光学与微波遥感的新疆积雪覆盖变化分析

利用2002-2013年冬季的MODIS光学遥感数据,以及AMSR-E、AMSR2与MWRI被动微波遥感数据,建立了新疆地区冬季每日积雪分布遥感反演模型。首先,将Terra与Aqua双星MODIS的积雪产品融合,初步去云并最大化积雪信息;然后,利用AMSR-E/AMSR2和MWRI被动微波数据进行每日雪盖提取;最后,利用被动微波遥感数据反演得到的每日雪盖结果对双星融合后依然有云的像元进行替换,得到每日积雪分布情况。据此模型提取了11年间冬季的积雪天数信息,结合气象台站观测数据,分析了新疆冬季积雪的年内和年际变化规律。结果表明,新疆地区积雪主要分布在北部新疆,积雪天数与地形关系密切,山区积雪天数较多,盆地及城市区积雪天数较少;积雪天数年内变化是从11月到次年1月随温度降低逐渐增加,从1月到3月积雪天数则逐渐减少。新疆地区积雪天数在这11年中存在一定的波动,积雪天数与该年的平均气温,以及月低于0℃的天数存在显著相关性,与降雪量关系不明显。新疆地区近年来积雪天数重心有向西向南移动的趋势,这可能与全球气候变暖导致多年积雪融化有关。     

洞庭湖流域植被动态变化的小波多分辨率分析

将离散小波多分辨率分析（MRA）应用于归一化植被指数（NDVI）时间序列研究,分解NDVI原数据序列成不同时间尺度的子序列,从而进行植被动态变化分析。针对洞庭湖流域的NDVI时间序列进行多尺度分解,挖掘这些数据中潜在的植被季节性和年际变化,对其进行评估,并结合土地覆盖变化与降水趋势变化分析引起该变化的可能原因。结果表明：小波多分辨率分析能提取洞庭湖流域植被动态的相关信息,如NDVI的年际成分均值、最低值、植被年内变化的振幅、NDVI最大值出现的月份和土地覆盖变化的趋势及幅度,这些信息有效刻画了流域植被动态变化特征。此外,将土地覆盖变化分析结果与降水数据相结合进行分析,发现流域植被覆盖的变化与降水变化有明显的关联性,其中西部地区和西北部地区植被动态变化对降水响应最为明显。但是有些地区降水没有明显减少趋势,而植被覆盖却存在减少趋势,则可能与该地地势较高、城镇化建设等其他因素相关。     

2000-2012年祁连山植被覆盖变化及其与气候因子的相关性

研究祁连山地区植被覆盖变化及其与气候因子的响应关系对这一地区土地利用总体特征以及对区域及全球气候和环境变化都将产生深远的意义。利用2000-2012年美国国家航空航天局提供的MODIS NDVI数据并结合相应的气候资料,通过对逐像元信息的提取和分析,运用均值法、斜率分析法、相关分析法,研究了2000-2012年不同季节祁连山植被覆盖的时空变化及其与气候因子的相关性。结果表明:13 a来祁连山植被覆盖整体上呈增加趋势,其中春季植被改善最为明显,秋季次之;植被覆盖变化在不同季节都存在明显的空间差异;不同季节植被与气温、降水的时滞效应不尽相同;祁连山春季大部分地区NDVI与气温呈显著正相关,夏季NDVI与降水呈显著正相关,秋、冬季NDVI与降水、气温的相关性不明显。     

基于MODIS数据的青藏高原气温与增温效应估算

利用2001-2007 年MODIS地表温度数据、137 个气象观测台站数据和ASTERGDEM数据, 采用普通线性回归分析方法(OLS)及地理加权回归分析方法(GWR), 研究了高原月均地表温度与气温的相关关系, 最终选择精度较高的GWR分析方法, 建立了高原气温与地表温度、海拔高度的回归模型。各月气温GWR回归模型的决定系数(Adjusted R²) 都达到了0.91 以上(0.91~0.95), 标准误差(RMSE) 介于1.16~1.58℃;约70%以上的台站各月残差介于-1.5~1.5℃之间, 80%以上的台站的残差介于-2~2℃之间。根据该模型, 估算了青藏高原气温, 并在此基础上, 将高原及周边地区7 月份月均气温转换到4500 m和5000 m海拔高度上, 对比分析高原内部相对于外围地区的增温效应。研究结果表明:(1) 利用GWR方法, 结合地面台站的观测数据和MODIS Ts、DEM等, 对高原气温估算的精度高于以往普通回归分析模型估算的精度(RMSE=2~3℃), 精度可以提高到1.58℃;(2) 高原夏半年海拔5000 m左右的高山区气温能达到0℃以上, 尤其是7 月份, 海拔4000~5500 m的高山区的气温仍能达到10℃左右, 为山地森林的发育提供了温度条件, 使高原成为北半球林线分布最高的地方;(3) 高原的增温效应非常突出, 初步估算, 在相同的海拔高度上高原内部气温要比外围地区高6~10℃。     

A thin cloud removal method from remote sensing image for water body identification

In this paper,a thin cloud removal method was put forward based on the linear relationships between the thin cloud reflectance in the channels from 0.4 μm to 1.0 μm and 1.38 μm.Channels of 0.66 μm,0.86 μm and 1.38 μm were chosen to extract the water body information under the thin cloud.Two study cases were selected to validate the thin cloud removal method.One case was applied with the Earth Observation System Moderate Resolution Imaging Spectroradiometer(EOS/MODIS) data,and the other with the Medium Resolution Spectral Imager(MERSI) and Visible and Infrared Radiometer(VIRR) data from Fengyun-3A(FY-3A).The test results showed that thin cloud removal method did not change the reflectivity of the ground surface under the clear sky.To the area contaminated by the thin cloud,the reflectance decreased to be closer to the reference reflectance under the clear sky after the thin cloud removal.The spatial distribution of the water body area could not be extracted before the thin cloud removal,while water information could be easily identified by using proper near infrared channel threshold after removing the thin cloud.The thin cloud removal method could improve the image quality and water body extraction precision effectively.     

