利用MODIS资料对积雪的遥感监测

通过对遥感卫星资料中云和雪的光谱特征的分析,提出利用中分辨率成像光谱仪(M OD IS)红外、可见光谱段数据进行云、雪检测和分离的方法;并提供监测实例来说明利用M OD IS数据可进行积雪监测。     

基于MODIS数据的陕西地表温度监测

地表温度是反映土壤—植被—大气系统能量流动与物质交换的重要参数,讨论了利用EO S/M OD IS资料反演地表温度的分裂窗方法各参数获取及其在陕西省的应用;建立了基于M OD IS遥感资料和地面自动气象站观测资料反演地表温度的统计模型。监测试验结果表明:利用分裂窗方法反演陕西地表温度,其中参数设定仍需要做大量工作;统计方法考虑季节差异,在地表状况不太复杂时也能取得较好的监测效果。     

基于MODIS的广东省植被指数序列构建与应用

植被指数是衡量植被长势的重要指标,植被指数序列有助于准确地认知植被覆盖、土地利用和土壤水分的时空变化规律,以及进行干旱和植被生长监测.利用2004-2006年的MODIS数据,选择RVI、NDVI和EVI三种植被指数,采用最大值合成法进行广东省植被指数序列构建.按照不同植被覆盖对三种植被指数的年际变化规律进行分析,并通过NDVI进行植被覆盖度计算以及植被覆盖等级分类来分析植被的空间分布.结果表明,建立的植被指数序列能真实地反映植被生长规律,植被覆盖度和广东地区的植被实际分布状况一致.说明建立植被指数序列是动态监测广东省植被长势的及植被环境的变化的有效方法.     

6S辐射模型算法解析及在MODIS大气校正中的应用

对6s(Second S im u lation of the Sate llite S igna l in the So lar Spectrum)模型的结构及计算流程进行分析,利用2006年6月16日的TERRA资料,基于数据本身反演了陕西关中地区的水汽含量和气溶胶光学厚度,最后应用6S模型和反演的结果对关中盆地的M OD IS资料进行大气校正,并对结果进行探讨。     

基于FY3/MERSI数据的辽宁省植被指数重建及时空变化分析

为建立中国风云三系列气象卫星长时间序列归一化植被指数数据集,选用滤波和函数拟合方法,针对林地、湿地、水稻、玉米、大豆、城市和水体7类地物开展数据重建效果定量分析,确定最佳数据重建方法,并在辽宁省开展时空变化分析。结果表明：非对称高斯函数拟合法（Asymmetric Gaussians,AG）、Savitzky-Golay滤波法（SG）、双Logistic函数拟合法（Double Logistic,DL）和时间序列谐波分析法（Harmonic Analysis of Time Series,HANTS）四种方法均表现出相对较好的去噪能力。SG方法对噪声比较敏感,HANTS方法在低值区受噪声影响大。AG和DL方法平滑效果较好,DL方法的峰值更接近于原始峰值。在高植被覆盖区和季节性作物区,SG方法相关系数最高（>0.93）、均方根误差最低（< 0.1）;在城市和水体低植被指数区,HANTS方法相关系数最高,为0.87,但四种方法的均方根误差均在0.06左右,差别不大。综合考虑曲线和定量分析结果,选取SG方法进行辽宁省植被指数数据集数据重建。辽宁省植被指数数值高低的空间分布与下垫面植被类型相符合,东部山区林地植被指数最高,达到0.75以上。2009-2020年,辽宁省NDVI年均值存在波动,不同地物植被指数变化存在差别,水体和城市植被指数变化相对较小,旱田作物（玉米、大豆）的植被指数受干旱年的影响植被指数变化稍大。辽宁省主要粮食作物植被指数年内均呈单峰分布,与一年一熟型吻合,均在8月上旬达到最大值。     

基于MODIS数据的作物苗情和灾情监测系统及其开发应用

随着全球气候变暖,极端高低温、干旱事件趋多趋强,已经威胁到作物的生长和生产。目前,苗情灾情监测多依靠单时相遥感数据,由于难以在不同方法间形成作物灾情和苗情的同一标准,不同方法间难以比较。然而,以长时间序列植被指数为基础数据,通过构建植被条件指数、距平植被指数、与往年比较指数等,以历史作物苗情和灾情为评价标准的方法,为作物苗情和灾情监测提供了新的思路。文章介绍了利用长时间序列的MODIS准实时的多光谱二级数据和植被指数产品数据,构建长时间序列的历史作物苗情和灾情为评价标准,通过系统集成,实现从遥感数据自动下载、MODIS影像预处理,到作物基本参数的信息提取,再到干旱、雪灾监测、苗情和灾情监测,以及最后的专题图的制作等一整套简单化、系统化的处理过程。以西藏为例,介绍了该系统的牧草/作物苗情和灾情监测平台,表明该系统可以应用于大面积作物的苗情和灾情监测,以及产量的预测。     

新疆植被指数与气象因子关系分析

以新疆为研究区,分析2002—2008年MODIS植被指数(NDVI)及气象因子(温度、降水和日照)的时间序列特征、植被指数与气象因子响应范围分析,还有时间滞后分析等。结果表明:新疆植被指数和各气象因子7 a来呈增长趋势,新疆MODIS植被指数与温度和降水量相关关系显著,并有时间滞后差,而与日照时数相关关系不大。气象因子与以气象站点为中心半径60 km范围的植被指数相关关系最大。新疆气象因子与植被指数响应强度为降水最强,温度次之,日照最弱。     

基于MODIS数据的作物苗期干旱监测方法

针对苗期低植被覆盖情况,在原有的归一化植被指数基础上,增加了土壤调节植被指数,将其与条件温度指数结合,通过与地面实测土壤相对湿度进行相关分析,分别建立作物苗期的干旱监测模型,并与热惯量方法和供水植被指数方法进行对比分析,初步得出辽宁省范围内作物苗期进行大范围干旱遥感监测的最适宜模型为土壤调节植被指数一温度模型.     

基于MODIS植被指数的太湖蓝藻信息提取方法研究

有效地提取蓝藻水华信息对分析蓝藻动态分布有重要意义,而卫星遥感技术是进行太湖水质监测与保护的措施之一.本文以2007年7月25日Terra/MODIS数据为主要数据源,用比值植被指数(Irv)、归一化植被指数(Indv)和增强型植被指数(Iev),研究提取太湖蓝藻信息.结果表明:植被指数可以有效提取遥感影像中的蓝藻水华信息,其中Indv是应用效果较好的植被指数之一;在掩膜处理后,用Indv提取了太湖蓝藻的面积分布信息,效果较好;此外,选取Indv为测试变量,利用决策树分类法,有效地把蓝藻水华高浓度覆盖区、中浓度覆盖区和轻浓度覆盖区分开来,为准确掌握太湖蓝藻发生、发展趋势和发生程度提供可靠信息.     

MODIS资料分析新疆植被生长的季节变化

基于实际的研究区域,介绍了植被的光谱特征,并引用了植被指数的概念,对MODIS探测器监测植被的特点进行说明。选择MODIS数据植被指数NDVI的时间序列分析方法分析新疆2004年植被的季节变化。