中国遥感卫星专辑
为了宣传国产卫星的系列成果，学报长期开设了“中国遥感卫星”专栏，阶段性的报道国产卫星的最新成果。小编将近年来《遥感学报》出版的中国遥感卫星”专栏的论文进行打包与您分享。
主题关键词： 高分辨率遥感图像遥感卫星
- 论文汇编
- 摘要：风速和风向的高精度观测是风能资源评估、海洋安全保障及气候变化研究的关键基础。为提升风能资源评估的精确性，本研究旨在通过多源数据匹配分析，评估不同风场数据集（锚系浮标、MULOWV卫星融合风场产品、METOP卫星风场日产品）的精度与一致性，筛选最优数据源以支持业务化应用。采用三重匹配分析方法，对锚系浮标数据、MULOWV融合风场产品数据及METOP卫星风场日产品的风速和风向进行交叉验证。通过计算均方根误差（RMSE）和相关性系数等指标，量化不同数据源的误差及一致性，并分析不同风速条件下的数据波动性。通过系统研究，MULOWV数据在多源匹配中表现最优，风速和风向的RMSE分别低于1.6 m/s和15°，满足业务化应用需求；MULOWV与METOP数据整体相关性较高，但在极端风速条件下存在轻微偏差；MULOWV的误差指标优于其他数据源，适用于大范围风场监测和模型验证。结果表明，MULOWV卫星融合风场产品具有较高的数据精度和多源一致性，可作为风场监测和模型评估的主要数据源，并为其他风场数据的校准提供可靠参考。未来需进一步优化极端风速条件下的数据稳定性，以提升其在复杂气象场景中的应用能力。关键词：海洋卫星;融合海面风场;三重匹配分析;MULOWV;微波散射计;风场检验512|943|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-02-09
- 摘要：水体叶绿素a浓度（Chl-a）作为核心气候参数，其精准的遥感反演对于全球碳循环研究、海洋环境监测和治理具有重要意义。中国海洋一号系列卫星（HY-1C/1D）搭载的海洋水色水温扫描仪（COCTS），可实现公里级全球海洋水色监测。研发针对COCTS数据的高精度Chl-a遥感算法，是实现自主卫星数据支撑海洋监测与气候变化研究的核心前提。本研究基于覆盖全球海域的2165组实测数据，构建了基于HY-1C/1D COCTS多波段遥感反射比（Rrs）与环境参数的多层感知器神经网络（MLP-NN）模型，实现全球水体Chl-a浓度高精度反演。通过输入因子敏感性分析，最终确定以412 nm、443 nm、490 nm、520 nm、565 nm、670 nm波段的Rrs、纬度、月份、前月月平均海表面温度和前月气候态光合有效辐射参数构成最优输入组合。验证结果表明，MLP-NN模型估算的Chl-a浓度log转换后计算的均方根偏差RMSD（Root Mean Square Difference）为0.22，中位数绝对百分偏差MAPD（Median Absolute Percentage Difference）为29.1%，较NASA业务化标准的水色指数算法（OCI）分别降低了0.1和16.9%。进一步的卫星与实测数据的匹配验证结果显示，MLP-NN模型估算的Chl-a的RMSD和MAPD分别较OCI算法降低了0.09和9.8%，展现出优异的算法稳健性。本研究为国产卫星在海洋生态监测领域提供了一种创新方法，显著增强了利用HY-1C/1D卫星观测全球Chl-a浓度的能力。关键词：叶绿素a（Chl-a）;遥感反射比;反演算法;HY-1C/1D卫星;神经网络;COCTS;海洋水色752|1484|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-02-09
- 摘要：森林土壤有机碳SOC（Soil Organic Carbon）是反映森林土壤质量的重要标准，很大程度上影响森林树木的生长，对林业的可持续发展起着十分重要的作用。探索应用高光谱影像反演天然次生林土壤有机碳含量的可能性至关重要，可以为长时间序列、大尺度的森林土壤有机碳估测提供技术支持。本研究以天然次生林SOC为研究对象，在东北林业大学帽儿山实验林场随机抽取67个样点，分别采集0—5、5—15、15—30 cm土壤并实测SOC含量，并取三层均值作为0—30 cm SOC含量，然后基于资源1F高光谱影像，计算光谱曲线的一阶微分、二阶微分、倒数对数、植被指数特征，并结合数字高程模型DEM（Digital Elevation Model）、土壤水分和森林地上生物量AGB（Aboveground biomass）数据集，使用递归特征消除法进行特征筛选。