积雪、土壤冻融与土壤水分是陆表能量与水分以及碳交换过程研究中的重要因子，为了更好地了解积雪覆盖、雪深/雪水当量、土壤冻融状态和土壤水分等参数的遥感监测领域的发展动态，对这些参数遥感监测方法的研究进展进行了梳理，总结了利用光学与微波遥感，以及多源遥感融合的监测方法，并对该研究领域的发展趋势进行了展望。积雪、土壤冻融与土壤水分的遥感监测能力不断提升，监测算法从单一传感器向多传感器、单波段单一模式向多波段多模式集成，以及卫星虚拟星座综合观测概念的提出，均促进了现有卫星观测地表参数能力的提升；长时间序列产品的开发，对于研究和掌握全球变化大背景下对气候的响应提供了很好的数据基础；同时有助于促进遥感在水文、气象、气候、生态等领域的应用。以上的研究综述，有望对陆表水循环遥感参数反演领域，以及水循环遥感关键参数的应用领域有一定的借鉴作用。
基于欧空局的GlobSnow雪水当量数据集和国家青藏高原科学数据中心的北半球长时间序列雪深数据集NHSD研究了北半球及9个典型区的雪深时空分布与变化特征。结果表明：北半球1988~2018年平均雪深总体呈显著下降趋势（p<0.01），年际变化幅度为-0.55 cm·（10 a）-1。在高纬度地区，加拿大北部和阿拉斯加年平均雪深下降明显（p<0.01），下降速率分别为3.48 cm·（10 a）-1和3 cm·（10 a）-1，两地区月平均雪深在冬季显著下降。西西伯利亚平原和东欧平原年平均雪深呈下降趋势，其中东欧平原雪深下降较为明显（p<0.01），变化速率为-2.3 cm·（10 a）-1，两地区的月平均雪深在春季显著下降，其中5月份最为明显。东西伯利亚山地的雪深年际变化呈增加趋势，除堪察加半岛外，其月平均雪深在冬季呈显著增加趋势。对于高山区，阿尔卑斯山脉和落基山脉的年平均雪深呈缓慢增长趋势，而青藏高原地区雪深呈缓慢下降趋势。阿尔卑斯山脉的月平均雪深在冬季呈显著增加趋势，5月份显著减小。落基山脉和青藏高原雪深变化呈现出空间异质性：在整个研究时段，落基山脉北部月平均雪深呈下降趋势，中部和南部呈上升趋势；青藏高原的北部边缘山脉雪深呈显著上升趋势，中部大多数地区呈下降趋势。喜马拉雅山脉的北坡雪深增加，南坡雪深减小，但其变化率绝对值小于0.5 cm·a-1。东南部雪深较大的念青唐古拉山脉冬季雪深呈显著下降趋势。对9个典型区雪深的年内分析（2001~2010年平均值）结果显示：高山区雪深峰值远低于高纬度地区雪深峰值。除青藏高原外，高山区的积雪融化起始日期明显早于高纬度地区。
选用Sentinel-1A卫星TOPS模式下获取的8景升轨SAR数据，基于小基线集像素跟踪时序分析技术（Small BAseline Subset Pixel Tracking technique， SBAS-PT），获取了南伊内里切克冰川2018年1月至2018年12月期间不同时段的表面流速分布及其时空变化特征。研究结果表明：2018年南伊内里切克冰川1月到3月整体运动速率较小，从4月起速率明显增加，7月到8月达到最高，9月份起运动速率开始放缓，10月到12月期间冰川表面运动速率较小，全年的平均表面流速约为30cm·d-1。总体而言，南伊内里切克冰川中上游区域流速明显高于冰川下游，冰川下游冰川物质消融减薄和补给量减少以及表碛物增多等因素致使冰川末端区域逐渐趋于稳定。
新疆冰川资源富集，冰川旅游发展潜力巨大，但当前其旅游开发严重滞后。本研究从冰川资源禀赋、旅游资源多样性、气候舒适度、交通可达性、人口经济条件五方面建立了冰川旅游服务潜力评价体系，运用了层次分析法，借助ArcGIS空间分析工具，对新疆54个县市区冰川旅游服务潜力进行了综合评估，提出了相应的空间开发策略。结果表明：①北疆冰川规模较小，禀赋较差，但可达性较好；②南疆地区冰川资源规模大、禀赋高，与周边景观组合条件优越，但冰川可进入性较差；③当前，整体上天山中西部区域冰川旅游服务潜力等级较高，其他山系相对较低；④本世纪30年代、50年代，伴随着气候变化和社会发展，高冰川旅游服务潜力区将由天山一带区域向帕米尔高原、喀喇昆仑山一带区域转移。总体上，当前新疆天山一带冰川旅游服务潜力较高，未来伴随着小规模冰川的快速退缩，冰川旅游服务潜力将显著变小。基于此，应积极发挥当前冰川旅游服务潜力红利，大力发展冰雪旅游产业，以促进新疆全季、全域旅游发展进程。
