基于棉田光谱的FY一3A／MERSI与MODIS植被指数关系研究

对同一区域不同时次的FY一3A／MERSI与MODIS的归一化植被指数(NDVI)和 比值植被指数(RVI)进行了计算,并针对地面光谱和影像数据方面进行了分析。结果表明, FY一3A／MERSI比MODIS数据更敏感,但受大气辐射传输影响也更突出,卫星入瞳处的反射率与地面实测资料相比,MERSI比MODIS变化大。FY一3A／MERSI与MODIS植被指数具有很好的相关性,遥感影像植被指数相关系数为0．98(NDVI)和0．96(RVI),地面光谱产生的 植被指数(NDVI和RVI)相关性则达到0．99。     

基于FY3A/MERSI资料分析广东省气溶胶光学厚度分布

利用国产极轨气象卫星FY3A的MERSI AOD产品分析2010—2013年广东省气溶胶光学厚度的分布规律。结果表明:MERSI AOD产品与地面太阳光度计实测数据的相关系数为0.72,其平均绝对值误差为0.12,均方根误差为0.15,数据精度可满足研究需要;从AOD的空间分布看,珠三角西翼东翼山区五市,其中佛山市、东莞市、中山市为广东省AOD均值最高的地区,梅州市、河源市为广东省AOD均值最低的地区;从AOD的时间分布看,2010—2013年间,AOD呈现先升高后降低的趋势,2011年为拐点,与此同时,AOD还表现出明显的季节变化特征,春季为AOD高值期,夏季、秋季次之,冬季最低。     

基于MODIS资料的太湖蓝藻浓度监测

为反演太湖蓝藻浓度分布,可以根据MODIS卫星资料绘制1、2、6三通道合成图,但该方法只能定性分析太湖蓝藻的分布区域和分布范围,难以定量分析各蓝藻分布区的蓝藻浓度。为了克服这一局限性,本文主要采用MODIS卫星资料中第2、第1波段的反射率比值和第6波段反射率值,运用二维光谱空间函数分割方法,反演出太湖区域蓝藻浓度的分布情况,定量确定各蓝藻分布区域的蓝藻浓度大小。在此基础上再加上实测数据资料的支持,就可建立蓝藻预警系统,对蓝藻的爆发与防治起到未雨绸缪的作用。     

基于深度学习的FY3D/MERSI和EOS/MODIS云检测模型研究

针对FY3D/MERSI和EOS/MODIS的云检测问题,提出了一种基于深度学习技术的全自动云检测算法,首次将深度学习引入到卫星影像云检测领域。本算法使用深度全卷积神经网络(Deep Convolutional Neural Networks)作为核心结构,基于EOS/MODIS基本云检测原理选择合适的通道作为特性向量参数,针对不同的场景进行分类和网络模型的训练,最终得到基于深度学习的云检测模型。经过EOS/MODIS数据和FY3D/MERSI数据的测试,云检测的精度达到98%以上,可以看出基于深度学习的云检测算法能够用于云检测,该算法具有效率高、精度高等特点,云检测效果理想。     

基于FY3/MERSI数据的辽宁省植被指数重建及时空变化分析

为建立中国风云三系列气象卫星长时间序列归一化植被指数数据集,选用滤波和函数拟合方法,针对林地、湿地、水稻、玉米、大豆、城市和水体7类地物开展数据重建效果定量分析,确定最佳数据重建方法,并在辽宁省开展时空变化分析。结果表明：非对称高斯函数拟合法（Asymmetric Gaussians,AG）、Savitzky-Golay滤波法（SG）、双Logistic函数拟合法（Double Logistic,DL）和时间序列谐波分析法（Harmonic Analysis of Time Series,HANTS）四种方法均表现出相对较好的去噪能力。SG方法对噪声比较敏感,HANTS方法在低值区受噪声影响大。AG和DL方法平滑效果较好,DL方法的峰值更接近于原始峰值。在高植被覆盖区和季节性作物区,SG方法相关系数最高（>0.93）、均方根误差最低（< 0.1）;在城市和水体低植被指数区,HANTS方法相关系数最高,为0.87,但四种方法的均方根误差均在0.06左右,差别不大。综合考虑曲线和定量分析结果,选取SG方法进行辽宁省植被指数数据集数据重建。辽宁省植被指数数值高低的空间分布与下垫面植被类型相符合,东部山区林地植被指数最高,达到0.75以上。2009-2020年,辽宁省NDVI年均值存在波动,不同地物植被指数变化存在差别,水体和城市植被指数变化相对较小,旱田作物（玉米、大豆）的植被指数受干旱年的影响植被指数变化稍大。辽宁省主要粮食作物植被指数年内均呈单峰分布,与一年一熟型吻合,均在8月上旬达到最大值。     

