MODIS积雪遥感监测系统的研制

利用MODIS高光谱、多波段资料和气象台站观测资料，以逐步判别与Bayes判别等数学统计的方法结合不同目标物的光谱特性，同时考虑下垫面条件和季节等对积雪深度分布的影响，建立MODIS积雪深度回归模型；以面向对象的编程技术，采用Microsoft Visual C＋＋．NET软件开发工具，通过“类”概念的设计方法，建立MODIS积雪遥感监测业务系统，计算出积雪面积、覆盖度、各层雪深、雪水当量等多个反映测区积雪总量的物理参数，制作出各类积雪产品。该系统投入业务试运行后，系统运行稳定可靠并在2006年度冬季北疆地区雪灾监测服务和2006年新疆春季洪涝灾害决策服务中发挥了重大作用。     

基于MODIS资料研究广州市热环境

利用MODIS资料,采用推广分裂窗方法,对广州市热环境进行研究。通过实测数据与反演数据进行比较分析,表明该方法的数据精度基本满足研究要求。研究结果表明,广州市的高温区主要发生在荔湾、越秀、海珠、黄埔、天河等城区,这些区域建筑密集、人口集中、下垫面升温快;低温区域多发生在植被覆盖度高、水系分布密集、人为活动较为稀少的郊区。保护现有的水体面积和增加城市绿地面积是改善区域热环境的行之有效的办法。     

基于MODIS数据的陕西地表温度监测

地表温度是反映土壤—植被—大气系统能量流动与物质交换的重要参数,讨论了利用EO S/M OD IS资料反演地表温度的分裂窗方法各参数获取及其在陕西省的应用;建立了基于M OD IS遥感资料和地面自动气象站观测资料反演地表温度的统计模型。监测试验结果表明:利用分裂窗方法反演陕西地表温度,其中参数设定仍需要做大量工作;统计方法考虑季节差异,在地表状况不太复杂时也能取得较好的监测效果。     

基于MODIS数据的新疆植被分类监测与评价

在基础地理信息的平台上,以土地利用资料为基础制作植被分类底图,以MODIS的植被指数数据为实时更新数据,研究建立了一套植被分类动态监测与评价的方法,对新疆区域植被实现了动态分类监测与评价。     

利用Terra和Aqua双星MODIS数据协同研究沙尘暴

利用2005-04-28上午星Terra和下午星Aqua白天和晚上共4景MODIS数据对影响华北地区的一次沙尘暴进行了研究。对于白天的MODIS数据，利用热红外亮度温度差值法结合可见光近红外波段反射率阈值法，可以很好地把沙尘与背景地物和云分离开来；对于夜晚的MODIS数据，利用热红外亮度温度差值法也能较好地提取沙尘信息。研究表明，MODIS数据在沙尘暴等灾害研究方面具有很大的潜力。     

基于MODIS 数据的悬浮泥沙定量遥感方法

以黄海及东海海域为对象,研究用MOD IS数据提取我国海域悬浮泥沙时空分布的定量遥感方法,建立了基于MOD IS数据的悬浮泥沙定量遥感实用模式。研究表明,用250 m和1 000 m分辨率的MOD IS数据进行悬浮泥沙浓度的定量遥感,可以达到实际应用的精度要求。这说明,MOD IS数据是研究近岸水体中悬浮物输运变化规律的一种经济实用数据源。     

中国MODIS地表温度产品验证

分析了MODIS地表温度产品的误差来源，重点研究利用高分辨率遥感影像数据ASTER同步反演的验证方法。以2003年8月1日太 湖地区为例，用ASTER数据的反演结果与同时相的MODIS地表温度产品进行比较，分别在太湖水面、无锡城区及城郊农田3个典型地表 状况下选取感兴趣区域做线性拟合，取得了较好的结果，拟合的R2值可达0.966 6。     

新几何光学核的验证以及用核驱动模型反演地表反照率(之二)

基于核驱动模型的AMBRALS程序将用于提供MODIS的反照率和二向反射产品;该文提出一个新的几何光学核-LiTransit核,用以取代目前AMBRALS运行程序中的LiSparseR核。当植被及阴蔚总面积在视场中比例接近于;时,新核由LiSparseR核向LiDens。核自然诫。因而新核兼有公Sparse·核面LiDense核的优点,比LiSparseR核更符合几何光学模型的基本原理。对于29组地面观测数据的反演试验表明;LiTrarisit核有与LiSparse核相当的数据拟合能力,,外推到大的天顶角时有.ense核的稳定性;与LiSparseR核比较,RossThick-LiTransit的核组合更能反映直入扇出反照率随太阳天顶角变化的趋势。用NOAA AVHRR多时相数据反演的结果,也表明RossThick-LiTransit组合在反演甲更为稳定。     

MODIS数据在新疆生态环境建设中的应用

中国科学院新疆生态与地理研究所利用MODIS卫星接收站接收的MODIS数据进行了艾比湖湖水水面动态监测，并连续监测了湖面西北107km^2裸露湖底的水而恢复情况，佐证了覆盖该裸露区所需的理论入湖水量。结合塔里木河应急生态放水工程，利用归一化植被指数提取结果进行了生态放水引起的植被恢复状况监测，利用连续MODIS数据进行了台特玛湖水面变化的监测，证实了应急输水的生态保护效果是十分显著的。显示了中尺度分辨率MODIS数据在新疆生态环境建设中具有很强的应用前景。     

Spatiotemporal mixed effects modeling for the estimation of PM2.5 from MODIS AOD over the Indian subcontinent

ABSTRACT

The physical processes associated with the constituents of the troposphere, such as aerosols have an immediate impact on human health. This study employs a novel method to calibrate Aerosol Optical Depth (AOD) obtained from the MODerate resolution Imaging Spectrometer (MODIS – Terra satellite) for estimating surface PM_2.5 concentration. The Combined Deep Blue Deep Target daily product from the MODIS AOD data acquired across the Indian Subcontinent was used as input, and the daily averaged PM_2.5pollution level data obtained from 33 monitoring stations spread across the country was used for calibration. Mixed Effect Models (MEM) is a linear model to deal with non-independent data from multiple levels or hierarchy using fixed and random effects of dependent parameters. MEM was applied to the dataset obtained for the period from January to August 2017. The MEM considers a fixed and random component, where the random components model the daily variations of the AOD – PM_2.5 relationships, site-specific adjustment parameters, temporal (meteorological) variables such as temperature, and spatial variables such as the percentage of agricultural area, forest cover, barren land and road density with the resolution of 10 km × 10 km. Estimation accuracy was improved from an R² value of 0.66 from our earlier study (when PM_2.5 was modeled against only AOD and site-specific parameters) toR² value of 0.75 upon the inclusion of spatiotemporal (meteorological) variables with increased % within Expected Error from 18% to 35%, reduced Mean Bias Error from 3.22 to 0.11 and reduced RMSE from 29.11 to 20.09. We also found that spline interpolation performed better than IDW and Kriging inefficiently estimating the PM_2.5 concentrations wherever there were missing AOD data. The estimated minimum PM_2.5 is 93 ± 25μg/m³ which itself is in the upper limit of the hazardous level while the maximum is estimated as 170 ± 70μg/m³. The study has thus made it possible to determine the daily spatial variations of PM_2.5 concentrations across the Indian subcontinent utilizing satellite-based AOD data.