基于MODIS数据的一种土壤水分遥感监测方法研究

根据MODIS数据特点及水的光谱吸收特性,研究了MODIS第6、7、31波段数据与表层土壤水分含量之间的关系,并基于分析结果,选择6波段反射率和31波段亮温,建立了吉林省中西部10cm土壤含水量的双变量反演模型。经检验,模型可以应用于大范围的表层土壤水分监测,使用条件为裸土或植被覆盖较低土地。所建模型仅需一次白天过境的MODIS卫星晴空资料,即可完成对土壤表层水分含量的监测,弥补了土壤热惯量方法对遥感资料要求相对苛刻的缺陷。     

从MODIS资料提取土壤湿度信息的主成分分析方法

沿袭了遥感地物分类中K-L变换思想, 以归一化处理后的遥感数据, 结合地面土壤湿度观测数据, 应用主成分分析方法, 采用MODIS不同红外波段数据, 通过相关关系计算, 在监测结果中融合MODIS具有250 m分辨率的第2波段数据, 建立了青海省多维特征空间土壤湿度监测模型。模型的建立克服了热惯量法监测干旱需多时相遥感数据的缺陷, 经初步检验, 此模型可以在一定精度范围之内监测表层土壤湿度, 具有业务应用潜力。     

西藏高原土壤水分遥感监测方法研究

土壤水分是植物生长、发育的必要条件,是研究农牧业干旱程度的重要指标,监测土壤水分对农业、旱情、气候等具有重要意义。本研究分析了西藏高原实测土壤湿度与同期MODIS植被供水指数和波段7反射率之间的关系。结果表明,MODIS第7波段单窗算法是较为有效和简便的西藏高原土壤水分监测方法,对高原中部植被生长季基于MODIS波段7的二次多项式监测模型较好,而对整个高原非生长季三次多项式监测模型效果较好,MODIS第7波段同样可以用于高原农田土壤湿度的遥感监测。      

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。     

吉林省水田种植面积的遥感监测

根据水稻在不同发育期的地面光谱特征,确定了利用MODIS数据识别水田种植面积的最佳波段及最佳时相,在地理信息系统的支持下提取了吉林省2012年水田种植面积,并将提取的水田种植面积与基于TM影像水田种植面积进行对比分析。结果表明:利用MODIS数据与TM数据提取的面积对比,结果表明利用多时相MODIS数据进行水田种植面积监测是可行的。利用MODIS数据识别水稻的最佳波段组合是6、2、1波段,最佳时相为移栽期和分蘖期之间及灌浆至乳熟期之间。利用已有的TM数据或者MODIS数据提取的水田种植分布图为底图,能够适时地、快速地进行每年的水田种植面积动态变化监测。     

基于MODISL1B数据的川西高原森林火灾监测阈值研究

本文使用2009~2011年1~6月MODISL1B数据,经过云水掩膜,亮温反演,参照四川省护林防火办公室地面森林火灾观测资料,对四川省1、2季度火灾监测阈值进行了研究,提出了针对不同类型火灾监测的阈值范围,并对监测算法进行了适当修改。使用修改后的算法对2012年1~2月火灾进行了监测,精度达到87%,监测结果比MODIS14的火灾产品好。研究将监测火点与风场、土地利用数据叠加,并结合MODIS的7、2、1波段组合,提高了火点位置的准确度。     

EOS/MODIS遥感数据与应用前景

美国地球观测系统（EOS）的TERRA和AQUA卫星的中分辨率成像光谱仪（MODIS）具有36个波段和250－1000m地表分辨率，采取直接广播的形式下发数据，免费接收使用。MODIS遥感数据可广泛应用于地表覆盖变化、生物生产力和生态环境监测、气候预测和自然灾害监测（包括洪涝、干旱、森林草原火灾、雪灾、荒漠化）等领域。     

