区域目标分解是遥感卫星对大区域覆盖成像任务规划的关键环节，对快速获取大区域有效数据具有重要意义。基于对卫星大区域拍摄任务的规划经验，总结了大区域拍摄实际业务中的主要影响要素，包括卫星轨道过境、窗口区域云量和底图实时更新，提出了基于多要素叠加的大区域拍摄分解方法。该方法通过将云量要素应用到每个过境窗口的拍摄条带的分解中，基于贪婪算法的思想获得每次卫星过境中成像条件较优的拍摄条带，可提升卫星对大区域拍摄的单次数据获取有效率和整体覆盖效率。该方法已应用于“国产中高分辨率宽波段多光谱卫星数据集构建和高效国际化服务”项目，为吉林一号光谱星快速获取“一带一路”沿线区域数据提供支持。对比该方法使用前后两期区域覆盖数据获取情况，数据覆盖效率提升约44%。
大区域数据快速拍摄获取是遥感卫星任务规划领域的重要研究课题，依托“国产中高分辨率宽波段多光谱卫星数据集构建和高效国际化服务”项目，使用吉林一号光谱01/02星开展了对“一带一路”沿线65个国家和地区三年两期的有效覆盖。总结了项目大区域数据获取的策略方法和经验，重点介绍了数据获取相关的星地资源等各类影响因素、大区域按时相划分策略、以及基于云量预报有效成像条带的大区域动态规划流程，即在卫星单次过境范围内，结合云图选取最大概率获取有效数据的成像条带。该研究已为项目提供常态化支持，相关方法和项目经验可为一般卫星遥感大范围、广区域数据获取任务提供参考借鉴。
随着全世界航天事业的不断壮大，卫星成像业务已经向多星协同覆盖大区域目标转型发展。在此过程中需要同时优化如最大覆盖面积、最小卫星资源利用等多个目标函数。围绕地球观测卫星区域覆盖调度及数传规划全流程，首先总结了典型区域分解技术，其作为卫星区域覆盖计划制定的前期准备步骤，在卫星调度中发挥着重要作用。随后分析评述了近年来多目标算法在卫星区域覆盖调度及数传规划领域的代表性工作。最后进行总结并对未来研究提出几点展望，以期为相关任务的多目标算法应用提供可靠参考。
开放数据立方体系统是新一代开源对地观测数据管理与应用系统，可以解决遥感卫星大数据在管理、服务及应用方面面临的诸多问题，然而，该系统目前仅支持国际主流卫星数据的加载和服务，针对国产数据仍无法使用。以国产卫星数据高分一号WFV数据为例，进行基于开放数据立方体系统的国产卫星数据的加载和服务的设计与实现。首先针对GF-1的数据特点编写产品定义和提取元数据脚本，以建立索引和摄取数据，完成国产卫星数据的加载；然后基于已加载数据，使用Web UI接口开发了GF-1数据的水探测服务。研究结果证明了使用开放数据立方体系统管理国产卫星数据的可行性，并为其他基于该系统的国产卫星数据的加载和服务提供了技术参考。
卫星在轨后精准的绝对辐射定标是对其观测数据进行定量化应用的基础。与传统的场地定标法、交叉定标法相比，基于稳定场景目标的定标方法具有成本低、频次高、可实现历史数据定标等优点。使用中分辨率成像光谱仪（MODIS）的MCD19A1产品、MCD43A1产品和MOD03（MYD03）产品模拟出MODIS band8在光谱02卫星观测条件下的方向反射率，再结合MCD43A1产品中MODIS band1~band5的方向反射率、MCD19A2产品中的气溶胶参数、水汽参数以及MOD07（MYD07）产品中的臭氧参数，对2021年10月光谱02卫星多光谱成像仪对多个稳定目标成像的入瞳辐亮度进行辐射传输模拟，实现对其在轨绝对辐射定标。对该定标系数的真实性检验结果表明：与发射前定标系数相比，基于重新标定系数进行大气校正的结果与哨兵2号反射率产品的差异明显减小；重新标定的观测辐亮度与包头地基自动辐射定标数据的平均相对差异为3.18%，说明定标结果具有较高的精度。研究结果可以为使用稳定目标对中高空间分辨率光学遥感卫星在轨绝对辐射定标提供方法支撑。
