基于MODIS数据的森林火险时空分异规律研究

森林火灾严重危害生态环境,引起了全球的高度重视。将从MODIS(MODerate-resolution imaging spectroradiometer)中提取的活动火点与历史火烧痕迹进行比较研究,发现MOD14A1(火掩膜数据产品a daily Level 3 1-km fire hot spot product)中提取的8+9波段适合消防监测,与现场勘察数据相比较吻合度高达0.83。使用MOD14A1中8+9波段结合相关数据对这个区域的长达11年(2000—2010年)的森林火灾发生的时间和空间分析,结果表明：火灾发生频率最多的是春季,秋季次之,夏天概率最低,除非干旱。通过对研究区域黑龙江省分析,针叶林和温带针阔混交林过火面积所占比例分别为53.68%,44%,草原区过火面积较小为2.32%。大兴安岭是主要的燃烧区域,面积达到64.74%,小兴安岭约为23.49%,而其他区域面积不超过5%。且火灾发生的较大部分森林有个平缓的斜坡(≤5°),大部分处于中海拔(200 m≤H≤500 m)。因此,通过卫星遥感对森林火区区域的时间序列分析,阐明火灾活动规律和气候、地形、植被类型的相互关系,有助于预测火灾区域危险性等级。     

利用FTIR和MODIS数据估算塔克拉玛干沙漠宽波段地表比辐射率

分析并提供了一个利用MODIS窄波段数据,估算地表宽波段(8～14 μm)比辐射率的最优估算方程,并根据该方程获得了塔克拉玛干沙漠地区地表比辐射率特征分布情况。首先,沿塔克拉玛干沙漠的两条南北穿越公路,使用傅里叶变换热红外光谱仪(FTIR),选取20个观测点,获取实测的地表宽波段比辐射率。其次,利用MODIS温度产品MOD11A1和MOD11C1热红外区域第29,31和32波段和MOD09A1近红外区域第7波段数据,建立待定系数的地表宽波段比辐射率多元线性回归估算方程。通过FTIR的观测值和MODIS数据确定该估算方程的系数,并进行误差分析。研究发现,使用FTIR观测值,由MODIS第29,31和32波段数据的线性回归方程,可以产生高精度的地表宽波段比辐射率。加入MODIS第7波段后,新的线性回归估算方程的精度更高,均方根误差RMSE为0.004 5,平均偏差Bias为0.000 1。与文献中的其他六种估算方程横向对比,RMSE和Bias分别比其他六种估算方程低1和2个数量级。最后,利用该估算方程获得了研究区的地表比辐射率分布图,结果显示,沙漠中心区域的值为0.880～0.910,平均值为0.906;有稀疏植被区域的值为0.910～0.940;靠近沙漠边缘的绿洲的值为0.950～0.980。     

植被结构特征对MODIS光谱干旱指数的影响

基于MODIS光谱反射信息的干旱指数在农业生产实践中有广泛的应用。利用PROSAIL模型和山东2010年的观测数据,研究了植被叶面积指数和生理生长周期等结构特征对MODIS光谱干旱指数的影响。结果表明,MODIS近红外与短波红外三个波段的反射率随植被叶片含水量变化明显,由他们构建的五种MODIS光谱干旱指数能够监测植被叶片水分含量。然而,各干旱指数均受叶面积指数(LAI)的影响,在LAI较低时影响较为严重,随着LAI的增大,这一影响逐渐减弱;植被生理生长周期也会影响干旱指数的大小。因此,在使用MODIS光谱干旱指数进行区域干旱监测时,必须考虑植被结构特征,谨慎分析监测结果。研究结论将为干旱遥感监测提供理论基础。     

