Landsat TM热红外遥感数据定量反演地下水富集带的温度信息--以甘肃河西地区石羊河流域为例

利用ＬａｎｄｓａｔＴＭ６热红外遥感数据定量反演了干旱地区的地表温度,研究结果表明,区典型地表覆盖类型的地表亮温比地表起初温度低０．４－１Ｋ,遥感反演的地面真实温度与当地３月下旬的实测温度误差在０．８Ｋ以下,这说明用ＬａｎｄｓａｔＴＭ６定量反演干旱区的地表温度是可行的。研究结果表明,地下水富集带地表温度具有异常现象,其地表温度比地表水体高５Ｋ左右,而比其它地表类型低７Ｋ以上,据此,可以利用热红外遥感     

热红外遥感地表温度反演研究现状与发展趋势

从Planck函数和热红外辐射传输方程出发,概述了热红外遥感反演地表温度的基本原理,总结了当前反演地表温度常用到的热红外遥感器及相应波段。将热红外遥感地表温度反演算法分为单通道、劈窗和多通道3大类,分析了每一类中较具代表性算法的原理、适用条件及精确度。从热红外遥感机理、发射率、环境辐射、混合像元、大气影响等方面概述了热红外遥感反演地表温度面临的主要问题,并对热红外遥感地表温度反演的发展趋势进行了展望。     

地表温度热红外遥感反演的研究现状及其发展趋势

区域性或全球性的地表温度, 只有通过遥感手段才能获得, 在诸多应用中是一个非常重要的参数。地表温度反演是热红外遥感研究的热点和难点之一, 大气校正、温度与比辐射率的分离是必须考虑的两个重要方面。近年来有关的研究非常多, 主要反演方法可分为5 类: 单通道方法、分裂窗(双波段) 方法、多波段温度- 比辐射率分离方法、多角度温度反演方法和多角度与多通道相结合的方法。这些方法都各有利弊, 如何提高反演的精度和模型的适用性是地表温度热红外遥感的未来发展趋势, 理论和实验相结合的多种信息源的综合应用成为必然的要求。     

基于热红外遥感的川藏铁路昌都—林芝段地热异常区定量预测评价研究

识别川藏铁路沿线的地热异常区有助于工程的建设和后期的管理维护.以川藏铁路昌都—林芝段为研究区,基于Landsat 8热红外影像数据,反演地表温度并进行星地同步实验,得到校正后的地温值.围绕地热异常的成因与分布规律,选取地层组合熵、断层缓冲距、断层线密度、地表温度、水系缓冲距、地震动峰值加速度6个影响因子作为地热异常区评...     

基于Landsat8的地表温度反演算法研究——以滇池流域为例

2013年2月11日Landsat 8在加州范德堡空军基地发射升空,其携带的热红外传感器为反演地表温度提供了一种新的数据,但目前尚没有针对Landsat 8热红外波段反演地表温度的算法。针对Landsat 8第10波段特征,对现有反演地表温度的单窗算法进行了参数修正,得到了用Landsat 8第10波段反演地表温度的单窗算法系数。为了评价修正后算法的精度,用MODTRAN模拟地表温度为20、30和40℃时大气水汽含量分别为1.0、1.5、2.0和2.5g·cm-2传感器高度处的热辐射值,再将模拟数据用修正后的单窗算法反演地表温度,结果表明:地表温度越低、大气水汽含量越低,误差越小;模拟结果的平均误差为0.74℃。说明基于Landsat 8第10波段用修正后的单窗算法反演地表温度是可行的,该方法可为地表温度反演提供一种途径。最后以滇池流域为例,基于2013年4月20日的Landsat 8热红外数据反演了滇池流域的地表温度,并分析了滇池流域地表温度的分布特征。     

MODIS地表温度产品的验证研究——以黑河流域为例

分析了影响MODIS地表温度产品精度的主要因素,并对这些因素综合作用下的MODIS地表温度产品的精度验证方法进行了回顾和比较。针对MODIS地表温度产品在干旱半干旱地区误差偏大的状况,以黑河流域为例,对MODIS地表温度产品进行了验证。用于验证的地面观测数据包括自动气象站红外辐射温度计数据和长波辐射数据。这里结合具体的...     

