基于MODIS和HJ-1数据的宿鸭湖水库面积遥感监测研究

水体与植被、城市和土壤等地物在不同波段的光谱反射率的差异是利用遥感手段提取水体信息的基本原理。以宿鸭湖水库为例,在水体光谱特征分析的基础上,采用归一化植被指数（NDVI）方法提取2010年的MODIS和HJ-1遥感影像上的水体信息。首先将MODIS数据的第1和第2波段,以及HJ-1数据的第3和第4波段经过波段运算得到NDVI图像。将两种遥感图像中NDVI值为负的像元判识为水体,NDVI值为正的判识为水库周围的农田,经过计算像元数量得到水体面积信息。水体判识阈值在全年变化范围在-0．08和0．08之间。HJ-1数据具有较高的空间分辨率,水体判识的结果比MODIS数据更加精确。利用HJ—I数据水体监测结果对MODIS数据结果进行校正,使得到的监测结果同时具有较高的时间分辨率和空间分辨率。研究结果表明：利用HJ-1数据校正后的MODIS数据所测得的水域面积与实际观测得到的水库蓄水量之间的复相关系数为0．8603,显著提高了水体监测的精度,从而为大范围的水资源与水环境动态监测提供了迅速、可靠的依据。     

遥感影像分类方法在水体面积估算中的比较研究

随着遥感技术的广泛应用,利用遥感影像提取水体信息为水文研究提供了基础数据.目前进行水体提取所使用的遥感数据分辨率较低,影响了水体提取的精度.Landsat TM遥感影像主要依据水体在7个波段上光谱的不同特征以及其他地物与水体的区别,通过分析水体及背景地物的光谱值,利用单个波段或多个波段组合来提取水体信息.以昭平台水库的TM数据为例,对其进行了几种提取水体信息方法的研究.通过总体精度及Kappa系数的对比,选择最优分类方法,并将该方法用于水体面积的估算.     

利用HJ—1卫星多光谱数据监测城市 湖泊蓝藻研究

以2009年8月中旬东湖支湖局部暴发蓝藻为案例,对蓝藻暴发前后三个时期的HJ-1卫星多光谱遥感影像数据进行对比分析,利用比值植被指数(RVI)、归一化植被指数(NDVI)以及增强型植被指数(EVI)三种植被指数对蓝藻信息进行判别提取,通过已验证的样本点率定判别方法阈值,并对三种植被指数精度及判别结果进行比较分析。结果表明,利用HJ-1遥感数据可快速鉴别蓝藻范围及其程度,大气校正突出了蓝藻水体和其他地物光谱差异,EVI方法精度较高,可剔去水质中泥沙等悬浮物的干扰,可作为城市湖泊蓝藻变化检测经验模型。     

MODIS影像水体监测方法研究进展

水体与植被、城市、土壤等地物在不同波段的光谱反射率的差异是利用遥感手段提取水体信息的基本原理.在水体光谱特征分析的基础上,介绍了MODIS数据特征以及各种水体信息的提取方法,比较了这些方法的优点和不足,并详细描述了各种水体指数的应用效果.水体指数法是目前最受关注的水体识别方法.综合利用各种水体指数和波段特征来提取水体信息,可有效排除其他地物的干扰,显著提高了水体监测的精度,从而为大范围的水资源与水环境动态监测迅速提供可靠的数据.     

MODIS资料在2003渭河洪涝灾害动态监测中的应用

本文通过对MODIS资料中植被、水体、土壤等不同地物的光谱特性进行分析,得出了可用于洪涝监测的通道,并提出了MODIS洪涝监测遥感资料处理流程和水体的量化判识指标。利用上述流程、方法和判识指标对2003年渭河流域发生的近50a来最严重的洪涝灾害的整个发生和发展过程实施了动态监测,制作了MODIS渭河遥感洪涝监测动态变化图像和水情专题图,并估算了淹没面积。为政府和防汛部门科学有效地组织救灾提供了可靠依据。     

应用EOS/MODIS资料监测向海水库水面面积动态变化

利用EOS/MODIS资料,采用阈值法对水体进行自动判识。通过多时次卫星数据对向海水库面积进行遥感动态监测,结果表明,利用EOS/MODIS数据能准确监测水库水域面积变化,向海水库面积2006年除7月中旬至8月中旬低于2005年外,其它月份均高于2005年。水库面积变化呈现夏季较低,秋季较高的特点。     

