第 43 卷第 12 期史文中等 : 光学遥感影像变化检测研究的回顾与展望 1833 化检测的成果并探讨未来有待解决的问题, 本文试图从变化检测方法面临的挑战和应用领域等多个方面, 从不同的角度对光学遥感影像变化检测的进展进行回顾和总结, 并展望光学遥感影像变化检测技术的未来研究发展趋势 1 光学

Size: px

Start display at page:

Download "第 43 卷第 12 期史文中等 : 光学遥感影像变化检测研究的回顾与展望 1833 化检测的成果并探讨未来有待解决的问题, 本文试图从变化检测方法面临的挑战和应用领域等多个方面, 从不同的角度对光学遥感影像变化检测的进展进行回顾和总结, 并展望光学遥感影像变化检测技术的未来研究发展趋势 1 光学"

偿于双
5 years ago
Views:

第４３卷第１２期２０１８年１２月武汉大学学报信息科学版Ｖｏ４３Ｎｏ１２Ｄ２０１８Ｇｏｍａｓａｎｄｉｎｆｏｍａｏｎｓｎｏｆｗｕｈａｎｕｎｖｓｙ犇犗犐１０１３２０３ｗｈｕｇｓ２０１８０４１９ｊ文章编号１６７１８８６０２０１８１２１８３２０６光学遥感影像变化检测研究的回顾与展望史文中１

1 第４３卷第１２期２０１８年１２月武汉大学学报信息科学版Ｖｏ４３Ｎｏ１２Ｄ２０１８Ｇｏｍａｓａｎｄｉｎｆｏｍａｏｎｓｎｏｆｗｕｈａｎｕｎｖｓｙ犇犗犐１０１３２０３ｗｈｕｇｓ２０１８０４１９ｊ文章编号１６７１８８６０２０１８１２１８３２０６光学遥感影像变化检测研究的回顾与展望史文中１张鹏林２１香港理工大学土地测量及地理资讯学系香港九龙红２武汉大学遥感信息工程学院湖北武汉４３００７９摘要地理实体或现象的变化数据是自然资源管理灾害监测生态环境保护和可持续发展等的重要科学分析依据光学遥感影像变化检测是遥感科学与技术的重要研究领域４０年来国内外学者针对遥感影像变化检测做了大量研究工作取得了一系列成果力图从变化检测关键问题方法与技术面临的挑战以及应用领域等多个角度对光学遥感影像变化检测研究进行系统的回顾分析变化检测技术的研究现状并且提出未来有待进一步解决的研究问题关键词变化检测可靠性光学遥感影像回顾与展望中图分类号Ｐ２３７文献标志码Ａ变化是地理实体现象的基本特征之一有等变化检测是将多时相遥感影像作为输入利些变化是自然灾害所致例如地质灾害沙尘暴用变化检测算法从影像中检测变化信息的关键过风暴等引起的地表自然资源和环境的变化而有程精度评估是对变化检测结果的精度进行评价些变化则是因为人类活动造成的例如城市扩张的过程所致的土地覆盖和土地利用的变化变化检测是通过对地理实体或现象进行多次观测以检测和提取发生在地理实体或现象中变化信息的技术手段即通过不同时间的观测来识别物体或现象状态差异的过程１卫星遥感以其观测范围大同一地区周期性重访等特点可为低代价高时效的环境监测提供及时准确一致的地球表面信息２为地表地理现象的变化检测提供技术支撑因此广泛应用于地表信息的变化检测中地理实体或现象的变化信息可为自然资源管理灾害监测生态环境保护和可持续发展提供科学依据光学遥感影像变化检测在众多领域中都有广泛的应用需求归纳起来光学遥感变化检测过程可以被看作是一个从多时相遥感数据开图１遥感影像变化检测逻辑流程１ＬｏｇｏｗｏｆｒｍｏＳｎｓｎｇｃｈａｎｇｄｏｎ１９７７年Ｗｓｍ等３提出影像差分方法这是最早的变化检测算法标志着光学遥感影始经过数据预处理变化检测精度评价的影像像变化检测研究的开始４０年来研究人员对变化检测进行了长期的研究围绕变化检测处理链处理链如图１所示其中多时相数据是指对同的各环节发表了众多研究成果亦从不同方面对一地理范围在不同时间进行多次观测所得的光学变化检测方法进行了一定的总结２４遥感影像是变化检测的数据基础预处理包括为了比较全面地回顾几十年来光学卫星遥感多时相遥感影像的几何校正辐射校正配准处理变化检测领域的研究进展总结光学遥感影像变收稿日期２０１８１０２２项目资助国家自然科学基金４１３３１１７５国家科技部十三五国家重点研发计划２０１８Ｙ０２１５００６第一作者史文中博士教授主要从事空间数据不确定性理论及基于遥感影像的目标提取与变化检测研究ｄｕｈｋｓｗｚｓｈｐｏｙｕ通讯作者张鹏林博士教授ｚｐｗｈｕｄｕｎ