应用随机森林RF（Random Forest）、极端梯度提升XGBoost（extreme Gradient Boosting）、支持向量机回归SVR（Support Vector Regression）、最小二乘回归OLS（Ordinary Least Squares Regression）共4种模型，分别对SOC进行估测，并选择最佳模型反演帽儿山实验林场不同深度SOC含量。结果表明：在土壤分层反演模型中均为XGBoost估测精度最高，0—30 cm、0—5 cm、5—15 cm、15—30 cm层模型R2分别为0.54、0.54、0.46和0.30，RMSE分别为21.28、44.25、15.72和12.56 g/kg。反演得到的帽儿山林场天然次生林0—30、0—5、5—15和15—30 cm共4层的SOC平均值分别为67.20、88.87、46.92和40.12 g/kg，森林SOC含量随土壤深度增加而减小。不同林分类型的SOC含量存在差异，SOC含量排序从大到小为阔叶林、针阔混交林、针叶林。高光谱影像所包含的波段信息为模型的建立提供了可能，但是过多的波段数量造成了数据冗余，导致模型估测精度的降低，采用递归特征消除法可以筛选出最佳特征组合，有效降低特征数量，提升模型估测精度。710—850 nm波段的微分特征对天然次生林SOC的反演较为有效，地形因子对于15 cm以上的SOC影响较大，土壤水分和地上生物量对于5—15 cm层SOC影响较强。综上，应用高光谱影像结合DEM、土壤水分及地上生物量数据可以有效地反演天然次生林SOC，为基于多期高光谱影像的长时间序列及大尺度天然次生林SOC反演提供技术支持。关键词：天然次生林;土壤有机碳SOC（Soil Organic Carbon）;高光谱;机器学习;特征选择1300|2898|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-08-03
- 摘要：地表温度是地表能量收支平衡和水循环过程的重要参数。热红外遥感是当前反演地表温度最重要数据源，劈窗算法是当前使用最广泛的反演算法。本文借鉴高分五号地表温度反演劈窗算法形式，结合高分五号B星（GF-5B）传感器波段光谱特性，构建了面向GF-5B热红外数据地表温度反演的两种劈窗算法形式，并考虑水汽对地表温度反演的影响，分别获取了不同水汽条件下的劈窗算法系数，对比分析选择精度最优的一种劈窗算法形式作为GF-5B热红外数据地表温度反演应用。采用改进的NDVI-NDWI阈值法与水汽劈窗协方差—方差比法分别估算地表发射率和大气水汽含量等算法所需要的关键参数。在4个不同地表类型的实验区对本文构建的算法进行地表温度反演应用，并利用HiWATER站点实测地表温度和MODIS地表温度产品进行反演结果验证。结果表明，白天和夜间反演地表温度的地面站点验证误差分别为1.88 K和0.99 K，夜间误差低于白天；与MOD11A1 LST产品交叉对比结果表明，除河北唐山实验区受云遮挡影响导致交叉对比结果较差，其余3个实验区交叉对比的温度差异不超过1.5 K；表明了本文构建的劈窗算法具有较高的地表温度反演精度。关键词：高分五号B星;热红外数据;地表温度;劈窗算法;地表发射率估算;大气水汽含量估算;精度验证;地面站点验证;地表温度交叉比对867|1420|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-08-03
- 摘要：针对沟壑发育地表无地面控制点GCPs（Ground Control Points）条件下卫星遥感立体影像地形三维重建精度较低、大面积GCPs采集困难或成本高等问题，本文提出融合卫星激光测高数据的高分七号（GF-7）卫星影像数字表面模型DSM（Digital Surface Model）BP神经网络方法。该方法通过建立无控条件下GF-7卫星立体影像生成的DSM、地理位置经度与纬度、地形坡度、地形误差等多因子与激光测高点GEDI（Global Ecosystem Dynamics Investigation）之间的关系，获取融合结果以改进无控条件下地形DSM精度。