基于MODIS数据的水体提取研究

通过对遥感图像各类地物的光谱和水体在中等分辨率的EOS／MODIS上的波谱特征的分析,论述了水体最为明显的波段组合,研究了如何从不同时期（枯水期、丰水期）的中等分辨率MODIS遥感影像提取水体的方法,并以武汉市梁子湖为例,对水体提取范围和精度进行比较和分析。实验表明：遥感图像经空间变换后再利用相同的方法提取的水体,更容易区分水体和阴影,产生的噪声也少,提取的水体范围更准确、计算的水域面积精度更高。     

综合环境卫星与MODIS数据的面向对象土地覆盖分类方法

使用面向对象方法对单时相的环境卫星数据进行土地覆盖分类时,几何特征和光谱特征相似的地物无法区分,而MODIS时序数据的空间分辨率较低,不适用于中小尺度的土地覆盖分类。应用面向对象方法,充分利用环境卫星数据的空间、光谱特征和MODIS数据的物候特征建立规则,进行分类,可以有效地解决上述困难。首先对环境卫星数据进行多尺度分割,生成待分类对象;再根据对象的特征,依据由简到难的原则进行分层分类。以双台子河口为例进行土地覆盖分类,总体精度93%,Kappa系数0.92。结果表明,综合环境卫星与MODIS数据的面向对象土地覆盖分类方法应用潜力巨大。     

MODIS数据水体识别指数的识别效果比较分析

在光谱分析的基础上,应用不同水体指数对MODIS数据进行水体信息识别,并对其应用性能进行比较分析。结果表明,混合水 体指数（CIWI）是较理想的水体识别指数。若以反射率计算,并以0为判别阈值,则该指数的提取常数C的最佳取值为-0.85。 就目前的研究成果来看,MODIS数据还不太适合用于小型水体的识别。     

基于MODIS数据的环北京地区土地资源监测研究

本文基于MODIS 16天合成的NDVI时间序列数据及其他辅助数据,首先用PCA方法对NDVI时间序列数据进行信息增强与压缩处理,结合LST数据、DEM数据及降雨温度数据,利用模糊K-均值非监督分类法,进行环北京地区的土地覆盖分类,得到土地资源现状情况。然后利用变化矢量(CVA)分析方法对环北京地区的土地利用及植被覆盖的多年变化状况进行了分析。结果表明,MODIS数据能很好的应用于大范围的土地资源监测中,并能得到较好的结果。     

应用小波收缩方法剔除MODIS热红外波段数据条带噪声

采用多元并扫方式 (1km分辨率 1 0元并扫 ,5 0 0m分辨率 2 0元并扫 ,2 5 0m分辨率 4 0元并扫 )的MODIS传感器由于各探测单元在轨响应差异而引起的条带噪声对MODIS定量产品的反演计算精度造成一定影响。这种影响在MODIS的热红外波段尤其明显。为了尽可能减少这种影响 ,提高MODIS定量产品反演精度 ,提出应用小波收缩方法剔除MODIS数据条带噪声。研究首先使用连续小波变换方法分析MODIS条带数据 ,确定MODIS数据条带噪声在小波系数域中的尺度。其次 ,在分析条带噪声模式的基础上 ,使用小波收缩方法对MODIS 1B数据进行噪声剔除计算。最后比较了分别使用噪声剔除前后的两组MODIS 1B数据反演得到的部分云和大气定量遥感产品 ,结果表明 ,使用剔除噪声后的MODIS 1B数据反演的定量遥感产品精度具有明显的提高     

应用MODIS数据对陕西地区土地利用/覆盖变化的监测

应用MODIS数据监测陕西地区土地利用/覆盖变化。主要内容是利用陕西省MODIS影像辅助以ETM＋等数据进行最大似然法监督分类,根据分类的结果得到各个土地利用类型面积,然后与统计资料对比,进行土地利用/土地覆盖动态监测分析。     

基于MODIS遥感数据的水体提取算法研究

针对MODIS遥感数据采用多波段普间关系算法提取水体容易与阴影混淆,产生提取不精确的问题。作者将对多波段普间关系水体提取算法进行研究,并以鄱阳湖为实验对象,使用改进后的多波段普间关系算法对水体进行提取。实现提升水体提取精度的目标。     

