基于EOS/MODIS数据的青海湖遥感监测

在二十世纪八十年代,NASA 开始设计地球观测系统(EOS),MODIS 数据是地球观测系统中很具特色的数据,在 TERRA 和 AQUA 卫星上均搭载有 MODIS 传感器．利用 MODIS 的较高的空间分辨率和光谱分辨率进行地球资源的监测 及预测、预报未来变化的研究是近几年热点的研究问题．本文介绍利用 EOS/MODIS 遥感数据进行湖泊水域计算机自动 识别及面积计算、湖水面温度反演、湖冰信息自动提取、湖泊封冻和解冻监测原理和方法,并以青海湖为例介绍了实际应 用情况．     

内蒙古乌梁素海“黄苔”暴发卫星遥感动态监测

通过综合分析"黄苔"、芦苇、明水体和陆地等地物在EOS/MODIS图像上不同波段的光谱特征,提出了利用EOS/MODIS可见光、近红外波段数据提取"黄苔"信息的方法.结合乌梁素海"黄苔"实地考察资料和高空间分辨率的中巴资源卫星CBERS/CCD数据对MODIS数据监测"黄苔"的结果进行了比对验证.研究结果表明,本文提出的方法可以对"黄苔"进行有效的监测.同时提出了简单可行的去除程辐射影响的大气校正方法,利用MODIS 2008年5-10月的数据对内蒙古乌梁素海的"黄苔"灾情进行了动态监测,获得了乌梁素海"黄苔"灾情发生发展的特征信息,乌梁素海在2008年5月初开始出现"黄苔",6-7月份发生大面积"黄苔"暴发,进入8月以后"黄苔"开始逐渐消退,10月份基本消失,并初步分析了"黄苔"暴发的原因.     

基于HJ-CCD和MODIS的吉林省中西部湖泊透明度反演对比

水体透明度能够反映光在水体中的穿透程度,影响水生植被及以光为依赖条件的水生生物的分布,获取透明度的传统方法是采用透明度盘进行测量,但也可以通过遥感方法获得.环境减灾卫星是专门用于环境与灾害监测预报的小卫星星座,影像覆盖范围广,空间、时相分辨率较高,可以为水环境遥感提供较好的数据源.MODIS数据在近岸水体和内陆大型湖泊水环境监测中也有广泛应用,它的时相分辨率也很高,但空间分辨率低.利用HJ-1A卫星CCD数据和MODIS日反射率产品(MOD09GA),以2012年9月吉林省石头口门水库、二龙湖、查干湖、月亮泡等地的实测透明度为基础(实测点数74个,最小值为0.134 m,最大值为1.410 m,平均值为0.488 m),根据灰色关联度选取构建模型的波段组合,建立水体透明度反演模型.HJ1A-CCD数据与MOD09GA数据建立的模型R2分别为0.639和0.894,均方根误差(RMSE)分别为0.248和0.135,模型验证的平均相对误差(MRE)分别为17.1%和9.5%,RMSE分别为0.207和0.089.MODIS数据以其较高的辐射分辨率使模型精度较高,但是HJ数据在应用于透明度小于1 m的水体时精度也较高(MRE=13.5%,RMSE=0.066).HJ-CCD数据在空间分辨率上的优势使其能够获得透明度空间分布的细节信息.比较两者反演得到的湖泊平均透明度,结果较为一致.     

基于MODIS数据的太湖藻华水体识别模式

针对2007年5月太湖爆发的蓝藻水华事件,利用MODIS植被指数数据对其进行遥感监测.结果表明:MODIS数据可成功提取蓝藻水华信息.近红外/红光波段比值识别模式和植被指数NDVI值、EVI值识别模式均可确定蓝藻分布范围,但前两者不易将高浑浊水体区分开来,或不易识别低蓝藻分布区域,因此易扩大或缩小蓝藻分布范围;而后者由于引入了背景调节参数,可有效抑制背景水体及泥沙的影响,因此根据EVI值得到的蓝藻范围及强度较为真实的反映了藻华情况.该研究可为今后利用遥感技术,建立太湖蓝藻水华监测系统奠定基础.     

利用MODIS影像提取太湖蓝藻水华的尺度差异性分析

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,然而低空间分辨率数据提取的蓝藻水华会产生尺度误差.本文以太湖为研究区,利用2005年10月17日和2010年12月3日两景MODIS(250和500m)数据,采用浮游藻类指数(FAI)法提取太湖蓝藻水华面积;通过将FAI50均值化为FAImean(500 m),然后与...     

遥感影像空间分辨率变化对湖泊水体提取精度的影响

湖泊面积是表征湖泊水情变化的重要指示因子,如何从不同空间分辨率遥感数据中获取客观准确的水面信息,是当前遥感应用研究中的难点问题.本文以鄱阳湖为例,通过选用丰水期和枯水期代表性Landsat ETM+遥感影像,采用最邻近法(NN)和像元聚合法(PA)两种重采样方法,分别获取分辨率逐渐降低的不同分辨率的影像数据,结合归一化差异水指数法研究水域面积随遥感影像分辨率降低的变化趋势及其误差变化特征,同时深入分析不同影响因素对水体提取精度的差异.研究结果表明:(1)空间分辨率是影响鄱阳湖水体提取精度的重要因素之一,随着遥感影像空间分辨率的降低,提取水域面积的精度相对30 m分辨率时呈逐渐降低的趋势,但整体精度较高,最低精度在67.64%以上;(2)NN重采样方法对遥感影像波段亮度值的均值影响不大,但PA重采样后影像的均值和标准差随分辨率逐渐降低且变化更有规律;(3)水体阈值在PA重采样后变化较大,NN重采样后变化较小,因而采用30 m分辨率时获取的阈值提取PA重采样后鄱阳湖水体误差较大,提取NN重采样后的湖泊水体误差较小.本研究结果对于全球变化影响下湖泊水体信息遥感精确提取具有重要的参考价值.     

