利用MODIS影像提取火烧迹地方法的研究

火烧迹地监测不仅可以反映火灾对生态系统的影响情况及损失信息,还能为全球碳循环研究提供重要的数据支持。本文利用MODIS地表反射率产品（MOD09A1）的近红外和短波红外波段构建的归一化燃烧率指数（NBR）,计算前后2期影像的NBR差值,并在光谱指数差分法的基础上,结合MODIS植被数据产品（MOD44B）提供的植被覆盖度信息,设置规则提取火烧迹地。本文选择西伯利亚地区东南部的林地、草地、农田等不同生态系统的交界地带作为实验区,利用本文算法提取该区域的火烧迹地。实验结果表明：（1）本文算法的火烧迹地提取效果较好,优于MODIS火烧迹地产品（MCD45A1）,kappa系数由0.70提高到0.75;（2）利用林木覆盖度、草本覆盖度数据,可以减少误判,提高火烧迹地提取的精度,kappa系数分别由0.69、0.73都提高到0.75。     

加拿大北方森林火烧迹地遥感分析

森林火灾是加拿大北方森林地区最主要的扰动因素,对北方生态系统起着主导作用。基于MODIS数据,采用全球扰动指数算法(MGDI),对加拿大萨斯喀彻温省和亚伯达省2004-2011年的森林火烧迹地进行检测和分析。通过与MODIS标准火烧迹地产品以及加拿大林业局数据进行比较,扰动指数算法检测的火烧迹地面积比MODIS标准产品更接近于林业局的统计数据。分析表明,在2004-2011年间,由于火灾原因,整个研究区森林面积平均每年减少76.36万hm2,占该区域森林总面积的3.36%。萨斯喀彻温省平均每年燃烧的森林面积为46.83万hm2,亚伯达省为29.53万hm2。其中,2006、2008、2010和2011年是火灾的高峰年份。火烧迹地主要集中在生态交错带的北方保护区、针叶林保护区、针叶林平原区,以及北方平原东北部的伍德布法罗国家森林保护区。     

面向GF-1 WFV数据和MODIS数据的时空融合算法对比分析

对城市热岛效应、植物覆盖指数、叶面积指数等地表参数的高频次高精度反演,能更好地实现基于遥感手段的地表特征动态监测。然而,目前单一数据源的遥感影像还很难实现高时空分辨率数据的同步获取,时空融合技术是解决这个时空分辨率矛盾的有效方法。根据原理不同,时空融合算法可以分为基于线性模型的融合算法、基于光谱解混的融合算法等。高分卫星产品是近几年中国高分辨率对地观测系统重大专项天基系统中的首发星,对于该类数据的时空融合研究仍然较少。因此,本文拟采用4种常见的时空融合算法（STARFM、FSDAF、STDFA、Fit_FC）实现GF-1 WFV数据与MODIS数据的时空融合,分析这几种方法对GF-1 WFV数据时空融合的有效性和精度,从而为后续的研究提供一定依据。     

基于背景知识的全球长时间序列反照率反演

全球范围时空连续的长时间序列地表反照率,对气候模拟与陆面过程研究具有重要意义。针对现有地表反照率产品普遍存在大量的数据缺失、有效反演比例低和时间序列短的问题,本文以多年MODIS和AVHRR数据,通过构建背景知识库进行高时间分辨率的AVHRR和MODIS数据的BRDF参数反演,实现MODIS与AVHRR数据在像元尺度上的定量融合,生成了全球时空连续长时间序列的地表反照率产品。首先,通过假设不同年份同一时期的地表状态不变,利用多年同一时期的MODIS和AVHRR观测数据构造多角度方向反射率,基于BRDF模型反演得到窄波段反照率;然后,通过宽波-窄波转换,得到MODIS的宽波段反照率;最后,结合AVHRR长时间序列优势及MODIS数据多光谱的特点,对二者进行定量融合,生成具有高度一致性长时间序列地表反照率产品。验证结果表明,本文地表反照率产品在地表异质性较小时与SURFRAD地面实测反照率之间具有非常好的一致性,在无积雪覆盖时与MODIS反照率产品之间吻合良好。本文的地表反照率产品无时空缺失,且时间覆盖率得到了极大的提高,能支持气候模式模拟与陆面过程模型进行近30 a来的地气系统模拟研究。     

