较破碎，地块类型比较复杂，中低分辨率遥感数据难以满足撂荒地提取的需要。选取贵州修文县为试验区，基于高分辨率卫星遥感数据（哨兵2号），探索单期或多期影像在中国西南地区的撂荒地检测能力，构建撂荒地遥感监测方法，为今后我国西南地区撂荒地统计调查提供参考。结合野外调查数据，在划分不同撂荒地类型基础上，综合遥感影像的光谱特征、植被指数特征以及多时相植被指数变化特征分析，优选不同类别撂荒地遥感提取敏感特征集，利用CART决策树分类方法，提取不同类型的撂荒地。结果表明：①单个时相对不同类型的撂荒地识别能力差异显著，基于单时相影像，难以开展撂荒地高精度遥感监测提取；②不同时相的植被指数变化特征对撂荒地的识别能力较强，其中比值植被指数优于差值植被指数和归一化植被指数；③以贵州修文县为例，开展了撂荒地空间分布制图及撂荒面积统计分析，修文县撂荒地面积约为6 460 hm2，占修文县耕地面积的13%；④基于多时相高分辨遥感数据，通过季相变化特征构建的撂荒地检测方法，能够满足我国西南地区撂荒地高精度遥感监测提取，为大范围撂荒地遥感调查和制图提供技术参考。
本研究采用HUT模型、DMRT模型和MEMLS模型模拟积雪雪粒子与不同波段（18.7 GHz和36.5 GHz）微波相互作用（吸收和消光），并用于辐射传输模型。而雪粒径的获取一直是一个难点，本研究由Jordan91雪粒径演化模型演化得到雪粒径，并将其作为辐射传输模型的输入参数，基于像元内实测数据进行混合像元18.7和36.5 GHz水平极化亮温模拟。结果表明：采用HUT模型、DMRT模型和MEMLS模型的消光系数在18.7 GHz时模拟亮温的偏差分别为-3.6、-1.8和-0.7 K，在36.5 GHz时分别为4.0、10.4和14.4 K。对于18.7 GHz水平极化和36.5 GHz水平极化，基于有效雪粒径的亮温模拟与基于雪粒径演化过程的亮温模拟精度呈现出很好的线性关系。因此，基于雪粒径演化过程的方法是一种合适的获取辐射传输模型中雪粒径参数的方法。
定量模拟太阳辐射对认识黄土高原区气候变化至关重要，现有研究表明机器学习可以很好地模拟太阳辐射，但不同的机器学习法在不同区域模拟精度不同，为了实现黄土高原区太阳辐射数据的最优模拟，从而为农作物模型、水文模型以及气候变化模型提供精度更高的太阳辐射数据。基于随机森林（RF，Random Forest）、人工神经网络（ANN,Artificial Neural Network）和支持向量机（SVM,Support Vector Machine）3种机器学习法来模拟黄土高原地区的太阳辐射并对这3种算法进行比较研究，选取了2003~2009年14个辐射站点和2010~2016年10个辐射站点的实测数据和对应参数气压、云量、云光学厚度、臭氧、可降水水汽以及DEM、坡度、坡向作为模型的训练数据，随机选取2010~2016年4个辐射站点的太阳辐射实测数据对模拟结果进行验证。验证结果表明：RF模型在黄土高原及周边地区的模拟效果最优，平均偏差(MBE)为-0.17 MJ·m-2，均方根误差(RMSE)为1.48 MJ·m-2，拟合优度达到0.96。研究结果表明:RF模型与气象数据及遥感数据结合能够有效解决黄土高原无辐射观测区的太阳辐射模拟问题，对区域太阳辐射的研究具有重要意义。
多尺度分割是面向对象图像分析技术的前提和关键，多尺度分割的质量直接影响着面向对象分类的精度，但尺度选择仍然是多尺度分割中的一个难题。针对此问题，根据遥感影像的最优分割尺度与影像上目标复杂度密切相关的事实，提出了一种自上而下基于分割对象复杂度选取最优尺度的方法。该方法在分割过程中，提取每一对象的影像特征构建其复杂度函数，通过设置阈值，经迭代计算来确定每一对象的最优分割尺度，进而得到具有全局最优尺度的分割结果，并将其应用于ZY-3多光谱数据和GF-2融合影像，得到分割和分类结果。并将其与单一最优尺度和非监督评价法的分割及分类结果进行比较，结果表明：该方法能够获取与地面目标相匹配的分割尺度，改善了分割效果，提高了分类精度，具有一定实用价值。