以新疆阿尔泰山南麓克兰河流域典型区为研究区，利用GF-3全极化数据进行积雪探测，提出了一种基于特征优选的积雪识别方法。首先通过极化分解获取了GF-3数据的22个极化特征，并利用随机森林方法计算各特征的重要性，构建特征优选规则生成最优特征集，然后基于最优特征集对积雪进行识别。分析特征的重要性发现，同极化后向散射系数对积雪识别的贡献比交叉极化的贡献大，面散射和体散射对积雪识别的贡献比二面角散射贡献大。将该方法与最大似然法、支持向量机、BP神经网络3种分类器的对比发现，使用最优特征集并且利用随机森林方法的积雪识别精度最高（F指数为0.86，总体精度为0.79）。结果表明：基于特征优选进行积雪识别，不仅使得积雪识别效率得到提高，而且保持精度不变甚至有所增加，证明了该方法在积雪识别中的有效性。
积雪面积比例（Fractional Snow Cover， FSC）是定量描述单位像元内积雪覆盖面积（Snow Cover Area， SCA）与像元空间范围的比值，可为区域气候模拟、水文模型等提供积雪分布的定量信息。MODIS FSC产品是根据经验模型计算得到，并没有考虑地形、植被和地表温度等环境因素的影响，在青藏高原的验证精度低。针对此问题，考虑青藏高原地区环境因素（地形、植被、地表温度）对FSC制备的影响，基于多元自适应回归模型（Multivariate Adaptive Regression Splines， MARS）和线性回归模型分别建立FSC制备的非参数回归模型和经验回归模型。用Landsat 8地表反射率的数据和SNOMAP算法制备FSC的参考数据集。选取一部分参考数据集作为模型的训练数据集，另一部分作为模型的检验数据集。研究结果表明：MARS方法估计FSC的精度明显高于线性回归模型和原有的MODIS FSC制备方法。MARS的总体R、RMSE、MAE分别为0.791、0.103、0.058。在线性回归模型中精度最高的总体R、RMSE、MAE分别为0.647、0.128、0.072。MODIS 原有FSC制图方法的总体R、RMSE、MAE分别为0.595、0.221、0.170。考虑了环境信息的MARS方法更加适用于青藏高原地区FSC制备。本研究为制备青藏高原地区更高精度的FSC数据提供了新思路。
利用全球导航卫星系统反射干涉遥感技术（GPS-Interferometric Reflectometry， GPS-IR）可实现地表环境参数的监测。基于全球导航卫星系统多径反射信号与积雪深度之间的关系，针对目前已有研究较少的考虑多星融合对反演效果的影响，提出一种基于多元线性回归的多星融合积雪深度反演模型。为了验证算法的可靠性，利用美国PBO观测网络中的P101测站连续监测数据进行雪深反演研究。研究和实验表明：反演结果与积雪深度参考值具有显著相关性；多星融合能够有效综合各单颗卫星的反演性能，相关系数均大于0.940，相比单星提高了13.6%；RMSE和MAE均小于0.08和0.165。
祁连山区积雪类型丰富、判识复杂，是中国积雪研究的典型区域。因此，精确地监测祁连山区积雪面积变化及其时空演变，对祁连山区生态环境和社会经济发展等具有重要意义。FY-3C MULSS利用多阈值积雪指数模型提供全球日积雪覆盖产品，FY-4A AGRI传感器每15~60 min提供一景覆盖全球的多光谱影像。基于FY-4A AGRI高时间分辨率的特征，构建适合于FY-4A号数据的动态多阈值多时相云隙间积雪识别方法，很大程度上减小了云对光学数据识别积雪造成的影响，并结合FY-3C MULSS积雪覆盖日产品较高空间分辨率的优势，融合得到去除云后的FY3C4积雪覆盖数据。利用Landsat 8 OLI卫星数据对融合后的积雪数据进行对比验证，结果表明融合FY-3C和FY-4A后的数据能更好地判识祁连山区的积雪覆盖情况。以MODIS MOD10A2积雪产品为真实值，随机检验了2018年3月~2019年3月融合后数据的积雪判识精度，发现无云情况下方法的总体精度可达到85.25%。进一步研究发现祁连山区积雪面积在海拔、气候和坡向等因素的影响下时空分布极不均匀，总体呈现出冬春季节大于夏秋季节，以及东部积雪面积大于西部积雪面积的特征。
