HJ-1B卫星遥感影像的积雪识别

针对国产卫星HJ-1B数据积雪像元识别的问题,该文分析了归一化差分积雪指数法和改进的归一化差分积雪指数法的优缺点,并根据积雪与其他地物的光谱特征变化幅度的差异性,提出了一个仅用HJ-CCD数据作为数据源的积雪识别方法。实验中,选取了两块不同特征的影像进行试验,以神经网络分类结合目视解译方法的提取结果作为标准进行精度评价。结果表明,该文提出的方法操作简单,能快速、准确地识别区域积雪覆盖面积。     

近红外波段ETM~+影像的积雪提取方法

针对提高积雪信息提取精度的要求,为了消除积雪覆盖的结冰水体、薄雪覆盖区以及山体阴影等对于积雪提取的影响,以Landsat-7ETM+为数据源,对近红外波段在积雪信息提取中的优越性进行了探索,提出了一种基于近红外波段和归一化差分积雪指数的积雪提取方法。对典型实验区进行了对比实验分析,结果表明,本文算法能有效减少在结冰水体、薄雪覆盖区以及山体阴影等区域的漏分、误分像元数,获得比SNOMAP算法更佳的积雪识别效果,提高积雪提取的准确性。     

利用MODIS数据进行积雪检测

积雪是一种重要的地球表层覆盖物,是气象学和水文学中一个非常重要的参数。使用遥感方法能够有效获取大范围的雪盖信息,弥补地面观测资料在空间上的不足。中等分辨率成像光谱仪(MODIS)数据具有高光谱、高空间分辨率、高时间分辨率等特征,越来越多地应用到积雪检测方面。利用MODIS雪盖数据进行雪盖制图,分析了2008年初中国南方的受灾情况,并对雪情进行了分析。结果发现利用MODIS得到的积雪边界线轮廓清晰,对积雪检测非常有效,但由于云的遮蔽可能会使MODIS积雪分布面积出现误差。     

利用非线性NDSI模型进行积雪覆盖率反演研究

基于统计回归的积雪覆盖率反演方法适合提取大范围区域的积雪覆盖率,提出了基于归一化积雪指数(NDSI)的非线性积雪覆盖率回归模型,利用阿拉斯加、西伯利亚和内蒙古地区的样本数据进行回归分析,估计模型参数,并利用建立的回归模型提取天山地区和祁连山地区的积雪覆盖率进行了验证。结果显示,基于NDSI的非线性积雪覆盖率回归模型对样本数据的拟合度和利用模型提取的积雪覆盖率精度相对于线性模型均有一定的提高。     

MODIS数据在积雪检测中的应用

积雪作为影响环境的一个因素,是非常重要的。自1999年Terra卫星升空以来,MODIS数据在环境监测的各个方面得到了广泛的应用。由于MODIS数据的高光谱、高空间分辨率、高时间分辨率等特征,越来越多地应用到积雪监测方面。本文就MODIS数据的积雪检测算法进行了探讨,对森林中雪的检测以及云和雪的区分进行了大量的研究。结果显示：MODIS数据对积雪检测非常有效。     

基于MODIS的区域动态干旱监测方法

以辽宁省2009年夏季的干旱情况为例,利用多时相、多光谱的MODIS数据信息,结合地面实测气象信息与水文信息对旱情监测进行了研究,根据具体区域的实际情况,动态选择遥感指数及模型参数,实现了利用遥感数据对大范围区域的动态干旱监测。     

基于MODIS数据的雪面温度遥感反演

通过对Planck函数在低温范围内进行线性化,改进了针对MODIS数据的实用性分裂窗算法,建立了基于MODIS数据的中纬度地区雪面温度遥感反演方法。以环青海湖地区为研究区进行了算法应用,取得了较理想的效果。验证并分析了雪面温度与海拔高度的负相关关系。通过对下垫面相对均一的3个样区进行分析,讨论了雪面温度与归一化积雪指数的关系,并提出了“NDSI-Ts空间”的概念。     

基于MODIS NDVI的科尔沁沙地荒漠化动态监测

以MODIS植被指数产品为数据源,利用归一化植被指数(NDVI)与植被盖度的高相关性,以NDVI为荒漠化评价的定量依据进行荒漠化程度划分,得出科尔沁沙地2000年与2007年的NDVI分级分布图,并分别统计出相应的不同程度荒漠化土地面积所占比例; 最后,利用不同等级荒漠化土地面积所占比例和NDVI分级分布图所提供的空间分配状况来评价研究区荒漠化程度及动态变化状况.研究结果表明,2000年至2007年科尔沁沙地荒漠化程度总体上呈减少趋势.     

