西北地区MODIS-NDVI指数饱和问题分析

为了了解西北地区MODIS-NDVI和MODIS-EVI两种植被指数的特点,本文利用美国NASA LP DAAC(Land Process Distributed Active Archive Center)2004年1~12月的250 m分辨率16天植被指数合成的MOD13 Q1数据集,对西北地区不同类型植被NDVI和EVI的特征进行分析,并对西北地区MODIS-NDVI饱和问题进行了初步研究。结果表明:NDVI和EVI对干旱—半干旱气候区植被覆盖度不高的植被类型描述能力相似,月际变化趋势一致。西北地区各种植被类型NDVI比EVI高,NDVI与EVI的差异总体上呈现从半荒漠、草原、农区到林区,随NDVI值的增加而增大的规律。对植被度覆盖度高的阔叶林和针叶林,在植被生长旺盛期,NDVI总在0.8附近波动,NDVI随植被的生长增加的很小,一直维持在一个高且平的范围内,不再能看出植被生长变化的现象,即饱和现象严重;而EVI表现良好,随着植被的生长而增加,能明显地反映出植被生长的季节变化。西北高寒草甸和陕西关中农业区NDVI也出现有不同程度的饱和,饱和时间因植被的不同从1~2月不等。0.8可作为NDVI饱和的阈值。NDVI饱和问题对卫星监测植被的研究和应用会产生误差,EVI能较好地解决NDVI的饱和问题。     

EOS/MODIS资料在湖北省林火监测中的应用

介绍了EOS卫星上携带的MODIS传感器的主要特点以及用MODIS资料进行林火监测的原理。根据近年来使用MODIS资料进行林火监测的应用情况,对自动判识火点所需设置的门槛值进行了分析和探索,找到了一种能快速、简便地设置ch21和ch21-ch31门槛值的方法,并通过实例证明该方法在林火监测中是可行的和有效的。     

三维城市地表反射率计算模式

地表反射率是控制地表能量平衡的一个重要参数。城市建筑物的分布具有较大的不均一性,这不仅给地基观测城市地表反射率带来了很大困难,数值模拟城市地表反射率也是非常困难的。作者开发了一个三维城市地表反射率模式city_photo,该方法结合了蒙特卡洛方法和几何光学方法的优点,具有较高的精度和较快的计算速度。通过引入城市地图的概念,该模式能够计算具有不同结构的城市的地表反射率。2002至2004年晴空MODIS（MODerate Resolution Imaging Spectroradiometer,中分辨率成像光谱辐射计）1~7通道可见光和近红外通道地表反射率资料被用来检验模式的有效性,位于北京朝阳区的中国科学院大气物理研究所的AERONET站点观测得到气溶胶光学特性和水汽资料,6S（Second Simulation of Satellite Signal in the Solar Spectrum）大气辐射传输模式被用来对其进行大气订正。模式计算的北京城市地表反射率个例与MODIS 7个通道地表反射率观测结果具有很高的相关性,相关系数在0.80~0.93之间,说明模式能够较好地模拟城市地表反射率随太阳和观测角度的变化情况。最后讨论了城市结构对城市地表反射率的影响。     

基于MODIS数据的决策树分类方法研究与应用

介绍了目前国际上流行的两种决策树算法———CART算法与C4·5算法,并引入了两种机器学习领域里的分类新技术———boosting和bagging技术,为探究这些决策树分类算法与新技术在遥感影像分类方面的潜力,以中国华北地区MODIS250m分辨率影像进行了土地覆盖决策树分类试验与分析。研究结果表明决策树在满足充分训练样本的条件下,相对于传统方法如最大似然法(MLC)能明显提高分类精度,而在样本量不足下决策树分类表现差于MLC;并发现在单一决策树生成中,分类回归树CART算法表现较C4·5算法具有分类精度和树结构优势,分类精度的提高取决于树结构的合理构建与剪枝处理;另外在决策树CART中引入boosting技术,能明显提高那些较难识别类别的分类准确率18·5%到25·6%。     

用被动微波AMSR数据反演地表温度及发射率的方法研究

 针对对地观测卫星多传感器的特点，提出了借助MODIS地表温度产品从被动微波数据中反演地表温度的方法。即利用MODIS地表温度产品和AMSR不同通道之间的亮度温度，建立地表温度的反演方程。该方法克服了以往需要测量同步数据的困难，为不同传感器之间的参数反演相互校正和综合利用多传感器的数据提供实际应用和理论依据。文中以MODIS地表温度产品作为评价标准，对方法进行检验，其平均误差为2~3℃。另外，微波的发射率是土壤水分反演的关键参数，在对微波地表温度反演的基础上，进一步对发射率进行了研究。     

