基于中分辨率成像光谱仪(MODIS)数据的水稻遥感估产研究——以江苏省为例

选择以水稻为传统优势粮食产业的江苏省作为研究区,采用MODIS09数据作为数据源,根据水稻移栽期稻田土壤湿度较大的特点,利用不同植被指数间的关系,按照一定的算法排除地表干扰像元,提取水稻像元,并在此基础上结合统计资料,分析水稻单产与提取的水稻植被指数之间的关系,并利用水稻植被指数预测全省水稻单产。研究表明,在条件时间序列插值算法(CTIF)处理的基础上提取水稻像元,并基于提取的水稻像元进行遥感估产的方法能取得较好的估算效果。拟合的2004-2006年单产平均精度高于99%,预测的2007年各地级市水稻单产精度在95%左右,全省平均单产相对误差为0·38%,精度较高,具有一定可行性,可利用该方法对不同年份和不同地区进行水稻产量估算。

中分辨率成像光谱仪(MODIS)数据在地学中的应用前景

中分辨率成像光谱仪 (MODIS)具有高效的数据存储格式 (HDF)、信息丰富、数据获取快和覆盖范围广等特点 ,使其在对地实时监测等方面有较大的应用价值。MODIS数据对于开展自然灾害、环境监测研究具有重要意义 ,在地质资源勘查 ,植被。

考虑地物时空异质性的云下中分辨率成像光谱仪(MODIS)波段反射率恢复

云是光学遥感影像解译及地表参数定量反演的主要障碍,破坏了遥感产品的时空连续性;而随着遥感技术的推广和应用,大量的遥感参数产品已经被用于各个领域,比如卫生领域的疾病监控、地质灾害领域的滑坡监测以及城市雨洪预警等等;云导致的遥感数据质量下降与各领域对遥感数据质量要求的不断增加构成了不断激化的矛盾。针对这一矛盾,结合当前关于云消除研究的现状;提出了一个具有物理机制的云像元反演算法。该算法在计算过程中考虑了地表在不同入射、观测方向上的二向反射分布函数(BRDF),并引入时空权重因子实现对时空异质性的考虑;这些使该算法能够保证在各种情况下均具有良好的整体精度,从而保证该算法能够胜任定量遥感领域的研究需求。应用该算法,在黑河中游地区展开实验,反演结果与中分辨率成像光谱仪(MODIS)多个波段的数据对比均展现出较好精度。其中,整体均方根误差RMSE达到0.012,整体均方根误差百分比RMSE%为8.8%,整体相关系数平方R^2达到0.98,与对比算法相比较具有极大的提升;这表明该算法理论基础扎实,并具有较好的实用性。

中分辨率成像光谱仪图像积雪反射特性的初步分析研究

通过对中分辨率成像光谱仪图像 2 6个连续波段的同点采样 ,获得从可见到红外光谱一个完整的积雪反射特性系列 .在背景气候、气象数据信息的支持下 ,进行图像积雪反射特性与同类积雪实测反射特性的对比分析 .结果表明 :本研究所使用的中分辨率成像光谱仪图像积雪反射特性反映了积雪变化的过程 ,同时与地面光谱仪实测数据有一定的对应关系 .同类积雪在可见光波谱区的光谱反射基本吻合 .据此 。

神舟3号飞船中分辨率成像光谱仪场地替代定标新方法研究

神舟3号飞船(SZ-3)搭载的中分辨率成像光谱仪(CMODIS)是我国下一代对地环境卫星遥感器的试验仪器,能获取地气系统30个可见光-近红外通道观测数据,这些高光谱数据应用,特别是定量遥感产品反演受到辐射定标的严重制约。文章在传统的在轨遥感器场地辐射校正基础上,提出了星地准同步观测场地辐射校正新方法,在缺少足够地面同步观测数据情况下,实现了CMODIS场地辐射校正,并达到了预期辐射校正精度要求。同时基于敦煌场地反射率光谱光滑的特点,利用EOS/MODIS大气订正后的通道反射比进行光谱内插,开展一种新的交叉定标方法试验。文章针对SZ-3/CMODIS数据,用此两种方法独立进行场地替代定标,试验结果能够相互验证,表明这两种定标方法切实可行,定标精度可靠,为我国下一代环境气象卫星传感器在轨辐射定标提供了新的定标方法和技术。