基于LTDR AVHRR和MODIS观测的全球长时间序列叶面积指数遥感反演

叶面积指数是描述土壤-植被-大气之间物质和能量交换的关键参数,获取大区域长时间序列叶面积指数有助于研究气候变化条件下植被的响应及反馈。本文利用MODIS观测和经过重新处理的地表长时间数据集（Land Long Term Data Record）LTDR AVHRR数据,生成了全球1981-2012年叶面积指数数据。算法通过建立二者之间像元级关系,利用高质量MODIS观测约束历史AVHRR数据的反演,这有助于减小2种存在显著差别传感器反演结果的不一致性,也有助于提高AVHRR反演质量。首先算法利用高质量MODIS地表反射率反演2000-2012年叶面积指数,然后利用多年每8 d的LTDR AVHRR地表反射率数据计算简单比植被指数（Simple Ratio,SR）,利用SR平均值和MODIS LAI平均值建立像元级AVHRR SR-MODIS LAI关系。在此基础上,实现1981-1999年AVHRR LAI反演,最终得到全球1981-2012年叶面积指数数据。本算法反演的AVHRR和MODIS LAI与全球植被的空间分布吻合,能表征主要生物群系类型的季节变化特征,2个数据集一致性较好,并且与NASA MODIS LAI标准产品（MOD15A2）的空间分布和季节变化曲线吻合较好。     

森林过火区植被遥感参数的变化与恢复特征分析

遥感技术可以快速、准确地监测森林火灾火烧迹地的植被遥感参数变化,分析植被对火灾的响应与恢复特征,为防灾减灾决策提供科学依据。本文首先基于森林火灾前后的Landsat5 TM数据,利用差分归一化燃烧指数（the Differential Normalized Burn Ratio,dNBR）来提取2009年澳大利亚维多利亚州火烧迹地的范围,计算过火区面积及火烧强度;其次基于时间序列的全球地表特征参量（Global Land Surface Satellite,GLASS）产品中的叶面积指数（Leaf Area Index,LAI）、吸收光合有效辐射比例（Fraction of Absorbed Photosynthetically Active Radiation,FAPAR）数据,利用距平分析法对比不同火烧强度过火区植被与未过火区植被受森林火灾的影响状况与植被恢复特征。结果表明,森林火灾发生后,LAI、FAPAR值迅速降低,火烧强度越大,LAI、FAPAR下降程度越大,高火烧强度过火区的LAI、FAPAR最大降幅分别为中火烧强度、低火烧强度过火区的1.2、1.3倍;随时间推移,LAI、FAPAR值逐渐上升,在2-3年内恢复至未过火区水平。LAI、FAPAR恢复至未过火区平均水平的时间与森林火灾规模、火烧强度密切相关：维多利亚州森林火灾过火区域中大过火斑块、高火烧强度林地的植被遥感参数恢复时间相比小过火斑块、低火烧强度林地滞后1-2年。植被遥感参数LAI、FAPAR能很好地反映过火区植被的受损状况及恢复过程。     

农田生产力监测中3种多源遥感数据融合方法的对比分析

借助多源遥感数据融合技术能够得到高时空分辨率的遥感数据,可以为高精度农业遥感动态监测提供强有力的支持。在诸多融合算法不断发展的情况下,评估每种方法的特点及其适用性,有助于找到最适宜的融合方法,进而应用于农田生产力监测的实践之中。本研究根据高标准农田建设成效评估对高时空分辨率生产力信息的需求,以宁夏灵武市农业综合开发项目区为实验区,采用线性拟合法、时序拟合法、时空融合法3种多源遥感数据融合方法,融合空间分辨率30 m的Landsat遥感数据的空间精度信息与空间分辨率500 m、时间步长8 d的MODIS遥感数据的高时相信息并对比不同方法对于农田生产力的空间格局精细化描述能力、对于农田生产力变化监测的能力以及运算速度的差异。研究结果表明：① 3种融合方法融合的30 mNPP数据均能显示出道路、田埂等线状裸地与田间NPP的差异,但是时序拟合法、时空融合法比线性拟合法更加清晰;在NPP相对均匀的田块内部,时空融合法比时序拟合法更能体现出农田内部均匀度的差异。② 线性拟合法仅适用于农田生产力年季变化的评估,不能用于作物生产力的实时动态监测;时序拟合法和时空融合法适用于农田生产力变化动态监测且时序拟合法适宜于大范围监测。③ 3种方法的计算速度差异显著,线性拟合法计算速率最快,时空融合法计算速率最慢;线性拟合法计算速率分别是时序拟合法和时空融合法的1.5倍和20倍。     

