基于MODIS数据的渭南市土壤水分反演研究

根据MODIS数据特点,分高植被覆盖和低值被覆盖条件,研究了MODIS第1~7波段数据与土壤表层水分含量之间的关系,基于分析结果,选择与土壤水分含量相关度高的MODIS数据波段,建立渭南市0~10cm土壤相对湿度反演模型。利用模型开展渭南市土壤墒情监测,只需在晴空条件下,使用一景白日过境的MODIS卫星数据,即可完成土壤表层水分快速监测。     

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。      

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。     

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。     

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)。     

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。     

MODIS资料遥感监测土壤水分与干旱研究进展

干旱是威胁我国及世界农业发展的自然灾害之一,遥感技术已经成为监测土壤水分与旱情的重要手段.本文总结分析了近年来利用MODIS资料监测土壤水分和干旱的优势,回顾总结了目前利用MODIS资料监测土壤水分和干旱的方法,着重从光谱法、温度植被干旱指数(TVDI)空间法、植被水分监测法、水分亏缺指数法等几方面进行了重点介绍,并对未来的发展趋势进行了展望.     

青海海北地区基于自然降水的土壤墒情反演分析

海北地区是干旱易发区,土壤墒情的监测预测对于指导抗旱具有重要意义。利用自然降水数据,结合土壤物理参数,建立了海北地区土壤反演模型。分析表明:表层土壤水分随降水量变化显著,深层土壤变化一般,但在发生干旱时土壤水分与降水匹配较好;浅层土壤体积含水率与旬降水量之间相关性在0.70以上,且均通过了显著性检验;自动站土壤体积含水率数据基本能够代表土壤墒情状况,与人工观测数据具有较好的线性关系;土壤墒情反演值与实测值相关性在0.79以上。     

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。     

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。     

利用MODIS资料监测和预警干旱新方法

为了提高遥感监测土壤水分和干旱的技术水平,在对常用遥感监测土壤水分和干旱方法进行评价的基础上,根据土壤热力学理论,提出了利用EOS/MODIS资料遥感监测农业干旱的新方法———能量指数模式。实际监测应用结果表明,能量指数模式更适合农作物土壤水分和干旱的监测,监测效果明显优于已经业务化的其它模式。农作物生长季节干旱的预警应当在土壤水分遥感监测的基础上,考虑未来预警期内的预报降水量和最高气温,并且把这个预报降水量和最高气温定量转化为土壤水分订正值,按照当地的标准划分成干旱预警等级。     

遥感火灾监测光谱数据的分析与应用

本研究选取了新疆的EOS卫星遥感10个火灾监测实例,利用MODIS数据处理平台,辅助地理信息系统、ENVI软件,对火场光谱分布、通道性能等进行了深入分析。结果表明:在近红外波段,7通道比6通道,明火区反射率峰值总体高出80%～250%。7通道对地面热源反映非常敏感,明火区光谱数据与周围地物光谱数据有显著差异;在中红外波段,21通道不易饱和,该通道独立性、量化程度都非常突出;在远红外波段,31通道对热源反映不敏感性质尤为突出。     

利用气象卫星资料对春季土壤水分进行监测的地面响应模型的研究

根据卫星遥感中利用热惯量法监测土壤水分的原理,考虑辐射平衡和潜热交换,分析了土壤热通量与地面辐射的关系及显热交换和潜热交换对土壤热通量的影响,建立土壤水分模型,为农业气象服务提供科学依据,也为利用卫星资料监测春季裸地土壤水分提供地面响应模型。     

地理信息系统（GIS）支持下的冬小麦干旱NOAA／AVHRR遥感监测方法研究

在系统研究冬小麦干旱ＮＯＡＡ／ＡＶＨＲＲ遥感监测理论、模型、资料处理、指标及应用技术的基础上,建立了河南省冬小麦干旱ＮＯＡＡ／ＡＶＨＲＲ遥感监测模型,针对这一领域中存在的问题,在ＧＩＳ技术的支持下,进一步探讨了不同土壤质地和风速对遥感干旱监测的影响、用遥感表层土壤水分反演深层土壤水分的方法与模型、用单时相遥感资料反演土壤水分的方法等。在上述工作的基础上,建立了河南省冬小麦干旱遥感监测应用服务系统。     