2 第 43 卷第 12 期史文中等 : 光学遥感影像变化检测研究的回顾与展望 1833 化检测的成果并探讨未来有待解决的问题, 本文试图从变化检测方法面临的挑战和应用领域等多个方面, 从不同的角度对光学遥感影像变化检测的进展进行回顾和总结, 并展望光学遥感影像变化检测技术的未来研究发展趋势 1 光学遥感影像变换检测的主要方法分类由于光学遥感卫星的传感器不同, 影像的光谱分辨率空间分辨率等各不相同 40 年来, 研究者针对不同的光学遥感影像开发了多种变化检测方法本文从处理单元算法是否需要先验知识 3 个方面对这些方法进行系统总结, 如图 2 所示 ing 等期刊中的变化检测文献进行总结, 把遥感影像变化检测方法归纳为代数法 (algebra) 变换法 (transformation) 分类法 (classification) 和目视解译法 (visualisation) 此外, 随着智能技术的发展和深入应用, 智能深度学习算法逐渐进入遥 [16 17] 感影像变化检测领域 3) 先验知识根据变化检测算法是否需要基于先验知识, 光学遥感影像变化检测的方法可分为非监督监 [2] 督和基于上下文的变化检测非监督变化检测算法无需研究区域的先验知识, 通常用于产生研 [18 19] 究区域的变化和非变化的二值图传统的监督法通常使用分类后比较逻辑进行变化检测而上下文信息在影像理解和分析中扮演了一个重要的角色, 在遥感影像变化检测的影像对比或分类 [20 22] 阶段都可以利用空间上下文信息 2 变化检测算法进展图 2 变化检测方法类型 Fig.2 TypesofChangeDetection Methods 1) 变化检测处理单元像元是光学遥感变化检测的基本处理单元 40 年来研究者发表了许多像元级光学遥感影像 [5 8] 变化检测方法亚像元因可以构造更加精细分辨率的影像图以弥补空间分辨率的不足, 但无法精细反映地表覆盖的问题, 因此在亚像元级进行变化检测是近年来研究者关注的方向之 [9 10] 一随着光学遥感影像空间分辨率的提高, 越来越多的高分辨率影像在各领域得到应用高分辨率影像一方面承载了更加丰富的地表信息, 另一方面, 也导致同一地物的光谱特征离散化问题, 降低了基于像元变化检测的精度因此, 面向对象的变化检测方法在土地覆盖 / 利用灾害监测 [11 14] 评估和城市扩张等许多领域得到有效应用 2) 变化检测算法 Menz [15] 提出并系统分析了从变化检测到变化建模的发展历程, 通过对年期间发表在 RemoteSensingofEnvironment Photo grammetricengineering & RemoteSensing In ternationaljournalofremotesensing 和 IEEE Transactionson Geoscienceand Remote Sens 40 年来, 国内外学者们提出或发展了数以千计的变化检测方法这些方法在土地利用 / 覆盖城市扩张灾害监测生态环境保护湿地变化监测森林砍伐和荒漠化等众多领域中得到广泛应用前文已通过对 40 年来的变化检测方法进行回顾, 把光学遥感影像变化检测的方法总结为代数法变换法分类法目视解译法和深度学习法等 5 种类型本节拟从方法提出的时间 ( 年代 ) 数量和应用领域 3 个维度, 进一步分析国内外光学遥感影像变化检测方法的发展为了分析国际上光学遥感影像变化检测方法的进展, 本文以变化检测和应用领域为检索条件, 对年期间发表在遥感领域的国际重要期刊 RemoteSensingofEnvironment Pho togrammetric Engineering & Remote Sensing RemoteSensing InternationalJournalofRe motesensing IEEETransactionsonGeoscience andremotesensing 和 IEEE Transactionson GeoscienceandRemoteSensingLeters 上的研究论文进行了检索根据检索结果, 对不同类型的算法在年代数量和应用等 3 个不同的维度上的进展进行了分析, 图 3 所示为时间 + 应用所构成的矩阵图 3 中, 横坐标代表光学遥感影像变化检测的应用领域, 包括土地利用城市扩张农田变化等 7 大领域及其他应用领域与纯算法, 纵坐标代表年份, 每 10a 为一个年代间隔从数量上看,

