基于MODIS和CLDAS的综合干旱监测模型研究

传统的干旱监测指数主要考虑单一影响因子,往往无法全面综合反映干旱状况.基于MODIS数据和CLDAS数据,选取多个影响因子和能够直接反映干旱程度的干旱指数作为自变量,以综合气象干旱指数(CI)为因变量,通过梯度提升机(GBM)机器学习算法建立日尺度综合干旱监测模型,并以2015—2018年华北地区干旱为例进行了研究.结果表明模型监测结果与站点CI计算值具有显著的相关性,训练集和测试集决定系数分别达到0.945和0.655,均方根误差(RMSE)分别为0.033和0.082,综合干旱监测模型具有较高的精度.且模型监测与CI监测各月等级一致率均在65%以上,并与标准化降水蒸散指数(SPEI)和土壤相对湿度(RSM)相关系数分别为0.68和0.60,能较好地反映气象干旱和农业干旱状况.典型干旱情况监测表明,综合干旱监测模型综合考虑多种干旱影响因素,能较准确地识别出干旱的发生,表征综合干旱发生状况.

融合反距离加权和傅里叶变换的MODIS水汽校正方法

MODIS反演的可降水量(PWV)为连续的面状数据,精度不高;而GNSS水汽探测技术精度高,但为离散的点数据。本文综合两者优势,提出一种融合反距离加权和傅里叶变换的MODIS水汽校正方法,利用GNSS PWV来校正MODIS PWV产品,并采用香港地区GNSS数据和MODIS水汽产品进行实验验证。该方法首先考虑空间插值问题,使GNSS PWV与MODIS水汽在空间点位上一致。选取不同数量的MODIS像元点,对比6种插值算法的精度,发现选取5个插值参数时插值效果最佳,选择反距离加权法得到的插值水汽产品精度最高,平均偏差为-0.99 mm。其次考虑水汽校正问题,构建3种模型对MODIS PWV进行校正,发现傅里叶变换模型的均方根误差改进率可达70%以上。新模型的MODIS水汽校正方法能够减弱局部数据的影响,更准确地反映该地区的水汽分布情况。

基于MODIS影像的2016—2017年东海赤潮高发期水体时空分布及其气象控制因子分析

近年来,东海区域赤潮灾害频发,对沿海地区的经济发展和海洋生态环境造成了极大的破坏。本研究基于赤潮暴发年2016—2017年夏季MODIS影像数据,采用半经验多光谱识别算法对东海夏季赤潮暴发期的水体类型分布特征进行反演。结果表明,赤潮高发期东海水体类型从近岸向开阔海域呈现浑浊水体-赤潮水体-混合水体-干净水体的时空分布特征。其中,硅藻和甲藻赤潮水体在空间分布上具有相互演替变化的特征。此外,通过对浙江省近岸的大陈站、石浦站和嵊泗站3个站点的气象因子进行主成分分析发现,气温、风速和天空云量对赤潮的生消演替起着积极的促进作用。

基于MODIS-MOD09Q1数据的雅氏落叶松尺蠖灾区提取及其适生气候特征分析

通过MODIS-MOD09Q1遥感数据,使用归一化植被指数(NDVI)、比值植被指数(RVI)和近红外波段反射率(NIR)3个易获取且与虫害发生程度具有响应的指标,划分灾区受害度等级植被指数的变化,构建虫害综合指数(PCI)模型,实现雅氏落叶松尺蠖(Eeannis jacobssoni)灾区信息快速提取。在此基础上,借助气温和降水量数据,结合GIS空间叠加分析方法,揭示了害虫适生气候特征。结果表明,利用虫害综合指数能够准确提取害虫灾区严重度信息,其总体精度和Kappa系数分别为85.00%和0.81;雅氏落叶松尺蠖适宜于冬季、春季降水量较少、夏季降水量较多,气温不宜太高的气候,这与其生物学特性相吻合。该气候与大兴安岭林区相似,入侵风险较大,应引起中国林业部门的高度重视。

基于MODIS数据的2011-2020年河南省遥感干旱研究

研究基于MODIS数据,选取CWSI和VSWI模型对河南省进行干旱监测模拟,同PDSI进行皮尔逊相关性分析,筛选出最适合河南省的遥感干旱监测模型,进而探讨2011—2020年当地干旱时空变化特征。结果表明,CWSI模型更加适用于河南省干旱监测研究,总体相关性(r=0.47)拟合程度最高;2011—2020年,河南省干旱集中区为郑州市、新乡市和焦作市,无旱区为南阳市北部和信阳市南部地区。在干旱空间分布中,中度干旱面积占比最大(51.19%),大部分集中在河南省西北地区;其次是轻度干旱面积占比(42.58%),主要集中在河南省东部平原地区,然后是西部秦岭山区;重度干旱面积占比较小(4.40%),主要集中在郑州市、焦作市和新乡市;无旱地区面积占比最小(1.80%),大部分分布在南阳市、信阳市地区,少部分分布在洛阳市南部和驻马店市西部地区。在研究时段内,河南省变湿区域占比为87.0%,而变干的趋势总占比为12.6%,表明10年间该地区气候逐渐湿润,大部分地区的干旱程度得到缓解;易旱区干旱重心位于东经113.2°~113.7°、北纬34.0°~34.5°,干旱重心总体呈现东南向西北再向东南移动的趋势。