石冰川是以冰岩混合物为基础形成的一类具有舌状堆积纹理的冰缘地貌，了解其分布和变化对于寒区环境研究具有重要价值，遥感技术的发展为石冰川的识别提供了有效的手段。针对石冰川发育地的偏远和调查的困难，以及其光谱特征的微弱性，提出了一种基于深度学习的石冰川识别方法，以ResNet作为训练网络，得到石冰川的图像分类模型，以国产高分一号遥感影像作为实验数据，在念青唐古拉山西段展开了应用，共识别出石冰川96条。验证结果表明：该方法具有较高的识别精度（98.72%的总体精度、89.48%的生产精度和81.77 %的用户精度），证明该方法能够有效地识别石冰川，并为在大区域开展石冰川的调查和分析提供了基础。
高时间分辨率的积雪判识对于新疆牧区农牧业发展和雪灾预警具有重要作用，针对已有积雪产品易受复杂地形地貌，下垫面类型以及云遮蔽的影响，导致积雪判识精度降低的问题，提出一种利用深度学习方法对风云4号A星多通道辐射扫描计（AGRI）数据与地理信息数据进行多特征时序融合的积雪判识方法：以多时相FY-4A/AGRI多光谱遥感数据，以及高程、坡向、坡度和地表覆盖类型等地形地貌信息作为模型输入，以Landsat 8 OLI提取的高空间分辨率积雪覆盖图作为“真值”标签，构建并训练基于卷积神经网络的积雪判识模型，从而有效区分新疆复杂地形与下垫面地区的云、雪以及无雪地表，最终得到逐小时积雪覆盖范围产品。经数据集和2019年地面气象站实测雪盖验证，该方法精度高于国际主流MODIS逐日积雪产品MOD10A1和MYD10A1，显著降低云雪误判率。
NPP-VIIRS夜间灯光数据是在中大尺度上开展城市发展变化研究的稳定数据源。基于2012~2018年NPP-VIIRS夜间灯光数据，以山东半岛城市群为研究对象，采用参考比较法提取城市建成区图斑，选取9个景观格局指数对山东半岛城市群的城市化发展特征进行定量分析。结果表明：①整体上，域内斑块总面积以4.5%的速度增长，边缘总长度和边缘密度年均增长3.15%，斑块数量和密度增长较快（分别为1.95%和1.98%），表明山东半岛城市群整体城市面积增长迅速，城市范围持续扩张；②从不同指标变化趋势来看，各城市斑块总面积增长最快的是青岛市和东营市（分别为9.66%和6.01%）；青岛市的斑块数量和密度增速最快（分别为9.54%和8.55%），日照市的斑块数量和密度均以3.65%的速率显著降低；景观形状指数整体增速缓慢；平均回旋半径在日照市具有较高的年均增长速度（5.99%）；③从各城市发展特征的差异性来看，青岛市的平均斑块面积和回旋半径分别以0.56%和1.53%的速度降低，其他各指标均显著增加，表明青岛市出现了较多的新兴城镇，城区面积不断扩大；济南、日照和东营市的城区面积增长较快，斑块数量、景观形状指数等指标增长缓慢，城市发展以旧城区的扩张为主；潍坊、淄博和烟台市在2015年和2016年前后经历了新兴城镇出现，城镇融合的阶段，城市发展较快。总体而言，山东半岛城市群城市化发展较快，但空间差异性明显。
夜光影像分辨率低、时效性差等问题是夜光遥感光污染研究发展的一大阻力。对此应用一种新型的夜光遥感数据获取方式——志愿者民航客机遥感（VPARS）来采集长沙市高分辨率夜光遥感数据，结合长沙市2018年商业POI数据，对光污染来源及特征进行分析，探索了VPARS方法在光污染研究领域的初步应用。结果表明：志愿者民航客机遥感可以有效获取城市小尺度的高精度夜光遥感数据，在光污染监测应用方面具备很大潜力。对长沙市VPARS夜光数据的初步分析结果显示，长沙市购物服务、生活服务、餐饮服务类POI发光比例高，亮度系数高于平均值，是长沙市光污染的主要来源；出行服务类、公共服务设施类POI虽发光比例低，但亮度系数达到最大值1.82，光污染程度较高；长沙市光污染呈商业区聚集及城市核心聚集模式。
贫困区域识别对于国家实施精准扶贫方略具有重要作用。基于山西省2013~2017年NPP-VIIRS夜间灯光数据，提取灯光总强度、平均灯光强度、灯光斑块面积、最大斑块灯光强度、灯光斑块聚集度等参数，应用方差分析方法检验贫困县与非贫困县的参数差异；以2013年NPP-VIIRS数据构建贫困区域识别模型，并应用于2014~2017年的贫困县识别。结果表明：模型的综合识别准确率为71.43%~77.31%，贫困县识别精度较高，为79.31%~86.21%，非贫困县识别精度为59.02%~73.77%。除了灯光强度参数，模型中包含灯光斑块空间分布特征参数能够提高总体精度。进一步分析贫困概率与GDP关系、不同类型县的贫困概率年际变化，可以认为：夜间灯光数据能够用于贫困区域识别和退出评估，融合灯光强度与灯光斑块空间分布特征有助于提高贫困区域识别精度。