3 武汉大学学报信息科学版１８３４２０１８年１２月图４以主题为检索项的文献分析结果的方法发展矩阵图３光学遥感影像变化检测的不同方法发展矩阵４ＤｖｏｐｍｎＭａｓｏｆｃｈａｎｇｄｏｎ３ＤｖｏｐｍｎＭａｓｏｆｄｆｆｎＣｈａｎｇＭｈｏｄｓｎｌａｕｓｑｕｄｂｙｎｔｈｍｉｍＤｏｎＭｈｏｄｓ光学遥感影像变化检测方法随年代的变化而增加年代越近算法越多年代越久远算法数量也越少从应用领域也可以看出随着光学遥感影像变化检测研究的逐步深入应用领域也在逐渐扩大从最初的生态环境保护等少数领域逐渐扩展到土地利用城市扩张农田变化地质灾害监测生态环境保护湿地监测森林防护及其他领域从方法类型看随着年代的变化变化检测方法的类型也在增加特别是２０００年以来深度学习开始逐步在遥感影像变化检测中应用可见国际上光学遥感影像变化检测方法研究的深度广度及应用领域的广度均随时间的推进而增强为研究变化检测在中国的发展趋势本文以变化检测为检索关键词分别以主题篇名和关键词为检索项对１９７０年以来的中文核心期刊和图５以篇名或关键词为检索项文献分析结果的方法发展矩阵５ＤｖｏｐｍｎＭａｓｏｆｃｈａｎｇｄｏｎＭｈｏｄｓｎｌａｕｓｑｕｄｎｔｏＫｙｗｏｄｓｉｍ工程索引源刊进行了检索并对检索结果进行分析得到以主题为检索项的分析结果构成的应用领域年代方法发展矩阵图４以及以篇名３光学遥感影像变化检测面临的挑战或关键词为检索项所检索文献分析结果构成的应用领域年代方法发展矩阵图５将图４和图５与图３比较可发现中国关于研究人员在光学遥感影像变化检测方法上投光学遥感影像变化检测方法的研究起步较晚２０入了大量的精力４０年间取得了丰富的成果然而光学遥感影像变化检测的挑战依然存在这世纪９０年代后才陆续有研究方法发表国内期刊是因为一方面方法仅为变化检测处理链图１发表的文献数量无论从年代还是应用领域来看都中的一个环节处理链中每个环节对变化检测结晚于少于国际同行但从数量类型和应用领域果都十分重要另一方面变化检测方法也有许多的发展趋势上看国内与国际上的研究基本保持需要进一步完善之处概括起来光学影像变化一致不过深度学习在变化检测中的应用在国检测在数据源算法的适用性结果标记和可靠性内尚处在方法探索中鲜有该主题文献报道等方面仍然存在挑战