基于MODIS数据探讨汶川地震前后地表温度变化

通过对MODIS数据进行数据预处理,系统性地构建了川滇地区在不同时间尺度(月、季、年)地标温度背景场,借助目视解译技术,分析了不同时序温度变化规律。结合我国最典型的汶川地震,运用典型图像差值法揭示了地震发生前温度异常现象。此外,本研究还提出一种新的方法,即通过由震中周围区域的地表温度拟合出震中地表温度的方法,来验证其地震前后引起的温度异常,为地震监测和预警提供了新的视角和方法.

基于MODIS数据的洱海水温反演及特征分析

本文基于MODIS数据,采用分裂窗算法反演2016年10月至2019年12月洱海水温,通过改进的归一化差异水体指数提取水体,分析反演结果。TERRA卫星反演水温分布为南部低,中部次之,北部高;水温高值区位于北部边缘及中东部边缘。AQUA卫星反演水温分布为南部低,中部北部则呈现西低东高的分布特点;水温高值区位于中东部边缘。AQUA卫星较TERRA卫星反演的水温增温幅度西低东高,中部高于南部和北部,主要增温幅度0.4~0.6℃。春秋冬三季,水温低值中心位于南部靠近湖岸区域,中部北部水温西低东高特征明显,且西北部均存在一低值区,较中部和北部其他区域水温低;夏季低值中心有所北移。洱海水温最高出现在8月,年平均水温16.67℃。将反演结果与实测水温进行同时次对比,TERRA卫星反演水温平均相对误差0.06%,AQUA卫星平均相对误差-0.51%。

MODIS和AVHRR植被指数关系的研究

对同一区域不同时次的MODIS和AVHRR的归一化植被指数 (NDVI) ,从直方图和特征空间分布方面进行了分析比较。

利用AVHRR和MODIS数据测算海冰资源量——以渤海海冰资源测算为例

论文探讨了利用遥感数据测算海冰资源量的方法,提出了基于GIS技术和光谱特征的海冰信息分层提取法,并测算出2001-01-15的渤海海冰资源储量和可开采量分别为8.19×109m3和4×1010m3,表明渤海海冰作为淡水资源,其数量是相当可观的。论文认为,利用可见光、近红外和远红外波段对海冰资源量测算效果明显;MODIS数据在海冰资源量测算方面优于AVHRR数据。

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。

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。

植被指数研究进展:从AVHRR-NDVI到MODIS-EVI

目前应用广泛的植被指数 AVHRR- NDVI仍有一些缺陷 ,主要表现在 :(1 )在植被高覆盖区容易饱和 ,这除了红光通道就容易饱和外 ,主要是基于 NIR/Red比值的 NDVI算式本身存在容易饱和的缺陷 ;(2 )没有考虑树冠背景对植被指数的影响 ;(3 ) NDVI的比值算式和最大值合成算法 (MVC)确实消除了某些内部和外部噪音 ,但最终的合成产品仍然有较多噪音 ;(4) MVC不能确保选择最小视角内的最佳像元。所有这些 AVHRR- NDVI的局限性 ,在基于“中分辨率成像光谱仪 (MODIS)”的“增强型植被指数 (EVI)”产品中 ,都有不同程度改善。MODIS- EVI改善表现在 :(1 )大气校正包括大气分子、气溶胶、薄云、水汽和臭氧 ,而 AVHRR- NDVI仅对瑞利散射和臭氧吸收做了校正 ;这样 MODIS- EVI可以不采用基于比值的方法 ,因为比值算式是以植被指数饱和为代价来减少大气影响 ;(2 )根据蓝光和红光对气溶胶散射存在差异的原理 ,采用“抗大气植被指数 (ARVI)对残留气溶胶做进一步的处理 ;(3 )采用“土壤调节植被指数(SAVI)”减弱了树冠背景土壤变化对植被指数的影响 ;(4)综合 ARVI和 SAVI的理论基础 ,形成“增强型植被指数 (EVI)”,它可以同时减少来自大气和土壤噪音的影响 ;(5 )采用“限定视角内最大值合成法 (CV-MVC)”。