多源数据的土地覆被样本自动提取

随着遥感数据获取能力的不断增强,自动化程度已经成为大尺度遥感土地覆被分类面临的关键问题。然而,现有训练样本的人工选取方法成为制约土地覆被分类自动化的瓶颈。本文以河南、贵州两省为研究区,提出一种基于多源数据的土地覆被样本自动提取方法,以构建适用于大尺度的土地覆被自动分类。首先,以2010年1∶10万土地利用数据CHINALC和30 m分辨率全球土地覆被数据Globle Land30为样本数据源;然后,利用空间一致性分析及异质性分析确定样本初选区域;最后,通过样本提纯去除无效样本。结果表明:(1)应用多源数据的土地覆被样本自动提取方法获得的分类产品总体分类精度高于人工样本提取方法制作的全球土地覆被产品MCD12Q1。(2)与单源样本自动提取方法相比,应用多源数据的土地覆被样本自动提取方法,可获得更好的分类稳定性。综上,多源数据的土地覆被样本自动提取方法可在保证精度的同时,提升土地覆被分类的自动化程度。     

Evaluation of directional normalization methods for Landsat TM/ETM+ over primary Amazonian lowland forests

Biodiversity mapping in extensive tropical forest areas poses a major challenge for the interpretation of Landsat images, because floristically clearly distinct forest types may show little difference in reflectance. In such cases, the effects of the bidirectional reflection distribution function (BRDF) can be sufficiently strong to cause erroneous image interpretation and classification. Since the opening of the Landsat archive in 2008, several BRDF normalization methods for Landsat have been developed. The simplest of these consist of an empirical view angle normalization, whereas more complex approaches apply the semi-empirical Ross–Li BRDF model and the MODIS MCD43-series of products to normalize directional Landsat reflectance to standard view and solar angles. Here we quantify the effect of surface anisotropy on Landsat TM/ETM+ images over old-growth Amazonian forests, and evaluate five angular normalization approaches. Even for the narrow swath of the Landsat sensors, we observed directional effects in all spectral bands. Those normalization methods that are based on removing the surface reflectance gradient as observed in each image were adequate to normalize TM/ETM+ imagery to nadir viewing, but were less suitable for multitemporal analysis when the solar vector varied strongly among images. Approaches based on the MODIS BRDF model parameters successfully reduced directional effects in the visible bands, but removed only half of the systematic errors in the infrared bands. The best results were obtained when the semi-empirical BRDF model was calibrated using pairs of Landsat observation. This method produces a single set of BRDF parameters, which can then be used to operationally normalize Landsat TM/ETM+ imagery over Amazonian forests to nadir viewing and a standard solar configuration.     

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MODIS数据的松辽平原土地退化宏观评估

该文利用植被指数、最小噪声化变换、纯净像元指数和匹配滤波等遥感信息定量分析方法,从MDDIS陆地观测数据中提取反映松辽平原土地退化状况的植被覆盖、盐碱化和沙漠化信息,实现土地退化制图及土地退化格局分析。MODIS数据及其定量分析技术,对干旱区与半干旱区土地退化的宏观监测具有重要作用。     

基于MODIS数据的北疆积雪黑碳和雪粒径反演及时空变化分析

积雪是地球上反射率较高的自然表面,对于中高纬度地区的水文和能量收支平衡发挥着重要作用。表层积雪中的黑碳和雪粒径变化可以显著影响积雪反照率,造成积雪对太阳辐射吸收的变化,进而对区域气候变化和水文循环产生反馈作用。利用遥感技术对季节性积雪表层黑碳和雪粒径进行定量评估,可以获取时空上连续系统的雪表黑碳浓度和雪粒径变化情况,这也是许多气候和水文模型的输入因子。以中国主要季节性积雪区北疆为研究区,基于MODIS（Moderate Resolution Imaging Spectroradiometer）数据的3（0.47 μm）、2（0.86 μm）和5（1.24 μm）波段,采用SGSP（Snow Grain Size and Pollution Amount）算法反演2000-2018年积雪期的雪表黑碳浓度和雪粒径,并结合地面观测数据对于反演结果进行了精度验证,综合分析北疆雪表黑碳浓度和雪粒径时空变化趋势。结果显示,SGSP算法能够同时反演雪表黑碳浓度和雪粒径,并且验证结果表明纯雪像元上反演结果具有较好的精度;2000-2018年北疆雪表年均黑碳浓度和年均雪粒径都随时间变化呈现微弱下降趋势;受地理位置和局部污染源的影响,北疆积雪黑碳浓度空间分布复杂,天山北坡经济带平均黑碳浓度最高,伊犁地区平均黑碳浓度最低,雪粒径的空间分布显示塔城地区平均雪粒径最大,伊犁地区最小。