可燃物干燥指数在草地火险预警中的应用

在草地生物物理特性基础上,结合能量交换原则(由遥感和气象数据得到显热和潜热通量)提出了可燃物干燥指数(Fd),并将其应用于山东省草地火险监测。Fd较好解决了山东省草地火灾风险预警时空预测问题,提高了火险的估算精度,能够随时间变化动态预警山东省每日高火灾风险区域。将Fd与美国潜在火险模型(fire potential index,FPI)用于2010年4月8日的火险预警研究,结果表明Fd较FPI能够更好地指示火险。在等间距火险分类法中,2010年31个火点数据Fd值在Ⅲ级以上的占87. 1%,Ⅰ级为0,火灾发生地点与火灾风险预警高的区域吻合较好。由Fd曲线图可以看出Fd与草地植被生长季节有着紧密的关系,初期和发育期的Fd值较高,但呈下降趋势;中期Fd值低;晚期Fd值高,并呈现上升趋势。总体说明了Fd指数在草地生长阶段火险预报中的重要作用。     

基于林火特征分类模型的森林火情等级制图

森林中可燃物的分布状况是影响林火产生、扩散的重要因素之一,本研究的目的是结合森林资源调查数据、激光雷达(light laser detection and ranging,LiDAR)点云数据、地形和气象因子共同驱动的可燃物特征分类系统(fuel characteristic classification system,FCCS)模型来实现森林火险等级预测。以云南省普洱市为研究区,首先,利用机载LiDAR数据生产的树冠高度模型进行面向对象分割,与森林资源二类清查数据叠加分析确定分割单元,并根据可燃物的可燃性将研究区内的可燃物分为针叶林、阔叶林、竹林和灌木林等4种类型,在此基础上采用分层随机抽样形成验证数据集;然后,提取LiDAR变量因子,采用多元逐步回归法反演不同可燃物的森林参数;最后,将森林参数连同气象和地形因子作为FCCS模型的输入,完成各个分割单元的火情等级评价,实现该地区潜在火行为、树冠火、有效可燃物和综合火灾险情的制图。研究结果表明,研究区有效可燃物火险等级比较低,符合研究区的实际情况;森林垂直结构与森林火险等级关系密切,森林参数的准确估测对整个可燃物的制图具有非常重要的作用。     

森林火险遥感解译分析

本文选取张家口某地2022年4月份的陆地卫星9号(Landsat 9)影像，反演相应归一化差分植被指数、积雪指数、湿度指数和表观温度，通过主成分分析获取关键信息，结合当地地理条件讨论对林火的影响。研究表明：研究区内西南侧温度高，植被含水量低，林火风险较高，成片分布，容易发生草原森林火灾蔓延；东侧和北侧温度低，植被含水量高，积雪呈网状分布，对于林火蔓延起到很好的限制作用。研究为林火蔓延模拟等研究提供数据支持和理论依据。     

GIS支持下森林火场蔓延的空间模拟

林火扩展具有时间和空间特征。对火场模拟必须建立在空间背景数据库之上，即在地理信息系统和遥感技术的辅助下完成。森林火灾的发生发展有内在和外在因素的影响，内在因素包括了可燃物类型、可燃物湿度、地形，考虑这些因素形成了像元尺度植被燃烧基本历时图；外在因素主要是气候的影响，文中利用生成的植被起火概率图控制像元是否起火。在火场扩展中将Ｒｏｔｈｅｒｍｅｌ模型和经验模型结合使用，并考虑了坡度和风向带方向的因素的影响。最后利用迷宫算法在计算机上实现了火场在地理信息系统支持下的空间蔓延动态模拟。     

阜新地区干旱监测研究

选定温度植被干旱指数法建立阜新地区干旱监测模型。通过参数的确定,得到温度植被干旱指数,再通过阜新地区的气象站点地面实测土壤含水量数据,建立温度植被干旱指数-土壤含水量（ TVDI-SWC ）经验模型。通过回归分析以及2007年预测分析的实验数据表明, TVDI-SWC模型适用于阜新地区早春的干旱监测,可以使用该方法来实现对阜新地区的整体旱情状况快速,准确的评估。     

利用IGS对流层产品预报空气质量指数研究

空气质量指数用来反映雾霾对大气的污染状况,如何对空气质量进行预报成为研究的重点和难点。空气质量指数与近地面气象参数相关,本文简要介绍了常用的空气质量预报方法及卫星数据观测预报的优势。利用北京房山IGS站气象数据文件,建立了空气质量指数预报的多元线性回归最小二乘模型和卡尔曼滤波模型。结果表明卡尔曼滤波模型得到的预报值与实际值的相关系数和RMS分别为0.995和7.532,均显著优于多元回归模型。为了验证模型的适用性和效果,选用了雾霾较少的2014年夏季气象数据和空气质量指数数据,试验发现:采用卡尔曼滤波模型得到的相关系数和RMS分别为0.985和7.378,预报值与实际值符合得很好,且预报精度较高。本文验证了利用卫星导航地面气象参数进行空气质量预报的可行性,为下一步利用卫星导航系统对流层产品对空气质量进行监测和预报奠定了一定的研究基础。     