基于AVHRR、MODIS和MVRIS数据的辐射雾变化检测与分析

以过境时间不同的NOAA-16/AVHRR、NOAA-17/AVHRR、FY1-D/MVRIS、TERRA/MODIS和AQUA/MODIS五种遥感影像数据组成一组序列影像,对发生在湖北省2005年2月4日的辐射雾进行了一次变化检测与分析。经地面验证,序列影像数据在雾变化检测的研究方面具有很大的潜力,检测结果动态地显示了该次大雾的形成、发展、稳定、消散的过程。将检测结果与该区域的DEM和水系矢量图结合分析发现,二者在辐射雾的变化发展过程中起着非常重要的作用。

基于GEE和MODIS NDVI时序的青藏高原农作物信息提取

实时、准确地提取作物信息对于了解区域的种植结构和农业生产变化、保障国家粮食安全具有重要作用.谷歌地球引擎(Google Earth Engine,GEE)是一个具有先进存储能力和计算能力的地理信息数据云平台,可以快速获取并处理影像数据,节约时间成本,满足大范围区域作物信息提取的需求,相较于传统的遥感分析手段有明显优势.针对青藏高原作物信息提取困难的现状,通过GEE平台,快速获取并处理了Landsat数据并与基于MODIS NDVI时间序列提取出来的物候参数进行特征构建,充分利用不同地物物候特征的差异进行分类训练,实现青海省东部主要农作物信息的提取.结果表明:①该方法提取结果精度较高,分类回归树验证的总体精度为86.23%,Kappa系数为0.82.提取结果基本符合研究区的作物种植结构,说明Landsat数据与MODIS NDVI时间序列耦合的方法能够提高作物识别的精度,对青藏高原地区主要农作物信息自动化提取具有一定的积极意义.②说明GEE平台是实现青藏高原主要农作物较高精度作物信息提取的有效工具.③主要的误差来源于零星且种植比例低的玉米地和分布范围广海拔差异大的青稞地,后续研究应着重在零星种植和生育期差异较小的农作物分类提取技术方面进行深入分析.

基于MODIS与AVHRR数据的安徽省覆被变化比较

不同季节内绿度值的变化特征代表了地物的生物信息,不同卫星传感器所监测地表信息不可避免存在系统差异,本文以MODIS和AVHRR卫星资料为主要数据源,针对安徽省淮北平原、大别山区,进行MODIS NDVI与AVHRR NDVI数值对比及特点分析。结果表明:相同覆被类型对应的MODIS NDVI与AVHRR NDVI日值之间具有较好的相关性,而且在4km×4km分辨率下,研究区的NDVI相关性均比1km×1km分辨率下高;相同覆被类型特征点对应的MODIS NDVI与AVHRR NDVI月值在年内的变化过程基本一致;不同地表覆被NDVI波形差异明显:典型旱地、水田由于两种作物轮种其NDVI变化曲线为双峰型,山区、果林和城市的NDVI变化曲线为单峰型;不同植被覆被总体的绿度值情况是大别山和皖南两大山区最大,旱地、农田次之,城市最小。

基于NOAA/AVHRR和Terra/MODIS数据的植被指数季节信息比较

依据云南省中部地区的气候系统和地形地貌的区域差异,选择西南山地和东部高原地区为对比区,应用Arc-GIS 9.2点面结合分析了AVHRR-NDVI、MODIS-NDVI及MODIS-EVI 3种植被指数对植被季节性变化的敏感度。结果显示:MODIS-EVI在消除影响因素方面效果最好,其与植被覆盖度的线性关系得到明显改善,尤其是在高植被覆盖区表现良好,既避免了植被指数饱和问题的产生,又削弱了大气云雨、地形地貌及土壤背景的影响程度,为遥感定量研究陆地植被提供了数据保证,尤其是涉及有关植被季节性信息的研究。

MODIS和NOAA/AVHRR植被指数差异初步分析

本文基于中分辨率成像光谱仪(MODIS)和NOAA/AVHRR影像数据分析了植被指数(Ⅵ)的差异性。分别选取浙江省2002年9月2日MODIS和NOAA/AVHRR遥感影像,计算分析了浙江省全省和仙居县MODIS和NOAA/AVHRR的植被指数。结果表明,MODIS增强植被指数(EVI)同MODIS-NDVI相比,倾向于低值部分,呈现正态分布,不容易饱和,适宜于高生物量群体的监测:MODIS-VI及NOAA/AVHRR-NDVI相比不容易饱和。

