不同季节下FY-3B/MERSI数据大气校正前后对比

应用FLAASH模型对FY-3B/MERSI数据进行大气校正,并从大气校正前后反射率变化、NDVI和EVI变化及其与MODIS地表反射率产品比较等4方面对校正效果进行讨论分析,以期提供一种行之有效的FY-3B/MERSI数据大气校正方法。结果表明:(1)校正后削弱了大气分子与气溶胶在可见光波段的散射影响,且各通道反射率区间变宽;(2)除红光波段外,可见光其余波段各通道大气校正后的反射率均有所减小,且秋、冬季比春、夏季影像反射率减小幅度更大;对于近红外波段,除秋、冬季第16通道外,大气校正后的反射率均有所增加;(3)与MODIS地表反射率产品相比较,FY-3B/MERSI校正后的反射率与MYD09GA产品的误差均小于校正前,校正后的植被和居民地2种地物的反射率比校正前更具有较好的一致性;(4)校正后,植被与居民地的NDVI和EVI均有所增大,且NDVI较EVI增加的幅度大,同时校正前后两者的NDVI、EVI差值均增大,表明FY-3B/MERSI影像经大气校正后更有利于植被与非植被信息的区分。     

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。     

夏玉米植被指数与叶面积指数的关系研究

利用ASD便携式地物光谱仪和SunScan冠层分析仪实测了陕西杨凌区和扶风县夏玉米关键生育期冠层光谱反射率及叶面积指数(LAI),对归一化植被指数(NDVI)、比值植被指数(RVI)和差值植被指数(DVI)与叶面积指数进行了相关性分析,建立了基于三种植被指数的LAI估算模型,并进行精度检验。结果表明:基于抽穗期和蜡熟期NDVI以及灌浆期RVI的LAI估算模型的均方根差和相对误差较低,模拟效果较好。结果对夏玉米生长状况及病虫害监测、产量预测以及田间管理具有参考价值。     

基于深度学习的FY3D/MERSI和EOS/MODIS云检测模型研究

针对FY3D/MERSI和EOS/MODIS的云检测问题,提出了一种基于深度学习技术的全自动云检测算法,首次将深度学习引入到卫星影像云检测领域。本算法使用深度全卷积神经网络(Deep Convolutional Neural Networks)作为核心结构,基于EOS/MODIS基本云检测原理选择合适的通道作为特性向量参数,针对不同的场景进行分类和网络模型的训练,最终得到基于深度学习的云检测模型。经过EOS/MODIS数据和FY3D/MERSI数据的测试,云检测的精度达到98%以上,可以看出基于深度学习的云检测算法能够用于云检测,该算法具有效率高、精度高等特点,云检测效果理想。     

乌鲁木齐地区生长季NDVI序列影像的植被覆盖变化分析’

应用EOS／MODIS—Terra卫星数据,按照NDVI(归一化植被指数)最大值合成法计算了乌鲁木齐地区2007、2010年生长季逐旬植被NDVI序列,得到植被长势演变图和植被指数分布基础数据,结合气象资料和南山中山带牧草监测站实测数据,分析了NDVI在乌鲁木齐地区的变化特点及其与气候因子的关系。结果表明：气温、降水是NDVI变化的主要驱动因子,但植被对于气候因子的响应普遍存在滞后性。乌鲁木齐地区NDVI旬最大值总体变化在0．46～0．83范围内。与近10 a中植被长势最好的2007年同期数据比较,2010年春季植被指数比2007年推迟4旬达到0．7以上,表明植被发育期比2007年推迟10～15 d;秋季植被指数7月中旬就出现下降拐点,表明植被发育期比2007年提前4旬进入种子成熟、黄枯期或停止生长。以上结论与南山中山带牧草监测站实测结果相符。     

珠江三角洲地区FY-3卫星MERSI影像的大气校正方法研究

利用广东省86个气象站的观测数据为大气校正简化算法(Simplify Method for Atmospheric Correction,SMAC)提供校正参数,对中分辨率光谱成像仪(Medium Resolution Spectral Imager,MERSI)的250 m分辨率数据进行了大气校正处理研究。通过对各波段反射率直方图、归一化植被指数(Normalized Difference Vegetable Index,NDVI)直方图及气象站反射率的分布特征进行分析,检验SMAC算法进行MERSI数据大气校正的效果。结果表明:大气校正后MERSI各波段反射率区间变宽,站点反射率更接近实际,校正后的NDVI直方图曲线较平滑,NDVI峰值向高值移动,临近日期的NDVI直方图曲线更相近,说明本文采用的大气校正处理方法可得到合理的结果。     

