沙尘暴EOS/MODIS监测指数模型

利用EOS/MODIS数据,采用最佳波段组合指数法和方差-协方差矩阵特征值法,从36个MODIS波段中筛选出用于沙尘暴图像最佳彩色合成增强的最佳组合波段。在敏感性差异分析的基础上应用波段数学组合的方法建立了沙尘暴判识的条件:构建了提取沙尘暴区域范围和强度等级信息的沙尘暴卫星遥感监测指数SVI(Sand storm value index),利用指数SVI值的大小对沙尘暴进行了等级的定级和分类。     

植被遥感信息提取的最佳波段选择--以云岭中部山区为例

多光谱遥感数据的最佳波段选取是遥感图像增强处理的关键部分．直接影响图像的目视解译和研究对象的信息提取。通常的最佳波段选取方法主要考虑波段组合时所包含的信息量要大，而它们之间的相关性要小这两个因素。这一方法未考虑到要使波段组合后研究地物的光谱特征差异要最大这一因素。在利用OIF指数进行最佳波段选取的研究中发现，此方法虽然简化了波段选取工作，但存在不足之处。在研究过程中，同时把植被光谱特征、TM5卫星各个波段用途和OIF指数相结合进行考虑来选取植被信息提取中的最佳波段，取得了较好结果。     

龙口市污水灌区与清水灌区冬小麦植被指数变化差异分析

为了研究污水灌溉对农田土壤环境和作物生长的影响,利用2008—2009年10期中国环境与灾害监测预报小卫星(HJ-1A)CCD1影像数据,结合龙口市冬小麦物候期的变化特征提取出单一冬小麦种植区,反演了冬小麦生长期内的归一化植被指数(NDVI),并对污水灌区和清水灌区的冬小麦植被指数进行比对分析,最后结合相应的重归一化植被指数(RDVI)和叶面积指数(LAI)进行验证。结果显示,研究区内污水灌溉已经对灌区的作物生长产生了一定的影响,污水灌溉区作物的生长状况明显不及清水灌溉区作物长势。说明污水灌溉会导致冬小麦的长势变差,对污水排放的控制和污水无污化处理势在必行。     

基于GIS、RS的西藏墨脱高等级公路工程地质勘察

以ETM 图像为信息源，以基于地学知识的地学遥感解译及图像识别技术为主要方法，结合数字图像处理技术和地理信息技术，在图像波谱分析的基础上，选择TM4(R)、3(G)、2(B)波段组合与TM8融合图像为基础底图，在ENVI及ARC／INFO平台下，对墨脱公路方案线廊带的工程地质信息进行图像识别、机助解译及专题制图，取得了较好的应用效果。     

双台河口国家级自然保护区芦苇叶面积指数遥感反演与空间格局分析

应用Landsat7 ETM+遥感数据与同期野外实测叶面积指数(LAI)数据,基于多季相遥感影像,用面向对象的分类方法,提取双台河口国家级自然保护区芦苇分布数据,建立芦苇LAI最优估算模型,并进行其遥感反演及空间格局分析。研究结果表明,2012年,双台河口国家级自然保护区内芦苇总面积为38 200 hm2,占保护区总面积的29.5%,其中,缓冲区的芦苇面积为16 200 hm2,实验区的芦苇面积为11 900 hm2,核心区芦苇面积为10 100 hm2;以遥感影像缨帽变换(TC)后的绿度(GREEN)分量、ETM+第5波段(B5)和第3波段(B3)为自变量的多元线性模型为芦苇LAI反演的最优估算模型(p0.01,R2=0.741)。双台河口国家级自然保护区芦苇LAI介于0.12~5.85之间,呈现东高、西低和北高、南低的分布格局;保护区核心区的芦苇LAI最均一,实验区的芦苇LAI空间变化最明显。     

河南地貌及其遥感制图应用研究

一、使用的遥感图像及工作方法 本图的解译绘制,主要根据1/50万MSS4、5、7波段合成的假彩色卫片及多波段黑白卫片解译而成。黄土分布地区,利用航片对滑坡、错落等不良物理地质现象进行了重点解译。对盐碱地的分布进行了航卫片对照解译。 二、分类原则与表示方法 本图系参考《中国1/100万地貌制图规范(修订稿)》及《国土资源信息分类体系(征求意见稿)》,采用形态、成因及物质组成多级分类的     