利用HJ—1卫星多光谱数据监测城市 湖泊蓝藻研究

以2009年8月中旬东湖支湖局部暴发蓝藻为案例,对蓝藻暴发前后三个时期的HJ-1卫星多光谱遥感影像数据进行对比分析,利用比值植被指数(RVI)、归一化植被指数(NDVI)以及增强型植被指数(EVI)三种植被指数对蓝藻信息进行判别提取,通过已验证的样本点率定判别方法阈值,并对三种植被指数精度及判别结果进行比较分析。结果表明,利用HJ-1遥感数据可快速鉴别蓝藻范围及其程度,大气校正突出了蓝藻水体和其他地物光谱差异,EVI方法精度较高,可剔去水质中泥沙等悬浮物的干扰,可作为城市湖泊蓝藻变化检测经验模型。     

基于MODIS植被指数的太湖蓝藻信息提取方法研究

有效地提取蓝藻水华信息对分析蓝藻动态分布有重要意义,而卫星遥感技术是进行太湖水质监测与保护的措施之一.本文以2007年7月25日Terra/MODIS数据为主要数据源,用比值植被指数(Irv)、归一化植被指数(Indv)和增强型植被指数(Iev),研究提取太湖蓝藻信息.结果表明:植被指数可以有效提取遥感影像中的蓝藻水华信息,其中Indv是应用效果较好的植被指数之一;在掩膜处理后,用Indv提取了太湖蓝藻的面积分布信息,效果较好;此外,选取Indv为测试变量,利用决策树分类法,有效地把蓝藻水华高浓度覆盖区、中浓度覆盖区和轻浓度覆盖区分开来,为准确掌握太湖蓝藻发生、发展趋势和发生程度提供可靠信息.     

太湖蓝藻暴发的气象条件研究

通过对1986-2007年12个太湖蓝藻暴发典型个例的分析,得出:水体污染造成富营养化是蓝藻生长发育和暴发的基础,日平均气温偏高、降雨量和降雨日数偏少、气压偏低、日照时数偏多有利于蓝藻生长发育和暴发;水质、气象等要素的综合作用是蓝藻暴发的主要原因.     

FY 3A/VIRR云相态业务产品检验与分析

选取简单云状和复杂云状作为分析对象,利用Terra/MODIS云相态产品对FY-3A/VIRR云相态产品的识别结果进行检验。对比分析采用一致性比较、差异图显示以及两种产品识别结果叠加显示等方法。结果表明:(1)简单云状条件下,FY-3A/VIRR云相态产品与Terra/MODIS云相态识别结果具有较好的一致性,一致性接近85%;复杂云状条件下,由于Terra/MODIS云相态识别结果中存在较多的不确定类别使两种数据识别结果的一致性下降。(2)FY-3A/VIRR和Terra/MODIS产品的不一致点主要分布在云边缘或不同云相态交界处。(3)FY-3A/VIRR和Terra/MODIS的云相态产品产生差异的原因主要来自反演算法以及产品相态分类的不同。     

基于FY3\VIRR数据的积雪遥感监测方法研究 -以阿勒泰地区为例

以FY-3可见光与红外辐射计（VIRR）为主要数据,利用FY3\VIRR 1、6、10通道数据,以指数法和光谱阈值相结合的多光谱积雪监测算法对2013年阿勒泰地区卫星数据进行积雪监测处理。处理结果与MODIS积雪监测业务产品对比分析得出：利用FY3\VIRR可以实现对研究区的积雪遥感监测,监测结果与现有MODIS积雪监测业务产品较一致,具有可比性。     

利用多通道MODIS遥感资料反演沙尘气溶胶尺度分布的个例试验

为了利用水面进行大气气溶胶粒子尺度分布的反演,需要水体光谱反射率资料;本文利用水库上空MODIS观测的表观反射率资料来订正出实际的水体光谱反射率。假设在干旱的春季水库水面反射率变化不大,用订正的水库水面光谱反射率平均值进行大气气溶胶尺度分布的反演。从两天个例研究来看,利用多通道MODIS资料可以反演出大气气溶胶粒子的尺度变化。结合天气分析2002年4月11日水库上空气溶胶光学厚度增加、粒子变粗,是由于上游区域的沙尘在高空强西北气流引导下到达本地区。     

4～10月藏北地区地表植被参数的卫星遥感研究

利用MODIS可见光和近红外1~3波段的卫星资料推算得到“全球能量水循环之亚洲季风青藏高原实验”(GAME/Tibet)实验区4~10月季风前后的地表植被参数的变化情况,并将其与NOAA-14 AVHRR卫星资料分析得到的实验区的植被参数进行了比较。同时分析了不同算法在青藏高原的适用性。     

