MODIS影像水体监测方法研究进展

水体与植被、城市、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.在水体光谱特征分析的基础上,介绍了MODIS数据特征以及各种水体信息的提取方法,比较了这些方法的优点和不足,并详细描述了各种水体指数的应用效果.水体指数法是目前最受关注的水体识别方法.综合利用各种水体指数和波段特征来提取水体信息,可有效排除其他地物的干扰,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迅速提供可靠的数据.     

利用HJ-1卫星数据监测山区水库资源

遥感技术能够快速、宏观地获得研究区域的数据,已成为湖泊环境动态变化监测的重要技术手段。但是对于山区的湖泊和河流而言,由于沟壑众多,河道狭窄,水体像元多为混合像元,利用现有方法提取水体遥感影像难度较大。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。本文在水体光谱特征分析的基础上,描述了HJ-1卫星数据特征及所采用的山区水体信息的遥感提取方法,并以南湾水库为例,描述了利用植被指数(NDVI)方法识别水体信息的技巧:首先将HJ-1数据的第3和第4波段经过波段运算得到NDVI图像;再将两种遥感图像中NDVI值小于0的像元判识为水体,NDVI值大于0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;最后在各种专业软件的支持下,结合非监督分类的水体识别效果,将水体与其他地物类型区分开来。结果表明,利用HJ-1卫星数据可有效排除其他地物的干扰,显著提高水体监测的精度。     

地物光谱仪在野外光谱测量中的应用初探

野外地物光谱测量在航天航空传感器定标、遥感数据解译、遥感应用潜力研究以及地质填图等方面得到广泛应用。野外采集准确的地物波谱需要熟知各种目标波谱曲线的影响因素。文章通过分析同一时间段不同地物反射率曲线及不同时间段同一地物反射率曲线，探讨了影响地物光谱测量的因素。     

北疆一些水域光谱特征浅析

通过野外实地测试，对北疆地区的一些水体及其周边的地物进行了光谱特征的探讨，得出了北疆水域的一些光谱上的变化。     

洪涝淹没范围的遥感监测研究

通过对NOAA／AVHRR遥感图像数据的地物光谱特征和水体信息的分析，结合水体光谱和空间特征，确定洪涝淹没范围的自动提取模型。     

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。     

长江上游MODIS影像的水体自动提取方法

利用MODIS资料,分析了长江上游不同水体及其它主要地物在1～7通道的光谱特征,分析发现,水体混合像元在可见光的光谱特征与山体的阴影、云的阴影、城镇等的光谱特征具有很好的相似性,仅采用近红外波段和红光波段的方法不能有效提取出研究区的水体.提出综合采用归一化差分水指数、积雪指数以及可见光、近红外多通道信息的方法,逐步提取出研究区的水体及混合水体像元.     

洪涝淹没范围的遥感监测研究

通过对NOAA/AVHRR遥感图像数据的地物光谱特征和水体信息的分析 ,结合水体光谱和空间特征 ,确定洪涝淹没范围的自动提取模型。     

MODIS资料在2003渭河洪涝灾害动态监测中的应用

本文通过对MODIS资料中植被、水体、土壤等不同地物的光谱特性进行分析,得出了可用于洪涝监测的通道,并提出了MODIS洪涝监测遥感资料处理流程和水体的量化判识指标。利用上述流程、方法和判识指标对2003年渭河流域发生的近50a来最严重的洪涝灾害的整个发生和发展过程实施了动态监测,制作了MODIS渭河遥感洪涝监测动态变化图像和水情专题图,并估算了淹没面积。为政府和防汛部门科学有效地组织救灾提供了可靠依据。     

遥感影像分类方法在水体面积估算中的比较研究

随着遥感技术的广泛应用,利用遥感影像提取水体信息为水文研究提供了基础数据.目前进行水体提取所使用的遥感数据分辨率较低,影响了水体提取的精度.Landsat TM遥感影像主要依据水体在7个波段上光谱的不同特征以及其他地物与水体的区别,通过分析水体及背景地物的光谱值,利用单个波段或多个波段组合来提取水体信息.以昭平台水库的TM数据为例,对其进行了几种提取水体信息方法的研究.通过总体精度及Kappa系数的对比,选择最优分类方法,并将该方法用于水体面积的估算.     

基于MODIS数据的增强型土壤表层水分含量指数模型构造与应用

土壤水分含量对光谱变化的影响和植被冠层的光谱反射率是干旱最重要和最直接的指标.根据水的吸收率光谱变化特征和绿色植物有效光谱响应特征曲线,在前期提出的地表含水量指数(SWCI)的基础上,增加MO-DIS通道1的红光光谱,以增强植被对光谱吸收的变化反应,可应用于大范围且快速的浅层土壤墒情遥感监测.通过与土壤表层水分含量指数(SWCI)对比分析发现,在对浅层(0～30 cm)土壤水分进行监测时,ESWCI比SWCI更为敏感,这将有助于在实时干旱动态监测中更好地提高监测精度.     

