NOAA-AVHRR数据在吉林省东部林火信息提取中的应用

概述了利用NOAA-AVHRR数据进行林火监测的原理和4种方法。针对吉林省东部的森林火灾,运用4种方法进行了火点信息提取与分析,最后对阈值法进行了改进,提取精度达到了89.2%。分析了NOAA-AVHRR应用于林火遥感监测的可行性和不足。

NOAA-AVHRR资料反演地温与地面实测值的对比分析

对遥感反演和地面实测2种方法获得的地温数据进行对比。首先,用NOAA-AVHRR第4、5波段数据和NASAPathfinder地温计算模型计算出中国1999年1月的最高月地温;然后,将其与同期267个气象站的实测月最高地温值进行比较。结果为:遥感反演地温与地面实测月最高地温的线性相关系数为0.86,标准差为5.6℃,反演值比实测值平均偏低2.8℃。用实测地温数据对遥感反演地温值进行线性修正,修正后的反演值与实测值的线性相关系数为0.86,标准误差由修正前的5.6℃变为5.2℃,平均误差由修正前的4.9℃变为4.1℃,平均偏低值由修正前的2.8℃变为0.1℃。修正后的遥感反演地温与实际值更加接近。

利用NOAA-AVHRR遥感资料反演长江三角洲地表反照率的试验

利用NOAA-AVHRR的CH1和CH2资料,反演了长江三角洲地区地表反照率瞬时值,与前人给出的不同地面覆盖物反照率进行对比,表明对该地区的反演是可行的。还提出一种由单一时刻反照率推算一天中其他任意时刻反照率的方法,发现方法可靠。最后比较了太阳天顶角和地表状况对地表反照率的影响大小,发现二者量级相当,说明在短时、超短时数值模式中,必须同时考虑二者的作用。

利用NOAA-AVHRR数据进行积雪监测与制图的方法研究

本文在总结分析国内外现有方法的基础上，并根据大量的实验研究，介绍了利用NOAA－AVHRR遥感数据进行积雪监测和流域雪盖制图的方法。文章侧重介绍了AVHRR数据在积雪制图应用中的数据处理方法。也较为详细地介绍了利用遥感数据和地形数据的复合进行积雪信息提取的方法。研究表明：在地形相对复杂的地区使用AVHRR数据进行积雪监测和制图，采用监督分类的方法可获得较为理想的分类结果。利用GIS的空间分析方法，实现遥感和地形数据的复合分是积雪遥感制图高效和实用的方法之一。

多时相NOAA-AVHRR数据主成分分析的生物学意义

利用多时相 NOAA- AVHRR的中国归一化植被指数 NDVI数据进行主成分分析 ,并与从NDVI派生的 4个生物学参数作相关分析 ,结果表明 :主成分变换既压缩了信息 ,将 1 2个月的信息主要压缩到前 4个主分量 ,又提取了关键的变化信息。第一主分量反映基本植被覆盖信息 ,第二、第三和第四主分量反映植被季相变化信息。正是由于一年 1 2个月的 NDVI曲线反映了植被季相变化特征 ,使得主成分变换得到的各主分量具有一定的生物学意义 ,而且 1 7种中国典型植被在这 4个主分量图像上存在一定的差异性 ,使其具有进行较高精度土地覆盖分类的潜力。

基于NOAA16-AVHRR数据反演中纬度陆地上空云类型及云顶高度信息

以NOAA16-AVHRR数据为数据源,使用分裂窗技术反演得到云类型信息。根据11μm通道亮温图与分裂窗通道(11μm和12μm通道)之间的亮温差值图构建二维直方图。通过选择合适的直方图阈值,保证了所反演的中纬度陆地上空云类型信息的有效性。根据大气垂直温度数据,分析11μm通道亮温图,获得中纬度陆地上空云顶高度信息。通过相隔大约10 km的两台便携式全自动激光雷达(PAL)系统获得同步云信息数据。将卫星反演结果与PAL的双点观测结果进行比较,其结果显示出很好的一致性。

利用NOAA-AVHRR资料估算积雪参量

本文介绍了利用气象卫星ＡＶＨＲＲ资料对青海省青南高原看牧区冬 春季（１０月～４月）积雪进行监测的原理，提出了利用ＡＶＨＲＲ资料估算积雪深度 和面积的方法，并对其精度进行了检验。