吉林一号光谱星的发射提高了我国对地观测能力，并且在农业定量反演方面具有较大的潜力，为了准确、有效地反演农作物关键参数，分析吉林一号光谱星影像的反演能力具有重要意义。以内蒙古乌拉特前旗、正蓝旗、科尔沁右翼前旗的农田为研究区，基于吉林一号光谱星影像，使用优化后的PROSAIL模型和曲线匹配算法，对不同物候期内的玉米和水稻叶面积指数（LAI）进行了反演，并结合实测LAI数据进行了精度验证。结果表明：优化后的PROSAIL模型其参数范围和参数步长更适用于农作物LAI反演，在保证精度的前提下精简了查找表的容量；基于特征值的曲线匹配算法在空间分布高度一致、误差绝对值均值为0.41的情况下，计算效率平均提高了41.43 %；研究区不同物候期内的玉米和水稻LAI反演精度R2为0.72~0.9，RMSE为0.32~0.49。其中，玉米开花期精度最高（R2=0.9，RMSE=0.4），玉米成熟期精度最低（R2=0.72，RMSE=0.47）。综上所述，基于吉林一号光谱星影像反演农作物LAI具有精度高、误差小的特点，研究结果可为该数据在农作物LAI精准反演方面提供科学方法和依据。
通过对地卫星连续进行月球观测已成为星载遥感仪器辐射定标和验证的一种新方法，而统一的几何信息对于利用月球观测数据进行辐射定标具有重要参考价值。对地卫星获取的月球影像，获取的拍摄时刻的位置与姿态是相对于地球的，要换算到相对于月球的位置姿态信息，由于卫星的翻转拍摄，会使各参数偏离地面的定标值，几何纠正精度不高。针对对地卫星获取的月球影像几何纠正困难的问题，以吉林一号光谱星为例，提出一种基于迭代匹配实现月球影像几何纠正的方法，通过迭代匹配提高影像的几何纠正精度，并考虑半月月球影像的处理。实验表明：该方法能够解决无法直接进行地理信息解算的对地卫星获取的月球观测影像的几何纠正，并且几何纠正精度较高。
陆表比辐射率（Land Surface Emissivity，LSE）是衡量物体表面以热辐射形式释放能量相对强弱能力的物理量，是影响遥感陆表温度（Land Surface Temperature， LST）的重要基本参数之一。为了分析不同条件下LSE对遥感LST反演结果的影响，基于Himawari 8 AHI （Advanced Himawari Imager， AHI）的分裂窗通道热红外遥感数据，采用Wan 及Dozier的分裂窗算法，研究陆表温度反演结果对LSE的敏感性。首先，对LSE产品分别加入不同均值和标准差的高斯噪声，以此代表LSE不同的误差水平；然后，在其他条件不变的情况下，将带不同噪声的LSE和不带噪声的LSE分别输入分裂窗算法进行LST的反演；最后，分析不同时间、不同水汽、不同观测角度和不同下垫面条件下，LSE对LST的影响。结果表明：①无论白天、夜间还是日均LST，输入添加噪声的LSE较输入原始的LSE反演所得的LST数值总体略低，而且随着所添加噪声标准差的增大，所得LST差值的标准差增大。当LSE的噪声标准差为0.01时，所得白天、夜间和日均LST差值的标准差分别为0.48 K、0.52 K和0.34 K；而当LSE的噪声标准差为0.03时，所得LST差值的标准差则分别升高到1.46 K、1.57 K和0.88 K。②不管水汽和观测角度条件如何，总体上，输入添加噪声的与输入原始LSE反演所得的LST相关系数随着所加噪声标准差的增大而减小，均方根误差和标准差则随着所加噪声标准差的增大而增大，偏差为负值，其绝对值随所加噪声标准差的增大而减小。③对于不同的下垫面，随着所加噪声标准差的增大，LSE添加噪声与不添加噪声反演所得的LST差值的标准差增大，当所加噪声标准差为0.01时，多树草原、开放灌木和草原LST差值的标准差分别为0.52 K、0.51 K和0.53 K。而当所加噪声标准差为0.03时，三者LST差值的标准差分别升高到1.58 K、1.53 K和1.6 K。
