基于MODIS数据的水体识别指数方法的比较研究

从典型地物光谱曲线分析入手,MODIS数据的第7、2、1波段对植被、陆地、水体区分明显。本文对长三角太湖流域地区,采用MODIS数据以五种常水体识别进行水体信息提取,然后分别从目视解译效果、水体区分度的计算和提取的水体面积三方面来对这五种指数方法进行比较和评价。结果表明,在应用MODIS数据进行水体识别时,比值植被指数（RVI,Ratio Vegetation Index）和混和水体指数（CIWI,Combined Index of Normalized Difference Water Index）模型的目视解译效果较好,且CIWI指数具有水陆区分度较大和水体面积提取精度较高的优点。     

城市热岛效应的卫星遥感分析

利用MODIS资料研究了2004年4月南京城市热岛特征及其影响因子,结合地表覆盖类型分析了植被归一化指数(Normalized Difference Vegetation Index,NDVI)、地表温度(ts)、地表反照率(α)的城乡差异及其相互关系,探讨了城市热岛(Urban Heat Island,UHI)效应形成的机制.结果表明:南京城区存在着明显的城市热岛效应;城市平均ts比乡村高约10.83%;城市NDVI和α分别比乡村低约为62%和18.75%;NDVI与ts呈负相关,相关系数为-0.73,而NDVI与α之间关系与波段有关;城乡植被覆盖差异是造成UHI的主要原因,其次是地表反照率.     

中南半岛春季植被覆盖变化及其与ENSO的联系

利用归一化植被指数NDVI（Normalized Difference Vegetation Index）、气候资料以及环流场数据,探讨了中南半岛地区植被覆盖变化特征及其与ENSO（El Niño-Southern Oscillation）的联系。研究表明,降水是影响春季植被生长的主要因子,与NDVI呈显著的正相关关系;而温度、辐射与NDVI呈负相关关系。进一步分析表明,当前期冬季赤道中东太平洋海温异常偏暖（发生厄尔尼诺事件）时,中南半岛附近海平面气压偏高、850 hPa风场辐散,上升运动偏弱,不利于云和降水形成,而有利于太阳辐射增加和温度升高,降水减小和温度升高均抑制春季中南半岛植被生长;反之,当前期冬季发生拉尼娜事件时,有利于中南半岛植被生长。     

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。     

NPP-VIIRS卫星在西藏植被监测中的应用研究

基于GIS空间分析和数学统计方法,利用TERRA、AQUA和NPP-VIIRS卫星数据反演了西藏日土县植被归一化指数（Normalized Difference Vegetation Index,NDVI）,并对不同卫星传感器反演结果的一致性进行了检验评估。结果表明:NPP-VIIRS卫星反演的NDVI值略大于TERRA和AQUA的反演值,其估算结果与MODIS卫星估算值存在较好的相关性。NPP-VIIRS卫星可以用于西藏高原植被长势监测工作,为西藏生态文明高地建设提供更加丰富的遥感数据支撑。      

基于植被供水指数的农田干旱遥感监测研究

应用1995-2000年NOAA卫星资料，结合广西贵港市的数字化土地利用信息，通过时序分析方法找出典型作物代表区，并计算各典型代表区的平均、最大、最小VSWI（Vegetation Supply Water Index；植被供水指数）特征值，归纳分析水田和旱地的干旱指标，继而根据典型代表区的平均VSWI值划分旱情等级，生成农田旱情遥感图像，评估干旱情况。试验表明，该方法可用于湿润、半湿润地区的农田干旱遥感监测。     

辽河保护区生态恢复遥感分析

利用2009年和2011年分辨率为10 m的法国SPOT卫星和日本ALOS卫星遥感资料,以ArcGIS9.3软件ArcMap模块为平台,采用人机交互目视解译对辽河保护区地类特征进行提取,对辽河保护区生态恢复状况进行监测分析。结果表明：2009年保护区土地利用类型以旱田、芦苇型湿地和水域为主,三种土地类型所占比例为72.9 %;2011年土地利用类型主要以水域、芦苇型湿地和草地为主,三种土地利用类型所占比例为62.9 %。 2011年保护区土地利用变化主要表现为旱田大幅度转出,转化为水域、草地和林地,与2009年相比,耕地显著减少,植被覆盖度增加了15.4 %。     