NOAA-AVHRR多通道卫星资料在辽东半岛地区大雾监测中的应用

基于NOAA-AVHRR多通道资料,统计分析了白天和夜间可见光通道、中红外通道及热红外通道下晴空地表、雾区、云区等地物的通道光谱特征,总结了白天和夜间雾区识别的一些指标,利用统计分析方法结合一定的图形处理方法对雾区进行自动识别。最后对2014年4月8日一次大雾天气过程进行了试验,雾区识别的结果与地面观测结果比较一致,表明该方法对识别雾区有一定作用,但对夜间的轻雾不能进行有效识别。

彩色合成法在新疆地表植被覆盖变化中的应用——以多时相NOAA-AVHRR影像为例

以NOAA -AVHRR遥感数据为基础 ,使用彩色合成法对新疆地表植被变化进行分析。结果证明 ,利用不同时相的NDVI影像进行彩色合成可以直观地反映地表植被的变化趋势 ,通过遥感软件对彩色图像处理 ,还可以对地表植被变化进行定量分析。

用NOAA-AVHRR热通道数据演算地表温度的劈窗算法

气象卫星NOAA -AVHRR有两个热通道用来监测地球表面温度。劈窗算法是用这两个热通道数据演算地表温度的最常用方法。近 10a来 ,国际遥感界已经提出了 10多种劈窗算法。本文主要介绍这些劈窗算法 ,并比较它们的演算精度 ,重点放在这些算法的具体计算方面 。

应用卷积神经网络VGG16的星载GNSS-R海冰检测

针对全球卫星导航系统反射计(global navigation satellite system-reflection,GNSS-R)海冰检测中延迟-多普勒图(delay-Doppler map,DDM)数据噪声大、消融期精度低等问题,提出将VGG16卷积神经网络模型应用于海冰检测。通过深层的网络结构提取DDM多层次特征进行海冰海水分类,以提高海冰检测的精度和稳定性。实验结果表明,与美国国家海洋和大气管理局地表类型数据对比,所提出的基于VGG16海冰检测方法检测准确率为98.02%,有效提升了海冰检测的准确率和稳定性。

在GIS支持下用NOAA/AVHRR数据进行旱情监测

旱灾是影响农作物生产的一种重大自然灾害，它对中国北方春小麦生产的影响极大。本文介绍了一个应用遥感、ＧＩＳ技术对黄淮海平原春小麦的旱情进行监测的系统及其方法。它综合使用了ＮＯＡＡ／ＡＶＨＲＲ数据、地面气象资料和地图，选用作物缺水指数（ＣＷＳＩ）模型和热惯量模型对旱情进行监测。监测结果分别用分县的旱情等级分布图和相应不同等级的旱情面积、面积比例数统计表来表示。该系统自１９９４年起投入运行３年，监测结果与实测数据比较，平均精度为８３．６％。

基于MODIS和NOAA/AVHRR的荒漠化遥感监测方法

土地荒漠化是中国西部最严重的生态环境问题,荒漠化遥感监测技术是掌握荒漠化发展趋势的重要手段。基于空间分辨率为1km的NOAA/AVHRR和MODIS遥感数据,首先依据湿润指数法确定了荒漠化范围和气候分区。然后选取出了可以反映不同荒漠化特征,并且能够通过中低分辨率的NOAA/AVHRR和MODIS遥感影像反演出来的5个荒漠化遥感监测指标,通过精度评价分析,确定了最佳指标组合。由于MODIS和NOAA/AVHRR数据的影像特征存在较大差异,针对每一气候分区,建立了分别适用于MODIS和NOAA/AVHRR数据的两套遥感指标分类体系。通过不同分类方法的比较,确定了最佳分类方法-决策树分类法。通过对中国1995年和2001年的荒漠化动态变化状况进行了分析,结果表明,本文提出的荒漠化遥感监测方法,不仅能够成功地进行大尺度的荒漠化遥感监测,而且能够取得较好的监测效果。

用NOAA图像监测冬小麦面积的方法研究

冬小麦种植面积是农情监测中一个重要的监测因素，对生产管理与产量预测有重要意义。该文在冬小麦与同期主要大宗作物绿度－时相曲线对比分析的基础之上，建立反映冬小麦种植区域的差值植被指数图像，采用遥感－统计的方法，对利用ＮＯＡＡ图像进行冬小麦种植面积遥感监测进行了初步研究。通过对我国冬小麦主产区的河北、河南和山东三省的监测实验证明，该方法适用于大范围的冬小麦种植面积遥感监测。