基于中巴资源卫星数据的积雪监测研究

通过对积雪、云及其阴影等光谱特性的深入分析研究，结合国内外积雪监测研究动态，根据中巴资源卫星传感器的特性， 研究利用中巴资源卫星数据进行积雪监测的方法。在大量数据分析基础上，建立了一套精度较高的积雪识别方案。文章阐述了具体 的数据处理流程，并对可能的误差来源进行分析。利用西藏那曲地区班戈县内的试验场数据，对该积雪识别方案进行了验证。结果 表明，该方案的积雪监测效果比较理想，精度较高，为积雪监测业务化提供了可靠的理论依据。     

基于谱间关系的MODIS遥感影像水体提取研究

水是地球上万物的命脉所在,水体提取对于水资源调查、洪水灾害预测评估和环境监测等有着重要作用。而可见光和近红外波段水体与植被、城市和土壤光谱反射率的差异是利用遥感手段提取水体的基本原理。本文利用谱间关系法进行MOD IS图像的水体提取。结果表明,用于提取水体的谱间关系法比归一化植被指数(NDVI)法快速,但谱间关系法有把云错误地当作水体提取的缺点。     

基于MODIS-NDVI的内蒙古植被变化遥感监测

本文利用2002-2006年5-8月的MODIS 1B数据,建立NDVI时间序列,并结合气象数据中的月均温、月降水量、滞后1月和滞后2月累计降水量对内蒙古地区植被生长季NDVI的月际、年际变化规律以及NDVI变化同气候因子的相关性进行了分析。结果表明:月际变化上,5-8月NDVI不断增加,NDVI变化率5-6月>6-7月>7-8月;年际变化上,2002-2006年间,草地的波动性最大;在与气候因子的相关性上:滞后2月降水>滞后1月降水>月均温>月降水量;对于林地和草地来说,各种相关系数高纬高于低纬,对于农耕地来说各种相关系数基本相当;对于沙地来说,各种相关系数均不高,这与其植被稀少且几乎无变化有关。     

Updating Landsat-based forest cover maps with MODIS images using multiscale spectral-spatial-temporal superresolution mapping

With the high deforestation rates of global forest covers during the past decades, there is an ever-increasing need to monitor forest covers at both fine spatial and temporal resolutions. Moderate Resolution Imaging Spectroradiometer (MODIS) and Landsat series images have been used commonly for satellite-derived forest cover mapping. However, the spatial resolution of MODIS images and the temporal resolution of Landsat images are too coarse to observe forest cover at both fine spatial and temporal resolutions. In this paper, a novel multiscale spectral-spatial-temporal superresolution mapping (MSSTSRM) approach is proposed to update Landsat-based forest maps by integrating current MODIS images with the previous forest maps generated from Landsat image. Both the 240 m MODIS bands and 480 m MODIS bands were used as inputs of the spectral energy function of the MSSTSRM model. The principle of maximal spatial dependence was used as the spatial energy function to make the updated forest map spatially smooth. The temporal energy function was based on a multiscale spatial-temporal dependence model, and considers the land cover changes between the previous and current time. The novel MSSTSRM model was able to update Landsat-based forest maps more accurately, in terms of both visual and quantitative evaluation, than traditional pixel-based classification and the latest sub-pixel based super-resolution mapping methods The results demonstrate the great efficiency and potential of MSSTSRM for updating fine temporal resolution Landsat-based forest maps using MODIS images.     

A cloud detection method based on a time series of MODIS surface reflectance images

The Moderate Resolution Imaging Spectroradiometer (MODIS)-Terra surface reflectance product (MOD09A1), with bands 1 to 7, is a gridded, eight-day composite product derived from the MODIS-Terra top of atmosphere reflectance swaths. It performs cloud detection and corrects for the effects of atmospheric gases and aerosols. The cloud mask (CM) algorithms for MODIS are based on empirical thresholds on spectral reflectance and brightness temperature. Since the spatial resolution of the thermal band is 1000 m, while that of MOD09A1 is 500 m, many undetected and false clouds are observed in MOD09A1. These errors always result in temporal and spatial inconsistencies in higher-level products. In this paper, a cloud detection algorithm (TSCD) based on a MOD09A1 time series is introduced. Time series cloud detection (TSCD) algorithm is based on the relative stability of ground reflectance and the sudden variations in reflectance that result from cloud cover. The algorithm first searches the clear-sky reference data, and then discriminates clouded and unclouded pixels by detecting a sudden change of reflectance in the blue wavelength and spectral correlation coefficient at the pixel level. Compared with cloud cover assessments obtained from MODIS' original CM, TSCD provides similar or better discrimination in most situations when the land surface changes slowly.     