土壤发射率光谱与土壤元素含量的关系研究

通过对全国十几个地区共26个土壤样品进行元素含量和红外光谱测定,分析了土壤中红外发射率光谱特征,研究了土壤发射率光谱与土壤的硝态氮(NO₃-N)、磷(P)、钾(K)、钙(Ca)、镁(Mg)、铜(Cu)、铁(Fe)、锰(Mn)、锌(Zn)等元素以及pH值和有机质(OM)含量的相关性,并利用偏最小二乘回归和多元逐步回归建立了利用发射率光谱估算土壤各种元素含量的回归模型。由此找到了土壤元素含量与土壤发射率相关性最大的特征波段,并遴选出了不同波段哪些土壤元素与发射率的相关性最紧密,为开展土壤发射率的影响因素研究和由土壤中红外光谱预测土壤元素含量奠定了理论基础。研究结果显示：(1)在8～10 μm波段范围内,土壤发射率与土壤元素相关性从高到低依次为Ca,Mg,Mn和Fe ,相关系数最高为0.85,最低为-0.5;另外K,Fe,NO₃-N和Zn与发射率的相关性在6～8 μm波段范围内依次减小,相关系数最高为0.75,最低为0.48;而在10～14 μm波段内,Mn和K与发射率有较强的相关性,相关系数约为0.5;(2)土壤发射率与土壤pH值之间大致呈抛物线关系,在土壤的pH值为7时,发射率最高,随着土壤越酸或越碱,发射率逐渐降低;(3)在建立土壤各元素含量的预测模型时发现,偏最小二乘回归估算土壤各元素含量的精度要高于多元逐步回归,尤其是Ca,Cu和Fe这些元素,建模和交叉验证的R2分别能达到0.9、0.8以上;利用观测的土壤发射率光谱根据传感器波谱响应函数模拟得到的MODIS和ASTER传感器红外波段的发射率数据,通过多元逐步回归模型对土壤各元素含量进行估算发现,利用ASTER的热红外波段发射率估算土壤Ca含量时建模和验证的决定系数为0.774和0.892;用MODIS的红外波段发射率估算土壤Ca和Fe含量的建模和验证的决定系数都在0.85以上,估算Mg和K的建模和验证的决定系数都在0.5以上;并且ASTER的第10和11波段和MODIS的第28,29和30波段对土壤各元素有较高的敏感性,更适合用于土壤各元素的估算。     

资源三号卫星多光谱数据的大气校正研究

资源三号卫星多光谱数据空间分辨率达到5.8 m,能够很好的应用于地物分类和识别,由于其缺乏短波红外波段,无法采用暗目标法进行大气校正,因此,提出通过6S辐射传输模型构建大气校正系数查找表,结合MODIS数据反演的气溶胶光学厚度参数的大气校正方法,对ZY-3卫星多光谱(MUX)数据进行大气校正。采用敦煌地区星地同步测量的石膏矿、戈壁两种地物光谱对大气校正结果进行了验证,并比较了大气校正前后归一化植被指数(NDVI)。结果表明：大气校正后的地面反射率与石膏矿、戈壁两种地物实测光谱数据相对误差不超过6%;大气校正增大了植被的NDVI与其他地物的NDVI的差值,突出在植被监测方面的应用能力。     

耦合京津冀气溶胶模式的HJ-1卫星CCD数据大气校正

针对目前HJ-1 CCD大气校正没有考虑中国地区气溶胶模式的问题,提出一种耦合中国地区局部气溶胶模式的大气校正方法。以京津冀地区作为研究区域,该方法对地基北京城区和香河站点反演的气溶胶模式参数进行聚类,得到京津冀地区具有代表性的四类气溶胶模式,并根据四类气溶胶模式来建立查找表进行气溶胶光学厚度的反演。HJ-1 CCD数据没有短波红外波段(2.12 μm),无法采用MODIS的气溶胶算法中获得地表反射率的方法来计算蓝红波段的反射率,本文在气溶胶光学厚度的反演中采用HJ-1卫星的蓝色(0.43~0.52 μm)和红色(0.63~0.69 μm)波段的反射率比值作为误差方程的依据,不需要输入地表目标的反射率。基于反演后的光学厚度对HJ-1 CCD数据进行大气校正,并与ASD光谱辐射计测量数据以及MODIS地表产品数据(MOD09)进行对比。结果表明,该方法得到的大气校正结果与ASD测量结果接近,并与MOD09有较强的相关性,红色波段的平均相关系数达到了0.8以上,受气溶胶影响最大的蓝色波段平均的相关系数也达到了0.75左右。     

基于敦煌场地定标的FY-3 MERSI反射太阳波段在轨响应变化分析

鉴于中分辨率光谱成像仪不能实现反射太阳波段的星上绝对辐射定标,提出了基于地表方向模型、矢量辐射传输模型6SV并联合MODTRAN吸收透过率校正的敦煌场替代定标新方法,4年的同步定标结果表明,除了水汽吸收中心波段之外,定标不确定度小于5%,而多数波段优于3%。以Aqua MODIS为辐射基准的大气顶辐射计算试验表明,正演与卫星观测间的平均偏差在波长<1 μm的窗区波段小于3%,波长>1 μm的小于5%(除了2.1 μm波段);此外,经场地定标的MERSI 表观反射率与MODIS具有很好的一致性。基于多年的场地定标结果发现：可采用二次多项式拟合定标系数的时间变化,进而实现逐天的定标更新;波长<0.6 μm的波段衰变较大,波段8(0.41 μm)入轨第一年的衰变率约为14%;在轨初期衰变最大,一年后趋缓,两年后部分波长>0.6 μm的波段出现响应增加现象。     