一种改进的林火蔓延模型及其实现

为了研究林火蔓延的动态模拟问题,结合元胞自动机原理,对现有的林火蔓延数学模型进行改进,提出一种新的模拟林火蔓延模型。该模型充分表达了可燃物类型、温度、湿度、坡度、风速和风向等林火蔓延影响因子在元胞空间中的作用形式,通过求解出燃烧元胞向摩尔(Moore)型邻域中八个方向元胞的林火蔓延速度,来确定元胞状态演变规则函数。最后,利用地理信息系统二次开发技术将该模型表达成计算机算法,实现了不同条件下的林火行为的仿真模拟。     

阜新地区干旱监测研究

选定温度植被干旱指数法建立阜新地区干旱监测模型。通过参数的确定,得到温度植被干旱指数,再通过阜新地区的气象站点地面实测土壤含水量数据,建立温度植被干旱指数-土壤含水量(TVDI-SWC)经验模型。通过回归分析以及2007年预测分析的实验数据表明,TVDI-SWC模型适用于阜新地区早春的干旱监测,可以使用该方法来实现对阜新地区的整体旱情状况快速,准确的评估。     

基于元胞自动机的崂山林火蔓延模拟

采用流行的林火蔓延模型结合元胞自动机理论,对崂山地区进行了给定气象、地形等参数条件下的林火蔓延情况模拟,模拟过程综合考虑了林火在地形、风、植被等因素影响下的蔓延扩散速度及元胞燃烧状态,最后对模拟蔓延结果的可靠性进行了分析.     

2001—2019年湖南省叶面积指数时空变化动态研究

基于MODIS叶面积指数时序数据集,运用变异系数、Mann-Kendall趋势检验和相关分析等主要方法,对2001—2019年湖南省植被时空特征、变化趋势及其与气象因子的对应关系进行了研究。结果表明：1)湖南省叶面积指数保持在较高值,整体植被LAI呈增加趋势,速率为0.57%/10a;西部植被生长好于东部,高植被生长区及中高植被生长区占整个省域面积的80.5%;2)省内植被LAI与气象关系不显著,且与降水、气温呈正相关,与日照时数呈负相关。     

中国西部地区基于经验模型的土壤水分反演

地表土壤水分含量的时空分布信息是十分重要的,常常作为水文模型、气候模型、生态模型的输入参数,同时,也是干旱预报、农作物估产等工作的重要指标。被动微波遥感是监测土壤含水量最有效的手段之一。相比红外与可见光,它具有波长长,穿透能力强的优势。相比主动微波雷达,被动微波辐射计具有监测面积大、周期短,受粗糙度影响小,对土壤水分更为敏感,算法更为成熟的优势。目前,已研究出许多反演土壤水分的方法.本课题的主要内容是借助AMSR-E土壤水分影像数据、MODIS归一化植被指数(NDVI)影像数据和MODIS分类影像数据,利用ENVI软件进行遥感图像数据处理,运用统计分析方法建立NDVI与土壤水分的经验模型,研究中国西部地区稀疏植被覆盖区土壤水分的反演。     

MODIS数据在林火监测中的应用研究

提出了MODIS在林火监测中的应用方法，其核心是利用MODIS热红外波段亮度温度阈值与植被指数相结合进行火点识别。对中、蒙、俄三国交界地区进行实例应用，结果表明，该方法能有效检测火点，减小由裸土、水体和云引起的误判。     

基于MODIS图像的植被叶面水反演与农业干旱监测

研究了应用MODIS数据,采用与植被物种无关的GVMI指数模型反演出植被水含量指标EWT,并以气象局发布的实际温度降雨数据和旱灾报告验证了植被水含量与旱灾的相关性。     

Using MODIS land surface temperature to evaluate forest fire risk of northeast China

A neural network method was developed with the Moderate-resolution Imaging Spectroradiometer (MODIS) land surface temperature product as training and validation datasets, and it was used to retrieve land surface temperatures (LSTs) from direct-broadcast MODIS data in Northeast China in April and May 2003 before fire events. The result shows that LST increases as the day gets closer to the fire day, and this trend can be observed about three days before the fire day. This is similar to the result of fire potential index, so the LST can also be used to evaluate forest fire risk.     

