光学遥感影像具备丰富的纹理和光谱信息,已成为高价值的数据资源。然而,光学遥感影像的获取过程易受光照条件与气象因素影响,尤其在多云、多雾或强降水等复杂天气情况下,常出现数据缺失或影像质量下降等问题,在一定程度上限制了其在时空连续性监测和应用效果方面的表现。相比之下,合成孔径雷达（SAR）具备全天时、全天候成像能力,能够有效弥补光学遥感影像在恶劣环境下的获取不足,成为光学遥感的重要补充手段。为了增强遥感监测的连续性和完整性,在条件生成对抗网络（cGAN）框架的基础上,针对SAR影像中常见的散斑噪声问题,提出了一种SAR-光学影像翻译方法——S2OGAN方法。该方法引入去噪卷积神经网络（DnCNN）作为去噪模块,以有效滤除噪声并提高纹理保真度;同时,结合相位一致性直方图（HOPC）作为边缘损失,进一步强化边缘特征的表达,实现纹理和结构特征的高精度重建;此外,基于GEE平台构建了冰川观测实验数据集,以探讨S2OGAN方法在冰川场景中的应用效果。结果表明:在4个常用数据集上,S2OGAN方法相较于Pix2Pix、CycleGAN、CUT、Semi-I2I等4个经典影像翻译方法展现出更优的综合性能...
光学遥感影像具备丰富的纹理和光谱信息,已成为高价值的数据资源。然而,光学遥感影像的获取过程易受光照条件与气象因素影响,尤其在多云、多雾或强降水等复杂天气情况下,常出现数据缺失或影像质量下降等问题,在一定程度上限制了其在时空连续性监测和应用效果方面的表现。相比之下,合成孔径雷达（SAR）具备全天时、全天候成像能力,能够有效弥补光学遥感影像在恶劣环境下的获取不足,成为光学遥感的重要补充手段。为了增强遥感监测的连续性和完整性,在条件生成对抗网络（cGAN）框架的基础上,针对SAR影像中常见的散斑噪声问题,提出了一种SAR-光学影像翻译方法——S2OGAN方法。该方法引入去噪卷积神经网络（DnCNN）作为去噪模块,以有效滤除噪声并提高纹理保真度;同时,结合相位一致性直方图（HOPC）作为边缘损失,进一步强化边缘特征的表达,实现纹理和结构特征的高精度重建;此外,基于GEE平台构建了冰川观测实验数据集,以探讨S2OGAN方法在冰川场景中的应用效果。结果表明:在4个常用数据集上,S2OGAN方法相较于Pix2Pix、CycleGAN、CUT、Semi-I2I等4个经典影像翻译方法展现出更优的综合性能...
光学遥感影像具备丰富的纹理和光谱信息,已成为高价值的数据资源。然而,光学遥感影像的获取过程易受光照条件与气象因素影响,尤其在多云、多雾或强降水等复杂天气情况下,常出现数据缺失或影像质量下降等问题,在一定程度上限制了其在时空连续性监测和应用效果方面的表现。相比之下,合成孔径雷达（SAR）具备全天时、全天候成像能力,能够有效弥补光学遥感影像在恶劣环境下的获取不足,成为光学遥感的重要补充手段。为了增强遥感监测的连续性和完整性,在条件生成对抗网络（cGAN）框架的基础上,针对SAR影像中常见的散斑噪声问题,提出了一种SAR-光学影像翻译方法——S2OGAN方法。该方法引入去噪卷积神经网络（DnCNN）作为去噪模块,以有效滤除噪声并提高纹理保真度;同时,结合相位一致性直方图（HOPC）作为边缘损失,进一步强化边缘特征的表达,实现纹理和结构特征的高精度重建;此外,基于GEE平台构建了冰川观测实验数据集,以探讨S2OGAN方法在冰川场景中的应用效果。结果表明:在4个常用数据集上,S2OGAN方法相较于Pix2Pix、CycleGAN、CUT、Semi-I2I等4个经典影像翻译方法展现出更优的综合性能...