A MODIS time series data based algorithm for mapping forest fire burned area

Burned area mapping is an essential step in the forest fire research to investigate the relationship between forest fire and climate change and the effect of forest fire on carbon budgets. This study proposed an algorithm to map forest fire burned area using the Moderate-Resolution Imaging Spectroradiameter (MODIS) time series data in Heilongjiang Province, China. The algorithm is divided into two steps: Firstly, the ‘core’ pixels were extracted to represent the most possible burned pixels based on the comparison of the temporal change of Global Environmental Monitoring Index (GEMI), Burned Area Index (BAI) and MODIS active fire products between pre- and post-fires. Secondly, a 15-km distance was set to extract the entire burned areas near the ‘core’ pixels as more relaxed conditions were used to identify the fire pixels for reducing the omission error as much as possible. The algorithm comprehensively considered the thermal characteristics and the spectral change between pre- and post-fires, which are represented by the MODIS fire products and the spectral index, respectively. Tahe, Mohe and Huma counties of Heilongjiang Province, China were chosen as the study area for burned area mapping and a time series of burned maps were produced from 2000 to 2011. The results show that the algorithm can extract burned areas more accurately with the highest accuracy of 96.61%.     

四川草原MODIS数据的产草量估算

四川草原是我国5大牧区之一,其可利用的天然草地占全省草原总面积的85%,准确掌握草原产草量信息对草原管理和当地经济发展具有重要意义。本研究利用2011年7月MODIS不同分辨率(250m、500m、1km)NDVI、EVI产品和同期地面调查数据(共181个采样点),对四川草原4种主要草地类型(即高寒草甸草地、高寒灌木草地、高寒沼泽草地和山地疏林草地)产草量鲜重分类型建立估产模型。研究发现,NDVI对该地区4种主要草地类型产草量的拟合效果普遍优于EVI;相对于500m和1km的遥感数据,250m的遥感数据拟合效果较好;分草地类型建立模型的效果优于对全体样本建立模型;该地区除高寒沼泽草地用幂函数模型拟合效果较好外,其余均用指数模型进行建模效果较好;对该地区各草地类型建立的最优估产模型,精度均在70%以上,回归判定系数R2在0.75以上;利用最优模型对2011年四川省草原进行估产,总体估产精度约为90%。     

基于MODIS卫星资料研究三峡工程对库区地表温度的影响

利用2001-2012年MODIS地表温度资料,分析了三峡库区蓄水后水体对冬、夏两季白天和夜间地表温度的影响。由于下垫面水陆和地势的影响,白天地表温度高值区主要位于四川盆地东部,夜间则主要出现在长江江面;温度日较差在长江和海拔较高地区较小,且夏季水体日较差小于冬季。分别用水体和I～X缓冲区地表温度减去XI缓冲区去除气候背景场影响,发现冬季白天地表温度趋势在水体及I～VI缓冲区由下降转为上升,夜间地表温度在相同距离内显著升高。利用蓄水后（2003-2012年）地表温度或日较差分别减去蓄水前（2001-2002年）剔除地形影响,发现：冬季,三峡工程水库蓄水对局地地表温度具有增温效果,且强度和范围夜间大于白天;夏季,对地表温度有降温作用,白天大于夜间;同时,冬、夏季的温度日较差减小;且水体对局地地表温度和日较差的影响随距水体距离的增加而减小,其影响范围基本维持在0～8 km范围内。     

多源遥感数据时空融合模型应用分析

多源遥感数据时空融合模型是解决目前遥感数据获取能力不足问题的重要方法之一,当前主要融合方法的研究,集中于平原区域,缺乏复杂条件下的多源遥感数据融合技术的应用研究。针对我国南方复杂条件,本文对比研究了多源遥感数据时空融合模型在我国南方复杂条件下的应用能力。针对LORENZO模型、LIU模型、统计回归模型、STARFM和ESTARFM 5种主流多源遥感数据时空融合模型,采用Landsat-ETM+和MODIS数据,以江苏省南京市的小块区域为实验区,利用5种模型生产融合影像,以真实Landsat-ETM+数据为模板,定性和定量评价融合效果的好坏。结果表明：除LORENZO模型外,其余4种模型获得的融合影像与真实影像之间都具有较高的相关性,相关系数均高于0.6,其中,ESTARFM模型的融合影像与真实影像间的相关性最高,融合效果最好,其次为STARFM模型,再次为LIU模型和统计模型法。在融合过程中采用距离、时间和光谱等信息越多,融合效果越好,在复杂地区的适用能力越强,融合影像更能反映地物的细节特征。     

基于MODIS数据的城市光化学污染预警系统及预警等级研究

通过分析MODIS遥感数据反演的大气气溶胶光学厚度(AOD)与大气环境污染的关系,结果表明当空气清洁没有污染时,AOD小于0.3,当空气轻度污染时,AOD在0.3~1.0之间,当空气污染严重时,AOD大于1.0。在分析AOD与地面大气污染的关系的基础上,结合地面空气污染监测数据的空气污染指数,将城市光化学污染的预警等级分为无、微弱、较弱、较强和强五级,并对城市光化学污染预警系统进行了框架分析,为进一步建设城市光化学污染预警系统提供基础。