广西遥感本底信息提取方法技术与成果应用

利用1988年、1998年、2002年和2008年四个时相的陆地资源卫星TM/ETM遥感影像数据,结合1:5万基础地理信息数据及野外调查数据等资料,采用光谱与纹理特征综合分析法,选择TM/ETM对各地类的最佳波段组合,建立森林、农用地、灌草、城镇、道路、水体的遥感影像判识标志,采用决策树和最大似然法分层提取,参照土壤侵蚀强度分级指标,利用土地利用类型、植被覆盖度、坡度等信息资料构建水土流失分类模型,采用增强比值植被指数法建立石漠化指数模型,获得了广西近20年的森林、灌草、农用地、水体、城镇、道路、水土流失和石漠化八类遥感本底信息数据。     

基于GF-1的上思县甘蔗种植面积估算与长势监测研究

以上思县为研究区,以各个地物光谱特征的差异为着入点,利用GF-1卫星数据资料,采用监督分类和卫星NDVI影像差值的遥感方法,提取研究区的甘蔗种植信息。结果表明:利用卫星遥感技术开展甘蔗种植面积估算和长势监测与实际情况基本相符,面积估算准确度为93%,长势监测与实际生长情况基本一致。     

长江上游MODIS影像的水体自动提取方法

利用MODIS资料,分析了长江上游不同水体及其它主要地物在1～7通道的光谱特征,分析发现,水体混合像元在可见光的光谱特征与山体的阴影、云的阴影、城镇等的光谱特征具有很好的相似性,仅采用近红外波段和红光波段的方法不能有效提取出研究区的水体.提出综合采用归一化差分水指数、积雪指数以及可见光、近红外多通道信息的方法,逐步提取出研究区的水体及混合水体像元.     

洪涝淹没范围的遥感监测研究

通过对NOAA/AVHRR遥感图像数据的地物光谱特征和水体信息的分析 ,结合水体光谱和空间特征 ,确定洪涝淹没范围的自动提取模型。     

基于TM卫星影像获取北京市水体密度指数与植被覆盖指数的方法

以北京市为研究区域,分析了该区域的TM(Thematic Mapper;专题制图仪)卫星影像特征,探讨了水域、农田、林地、草地、城市用地以及云和云影在TM的7个波段上的光谱可分性,提出了NDCI(Normalized Difference Cloud Index;归一化云指数),分析建立了基于NDCI、NDVI(Normalized Difference Vegetation Index;归一化植被指数)、NDBI(Normalized Difference Built-up Index;归一化建筑指数)、MNDWI(Modified Normalized Difference Water Index;改进型归一化水体指数)和坡度数据的简单决策树模型,对研究区的几类主要地物、云和云影的信息进行了提取,并对结果进行了精度评价.在GIS支持下计算了水域、林地、草地和农田的面积,计算了北京市2005年第3季度的水体密度指数和植被覆盖指数.结果表明:该方法的总体提取效果较好,在分类过程中阈值的选取简单、有效,分类结果能够满足计算水体密度指数和植被覆盖指数的要求,从而将遥感技术运用到生态质量气象评价中去,并取得了较为满意的结果.     

面向对象的土地利用遥感分类——以邛海流域为例

利用google earth提取的SPOT5高分辨率遥感影像为研究数据,基于The Environment for Visualizing Images （ENVI） EX软件平台,采用面向对象的多尺度分割方法,获得了邛海流域土地利用类型.结果表明：该分类方法不仅能够克服传统基于像元分类方法中的“椒盐效应”问题,而且能够综合利用DEM、NDVI等辅助信息和地物本身的光谱特征与纹理特征.对分类结果进行了检验,分类精度达89.18％,分类结果达到要求.     

城区高光谱遥感数据假彩色波段组合研究

高光谱数据具有波段数目多、波段宽度窄、数据量庞大等特点，如何根据具体的应用目的，在众多的波段中选取最佳波段组合用于假彩色合成，对于有效进行高光谱数据处理、分析及信息提取至关重要。以面阵推帚式机载超光谱成像仪(PHI)获得的上海市黄浦江附近复杂地表高光谱图像数据为例，分析了图像所包含的信息量、各通道之间的相关性以及影像上各地物的光谱特征，选出了那些包含信息量大、相关性小、光谱差异大的波段子集，然后再结合协方差矩阵特征值法、最佳指数法和波段指数法波段组合方法选出了高光谱遥感图像的最佳波段组合。     

光学遥感信息技术与应用研究综述

光学遥感利用可见光、近红外和短波红外传感器对地物进行特定电磁谱段的成像观测,是遥感科技中发展最早,也是目前对地观测和空间信息领域中应用最为广泛的技术手段.随着近年来光学成像、电子学与空间技术的飞速发展,高空间、高光谱和高时间分辨率遥感技术不断取得新突破,为光学遥感图像处理与应用技术发展创造了前所未有的机遇和广阔前景.本文首先概述了光学遥感的基本原理和发展历程,然后重点介绍了光学遥感图像的数据特点及光学遥感图像处理技术与方法,阐述了光学遥感在生态环境、自然资源和国防安全等领域的应用情况,讨论了未来光学遥感信息技术与应用发展的几个主要方向和趋势.     