基于五种大气校正的多时相森林碳储量遥感反演研究

大气校正已广泛应用于区域生态植被的动态监测,但是不同校正方法和模型对遥感影像光谱和森林碳储量估算结果的影响不得而知,同时这种差异在多时相遥感监测与应用时经常被忽略。以多期Landsat影像为数据源,借助植被指数MNDVI和野外实地调查的马尾松林样方数据,进行马尾松林碳储量反演。然后采用几种常用的大气校正算法：6S,FLAASH(fast line-sight atmospheric),IACM(illumination and atmospheric)和QUAC(quick atmospheric correction),并结合地面同步实测的光谱数据,以评估其对马尾松冠层光谱曲线、植被指数以及林分碳储量估算的影响;同时从遥感动态监测角度出发,分析了相对大气校正(pseudo-invariant feature, PIF)对多时相影像植被指数与碳储量反演结果的校正效果。结果表明,经大气校正后的影像波段反射率与实测光谱结果较为接近,其中近红外和短波红外波段光谱反射率明显上升,同时可见光波段减弱,NDVI(normalized difference vegetation index)增加明显。不同大气校正模型对研究区马尾松林碳储量的遥感反演结果影响较大,其中IACM与6S模型分别具有较高的精度和较低的误差。此外,经过PIF校正后不同时相影像的NDVI相对偏差降低了85.16%,同时马尾松林碳储量反演模型精度得到明显提升,表明辐射归一化处理对于多时相遥感影像的应用十分必要。研究发现ICAM与PIF的大气校正模型组合可较好纠正大气效应,适用于多时相遥感数据的森林碳储量反演与监测研究。     

基于非负矩阵分解的中红外地表特性光谱重建方法

在中红外遥感领域,高光谱地表反射率/发射率等地表特性具有极高的应用价值和应用需求,但利用卫星遥感手段难以获取吸收波段的高光谱地表反射/发射特性,且通过光谱重建获取全波段的地表特性方法仍存在很多问题。为解决中红外全波段地表特性光谱重建所面临的难题,基于约翰霍普金斯大学(Johns Hopkins University, JHU)地物波谱库和中分辨率成像光谱仪(MODIS)短波红外和中红外地表多光谱卫星产品,提出了一种利用非负矩阵分解(NMF)重建高光谱地表反射率的方法,对2.5～5.0μm中红外光谱范围内的地表反射/发射率进行光谱重建,重建后的光谱分辨率可达10 nm。首先基于JHU地物波谱库选取4种典型地物类型(土壤、植被、人造材料和岩石),建立地物光谱库样本信息,再利用MODIS传感器光谱响应函数,根据等效计算公式将2.0～5.0μm波段范围反射率结果重采样到10 nm光谱间隔、共301个波段,得到JHU地表反射率光谱数据集。对光谱数据集进行非负矩阵分解处理,提取4条端元向量光谱曲线,结合MODIS短波红外和中红外4个波段(2.13、 3.75、 3.96和4.05μm)的全球月均地...     

MODIS植被指数监测农业干旱的适宜性评价

MODIS传感器提供的短波红外光谱波段为农业干旱遥感监测带来了新的机遇,因为它对植被水分十分敏感。本文选择中国东北松嫩平原为研究区,旱田为农业干旱的监测目标。基于2001—2010年的8天合成MODIS产品（MOD09A1）,分别计算了四种基于可见光和近红外光谱的植被绿度指数和四种基于近红外和短波红外光谱的植被水分指数,并以多尺度标准化降水指标(SPI)为判别植被指数农业干旱敏感性的标准,利用一种气象站点与象元配对关联的方法计算了不同植被指数与多尺度SPI的皮尔逊相关系数。研究表明,在农业干旱监测敏感性方面,MODIS植被水分指数（NDII6和NDII7）明显好于植被绿度指数。其中NDII7的表现最为出色,研究证实了MODIS短波红外光谱在监测农业干旱方面的潜力,为今后相关研究提供了新的见解。     