利用AMSR-E遥感数据反演地表温度——以2008年广东省春季寒害为例

基于2008年1月25日至2008年2月5日期间的AMSR-E/Aqua L2A微波亮度温度数据,以广东省为研究对象,依据微波极化差异指数（MPDI）、归一化植被指数（NDVI）和比率植被指数（RVI）等3种植被指数,将广东省地表植被覆盖情况分为裸地、草地、灌木林、针叶林和阔叶林等5种类型,利用逐步回归分析方法,建立了基于不同植被覆盖类型的微波亮度温度与地面气象温度多元回归模型。同步地面气象温度数据验证表明,本文建立的基于地表植被覆盖分类的多波段地表温度反演模型,地表温度反演精度基本可达到3.0℃,其中有大约86%的地区地表温度反演精度可以控制在2.5℃以内,为广东省作物寒害预测提供了微波遥感技术支持。     

城市建成区地表热通量的遥感研究——以泉州市区为例

近年来,城市热岛效应已成为一个日益突出的城市环境问题,并受到了普遍关注。本文主要利用泉州市1989年、1996年Landsat TM以及2003年Terra ASTER遥感卫星影像来反演地表温度、地表反照率和植被指数等重要参数,然后结合当地的气象数据来进一步反演泉州市区的显热和潜热通量,分析了它们这些年发生的变化。研究表明泉州市区显热通量的高值分布区与城市建成区的分布范围基本吻合,并且在这些年中的分布面积不断增加。     

卫星遥感数据开采与知识发现的信息论方法——以地质应用为例

信息提取的能力与效率已成为限制遥感应用发展的瓶颈问题。数据开采（ＤＭ）与知识发现（ＫＤＤ）概念的提出及其理论体系的建立为解决这一问题提供了一种全新的视角。基于对ＤＭ和ＫＤＤ的过程分析和对卫星遥感数据的信息论理解,提出了针对地质应用的卫星遥感数据开采与知识发现的技术框架。以此为主线,把时相选择考虑为知识发展过程的一个特定步骤;在研究地质遥感信息的时间效应基础上,探讨了目标知识发现的“微差信息处理”方法和信息融合技术,应用实例证明该框架的合理性及其相应方法的实际意义。     

基于NOAA/AVHRR热红外数据的城市热岛强度年内变化特征

采用ENVI/IDL编程技术,实现NOAA/AVHRR数据的校准、几何纠正、云污染识别与剔除、影像特征统计与输出等过程的批处理自动化操作。并以济南市中心城区为例,通过2005~2006年间获取的白天NOAA/AVHRR影像热红外波段调查了济南市区城市热岛强度的年内变化规律与过程。研究结果表明：① 济南市区全年大部分时间存在热岛现象,4~9月份城市热岛效应较为明显,尤以5、7、8月为甚。② 全年城市热岛平均强度2.77℃,最强的热岛效应出现于7月下旬至8月中旬间。③ 从季节分布来看,济南市区夏季热岛效应最明显,春季次之,秋、冬两季较弱。④ 城市热岛强度与城、郊地表温度存在正相关关系,但相关程度较差。     

麦田土壤水分NOAA/AVHRR遥感监测方法研究

本文立足于河南省农业遥感业务服务实际,在系统研究麦田土壤水分NOAA/AVHRR遥感监测理论、模型、资料处理、指标及应用技术的基础上,针对这一领域中存在的问题,在GIS技术的支持下,重点探讨了不同土壤质地和风速对遥感干旱监测的影响、用遥感表层土壤水分耦合深层土壤水分的方法与模型、用单时相遥感资料反演土壤水分的方法等,并最终建立了河南省冬小麦干旱遥感监测应用服务系统。     

应用NOAA／AVHRR资料动态监测洪涝灾害的研究

以ＮＯＡＡ卫星为主要监测手段，对洪水、植被、土壤的光谱特征进行分析研究，提出了同时突出水体和植被的光谱分析思路。并根据客观分析需要，建立了洪涝灾情图像处理软件系统，对ＮＯＡＡ／ＡＶＨＲＲ图像资料进行投影、截取、放大、配准等一系列预处理。同时采用模糊非监督分类、比值、归一化植被指数方法对洪涝信息进行分析处理，确定受灾范围，量算受灾面积，划分受灾等级，提供灾情分布图，为防汛抗洪部门提供有力的科学依据。     

通过AVHRR数据研究中国陆面温度分异规律

近年来国内外利用遥感方法在陆面温度精确反演中开展了大量的研究工作,采用了一个在大区域上适用的由NOAA？AVHRR数据反演陆面温度的方法,反演中国晴空条件下各月和全年平均陆面温度,分析了中国陆面温度的分异规律,并与气温的分异规律作了对比,同时对中国土地利用／土地覆盖变化研究（LUCC）样带上的陆面温度变化进行了分析,这项工作从晴空条件重新认识了地面温度场的空间分异,对于研究中国陆地土壤蒸发,植物光合作用,土地覆盖的分布具有重要的指示意义。     

基于NOAA／AVHRR数据的景观格局分析——以塔里木河干流区域为例

在对NOAA／AVHRR数据进行灰度拉伸,直方图均衡化,多通道合成等方法处理后,应用IDRISI软件的空间分析功能,对塔里木河流域进行了景观格局的宏观分析,结果表明在塔里木河干流区城景观类型相对简单,各景观自身破碎度低,连通性较好,景观间的均匀度差,是一种典型的脆弱的干旱区陆河流域生态环境景观。     