基于Landsat-8遥感数据和PROSAIL辐射传输模型反演叶面积指数

为了探讨Landsat 8 OIL数据在LAI大范围反演方面的应用潜力,使用Landsat 8 OIL影像,通过PROSAIL辐射传输模型,采用3种波段组合(Band2-7,Band2-5,Band3-5)建立了3个模拟冠层反射率-叶面积指数(LAI)查找表,用2种代价函数(Geman and Mc Clure代价函数,均方根误差代价函数)实现了对玉米、土豆、森林LAI的定量反演,并用LAI-2200测量数据作为相对真值对反演精度进行评价。结果表明:(1)使用Landsat 8数据,通过PROSAIL模型反演叶面积指数的精度是可以接受的,RMSE范围为在[0.892 4,1.205 0],R2范围为[0.721 3,0.873 3]。(2)Band5(近红外),Band4(红)Band3(绿)的波段组合反演效果在3种组合中精度最高,平均RMSE=0.993 1,R2=0.787 3。(3)Geman and Mc Clure代价函数比常用的均方根误差代价函数得到了更高的反演精度,平均RMSE=0.940 5,R2=0.817 5。(4)相对最优的反演策略是Band5,Band4,Band3的波段组合结合GM代价函数,RMSE=0.892 4,R2=0.873 3。(5)存在玉米土豆的反演值普遍低于测量值,而森林的反演值普遍高于测量值的问题。     

TM影像在河西地区荒漠化土地调查中的应用

遥感及其技术应用和卫星技术的发展为资源环境调查提供了丰富的信息，在人类社会经济活动中发挥着巨大作用。文章根据全国荒漠化土地调查要求及美国陆地资源卫星ＴＭ影像特点，分析了甘肃河西地区１２景、２４幅ＴＭ影像色调特征及形态特征。在此基础上，结合荒漠化土地类型划分建立了图像解译标志，并详细阐述了ＴＭ影像解译程序。通过评价此次荒漠化土地卫星遥感调查中ＴＭ影像的特点及应用效果，充分表明了该现代技术用于此类工作的极大成功     

基于高光谱与多光谱植被指数的洪河沼泽植被叶面积指数估算模型对比研究

以洪河国家级自然保护区为研究区,2009年8月中旬,在研究区野外实测沼泽植物冠层的光谱反射率和叶面积指数(LAI),将地面实测的植物高光谱反射率以Landsat-5 TM波段范围为基准进行波谱重采样,以重采样后的光谱反射率计算多光谱植被指数,用几种常见的高光谱和多光谱植被指数建立估算沼泽植被叶面积指数的统计回归模型,对比这些模型的精度,选出最优模型.研究结果表明,用各植被指数建立的估算沼泽植被叶面积指数的回归模型分别为二次函数、对数函数或指数函数;各模型对沼泽植被叶面积指数的反演精度差别较大;在全波段高光谱植被指数中,用全波段归一化植被指数H-FNDVI(R930,R515)构建的估算沼泽植被叶面积指数的模型最佳;在常规高光谱植被指数中,用修正简单比率H-MSR构建的估算沼泽植被叶面积指数的模型最佳;在多光谱植被指数中,用多光谱归一化植被指数M-NDVI构建的估算沼泽植被叶面积指数的模型最佳.对比发现,由多光谱数据提取的植被指数构建的模型对研究区LAI的估算效果不太理想,而从实测高光谱数据提取的窄波段特有植被指数构建的估算沼泽植被叶面积指数模型表现出较明显的优势,表明窄波段植被指数更适合用来监测沼泽植被叶面积指数.     

中巴02B卫星多光谱影像中LBV数据变换方法研究

通过对实际获得的多光谱影像的光谱特征分析,提出了可用于中巴02B卫星多光谱影像的LBV数据变换公式,使得LBV数据变换方法在国产中巴02B卫星数据上的应用成为可能;运用该变换公式处理得到的中巴LBV数据变换图像比中巴原始数据假彩色合成图像颜色更鲜艳,地物类别更易区分,具有更好的目视解译效果。将LBV变换图像与中巴数据假彩色图像分别用最大似然法进行分类,分类图像和精度检验结果表明:用LBV变换公式得到的LBV结果图像能很好地提高图像计算机分类的精度,该变换方法在中巴02B卫星数据的应用中具有很大潜力。     

应用遥感图象解译河南省水系与水利工程

一、解译方法、原则与分类系统 (一) 解译依据 根据实测地物光谱特性,水的反射率低变化平缓。故卫星影象对水系、水体解译的主要标志是色调和图型。阴影是水系解译的参考标志。 采用MSS4、5、7图象,陆地卫星——4号的TM1、2图象,以及RBV黑白片。利用了7波段对水与周围岩性及其它地物反射率反差大的特点,对MSS多波段图象进行了单波段(MSS7/5)的图象处理方法。为分辨出时令河与常流河,以枯水期(十一月至次年四月)的影象为主,而对水体的处理则采用汛期(七、八月份)的图象。     

