采用6S模型的多时相MODIS植被指数NDVI归一化方法

基于6S辐射传输模型,对连续6个时相的MODIS影像进行逐像元大气校正获取地表反射率,以此实现MODIS NDVI的时相归一化。归一化后,地物NDVI的时相趋势与校正前相比差异显著,能更加准确地描述地物随时间变化的规律,在浓密植被区域表现更为明显。开展对NDVI时相归一化的研究,对全球变化、作物物候监测等遥感时序分析相关应用具有着重要的意义和实用价值。     

粗糙度对被动微波遥感反演土壤水分影响的试验研究

土壤水分是气象预报、农情监测及水文模型的重要参数之一,利用被动微波遥感技术可以有效获取土壤水分。本文分析被动微波遥感反演土壤水分的国内外研究现状,在前人相关理论与方法的研究基础之上,基于土壤的微波辐射特性,通过双波段(C、Ku)微波辐射计对不同水分、不同表面粗糙度的土壤微波辐射特性进行了试验研究,分析土壤湿度与微波发射率、土壤粗糙度与微波遥感指数之间的定量关系,并建立了土壤湿度与微波发射率、粗糙度与微波遥感指数间的经验模型。     

用被动微波AMSR数据反演地表温度及发射率的方法研究

 针对对地观测卫星多传感器的特点，提出了借助MODIS地表温度产品从被动微波数据中反演地表温度的方法。即利用MODIS地表温度产品和AMSR不同通道之间的亮度温度，建立地表温度的反演方程。该方法克服了以往需要测量同步数据的困难，为不同传感器之间的参数反演相互校正和综合利用多传感器的数据提供实际应用和理论依据。文中以MODIS地表温度产品作为评价标准，对方法进行检验，其平均误差为2~3℃。另外，微波的发射率是土壤水分反演的关键参数，在对微波地表温度反演的基础上，进一步对发射率进行了研究。     

MODIS和HJ-1 CCD数据时空融合重构NDVI时间序列

遥感数据反演高时空分辨率NDVI对监测植被动态变化过程具有重要意义,然而受天气影响,单颗卫星难以提供时间连续的高空间分辨率NDVI数据。以华北平原中东部为实验区,联合HJ-1 CCD数据和MODIS数据,对STARFM算法进行了改进,(1)考虑了不同地物对光谱响应的差异,为减少分类错误利用统计学上()对分类数据进行筛选,按照不同地物类型分别利用线性拟合方法修改光谱距离权重;(2)定义了预测半径,对HJ-1 CCD数据因外界影响而缺失的影像进行了预测。结果表明,与真实影像相比,预测结果呈现了较好的空间一致性,相关系数均达到了极显著相关,改进算法的预测精度要高于原算法。利用该方法将HJ-1 CCD NDVI的空间变化信息与MODIS NDVI时间变化信息有机结合重构了高时空分辨率NDVI序列,有效补充了HJ-1CCD NDVI的缺失数据集。     

MPDI在微波辐射计植被覆盖区土壤水分反演中的应用

大尺度上的土壤水分变化监测对于建立全球的水循环模型意义重大，是实现气候变化预测和洪涝监测的基础。星载辐射计为实现大尺度上土壤水分的监测提供了监测途径。但是在星载辐射计观测时，地表植被层的吸收和散射作用会对土壤向上的微波辐射产生衰减影响，这种影响在反演土壤水分的过程中必须予以计算和消除。原有的反演算法中，在计算这部分影响的时候，需要大量的关于地表植被状况的辅助数据，而这些即时的辅助数据往往不易获得。以AMSR—E数据为例，研究证明了微波极化差异指数（MPDI）能够反映地表植被覆盖状况。以中国华北、华东地区为实验区，选择2004年4月8日的AMSR—E亮温数据和MODIS数据为样本数据，建立起MPDI与NDVI之间的负指数关系方程。基于对NDVI的认识，得到植被覆盖度高、中、低三种状况所对应的MPDI域值，以此域值为依据对中等植被覆盖度地区作出自动判断，并用MPDI计算植被层不透明度。     

基于Landsat影像的江苏省土壤水分反演

土壤水分是土壤监测中的一项重要指标,监测土壤水分对区域生态环境保护与可持续发展具有重要意义。本文基于Landsat-8遥感影像数据,构建地表温度与植被指数的Ts/NDVI特征空间,对特征空间的干、湿边方程采用线性、指数、对数、多项式和幂函数拟合,通过决定系数R²对拟合结果进行评估,在选取最适合江苏省的干湿边拟合方程后,计算TVDI对江苏省的土壤水分进行反演。反演结果表明,全省土壤水分空间分布较为均匀,在降水较少的冬季,淮北及江淮局部地区易显露旱象。     