东北区域水体密度指数估算方法

水体密度指数是生态质量气象评价的一个重要指标。该文提出了一种利用MODIS遥感数据估算水体密度指数的方法,首先利用水体与地物遥感光谱特性的差异,对指示性水体的面积进行精确识别和提取;通过选择不同时相MODIS数据与地而水文观测资料建立统计关系模型,实现对区域水环境面积的估算;最后计算归一化权重系数,实现东北地区水体密度指数的估算。     

基于MODIS数据的水稻种植面积提取研究进展

概述了水稻种植面积监测遥感数据源的应用变化、特征指数和时相选取以及遥感分类方法的发展,分析了MODIS影像在水稻种植面积遥感提取技术方面的研究进展及发展方向。结果表明：MODIS具有高光谱、高时间分辨率和多时相等特点,在大尺度上提取水稻种植面积上,可提高作物识别和监测的精确度与工作效率,节约成本,有着其他遥感数据无法相比的优势,应用MODIS数据提取水稻种植面积,取得了较好的效果。水稻遥感的最佳时相可以选择移栽期和孕穗期,利用对水体和植被较为敏感的波段或植被指数（如NDVI、LSWI和EVI）进行水稻识别,并提取种植面积。传统的遥感图像分类方法如监督分类和非监督分类,算法成熟、操作简单,是目前应用较多的方法。近年来发展起来的分类新方法,如决策树分类法、专家系统分类法、神经网络分类法,支持向量机法等,能够更准确地提取目标地物,对图像分类有不同程度的改进,在实际应用中通常和传统分类方法结合起来使用;多时相分析法与高时间、高分辨率多光谱影像的结合可以获取较高精度的作物种植面积数据,与传统分类方法相比有较大提高。利用MODIS对单一的或大面积的水稻种植面积提取效果较好,但对于地块破碎的种植面积估算尚难达到满意的结果,添加其他的辅佐数据如高程、坡度等,并结合MODIS数据的多时相特点分类等方法,可提高遥感影像分类的精度。     

结合潮位信息的红树林遥感识别

红树林的滨海湿地生境使得它同陆生植被、水体-陆生植被混合像元难以区分,且红树林在遥感图像上的空间分布还随着潮位的变化而变化,因此基于通常采用的单一潮位遥感图像无法精确提取红树林空间信息.基于高潮位和低潮位TM遥感图像,尝试利用红树林的潮位周期性变化和滨海湿地特征来精确提取红树林空间分布信息.研究结果表明：基于缨帽变换和潮差信息提取的WI_L+WI_H、GVI_L和GVI_L-GVI_H（WI、GVI分别为Wetness Index、Greenness Vegetation Index,下标L和H分别表示低潮位和高潮位）等指数能使红树林与其他地物之间具有很好的可分性;进一步采用最大似然法对红树林进行分类识别,通过结合潮位信息能精确提取红树林,其中制图精度和用户精度分别为94.57%、98.8%.     

基于MODIS时序植被指数和线性光谱混合模型的水稻面积提取

水稻是中国的主要粮食作物,及时获取水稻种植面积和空间分布信息对指导水稻生产、调整区域供需平衡等具有重要的意义。以江苏省为例,利用2009—2011年连续三年的MODIS 8 d合成地表反射率数据(MODIS09A1),计算了归一化差值植被指数(normalized difference vegetation index,NDVI)、增强型植被指数(enhanced vegetation index,EVI)和陆表水指数(land surface water index,LSWI)。结合水稻在不同生长发育期EVI的时间序列变化特征,确定了水稻面积提取的关键生育期。根据水稻移栽期稻田土壤含水量高的特征,利用NDVI、EVI和LSWI三种指数构建判别条件,确定可能种植水稻的区域。利用线性光谱混合像元分解模型对包含水稻的混合像元进行分解,得到江苏省三年水稻种植空间分布。最后,选取研究区内的水稻典型样区,利用与MODIS同时期的较高分辨率的环境小卫星HJ-1 CCD(30 m)数据提取水稻种植面积和空间分布,以此作为参考数据进行精度验证,同时利用统计部门的江苏省水稻种植面积统计数据对江苏省水稻面积进行验证,两种方法验证后表明误差均在10%以内。研究表明,采用MODIS09A1数据结合线性光谱混合模型可以更高精度地提取大范围的水稻种植面积。