针对大尺寸遥感影像目标检测中检测边框不精确的问题，提出使用高斯过程贝叶斯优化对遥感影像中的目标进行精确检测与定位。研究分为两个阶段，第一阶段使用基于边缘信息的EdgeBoxes算法对大尺寸遥感影像进行目标候选区域的选取，用分类器得到初始检测结果；为了得到更加准确的边框，在第二阶段，基于高斯过程的贝叶斯优化对每个目标的边框进行微调：①以目标初始边框为基准，在其周围选取与初始边框相交的边框集合，并得到一个高斯过程分布；②使用贝叶斯优化估计出下一个边框，并将其加入边框集；③求分类器对所有边框的得分，得分最高的边框作为下次迭代的基准边框；④重复若干次贝叶斯优化后得到最终的边框。实验结果表明：EdgeBoxes方法以较少的候选框可以得到较大的召回率，使用高斯过程的贝叶斯优化可以明显地提高检测边框的精度。
在调频连续波逆合成孔径雷达成像中，由于雷达发射信号带宽的有限性，雷达接收到的信号经过去调频，脉冲压缩后会呈现一系列等效点目标的二维sinc函数的叠加，所以合成孔径雷达成像不可避免的会受到sinc函数旁瓣叠加问题的影响，据此引进天文图像恢复中广泛使用的CLEAN算法。针对由于雷达实际成像环境的复杂性，以及目标的非匀速运动等导致的回波sinc函数旁瓣失真的问题，提出了在进行CLEAN算法之前先进行时域加窗加权修正旁瓣的方法，减小了不规则旁瓣对后续数据处理的影响。最后，对CLEAN算法中的“脏束”、“清洁波束”进行了修正，使其具有更强的目标检测能力及鲁棒性，提高了成像分辨率。对实测数据的处理表明，该方法对实际工程应用具有一定的参考价值。
热带地区完整中分辨率时间序列遥感数据对于地表过程及地表扰动观测具有重要应用价值。针对热带地区Landsat数据存在云、雾污染及传感器本身缺陷导致的大量数据缺失问题，在现有的条带数据缺失填充算法（GNSPI）基础上，提出三次修复法。该方法能自动识别当前待修复像元前后48 d内有效参考像元，继而经三次修复法实现当前缺失数据的修复。实验结果表明：三次修复法整体平均修复精度（R2）可达0.88，该方法弥补了GNSPI填充算法需要整幅参考影像不存在无效像元方可执行的苛刻要求，提高了有效观测像元的利用率，对于获取热带地区长时间序列有效观测数据具有重要意义。
为了解决传统多尺度红外可见光融合图像边缘模糊、对比度低和目标不显著的问题，提出一种基于互导滤波和显著性映射的红外可见光图像融合算法。由于互导滤波器能将图像一致结构和不一致结构分离并且具有尺度和保边意识，因此首先利用互导滤波器将原图像分解为具有冗余信息的结构层和不同尺度上具有互补信息的纹理层；其次根据过明或过暗区域更容易引起注意的视觉特点构造图像显著性映射函数对结构层和不同尺度的纹理层进行显著性映射；最后根据不同尺度的结构和纹理特性对图像进行融合重构。在两个数据集上的实验结果表明与传统的多尺度融合方法相比提出的方法在保持图像边缘、增强图像对比度、突出目标方面具有较好的主客观评价效果。
土壤水分是陆地生态系统中最重要的组成部分，如何有效地得到高精度的土壤水分产品成为当前研究最为关注的问题。被动微波遥感具有监测面积大、重访周期短、对土壤水分敏感等优点，成为反演土壤水分最有潜力的方式。基于SMOS（Soil Moisture and Ocean Salinity）和AMSR2（The Advanced Microwave Scanning Radiometer-2）数据，通过研究L波段与C波段融合亮度温度在土壤水分反演中的潜力，发展多频率土壤水分反演算法，并对黑河上游4个像元开展土壤水分反演研究。结果表明：①利用L/C组合亮温反演结果与实测数据较为吻合，长时间内变化趋势一致，相关系数为0.841，均方根误差为0.063 m3/m3。②通过与SMOS和AMSR2官方土壤水分产品比较发现，AMSR2土壤水分产品存在明显的低估，SMOS土壤水分产品缺失值较多，无法得到较为完整的土壤水分时间序列；利用L/C多频率组合反演得到的结果明显优于官方土壤水分产品。融合L与C波段亮温数据，可有效提高反演土壤水分精度，实现高精度土壤水分的获取。
甘公网安备 62010202000685号