基于MODIS遥感数据的水体提取模型及算法改进

针对MODIS遥感数据采用多波段谱间关系模型提取水体容易与阴影混淆,产生提取不精确的问题,作者改进了模型中的水体提取算法,然后对鄱阳湖的MODIS遥感数据进行水体提取实验。最终,实验结果表明,改进后的水体提取算法能够有效地提升水体提取精度。该方法现已运用到一些采用MODIS数据进行水体监测与提取的实践作业中。     

基于MODIS数据的植被指数分析

针对宏观土地覆盖遥感分类的现状,充分利用MODIS相对于AVHRR数据具有的多光谱和分辨率优势,提出了利用MODIS数据进行分类特征选择与提取并结合多时相特征进行宏观土地覆盖分类的分类方法,并进行了分类试验。     

基于单时相MODIS数据的决策树自动构建及分类研究

以甘肃省为试验区,利用单时相MODIS数据的光谱信息,使用最大似然法和基于See 5.0数据挖掘的决策树分类方法,进行了分类对比研究。分类结果表明,加入温度-植被角度TVA和温度-植被距离TVD两个指数后,低植被覆盖区的分类效果得到了改善;基于See 5.0数据挖掘的决策树方法能够快速地建立决策树,且能提高较难识别地物类型的分类精度。     

基于中分辨率成像光谱仪数据的建筑指数研究

中分辨率成像光谱仪(MODIS)数据是研究大尺度土地利用/土地覆盖的有效数据手段。针对现有建设用地提取方法的不足,文章通过分析MODIS数据的地物光谱特征,给出适合MODIS数据的归一化建筑指数,并以京津冀城市群为研究区提取建设用地,最后从位置和面积两方面对提取结果进行精度验证。结果表明:该文构建的归一化建筑指数不但加强了MODIS数据中的建设用地,还成功抑制了裸地、荒地和已收割耕地等对建设用地提取的干扰。     

基于MODIS数据的雪面温度遥感反演

On the basis of simplification of the Planck function in a low temperature range, this paper revises the practical split-window algorithm and presents a method for retrieving snow surface temperature （Ts） based on MODIS data in the middle-latitude region. The application of this method in Qinghai Lake region reveals that it is feasible for the retrieval of Ts. Results of correlation analysis indicate that there was strong negative relationship between Ts and altitude. By analyzing three typical areas in which land cover was relatively homogenous, this paper discusses the relationship between Ts and normalized difference snow index （NDSI） and then presents a new concept named ＂NDSI-Ts space＂.     

A data mining approach for evaluation of optimal time-series of MODIS data for land cover mapping at a regional level

Optical Earth Observation data with moderate spatial resolutions, typically MODIS (Moderate Resolution Imaging Spectroradiometer), are of particular value to environmental applications due to their high temporal and spectral resolutions. Time-series of MODIS data capture dynamic phenomena of vegetation and its environment, and are considered as one of the most effective data sources for land cover mapping at a regional and national level. However, the time-series, multiple bands and their derivations such as NDVI constitute a large volume of data that poses a significant challenge for automated mapping of land cover while optimally utilizing the information it contains. In this study, time-series of 10-day cloud-free MODIS composites and its derivatives – NDVI and vegetation phenology information, are fully assessed to determine the optimal data sets for deriving land cover. Three groups of variable combinations of MODIS spectral information and its derived metrics are thoroughly explored to identify the optimal combinations for land cover identification using a data mining tool.The results, based on the assessment using time-series of MODIS data, show that in general using a longer time period of the time-series data and more spectral bands could lead to more accurate land cover identification than that of a shorter period of the time-series and fewer bands. However, we reveal that, with some optimal variable combinations of few bands and a shorter period of time-series data, the highest possible accuracy of land cover classification can be achieved.     