实验结果表明，沟壑发育地表矿区无控条件下GF-7卫星立体影像生成的DSM高程精度可高达20.49 m，而本文融合生成的DSM平均高程精度为1.63 m，与有控制点条件下地形DSM 1.44 m的高程精度基本相当。本文方法有效改善了沟壑发育地表矿区无控条件下卫星立体影像生成DSM高程精度质量低的问题，为国产高分影像推广应用与高精度地形建模提供新思路。关键词：数字表面模型;地面控制点;神经网络;沟壑发育地表;GF-7卫星立体影像;GEDI（Global Ecosystem Dynamics Investigation）693|2416|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-08-03
- 摘要：风云四号A星（FY-4A）先进的静止轨道辐射成像仪AGRI（Advanced Geostationary Radiation Imager）已进入设计寿命末期阶段，部分太阳反射通道的辐射性能出现明显退化，影响了定量遥感产品应用精度。本研究采用基于深对流云DCC（Deep Convective Cloud）的定标跟踪方法对AGRI反射波段辐射响应变化进行定量评估。为提高评估的精度和稳定性，探究DCC方法对红外亮温阈值、像元邻域空间均一性条件和DCC角度分布模型ADM（Angle Distribution Model）的敏感性。结果表明：对于红外亮温阈值，可见光通道DCC反射率均值的敏感性高于概率密度函数PDF（Probability Density Function）峰值反射率；而在短波红外通道，DCC PDF峰值反射率的敏感性略高于反射率均值。此外，在可见光—近红外波段采用CERES ADM模型能较好地校正DCC反射率各向异性的影响，且明显优于Hu模型，但两种ADM模型在短波红外波段均无明显校正效果。基于上述敏感性研究，本研究优化了DCC方法中的阈值选择和ADM策略，对2017年3月—2023年4月FY-4A/AGRI反射波段的辐射响应进行跟踪评估。评估结果发现：0.47 μm、0.65 μm和2.25 μm通道出现显著退化，总衰减率分别为45.55%、26.22%和6.362%。该评估结果可为AGRI反射波段定标系数更新提供依据。关键词：遥感和传感器;辐射定标;深对流云;先进的静止轨道辐射成像仪;角度分布模型;表观反射率;反射太阳波段1596|2111|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2025-11-03
- 摘要：单日的晴空合成图像，对于日常的地表监测等业务应用具有重要意义，针对风云四号B星快速扫描成像仪的1 min连续成像序列数据，本文提出了一种基于二元高斯混合模型的晴空图像合成算法。该算法首先假设固定地点反射率时序数据由云—晴空两种类型数据构成，分别满足高斯分布；然后，贯序处理时间序列图像，判识新影像像素分属的云—晴空类型，并更新该地点云—晴空两种类型的平均值、标准差等参数；最后，贯序处理全部日内影像数据后，以晴空类型反射率的平均值作为该地点晴空合成结果的反射率估计值。方法检测结果表明：本文提出方法具有线性的时间和内存空间复杂度，得到的晴空合成图像的有效晴空像素比例和图像信息熵逐渐增加；本文提出的晴空图像合成算法与典型晴空算法相比，具有更高的区分云—晴空的稳健特性和对云边缘阴影的过滤能力。较高频次的单日晴空合成图像可提升植被、水体监测等生态遥感的日常业务水平。关键词：晴空图像合成;FY-4B;GHI;高斯模型;水体识别;多时相遥感数据427|2662|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2025-11-03