NOAA/AVHRR资料在陕西省干旱动态监测中的应用

利用ＮＯＡＡ卫星资料并结合地面实测的土壤墒情资料，运用植被指数法和亮温反演土壤湿度法以宝鸡、关中、渭北等为例进行干旱动态监测，结果表明与实地的旱情分布基本一致。

基于动态阈值法的NOAA系列卫星云检测结果检验

采用我国地面报资料、国际船舶报资料和云卫星(CloudSat)产品,分别对多通道动态阈值云检测方法的云检测结果进行了检验。结果表明,动态阈值云检测方法可用于长时间序列卫星观测数据的云检测,不仅运行速度较快,可实现全自动,且精度较高,陆地上空云检测准确率为82.8%(地面报资料),海洋上空云检测准确率为91.5%(船舶报资料)。此外,还利用CloudSat资料检验不同观测时间差对NOAA系列卫星云检测结果检验的影响。

利用NOAA/AVHRR监测青海省草地生产力变化的研究

青海省地处青藏高原, 生态环境脆弱。近20年来, 由于气候变化和人类活动的共同影响, 生态环境, 特别是草地资源发生了较大的变化。利用美国地球资源观测系统数据中心探路者数据库(Pathfinder Data Sets)1981—1999年间的 NOAA/AVHRR NDVI资料序列, 分析了青海省近 20 年来草地生产力变化的时间特征及地区差异性。

应用NOAA/AVHRR资料监测松毛虫危害研究初探

探讨了利用气象卫星定量监测松毛虫危害程度的可能性.以针叶被害率代表松毛虫的危害程度,轻度、中度、重度危害分别定义为针叶被害率<30%、30%～60%和>60%.根据地面光谱观测资料,建立了归一化植被指数与针叶被害率的相关方程,无松毛虫危害时NDVI为0.8823;为了消除大气等因子影响,利用松毛虫危害与未被危害的植被指数相对值表示松毛虫轻、中、重危害程度的遥感监测指标,无危害为1,0.78～1为轻度危害,0.57～0.78为中度危害,<0.57为重度危害.监测危害面积时,利用线性可加垂直植被指数进行混合象元分解.并分别对严重、中度、轻度3种类型发生年进行了定量监测分析,结果表明,AVHRR资料对中等以上松毛虫危害可进行定量监测分析,监测受灾面积比用同期的陆地卫星TM资料监测的受灾面积小12.1%～14.3%;对于轻度危害区域,采用气象卫星不易分辨,主要是由于不同下垫面和大气影响的差异,以及气象卫星空间分辨率较低.

NOAA/AVHRR与EOS/MODIS遥感产品NDVI序列的对比及其校正

利用Terra、Aqua两颗卫星的MODIS资料、NOAA-16和17的AVHRR资料,通过对太阳和卫星天顶角及方位角等引起的大气效应订正、大气气溶胶等粒子的散射订正以及NOAA系列卫星信号的衰减订正,得到以上四颗卫星一系列的NDVI产品;对比分析了上午星Terra和NOAA-17,下午星Aqua和NOAA-16两组不同卫星传感器NDVI的差异及其与光谱响应函数的关系。结果表明,Terra和Aqua卫星NDVI随卫星观测角度的不同差异较大,平均NDVI是一种更适合的MODIS/NDVI产品算法,它代表了观测角为±30°之间的NDVI值的分布,在大气和角度的订正基础上,本研究采用了三阶多项式再次订正了观测角引起的NDVI变化;NOAA-16和17所获得的NDVI值较MODIS得到的NDVI值小很多,以MODIS的NDVI产品为标准,应用光谱响应函数将NOAA系列NDVI进行归一化处理,所得的结果基本与MODIS所得的NDVI相当;该方法基本能实现NDVI产品序列的延伸,其资料序列有时空可比性。

NOAA/AVHRR遥感数据在夜间雾监测中的应用

通过对夜间雾的NOAA/AVHRR红外光谱特征分析,建立基于NOAA/AVHRR遥感数据的夜间雾遥感监测模型。利用该模型对2005年冬季和2008年秋季2个时次江西省范围内的夜间雾分布格局进行监测,经地面气象观测资料检验表明,该模型监测夜间雾的准确率达69.2%。该模型的应用可弥补常规气象监测方法的不足,基本实现对夜间雾的宏观、动态、连续监测。