基于多源遥感数据的辽宁地表温度反演及空间分布研究

以辽宁地表温度为研究对象,采用普适性单通道算法,利用FY-3A/MERSI数据,并结合MODIS 1000 m分辨率数据,反演了2009年和2010年4-9月间10个时次晴空或局部晴空时的地表温度。结果表明：计算验证了模型的反演精度与同期NASA所发布MODIS地表温度产品的精度相当,其结果与相应的56个气象站点的实际观测数据相一致。多源遥感数据的综合应用,可获得较合理的地表温度反演结果;不同土地覆盖类型间地表温度的高低在相同时间内存在显著差异;研究期内,林地、水田、旱地和建设用地的NDVI与地表温度具有负相关性。综合利用遥感、地理信息系统技术,可以表征地表温度与土地利用类型以及地表温度与归一化植被指数(NDVI)之间的关系。     

中天山北坡草地生物量估产模型研究

分别对草甸、草原和荒漠3种草地类型进行了生物量的实测工作。根据同步的MODIS与AVHRR资料,应用ENVI软件提取出这两种传感器在3种草地类型上的植被指数：NDVI和RVI。经过统计分析得到两种传感器在3种草地类型上的生物量模型,从而建立起MODIS植被指数与草地生物量的相关关系,并对MODIS和AVHRR植被指数估产模型进行了评价与分析。     

三套NDVI长时间序列植被指数的对比——以玛曲为例

NDVI／MODIS、NDVI／GIMMS和NDVI／NSMC是时间长度不同、空间分辨率相差甚远的3套ND—VI数据集,如何集成应用这些不同时间长度、不同分辨率的数据进行相关研究,数据集间的比较是最基础的工作。本文以甘肃省甘南州玛曲县为例,用直方图、相关分析、趋势分析等方法研究了这3套NDVI产品数据集的相互关系。结果表明：1）NDVI／NSMC与NDVI/MODIS的直方图具有类似的图像分布特征,但是NDVI／MODIS数据分布范围更大;2）3套NDVI在数值上表现为NDVI／MODIS〉NDVI／GIMMS〉NDVI／NSMC;3）3套数据集空间图像特征一致,两两间均具有十分显著的空间相关性,其中1月份相对最弱,5、10月份最强,三者相比NDVIfNSMC与NDVI／MODIS的空间相关性更强;4）1—3月、5—8月及年均的NDVI／GIMMS与NDVI／NSMC值存在显著的时间相关性,但两者逐年变化趋势存在较大差别,两者气候倾向率相差最大的高达5倍之多。NDVIfNSMC数据集在处理过程中可能未进行大气订正及交叉定标,这是造成共同源的NDVIfGIMMS与NDVI／NSMC差异较大的重要原因。     

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。     

植被指数及其研究进展

介绍了植被的光谱特征，概述了几种常见的植被指数及其优缺点。对MODIS探测器监测植被的特点和美国NASA归一化差值植被指数(NDVI)和增强植被指数(EVI)产品特性和不足做了说明。指出了研究西北地区MODIS植被指数的重要意义。     

基于光谱分析和综合阈值的FY-3/MERSI云检测

云检测是卫星遥感影像应用中的重要环节。为了获取FY-3中分辨率光谱成像仪(Medium Resolution Spectral Imager,MERSI)传感器精确的云掩膜数据,在分析云与植被、水体、裸露地表等地物在不同波段光谱差异的基础上,结合FY-3/MERSI数据的通道特性,构建基于多光谱和综合阈值的云检测算法。采用热红外通道亮温(CH_5)检测出高云,使用云检测指数(Normalized Cloud Detection Index,I_(NCD))和可见光波段反射率(CH_3)检测中低云。利用江西地区的FY-3/MERSI数据进行应用,将检测结果与其他算法、人机交互解译结果进行了对比分析。结果表明,该算法对FY-3/MERSI影像上的云区具有较好的检测效果,同时利用地面气象观测资料进行验证,检测精度均高于88%,能够满足当前云检测精度需求。     

MODIS植被指数及其分县统计分析的实现

MODIS归一化植被指数(NDVI)已引起了广泛的注意,它与NOAA/AVHRR的NDVI既有联系又有区别。利用同一天的NOAA/AVHRR和EOS/MODIS资料,介绍了各县域内平均NDVI的统计方法和计算结果及NDVI与增强植被指数(EVI)的差异。MODIS和AVHRR两种资料得到的NDVI数值虽然有差异,但都能很好地反映植被的空间分布和时间变化。MODIS增强植被指数(EVI)对植被条件的变化更加敏感,使定量分析的精确性提高,具有较好的应用前景。     