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。     

干旱区土壤水分遥感监测敏感波段的选择──以新疆阜康平原区为例

用遥感手段监测土壤水分的动态变化涉及到一系列问题，选择对土壤水分较为敏感的光谱波段，则是进行有效监测的前提及基础，通过对样区内土地水分的测试及光谱数据的采集，结合回归分析等方法选择出用于土壤水分遥感监测的理想波段。     

基于MODIS资料的西藏遥感积雪监测业务化方法

雪灾是西藏地区藏北一线、南部边缘地区对牧业生产影响最严重的灾害之一,利用卫星遥感资料开展积雪监测,提供监测信息产品具有重要的现实意义.利用拉萨接收站接收的中分辨率成像光谱仪(MODIS)卫星遥感资料对西藏高原积雪的监测方法进行了探讨,找出适合该地区的积雪判别模式,建立MODIS资料为基础的积雪监测系统.基于MODIS数据计算得出的归一化差分积雪指数(NDSI)和归一化植被指数(NDVI)与1、2、4、6通道等相结合,建立积雪监测模型是可行的;得出的积雪判识方法对于西藏地区有较高的适用性,如结合地表土地利用类型数据将有林区和非森林区分开计算,能较好地消除藏东南地区因地势复杂、森林茂密对NDSI的影响.     

青海高寒草地区曲麻莱县遥感干旱指数的适用性研究

利用2001—2016年MODIS产品数据和地面站点数据,在垂直干旱指数、归一化植被水分指数和植被状况指数与土壤水分数据相关分析基础上,筛选相关性较高的遥感干旱指数和适用时段,再结合典型干旱案例,确定青海南部典型高寒草地区曲麻莱县最优遥感干旱指数和适用时段,构建牧草生育期土壤水分估算模型,并再现2015年夏旱事件。结果表明:植被状况指数比较适合曲麻莱县夏旱监测,依据百分位法划分的土壤干旱分布区域与牧草长势较差的分布区域基本一致,旱情空间演变趋势与实际情况相符。该模型及基于百分位法的旱情评价方法能较好地满足日常干旱监测业务需求。     

自动土壤水分观测资料应用误差分析

根据从国家气象信息中心实时资料数据库读取的自动土壤水分监测资料,对比同日人工测定的土壤相对湿度数据,发现白天各时次自动监测数据与人工监测数据之间均存在15%左右的差异。具体针对监测仪器自身的结构特点以及中国气象局的业务要求,从两种监测方法自身的监测地段代表性、数据测量和换算、监测土层深度、监测时间、土壤水分常数测算、土壤结构变化等多种角度分析数据间存在差异的原因;认为多种可以估算的差异"叠加"在一起时,对比差异最大可能达到20%左右,加上其他误差因素的影响,实际应用中出现15%左右的差异是可以解释的;选择较长序列的站点实测资料进行了数据差异的实况分析。结合业务中常用的墒情等级判断指标,分析数据差异对客观判断构成的数据干扰和数据损失。建议直接利用体积含水量进行业务应用分析,探究全新的自动土壤水分监测数据应用方法,在具体应用中建立相应的指标体系或指标模型,充分发挥自动土壤水分监测的优势。     

MODIS遥感监测滇池蓝藻水华分布

以中分辨率的MODIS数据作为遥感影像源,运用蓝藻水华在蓝波段、红波段和近红外波段的光谱特征,使用假彩色合成法（RGB：6-2-1）和归一化植被指数法对滇池的蓝藻水华进行遥感监测。通过星地同步试验,证明了该两种方法的正确性。其中假彩色合成法通过色彩差异表现蓝藻水华,具有视觉效果较好的优点,归一化植被指数法则以数值大小的方式区别水华浓度,该方法建立反演模型后可用于定量研究。