ESTARFM算法在长江中下游平原地区的适用性研究

时空融合技术是目前解决单一遥感数据源难以同步获取高时空分辨率数据的有效途径。然而,如何设置参数使模型融合效果最佳,如何设置在植被监测中广泛应用的植被指数的融合步骤,进而获得最佳的植被指数时序数据,目前仍不明晰。本文以长江中下游平原地区的典型县域—南昌县为例,基于Landsat和MODIS多时相数据对当前主流时空融合模型—ESTARFM （Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model）进行参数敏感性分析,并系统地对比分析了2组融合实验RI（先融合波段反射率后计算植被指数）和IR（先计算植被指数后直接融合）的融合效果。结果表明： ① ESTARFM算法中参数的敏感性在波段反射率、植被指数融合中表现出相似的特征,随着滑动窗口与相似像元数量的增大,融合误差整体呈现出先减小后趋于稳定或增大的趋势;在ESTARFM算法应用中,存在着最佳参数设置范围;② 相较于RI组,IR组模拟结果精度更高（R²_RI-NDVI=0.866,R²_IR-NDVI=0.953,R²_RI-EVI =0.814,R²_IR-EVI =0.930）,且能够较好地削弱“斑块”现象,更好地表征出细小地物和纹理特征。研究结果为遥感数据时空融合模型在地块破碎、种植制度多变的复杂环境中的应用提供借鉴和参考。     

一种融合多维信息的城市建成区提取方法

夜间灯光数据是提取大区域尺度建成区的有效数据源,现有提取方法需要针对不同的研究区域独立设置阈值或选取样本,提取精度依赖于主观经验或辅助数据质量。融合多源遥感信息、空间信息以及时间序列信息,提出一种城市建成区自动提取方法。首先,融合多源数据,利用DMSP-OLS、MODIS EVI、NDWI计算归一化城区综合指数NUACI;在此基础上,利用结合时空信息改进的FCM算法初步提取建成区;最后,定义建成区界定规则并进行提取后处理。选取6个典型城市实验,结果表明本文算法的提取结果总体精度均大于90%,适用于不同环境下建成区提取。     

高分辨率影像城市植被自动提取算法

近十几年来,随着城市化进程加剧,准确获取城市植被的分布信息,是城市气候和地表能量平衡研究的重要内容。高空间分辨率遥感影像数据,为精确获取和动态监测城市植被提供了重要资料。本研究利用资源三号数据对长江三角洲地区城市植被进行光谱特征分析与提取,提出一种城市植被的自动化信息提取算法—分离面法（Hyperplanes for Plant Extraction Methodology,HPEM）。结果表明：在假彩色反射率空间,植被与NDVI值低的背景有很好的分离性,而在真彩色反射率空间,植被与NDVI值高的背景有很好的分离性;HPEM能很好地避免NDVI最佳阈值法中将建筑物误分为植被的问题,其精度明显优于NDVI最佳阈值法,Kappa系数从0.85提高到0.90,总的错分与漏分误差从21.15%降低到14.18%。可见,本文的HPEM方法能有效提高城市植被信息自动提取的精度。     

SPOT数据反演地物辐射亮度和反射率的基础研究

以往用户对于SPOT卫星数据的应用主要针对其高空间分辨率的特性,但是因SPOT卫星传感器的波段数和波长范围有限,故利用SPOT数据进行定量遥感分析(如地物辐射亮度及反射率)的应用研究较少。然而,利用SPOT数据进行地物辐射亮度和反射率的测量也有其高空间分辨率的优势,可以更精细地分辨各类地物的细节,降低混合像元对于定标分析的影响,提高定量遥感分析的准确度。本文将就SPOT数据的辐射校正原理及其在反演地物辐射亮度和反射率方面的应用开展基础性研究,对于SPOT卫星数据的定标参数读取提供了相应的方法,选取了几种比较典型的地物进行数据分析,并利用Landsat-7数据作为参考,评价SPOT数据测量地物辐射参数的可靠性和应用效果。     