MODIS影像的大气校正及在太湖蓝藻监测中的应用

MODIS 数据有免费、波段丰富、时间分辨率高等优点,是进行太湖蓝藻监测的重要数据源,由于MODIS传感器接收的是地物反射太阳辐射的信号,太阳辐射与地球大气的相互作用会引起传感器接收到的信号失真,为了提高利用MODIS数据监测太湖蓝藻的精度,必须对其进行大气校正.本文介绍了FIAASH大气校正模型的基本原理,并对2007年4月25日MODIS数据的前七个波段进行试验,对比分析了影像大气校正前后的NDVI值以检测大气校正的效果;分析表明,大气校正前后NDVI的变化趋势基本上相同,但大气校正后的NDVI动态范围更大,校正后NDVI的平均值和标准差增大,大气校正在一定程度上有效地降低了大气对遥感影像的影响,达到了增强信息的目的;最后,利用大气校正获取的地表真实反射率数据的第二波段与第一波段的比值,运用阈值法提取蓝藻信息,经试验当阈值为1.9时提取出来的蓝藻分布图基本上与实际相符.利用MODIS影像可以快速、及时地监测蓝藻爆发的位置及爆发程度.     

全球陆表水体高分辨率遥感制图

陆表水体是地表覆盖的重要组成之一,是气候变化研究、生态环境评估和宏观调控分析等不可或缺的重要基础信息.本文介绍了全球地表覆盖遥感制图项目中陆表水体总体研制情况.项目通过收集、处理美国陆地卫星Landsat TM/ETM+、国产环境减灾星(HJ-1)等影像,实现了2000年、2010年两个基准年度的全球30 m分辨率多光谱影像的有效覆盖,影像纠正精度满足1:20万制图要求,两期影像配准中误差控制在1个像元以内.根据30 m分辨率尺度的水体光谱特征与几何形态,合理地设计提取指标,结合基于像元分类法简单易操作、面向对象分类法可综合利用各种规则知识的优势,开展水体信息的精细化提取,最后利用人机交互来进一步优化完善分类结果,实现全球水体的高精度遥感制图.完成的全球陆表水体数据成果GlobalLand30-water 2000和GlobalLand30-water 2010,属目前全球尺度下最高分辨率的分类成果,自评估总体精度为96%.该数据是开展全球陆表水体空间分布格局分析、揭示地域差异、研究时空波动规律以及进行生态环境健康诊断等相关研究工作的重要基础数据.     

太湖蓝藻水华遥感监测方法

利用遥感技术监测太湖蓝藻水华具有重要的现实意义.基于不同遥感数据,包括MODIS/Terra、CBERS-2 CCD、ETM和IRS.P6 LISS3,结合蓝藻水华光谱特征,采用单波段、波段差值、波段比值等方法,提取不同历史时期太湖蓝藻水华.结果表明:MODIS/Terra数据可以利用判别式Band2＞0.1和Band2/Band4＞1提取蓝藻水华;CBERS-2 CCD、ETM和IRS-P6 LISS3数据可以利用Band4大于一定阈值和Band4/Band3＞1提取蓝藻水华;波段比值(近红外,红光＞1)算法稳定,可以发展成为蓝藻水华遥感提取普适模式.同时,本文成功利用ETM和IRS.P6 LISS3数据Band4波段对蓝藻水华空间分布强度进行了五级划分.这为今后利用遥感技术,建立太湖蓝藻水华监测和预警系统莫定了基础.     

全球30m空间分辨率耕地遥感制图研究

耕地是全球地表覆盖制图中重要的地表覆盖类型之一,其变化影响着人类社会经济发展、粮食安全与生态环境保护.现有全球耕地制图产品空间分辨率较粗,缺乏高空间分辨率的全球耕地数据产品.本研究利用全球2000/2010两期30m空间分辨率遥感影像数据集(Landsat TM/ETM+、HJ-1)、MODIS 250m空间分辨率NDVI时间序列数据及多种参考资料,针对全球尺度30m影像中耕地提取的难点,提出基于像元、对象和知识3个层次的耕地提取方法,即基于像元尺度多特征优化的耕地分类提取、基于对象的耕地自动判别以及基于信息服务和先验知识的交互式对象处理,完成了全球两期30m耕地遥感制图,并对全球耕地的面积等信息进行统计分析.结果表明,全球2000年和2010年耕地总面积分别为19.03亿ha和19.60亿ha.精度评价结果表明,两期全球30m耕地遥感制图总体精度均达到92%以上.本研究研制的2000/2010两期的全球耕地遥感数据产品,在空间分辨率和分类精度上均优于国际上同类产品,为全球粮食安全、生态环境监测和全球变化等研究提供了重要基础数据.