Efficiency Research of Planted Rice Area Estimation From NOAA一AVHRR Data in Taihu Domain

运用NOAA-AVHRR资料估算水稻种植面积，是遥感应用领域中一个新的研究方向，结合国家“八五”攻关项目“太湖地区遥感话产”的要求，在太湖地区进行了初步的尝试:(1)根据估产精度要求和NOAA一AVHRR资料校正精度，探讨了运用NOAA一AVHRR资料估产所需的最小区域范围。(2)针对太湖地区的具休地理环境设计了提取水稻种植曲积的技术方案，并在试验区取得了初步成果。     

Development and analysis of a 12-year daily 1-km forest fire dataset across North America from NOAA/AVHRR data

Fires in boreal and temperate forests play a significant role in the global carbon cycle. While forest fires in North America (NA) have been surveyed extensively by U.S. and Canadian forest services, most fire records are limited to seasonal statistics without information on temporal evolution and spatial expansion. Such dynamic information is crucial for modeling fire emissions. Using the daily Advanced Very High Resolution Radiometer (AVHRR) data archived from 1989 to 2000, an extensive and consistent fire product was developed across the entire NA forest regions on a daily basis at 1-km resolution. The product was generated following data calibration, geo-referencing, and the application of an active fire detection algorithm and a burned area mapping algorithm. The spatial-temporal variation of forest fire in NA is analyzed in terms of (1) annual and monthly patterns of fire occurrences in different eco-domains, (2) the influence of topographic factors (elevation zones, aspect classes, and slope classes), and (3) major forest types and eco-regions in NA. It was found that 1) among the 12 years analyzed, 1989 and 1995 were the most severe fire years in NA; 2) the majority of burning occurred during June-July and in low elevation zones (< 500 m) with gentle slopes (< 10°), except in the dry eco-domain where more fires occurred in higher elevation zones (> 2000 m); 3) most fires occurred in the polar eco-domain, sub-arctic eco-division, and in the taiga ( boreal forests), forest-tundras and open woodlands eco-provinces in the boreal forests of Canada. The tendency for multiple burns to occur increases with elevation and slope until about 2500 m elevation and 24° slope, and decreases therefore. In comparison with ground observations, the omission and commission errors are on the order of 20%.     

Dryland observation at local and regional scale — Comparison of Landsat TM/ETM+ and NOAA AVHRR time series

During the last few decades, many regions have experienced major land use transformations, often driven by human activities. Assessing and evaluating these changes requires consistent data over time at appropriate scales as provided by remote sensing imagery. Given the availability of small and large-scale observation systems that provide the required long-term records, it is important to understand the specific characteristics associated with both observation scales. The aim of this study was to evaluate the potentials and limits of remote sensing time series for change analysis of drylands. We focussed on the assessment and monitoring of land change processes using two scales of remote sensing data. Special interest was given to the influence of the spatial and temporal resolution of different sensors on the derivation of enhanced vegetation related variables, such as trends in time and the shift of phenological cycles. Time series of Landsat TM/ETM+ and NOAA AVHRR covering the overlapping time period from 1990 to 2000 were compared for a study area in the Mediterranean. The test site is located in Central Macedonia (Greece) and represents a typical heterogeneous Mediterranean landscape. It is undergoing extensification and intensification processes such as long-term, gradual processes driven by changing rangeland management and the extension of irrigated arable land. Time series analysis of NOAA AVHRRR and Landsat TM/ETM+ data showed that both sensors are able to detect this kind of land cover change in complementary ways. Thereby, the high temporal resolution of NOAA AVHRR data can partially compensate for the coarse spatial resolution because it allows enhanced time series methods like frequency analysis that provide complementary information. In contrast, the analysis of Landsat data was able to reveal changes at a fine spatial scale, which are associated with shifts in land management practice.     

AVHRR数据小火点自动识别方法的研究

利用NOAA-AVHRR数据,采用多因子分析方法,通过建立小火点自动识别模型来提取小火点燃烧信息。经实验验证,该方法能较好地减少云体、裸地对火点判断的干扰,从而在一定程度上提高了对小火点的监测精度。     

A method for operational calibration of AVHRR reflective time series data

We have developed an automatic method to monitor the AVHRR instrument sensitivity over time in the short-wave reflective channels to ensure that trends in the data series obtained by this instrument are real and not sensor artefacts.Our radiometric calibration method uses the Multivariate Alteration Detection (MAD) algorithm to statistically select invariant features over land areas from multiple image-pairs that are compared to assess changes in the instrument's calibration. This method requires no a priori regional knowledge and is globally applicable. A calibrated time series from Pseudo-Invariant Features located in central Australia are shown to have long-term trends removed. The resulting MAD-based calibration has a root mean squared error of ∼ 5-6% for both channels 1 and 2 and is in alignment with other approaches.