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。     

地表光谱特征

本文主要介绍地面植被、土壤、水和雪的光谱特性。实验得到的各种反射谱曲线,对卫星遥感波段的选择和遥感资料反演都是非常有用的。     

MODIS巢湖水体叶绿素a浓度反演模型

对大面积水体进行水质遥感监测是比较典型的水体环境监测手段。该文利用地物光谱仪测定了巢湖水面的光谱反射率, 收集了相应时间的MODIS数据, 经过预处理之后, 首先分析了巢湖水面光谱特征, 并对实测水体反射率与实测叶绿素a之间的关系进行统计拟合计算。在经过MODIS大气校正后, 得到1~7通道的地表反射率。利用大气校正后的EOS/MODIS数据, 选择最佳通道组合, 定义了叶绿素a指数I_Chla, 建立了MODIS巢湖叶绿素a浓度的反演模型, 检验得到相关系数为0.5079。     

西北地区典型地物光谱数据库建设

使用FieldSpecProFR2500便携式光谱仪,在甘肃典型区域,测定了一些特色农作物和典型植被的反射光谱。利用计算机编程技术,建立了西北地区典型地物光谱数据库。文章主要介绍了光谱数据的采集,数据库系统的建立过程以及数据库的应用和存在的一些问题。     

MODIS图像的薄云透明云检测

基于云与土壤、植被、冰雪、水体等目标的光谱差异,本文结合MODIS影像的波段范围,提出了一种对不同下垫面通用的多光谱云检测算法。同时,本文还加入了大气可降水量指标,用以对基本云区进一步检测,最终实现薄云、透明云的检测。试验证明:通过水汽反演结果的不同,薄云、透明云能够被有效检测。     

基于TM卫星影像获取北京市水体密度指数与植被覆盖指数的方法

以北京市为研究区域,分析了该区域的TM(Thematic Mapper;专题制图仪)卫星影像特征,探讨了水域、农田、林地、草地、城市用地以及云和云影在TM的7个波段上的光谱可分性,提出了NDCI(Normalized Difference Cloud Index;归一化云指数),分析建立了基于NDCI、NDVI(Normalized Difference Vegetation Index;归一化植被指数)、NDBI(Normalized Difference Built-up Index;归一化建筑指数)、MNDWI(Modified Normalized Difference Water Index;改进型归一化水体指数)和坡度数据的简单决策树模型,对研究区的几类主要地物、云和云影的信息进行了提取,并对结果进行了精度评价.在GIS支持下计算了水域、林地、草地和农田的面积,计算了北京市2005年第3季度的水体密度指数和植被覆盖指数.结果表明:该方法的总体提取效果较好,在分类过程中阈值的选取简单、有效,分类结果能够满足计算水体密度指数和植被覆盖指数的要求,从而将遥感技术运用到生态质量气象评价中去,并取得了较为满意的结果.     

基于高分一号影像的武汉市洪涝遥感监测与分析

2016年6月30日—7月6日,强降雨引发了武汉及其邻近地区多处的城市内涝及河堤溃坝等严重洪涝灾害。以洪涝前后高分一号(GF-1)WFV影像和2015年30 m土地覆盖类型图为数据源,在分析典型地物与洪涝期不同水体的GF-1光谱曲线特征的基础上,对比NDWI阈值法与面向对象分析法提取研究区各类水体信息的适宜性,采用最优算法对武汉市洪涝灾害范围进行识别和判定。结果显示,面向对象分类法对洪涝期不同城市水体类型的遥感提取结果总体上要优于水体指数阈值法提取结果;城市郊区由河水漫堤和河堤溃坝等原因导致的洪涝淹没范围可以通过GF-1 WFV数据有效地进行识别。该研究成果可以对国产高分一号影像在城市洪涝灾害监测气象业务服务提供科学参考。     

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。     

土壤有机质高光谱估算研究进展

土壤有机质是土壤的重要组成部分,对许多土壤属性有重要影响.利用光谱技术进行土壤有机质的快速测定是实现精细农业的基础.近几十年中,高光谱技术的发展为土壤研究提供了新的手段.受土壤有机质质量分数、组成以及土壤水分、土壤质地的影响,室内光谱的估算结果总体较好;受大气、地表植被等影响,航空或卫星的成像光谱估算精度较低.星载成像技术的进步将在一定程度上提高土壤有机质的估算精度,为快速、大范围土壤有机质质量分数的遥感制图提供技术支持.