基于TM8卫星热红外数据地表温度反演及其应用

地表温度(LST)是农业旱灾监测模型和农作物估产模型的关键因子,在干旱遥感监测中有着广泛应用.针对TM 8卫星运行陆地成像仪(OLI)和热红外传感器(TIRS)数据波段特点,提出新的劈窗算法流程图,推导新的劈窗算法系数,对地表比辐射率和大气透过率这两个基本参数进行了分析.选取同一时刻珠三角区域的MODIS温度产品和气象站点观测值作为基准,对该算法进行精度分析.结果表明:LST散点图得出RMSE为0.3845;从LST差值直方图得出反演LST和产品LST误差范围主要集中在-0.6～0.6℃之间;对观测的气象站点值进行统计,产品站点温度均值、算法反演温度均值和站点观测温度均值分别为21.61、21.19、21.38℃,对高温区域的气象站点温度数据统计得出该算法的RMSD为0.742℃,误差小于1℃.从实例应用来看,该算法能快速有效地反演农业旱灾监测中所需要的LST参数,并获得较好的反演效果,能提高农业旱灾监测模型的反演精度.     

基于中分辨率遥感影像的湿地土壤水分提取方法

利用中分辨率的TM遥感影像反演湿地土壤水分,探寻湿地土壤水分和非湿地土壤水分提取的不同之处,对湿地监测具有重要意义。建立地表温度(Ts)与归一化植被指数(NDVI)之间的二维特征空间,用IDL编程在特征空间内提取对应的特征点,拟合温度植被干旱指数(TVDI)法需要的干湿边方程,能快速反演出野鸭湖湿地的土壤水分情况。反演结果与实测值的相关系数为0.860,呈极显著相关,均方根误差为0.104 2,平均绝对误差为0.084 5。结果证明利用温度植被干旱指数(TVDI)法进行野鸭湖湿地这样的小尺度范围的反演土壤水分含量,方法可行,且中分辨率影像的土壤水分反演精度高于低分辨率影像的反演精度。     

107杨叶片叶绿素含量高光谱反演的研究

利用Field-Spec Pro测定107杨叶片光谱特征参数,研究不同叶绿素含量的107杨叶片的光谱特性、叶绿素含量与11种植被指数之间的关系以及107杨叶片叶绿素含量的光谱反演模式。结果表明:1)光谱反射率呈现典型的植物光谱特征,蓝紫谷位于350~500nm之间,其中多集中在350nm处;绿峰位于500~600nm之间,其中大部分集中在552nm处;红谷位于600~700nm之间,多集中在672nm处。700nm后进入近红外高反射平台,以762nm居多;2)107杨叶片叶绿素含量与11种植被指数之间均具有很强的相关性,其中mND705植被指数与叶片叶绿素含量相关性最强,R2为0.69;3)基于植被指数建立叶绿素反演模型,结果显示mND705植被指数的高光谱反演模型y=0.09x1.621 7反演精度较高,拟合R2和预测R2均达到最大,分别为0.812 4、0.703 5;均方根误差最小,为0.007 0,说明可以利用测量107杨叶片光谱的方法来监测叶片叶绿素含量。     

基于高光谱影像的玉米LAI反演模型研究

以吉林省长春西部地区合心与合隆镇为研究区,利用高光谱Hyperion遥感影像,结合与其同步实测LAI数据,分别建立影像波段与玉米LAI线性及非线性统计回归模型,最终选出以SAVI为自变量的指数函数模型y=1.717e1.064x为最优反演模型,其估测精度高达96.8%。经实验证实,高光谱遥感可以实现大范围、快速、较精确地获取玉米叶面积指数。     

平原区浅层水水位预报模型应用成果与讨论

本文从一个水文地质实体模型概念化入手，建立了描述地下水运动的数学模型。计算模型及参数反演模型。介绍了模型应用成果，就地下水水位变化对降雨入渗补给量、潜水蒸发量等潜水垂向水量交替强度的影响进行了探讨，并对地下水数值模型参数确定中校验函数的灵敏度问题作了讨论。     

Analysis on Application of Principle Component Transformation Method in Leaf Area Index Inversion

[目的]通过模型模拟数据和地面实测数据的分析,确定主成分变换方法在叶面积指数反演中的作用.[方法]通过PROSPECT模型和SAIL模型针对LANDSAT_5TM数据进行不同叶面积指数状态下的模拟,通过模拟数据分析主成分变换方法相较于传统植被指数的优势,并通过地面实测数据进行精度验证.[结果]在一定范围内,随着叶面积指数的增大,主成分变换的方法可以在有效减弱饱和现象影响的同时取得较好的反演效果,在2009年冬小麦和玉米的叶面积指数反演中主成分变换方法反演精度达到78％和91％,获得了较高的反演精度.[结论]主成分变换方法在叶面积指数反演方面具有较好的应用前景.     