随着全球城市化进程的不断推进，地表城市热岛（Surface Urban Heat Island， SUHI）效应日益加剧。厘清SUHI面积时空格局对于全面了解SUHI效应时空变化规律至关重要。基于MODIS （Moderate-resolution Imaging Spectroradiometer）地表温度数据，结合高斯模型和地表温度日内循环模型（Diurnal Temperature Cycle， DTC）计算了全球504个主要城市2000~2019年的SUHI面积比例（SUHI Ratio， IR）——即SUHI面积与城区面积的比值，并在不同时间尺度上（日内逐时、季节对比、年际变化）分析了全球及不同气候区城市的IR变化特征。结果显示：就空间特征而言，全球城市多年IR均值在白天和夜间分别为0.85和0.75，其中寒带气候区城市的多年平均IR（日夜分别为0.94和0.86）显著大于干旱、热带和温带气候区城市。就时间特征而言，日内尺度上全球及各气候区城市IR的变化趋势呈现相同规律，均在日出后先下降后上升，分别于日出后3 h和7 h达到最小和最大值，而后波动下降并渐趋稳定；季节尺度上全球城市夏季IR（日夜分别为0.86和0.76）略高于冬季（日夜分别为0.81和 0.72），干旱、寒带和温带气候区IR季节变化与此一致，热带气候区则呈现相反规律；年际尺度上白天54%的城市年均IR呈增大趋势，夜晚则有62%的城市年均IR呈减小趋势。本研究填补了对全球尺度下SUHI面积时空格局的认识，详细揭示了SUHI面积比例在不同时间尺度和不同气候区之间的变化特征，研究结果有助于加深对SUHI效应的理解。
地表温度（Land Surface Temperature，LST）在陆地—大气能量交换等研究中扮演着重要角色。LST随时间变化迅速，且极轨遥感卫星获取的LST的地方太阳时在像元间存在差异，需进行时间归一化以提高LST遥感产品的应用价值。面向MODIS LST产品，基于FY-4A高时间分辨率的LST产品，引入地表温度日变化模型（DTC），构建了粗细分辨率转换配准方法，提出了基于日变化信息的LST时间归一化模型（Temporal-effect Normalization Model of land surface temperature Based on Diurnal variation information， BDTNM），探讨了时间窗口、归一化时刻与空值情况对模型的影响。利用张掖地区站点实测数据、模拟数据对INA08_2模型和BDTNM模型归一化结果进行验证和评价，结果表明BDTNM方法比INA08_2模型具有更好的稳定性及鲁棒性，精度提高了0.4~1.0 K，并具有一定的空值插补能力，该方法对其他遥感卫星LST的时间归一化也具有一定的借鉴意义。
基于珞珈一号夜间灯光数据和西安市能源统计数据，结合ArcGIS空间分析方法，运用高—低聚类模型，分区县对2018年西安市碳排放量进行空间化模拟，并对全市各区县碳排放强度进行计算和分类，研究西安市各区县碳排放量分布特性。结果表明：珞珈一号灯光数据与碳排放量存在较好的相关性，线性相关系数为0.720 3，四次函数多项式的相关系数最高，为0.843 5；在年度碳排放量上，西安市碳排放量呈现中心主城区高、周围县区低的空间分布特点，为聚类状态分布，且聚类结果在高值区域内聚类；全市低碳排放强度区县较多，存在少量高碳排放强度区县，对实现绿色发展模式还需要进一步调整产业结构。
气溶胶可以通过直接效应来影响地气系统的辐射平衡，然而目前气溶胶直接辐射效应的研究主要集中于总气溶胶，缺乏不同类型气溶胶直接辐射效应研究。利用通用地球系统模式（Community Earth System Model， CESM）模拟研究了晴空和有云条件下总气溶胶、硫酸盐气溶胶和含碳气溶胶在大气层顶和地表的直接辐射强迫，并利用多源数据对模拟结果进行验证。