光学与微波数据协同反演农田区土壤水分

光学和微波协同遥感反演对于提高农田土壤水分遥感反演精度十分重要。本文采用SMEX02数据集,研究了L波段土壤发射率与地表土壤水分之间的关系,分析了地面植被覆盖对L波段土壤发射率与地表水分之关系的影响规律,推导了以L波段土壤发射率和归一化植被指数NDVI为自变量的土壤水分反演模型。研究表明:L波段土壤发射率与地表土壤水分之间的相关性随NDVI的增加而下降。验证结果表明,本文算法相对常规经验算法,土壤水分反演精度明显提高,H极化条件下,土壤水分的反演精度RMSE由0.0553提高到0.0407,相关系数R2由0.70提高到0.81;V极化条件下,反演精度RMSE由0.0452提高到0.0348,相关系数R2由0.79提高到0.86。     

融合地物类别信息的NDVI尺度转换模型构建及 MOD13 Q1产品真实性检验

提出融入中高空间分辨率遥感影像精确地类识别信息,以改进传统的Chen NDVI尺度转换模型的方法,并基于两个模型共同进行MODIS 250 m 16 D合成植被指数产品MOD13 Q1(MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid)真实性检验。研究以地类丰富的厦门市作为研究区主体,并以30 m Landsat8陆地成像仪OLI(Operational Land Imager)影像作为验证数据,实践了上述方法。实验结果表明:MOD13 Q1产品总体质量较好,但是存在偏高估计的问题,尤其是对人工地物更为明显,在实际应用中应予以关注;融入精细地类信息的改进Chen NDVI模型相比较融入粗略地类信息的传统Chen NDVI模型,升尺度转换结果无显著差异,但是前者在精细、定量刻画"不同地类对NDVI尺度效应影响"方面更有优势,这对遥感地表参数尺度效应研究具有重要的启示意义。     

耦合MODIS数据的SMAP被动微波土壤水分空间降尺度研究——以闪电河流域为例

土壤水分不仅是陆面过程中重要的变量,同时也是全球水循环中的关键参数。为了获得高分辨率的土壤水分数据,本文将基于自适应窗口的土壤水分降尺度方法应用在闪电河流域,以1 km MODIS产品(地表温度和归一化植被指数)作为辅助数据,对9 km的SMAP被动微波土壤水分(SMAP土壤水分)数据进行降尺度,得到研究区1 km的降尺度土壤水分数据。利用地面站点实测土壤水分和机载被动微波土壤水分(机载土壤水分)对降尺度土壤水分和SMAP土壤水分进行了验证,并对辅助数据和降尺度方法本身展开分析以探讨降尺度过程中的不确定性来源。结果表明:(1)本文使用的基于自适应窗口的土壤水分降尺度方法能够有效地提高SMAP土壤水分的空间分辨率,在进一步丰富土壤水分分布细节变化信息的同时,还能够保留SMAP土壤水分的空间变化特征并与其保持值域一致。(2) 3种基于像元尺度的土壤水分数据(机载土壤水分、SMAP土壤水分和降尺度土壤水分)与站点实测土壤水分之间的相关性并不高,这主要与点、面数据之间的空间匹配不一致、空间代表性不同以及有效验证的数据量有限有关。而与站点数据验证相比,降尺度土壤水分和SMAP土壤水分均和机载土壤水分数据相关性较好。(3) SMAP土壤水分与辅助数据之间的相关性比机载土壤水分与辅助数据之间的较高,而这两种土壤水分数据之间存在的这种偏差主要受到空间尺度、观测配置、参数反演算法和选用的辅助数据等因素的影响。(4)针对验证结果的不确定性,通过增加辅助数据或改变土壤水分估算模型结构进而修改降尺度模型的方式在本研究中并不能显著提高降尺度结果的精度,如何进一步提高降尺度精度仍是未来需要研究的重点。     

塔里木河下游植被恢复遥感模型建立

以2000年~2006年塔里木河下游MODIS、ETM及ASTER数据为信息源,从不同时间和空间分辨率角度分析塔里木河下游喀尔达依断面输水后NDVI时空变化规律,并在此基础上建立了研究区不同离河距离、不同时间MODIS、ETM及ASTER数据NDVI的预测模型;根据模型预测的NDVI值,使用像元二分法反演植被覆盖度,并根据当年实地调查数据对反演植被盖度进行精度验证,其平均精度达82.88%以上。以上研究结果为监测和预测塔里木河下游植被恢复提供方法借鉴和恢复趋势预测参考。     