基于FY3\VIRR数据的积雪遥感监测分析

以FY-3可见光与红外辐射计(VIRR)为主要数据,利用FY3\VIRR 1、6、10通道数据,以指数法和光谱阈值相结合的多光谱积雪监测算法对2013年阿勒泰地区卫星数据进行积雪监测处理。处理结果与MODIS积雪监测业务产品对比分析得出:利用FY3\VIRR可以实现对研究区的积雪遥感监测,监测结果与现有MODIS积雪监测业务产品较一致,具有可比性。     

全球风云三号D星MERSI/NDVI产品质量评估

MERSI/NDVI是风云三号D星的一个关键业务产品,深入了解其质量状况对推广产品应用、改进产品算法都具有重要意义.文中针对业务化运行后的全球MERSI/NDVI产品(2019年5月至2020年12月),以同期Terra MODIS/NDVI产品(MOD13A2)为参考,通过空间格局和时间序列的对比、APU(准确度Ac...     

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。     

基于MODIS时序植被指数的延安北部丘陵 沟壑区植被变化分析

利用2001-2009年5—1O月EOS／MODIS数据,分析延安北部七县区退耕还林 (草)生态建设工程实施以来植被指数变化。结论表明：延安北部归一化植被指数NDVI整体上呈上升趋势,线性趋势为0．015 3,平均增加了0．16,最多的增加0．19,最低的也提高了0．14,增幅比较均匀。2009年与2001年NDVI差值在0．12以上的比例达88．6％,0．2以上所占比例为13．5％。延安植被覆盖度从2001年的35．3％增加到2009年的55．8％,增加了20个百分点,线性增长趋势为1．991 7,变化极为显著。叶面积指数由2001年的0．66增加到2009年的1．18,增加了近一倍。遥感监测图上延安北部植被指数明显高于周边地区,行政边界轮廓明显凸现。退耕还林后延安植被发生了明显变化。     

FY-3A/MERSI海色产品的真实性检验

FY-3A/MERSI是我国自主研发的第二代极轨气象卫星FY-3A搭载的中分辨率光谱成像仪,其海洋水色产品可为全球海洋生态环境的研究提供基础资料。以美国东北部海域为研究区,利用NASA海洋生物学处理小组(OBPG)海洋生物光学数据库(SeaBASS)的现场观测资料,以及TERRA/MODIS海洋水色产品数据,分别对FY-3A/MERSI海色产品的遥感反射率、色素浓度和有色可溶性有机物(CDOM)443 nm吸收系数进行了真实性检验。结果表明:MERSI 443~685 nm 6个通道的遥感反射率总体偏高、精度较低,叶绿素-a浓度与现场实测值和MODIS叶绿素-a浓度相比精度较低,总色素浓度与现场实测值相比精度也很低,而CDOM产品的精度稍好。要提高MERSI海色产品的精度,首先要加强图像大气校正的研究,在此基础上,进一步开展各要素遥感反演算法的研究。     

基于风云3卫星数据的温度植被干旱指数在重庆地区的应用

为探究风云3卫星数据在重庆地区干旱监测中的适用性,以温度植被干旱指数(Temperature Vegetation Dryness Index,TVDI)为监测指标,利用Aqua/MODIS数据为对比数据,对重庆地区2015年夏季(7～9月)旱情进行监测分析。结果显示,重庆夏季主要受轻旱和中旱的影响,旱情较严重的区域主要集中在西部地区。从7月开始,受旱情影响的范围在逐渐加大,旱情程度也在不断加深。结合高程数据(Digital Elevation Model,DEM)和MODIS土地覆盖类型产品数据,将重庆地区划分为低海拔混交林、中海拔混交林、低海拔小起伏山地作物、低海拔中起伏山地作物四类讨论不同地貌类型受旱情的影响。作物类受旱情影响的面积百分比较混交林类大,低海拔相较于中海拔地区受干旱影响的面积百分比更大。为验证基于TVDI的干旱监测结果的准确性,利用重庆市170个地面站点实测的土壤墒情数据为验证数据,通过相关性分析可知,FY3A/VIRR数据与Aqua/MODIS数据不论是在整体相关性还是按不同地表类型分类后与土壤墒情数据间的相关性都较好,且相关系数在0.1水平(双侧)显著相关,说明利用TVDI能较好的反映出重庆地区土壤中的水分含量情况。但两类数据的相关性又存在一定的差异,整体上,Aqua/MODIS数据与土壤墒情之间的相关性要高于FY3A/VIRR数据;分类后,FY3A/VIRR数据与土壤墒情之间的相关性要高于Aqua/MODIS数据。      

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。