基于 FY3B／MERSI水稻长势监测及其与 AQUA／MODIS数据对比分析

为利用中分辨率光谱成像仪FY3B/MERSI数据进行水稻种植面积信息提取及长势监测,首先对FY3B/MERSI与AQUA/MODIS单通道反射率进行对比分析;其次,通过目视解译和遥感监督分类方法提取了环鄱阳湖区双季早稻的空间分布;最后,基于面积识别结果,利用NDVI对环鄱阳湖区双季早稻长势进行监测。结果表明：（1） FY3B/MERSI与AQUA/MODIS水稻种植区红光和近红外通道反射率具有极显著相关性,且MERSI红光波段及近红外波段反射率都略小于对应MODIS反射率;（2）水稻的提取精度总体达到了92％,可以满足其生育期长势遥感监测的需求;（3） FY3B/MERSI和AQUA/MODIS计算的水稻区NDVI存在显著正相关,且二者测得的水稻长势均与实际苗情数据基本吻合,因此,由FY3B/MERSI遥感影像直接得到的水稻苗情分类基本可以满足业务化需要。     

基于GIS的BP神经网络洪涝灾害评估模型研究

洪涝灾害损失的大小不仅与洪灾的自然属性有关,还受地形、天气气候、人口、社会经济状况及其分布等因素影响.基于GIS技术及其背景数据,实现GIS空间信息单元格点上淹没水深的模拟和空间社会经济数据的展布,并针对影响洪涝灾害评估的复杂因子对各空间单元格点损失评估的不确定性和复杂性,提出了BP神经网络计算方法,运用matlab神经网络工具箱实现区域洪涝灾害的快速评估,建立了基于GIS的BP神经网络洪涝灾害评估模型.运用此方法,通过少量的样本资料,对鄱阳县洪涝灾害经济损失个例进行评估,评估结果误差为12%.     

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。