4 第 43 卷第 12 期史文中等 : 光学遥感影像变化检测研究的回顾与展望 ) 数据的不确定性多时相遥感影像是光学遥感影像变化检测的数据源然而, 数据源的不确定性仍然是变化检测面临的挑战之一一方面, 观测现象存在不确定性 ; 另一方面, 成像传感器也存在诸多问题, 如对地面变化的观测能力有限, 成像过程中存在固 [2] 有的噪声, 不同传感器影像间不够兼容观测现象的不确定性和传感器问题将直接导致观测所得多时相遥感数据的不确定性, 使变化检测过程变得复杂和不确定, 多时相遥感影像变化检测结果的精度也因此难以保证 2) 算法的普适性不高传感器和变化检测过程的不确定性以及多时相观测中的物候土壤湿度太阳入射角等问题, 不仅导致了多时相光学遥感影像的空间分辨率光谱分辨率辐射分辨率和时间分辨率差异, 还会导致噪声和畸变 ( 包括几何辐射 ) 这就要求在设计或选择变化检测方法时仔细考虑影像的变化和现象的特征, 很难有单一算法可以处理所有类型的变化检测问题不同的应用需要不同类型的传感器, 不同传感器的数据要求不同的方法, 不同的方法在不同的数据中需要不同的参数以上种种使得变化检测方法的适应性或普适性普遍不高 3) 变化结果的科学标记问题传统上, 变化检测更多的是一种二值检测, 即利用多时相遥感影像借助变化检测方法产生变化和未变化两种类型的二值图阈值选择问题是这一过程中一个极具挑战性的问题同时, 随着变化检测应用的深入, 很多应用不仅需要检测变和未变的问题, 更重要的是要知道变成了什么, 即研 [15] 究变化过程或变化轨迹问题, 这也为变化检测的研究提出了新的要求 4) 变化检测的可靠性传感器的不确定性导致数据源的不确定性同时, 变化检测过程, 例如多时相遥感影像的几何配准 ( 包括像元级和对象级 ) 辐射匹配也存在不确定性这些不确定性为变化检测结果的可靠性带来了挑战为了抑制数据源和变化检测过程的不确定性, 提高变化检测算法和结果的可靠性, 近 [23] 年来, 我们针对多方法融合和利用上下文构建 [24] 空间谱的方法展开了研究但可靠性变化检测中仍然存在不确定性有效抑制方法适应性和可靠性量化评估等诸多挑战 4 总结与展望光学遥感影像变化检测的理论方法和技术无疑是光学遥感影像信息处理与分析的基础研究之一自 20 世纪 70 年代开始, 研究人员在光学遥感影像变化检测技术方面做了大量的研究工作特别是在变化检测方法方面, 研究人员针对不同传感器空间分辨率, 光谱分辨率时间分辨率和地表覆盖类型的影像, 从亚像元像元和对象 3 个处理层次开发了若干监督非监督及上下文信息辅助的变化检测方法后来的研究人员则在继承前人研究的基础上对一些方法不断改进和扩展, 使得变化检测方法得到了蓬勃的发展但在应对数据源的不确定性算法普适性结果的科学标记和可靠性变化检测等关键问题上仍然存在挑战, 光学遥感影像变化检测的一些方法有待进一步发展光学遥感影像变化检测有待研究的新方向包括以下方面 :1 深度学习 : 通过深度学习方法的引入, 提高变化检测方法的智能化自动化程度与精度 2 可靠性 : 随着变化检测应用的深入, 精度不再是人们的唯一关注, 变化检测方法和结果的可靠性是重要发展方向 3 融合 : 数据来源的增加, 数据源和变化检测过程的不确定性等, 使单一方法难以解决各种类型的变化检测, 数据融合和方法的融合, 是变化检测的新的趋势致谢 : 王豪张瑜完成了文献检索与整理, 在此表示感谢参考文献 [1] Singh A.Review ArticleDigitalChangeDetection TechniquesUsingRemotely SensedData[J]. 犐狀狋犲狉狀犪狋犻狅狀犪犾犑狅狌狉狀犪犾狅犳犚犲犿狅狋犲犛犲狀狊犻狀犵,1989,10(6): ,doi: / [2] BanY,YousifO.ChangeDetection Techniques:A Review [M ]//Multitemporal Remote Sensing. Stockholm:Springer,2016 [3] WeismilerR,KristofS,ScholzD,etal.Change DetectioninCoastalZoneEnvironments[J]. 犘犺狅狋狅犵狉犪犿犿犲狋狉犻犮犈狀犵犻狀犲犲狉犻狀犵犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵, 1977,43(12): [4] MaJianwen,TianGuoliang,WangChangyao,etal. Review of the Development of Remote Sensing ChangeDetectionTechnology[J]. 犃犱狏犪狀犮犲犻狀犈犪狉狋犺犛犮犻犲狀犮犲狊,2004,19(2): ( 马建文, 田国良, 王长耀, 等. 遥感变化检测技术发展综述 [J]. 地球科