应用于小卫星平台的中分辨率成像光谱仪

文章简要介绍了中分辨率成像光谱仪（CMODIS）的组成、原理及系统设计。

基于中分辨率成像光谱仪数据的洋面云检测新方法的研究

提出了一种利用中分辨率成像光谱仪热红外窗区通道数据进行云、晴空分离的新方法。该云检测算法从热红外窗区通道亮温出发,并结合水汽廓线,运用水汽规度法计算规度因子的值,利用规度因子的数值状态实现分离云和晴空,从而达到云检测的目的。经过大量的实验,并将结果与中分辨率成像光谱仪官方云检测产品作对比分析,结果表明准确率为91%,算法具有可行性。

中分辨率成像光谱仪(MERISFM)的性能(上)

按照欧洲空间局的合同为ENVISAT 1极轨地球飞行任务研制的中分辨率成像光谱仪(MERIS),属于新一代海洋水色敏感仪。它可以用来提高人们对我们行星上的一些重要过程的认识。目前由AEROSPATIALE领导的一个国际工作队正在开展该仪器的研制工作。 MERIS是一台推帚式仪器,它是利用位于390 nm和1040 nm之间的15个可编程波段以 1150 km的刈幅测量地球辐射的。其如此宽的空间范围是由 5台成扇形展开的视场均为14°的摄像机达到的。 本文介绍了 MERIS FM仪器的性能验证计划、所涉及到的一些测试设备以及实际测得的性能。

基于MODIS数据的中国东部地区海陆温差时空变化特征

海陆温差是海-陆间热力对比的重要表征,对区域乃至全球气候产生重要影响。研究基于2001—2021年中分辨率成像光谱仪(MODIS)遥感数据,研究了中国东部地区地表温度、海表温度以及海陆温差的时空变化及区域差异特征。结果表明:2001—2021年中国东部地区地表温度和海表温度均呈显著上升趋势,上升幅度分别为0.34℃/10a和0.32℃/10a;夜间地表温度和海表温度的上升态势更突出;各季节中,冬季地表温度和夏季海表温度增幅最大,分别达0.45℃/10a和0.43℃/10a(P<0.05);空间上,中国东部地表温度总体呈南高北低的格局特征,海表温度则表现出从东北向西南递增、近岸低于远岸的特征。研究时段内,中国东部地区海陆温差通常为负值,海表温度总体高于地表温度,且离海岸线越近的缓冲区范围内海陆温差越小;100 km、200 km和300 km缓冲区范围内年际海陆温差总体呈减小趋势,其中100 km缓冲区范围内的降幅最大;各季节中,春季和冬季海陆温差呈减小趋势,夏季和秋季的呈增大趋势;空间上,以30°N为界,以北和以南区域的海陆温差分别呈减小和增大趋势。

中分辨率成像光谱仪(MERISFM)的性能(下)

4.1光谱配准测试 光谱配准性能可以表明用不同波段拍摄的两幅图像在几何学上相叠合的程度.光谱配准性能可以用米、角度或图像探测器视场的百分比来表示. 热参数被认为是一个重要因子,这项测试是在真空条件下进行的.

基于成像光谱仪MODIS的近十年武汉水汽含量变化分析

应用中分辨率成像光谱仪近红外通道数据进行大气水汽含量反演.采用三通道比值加权平均法用于武汉地区大气水汽含量反演,将反演结果与EOS发布的水汽产品进行对比,验证了该反演算法的可信性.借助遥感影像处理软件ENVI,利用三通道比值加权平均法反演了武汉地区近十年(2001-2011)的大气水汽含量,结合武汉地区实际地理位置、气候条件和城市发展现状,分析了武汉地区大气水汽含量变化.结果表明:武汉地区大气水汽含量在秋季和冬季呈明显减少趋势.借助统计软件SPSS对中分辨率成像光谱仪反演的大气水汽含量与地面气象探测因子气压、气温和相对湿度之间做回归分析,结果表明:大气水汽含量与气温呈正相关,气压呈负相关,和相对湿度的相关性不大,但在温度一定时,两者呈正相关.