基于FY-4A卫星遥感数据分析2021年3次沙尘暴特征

FY 4A上搭载的多通道扫描成像辐射计（AGRI）无论是时间分辨率还是空间分辨率与我国第一代静止气象卫星风云二号上搭载的扫描辐射计（VISSR）相比都有了明显的改进。本文基于FY 4A AGRI成像仪IDDI(红外差值沙尘指数)和新的昼夜沙尘遥感改进算法开展2021年中国北方沙尘过程连续遥感监测处理,并系统分析了2021年3个典型个例的沙尘暴特征和影响区域。结果表明：① 3次典型沙尘过程对我国北方各省份的影响面积总计最低达到260万km2以上,最高达到300万km2以上,4月14—17日的沙尘暴影响面积最大。②2021年沙尘高发区在新疆南部、甘肃河西走廊以北以及内蒙古西部。与2019、2020年同期相比,2021年我国北方沙尘发生频次更高、影响范围更大。③新一代FY 4A静止卫星对我国沙尘过程年际变化具备更加完整的监测能力。     

宁夏南部区域蒸发(散)量遥感估算方法

在利用LANDSAT-7 ETM 卫星遥感资料求取地表特征参数的基础上，将地表分成6类，结合常规气象观测资料，分类别计算，最后综合得出宁夏南部区域蒸发(散)量，并对结果进行分析验证。     

广东省气象卫星遥感数据资源池设计与应用

气象卫星数据是遥感应用的核心基石,遥感业务平台是遥感应用的重要技术手段。本文利用广东省气象局数据中心分布式NAS存储,分设FY 3D、FY 4A数据资源池,通过数据同步和用户管理技术,设计了面向桌面级业务应用的广东省气象卫星数据资源池V1.0。利用SMART和SWAP两大气象遥感应用系统,各级业务人员可快速制作气象卫星遥感监测和评估产品。通过上述“云+端”的遥感业务架构,有效解决气象遥感数据不易获取的难题和遥感应用的技术壁垒,为推进省、市、县级气象卫星遥感业务一体化提供了一定的应用示范和参考价值。     

卫星对地遥感应用中的邻近效应研究

利用Monte-Carlo地气耦合辐射传输模式比较系统地进行了卫星视反射率对地表、大气和卫星参数的敏感性数值试验,重点研究了邻近效应对地表反射水平非均一分布的敏感性、邻近效应有效地表范围以及邻近效应与卫星高度的关系三个方面的问题.在定量分析的基础上,揭示了影响邻近效应的主要因子及其影响机制,给出了一些重要结论,包括:地表非均一引起的邻近效应的影响是非常重要的,特别是当目标反射率小于环境反射率时;气溶胶光学厚度越大,散射相函数对称性越强,卫星视反射率对环境反射率越敏趑感,邻近效应越明显;邻近效应的有效地表范围可达到几十公里,同样光学厚度条件下,与气溶胶相比,分子的有效地表范围更大,邻近效应也更强;卫星观测同一目标物时,邻近效应随着探测器高度增高而变大等.     

基于卫星遥感的洞庭湖水体面积变化及与水文的相关性

该文利用2006—2020年洞庭湖水体遥感面积及水文资料,对洞庭湖水体面积变化特征及其与水文的相关性进行了探讨。结果表明洞庭湖水体面积离散程度较高且变幅大。岳阳市、益阳市、常德市水体面积分别占洞庭湖水体面积的68.62%、25.77%、5.61%。其中位于岳阳市的岳阳县、湘阴县、位于益阳市的沅江市水体面积分别占洞庭湖水体面积的34.89%、17.35%、23.52%。占比越大的县市水体面积与洞庭湖水体面积相关性越大。洞庭湖水体面积与城陵矶水位的相关性高于常德、益阳水位。2010—2020年洞庭湖水体年最大面积显著增大。洞庭湖水体面积与城陵矶水位4阶多项式曲线拟合相关性最优。此外,不同的卫星/仪器、算法、分辨率以及天气条件对洞庭湖水体面积会产生一定的影响,洞庭湖区强降水对洞庭湖水体面积影响较大。     

FY 3A三个通道资料反演水云有效粒子半径的研究

基于水汽吸收波段云的反射率主要依赖于云粒子大小的原理,利用SBDART辐射传输模式和FY-3A极轨气象卫星可见光红外扫描辐射计(VIRR)的通道3(3.7μm)、中分辨率光谱成像仪(MERSI)的通道6(1.64μm)和通道7(2.13μm)所提供的探测数据进行了水云有效粒子半径的反演和比较。发现,1.64、2.13和3.7μm三个通道均能定最反演有效粒子半径的大小,其中1.64和2.13μm通道对大粒子的敏感性较高,3.7μm通道在光学厚度较小时敏感性好。三个通道的有效粒子半径反演产品与MODIS有效粒子半径产品具有较好的相关性。