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遥感数据的混合像元分解技术研究和应用

使用郑州市MODIS（Moderate-Resolution Imaging Spectroradiometer）遥感数据,运用线性混合模型,对MODIS遥感数据进行混合像元分解技术研究。探讨了MODIS遥感数据的预处理、线性光谱分解模型、图像端元组分反射率的求取方法。把结果与分辨率较高的Landsat ETM＋图像分类结果进行对比,并根据得到的均方根误差（RMS;Root Mean Square）进行分析表明,利用这种像元分解方法得到的结果较为理想,MODIS数据可以有效地应用于遥感动态监测和土地覆盖分类研究。     

基于风云微波数据的中国冬小麦区干旱监测研究

微波数据能有效克服云层影响,实现土壤水分的全天候遥感监测,但仅局限于土壤表层(0~5 cm),无法客观反映耕作层土壤的实际干旱程度。本研究采用区间划分方法,分析逐日风云微波遥感数据(FY-3C/MWRI)反演的表层土壤水分各区间临界值与对应区间基于MODIS数据得到的温度植被干旱指数(TVDI)最大值的关系,建立2015—2016年冬小麦生育期内月尺度的FY-3C/SM-TVDI模型,初步实现冬小麦主要种植区内微波遥感监测10~20 cm深度土层旱情模型。在此基础上,利用2014—2015年数据进行模型验证。结果表明,模型总体构建效果较好,大部分模拟值与真实值差异不显著(P0.05),10月模拟值较真实值显著偏低(P0.05)。     

基于MODIS地表覆盖(LC)的森林火灾识别方法

通过分析MODIS多光谱地表覆盖产品,证明MODIS本身具有精确识别包括5种森林在内的IGBP 17种地表类型的能力,完全可以满足识别森林火灾的实际需要.在此基础上提出基于MODIS地表覆盖的森林火点识别方法,探讨使用MODIS地表覆盖数据识别森林火灾的数据处理操作过程.应用该森林火点识别方法,MODIS实时广播接收站可以建立一套由MODIS火点侦测模块和MODIS森林火点识别模块构成的完全基于自身数据的森林火灾监测系统.5种森林地表整体平均识别误差为3.5%,可以满足卫星遥感森林火灾监测系统要求.     

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.     

基于MODIS近红外数据的贵州高原大气水汽反演研究

根据MODIS卫星第18和19波段的波段特征,首先从理论上证明从这两个波段表观反射率的比值反演大气可降水量的可行性,其次利用MODTRAN模型按照中纬度冬季和夏季两种大气模式对该比值与大气水汽的关系进行模拟,并建立了反演大气水汽的公式.利用贵州地区高空探测数据对反演公式进行验证,并与EOS发布的MODIS近红外水汽反演结果进行比较,发现该公式的反演结果更接近实际探测的结果.由于在反演过程中不必考虑地表覆盖和反射率的差异,摆脱了传统的根据查找表反演水汽的方式,并且直接由18、19波段表观反射率的比值计算大气可降水量,相对于传统算法更易于业务化运行.     

基于水面实测光谱的太湖蓝藻卫星遥感研究

水体叶绿素a含量和蓝藻密度是评价水质污染的主要参数,对监测水体蓝藻水华有重要意义。该文利用2008年11月10日和11日太湖水面实测光谱及FY-3A/MERSI,AQUA/MODIS卫星的波段响应函数,计算了卫星波段的水体表面等效反射率。水体实测光谱显示蓝藻污染提高了近红外波段的遥感反射率,在蓝光波段和绿光波段有明显的吸收谷和反射峰。根据这一原理,该文建立了近红外和红光波段的比值指数RI模型,成功反演了太湖水体叶绿素a含量(均方根误差分别为0.0174 mg·L~(-1)和0.0188 mg·L~(-1))和蓝藻密度(均方根误差分别为247.21×10~6L~(-1)和275.64×10~6L~(-1))。这一结果为分析太湖水面光学特性、水质污染状况提供了重要依据。     