光学遥感影像具备丰富的纹理和光谱信息,已成为高价值的数据资源。然而,光学遥感影像的获取过程易受光照条件与气象因素影响,尤其在多云、多雾或强降水等复杂天气情况下,常出现数据缺失或影像质量下降等问题,在一定程度上限制了其在时空连续性监测和应用效果方面的表现。相比之下,合成孔径雷达（SAR）具备全天时、全天候成像能力,能够有效弥补光学遥感影像在恶劣环境下的获取不足,成为光学遥感的重要补充手段。为了增强遥感监测的连续性和完整性,在条件生成对抗网络（cGAN）框架的基础上,针对SAR影像中常见的散斑噪声问题,提出了一种SAR-光学影像翻译方法——S2OGAN方法。该方法引入去噪卷积神经网络（DnCNN）作为去噪模块,以有效滤除噪声并提高纹理保真度;同时,结合相位一致性直方图（HOPC）作为边缘损失,进一步强化边缘特征的表达,实现纹理和结构特征的高精度重建;此外,基于GEE平台构建了冰川观测实验数据集,以探讨S2OGAN方法在冰川场景中的应用效果。结果表明:在4个常用数据集上,S2OGAN方法相较于Pix2Pix、CycleGAN、CUT、Semi-I2I等4个经典影像翻译方法展现出更优的综合性能...
三江源区植被季节性变绿对生态环境和水资源安全有深远影响。本研究利用2003-2021年多源数据，采用趋势分析、相关分析和部分信息分解（PID）解耦分析，探讨了三江源地区植被季节性变绿的水分驱动因子及其对气候变化的响应关系。结果表明：（1）春、夏、秋季叶面积指数（LAI）的线性趋势总体上升，但是不同季节的环境条件差异显著。春、秋季降水量、土壤湿度（SM）和积雪覆盖（SC）的线性趋势也在增加，温度变化不明显；夏季温度的线性趋势略升高，降水量和SM略减少，SC变化不显著。（2）水分驱动因子对LAI的影响：相关分析显示，春、夏季LAI与SM显著正相关，秋季不显著；LAI与SC的相关性各季节均较弱。引入PID解耦分析方法，有效地揭示了SM和SC对LAI的非线性和协同影响。SC在春、秋季影响LAI变化的独立信息贡献更高，成为主要水分驱动因子，夏季则SM贡献更大；同时，SM和SC的协同作用在各季节对LAI变化起重要作用，协同信息贡献均超过30%。（3）水分驱动因子对气候变化的响应：相关分析显示，SM在各季节均与降水显著正相关，春季与温度显著负相关；SC在各季节均与降水显著正相关，春、秋季与温度显著负...
三江源区植被季节性变绿对生态环境和水资源安全有深远影响。本研究利用2003-2021年多源数据，采用趋势分析、相关分析和部分信息分解（PID）解耦分析，探讨了三江源地区植被季节性变绿的水分驱动因子及其对气候变化的响应关系。结果表明：（1）春、夏、秋季叶面积指数（LAI）的线性趋势总体上升，但是不同季节的环境条件差异显著。春、秋季降水量、土壤湿度（SM）和积雪覆盖（SC）的线性趋势也在增加，温度变化不明显；夏季温度的线性趋势略升高，降水量和SM略减少，SC变化不显著。（2）水分驱动因子对LAI的影响：相关分析显示，春、夏季LAI与SM显著正相关，秋季不显著；LAI与SC的相关性各季节均较弱。引入PID解耦分析方法，有效地揭示了SM和SC对LAI的非线性和协同影响。SC在春、秋季影响LAI变化的独立信息贡献更高，成为主要水分驱动因子，夏季则SM贡献更大；同时，SM和SC的协同作用在各季节对LAI变化起重要作用，协同信息贡献均超过30%。（3）水分驱动因子对气候变化的响应：相关分析显示，SM在各季节均与降水显著正相关，春季与温度显著负相关；SC在各季节均与降水显著正相关，春、秋季与温度显著负...