基于波谱知识库的MODIS叶面积指数反演及验证

目前用物理模型反演叶面积指数普遍存在缺少先验知识的状况，如何获得准确的先验知识是遥感走向应用的一个关键环节。中国典型地物标准波谱数据库就是结合国家重大行业中的应用需求，研究制定地物波谱获取与分析的技术规范和数据标准，建立典型地物标准波谱数据库。从波谱数据库提取模型反演所需要的先验知识，实现了基于SAIL模型的MODIS数据（经过几何纠正与大气纠正）叶面积指数的反演。另外，基于TM数据，对MODIS混合像元进行了分解，用纯像元的叶面积指数与实测数据进行对比验证，同时，反演结果与NASA的LAI产品也进行了对比，结果表明基于波谱库的先验知识可以有效的提高叶面积指数的反演精度。     

A stochastic model for active fire detection using the thermal bands of MODIS data

Active fire detection using satellite thermal sensors usually involves thresholding the detected brightness temperature in several bands. Most frequently used features for fire detection are the brightness temperature in the 4-/spl mu/m wavelength band (T/sub 4/) and the brightness temperature difference between 4- and 11-/spl mu/m bands (/spl Delta/T=T/sub 4/-T/sub 11/). In this letter, the task of active fire detection is examined in the context of a stochastic model for target detection. The proposed fire detection method consists of applying a decorrelation transform in the (T/sub 4/,/spl Delta/T) space. Probability density functions for the fire and background pixels are then computed in the transformed variable space using simulated Moderate Resolution Imaging Spectroradiometer (MODIS) thermal data under different atmospheric humidity conditions and for cases of flaming and smoldering fires. The Pareto curve for each detection case is constructed. Optimal thresholds are derived by minimizing a cost function, which is a weighted sum of the omission and commission errors. The method has also been tested on a MODIS reference dataset validated using high-resolution SPOT images. The results show that the detection errors are comparable with the expected values, and the proposed method performs slightly better than the standard MODIS absolute detection method in terms of the lower cost function.     

地表温度反演方法

选用分裂窗算法,采用两因素模型对吉林省西部MODIS数据进行了连续3年的地表温度反演。通过对MODIS数据波段选取,分别计算星上亮度温度,采用基于植被指数与地表分类相结合的方法得到地表比辐射率,根据MODIS数据计算得到大气水汽含量,利用大气辐射传输模型得到大气透过率,最后,通过分裂窗算法模型反演出地表温度。实验结果表明,该方法能够获得较合理的地表温度反演结果,对农业旱灾动态监测具有一定应用价值。     

Leaf Area Index Estimation Using Time-Series MODIS Data in Different Types of Vegetation

The aim of this study is to estimate leaf area index (LAI) in different type of plants using vegetation indices (VIs) and neural network algorithms retrieved from MODIS data. Four VI were calculated, and neural networks were built up based on MODIS surface reflectance products. Among the tested VIs, normalized difference vegetation index (NDVI) and chlorophyll index (CI) appeared to be the best candidate indices in estimating LAI across sites with different vegetation types. The models having the highest accuracy were CI for grassland and deciduous broad leaf forest with determination coefficients (R-square above 0.70, and NDVI for crop R-square?=?0.78). Neural network showed better results than VI methods except in grassland sites. The added VI information showed no significant improvement of model accuracy for the neural networks in most sites.     

基于MODIS影像的内蒙古草原积雪监测

光学遥感源MODIS具有高光谱分辨率、高时间分辨率、高空间分辨率、全球范围内免费接收等优势,被广泛应用于洪涝、干旱、森林草原火灾、雪灾等自然灾害的动态监测领域。MODIS数据用于内蒙古草原积雪监测,提取积雪信息在国内尚属空白。本文利用MODIS L1B 500m分辨率数据,经过几何校正、去"双眼皮"预处理,根据归一化差分积雪指数(NDSI)算法和综合阈值判别法对内蒙古自治区2008年1月下旬大范围降雪进行积雪信息提取,制作积雪覆盖图。利用内蒙古生态与农业气象中心发布的雪情遥感监测信息验证积雪覆盖图的准确度。验证结果表明,MODIS数据用于大范围积雪监测非常有效。     

基于MODIS数据的小麦生物量估算模型研究

地表生物量对农作物估产、植被长势评估具有很重要的意义。随着遥感技术的发展与应用,遥感为生物量估算提供了一种新的手段。本文以唐山市为例,利用小麦种植区的MODIS遥感影像数据和同期野外调查获得的16组32个生物量数据,对比分析了归一化植被指数(NDVI)、增强型植被指数(EVI)与小麦生物量多个回归方程的相关系数,进而建立了NDVI、EVI与小麦生物量的线性回归模型。结果显示,使用MODIS数据的植被指数能够很好地对研究区地上生物量进行估算,其中使用EVI的三次函数模型拟合精度最高,并且对每组数据进行平均处理会使模型精度进一步提高。