基于时序高分一号宽幅影像火后植被光谱及指数变化分析

为了探究国产高分卫星遥感技术监测火干扰对植被生长影响的能力及其表征植被指数,选取2014年发生在四川省雅江县和冕宁县的两场森林火灾形成的火烧迹地作为研究区,利用火灾前后时序的高分一号宽幅(GF-1 WFV)数据,对不同受灾程度火烧迹地火灾前后的光谱特征变化进行分析,并以月为单位分析了不同受害程度植被火后两年内由GF-1 WFV数据生成的归一化植被指数(NDVI)、增强型植被指数(EVI)和全球环境监测植被指数(GEMI)等三种表征植被生长状态的植被指数的变化,结合研究区纬度、海拔和气候条件分析火后植被的年内恢复规律。结果表明：火烧造成植被色素和细胞结构破坏,使其不再表现出正常植被特有的光谱特征,在可见光区受害植被的反射率相比于正常植被偏高,且其值随受灾程度加重而升高;在近红外波段火干扰后的植被反射率降低,其值远低于正常植被的反射率值。NDVI,EVI和GEMI在表征植被恢复生长过程中存在高度相关性且对植被季节变化敏感,均能反映植被恢复的生长过程,具有描述火烧区植被恢复动态过程的能力;受灾植被恢复生长过程中的植被指数变化与正常植被年生长过程的植被指数变化趋势基本一致,同样存在生长季和非生长季;火烧区植被的NDVI,EVI和GEMI值相比正常植被对应植被指数值始终偏低,且植被受灾越严重,其植被指数值在同期中对应越低。     

ADI土壤水分反演方法

土壤水分是影响植被、土壤和大气之间能量和水分循环的重要因素,及时准确获取土壤湿度信息有利于提高作物估产精度和改善田间管理措施。本文基于红光与近红外光谱特征空间(NIR-RED)发展了一种新型土壤水分遥感监测模型ADI(angle dryness index),提高了可见光与近红外波段监测土壤水分的精度。经过研究表明,在红光与近红外(NIR-RED)特征空间中,存在一个中间角度变量θ,利用光谱反射率与土壤水分之间的经验关系式模型以及混合像元分解公式证明该变量能够表征土壤湿度情况,而不受植被覆盖度的影响,因此利用该原理构建了ADI方法。最后利用两组遥感数据(分别为TM5与MODIS产品数据)以及对应的地面观测数据进行验证,结果表明计算值与实测值均具有较高的一致性,R2分别达到0.74与0.64。同时,将MPDI的计算结果与实测值进行了比较,两组数据的R2均小于0.60,表明ADI方法的计算精度高于MPDI。在MPDI的计算过程中用到了植被覆盖度,这可能是引起计算结果误差的主要因素。此外,MPDI的计算结果表征土壤湿度的相对值,而ADI则能定量的获取土壤水分含量。MODIS像元除了具有植被与土壤两个端元,还有其他类型端元的概率高于TM数据,因而MODIS数据的计算精度低于TM。因此,ADI是一种简单可行且具有较大应用前景的土壤水分反演方法,适合于推广应用。     

基于RSP的植被多角度偏振特性研究

偏振探测能够获取新的反应目标属性的信息。相对于传统遥感观测,多角度偏振信息具有更稳定的相关性和规律性。植被是地表最典型的地物之一,利用光与植被相互作用后表现出的偏振特性可以进行植被相关性质研究。RSP（research scanning polarimeter）是美国研制的星载偏振遥感探测器APS(aerosol polarimetery sensor)的原型样机,提供有九个光谱偏振通道,通过对航空飞行试验获取的扫描偏振数据预处理得到的稳定的多角度、多波段偏振探测信息分析,可以得到植被的光学特性和微物理特性。以植被密集区、植被稀疏区（接近裸地）为研究对象,根据仪器飞行时姿态信息进行配准,对比分析了可见光波段和近红外波段在-30°和65°观测天顶角下的强度反射特性和偏振反射特性。结果表明,植被密集区和植被稀疏区在不同的观测角度均表现出规律的偏振度特性,偏振反射在接近热点区域能量小,相比于常规强度反射在接近热点区域反射能量大,可有效防止因反射能量过强影响探测器的稳定性,根据在可见光波段植被密集区偏振度高于植被稀疏区,在近红外波段植被密集区偏振度低于植被稀疏区的反射特性,说明探测器在研究区域的植被密集区接收的可见光波段信号以单次散射为主而在近红外波段以多次散射为主。     

Kmeans聚类与多光谱阈值相结合的MODIS云检测算法

采用Kmeans聚类与多光谱阈值相结合的方法进行云检测.在地物光谱分析的基础上,应用Kmeans聚类算法对聚类特征数据初始分为两类,第一类为云、烟雾和雪,而植被、水体和陆地等其他下垫面为第二类;然后应用光谱阈值判断排除烟雾和雪等的干扰,对MODIS数据中的云体实现检测.还研究了我国典型区域在不同季节、小同时棚的数据.在...     