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。     

基于云量影像的日照百分率遥感集成模型

通过遥感影像云量数据和地面站点日照百分率观测数据建立遥感集成日照百分率模型,模拟遥感集成日照百分率的空间分布。基本思路是以空间尺度上的富余弥补时间尺度上的稀缺。云的移动是连续的,所以一幅云量遥感影像中,某一格网点周围一定区域范围内的云量都有可能对该点日照情况产生影响,因此对遥感总云量数据在日照轨迹内及云移动所经路径内重采样,能够更接近可照时段内云量的真实情况。然后按云量和日照百分率的负相关性,建立了日尺度的日照百分率遥感集成综合模型,实现对遥感集成日照百分率的模拟,完成日照百分率的遥感集成空间分布模拟图。结果表明：（1）重采样后的总云量克服了云量观测在时间上的局限性;（2）遥感集成日照百分率克服了气象站点空间上的局限性;（3）遥感集成日照百分率模型模拟精度相对插值法有显著的提高。     

Estimating fractional green vegetation cover of Mongolian grasslands using digital camera images and MODIS satellite vegetation indices

ABSTRACT

Fractional green vegetation cover (FVC) is a useful indicator for monitoring grassland status. Satellite imagery with coarse spatial but high temporal resolutions has been preferred to monitor seasonal and inter-annual FVC dynamics in wide geographic area such as Mongolian steppe. However, the coarse spatial resolution can cause a certain uncertainty in the satellite-based FVC estimation, which calls attention to develop a robust statistical test for the relationship between field FVC and satellite-derived vegetation indices. In the arid and semi-arid Mongolian steppe, nadir pointing digital camera images (DCI) were collected and used to produce a FVC dataset to support the evaluation of satellite-based FVC retrievals. An optimal DCI processing method was determined with respect to three color spaces (RGB, HIS, L*a*b*) and six green pixel classification algorithms, from which a country-wide dataset of DCI-FVC was produced and used for evaluating the accuracy of satellite-based FVC estimates from MODIS vegetation indices. We applied three empirical and three semi-empirical MODIS-FVC retrieval models. DCI data were collected from 96 sites across the Mongolian steppe from 2012 to 2014. The histogram algorithm using the hue (H) value of the HIS color space was the optimal DCI method (r² = 0.94, percent root-mean-square-error (RMSE) = 7.1%). For MODIS-FVC retrievals, semi-empirical Baret model was the best-performing model with the highest r² (0.69) and the lowest RMSE (49.7%), while the lowest MB (+1.1%) was found for the regression model with normalized difference vegetation index (NDVI). The high RMSE (>50% or so) is an issue requiring further enhancement of satellite-based FVC retrievals accounting for key plant and soil parameters relevant to the Mongolian steppe and for scale mismatch between sampling and MODIS data.     

基于MODIS数据的湖北省油菜种植分布信息提取

MODIS归一化差值植被指数(MODIS-normalized difference vegetation index,MODIS-NDVI)时间序列产品能够连续反映植被的覆盖情况,是农作物遥感测量的重要数据源。为研究基于MODIS数据的油菜种植分布信息提取技术,选取湖北省为研究区,利用2008—2013年75个时相的MODIS-NDVI时序数据,结合农作物物候和地面调查样本等辅助资料,通过建立油菜种植面积提取模型,采用多次阈值比较方法提取了2009—2013年湖北省油菜种植分布信息,与统计数据比较,总体提取精度为85%左右。最后利用环境小卫星HJ-1A CCD数据进行精度验证,证明了MODIS-NDVI时序数据及本文方法在油菜种植面积提取中的可靠性,对掌握油菜种植面积和产量信息、加强农业生产管理、调整农业结构及辅助政府有关部门制定科学合理的农业政策具有重要意义。     

用MODIS数据和分裂窗算法反演内蒙古地区的地表温度

地表温度是气象、水文、生态等研究中一个重要参数。大气透过率和比辐射率是分裂窗算法的两个重要输入参数,本文利用MODIS数据的可见光波段(band1)和近红外波段(band2、19)计算该两个参数;再利用MODIS数据的两个热红外波段(band31、32)和分裂窗算法对内蒙古地区地表温度进行了反演;结果表明,遥感反演出来的地表温度的空间分布与内蒙古气候区地空间分布具有高度的一致性,能直观地反应内蒙古地区地表温度的空间分布特征。