融合HJ-1 CCD和MODIS数据生成高分辨率影像方法对比

高时空分辨率遥感影像的反演可有效解决南方云雨地区的数据缺失问题。以广西典型丘陵山地为试验区,利用时空自适应反射率融合模型(spatial and temporal adaptive reflectance fusion model,STRAFM)和增强型时空自适应反射率融合模型(enhanced spatial and temporal adaptive reflectance fusion model,ESTRAFM)两种融合算法,选取小范围的国产环境减灾卫星(HJ-1 CCD)和中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)数据,比较分析两种融合算法所生成的高空间分辨率影像的优劣。与真实HJ-1 CCD的红、近红外(near-infrared,NIR)波段影像相比,STRAFM和ESTRAFM预测影像在空间分布上均具有较好的一致性,R值均为极显著相关,差分图像98. 94%以上像元反射率差值小于0. 1,平均绝对差值(average absolute difference,AAD)、平均差值(average difference,AD)、标准差(standard deviation,SD)均较小,融合效果好。与STRAFM相比较,ESTRAFM对真实HJ-1 CCD影像的细节捕捉能力更强,高低反射率区域没有明显缩小或放大现象,破碎地物边界更清晰,不存在斑块。ESTRAFM预测影像与真实HJ-1 CCD红、近红外波段影像的相关性均高于STRAFM,相关系数(pearson correlation coefficient,R)分别为0. 930、0. 885。ESTRAFM预测影像与真实HJ-1 CCD影像差异小于STRAFM,其差分影像的AD、AAD、SD分别为-0. 005、0. 013、0. 017。

基于中分辨率成像遥感数据的毕拉河林场林火信息检测

利用中分辨率成像光谱仪(MODIS)时间序列数据进行森林火情监测的原理及通道特性进行分析,利用阈值算法提取火点信息作为鲁棒卫星技术(RST)算法阈值确定前提,结合2种算法对内蒙古大兴安岭毕拉河林场火灾进行火点信息的提取,提高火点信息算法精度;然后,基于确认的火点信息,结合局部变化检测指数(ALICE)和全球环境监测指数(GEMI)提取过火迹地信息。结果表明:结合2种算法确定新的阈值可以有效地提取森林火点信息,检测精度由高到低的顺序为基于连续日期均值算法和基于空间域均值算法、基于每月同期均值算法,基于连续日均值的RST算法更加适合林火信息检测;结合ALICE和GEMI提取过火迹地信息的方法可以检测出绝大部分过火迹地像元,检测精度较高。

基于MODIS遥感影像的玛纳斯县植被覆盖度动态分析

植被覆盖度是衡量地表植被状况的重要指标。利用2013-2022年7-9月的MODIS遥感影像数据,基于归一化植被指数(NDVI)和像元二分原理,建立植被覆盖度的估算模型,对玛纳斯县近10年来植被覆盖度的变化情况进行监测,探究2013-2022年玛纳斯县植被覆盖度的空间分布特征、面积变化趋势及其影响因素。结果表明,2013-2022年,玛纳斯县植被覆盖度整体维持在36.71%~43.42%,变化幅度不大,反映出该地区植被生长状况良好,玛纳斯县植被主要分布在南部山区和中部平原区;玛纳斯县植被覆盖度在这10年间略有减少,其中,植被覆盖度减少了2.51%,植被面积减少了277.78km^(2),但在不同年份呈不同程度的波动。通过分析植被覆盖度变化因子,得出降水量对玛纳斯县植被覆盖度的变化起到正向作用,人类活动也是引起植被覆盖度变化的主要因子。

