结合高光谱数据反演吉林石头口门水库悬浮物含量和透明度

水中悬浮物含量是评价水环境质量的一个重要参数,它可影响水体透明度、混浊度、水色等光学性质,决定太阳光照在水下的分布和浮游植物对光照的利用,并最终影响水体的初级生产力.本文利用长春市石头口门水库的高光谱实测数据和水质采样分析数据,尝试通过一阶微分法建立悬浮物估测模型,再用估测结果反演透明度信息.结果表明:用590nm处的一阶微分光谱值建立的悬浮物估测模型的决定系数R2和均方根误差(RMSE)分别为0.76、9.09 mg/L,验证模型的R2和RMSE分别为0.79、7.15 mg/L;石头口门水库上游严重的水土流失导致透明度受悬浮物含量影响较大,两者存在明显的指数关系,相关系数r为-0.80,用悬浮物含量建立的透明度估测模型的R2和RMSE分别为0.79和0.12 m,验证模型的R2和RMSE分别为0.82、0.11 m.显著水平均为p＜0.01.研究结果表明,该方法用于石头口门水库悬浮物含量和透明度的定量遥感结果较理想.     

基于EOS/MODIS数据的青海湖遥感监测

在二十世纪八十年代,NASA 开始设计地球观测系统(EOS),MODIS 数据是地球观测系统中很具特色的数据,在 TERRA 和 AQUA 卫星上均搭载有 MODIS 传感器．利用 MODIS 的较高的空间分辨率和光谱分辨率进行地球资源的监测 及预测、预报未来变化的研究是近几年热点的研究问题．本文介绍利用 EOS/MODIS 遥感数据进行湖泊水域计算机自动 识别及面积计算、湖水面温度反演、湖冰信息自动提取、湖泊封冻和解冻监测原理和方法,并以青海湖为例介绍了实际应 用情况．     

基于多源卫星数据的小型水体蓝藻水华联合监测——以天津于桥水库为例

近年来水体富营养化呈扩张趋势,蓝藻水华不仅在太湖等大型湖泊频发,水面面积较小的天津于桥水库等也形势严峻,亟需加强卫星遥感监测.但是,以往在太湖等业务化使用非常成功的MODIS等卫星数据(约500 m),由于空间分辨率较低,难以满足小型水体的监测要求;而Landsat-8等空间分辨率较高的卫星数据(30 m),通常重返周期较长,无法满足水华高频监测需求.本文以天津市于桥水库(面积约80 km2)为研究区,针对常用的卫星数据,从空间、时间、光谱范围和数据可获取性共4个方面,评价不同卫星数据蓝藻水华监测能力和算法,同时对不同卫星监测结果一致性进行评估.结果表明:(1)筛选出国产HJ-1A\B CCD、GF-1 WFV和美国Landsat-8 OLI这3种卫星波段合适,空间分辨率较高,适用于桥水库蓝藻水华监测,但考虑到其重返周期较长,建议多星联合观测;(2)各个卫星监测结果与卫星影像目视解译结果基本一致,均方根误差和相对误差均分别控制在0.78 km2和4.9%以内;(3)不同卫星监测结果一致性良好,一致性精度达到99.5%;(4)根据历史影像结果,发现于桥水库2016年水质开始呈富营养化,藻华现象在夏、秋两季最为严重.研究表明,针对小型水面水体蓝藻水华监测,利用较高分辨率数据联合监测,是一种有效的替代策略,今后可在更多小型水域推广.     

适用于多种卫星数据的太湖水体漫衰减系数估算算法

下行漫衰减系数(K_d)是描述水下光场的重要参数,决定水体真光层深度,影响着浮游藻类初级生产力及其分布特征.基于2008—2013年太湖4次大规模野外试验数据,分析太湖水体漫衰减系数特征及其影响因素,建立适用于多种卫星数据且较高精度的太湖水体490 nm处下行漫衰减系数估算模型.结果表明:无机悬浮物是太湖水体漫衰减系数的主要影响因素;红绿波段比值(674 nm/555 nm)最适合于太湖K_d(490)估算,模型反演精度较高(N=72,R~2=0.72,RMSE=0.89 m~(-1),MAPE=21.58%);利用实测光谱数据,模拟得到MODIS/EOS、OLCI/Sentinel-3、GOCI/COMS和MSI/Sentinel-2等主要传感器波段的信号,构建适用于多种卫星传感器K_d(490)估算的红绿波段模型,建模精度较高(N=72,R~20.7,RMSE0.9 m~(-1),MAPE22.0%),且进行了验证(N=37,R~20.7,RMSE0.9 m~(-1),MAPE22.0%).     