陆表水体遥感监测研究进展

江河湖泊等陆表水体在工农业生产、气候调节、生态系统维持等方面扮演着至关重要的角色。在气候变化与人类活动的作用下,陆表水体的空间分布始终在发生着变化,因而对其进行快速精准的时空变化监测对水资源管理与保护、未来气候变化预测等有着重要的意义。遥感技术为大范围水体动态监测提供了全新的技术手段,特别是在当前地球大数据背景下,水体提取算法不断改进,遥感数据源急剧增加,但缺乏对算法和数据演化过程的系统整理。鉴于此,本文对现有水体提取算法与遥感数据进行了综合梳理,归纳了单波段阈值法、多波段谱间关系法、水体指数与阈值法、支持向量机、随机森林、深度学习等常用算法的演变,以及遥感数据源由低（MODIS等）到中（Landsat等）和高（高分1/2号等）空间分辨率的发展过程,并在此基础上讨论了各算法与数据源在水体变化研究中的差异。此外,本文论述了数据处理平台由本地计算到高性能云计算平台（如谷歌地球引擎）的发展,云计算促进地表水变化研究由基于时间片段到基于时间序列连续过程分析的转变,以及云计算在大尺度范围的应用。最后,本文还对多源遥感数据融合与云计算平台的结合在地表水体连续变化监测中的应用进行了展望,并对不同类型水体提取的不确定性进行了讨论。     

基于众源轨迹数据的人造地表覆盖增量信息提取

目前,我国已研制出2000年、2010年两期30m分辨率全球地表覆盖数据集。为了保持该数据集的现势性,需要及时发现全球地表覆盖增量信息并更新相应数据。采用遥感影像、测绘数据提取全球地表覆盖变化信息的传统方式,存在费用高,不及时等问题。近年来众源地理数据迅猛发展,特别是由于众源轨迹数据具有免费共享、可靠性强与准实时等优点被广泛应用在交通道路信息提取的应用中。经分析我们发现轨迹数据与人造地表覆盖之间存在一定的对应关系,因此,本文研究提出了一种采用众源轨迹提取人造地表覆盖增量信息的方法。该方法首先对原始轨迹数据进行预处理,然后将轨迹数据栅格化,再依据轨迹点栅格覆盖比率进行人造地表覆盖数据粗提取并去除微小孔洞及独立栅格单元,最后将其与全球人造地表覆盖数据作栅格运算提取人造地表覆盖增量信息,并用纽约市实际轨迹数据验证了该方法的可行性。     

热带山区高时空分辨率NDVI融合精度及其影响因素分析

高时空分辨率NDVI时序数据作为遥感应用中的重要数据源,对土地覆被动态变化监测具有重要意义,特别是在地表高程变化显著、气候条件复杂、景观异质性强烈的热带山区。虽然当前学者们提出了诸多时空数据融合模型,但针对这些模型在热带山区的NDVI数据融合精度及其影响因素分析尚不多见。对此,本文选取3类时空数据融合方法（权重函数法、概率统计法和多种混合法）中具有代表性的4个模型：STARFM（Spatial and Temporal Adaptive Reflectance Fusion Model）、RASTFM（Spatial and Temporal Adaptive Reflectance Fusion Model）、ESTARFM（Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model）、BSFM（Bayesian Spatiotemporal Fusion Model） （STARFM、ESTARFM为权重函数法;BSFM为概率统计法;RASTFM为多种混合法）,选择位于我国热带山区的纳板河流域作为研究区。对融合模型的数据源选择、研究区的地形及景观空间异质性、融合模型、以及薄云和雾霾等大气条件等影响因素进行分析,研究结果表明：① 数据融合精度随输入影像之间的时间间隔及其相对变化量增加而降低;融合中输入的高、低空间分辨率数据光谱匹配度越高,融合精度越高（OLI优于Sentinel-2; MODIS优于VIIRS）;经过BRDF校正的数据能够有效提高各模型的融合精度;② 地形及空间异质性对融合结果精度影响显著,融合精度与空间异质性呈负相关,本研究中融合精度随着坡度的增大而减小,但坡向对融合精度的影响较小;地形对RASTFM的影响较其他模型低;③ 融合模型中输入的高质量影像越多,模型的融合精度往往越高;④ 薄云和雾霾会对融合精度产生显著负面影响。本研究的结果对于改进热带山地地区的高时空数据融合模型,生产热带山区复杂地理环境的高精度高时空分辨率NDVI数据集具有重要的参考价值。     

基于GPS观测数据改进全球GIA地表抬升速率场

精确的GIA模型对于利用GRACE卫星研究全球陆地水变化、大地震、海平面变化等全球变化具有重要意义。目前一般采用的GIA模型有ICE-6G_C/D等,虽然这些模型中也少量地利用GPS数据,但是还没有体现出全球GPS数据的最大优势。采用Schumacher等人最近发布的GIA地表抬升速率全球GPS数据集,利用基于模型和GPS观测到的地表抬升速率进行球谐分析的方法,来组合和完善从GIA模型和GPS观测值得出的地表抬升速率。融合GPS数据后,GIA隆升图的分辨率得到显著改善。     

