国产卫星在东南亚地区典型生态类型识别中的关键技术研究

In recent years, more and more satellites developed by China with different sensors have been sent into orbit such as CBERS and HJ series. Now it is possible for us to use these satellites data monitoring the resources and ecological environment globally which will greatly improve our research abilities on many global hot issues. Many researches demonstrate that at present the improvement of identification accuracy just by developing the algorithms is limited due to the limited information that can be derived from a certain sensor. So by combining data from different sensors is a useful way to break this obstacle. In this research we will take three typical ecological types in Southeast Asia as an example to explore the capacity of multi-spectral, hyper-spectral, thermal and SAR data acquired from domestic satellites in identifying these types. The main content of our research can be summarized as followings:.Firstly, we will do some researches on the preprocessing of data which is the basis for the following analysis in a standardized repeatable way. .Secondly, we will identify the features of different ecological types for pattern recognition for multi-source data types. .Thirdly, we will ultimately establish the repeatable identifications model with highest accuracy by combining different types of data.

近几年来中国自主研究的在轨卫星的数量、种类不断增加并且数据质量也在不断提高，依靠中国自主的卫星遥感数据，开展全球资源与生态环境遥感定量监测，提高全球变化与世界资源研究的话语权，已经成为可能。众多研究表明，单纯地改善分类算法以期待提高分类精度的空间有限，将多源卫星数据结合，发展多维信息复合的方法可以大大提高分类的精度，是提高遥感应用性的有效途径之一。本研究将以东南亚典型地物类型为例，基于国产多光谱、高光谱、热红外和雷达遥感数据，在对其进行预处理的基础上，建立多源数据的模式识别特征进行类型识别，在对不同尺度结果进行空间关联的基础上，进行最优组合，最终实现可重复性分类模型的建立。通过本项目的实施，将为我国遥感数据在周边地区进行综合性科学研究方面提供借鉴。

近几年来中国自主研究的在轨卫星的数量、种类不断增加并且数据质量也在不断提高，依靠中国自主的卫星遥感数据，开展全球资源与生态环境遥感定量监测，提高全球变化与世界资源研究的话语权，已经成为可能。本文在考虑信息提取精度以及运行成本的前提下，以FY3MERSI时间序列数据、GF、CBERS-02B CCD 数据为基础，结合其他辅助数据对东南亚地区典型生态类型信息进行了反演，并对其空间格局进行了分析。主要研究内容如下：.（1）国产中高分辨率卫星数据的预处理研究：.主要针对国产中高分辨率遥感数据在东南亚地区的辐射校正问题，研究了不同时相影像自动辐射交叉订正、薄云去除算法。同时针对时间序列数据提出了时间序列数据重建算法。 .（2）热带雨林识别模型：. 选用时间序列MERSI-NDVI数据产品提取了东南亚林地分布情况。由于东南亚地处热带地区云雾噪音为林地的提取造成了很大的不确定性，为了有效去除云雾噪音影响，结合NDVI 、NDSI 、LST 多参数在林地提取中的优势对泰国林地进行提取。采用各国统计年鉴提供的林地面积以及GF和GOOGLE EARTH影像进行了精度验证。结果表明，利用多参数综合分类方法能有效提高林地提取精度。.（3）红树林提取模型：.采用2013-2015年期间共计528景Landsat-8、GF-1 16m和及ASTER GDEM数据，采用多分类器组合方法对整个东南亚地区的红树林进行了提取进行了提取。其中选取的单分类器包括：支持向量机分类器、人工神经网络分类器、波谱角分类器、最大似然分类器、最小距离分类器。采用并行方式对各分类器输出信息进行组合，分类器的组合采用贝叶斯算法。提取结果经过部分地区的抽样检验。.（4）东南亚三角洲地区水稻种植面积高精度提取：.时间序列NDVI影像在水稻种植监测中具有一定优势。一般情况下，NDVI时间序列本身无法区分水田与旱地。作为水田的两个标志 -“湿润与高植被覆盖”，NDVI的表达是不充分的。 水稻有一个明显的特征，存在灌水期，这样就可以将水稻与其他旱作作物区分开来。因此建立NDVI和LSWI之间的数量关系，来实现水田与其他地物的区分。结果表明东南亚地区分国水田面积统计数据与提取面积的相关系数达到0.769。