近年来，协同表示分类(Collaborative Representation Classification，CRC)算法成为高光谱遥感影像分类的研究热点，尤其是切空间协同表示分类(Tangent Space Collaborative Representation，TCRC)利用切平面估计测试样本的局部流形，其分类精度得到了显著提高。为进一步提升高光谱遥感影像分类的准确性和可靠性，提出了基于Boosting的高光谱遥感影像切空间协同表示分类算法(Boosting-based Tangent Space Collaborative Representation Classification，Boost TCRC)。Boost TCRC算法采用TCRC算法作为基分类器，通过Boosting原理自适应地调整训练样本的权重，增大错分样本的权重从而使得分类器专注于较难分类的训练样本，然后在基于残差域融合时根据基分类器的分类表现赋予其权重，最终采用最小重构误差的原则对测试样本进行分类。实验采用HyMap(Hyperspectral Mapper)和AVIRIS(Airbone Visible Infrared Imaging Spectrometer)等高光谱遥感影像数据对所提出算法的性能进行了综合评价，结果表明：基于Boosting的集成方式可有效提升TCRC算法的分类效果。针对HyMap数据，Boost TCRC算法总体分类精度和Kappa系数分别为93.73%和0.920 8，两种精度指标分别高于TCRC算法2.82%和0.032 3，同时分别高于AdaBoost ELM算法1.81%和0.022 5。对于AVIRIS数据，Boost TCRC算法总体分类精度和kappa系数为84.11%和0.812 0，两种精度指标分别高于TCRC算法3.97%和0.049 3，同时分别高于AdaBoost ELM算法12.02%和0.143 6。
针对传统时频分析方法处理多分量SAR运动目标回波数据时出现的交叉项影响严重和时频聚集性差等问题，提出一种融合改进的经验模式分解（Empirical Mode Decomposition, EMD）算法和重排平滑伪维格纳维尔分布（Reassigned Smoothing Pseudo-Wigner-Ville Distribution, RSPWVD）算法的新时频分析算法——EMD-RSPWVD算法。利用改进的EMD算法将多分量SAR动目标回波信号分解为彼此独立信号分量，然后对独立分量分别做基于RSPWVD算法的时频分析，以消除交叉项和获得高的时间—频率分辨率。分别利用模拟回波信号数据和真实回波信号数据，探究该算法对于多分量SAR运动回波数据的分析性能。结果表明，该算法具有良好的抗噪性和运动目标检测能力，以及高精度的运动参数估计性能。
随着综合孔径辐射计对高分辨率的需求提高，信号采集通道规模迅速上升，达到数十路甚至数百路。由此提出一种分布式信号采样及处理系统，同时设计了基于分布式相关系统的高速数据采集传输网络，通道数24路，采样率60 Msps。硬件上基于分布式多级分发的思路设计了时钟链路以实现数字同步采样，经测试通道间相位延迟小于1.5°；以FPGA内置的Rocket I/O收发器为物理层，实现多数字采样阵面与后端相关单元间的高速光纤链路，结果显示误码率低于10-7。该系统稳定性高、可靠性强，能满足大规模综合孔径辐射计的需求。
干涉成像雷达高度计(InIRA)是一种采用短基线、小入射角、一发双收的干涉测量技术，可以获取高相干海面回波，经数据处理获得干涉相位信息，再经反演得到海面高度，其突出优越性是可以获取宽刈幅、高精度海面高程信息；但由于其原始数据量巨大，给星上大容量数据存储和下行传输带来严峻的挑战；介绍一种用FPGA实现分块自适应量化(BAQ)压缩算法的方法，对已获取的某星载干涉成像雷达高度计(InIRA)海洋回波原始数据进行处理，分析不同压缩比对测量性能的影响；同时，根据新型InIRA的数据特点对原始BAQ算法进行改进，为未来星载干涉成像雷达高度计的数据压缩提供参考依据。结果表明：压缩比为8/3时，量化信噪比可达15 dB；压缩比为8/6时，2 km分辨率时海面高度测量误差约为2.68 cm。
利用遥感技术对露天开采区进行信息提取和监测已成为解决矿山自然环境问题的重要手段。通过改进带密集连接的全卷积神经网络，构建露天开采区样本库，并训练了针对多源遥感数据的露天开采区提取模型，最终实现对铜陵地区露天开采区的全自动提取。与传统分类方法和深度学习方法相比，该方法在基于像元和基于对象的评价方面具有较好的精度，其中像元精度PA：0.977，交并比IoU：0.721，综合评价指标F1：0.838，Kappa系数：0.825，召回率：0.913，漏警率：0.087，虚警率：0.533。同时，该模型对于匀色较差的GoogleEarth影像也有较好的提取效果，表现出较强的泛化性和适用性，在多源遥感影像露天开采区提取方面具有较强的应用价值。