5 1836 武汉大学学报信息科学版 2018 年 12 月学进展,2004,19(2): ) [5] ChoS,Haralick R,YiS.Improvementof Kitler andilingworth sminimumerrorthresholding[j]. 犘犪狋犲狉狀犚犲犮狅犵狀,1989,22(5): [6] BruzzoneL,PrietoD F.AutomaticAnalysisofthe DiferenceImagefor Unsupervised Change Detec tion[j]. 犐犈犈犈犜狉犪狀狊犪犮狋犻狅狀狊狅狀犌犲狅狊犮犻犲狀犮犲犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵,2000,38(3): [7] YuanF,SawayaK E,LoefelholzBC,etal.Land Cover Classification and Change Analysis ofthe Twin Cities (Minnesota) Metropolitan Area by MultitemporalLandsatRemoteSensing[J]. 犚犲犿狅狋犲犛犲狀狊犻狀犵狅犳犈狀狏犻狉狅狀犿犲狀狋,2005,98 (2): [8] ZhouL,Cao G,Li Y,etal.Change Detection Based on Conditional Random Field with Region ConnectionConstraintsin High Resolution Remote SensingImages[J]. 犐犈犈犈犑犛犲犾犜狅狆犃狆狆犾犈犪狉狋犺犗犫狊犚犲犿狅狋犲犛犲狀狊,2016,doi: /JSTARS [9] WuK,DuQ,WangY,etal.SupervisedSub Pixel Mapping for Change Detection from Remotely SensedImageswith DiferentResolutions[J]. 犚犲犿狅狋犲犛犲狀狊犻狀犵, 2017, 9:284, doi: / rs [10]Xu Y,Lin L,Meng D.Learning BasedSub Pixel ChangeDetection UsingCoarseResolutionSatelite Imagery[J]. 犚犲犿狅狋犲犛犲狀狊犻狀犵,2017,9:709;doi: /rs [11]Sun Tiantian,Deng Wenbin,Ma Lin.Urban Land Use Change Detection Based on Object Oriented Classification[J]. 犌犲狅狊狆犪狋犻犪犾犐狀犳狅狉犿犪狋犻狅狀,2018, 16(9):95 98( 孙天天, 邓文彬, 马琳. 基于面向对象分类的城市土地利用变化检测 [J]. 地理空间信息, 2018,16(9):95 98) [12]LiLiang,Wang Lei,Sun Xiaopeng,etal.Remote SensingChangeDetection MethodBasedonObject OrientedChange VectorAnalysis[J]. 犚犲犿狅狋犲犛犲狀狊犻狀犵犐狀犳狅狉犿犪狋犻狅狀,2017,32(6):71 77( 李亮, 王蕾, 孙晓鹏, 等. 面向对象变化向量分析的遥感影像变化检测 [J]. 遥感信息,2017,32(6):71 77) [13]HuangF,ChenL,Yin K,etal.ObjectOriented Change Detection and Damage Assessment Using HighResolutionRemoteSensingImages,Tangjiao Landslide,ThreeGorgesReservoir,China[J]. 犈狀狏犻狉狅狀犿犲狀狋犪犾犈犪狉狋犺犛犮犻犲狀犮犲狊,2018,77:183 [14]BhatA,GhoshS K,KumarA.SpectralIndices BasedObjectOrientedClassificationforChangeDe tectionusingsatelitedata[j]. 犐狀狋犑犛狔狊狋犃狊狌狉犈狀犵犕犪狀犪犵,2018,9(1):33 42 [15]MenzG.From ChangeDetectiontoChangeModel ling [C].InternationalWorkshoponChangeDetec tion,wuhan,china,2013 [16]Lyu H,Lu H, Mou L.Learning a Transferable ChangeRulefromaRecurrentNeuralNetworkfor LandCoverChangeDetection[J]. 犚犲犿狅狋犲犛犲狀狊犻狀犵, 2016,8:506,doi: /rs [17]CaoG,WangB,XavierH C,etal.A New Dife renceimagecreation MethodBasedonDeepNeural NetworksforChangeDetectionin RemoteSensing Images[J]. 犐狀狋犲狉狀犪狋犻狅狀犪犾犑狅狌狉狀犪犾狅犳犚犲犿狅狋犲犛犲狀狊犻狀犵,2017,38(23): [18]Hao M,Shi W,Zhang H,etal.Unsupervised Change Detection with Expectation Maximization BasedLevelSet[J]. 犐犈犈犈犌犲狅狊犮犻犲狀犮犲犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵犔犲狋犲狉狊,2014,11(1): [19] Hao M,Shi W,Deng K,etal.Superpixel Based ActiveContourModelforUnsupervisedChangeDe tection from Satelite Images [J]. 犐狀狋犲狉狀犪狋犻狅狀犪犾犑狅狌狉狀犪犾狅犳犚犲犿狅狋犲犛犲狀狊犻狀犵,2016,37(18): [20]ImJ,JensenJR.AChangeDetectionModelBased on Neighborhood CorrelationImage Analysisand DecisionTreeClassification[J]. 犚犲犿狅狋犲犛犲狀狊犻狀犵狅犳犈狀狏犻狉狅狀犿犲狀狋,2005,99: [21]GhoshS,BruzzoneL,PatraS,etal.A Context SensitiveTechniquefor Unsupervised Change De tection Based on Hopfield Type Neural Networks [J]. 犐犈犈犈犜狉犪狀狊犪犮狋犻狅狀狊狅狀犌犲狅狊犮犻犲狀犮犲犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵,2007,45: ,doi: /TGRS [22]ZhangP,LvZ,Shi W.Object BasedSpatialFea tureforclassificationofvery HighResolutionRe motesensingimages[j]. 犐犈犈犈犌犲狅狊犮犻犲狀犮犲犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵犔犲狋犲狉狊,2013,10(6): [23]ZhangP,ShiW,Wong M S,etal.A Reliability Based Multi algorithm Fusion Techniquein Detec tingchangesinlandcover[j]. 犚犲犿狅狋犲犛犲狀狊犻狀犵, 2013,5(3): [24]ZhangP,LvZ,ShiW.LocalSpectrum TrendSimi larity Approachfor Detecting Land Cover Change byusingspot 5SateliteImages[J]. 犐犈犈犈犌犲狅狊犮犻犲狀犮犲犪狀犱犚犲犿狅狋犲犛犲狀狊犻狀犵犔犲狋犲狉狊,2014,11(4):