结果表明，CESM模拟总气溶胶光学厚度与气溶胶自动观测网（Aerosol Robotic Network， AERONET）有较好的相关性（R2 =0.44），但模拟数值整体偏小；与MERRA-2（Modern-Era Retrospective Analysis for Research and Applications Version 2）对比发现，高估了含碳气溶胶光学厚度，低估了硫酸盐气溶胶光学厚度；CESM模拟的辐射通量与基线地表辐射观测网（Baseline Surface Radiation Network， BSRN）的模拟效果良好（R2 =0.93）。在晴空条件下，CESM模拟的总气溶胶以及硫酸盐气溶胶、含碳气溶胶在大气层顶的直接辐射强迫分别为-1.37、-0.46、-0.45 W/m2；有云条件下分别为-0.30、-0.25、+0.04 W/m2，云削弱了气溶胶在大气层顶负的辐射效应，但加强了含碳气溶胶的吸热作用从而呈现出正效应；晴空条件下地表的直接辐射强迫分别为-5.60、-0.53、-2.21 W/m2，有云条件下分别为-4.38、-0.32、-1.64 W/m2，气溶胶的直接辐射效应在地表均为负效应，云对沙尘气溶胶的辐射效应影响不大，但却能削弱硫酸盐气溶胶和含碳气溶胶的直接辐射效应强度。研究结果有利于进一步理解不同类型气溶胶的直接辐射效应，并为未来改进CESM提供依据。
建筑是城市精细化管理的基础单元，利用高分遥感影像快速准确地提取城市建筑轮廓信息对于城市规划及管理有着重要意义。研究基于北京二号高分辨率（0.8 m）遥感数据，建立了北京市建筑轮廓样本库，利用多种语义分割模型U-Net、DANet、UA-Net（U Attention Net）和实例分割模型Mask R-CNN、Mask R-CNN FPN、Mask R-CNN RX FPN来提取城市建筑轮廓并开展精度评价，通过对比不同类型建筑（如楼房、别墅及村庄建筑等）的提取效果，最终选择整体精度最高且提取效果最好的U-Net模型提取了北京市域的所有建筑轮廓。结果表明：U-Net、DANet、UA-Net、Mask R-CNN、Mask R-CNN FPN和Mask R-CNN RX FPN模型的分类精度分别为79.37%、65.59%、71.03%、61.82%、52.53%和59.70%，且U-Net模型训练时间相对较少。U-Net模型对于建筑轮廓的提取有良好的表现；对比不同模型的识别效果发现，语义分割模型对于平房型建筑识别较有优势，实例分割模型则适用于提取城区及周边地区独栋楼房别墅的建筑轮廓，这为开展典型建筑轮廓提取任务的模型选择提供了科学依据，并且识别的城市建筑成果在一定程度上解决了城市内部精细尺度研究数据缺失的问题。
全球风廓线的测量对提高数值天气预报精度，准确描述气候模型，理解大气中的物理过程具有重要意义。云雨条件下，星载大气风场多普勒速度测量能力依赖于雷达系统参数、云的物理和动力特征及测量方法。基于极化分集脉冲对（Polarization Diversity Pulse-Pair， PDPP）算法，研究了脉冲时序和多普勒速度测量精度的关系。对影响PDPP方法多普勒测量精度的因素进行了仿真分析。结果表明，对W波段雷达，脉冲对重复频率应当在3.5~5 KHz范围。使用0.1°波束宽度的天线在脉冲间隔为30~50 us区间内，能对反射率因子-20 dBZ的云内风速进行测量，精度在1.35 m/s；相同精度要求下，0.2°波束宽度的天线在脉冲间隔为30~40 us范围内，能达到探测灵敏度约-12 dBZ。
针对光学遥感图像场景分类存在类别变化、样本数量变化，场景图像中背景与重要物体变换大、尺度变化多的问题，提出基于神经网络注意力架构搜索的光学遥感图像场景分类方法，由算法自适应在神经网络中搜索卷积、池化、注意力等操作，构建能完成光学遥感图像场景分类任务的神经网络。为保证搜索神经网络过程稳定性，提出两段式贪婪策略网络搜索方法，分阶段丢弃无用操作，减少搜索算法负担、提高搜索速度。最后为了关注各物体与场景关联信息，提出自上而下的网络连接策略，充分复用各阶段多尺度特征图的语义。实验结果证明：该方法相较于手工设计的经典深度学习方法具有更好的性能。在AID、NWPU、PATTERNET 3个遥感图像标准数据集上总体精度均超过经典方法。在AID数据集上准确率达到94.04%；在PATTERNET数据集上准确率达到99.62%；在NWPU数据集上达到95.49%。