基于神经网络与有限元法相结合的初始地应力场反演分析

目前,对于初始地应力场的测试主要采用现场直接量测法,而采用神经网络与有限元法相结合的反演分析法越来越成为了一种有效途径.结合广东第五抽水蓄能电站工程实例,利用神经网络与有限元分析相结合的方法,以及BP神经网络结构和ADINA三维有限元模型建立岩体参数、边界条件与地应力场的映射关系来反演初始地应力场.模拟计算与实测结果的对比表明：采用该方法进行初始地应力场的反演计算是可行的,计算结果是合理的,对类似工程具有一定参考价值.     

基于MODIS遥感数据的呼伦贝尔土地荒漠化信息提取(英文)

[目的]基于MODIS遥感数据,对呼伦贝尔地区土地荒漠化信息进行提取。[方法]基于空间分辨率为1km的MODIS遥感数据,选取可以反映不同荒漠化特征的5个指标进行反演,并采用决策树分类方法对呼伦贝尔地区土地荒漠化信息进行提取。[结果]呼伦贝尔地区土地荒漠化面积为33862km2,占全区总面积的20.36%,且主要以沙质荒漠化为主;通过野外验证及高分辨率解译数据采点验证,此评价方法总体精度达89%以上。[结论]使用文中评价方法进行荒漠化监测,不仅能够对大尺度的荒漠化地区进行监测,而且具有较好的评价效果。     

基于AMSR-E数据的微波植被指数与MODIS植被指数关系研究

利用青南牧区2007－2010年的AMSR E亮温数据计算了相应的微波植被指数（Microwave Vegetation Index,MVI）,对MVI的月季动态变化特征进行了分析,同时结合相同时间序列的MODIS NDVI和EVI数据,对比分析了MVI和MODIS植被指数之间的相关关系,筛选出NDVI反演模型,并对模型的精度进行了评价。结果表明,MVI值随着植被的生长而降低;MVI与NDVI、EVI均有显著的线性负相关。其中,升轨低频MVI与NDVI的相关性最好,相关系数为0.58（P＜0.001）;MVI与MODIS植被指数之间的最优模型为NDVI=-0.85×MVI+0.84;利用最优模型将反演的NDVI与MODIS NDVI进行比较,两者差异较小,说明这一模型能较好地反映2种植被指数的关系。     

基于全子集-分位数回归的土壤含盐量反演研究

为提高植被覆盖条件下卫星遥感对土壤含盐量的估测精度,以河套灌区解放闸灌域为研究区,以高分一号卫星影像为数据源,同步采集不同深度土壤含盐量,通过全子集筛选法(Best subset selection)分析不同波段和光谱指数对于不同深度土壤含盐量的敏感性,并采用人工神经网络(Artificial neural network,ANN)、支持向量机(Support vector machine,SVM)和分位数回归(Quantile regression,QR) 3种方法,构建全子集筛选前后0～20 cm、20～40 cm、0～40 cm、40～60 cm、0～60 cm等不同深度下的土壤含盐量反演模型。结果表明,B4、BI、SI1、SI3是0～20 cm、0～40 cm处土壤含盐量的敏感变量组合,B4、BI、NDVI为20～40 cm、40～60 cm、0～60 cm处土壤含盐量的敏感变量组合;在各深度下,分位数回归模型的精度最高,模型的决定系数R2c1、R2v1均在0. 4以上,均方根误差RMSEc1、RMSEv1均小于0. 4%,SVM次之,ANN最差;在20～40 cm深度下QR反演模型效果优于其他深度,为本文土壤含盐量估算的最优模型,其建模和验证的决定系数R2c1、R2v1分别为0. 611和0. 671,建模和验证均方根误差RMSEc1、RMSEv1分别为0. 177%和0. 160%。本研究可为卫星遥感大范围监测植被覆盖条件下土壤盐渍化程度提供参考。