MODIS陆地气溶胶遥感反演--利用TERRA和AQUA双星MODIS数据协同反演算法

利用卫星数据遥感陆地气溶胶一直是国际上研究的难点与热点.利用新一代传感器MODIS(中分辨率成像光谱仪)数据,DDV(Dark Dense Vegetation)算法反演陆地气溶胶的分布以及性质已经取得了较好的效果.然而,该算法只适用于诸如水体、浓密植被等较低地表反射率区域,大大限制了该算法的实际应用范围,尤其是无法应用于城市等亮地表区域气溶胶的遥感反演.文中提出了基于利用TERRA和AQUA双星MODIS数据的协同反演模型算法(SYNTAM-Synergy of Terra and Aqua MODIS),用以反演陆地气溶胶的光学厚度等信息.该算法实现了地表反射率与气溶胶光学厚度的同时反演,可应用于各种地表反射率类型,包括城市等亮地表区域.通过与国际AERONET的地面观测数据对比做初步的反演验证,结果表明,该算法具有较高的精度,进一步的验证工作还在继续.     

MODIS陆地气溶胶遥感反演

利用卫星数据遥感陆地气溶胶一直是国际上研究的难点与热点. 利用新一代传感器MODIS(中分辨率成像光谱仪)数据, DDV(Dark Dense Vegetation)算法反演陆地气溶胶的分布以及性质已经取得了较好的效果. 然而, 该算法只适用于诸如水体、浓密植被等较低地表反射率区域, 大大限制了该算法的实际应用范围, 尤其是无法应用于城市等亮地表区域气溶胶的遥感反演. 文中提出了基于利用TERRA和AQUA双星MODIS数据的协同反演模型算法(SYNTAM-Synergy of Terra and Aqua MODIS), 用以反演陆地气溶胶的光学厚度等信息. 该算法实现了地表反射率与气溶胶光学厚度的同时反演, 可应用于各种地表反射率类型, 包括城市等亮地表区域. 通过与国际AERONET的地面观测数据对比做初步的反演验证, 结果表明, 该算法具有较高的精度, 进一步的验证工作还在继续.     

基于太湖气溶胶类型分区的环境一号卫星CCD大气校正

由两颗卫星组成的环境卫星星座系统所提供的CCD数据具有较高的时间分辨率,使其在内陆湖泊水环境遥感监测中具有较大的应用潜力,对其有效的大气校正方法的研究则是其定量化参数反演的前提.基于准同步的MODIS数据辅助,根据气溶胶的差异性,将太湖划分为北部湖区、其他湖区两块区域,利用辐射传输模型,研究太湖环境一号CCD数据大气校正的方法,并对2009年4月17、21、25日数据进行大气校正.研究结果表明,该大气校正方法直接使用较为成熟的MODIS各类产品,克服了传统大气校正中依赖于现场同步测量大气参数的缺陷,能够快速、有效地完成环境一号CCD数据的大气校正.基于气溶胶类型对太湖进行分区后,所求算的遥感反射率精度高于6S模型和暗像元等大气校正方法得到的结果.     

北方半干旱区典型湖泊——岱海透明度遥感反演(2013—2020年)

水体的透明度是评价水质的重要指标,在水生态系统中起着重要的作用.借助遥感技术可以获得大范围、实时数据,并且有节省人力物力的优点.本文利用岱海的野外实测透明度数据和光谱数据,针对Sentinel-2 MSI和Landsat-8 OLI卫星数据波段设置,建立了岱海水体透明度反演模型.结果表明：1）本文建立的透明度反演模型中,蓝红波段比二次模型反演精度最好,决定系数R²=0.66,均方根误差（RMSE）为24.02 cm,平均绝对百分比误差（MAPE）为21.24%.2）将蓝红波段比二次模型应用于Landsat-8 OLI和Sentinel-2 MSI卫星数据,透明度反演精度较好,MAPE<28.82%,RMSE<23.26 cm,R²>0.60.3）此算法应用于时间序列MSI和OLI影像,得到了岱海水体透明度时空分布特征.结果表明,岱海水体透明度年平均变化范围在90.71~120.77 cm,2015年的平均透明度最高,2013年的平均透明度最低;月平均变化范围在90.68~122.53 cm,7月的平均透明度最高,5月的平均透明度最低.岱海透明度在空间上的分布趋势大致表现为西北高,东南低,中部高,四周低.4）影响岱海水体透明度变化的主要因素为风速和降水,透明度与风速和降水分别具有显著的负相关和正相关关系.     