MODIS产品估算复杂地形下的光合有效辐射

提出基于MODIS大气和地表产品反演高精度复杂地形下的光合有效辐射模型。该方法是对普通的大气传输模型进行简化, 在模型中分别考虑了削减光合有效辐射的5个主要因子: 瑞利散射、臭氧和水汽吸收、气溶胶散射以及地表和大气间的多次反射。从3个方面考虑了复杂地形对于光合有效辐射的影响: (1) 坡度和坡向; (2) 天空可视角; (3) 邻近地形的附加辐射。提取2006年晴空条件下的估算结果与中国生态网络山东禹城站和长白山站的实测值的比较, 得到相关系数分别为0.924和0.9, 表明模型反演结果能够较好地解译实际光合有效辐射的变化。通过比较考虑地形和不考虑地形2种情况得到的光合有效辐射, 定量地分析了地形对光合有效辐射的影响。     

地表覆盖分类数据对区域森林叶面积指数反演的影响

以江西省吉安市为研究区,将5种全球地表覆盖分类数据(包括美国地质调查局(USGS)、马里兰大学(UMD)和波士顿大学(BU)生成的3套数据和欧洲生成的2套数据)以及由TM影像生成的区域地表覆盖分类数据,分别与MODIS1km反射率资料结合,利用基于4尺度几何光学模型的LAI反演方法生成研究区的LAI。在1km和4km两种尺度上将反演的LAI与TM资料生成的LAI进行比较,评价地表覆盖分类数据对LAI反演结果的影响。结果表明,TM和欧洲太空局的GLOBCOVER地表覆盖分类数据用于反演LAI的结果较好,在1km尺度上,反演的LAI与统计模型估算的TMLAI相关的R2分别为0.44和0.40,在4km尺度上的R2分别为0.57和0.54;其次为波士顿大学的MODIS地表覆盖分类数据,据其反演的LAI与TMLAI相关的R2在1km和4km尺度上分别为0.38和0.51;而马里兰大学的UMD和欧洲的GLC2000地表覆盖分类数据会导致反演的LAI存在较大误差,据其反演的LAI与TMLAI之间的一致性较差,在1km和4km两种尺度上平均偏低20%左右;LAI的反演结果对聚集度系数具有强的敏感性。该研究表明,为了提高区域/全球LAI反演精度,需要有高质量的地表覆盖分类数据。     

遥感图像土地覆盖分类中多源特征数据选择研究

多源特征数据可以提高遥感图像的分类精度,选择合适的特征数据十分重要。利用基尼指数对多尺度纹理信息、主成分变换前三分量、地形数据等特征进行选择,选出最佳特征子集。利用支持向量机、神经网络分类法、最大似然法分别对全部特征数据和最佳特征子集结合多光谱数据进行分类。实验结果表明:基尼指数可以有效地对多源特征数据进行选择,特征选择可以提高分类器效率,提高分类精度。     

MODIS数据北京城区热岛监测分析

随着城市化进程的深入,热岛效应问题越来越严重,从而影响城市及周边地区的生态环境与气候,因此备受人们的重视。本文从2000年—2007年724幅1km分辨率的MODIS地表温度产品中选取64幅质量较好,可以代表春、夏、秋、冬四个季节的昼夜影像,制作地表温度图和选取感兴趣区域分析北京城区热岛效应。结果表明,北京市城区温度明显高于周围地区,夏季夜间最高达到3.7℃,秋季白天相对热岛强度较大,夏季、冬季夜间热岛强度要大于白天,尤其冬季较为明显。     

The improvement of an object-oriented classification using multi-temporal MODIS EVI satellite data

Abstract

This paper investigates the contribution of multi-temporal enhanced vegetation index (EVI) data to the improvement of object-based classification accuracy using multi-spectral moderate resolution imaging spectral-radiometer (MODIS) imagery. In object-oriented classification, similar pixels are firstly grouped together and then classified; the produced result does not suffer the speckled appearance and closer to human vision. EVI data are from the MODIS sensor aboard Terra spacecraft. 69 EVI data (scenes) were collected during the period of three years (2001–2003) in a mountainous vegetated area. These data sets were used to study the phenology of the land cover types. Different land cover types show distinct fluctuations over time in EVI values and this information might be used to improve object-oriented land cover classification. Two experiments were carried out: one was only with single date MODIS multispectral data, and the other one including also the 69 EVI images. Eight classes were distinguished: temperate forest, tropical dry forest, grassland, irrigated agriculture, rain-fed agriculture, orchards, lava flows and human settlement. The two classifications were evaluated with independent verification data, and the results showed that with multi-temporal EVI data, the classification accuracy was improved 5.2%. Evaluated by McNemar's test, this improved was significant, with significance level p=0.01.