共查询到19条相似文献,搜索用时 62 毫秒
1.
基于MODIS数据的雾光谱特性研究 总被引:2,自引:0,他引:2
通过对中国东部不同区域不同季节的15幅白天MODIS影像进行雾与地物、雪、云的光谱特性差异分析,发现较利于雾与背景(地物、云、雪)分离的波段并分析其原因,为进一步利用MODIS数据进行大范围不同季节雾检测提供了一些初步建议和思路。 相似文献
2.
基于光谱分析的MODIS云检测算法研究 总被引:11,自引:1,他引:11
总结了云、雪、植被、沙漠、水体等目标的光谱特性以及云和不同目标间的光谱差异,结合MODIS影像的波段范围,提出了一种对不同下垫面通用的多光谱云检测算法,试验证明了算法的有效性。 相似文献
3.
4.
基于MODIS卫星数据的平流雾检测研究 总被引:2,自引:4,他引:2
利用MODIS卫星数据,对雾与目标物(水、云、雪、地物)分别进行采样,得到光谱曲线并进行光谱分 析,提出了有利于白天和夜间平流雾检测的波段,利用该波段选择结果,采用阈值法对平流雾进行检测并得到 地面数据验证。结果表明,MODIS数据在雾检测方面具有很大的潜力。 相似文献
5.
6.
7.
云覆盖作为天气和气候变化的一个重要因子,对地表-大气能量平衡和水循环有着重要的影响,因此,快速、准确地利用卫星遥感技术检测云覆盖具有重要的实用价值和科学意义。利用卫星遥感数据,尤其是常用的Moderate Resolution Imaging Spectroradiometer(MODIS)影像数据,因其具有较高的光谱和时间分辨率,以及2330 km扫描幅宽,为大范围实时、准确地进行云检测提供了可能。目前,基于MODIS数据发展了大量的云检测方法,但因地表类型的多样性和大气状况(如空气污染和沙尘事件等)的复杂性,目前已有的云检测方法,检测精度通常具有较大的不确定性,且针对不同地表和大气状况缺乏普适性,同时也缺乏对检测精度的定量化评估。因此,本文首先比较了常用的3种云检测算法,并基于前人经验提出了两种改进方法(方法4和方法5),首先区分出云和冰雹,摒弃了不稳定的亮温波段,两种算法均适用于复杂地表和大气状况的云检测算法。结果显示,方法5可以较好地应用于基于MODIS数据的云检测,总体精度达92.6±7%,改进了现有基于MODIS数据的云检测算法;方法4平均总体精度82.9±13%,虽然精度相对较低,但云残留少,适合作为对云敏感度高的研究工作的云检测方法。 相似文献
8.
针对宏观土地覆盖遥感分类的现状,充分利用MODIS相对于AVHRR数据具有的多光谱和分辨率优势,提出了利用MODIS数据进行分类特征选择与提取并结合多时相特征进行宏观土地覆盖分类的分类方法,并进行了分类试验。 相似文献
9.
10.
11.
12.
13.
14.
15.
基于MODIS数据的火险潜在指数(FPI)及其应用研究 总被引:2,自引:0,他引:2
死、活可燃物含水率大小决定森林点燃的难易度,是判断林火能否发生、进行林火预报的重要因子。本文应用火险潜在指数(FPI,Fire Potential Index)模型,从这2个方面分析研究可燃物湿度对林火发生的影响。利用MODIS遥感数据提取FPI模型所需因素(气象数据: 相对湿度、温度; 植被数据: 10 h时滞可燃物湿度、归一化水分指数、植被绿度),并将获得的2004年10月黑龙江省和2008年3月南方几省的气象、植被数据输入FPI模型,得到火险指数和火险等级划分。实践证明,应用该模型能够提高火险在时间和地理分布上的预报能力及预防技术。 相似文献
16.
MODIS数据水体识别指数的识别效果比较分析 总被引:4,自引:1,他引:3
在光谱分析的基础上,应用不同水体指数对MODIS数据进行水体信息识别,并对其应用性能进行比较分析。结果表明,混合水
体指数(CIWI)是较理想的水体识别指数。若以反射率计算,并以0为判别阈值,则该指数的提取常数C的最佳取值为-0.85。
就目前的研究成果来看,MODIS数据还不太适合用于小型水体的识别。 相似文献
17.
本文介绍了大范围卫星影像彩色镶嵌图的制作流程.对于大范围卫星影像彩色镶嵌图制作的技术难点(去云、拼接、调色),文章进行了重点介绍并提出技术解决办法.利用MODIS卫星数据制作了两幅全国彩色影像镶嵌图:一幅为红波段(B1)、绿波段(B4)和蓝波段(B3)构成的真彩色合成影像:一幅为红波段(B1).近红外波段(B2)和蓝波段(B3)构成的假彩色合成影像.两幅影像色彩精美,信息量丰富. 相似文献
18.
19.
基于MODIS数据的内蒙古草地植被退化动态监测研究 总被引:2,自引:0,他引:2
以内蒙古自治区为研究区,利用卫星遥感、GIS和GPS技术,在实地调查和样方测定的基础上,选用群种自然生殖枝高度、草地植被覆盖度和草地生物量3个评价指标,并将其加权综合得到草地植被退化指数(GDI).将GDI与提取的各种植被指数进行相关分析,选出最能反映草地退化趋势且与植被退化指数线性拟合最好的植被指数--修正的土壤调节植被指数(MSAVI).采用线性回归方法建立草地植被退化的遥感监测模型,分析了研究区2002年~2006年草地植被退化的时空分布规律和变化趋势.研究表明,与2002年相比,2006年内蒙古地区草地植被退化状况呈现整体改善、局部恶化的情况. 相似文献