- 摘要：在现阶段星载GNSS反射信号GNSS-R（Global Navigation Satellite System-Reflectometry）海面高度反演的误差研究中，使用经典误差模型对反演结果修正后仍存在较大误差。针对该问题，提出一种基于神经网络与注意力机制结合训练的误差补偿模型，通过误差补偿模型对海面高度反演结果进行修正，并使用DTU验证模型来评估修正精度。利用风云三号E星的星载GNSS反射信号中的多普勒延迟图DDM（Delay-Doppler Mapping）数据进行试验，并与随机森林算法和CNN算法比较模型精度。结果表明：全球定位系统GPS（Global Positioning System）反射信号的数据使用误差补偿模型修正后的平均绝对误差MAE（Mean Absolute Error）为1.74 m，北斗卫星定位系统BDS（Beidou Navigation Satellite System）反射信号的数据使用误差补偿模型修正后的MAE为0.97 m，相较经典误差模型修正精度提升了约80%；同时，本文模型相较于使用随机森林算法和CNN算法训练的模型精度稍有提升。验证结果证明，提出的误差补偿模型有效的修正了星载GNSS-R海面高度反演误差。关键词：GNSS-R;神经网络;星载;FY-3E;海面高度反演;误差;DDM;北斗892|3568|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2025-11-03
- 摘要：海表温度SST（Sea Surface Temperature）是研究海洋动力学、海洋—大气相互作用和气候变化的重要指标之一。传统的SST获取方式虽然精确，但受限于采样点的数量和覆盖范围，难以满足大尺度、高分辨率的海洋研究需求。虽然，卫星遥感数据可覆盖全球海域，具有更新频率高的特点，在海洋研究中应用广泛，但是，卫星遥感数据在采集过程中，受到天气条件、卫星扫描轨道范围和卫星传感器运行故障等因素的影响，导致获得的SST数据常常存在缺失，一定程度上限制了数据的应用。因此，为对遥感数据进行重构以提高其利用效率，获得高质量全覆盖的数据集，本研究通过引入Inception模块嵌入深度卷积自编码器DINCAE（Data-Interpolating Convolutional Auto-Encoder），提出采用I-DINCAE模型用于FY-3C卫星南海海表温度产品的数据重构；同时，结合研究区多年的实测数据，运用深度神经网络DNN（Deep Neural Networks）模型对新模型重构的温度数据进行校正，并采用iQuam SST数据集的11993个独立实测数据点的数据集进行检验。结果表明：重构SST与实测SST的RMSE为1.27 ℃，MAE为0.96 ℃，R²为0.84；经过DNN模型校正后，RMSE降至0.57 ℃，MAE降至0.43 ℃，R²提高至0.92。基于校正后的海表温度数据，从时间和空间两个维度分析了南海在月度和季度尺度的海表温度时空分布和变化特征。结果表明：在季节尺度上，南海的SST变化特征明显，表现为夏季SST达到最高值，冬季SST降至最低；在月尺度上，南海SST的变化呈现出正（余）弦波动形式，SST通常在6月达到极大值，在1月达到极小值。本研究不仅为获取高覆盖、高质量的南海区域海表温度数据提供了新的算法，还揭示了南海区域海表温度的时空变化特征。关键词：海表温度;数据重构;深度学习;FY-3C;时空变化729|3690|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2025-11-03
- 摘要：雪深是描述积雪的重要参数，高精度的雪深产品对天气预报、水文、地表过程等研究有重要作用。国家卫星气象中心自2019年4月起发布了风云三号D星（FY-3D）微波成像仪（MWRI）的被动微波全球雪深/雪水当量产品。相比于FY-3B算法，FY-3D业务化雪深算法在东北林区引入森林覆盖度对森林影响进行了经验校正。为了检验其算法改进效果及业务化产品在东北林区的精度，本文利用黑龙江省伊春市林区的雪线实测数据和气象站点雪深观测数据对FY-3D业务化雪深和雪水当量产品进行了验证，并对验证结果进行了分析。验证表明，FY-3D雪深产品与雪线实测数据、气象站点观测数据的RMSE分别为5 cm和13.2 cm，FY-3D雪水当量产品与雪线实测数据的RMSE为2.1 mm。分析表明，FY-3D雪深产品在林区的不确定性主要来源于半经验算法难以消除森林对微波辐射亮温的影响。尽管经过森林辐射校正可以增强亮温梯度与雪深的相关性，但是森林辐射校正的经验性又增加雪深反演结果的不确定性。该工作可为后续基于国产FY-3D亮温数据改进林区雪深反演算法提供参考。关键词：FY-3D/MWRI;雪深;雪水当量;产品验证;森林区637|1859|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2025-11-03