三江源区植被季节性变绿对生态环境和水资源安全有深远影响。本研究利用2003-2021年多源数据，采用趋势分析、相关分析和部分信息分解（PID）解耦分析，探讨了三江源地区植被季节性变绿的水分驱动因子及其对气候变化的响应关系。结果表明：（1）春、夏、秋季叶面积指数（LAI）的线性趋势总体上升，但是不同季节的环境条件差异显著。春、秋季降水量、土壤湿度（SM）和积雪覆盖（SC）的线性趋势也在增加，温度变化不明显；夏季温度的线性趋势略升高，降水量和SM略减少，SC变化不显著。（2）水分驱动因子对LAI的影响：相关分析显示，春、夏季LAI与SM显著正相关，秋季不显著；LAI与SC的相关性各季节均较弱。引入PID解耦分析方法，有效地揭示了SM和SC对LAI的非线性和协同影响。SC在春、秋季影响LAI变化的独立信息贡献更高，成为主要水分驱动因子，夏季则SM贡献更大；同时，SM和SC的协同作用在各季节对LAI变化起重要作用，协同信息贡献均超过30%。（3）水分驱动因子对气候变化的响应：相关分析显示，SM在各季节均与降水显著正相关，春季与温度显著负相关；SC在各季节均与降水显著正相关，春、秋季与温度显著负...
三江源区植被季节性变绿对生态环境和水资源安全有深远影响。本研究利用2003-2021年多源数据，采用趋势分析、相关分析和部分信息分解（PID）解耦分析，探讨了三江源地区植被季节性变绿的水分驱动因子及其对气候变化的响应关系。结果表明：（1）春、夏、秋季叶面积指数（LAI）的线性趋势总体上升，但是不同季节的环境条件差异显著。春、秋季降水量、土壤湿度（SM）和积雪覆盖（SC）的线性趋势也在增加，温度变化不明显；夏季温度的线性趋势略升高，降水量和SM略减少，SC变化不显著。（2）水分驱动因子对LAI的影响：相关分析显示，春、夏季LAI与SM显著正相关，秋季不显著；LAI与SC的相关性各季节均较弱。引入PID解耦分析方法，有效地揭示了SM和SC对LAI的非线性和协同影响。SC在春、秋季影响LAI变化的独立信息贡献更高，成为主要水分驱动因子，夏季则SM贡献更大；同时，SM和SC的协同作用在各季节对LAI变化起重要作用，协同信息贡献均超过30%。（3）水分驱动因子对气候变化的响应：相关分析显示，SM在各季节均与降水显著正相关，春季与温度显著负相关；SC在各季节均与降水显著正相关，春、秋季与温度显著负...
三江源地区是我国重要的水源涵养地与生态保护区，揭示其冻融指数特征变化可为当地多年冻土环境评估以及应对气候变化提供科学依据。利用第三极地区地面气象要素驱动数据集TPMFD的逐日气温数据，通过大气冻融指数等方法分析了该地区1979—2022年大气冻融指数的时空变化特征。结果表明，近44年三江源地区大气冻结指数平均为1 930.23℃·d，在空间上呈现自西向东逐渐降低的特征；融化指数表现出相反的空间格局，平均值为879.25℃·d。总体来看，近44年三江源地区大气冻结指数以-10.01℃·d/a的速率呈波动减少趋势，且在2001年发生突变；融化指数以6.29℃·d/a的速度呈波动上升趋势，没有发生显著的突变。海拔作为关键影响因子，对三江源地区冻融指数表现出显著的相关性，海拔每升高100 m，研究区融化指数约减少87℃·d，冻结指数约增加107℃·d。
三江源地区是我国重要的水源涵养地与生态保护区，揭示其冻融指数特征变化可为当地多年冻土环境评估以及应对气候变化提供科学依据。利用第三极地区地面气象要素驱动数据集TPMFD的逐日气温数据，通过大气冻融指数等方法分析了该地区1979—2022年大气冻融指数的时空变化特征。结果表明，近44年三江源地区大气冻结指数平均为1 930.23℃·d，在空间上呈现自西向东逐渐降低的特征；融化指数表现出相反的空间格局，平均值为879.25℃·d。总体来看，近44年三江源地区大气冻结指数以-10.01℃·d/a的速率呈波动减少趋势，且在2001年发生突变；融化指数以6.29℃·d/a的速度呈波动上升趋势，没有发生显著的突变。海拔作为关键影响因子，对三江源地区冻融指数表现出显著的相关性，海拔每升高100 m，研究区融化指数约减少87℃·d，冻结指数约增加107℃·d。