生态环境遥感卫星影像监测

中国生态系统类型多样、分布广泛，复杂性、异质性特征明显，实现高精度、高效率的全国及区域生态环境遥感监测面临一系列技术难题。近20年来，环境保护部卫星环境应用中心联合中国科学院地理科学与资源研究所、生态环境研究中心等持续开展技术攻关，系统突破了生物物理参数遥感反演、地表遥感参数反演、生态系统遥感自动分类、生态质量评价因子遥感信息提取、生态系统遥感评估等关键技术，建立了基于国产卫星等多源遥感数据的生态环境遥感监测技术体系（Wang等，2015）。典型进展主要有：（1）面向中国生态系统特征，研究提出了由8个I级类、22个II级类、42个III级类构成的基于遥感的生态系统分类体系，建立了顾及分区单元地物光谱特征的基于规则自适应学习的生态系统自动分类方法，通过训练区自动选取和地物类型光谱三维特征空间的自动构建、分割、聚类，将生态系统一级分类精度由通常的80%提高到95%，单景分类效率与传统监督分类相比提高3—5倍；提出了基于决策树与面向对象分类技术的生态系统自动分类方法，明显提高了环境一号卫星在复杂地形区域的生态系统分类精度；（2）提出基于数据同化的多种地表生态参数时间序列重构方法，为生态环境监测与评价提供了时空相对完备的地表环境参数数据集；提出基于改进的S-G滤波的植被指数重构方法，并应用于环境一号卫星 NDVI数据时间序列重构，大幅度降低了包括云覆盖、大气效应等因素造成的噪声；提出了基于卡尔曼滤波的多种能量、水分参数时间序列重构方法，明显的改善了相关参数数据时间序列的均值和标准差，例如，辐射参数标准差降低10%—15%，温度参数标准差降低8%—15%；（3）建立了基于环境一号卫星等多源遥感数据的生物物理参数、地表物理参数、生态景观指数、生态评价因子等生态遥感参数的业务化提取方法，例如，通过优化APAR、光能利用率和水分胁迫因子，改进了传统CASA模型，并基于优化模型建立了国家尺度月度净初级生产力产品；发展了面向自主高分卫星的基于广义回归神经网络的叶面积指数遥感反演技术，利用SCE-UA全局优化算法求取最优平滑参数来进行训练，通过修改隐层中神经元的转换函数，得到最优LAI估计；基于植被指数遥感机理，利用神经网络法构建了全国尺度FPAR遥感估算方法，实现了国家尺度月度FPAR产品生产；引入MODTRAN4大气辐射传输模型，对“劈窗”算法中的劈窗系数进行了改进，实现了多光谱地表温度遥感反演；通过尺度转换，构建基于多源数据的土壤水分耦合模型；利用RossThick核函数与LiSparseR核函数，拟合地表二向性反射特征，建立了地表粗糙度反演方法等；（4）建立了基于知识发现的宏观生态要素类型变化快速检测方法，以历史时期土地利用/土地覆盖数据为本底，自动抽取现时遥感影像的大样本，构建生态要素类型的特征光谱空间，实现变化像元检测和变化像元自动归类，且样本遴选、分类器构建过程中不需要人工干预；提出基于“地理对象”的高分辨率遥感影像多尺度分割技术，基于自主高分辨率卫星实现了重点区域生态遥感监测数据的动态更新与生态要素变化高精识别；（5）针对国家生态环境督察执法的需要，突破多源异构生态遥感监测数据的时空尺度匹配、人类活动对生态系统变化贡献率定量识别等关键技术，提出了人类干扰指数、开发建设强度等定量遥感监测指标，建立了国家自然保护区、重要生态功能区、生物多样性优先保护区、重大生态工程建设区、矿产资源开发区等人类干扰活动和生态保护成效业务化遥感监测技术体系，实现了基于国产环境卫星等多源遥感卫星的生态环境监管；（6）提出基于“格局—质量—功能—问题—胁迫”范式的国家生态环境调查评估技术方法，建立了由315个指标、416个模型构成的天—地一体化的全国生态调查评估方法体系，揭示了全国生态系统时空变化特征及分布规律，找出了生态系统变化的主要驱动力，明确了国家生态安全底线（Wang 等，2014）。

相关链接