基于多源数据集成的多分辨率全球地表覆盖制图

全球地表覆盖数据产品(如地表覆盖,植被连续场)最高空间分辨率已达到30 m.不同领域的用户对于这些产品的精度和空间分辨率有着不同的需求.基于此,本文从制图精度和空间分辨率两方面对现有的30 m地表覆盖数据进行改进和分析.首先通过将两套30 m全球地表覆盖产品(FROM-GLC、FROM-GLC-seg(Segmentation))与两套粗分辨率全球产品(基于夜间灯光数据的不透水层NL-ISA、MODIS城市产品MODIS-urban)进行集成,生成了30 m分辨率的地表覆盖新产品FROM-GLC-agg(Aggregation).随后,采用了分辨率低于30 m的数据集(如MODIS地表覆盖产品MCD12Q1,全球地表覆盖产品GlobCover2009,MODIS水体掩模产品MOD44W等)对FROM-GLC-agg进行后处理以进一步消除类别混淆.经过多源数据合成的新地表覆盖数据产品中来自30 m分辨率全球地表覆盖产品的象元仍占98.9%.在此基础上,通过众数聚合和比例聚合这两种升尺度方法生成了8套粗分辨率(250 m,500 m,1 km,5km,10 km,25 km,50 km和100 km)全球地表覆盖数据集来满足不同应用的需求.通过基于混淆矩阵的精度比较表明FROM-GLC-agg的总体精度为65.51%,该精度显著优于先前的两套30 m地表覆盖产品.多源数据合成后的30 m分辨率数据以及升尺度处理后的250 m,500 m,1km分辨率数据的最高总体精度分别为69.50%,76.65%,74.60%和73.47%.对采用众数聚合法得到的不同分辨率下地表覆盖类型的面积偏差分析显示,当分辨率超过5 km时,大部分植被类型会有至少5%的面积偏差.因此,对于需要使用粗分辨率地表覆盖数据作为输入的用户,建议使用包含了准确地表覆盖类型占比的比例聚合数据.     

结合温度因子估算太湖叶绿素a含量的神经网络模型

神经网络方法估算复杂水体水质参数的优越性已经得到证实.基于太湖水体实测叶绿素a浓度,利用MODIS 250m影像和反演得到的水温数据建立了估算太湖水体叶绿素a含量的两个单隐层BP神经网络模型:NN1模型不含温度因子、NN2模型包含温度因子,采用Levenberg-Marquardt算法训练网络,利用初期终止方法提岛网络泛化能力,均取得了较高估算精度,其中包含温度因了的反演模型精度稍有提高,但不显著.     

Aerosol optical depth retrieval by HJ-1/CCD supported by MODIS surface reflectance data

The high spatial resolution and temporal observation frequency of HJ-1/CCD make it suitable for aerosol monitoring. However, because of the lack of a shortwave infrared band, it is difficult to use HJ-1/CCD imagery to retrieve aerosol optical depth (AOD). We developed a new algorithm for HJ-1/CCD AOD retrieval by introducing MODIS surface reflectance outputs (MOD09) as support. In this algorithm HJ-1/CCD blue band surface reflectance was retrieved through MOD09 blue band surface reflectance by band matching of the two sensors. AOD at 550 nm was then generated through a pre-calculated look-up table for HJ-1/CCD. Eighteen HJ-1/CCD images covering the Jing-Jin-Tang (Beijing-Tianjin-Tangshan) region were used to retrieve AOD using the new algorithm, and the AODs were then validated using AERONET ground measurements in Beijing and Xianghe. The validation shows that compared with AERONET ground measurements, 27/29 AODs have error less than 0.1 in absolute value.

     

Aerosol optical depth retrieval by HJ-1/CCD supported by MODIS surface reflectance data

The high spatial resolution and temporal observation frequency of HJ-1/CCD make it suitable for aerosol monitoring. However, because of the lack of a shortwave infrared band, it is difficult to use HJ-1/CCD imagery to retrieve aerosol optical depth (AOD). We developed a new algorithm for HJ-1/CCD AOD retrieval by introducing MODIS surface reflectance outputs (MOD09) as support. In this algorithm HJ-1/CCD blue band surface reflectance was retrieved through MOD09 blue band surface reflectance by band matching of the two sensors. AOD at 550 nm was then generated through a pre-calculated look-up table for HJ-1/CCD. Eighteen HJ-1/CCD images covering the Jing-Jin-Tang (Beijing-Tianjin-Tangshan) region were used to retrieve AOD using the new algorithm, and the AODs were then validated using AERONET ground measurements in Beijing and Xianghe. The validation shows that compared with AERONET ground measurements, 27/29 AODs have error less than 0.1 in absolute value.     