中国农田下垫面变化对气候影响的模拟研究

使用同期的美国国家环境预报中心/能源部(NCEP/DOE)再分析资料驱动区域气候耦合模式AVIM-RIEMS2.0,从遥感卫星图像资料中获取3期中国土地利用/覆盖数据中的农田植被类型,将其分别引入到AVIM-RIEMS2.0模式进行积分,研究中国农田下垫面变化对东亚区域气候的影响。结果表明:中国农田变化对气候影响具有冬季弱、夏季强的季节性变化,夏季气温和降水的差异在一些地区通过了95%的显著性检验;20世纪80年代农田扩张,林地、草地为主的植被类型转化为农田,植被变化区域的叶面积指数降低,反照率升高,且通过了95%的显著性检验,使得中国东部地区的气温由南到北呈现增加—减少—增加—减少的相间变化趋势,而降水的变化趋势大体相反;20世纪90年代农田面积减少,除东北地区外,农田变化引起的植被变化与80年代基本相反,叶面积指数变化、反照率以及由此导致的气候各要素也呈现大体相反的变化趋势;不同时期农田变化引起的植被类型转化的差异,使850 hPa风场变化趋势基本相反,可能是导致气温和降水变化趋势差异的主要原因之一。     

基于随机森林和卷积神经网络的FY-4A号卫星沙尘监测研究

利用归一化差值沙尘指数NDDI(Normalized Difference Dust Index)、随机森林RF(Random Forests)和卷积神经网络CNN(Convolutional Neural Networks)算法结合对地静止风云四号气象卫星(FY-4A)中多通道扫描成像辐射计AGRI(Advanced Geostationary Radiation Imager)数据对塔里木盆地沙尘进行监测研究。结果表明,AGRI数据计算得NDDIAGRI沙尘指数在监测沙尘时,需要针对不同时间的AGRI数据取不同的阈值;并且对云和陆地的交错区域,以及一些植被覆盖和荒漠交错区域存在错误识别。RF建立的沙尘监测模型,测试样本精确度(Precision)、召回率(Recall)、F1-score的值都达100%,训练样本的交叉验证精度平均值为99.5%;CNN模型中,训练样本和测试样本的精确值(Accuracy)和损失函数值(Loss)都分别为99.9%和0.1%;因此RF和CNN模型都具有较强的沙尘监测能力。在实际沙尘监测中CNN相比RF在识别沙尘与非沙尘交界处更加精确,RF和CNN在沙尘识别过程中都易将部分沙尘与云混合区域以及戈壁错误识别成沙尘。     

陕北植被变化遥感监测及对径流的影响

陕北北部是我国水土流失最为严重的地区,年输入黄河的泥沙量占全河的38%。1999年实施退耕还林草工程后,退耕还林草面积达9617.2 km2。利用1998-2004年NOAA卫星遥感资料,计算陕北北部地区归一化植被指数,发现陕北植被指数增幅在50%-200%之间,其中吴旗县增幅最大。对延安北部及榆林市1998-2004年降水量资料分析,得出植被指数增加是退耕还林草工程初见成效,不是由于降水变化引起的。利用1980-2004年吴旗县气象站观测的降水量和水文站所测径流量进行时间序列相关分析、典型年对比分析,得出该县植被变化对年径流量产生了影响,年径流量和泥沙量减少近一半,对保持水土有积极意义。     

柳州新一代天气雷达通风系统的改进措施

通过对1994年8月4日与2004年9月16日若尔盖湿地TM影像1～5波段和7波段数据以及归一化植被指数(INDVI)、归一化水指数(INDWI)、归一化水分指数(INDMI)和改进的归一化水指数(IMNDWI)的分析,选择通道7、4、3合成假彩色图作为若尔盖湿地的目视解译图,确定了湿地的TM影像标志.分析结果表明,第7波段能较好地将沙地与其它地物区分,改进的归一化水指数与归一化植被指数之差是非常有效的水体提取因子.还制定了若尔盖湿地主要地物的自动判识流程.判识结果与目视解译结果非常吻合,1994年比1984年湖泊面积,沼泽湿地面积明显减小,而沙化地面积扩大.     