基于多源数据的青藏高原雪深重建

青藏高原地形复杂,积雪时空分布异质性较强且大部分地区积雪较薄,而被动微波遥感因其空间分辨率低以及雪深反演中的不确定性,极大地限制了其反演青藏高原雪深的精度。本文尝试将多源遥感数据以及与积雪模型（SnowModel）相结合,来重建更高质量的青藏高原雪深数据。首先,利用MODIS积雪面积比例产品,根据构建的积雪衰减曲线以及经验的融合规则对低分辨率被动微波雪深进行了降尺度;然后,结合MODIS/被动微波融合雪深数据和SnowModel对研究区进行雪深数据同化实验;最后,利用地面站实测雪深数据对MODIS/被动微波融合雪深以及同化输出雪深的精度进行了分析和对比。结果表明,基于数据同化方法得到的雪深数据更接近地面观测雪深值,通过均方根误差以及相关系数的对比,同化雪深结果优于MODIS/被动微波融合雪深结果。     

MODIS影像的局地云量信息元数据提取算法与应用

云对于光学遥感影像质量及其反演地表参数精度有着重要影响,且其作为时空多变要素之一,在一定程度上制约了光学遥感影像的应用。对于具有2 330km的大扫描幅宽MODIS影像而言,现有的元数据标准仅能反映影像的总体云量,而无法反映云的空间分布状况,限制了MODIS数据的局地研究和应用。本文在现有遥感影像元数据标准的基础上,提出了新的元数据项--局地云量,用于反映云在条带影像中的空间分布状况,并实现在MODIS二级云掩膜条带产品(MOD35)中针对特定区域的局地云量信息提取算法。经验证,本算法能较快速和准确地提取省级行政区的局地云量信息,并可根据用户的需求进一步推广到任意指定的多边形区域,为MODIS数据在局地研究和应用提供了便利。     

科技

首套中国土地覆盖和利用制图完成近日,清华大学研究人员发布了全球首套中国30米分辨率逐季节土地覆盖和逐年土地利用图,以及首套中国30米逐日无缝遥感观测数据集。新成果基于AWS集中存储的公共数据集,借助AWS基于云计算架构大规模的算力,结合机器学习计算框架,将几百万张高分辨率卫星图像拼接在一起,并构建了多维的时空数据立方体。此外,通过使用时空数据融合重建技术,完成的图像没有异常值和缺失值,并重现了无缝的高时空分辨率遥感图像。     

全球地表覆盖高分辨率遥感制图

全球地表覆盖分布及变化是气候变化研究、生态环境评估、地理国情监测、宏观调控分析等不可或缺的重要基础信息.国际上现有全球五套地表覆盖数据产品的空间分辨率为1 km或300 m,数据精度、分类体系、时空分辨率等均存在不足.为了满足全球变化研究与地球模式模拟的需求,应该研制具有较高时空分辨率、更符合全球变化需要、精度较好的全...     

基于多源遥感数据和GEE平台的博斯腾湖面积变化及影响因素分析

作为典型的干旱区内陆湖泊,博斯腾湖的面积变化趋势与当地自然和人文环境的变迁密不可分。本文结合GIS与RS技术,利用Landsat影像和MODIS数据共2289景及JRC GSW水体掩膜产品,基于Google Earth Engine（GEE）平台采用指数法得出2000—2019年博斯腾湖面积年际和年内变化趋势,并采用2019年Sentinel-2影像进行结果对比分析,同时通过2000—2018年焉耆、库尔勒和巴音布鲁克气象站日值数据和人类活动分析其变化原因。得出如下结论：① 本结果中基于海量遥感数据提取面积的结果表明,GEE可以充分应用高时间分辨率遥感数据进行湖泊年际尤其是年内面积变化分析。相比于Landsat-5/7/8影像与MOD09GQ数据,由于Sentinel-2影像的时空分辨率优势,基于其所得的湖岸线可显示出较多细节。② 2000—2013年博斯腾湖面积共减少181.66 km²,变化速率为13.98 km/a;2013—2019年,湖泊共增加133.13 km²,变化速率为22.19 km²/a;③ 博斯腾湖面积一般在每年的3—6月呈上升趋势,且在当年6—9月保持峰值,面积在10—12月减小;④ 博斯腾湖面积年际变化与其流域内焉耆、库尔勒、巴音布鲁克气象站的降水、蒸发及积温因素变化的相关性未达到显著水平,而年内变化与上述气候要素相关性较高。