日光诱导叶绿素荧光（Solar-Induced Chlorophyll Fluorescence， SIF）与植被光合作用关系密切，能够揭示植被真实生理状况，准确获取SIF信息对陆地生态碳循环和全球植被监测具有重要意义。以3FLD算法的SIF反演结果和NIRvR为参考，开展了基于塔基平台的数据驱动SIF反演算法性能评价研究。首先利用塔基连续冠层光谱观测数据，分析了SVD算法在不同大气窗口的SIF反演效果；其次利用大气校正前后的实测数据，探究大气因素对SVD算法反演SIF的影响程度；最后，将实测数据按照光照条件区分，对比了天气稳定与天气波动条件下，基于SVD算法的SIF反演结果的稳定性。结果表明：（1）SVD算法在735~759 nm（不包含大气吸收波段）、745~780 nm（包含大气吸收波段）窗口的SIF反演精度较高；（2）SVD算法的SIF反演精度受大气影响远小于3FLD算法；（3）当光照条件剧烈变化时，使用SVD算法可以有效克服FLD类SIF反演算法对同步太阳光谱观测的依赖；即使光照迅速变化，基于SVD算法依旧能够得到稳定可靠的SIF反演结果。综上所述，SVD算法对于塔基SIF反演来说具有非常大的应用潜力。
为探究城市地区内涝灾害成因和分布特征，以兰州市中心城区为例，基于2010~2020年月平均降水数据和历史积水点资料，选取人口密度、路网密度、给排水设施距离、高程、地形起伏度、坡度、归一化植被指数和不透水面百分比数据作为探究内涝驱动因子的指标，采用水文分析、空间相关性分析和地理探测器等方法，研究内涝灾害的时空分布格局、驱动因子及交互作用关系。结果表明：①11 a间兰州市内涝灾害与降水集中期高度吻合，均在6~9月份，7~8月份主汛期内涝灾害最严重。表明内涝灾害频次分布与降水格局密切相关；②空间上兰州市积水点主要分布在城关区，其次为安宁和七里河区，西固区最少；③归一化植被指数和不透水面百分比是兰州市内涝灾害的主要驱动因子，其次是人口密度，但任意两个驱动因子的交互作用均远大于单个因子。因此，兰州市内涝灾害需要在多因素综合考虑的前提下，采取多举措进行综合治理。
高效识别阴影信息是利用阴影和消除阴影的关键前提，有助于城市遥感应用研究的开展，现有关于城市阴影检测多关注在近红外和可见光的多波段合成方面，而对可见光提取阴影的能力检测有待深入。针对这一问题，基于红、绿、蓝（R、G、B）高分卫星影像，结合色彩空间变换和影像多波段运算，研究并提出一种由绿光波段、蓝光波段和亮度分量构建的城市阴影优化指数OUSI （Optimization Urban Shadow Index），从视觉效果及提取精度评估角度进行验证分析。结果表明：OUSI可较完整地提取城市阴影，总体精度达90.46％，高于当前常见的指数法和深度学习阴影检测算法；OUSI受不同土地覆被类型的影响较小，阴影检测结果稳定。与既往基于特征的方法不同，研究构建的阴影指数对原始影像数据仅依赖RGB三波段信息，OUSI指数简洁有效、运算耗时少，进而可以为实现大区域和高精度的城市阴影检测提供切实可行的方案。
三维激光扫描技术具有扫描快、对树木无损害、高度还原树木原形等优势，为三维样木重构、树木冠层结构研究及森林资源连年监测研究提供精确的数据。以马尾松为对象，利用三维激光扫描仪获取30株单木点云数据，运用体素化、平面投影和凸包算法等，计算单木冠层孔隙度。结合分层理论，通过与树木生长参数（冠幅、冠体积和冠高度）的相关性分析，构建全冠与不同分层方式提取的冠层孔隙度建立多元线性回归模型，以决定系数（R2）、均方根误差（RMSE）、相对分析误差（RPD）和总体精度（TA）确定冠层孔隙度提取的最佳体素边长和最佳分层方式。结果表明：冠层孔隙度提取的最佳的分层方式为冠层形态三分层（R2为0.74）；冠层形态三分层、冠层形态三分层五分层结合、冠层高度三等分层提取的冠层孔隙度与树木生长参数的影响最为稳定；根据冠层形态分层提取的孔隙度适用于冠层形态差异较大，而冠层形态较一致时，采用冠层高度三等分层是较为合适，精度较高。