MODIS在青藏高原大范围积雪制图中的应用及存在的问题

积雪是地球表面重要的组成部分之一,精确监测积雪覆盖及其动态变化是地球科学的一个重要研究方向。本文以我国主要积雪区之一的青藏高原作为研究区域,研究了MODIS数据在青藏高原大范围积雪制图中的应用。使用基于NDSI阈值法的积雪像元识别方法,对2002-2003年度青藏高原的积雪状况进行了监测。对监测结果的分析表明,虽然这种算法目前还存在一些不足,但对青藏高原大区域的积雪监测仍是一种极为有效的方法。

基于GPS和MODIS的ENVISAT ASAR数据干涉测量中大气改正方法研究

GPS数据用于改正InSAR中大气延迟误差的方法受GPS站点密度的限制,只利用有限的几个站点所观测到的大气数据来生成干涉图的大气改正图,往往达不到很好的效果.本文研究利用GPS与MODIS数据的联合使用来生成大气改正图,首先用GPS数据对MODIS水汽产品进行分块校准,并且对MODIS水汽数据进行了空间结构函数分析,得到研究区域内水汽场的空间分布规律.然后把这种区域水汽场的空间分布信息结合到Kriging内插法中生成更为合理的水汽图.通过上海地区ENVISAT ASAR数据的实验发现,这种加以改正的GPS和MODIS数据联合改正法不仅可以对长波大气信号有明显的消弱,还能消弱一些短波的大气信号,特别是一些幅度较强的短波信号;经过GPS+MODIS算法改正后,短波信号占优和长波信号占优的两幅差分大气延迟图的整体RMS分别降低了32.74%和38.82%,去除幅度较大.与GPS+ATM(大气传输模型)算法比较,我们发现,在上海地区有限的数据条件下(即研究区域内只有6个GPS点),GPS+MODIS法在大气去除效果或者说大气信号重现能力方面优于GPS+ATM算法.GPS+MODIS算法在捕获短波大气信号方面要比GPS+ATM更有优势,因此也可以改正短波大气误差.

上海地区气溶胶特征及MODIS气溶胶产品在能见度中的应用

利用气象站点能见度的历史资料和美国国家宇航局的MODIS卫星遥感手段获取10km×10km分辨率的气溶胶光学厚度(AOD)资料,建立二者的季节平均关系,得到了上海地区季节变化的气溶胶标高,并利用标高数据和AOD的季节分布,反演出上海地区季节变化的区域能见度分布,研究了近地层大气气溶胶与地面能见度的关系,分析了上海地区AOD的特征及能见度的时空分布特征。结果显示:上海地区冬春季平均能见度较差,外环线以内能见度在10km以下;低能见度中心分布明显。

MODIS数据及其在森林防火中的应用

MOD IS是美国地球观测系统(EOS)装在Terra和Aqua卫星以及后继卫星上的中分辨率成像光谱仪,具有数据获取快、信息丰富和覆盖范围广等优点。近年来,随着信息化的快速发展和网络规模的日益扩大,MOD IS用户数量不断增加,应用领域也更加广泛。文中对MOD IS数据的来源、特性及其利用情况做了简要介绍,在火情监测方面的应用进行了拓展,并对其在森林防火方面的应用前景进行了分析。

MODIS光谱指数监测小麦长势变化研究

利用多个时次的小麦地面光谱与相应的生理参量测量数据(140组),构建了常见宽波段植被指数形式的MODIS(中分辨率成像光谱仪)光谱指数。首先确定反映作物长势的因子为生物量和LAI(叶面积指数),以地面光谱模拟MODIS的波段1～19,穷尽所有波段两两组合,寻找同时与生物量和LAI关系显著且有物理意义的光谱指数NDSI和RDSI。综合分析得出了3个最佳的波段组合:(b19,b2),(b19,b17)和(b19,b16),这3种组合所对应的NDSI和RDSI与两个长势因子都达到99%显著相关,而且明显优于MODIS自身的植被指数产品MODIS-NDVI和MODIS-EVI。与NDSI相比,RDSI对LAI更敏感。MODIS-EVI比MODIS-NDVI有显著改进,它与长势因子的相关性可达到95%置信度。对MODIS图像的初步分析表明,NDSI(b19,b17)能够增强云与其他地物的差异,有可能改进云的识别精度。