利用NDVI估算云覆盖地区的植被表面温度研究

干旱监测等实际应用都需要全面掌握地表温度(LST)的空间分布,而云覆盖是这种应用的重要阻碍。试图根据地表温度变化与地表植被之间的相互关系,研究遥感影像中云覆盖区域植被表面温度的估算方法。由于植被的蒸腾作用,植被茂密程度对其表面温度的空间分布有较大影响。这种影响不仅在晴朗无云区域存在,同样适用于云覆盖区域。因此,首先分析云覆盖区域周边无云植被像元的LST与植被指数NDVI之间的关系,建立方程式,然后再利用NDVI在短时间内相对稳定的特点用另一幅图像来获取云覆盖区域的NDVI值,最后根据NDVI与LST之间的关系估计云覆盖植被像元的表面温度。将这一方法应用到山东省聊城市的Landsat ETM+图像,结果表明:当云覆盖范围≤2 000个像元(约1.72km2)时,通过NDVI来估计云覆盖区域植被表面温度的平均绝对误差<0.7℃,均方根误差<1.2℃。为了验证其实用性,又将该方法应用于安徽省蚌埠地区的TM图像,云覆盖范围在300个像元以下时,平均绝对误差小于0.1℃。因此,可以认为,当云覆盖范围不是很大时,利用NDVI估算云覆盖地区的植被表面温度,具有一定的可行性。

基于空间内插的云下地表温度估计及精度分析

云覆盖下地表温度的估计,是热红外遥感研究的一个前沿问题。地表温度具有较高的空间相关性,理论上可通过空间内插值方法来估计云覆盖下的地表温度,从而消除云对地表温度产品的应用限制。本文基于普通克里格插值方法和规则样条函数插值方法提出了云下地表温度的估计方法,并通过ArcGIS软件进行应用试验,分析了这一方法在不同云覆盖范围内的估计精度。实验结果表明,当云覆盖小于9km2时,城市地区的估计误差小于1℃,而农田地区为0.6℃。因此,本文提出的云覆盖下地表温度的估计方法在一定的云覆盖范围内是可用的。

Support Vector Machines for Cloud Detection over Ice-Snow Areas

In polar regions, cloud and underlying ice-snow areas are difficult to distinguish in satellite images because of their high albedo in the visible band and low surface temperature of ice-snow areas in the infrared band. A cloud detection method over ice-snow covered areas in Antarctica is presented. On account of different texture features of cloud and ice-snow areas, five texture features are extracted based on GLCM. Nonlinear SVM is then used to obtain the optimal classification hyperplane from training data. The experiment results indicate that this algorithm performs well in cloud detection in Antarctica, especially for thin cirrus detection. Furthermore, when images are resampled to a quarter or 1/16 of the full size, cloud percentages are still at the same level, while the processing time decreases exponentially.