2000—2020年呼伦贝尔地区归一化植被指数时空变化及其对气候的响应

利用2000—2020年MOD13Q1和气象观测数据, 结合Sen趋势分析、M-K显著性检验、变异系数、Hurst指数、相关系数等对呼伦贝尔地区归一化植被指数(NDVI)时空变化及气候响应进行分析。结果表明: 呼伦贝尔地区多年生长季平均NDVI为0.63, 平均年变化倾向率为0.028/10 a, 大部分地区呈增加趋势, 其中大兴安岭森林大部及岭西耕地增加显著。呼伦贝尔地区生长季NDVI的平均变异系数为0.08, 其中呼伦贝尔草原西部的波动较大。Hurst指数表明, 呼伦贝尔地区生长季NDVI整体变化呈反持续性趋势, 结合现有NDVI变化趋势, 未来将呈下降趋势, 对生态环境的保护工作较为不利。大兴安岭森林生长季NDVI与气温呈正相关, 耕地与草原区呈负相关, 而呼伦贝尔大部分地区的生长季NDVI与降水普遍呈正相关, 其中呼伦贝尔草原和大兴安岭两麓耕地的生长季NDVI与降水相关显著, 说明气温是制约北部大兴安岭森林生长的主要因素, 而降水是制约呼伦贝尔草原生态平衡和农牧业发展的主要因素。     

2000-2013年新疆植被覆盖变化多尺度遥感分析

基于中等分辨率成像光谱仪(MODIS)8 d 500 m分辨率地表反射率数据生成归一化植被指数(NDVI)时间序列,利用线性回归、转折点检测和Mann-Kendall趋势分析方法,分析2000—2013年新疆地区植被覆盖时空变化格局,并结合Landsat数据分析典型区域植被变化。研究结果表明：近14 a来,新疆地区植被覆盖整体呈波动型上升的趋势,植被改善区面积占全区的34.02%,恶劣区的占3.20%,其中2000—2003年植被明显增长、2003—2009年的波动下降及2009—2013年的逐渐回升,植被增长显著的区域主要分布在准噶尔盆地南部和塔里木盆地北部绿洲;大多数植被类型NDVI呈增长趋势,其中增长率最高的是作物、开放灌丛和混交林,6种主要植被类型常绿针叶林、混交林、开放灌丛、多树草原、草原、作物呈现出相似的NDVI变化趋势;在植被覆盖变化显著的4个典型区,NDVI变化受土地覆盖类型变化的影响,荒漠、草地被开垦成农田导致NDVI增加,城市建成区扩张导致NDVI降低。     

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。     

植被温度条件指数在土壤墒情遥感监测中的应用

利用多年极轨气象卫星遥感资料,在计算出植被条件指数和温度条件指数的基础上,计算了遥感监测土壤墒情的植被温度条件指数(TV)。通过实测土壤湿度和TV的散点图,可以得到土壤墒情遥感模型的干旱等级指标,可用于干旱等级定性监测;通过建立土壤湿度和TV的回归方程,可进行土壤墒情定量监测。该方法兼有植被条件指数和温度条件指数的优点,且计算简单,对地面气象要素依赖性小,实时性好,在作物生长旺盛期,其定量反演0~30 cm土壤墒情精度平均可达80%以上,可以替代作物缺水指数法。     

Responses of Grassland and Forest to Temperature and Precipitation Changes in Northeast China

Using the Normalized Difference Vegetation Index (NDVI) as an indicator of vegetation growth, we explored the characteristics and differences in the response to drought of five vegetation biomes in Northeast China, including typical steppe, desert steppe, meadow steppe, deciduous coniferous forest and deciduous broad-leaved forest during the period 1982-2009. The results indicate that growing season precipitation may be the primary vegetation growth-limiting factor in grasslands. More than 70% of the temporal variations in NDVI can be explained by the amount of precipitation during the growing season in typical and desert steppes. During the same period, the mean temperature in the growing season could explain nearly 43% of the variations in the mean growing season NDVI and is therefore a dominant growth-limiting factor for forest ecosystems. Therefore, the NDVI trends differ largely due to differences in the vegetation growth-limiting factors of the different vegetation biomes. The NDVI responses to droughts vary in magnitude and direction and depend on the drought-affected areas of the five vegetation types. Specifically, the changes in NDVI are consistent with the variations in precipitation for grassland ecosystems. A lack of precipitation resulted in decreases in NDVI, thereby reducing vegetation growth in these regions. Conversely, increasing precipitation decreased the NDVI of forest ecosystems. The results also suggest that grasslands under arid and semi-arid environments may be more sensitive to drought than forests under humid environments. Among grassland ecosystems, desert steppe was most sensitive to drought, followed by typical steppe; meadow steppe was the least sensitive.     