HJ-1B/IRS热红外数据反演太湖水温的方法比较

太湖是我国典型的富营养化湖泊,水温是影响太湖藻类生长的重要环境因子之一,我国环境减灾卫星HJ-1B搭载的红外多光谱相机IRS对太湖水温动态遥感监测具有较大的性能优势.利用6景过境太湖的IRS热红外遥感影像,分别采用单通道普适性算法、辐射传输模型法和单窗算法反演太湖水温,并与实测水温和同期的TERRA/MODIS温度产品进行对比.结果表明,普适性单通道算法反演水温偏高,而辐射传输模型法和单窗算法则偏低;3种算法反演水温的均方根误差在1.001 K以内,单窗算法反演精度最高,其次是辐射传输模型法,再次为普适性单通道算法,而同期MODIS温度产品的均方根误差为1.507 K.3种算法从IRS热红外数据反演的水温直方图均呈正峰态、尖峰状态分布,反演结果能真实地反映太湖水温的空间分布特征.本研究对只有单个热红外通道的卫星传感器开展内陆水体水温遥感监测具有一定的参考意义.     

Detection of the urban heat island in Beijing using HJ-1B satellite imagery

Satellite images are used extensively in studying the urban heat island (UHI) phenomenon. We evaluated the suitability of thermal infrared (TIR) data from the HJ-1B satellite for detecting UHI using a case study in Beijing. Two modified algorithms for retrieving the land surface temperature (LST) from HJ-1B data were tested. The results were compared with LST images derived from a Landsat TM thermal band and the MODIS LST output. The spatial pattern of UHI generated using HJ-1B data matched well with that produced using TM and MODIS data. Of the two algorithms, the mono-window algorithm performed better but further tests are necessary. With more frequent coverage than TM and higher spatial resolution than MODIS, the HJ-1B TIR data present a unique opportunity to study thermal environments in cities in China and neighboring countries.

     

Assessment of the MODIS global evapotranspiration algorithm using eddy covariance measurements and hydrological modelling in the Rio Grande basin

Abstract

Remote sensing is considered the most effective tool for estimating evapotranspiration (ET) over large spatial scales. Global terrestrial ET estimates over vegetated land surfaces are now operationally produced at 1-km spatial resolution using data from the Moderate Resolution Imaging Spectroradiometer (MODIS) and the MOD16 algorithm. To evaluate the accuracy of this product, ground-based measurements of energy fluxes obtained from eddy covariance sites installed in tropical biomes and from a hydrological model (MGB-IPH) were used to validate MOD16 products at local and regional scales. We examined the accuracy of the MOD16 algorithm at two sites in the Rio Grande basin, Brazil, one characterized by a sugar-cane plantation (USE), the other covered by natural savannah vegetation (PDG) for the year 2001. Inter-comparison between 8-day average MOD16 ET estimates and flux tower measurements yielded correlations of 0.78 to 0.81, with root mean square errors (RMSE) of 0.78 and 0.46 mm d^-1, at PDG and USE, respectively. At the PDG site, the annual ET estimate derived by the MOD16 algorithm was 19% higher than the measured amount. For the average annual ET at the basin-wide scale (over an area of 145 000 km²), MOD16 estimates were 21% lower than those from the hydrological model MGB-IPH. Misclassification of land use and land cover was identified as the largest contributor to the error from the MOD16 algorithm. These estimates improve significantly when results are integrated into monthly or annual time intervals, suggesting that the algorithm has a potential for spatial and temporal monitoring of the ET process, continuously and systematically, through the use of remote sensing data.

Editor D. Koutsoyiannis; Associate editor T. Wagener

Citation Ruhoff, A.L., Paz, A.R., Aragao, L.E.O.C., Mu, Q., Malhi, Y., Collischonn, W., Rocha, H.R., and Running, S.W., 2013. Assessment of the MODIS global evapotranspiration algorithm using eddy covariance measurements and hydrological modelling in the Rio Grande basin. Hydrological Sciences Journal, 58 (8), 1658–1676.     