基于SCLSTM模型的MODIS地表温度产品重建方法

MODIS(Moderate-resolution Imaging Spectroradiometer,中分辨率成像光谱仪)LST(Land Surface Temperature,地表温度)产品在大气物质和能量交换、气候变化研究及地震前兆热异常探测等方面具有重要价值。然而,由于云的遮挡导致MODIS LST数据产品中存在大量空值,限制了其广泛应用。为此,文中提出了一种基于混合模型的地表温度重建方法——SCLSTM(即SSA-CLSTM)。与传统方法相比,该方法无需建立复杂的回归关系模型。此外,由于CNN(Convolutional Neural Network,卷积神经网络)能够充分提取一维时间序列数据的局部特征,而LSTM(Long Short-Term Memory,长短期记忆)能够充分学习数据的长时间序列特征,因此将CNN和LSTM结合能够更加充分地学习数据的潜在特征。首先,使用SSA(Singular Spectrum Analysis,奇异谱分析)模型提取出地表温度时间序列中的趋势值用于填补缺值像元,实现地表温度的初步重建。然后,再利用SCLSTM(即1DCNN-3层堆叠LSTM)模型学习数据的局部时序特征和长期依赖关系,并实现对缺失像元的地表温度进行迭代预测,完成数据的精细重建。新疆和田地区和四川汶川地区的实验结果表明,文中方法与现有其他2种基于混合模型的重建方法相比,重建后的LST数据误差最小,与原始数据的一致性最高。其中,文中方法的RMSE可降至0.712K,AD为0.695K,重建后的LST数据与原始数据的相关系数可达0.95以上。此外,气象站的实测地表温度数据也进一步验证了该方法的可靠性。文中所提方法为基于深度学习的LST重建工作提供了一种新的技术手段和思路,同时也为基于LST的地表过程和地震热异常研究提供了坚实的数据基础。

西北太平洋部分海域AVHRR、TMI与MODIS遥感海表层温度的初步验证

选取[10～35°N,110～165°E]的西北太平洋海域,利用2002年7月～2005年12月Argo浮标数据对AVHRR/MODIS/TMI SST的daily(升轨)数据进行验证.结果表明:AVHRR/MODIS/TMI daily SST与Argo浮标5～6 m层温度总体的均方差rms在0.6～0.9℃,平均偏差bias在-0.2～0.2℃,平均绝对偏差bias_abs在0.3～0.7℃.这与三传感器全球范围的SST反演目标相当,说明在本区域SST反演不存在显著偏差.各遥感SST与浮标温度的差异存在季节变化,夏季偏高,很可能与夏季垂直混合较弱,比对采用的实测水温与海表温度差距较大有关.在3种遥感SST中,TMISST偏离实测值的程度最高,且偏离范围较大.作者认为这与该区域黑潮经过,产生诸多涡旋和锋面,SST时空变化剧烈而TMI空间分辨率较低有关.本研究将为此西北太平洋海域的多源SST融合提供一个比较可靠的依据.

基于PROSAIL混合反演模型的MODIS LAI产品改进及评估

叶面积指数(Leaf Area Index,LAI)是定量陆地生态系统中光合作用、呼吸作用、蒸腾、碳和养分循环等过程中物质与能量交换的重要结构参数。目前大、中尺度的气候和生态水文建模使用的LAI产品主要来源于中分辨率成像光谱仪(MODIS),但由于其反演过程中的不确定性因素导致MODIS LAI产品在部分地区存在质量问题。以青海省复杂植被地区为研究区域,基于实地考察与采样验证了区域内MODIS LAI所存在的质量问题分布,并揭示了不确定因素的影响。与此同时,提出了一种基于PROSAIL模型与深度神经网络(DNN)的混合建模技术,针对MODIS LAI生成机制中地表分类数据、地表反射率数据和反演算法的不确定性进行改进,并基于青海省大范围实测LAI数据评估了改进前后产品的准确度,实测数据的验证结果发现:改进模型的LAI准确度(RMSE=0.48,R^(2)=0.64)显著高于MODIS LAI(RMSE=0.71,R^(2)=0.56),预测结果与实测结果之间的偏差显著减少;区域尺度上,柴达木荒漠植被低覆盖典型区域、三江源高寒草甸中覆盖典型区域与青海湖牧场草地高覆盖典型区域的RMSE分别提高了0.19、0.10、0.54,改进方法有效解决了MODIS LAI产品中高覆盖植被饱和效应导致的高估以及低覆盖植被未检索导致低估的质量问题,改进结果分布连续,更符合真实植被状况。基于以上研究,充分证明了研究方法对MODIS LAI产品的改进具有可靠性,能够在缺少实测样本数据的情况下有效提高MODIS LAI的质量,为全球植被环境监测与生态建模提供重要的数据支持。