不同植被指数在基于TVDI方法反演土壤水分中的应用

研究增强型植被指数基于Landsat-8数据反演土壤水分的可行性及适用性,分析研究区土壤水分总体分布,提高该地区应对干旱灾害的能力。基于温度植被干旱指数方法,以淮河流域上游地区作为研究区,基于2017年2月的Landsat-8影像,分别计算了地表温度、归一化植被指数、增强型植被指数,基于TVDI构建了两种土壤水分反演模型。研究比较了:1) EVI在TM数据中的应用特点;2)研究区土壤含水率的空间分布特征;3)两种模型反演结果的差异。结果表明:1)基于TM数据计算的EVI总体明显低于NDVI,但不同时间段的结果并不总是低于NDVI;2)基于EVI的模型结果精度低于基于NDVI模型结果。3)两种模型结果与植被覆盖度、地表温度的关系均为负相关,其中,基于EVI的模型结果与地表温度的负相关程度极高,即基于EVI的模型结果受植被影响较小,受温度影响程度高。     

综合主动和被动微波数据监测土壤水分变化

微波遥感测量土壤水分的方法主要分主动和被动两种，它们都是基于干燥土壤和水体之间介电常数的巨大差异。估算植被覆盖土壤表面土壤水分必须要考虑地表粗糙度和植被覆盖影响的问题。植被覆盖土壤表面的后向散射包括来自植被的体散射，来自地表的面散射和植被与地表间的交互作用散射项。本研究建立了一个半经验公式模型，用来计算体散射项，综合时间序列的主动和被动微波数据，消除植被覆盖的影响，估算地表土壤水分的变化状况。并应用1997年美国SGP‘97综合实验中的机载800m分辨辐射计ESTAR数据计算表面反射系数，综合Radarsat的SCAN-SAR数据得到体散射项，然后，由NOAA/AVHRR和TM计算得到的NDVI值加权分配50m分辨率的体散射项，最后计算50m分辨率的表面反射系数的变化值，从而得到土壤水分的变化情况，验证数据表明该计算结果与实测值一致。     

土壤湿度信息遥感研究

土壤湿度是农业生产与应用过程中非常重要的因素,决定农作物的水分供应状况.本文利用MODIS产品数据获取的归一化植被指数(NDVI)和陆面地表温度(Ts)构建Ts-NDVI特征空间,根据温度植被干旱指数(TVDI)的研究原理与方法,对研究区2010年5～8月份土壤湿度分布情况进行遥感监测.结合气象数据与土壤墒情资料对局部...     

利用AMSR-E数据反演华北平原冬小麦单散射反照率

首先,基于冬小麦不同生育期的地面实测参数,构建了组成冬小麦冠层的、包括不同尺寸和含水量的介电散射体模拟数据库,并在此基础上建立冬小麦单散射反照率和光学厚度分别在C(6.925 GHz)和X(10.65 GHz)波段之间的依赖关系。然后,根据一阶参数化模型推导得到的微波植被指数MVIs(Microwave Vegetation Indices)的物理表达式,结合AMSR-E被动微波亮温数据,反演了华北平原地区冬小麦不同生育期的单散射反照率。与MODIS日归一化差异植被指数NDVI的对比结果显示:冬小麦单散射反照率与NDVI随时间的变化趋势大致相同,但在冬小麦的抽穗期到乳熟期,NDVI呈现饱和趋势,而单散射反照率对小麦的生长变化仍旧比较敏感,在指示冬小麦生长方面具有一定优势。     

卫星遥感地表温度降尺度的光谱归一化指数法

针对卫星遥感技术监测地表温度(land surface temperature,LST)存在时空分辨率矛盾这一难题,以TsHARP温度降尺度算法为基础,根据地表覆盖类型的不同,分别选择与LST相关性更好的光谱指数(归一化植被指数,NDVI;归一化建造指数,NDBI;改进的归一化水体指数,MNDWI;增强型裸土指数,EBSI)提出了新的转换模型,并从定性和定量两个角度评价了TsHARP法和新模型的降尺度精度。结果表明:两种模型在提高LST空间分辨率的同时又能较好地保持MODIS LST影像热特征的空间分布格局,消除了原始1km影像中的马赛克效应,两种模型均能够达到较好的降尺度效果;全局尺度分析表明,不管是在降尺度结果的空间变异性还是精度方面,本文提出的模型(RMSE:1.635℃)均要优于TsHARP法(RMSE:2.736℃);TsHARP法在水体、裸地和建筑用地这些低植被覆盖区表现出较差的降尺度结果,尤其对于裸地和建筑用地更为明显(|MBE|3℃),新模型提高了低植被覆盖区地物的降尺度精度;不同季节的降尺度结果表明,两种模型都是夏、秋季的降尺度结果优于春、冬季,新模型的降尺度结果四季均好于TsHARP法,其中春、冬季的降尺度精度提升效果要优于夏、秋季。     