离散型湖泊水体提取方法精度对比分析

基于卫星遥感的陆地水体提取方法多种多样,并且应用广泛.对于水体分布支离破碎的枯水期湖泊,准确的水体提取方法尚不明晰,直接影响湖泊水域面积的提取精度.以鄱阳湖湖区为研究对象,利用ALOS遥感影像,以2.5 m高分辨率全色波段融合影像非监督分类(ISODATA)得到的水体面积为参考值,分别使用归一化水体指数(NDWI)法、NDWIISODATA法和基于近红外(NIR)的ISODATA法提取了10 m分辨率的水体分布,分析了不同方法提取结果之间的差异性及产生原因.结果表明:3种方法均可以较好地提取出水体,但利用ISODATA法提取的水体细部信息更为明显,面积值较NDWI法更大;相对于近红外单波段而言,基于NDWI图像的ISODATA法提取水体的精度更高.纵观3种方法,基于NDWI图像的ISODATA法提取的水体精度最高,基于近红外波段的ISODATA法提取结果次之,NDWI阈值法的提取效果最差.研究结果对于离散型湖泊水体提取方法及数据源的选择等具有重要的借鉴和参考意义.     

Evaluating the SEBS‐estimated evaporative fraction from MODIS data for a complex underlying surface

With the complex nature of land surfaces, more attention should be paid to the performance of remotely sensed models to estimate evapotranspiration from moderate and low spatial resolution data. Taking into account the characteristic of a stable evaporative fraction (EF) in the daytime, this paper uses the surface energy balance system (SEBS) to estimate the EF from MODIS data for a subtropical evergreen coniferous plantation in southern China and evaluates the stability of the SEBS model in estimating the EF under complex surface conditions. The results show that the SEBS‐estimated EF is larger than the measured EF partly because of the serious lack of energy‐balance closure. This difference can be largely reduced by the residual energy correction method. More evaporative land cover within the MODIS pixel is a main reason for the overestimated EF. SEBS underestimates sensible heat flux, and the underestimation of surface available energy also contributes to the overestimation of the EF. The EF estimated from MODIS/Terra data is in agreement with that from MODIS/Aqua data with a coefficient of determination (R²) of 0.552, a mean bias error (BIAS) of 0.028, and a root mean square error (RMSE) of 0.079, which is consistent with the result from in situ measurements. In addition, the estimation of surface available energy from remotely sensed data is evaluated on this complex underlying surface. Compared with in situ measurements, the available energy is underestimated by 28 W m^?2 with an RMSE = 50 W m^?2 and an R² = 0.87. Copyright © 2012 John Wiley & Sons, Ltd.     

基于无人机和卫星遥感影像的升金湖草滩植被地上生物量反演

湿地植被地上生物量是衡量湿地生态系统健康状况的重要指标,对于珍稀水禽越冬繁殖、全球碳循环、生态净化具有重要意义,是生态学与遥感解译的研究热点之一.针对于地上生物量的测算,卫星遥感数据覆盖范围广但其空间分辨率较低,无人机遥感数据空间分辨率高但采集范围小,同时受湿地面积、观测系统及外界环境等条件的影响,使得遥感影像地上生物量反演更加复杂和困难.本研究基于无人机和高分一号数据对升金湖草滩植被地上生物量反演进行研究,结合升金湖保护区4个样区无人机可见光影像与相应样区实测样本数据,建立地上生物量与可见光波段、多种可见光植被指数的线性、幂函数、多项式、对数回归模型,并通过可决系数（R²）、平均绝对误差（MAE）和均方根误差（RMSE）对模型进行精度评价,选择最优模型对无人机影像进行地上生物量反演;通过可见光波段反演得到的生物量,与高分一号WFV归一化差分植被指数（Normalized Difference Vegetation Index,NDVI）影像相结合进行回归建模,获取整个升金湖草滩植被地上生物量分布.结果表明,利用无人机红光波段建立的多项式方程对地上生物量反演有着最高模拟精度,R²=0.86、预测精度MAE=111.33 g/m²、RMSE=145.42 g/m²,且红光波段生物量反演方法得到的结果与实际生物量分布一致性较高,高分一号WFV NDVI与无人机反演生物量构建的多项式模型为最优模型,R²为0.91.本研究利用无人机和高分一号数据进行生物量反演研究,整合多源遥感数据优点,以获取更加丰富和准确的信息,进而提高地上生物量反演精度,为湿地监测和湿地恢复管理提供数据和技术支撑,具有重要研究意义和应用价值.