在海量遥感数据背景下，传统的基于关键字/元数据数据服务模式，无法满足不同应用领域用户对多样化遥感变化信息数据的获取需求。将基于内容的图像检索技术应用到遥感图像变化信息数据获取中，提出了一种全新的基于内容的遥感图像变化信息检索概念模型。通过深入分析当前基于内容的图像检索的先进理论方法，构建基于内容的遥感图像变化信息检索模型框架，并对变化信息数据管理模型构建、多维特征提取和智能反馈模型创建等关键问题进行研究和算法实现，以中低分辨率遥感图像变化信息数据获取为例来进行模型验证与分析，建立原型系统。该方法作为一种新的遥感图像变化信息获取与服务方式，能有效利用遥感图像中底层特征，更准确地刻画了不同用户的遥感图像变化信息检索需求。同时，对影像的预处理要求较低，不受变化检测产品生产种类限制，具有较好普适性和自动化性，提高了遥感信息服务水平和效率。
针对水库富营养化给供水安全带来的严重威胁，利用2008~2017年Landsat时间序列卫星数据，基于归一化差值植被指数（NDVI）与实测水质参数的相关分析结果，运用阈值法动态提取了于桥水库的水华分布范围和程度。通过与自然和人为因子的协同分析，认为气温、降水和人类活动等共同驱动引发了水华爆发，其中人为干预的生态修复工程可抑制或减缓水华爆发，并有效改善水质状况。时间分辨率更高的气象因子数据和卫星遥感数据将更有助于对中小型饮用水水面蓝藻水华驱动力的分析，推动准实时遥感监测预警技术应用。
时间序列是一种常用的物候研究方法。为充分利用哨兵2数据在红边波段的丰富信息，本文利用多种植被指数组合成时间序列进行作物分类。将NDVI、EVI、红边NDVI三种植被指数进行组合，构建时序植被指数图像，然后使用支持向量机、随机森林、CART决策树和最大似然4种不同的算法对四种作物、三种林草、裸露地表、水体进行分类。原始分类结果中，总体精度最高的随机森林为87.92%，最低的最大似然为80.07%，在分类细节上，随机森林和支持向量机的边界最清晰，4种分类结果中，农作物的分类精度均高于其他地类，仅次于水体的精度，误差主要来自三种林草的混分，表明时间序列组合植被指数用于农作物分类是可行的。
基于Landsat TM/ETM+及OLI遥感影像，对喜马拉雅山西段杰纳布流域冰川面积进行提取，对冰川时空分布特征及其变化分析，并结合周边气象台站及CRU再分析资料气温、降水量资料对研究区冰川变化原因进行讨论。结果表明：①1993~2016年杰纳布流域冰川面积萎缩了164.56±161.72 km2，占总面积的5.78%，年均萎缩率为0.25±0.25 %·a-1，且在2000年后加快萎缩；②杰纳布流域冰川在各个朝向和海拔带上均呈萎缩趋势，其中S朝向冰川面积萎缩率最大，占研究区冰川萎缩总面积的24.35%； 4 600~4 800 m和4 800~5 000 m两个海拔高度带冰川面积近23 a分别减少了29.93 km2和30.91 km2，占流域冰川面积萎缩总量的17.72%和18.30%；③1993~2016年杰纳布流域共有28条冰川末端发生不同程度的前进现象；④对狮泉河和Srinagar气象站及CRU再分析资料气温、降水量变化分析表明，1993~2016年该区域年均气温呈显著上升是杰纳布流域冰川萎缩的主要原因。
臭氧成像廓线仪（Ozone Mapping and Profiler Suite, OMPS）可提供高垂直分辨率的臭氧垂直分布，能为研究大气臭氧的时空分布提供观测数据。为验证OMPS臭氧产品的精确性，选取2016~2018年北京地区的臭氧探空资料对OMPS v2.5臭氧廓线及v2.1臭氧总量进行对比分析。对比结果表明：在北京地区上空OMPS的臭氧垂直分布与臭氧探空资料在平流层中上层有较好一致性，相对偏差小于10%；在对流层中上层相对偏差较大，总体范围在15%~40%，部分情况超过80%；OMPS平流层臭氧总量与臭氧探空廓线积分的平流层臭氧总量相对偏差较小，平均偏差小于5%，均方根误差为18.3 DU，相关系数达到0.89；二者对流层臭氧总量平均偏差超过30%，对流层柱总量相关系数0.62。
甘公网安备 62010202000685号