Combination of multi-sensor remote sensing data for drought monitoring over Southwest China

Drought is one of the most frequent climate-related disasters occurring in Southwest China, where the occurrence of drought is complex because of the varied landforms, climates and vegetation types. To monitor the comprehensive information of drought from meteorological to vegetation aspects, this paper intended to propose the optimized meteorological drought index (OMDI) and the optimized vegetation drought index (OVDI) from multi-source satellite data to monitor drought in three bio-climate regions of Southwest China. The OMDI and OVDI were integrated with parameters such as precipitation, temperature, soil moisture and vegetation information, which were derived from Tropical Rainfall Measuring Mission (TRMM), Moderate Resolution Imaging Spectroradiometer Land Surface Temperature (MODIS LST), AMSR-E Soil Moisture (AMSR-E SM), the soil moisture product of China Land Soil Moisture Assimilation System (CLSMAS), and MODIS Normalized Difference Vegetation Index (MODIS NDVI), respectively. Different sources of satellite data for one parameter were compared with in situ drought indices in order to select the best data source to derive the OMDI and OVDI. The Constrained Optimization method was adopted to determine the optimal weights of each satellite-based index generating combined drought indices. The result showed that the highest positive correlation and lowest root mean square error (RMSE) between the OMDI and 1-month standardized precipitation evapotranspiration index (SPEI-1) was found in three regions of Southwest China, suggesting that the OMDI was a good index in monitoring meteorological drought; in contrast, the OVDI was best correlated to 3-month SPEI (SPEI-3), and had similar trend with soil relative water content (RWC) in temporal scale, suggesting it a potential indicator of agricultural drought. The spatial patterns of OMDI and OVDI along with the comparisons of SPEI-1 and SPEI-3 for different months in one year or one month in different years showed significantly varied drought locations and areas, demonstrating regional and seasonal fluctuations, and suggesting that drought in Southwest China should be monitored in seasonal and regional level, and more fine distinctions of seasons and regions need to be considered in the future studies of this area.     

Seasonal Variation of MODIS Vegetation Indexes and Their Statistical Relationship With Climate Over the Subtropic Evergreen Forest in Zhejiang, China

Moderate Resolution Imaging Spectroradiometer (MODIS) 16-day 1-km vegetation index products, daily temperature, photosynthetically active radiation (PAR), and precipitation from 2001 to 2004 were utilized to analyze the temporal variations of the MODIS normalized difference vegetation index (NDVI) and enhanced vegetation index (EVI), as well as their correlations with climate over the evergreen forested sites in Zhejiang-a humid subtropical region in the southeast of China. The results showed that both NDVI and EVI could discern the seasonal variation of the evergreen forests. Attributed to the sufficient precipitation in the study area, the growth of vegetation is mainly controlled by energy; as a result, NDVI, and especially EVI, is more correlated with temperature and PAR than precipitation. Compared with NDVI, EVI is more sensitive to climate condition and is a better indicator to study vegetation variations in the study region     

多时相MODIS影像水田信息提取研究

水稻种植及其分布信息是土地覆被变化、作物估产、甲烷排放、粮食安全和水资源管理分析的重要数据源。基于遥感的水田利用监测中,通常采用时序NDVI植被指数法和影像分类法分别进行AVHRR和TM影像的水田信息获取。针对8天合成MODIS陆地表面反射比数据的特点和水稻生长特征,选取水稻种植前的休耕期、秧苗移植期、秧苗生长期和成熟期等多时相MODIS地表反射率影像数据,通过归一化植被指数、增强植被指数及利用对土壤湿度和植被水分含量较敏感的短波红外波段计算得到的陆表水指数进行水田信息获取。将提取结果与基于ETM＋影像的国土资源调查水田数据,通过网格化计算处理并进行对比分析,结果表明,利用MODIS影像的8天合成地表反射率数据,进行区域甚至全国的水田利用监测是可行的。