岷江上游峡谷区滑坡等地质灾害频发，认识灾害的分布特征及诱因对于减小灾害损失具有重要意义。基于2015~2019年的60景哨兵一号（Sentinel-1A）卫星雷达影像，采用小基线集合成孔径雷达干涉测量（SBAS-InSAR）方法获取了地表雷达视线向形变的时间序列及多年平均速率，分析了地表沉降的分布规律及其同植被覆盖、降水、人类活动等因子的内在联系。结果表明：研究区地表沉降具有明显的坡向分异规律，即快速沉降区多分布于阳坡，年平均沉降速率（-33.02 mm/a）明显快于阴坡（-9.33 mm/a）。针对该地表沉降的坡向分异规律，研究进一步揭示了其环境控制机制：①阳坡水分条件胁迫较强而植被覆盖差，不利于地表稳定；②地形雨来向多为偏南方向，阳坡受侵蚀较为强烈；③阳坡光热条件好，受垦殖等人类活动影响大。由此建议：在岷江上游峡谷区的偏南向边坡，应特别注意防范滑坡等灾害，加强地表形变监测和滑坡灾害预警。
基于不同植被指数提取物候参数是分析长时间物候变化的重要基础。以多云雾的重庆地区为例，使用2010~2019年MODIS NDVI/EVI/EVI2共3种长时序的植被指数数据，通过D-L 滤波方法分析了不同植被指数特征；并使用动态阈值法和趋势分析法，对比研究了基于3种植被指数提取的物候参数结果及其随不同地形因子的分异规律，结果如下：①EVI和EVI2的时间序列拟合曲线比NDVI的拟合曲线更加平滑，3种植被指数原始值与拟合值的差值主要分布为NDVI（0.05~0.18）、EVI（0.03~0.11）、EVI2（0.03~0.1）。②基于3种植被指数提取的物候参数在空间分布和变化趋势上呈现一致性，其中EVI和EVI2提取的植被指数参数皆相近，相差5d之内占比79%以上，SOSEVI2变化显著性区域所占比面积最高（16.36%），SOSNDVI最低为12.37%。③SOS随海拔升高而推迟，EOS随海拔升高先延后再提前，LOS随海拔升高先延长后缩短，且EOSNDVI、 LOSNDVI随着海拔增加分别与EOSEVI/EOSEVI2、LOSEVI/LOSEVI2差异增大，不同植被类型上，EVI提取的物候参数与EVI2相近，变化趋势具有一致性。与NDVI相比，EVI和EVI2能更好提取对云雾地区物候参数，结果相近；基于EVI和EVI2提取的物候参数的地形效应更明显。
精准获取并识别棚户区的空间分布及形态，对改善人居环境、优化城市空间结构具有重要意义。传统的实地调查方法耗时费力，以上海杨浦区南部的棚户区为例，从高空间分辨率影像中提取光谱、纹理和结构特征作为输入数据，提出了基于机器学习算法的高分遥感影像的棚户区提取方法。首先，综合比较最近邻（KNN）、逻辑回归（LR）、支持向量机（SVM）、随机森林（RF）、集成学习（EL）5种机器学习识别方法的适用性，确定最优分类器。其次，基于网格（50m×50m）对高分影像进行特征提取，并对特征网格分类、构建分类图像特征数据集。最后，通过图像特征进行棚户区识别，并评估5种机器学习算法在城市地区识别棚户区的能力及应用。结果表明：监督机器学习方法在提取棚户区的精度方面基本能够满足棚户区的研究及实际应用，但综合考量分类结果、分类精度和运行效率，EL算法Kappa系数为73.0%、总体精度为97.27%、召回率为79.02%，均高于其它算法，且漏分错误最少，能够更加完整、准确地完成棚户区信息提取。当考虑运行效率时，LR算法识别速度明显高于其它算法，更适用于大范围棚户区的使用需求。监督学习识别方法不仅可应用于高分影像特征识别，在遥感监测、城市规划和测绘等方面也具有较大的应用潜力。
甘公网安备 62010202000685号