卫星图像的解译误差与提高精度的方法

在实际应用中,目视解译仍然是卫星遥感信息应用中的主要技术。通过分析 译可能带来的误差,得出计算机自动矢量化和属性自动识别,是解决所有问题的最终方法。在计算机自动识别尚不成熟时,使用屏幕数据化解译方法,是提高卫星图像应用精度水平的一条途径。     

美国南达科他州Black Hills国家森林公园2000年森林火灾后植被恢复过程研究(英文)

森林火灾在景观上往往造成不同程度的森林冠层损失,而冠层影响光合作用和蒸散,因此刻画灾后森林冠层恢复的轨迹对于了解生态系统过程具有重要意义。森林冠层的损失和恢复通常采用叶面积指数(LAI)或其它能够反映冠层光合能力的植被指数进行表征。本研究中,我们采用Terra卫星搭载的中分辨率成像光谱仪(MODIS)的长时间序列影像(2000-2009年)来重建火灾后森林冠层恢复的过程。以美国南达科他州布莱克山国家森林公园(The Black Hills National Forest, South Dakota)为例,该地区在2000年8月24日经历了一次大的自然火灾,烧毁了近33 785 ha森林,其中大部分是美国黄松林。基于LAI的研究表明,植被冠层光合能力在3年内(2001-2003年)基本恢复,这主要来自于林下未烧毁草地在灾后的快速生长;火烧迹地的NDVI和EVI在这3年内也呈现恢复的态势。可见,LAI、NDVI和EVI在火灾几年之后便难以有效地识别火烧迹地。然而,陆地表面水分指数(基于近红外和短波红外波段的遥感标准化指数,简称LSWI),能够有效地识别和追踪火烧迹地至今的整个过程(2000-2009年)。这一研究结果也使得采用其它具有近红外和短波红外波段的传感器研究森林火灾迹地恢复和干扰过程成为可能,其中包括Landsat 5 TM影像(可追溯至1984年)。更长时间序列的数据对于研究森林火灾灾后生态系统干扰和恢复过程、森林演替模拟以及碳循环具有重要的支撑作用,LSWI指标证明能够有效地刻画这一过程。     

基于环境小卫星CCD影像的水体提取指数法比较

针对湖北省大东湖水网水环境遥感监测需求,开展基于环境小卫星CCD影像的内陆湖库水体提取指数方法研究。以常见的3种水体识别指数为模型,参照使用TM、MODIS等典型传感器进行水体提取的波段选择方式,通过对环境小卫星CCD影像4个波段地物光谱信息的变化趋势分析,发现各波段对水体目标的区分能力;使用指数模型和相应阈值分别计算获得水体特征图像,并以目视判读结合精度评价指标的方式对提取结果进行对比分析。实验结果表明,归一化差异综合水体指数的目视判别效果最好,且具有水陆区分度高和误识别率低的特点,适用于解决水体目标快速提取问题。     

基于多时相冠层结构参数对冠层光谱的敏感性分析

遥感反演的前提需对模型的输入参数进行敏感性分析.该文选取冬小麦返青期、拔节期、孕穗期和抽穗期,考虑输入参数之间的相关性,以辐射传输模型(PROSAIL)为研究对象,对比分析了局部敏感性和全局敏感性方法在模型不确定性和LAI敏感性上的差异.结果表明,随着冬小麦的生长,模拟光谱与实测光谱吻合度提高,模型模拟的不确定性降低;与局部敏感性方法相比,全局敏感性方法的模型不确定性降低,模拟精度提高,冠层光谱对LAI的敏感性有明显变化,植被指数对LAI的敏感性则相对稳定;与NDVI相比,TGDVI对LAI更敏感.     

基于LBV数据变换方法的海岸带多光谱影像分类方法研究

在传统的海岸带多光谱影像分类方法的基础上,提出了运用LBV数据变换方法对海岸带多光谱影像进行地物分类识别的方法,通过图像数据变换能够分别提取出表示地物总辐射水平、可见光-近红外辐射平衡和表示波段辐射变化矢量(方向和速度)L、B、V的值.通过应用青岛海岸带TM多光谱影像,提取LBV变换图像并与原始假彩色合成图像比较,分别进行监督分类试验.运用LBV数据变换方法获得的图像信息量更丰富,地物类别更鲜明,有利于图像的目视解译,分类精度提高约3.12%.     