利用主成分分析法提取土壤湿度信息的技术方法研究

本文沿袭了遥感地物分类中K-L变换的思想,采用主成分分析法,应用MODIS数据的7、21、29、31四个红外波段,融合具有250m分辨率的2通道,建立了青海省多维特征空间土壤湿度监测模型。这种模型的建立克服了热惯量模型需要多时相数据的缺陷,也考虑了青海高原春季天气特征状况。经初步检验,此模型可以在一定精度范围之内监测表层土壤湿度,具有业务应用潜力。     

MODIS积雪遥感监测系统的研制

利用MODIS高光谱、多波段资料和气象台站观测资料，以逐步判别与Bayes判别等数学统计的方法结合不同目标物的光谱特性，同时考虑下垫面条件和季节等对积雪深度分布的影响，建立MODIS积雪深度回归模型；以面向对象的编程技术，采用Microsoft Visual C＋＋．NET软件开发工具，通过“类”概念的设计方法，建立MODIS积雪遥感监测业务系统，计算出积雪面积、覆盖度、各层雪深、雪水当量等多个反映测区积雪总量的物理参数，制作出各类积雪产品。该系统投入业务试运行后，系统运行稳定可靠并在2006年度冬季北疆地区雪灾监测服务和2006年新疆春季洪涝灾害决策服务中发挥了重大作用。     

基于Sentinel-3条件植被温度指数的关中平原干旱监测

基于Sentinel-3数据计算多年条件植被温度指数（IVTC）,并进行近实时定量干旱监测,以陕西省关中平原为研究区,在单年Sentinel-3数据的基础上综合多年Terra MODIS数据计算多年Sentinel-3 IVTC,进而实现研究区的干旱监测。研究结果表明,基于单年Terra MODIS IVTC与多年Terra MODIS IVTC之间的线性回归模型计算关中平原的多年Sentinel-3 IVTC是可行的,并且计算的旬尺度多年Sentinel-3 IVTC与近20 d累积降水量具有较高的相关性,相关系数（R2）达到065,展现了较高的近实时定量干旱监测能力。     

应用6S模式对EOS-MODIS可见光到中红外波段的大气订正

应用6S辐射传输模式对MODIS可见光到中红外波段的反射率进行大气订正，订正过程分两步进行:首先设定地表为朗伯体，再应用二向反射模型BRDF进行订正，订正结果与美国MODIS研究组应用MAS实验结果进行比较表明，两者变化趋势是一致的；经过臭氧、水汽、气溶胶等散射吸收订正，对于一定范围的反射率，大气订正使植被区红光波段反射率ρ₁降低、近红外波段反射率ρ₂增加，蓝光波段反射率ρ₃降低；大气订正后，归一化植被指数I_NDV较大气订正前有所增加，增加的最大值为0.104，抗土壤-大气植被指数IEV值略有减小，减小的最大值为0.005。     

安徽省MODIS干旱监测技术研究

为了更有效地监测安徽省农业干旱,以安徽省半湿润区、过渡区为研究对象,利用MODIS资料,在对比分析了基于植被供水指数和温度植被干旱指数两种干旱监测方法基础上,结合已业务应用的农业干旱指标累积湿润指数,开展安徽省分时段的晴空遥感干旱监测研究,建立并确定了部分时段半湿润区、过渡区的MODIS植被供水指数和温度植被干旱等级标准,同时结合当地台站监测土壤墒情对干旱监测进行检验。结果表明,作物生长季节VSWI、TVDI与累积湿润指数存在相关性,两种方法建立指标和模型可以用来分时段进行区域干旱监测,得出了初夏旱TVDI更适合于研究区域的干旱监测。     

基于EOS/MODIS资料的沙尘遥感监测模型研究

在EOS MODIS资料可见光波段光谱特性的深入分析的基础上，提出了一种完全用MODIS可见光波段监测沙尘信息的技术方法。充分利用MODIS资料可见光范围波段划分细致的特点，构造了不同的光谱特征判别函数作为决策树的分支，最后用决策树法成功地对几次沙尘暴过程进行了沙尘信息遥感监测。结果表明，该方法具有良好的效果和实用性。