基于实测光谱的植被指数对水稻叶面积指数的响应特征分析

叶面积指数(LAI)是目前最常用的农业生态监测指标,可以为农作物的病虫害监测、作物长势监测、碳循环、生物量估算及作物估产提供依据。植被指数(VI)是卫星LAI产品生产的重要数据源,但不同VIs对植被LAI的响应特征具有一定的差异性。以江西省水稻为例,基于实测光谱提取了水稻实测VIs,结合实测LAI,讨论了归一化植被指数(NDVI)、增强型植被指数(EVI)、土壤调节植被指数(SAVI)和修正的土壤调节植被指数(MSAVI)四种常见VIs对LAI的响应特征,并与MODIS LAI备用算法的计算结果进行了对比分析,研究了不同VIs用于LAI产品反演的可行性及存在的问题。通过对不同实测VIs-LAI模型精度的评估,分析其应用于LAI反演的适应性,结果显示EVI,SAVI和MSAVI比NDVI有更好的适应性,其中EVI效果最优。此外,通过对比MODIS LAI备用算法查找表,发现针对MODIS LAI备用算法中草地与谷物作物这一地表覆盖大类,在LAI>4时,NDVI出现饱和;而实测水稻作物的NDVI在LAI>2时开始出现饱和;且当NDVI相同时,查找表LAI远大于实测LAI,MODIS备用算法中使用的地表覆盖产品分类过粗可能是造成这一结果的主要原因。因此MODIS LAI备用算法在该区域水稻LAI监测中可能产生较大误差,有必要改用其他VIs优化该备用算法。通过对比分析四种VIs模型对LAI的预测误差,发现EVI,SAVI和MSAVI精度明显优于NDVI,基于EVI的模型平均预测误差仅为MODIS LAI备用算法的1/6,基于实测NDVI反演算法的1/2,因此设计基于EVI的LAI算法对LAI的反演精度有一定的提升空间。     

Sub-pixel fire detection using Landsat-TM thermal data

Landsat-TM data has limitations in measuring high temperature fire zones. The thermal data saturate for temperatures above 68 °C and intense fires occupying less than a pixel requires modification of the methodology. The present paper describes the utility of Landsat-TM thermal data for estimation of surface temperature of sub-pixel fire. The method requires knowledge of the fire area. The temperature estimation from the method is found to be in good agreement with ground observations.     

地块支持下MODIS-NDVI时间序列冬小麦种植面积测量研究

在大尺度冬小麦种植面积测量中,MODIS(moderate resolution imaging spectrometer)数据对绝大部分地区可实现全覆盖数据保障,具有很好的时间序列特征,在探测植物季相节律进行作物估产与动态监测上得到很好的应用,但因受到空间分辨率的限制,其测量结果的可靠性受到较大质疑.地块数据具有明确...     

作物植被覆盖度的高光谱遥感估算模型

通过大田试验,使用ASD光谱仪测量了油菜、玉米、水稻三种作物不同覆盖度水平下的冠层光谱,同时拍照获取植被图片并用计算机求算了植被覆盖度。利用三种作物光谱求算“红边”变量,并对波段两两组合求算归一化植被指数(NDVI),建立这些光谱变量与覆盖度之间的估算模型,得到适用于三种作物的最优估算模型和最佳的NDVI波段组合。另外,利用响应函数模拟了TM归一化植被指数,同植被覆盖度进行了相关分析,回归方程的R2达到0.80,并通过了预留数据的检验,为TM数据植被覆盖度估算进行了探索性的研究。     

MODIS温度变化率与AMSR-E土壤水分的关系的提出与降尺度算法推广

土壤水分参数是陆面过程与水循环的重要影响因素。不同的遥感平台可提供不同时间和空间尺度的土壤水分,它们分别具有各自的优势与不足。利用被动微波辐射计AMSR-E土壤水分和MODIS地表温度、植被指数产品,作者探讨了地表温度变化率和土壤水分的关系,并借鉴地表温度T_s和归一化植被指数NDVI的特征空间理论,构造了温度变化率和土壤水分的三角形特征空间。随着地表温度变化率的增加,土壤水分的分布范围缩小,同时土壤水分的数值降低。作者由此提出了变温植被指数（TVVI）,并指出该指数与土壤水分呈稳定的幂指数函数关系,建立了土壤水分与温度变化率的经验定量模型。之后作者通过上述函数关系和高分辨率MODIS数据,实现了AMSR-E土壤水分数据的降尺度处理。与地面实测数据的比较表明,该降尺度方法的准确性较高。