6 第 43 卷第 12 期史文中等 : 光学遥感影像变化检测研究的回顾与展望 1837 犛狋犪狋犲狅犳狋犺犲犃狉狋犚犲犿狅狋犲犾狔犛犲狀狊犲犱犐犿犪犵犲狊犅犪狊犲犱犆犺犪狀犵犲犇犲狋犲犮狋犻狅狀犕犲狋犺狅犱狊 1 犛犎犐犠犲狀狕犺狅狀犵 2 犣犎犃犖犌犘犲狀犵犾犻狀 1 DepartmentofLandSurveyingandGeo Informatics,TheHongKongPolytechnicUniversity, HungHom,Kowloon,HongKong,China 2 SchoolofRemoteSensingandInformationEngineering,WuhanUniversity,Wuhan430079,China 犃犫狊狋狉犪犮狋 :Changedetectionfromsateliteimagesprovidesscientificfoundationsfornaturalresource management,disaster mitigation,ecologicalenvironmentalprotectionandsustainabledevelopment. Changedetectionbasedonopticalremotesensingimagehasbecomeanimportantresearchareainthe fieldofremotesensing.overthepast40years,scholarsworldwidehavedevelopedmanymethodson remotesensingimage basedchangedetection.thispaperatemptstoreviewandanalyzetheresearch progressmadeinchangedetectionfromtheperspectivesofthekeyproblems,methods,chalenges andapplicationareas.theresearchachievementsmadeinthepast40yearsaresummarizedbasedon thepublicationsbothinternationalyandinchina;thestate of the artchangedetectionmethodsisan alyzed;andfurthermorenewresearchinitiativesforthefutureresearchinnovationareproposed. 犓犲狔狑狅狉犱狊 :changedetection;reliability;opticalremotesensingimages;review 犉犻狉狊狋犪狌狋犺狅狉 :SHIWenzhong,PhD,professor,specializesinuncertaintyanalysisandobjectextraction/changedetectionfromsateliteim ages.e mail:lswzshi@polyu.edu.hk 犆狅狉狉犲狊狆狅狀犱犻狀犵犪狌狋犺狅狉 :ZHANGPenglin,PhD,professor.E mail:zpl@whu.edu.cn 犉狅狌狀犱犪狋犻狅狀狊狌狆狆狅狉狋 :TheNationalNaturalScienceFoundationofChina,No ;theNationalKeyResearchandDevelopmentPro gramofchina,no.2018yff

BuletinofSoiland WaterConservation Vol.38,No.3 Jun.,2018 & X R( + 1, 1, < 1,=> 3 (1. E^ IFTU ^,NO ; 2.NO\ ^,NO ;3.NO B`a -

$BuletinofSoiland WaterConservation Vol.38,No.3 Jun.,2018 & X R( + 1, 1, < 1,=> 3 (1. E^ IFTU ^,NO ; 2.NO\ ^,NO ;3.NO B`a -$ 383 0186 BuletinofSoiland WaterConservation Vol.38,No.3 Jun.,018 & X R( + 1, 1, < 1,=>,?@A 3 (1. E^ IFTU ^,NO 730070;.NO\ ^,NO 730070;3.NO B`a -[/H,NO 730000) -.:[# ] _D5 & % I /, + -. I P+- [ ] ( 犜狉犻狋犻犮狌犿犪犲狊狋犻狏狌犿