水分胁迫条件下棉花生理变化及其高光谱响应分析

利用ASD地物光谱仪,测定水分胁迫条件下棉花不同生育时期内叶片的光谱反射率,应用微分技术处理棉花的反射光谱,并结合棉花叶面积指数(LAI)、叶绿素(a b)含量(Chlt)、叶片全氮(TN)含量等生物参数进行分析,研究棉花水分胁迫情况下的高光谱特征,结果表明,一阶微分光谱720nm波段的数值与LAI的正相关(R=0．7656);750nm处一阶微分值与叶绿素含量呈显著正相关关系(R=0．7774);微分光谱690nm～740nm数值积分面积与TN含量呈正相关(R=0．7669),采用比值反射率对反射光谱1300nm～1500nm波段范围内最小值与棉花叶片的含水量作相关分析,达到极显著水平(R^2=0．8298),验证了一阶微分光谱数据与棉花的生理参数有很好的相关性,可见光和近红外波段光谱反射率能够反映出棉花生长发育的动态特征;证明了棉花的花铃期是高光谱遥感对棉花长势和生理参数定量诊断的最佳时期。本研究通过建立一系列线性光谱模型对棉花生理参数进行估测,为基于高光谱数据的棉花生长模型和棉花长势的遥感监测提供了理论依据。     

大面积棉花长势的MODIS监测分析方法与实践

大面积棉花的生长状况监测比较复杂,目前还没有比较成熟的方法。以往遥感监测应用较多的是NOAA—AVHRR数据,监测精度和监测效果不高。本文利用新一代传感器MODIS数据,结合实测的地面农作物生长发育农学参数,系统地分析了石河子地区棉花播种到收获整个田间遥感归一化指数(NDVI)及其对应的叶而积指数(LAI)的变化规律,证明MODIS叶面积指数和实测LAI有很高的一致性,MODISIAI的变化状况与棉花长势变化基本一致,实现了较为精确的石河子地区大面积棉花长势的遥感动态监测。     

基于Landsat 8 OLI影像的塔里木河下游河岸林叶面积指数反演

叶面积指数(Leaf Area Index,LAI)是描述植物冠层结构特征的重要参数,也是研究植物冠层表面物质和能量交换必不可少的参数。根据在塔里木河下游河岸林地利用LAI-2250实测的LAI数据,比较Landsat 8 OLI遥感数据提取的几种常规植被指数估算LAI的能力,建立LAI估算模型,并利用实测数据对模拟结果进行精度验证,生成塔里木河下游LAI分布图。结果表明:(1)各植被指数(Vegetation Indexes,VIs)与LAI均具有一定的相关性,对于不同的植被指数,二次多项式回归模型相关性均最高;(2)在不区分植被类型的样本分析中,大气阻抗植被指数(Atmospherically Resistant Vegetation Index,ARVI)与实测LAI具有最高的相关性;(3)分别针对柽柳林和胡杨林样本分析,判定系数R2和反演精度均具有不同程度的提高,对应的最适植被指数分别为归一化植被指数(Normalized Differential Vegetation Index,NDVI)和ARVI;(4)塔里木河下游河岸植被LAI有3个高值区:大西海子水库附近、下游中部和尾闾湖台特玛湖附近。全区LAI值主要分布在0~1.5之间,均值为0.361。该研究结果为遥感提取塔里木河下游河岸林带高空间分辨率的叶面积指数数据提供了数据支持和方法支撑。     

基于多种卫星的县级尺度干旱监测指数比较——以河北玉田县为例

为确定不同遥感数据源在县级尺度进行干旱监测的能力,利用环境减灾卫星、SPOT4和RAPIDEYE数据分别构建了垂直干旱指数、修正垂直干旱指数和温度植被干旱指数,以河北玉田县为例进行了对比研究。结果表明,基于环境减灾卫星的垂直干旱指数和修正垂直干旱指数变化与RAPIDEYE趋势一致,在冬小麦拔节期,当土壤含水量较高时,两指数值起伏变化不明显;在抽穗期,两指数能较好反映各层土壤含水量的起伏变化。而基于SPOT4的修正垂直干旱指数在一定程度上反映土壤含水量的变化特点,垂直干旱指数对土壤含水量变化不敏感。从数据源选取角度,环境减灾卫星和RAPIDEYE在县级尺度具有较好的干旱监测能力。由于基于环境减灾卫星的温度植被干旱指数与冬小麦单产具有显著以上水平的相关性,据此建立的线性估产模型是一种简单易行的旱灾预警模型。