基于资源卫星图像对NDVI进行大气修正的一种简单方法

在遥感应用领域，植被指数己被广泛用来定性和定量表征植被覆盖度及其生长状况。由于大气变化的影响，使植被指数未能真实反映地表植被的真实分布状况，造成其应用的局限性。提出了一种简易方法，仅通过中巴资源卫星(CBERS：China Brazil Environment Resoure Satellite)图像的第3、第4波段中的水体，推算卫星接收到的大气程辐射，消除了大气对归一化植被指数(NDVI：Normalized Differece Vege—tation Index)的影响，减小植被指数所受的大气影响。应用结果表明，该方法能使植被指数较好地反映植被的生长及分布状况。     

基于GWR模型的典型区域GPM数据降尺度研究——以浙江省为例北大核心

为提高研究区域的降尺度效果,基于地理加权回归法(Geographically Weighted Regression,GWR),选取全球降水计划(Global Precipitation Measurement,GPM)3IMERGM产品,以数字高程模型(Digital Elevation Model,DEM)作为控制解释变量,将其分别与解释变量水汽通量散度、气温构建两个降尺度模型、与解释变量归一化植被指数(Normalized Difference Vegetation Index,NDVI)构建对照降尺度模型,对浙江省进行降尺度研究。利用研究区域内气象站点的实测数据,对由不同解释变量构建的3个降尺度模型的降尺度结果进行对比分析及精度验证。结果表明:构建的3个降尺度模型中,引入解释变量水汽通量散度构建的降尺度模型的综合效果优于其余两种模型,水汽通量散度较NDVI、气温更适合作为解释变量。构建的降尺度模型有效地提高了GPM数据的空间分辨率(由0.1°提升至1 km),降尺度数据维持了精度且能够更真实反映研究区域内的降水量分布情况。     

强雷暴云中电荷多层分布与形成过程的三维数值模拟研究

通过建立云物理耦合电过程的冰粒子分档模式, 对北京一次强雷暴天气的云中空间电荷结构分布、 形成机制及放电过程进行了模拟分析研究。结果表明: (1) 云水含量主要通过感应起电来影响云水、 霰粒子之间的电荷转移, 然后再影响空间电荷分布。而包含了雨水后的液水含量主要通过非感应起电在不同含水量条件下的起电机制影响霰粒子同雪粒子 (或冰晶) 碰撞后转移电荷的极性与大小, 从而影响空间电荷结构。 (2) 微物理过程的不均匀性将导致水成物含水量源汇项的不均匀性。而这种不均匀性首先会使得水成物在不同垂直剖面上的分布也不均匀, 从而使得感应、 非感应起电变得更复杂。源汇项的不均匀性还会导致水成物之间因质量转移而产生的电荷转移也不均匀。 (3) 强的上升气流将冰相物携带到较高处, 从而使得水成物间发生电荷转移的高度也比较高。雪粒子在强上升气流上部及两侧区域出现多个含量中心, 霰粒子含量分布相对均匀, 而质量中心向背风侧倾斜。因此, 非感应起电过程主要发生在背风侧的辐散区域, 从而导致空间电荷也主要分布在该区域。强上升气流使得冰相水成物在不同区域出现含量中心, 使得同一冰相物在不同区域携带不同电荷 (尤其是在强风暴的成熟期), 从而使得空间电荷易于出现多层结构。 (4) 由于放电会改变空间电荷结构, 放电通道中的感应电荷会重新分配到各个水成物表面, 所以在微物理过程和动力过程等作用下, 在水成物质量转移过程中发生的电荷转移将会更加复杂, 从而使得空间电荷浓度分布更加复杂。但是该作用的重要性还需要进一步的研究。以上因子均是造成空间电荷多层分布的重要原因。