藏北高原土壤湿度MODIS遥感监测研究

利用Terra与Aqua两颗卫星的MODIS地表温度和植被指数数据,分别构建LST-NDVI与LST-EVI共四种不同组合的Ts-VI特征空间,并依据该特征空间提取温度植被干旱指数(TVDI)作为反映土壤干湿状况的指标,探讨一种合适的遥感监测藏北高原土壤湿度的方案,并基于同步的实地土壤表层含水量采样数据进行验证评价。研究表明,四种数据组合方案提取的TVDI分布图均能较好反映藏北土壤湿度,且Terra MODIS LST-EVI构建的特征空间提取TVDI指标效果最佳。在此基础上获得的藏北高原土壤湿度分级图表明,从东南到西北土壤湿度逐渐降低,并呈现明显的空间分异规律。     

NOAA／AVHRR与EOS／MODIS的积雪监测模式对比

积雪是地表覆盖的重要部分,目前用于积雪监测的卫星主要是EOS/MODIS,NOAA/AVHRR,FY等.本文分别介绍了EOS/MODIS及NOAA/AVHRR的积雪监测模式.在MODIS的积雪算法中主要运用归一化差分积雪指数(NDSI)和反射率,其中用NDSI来区分雪与云,而NOAA/AVHRR利用可见光波段和近红外波段的信息作为积雪监测的基础,以此来区分高云、中云、低云和积雪.然后从两种卫星在时空分辨率等方面做对比,得出二者分别在积雪监测方面的优点和不足之处.     

基于温度植被干旱指数的江苏淮北地区农业旱情监测

为实现江苏省淮北地区农业旱情监测,利用Savitzky—Golay(S-G)滤波方法,对2011—2012年江苏省淮北地区1-5月MODIS的归一化植被指数(normalized difference vegetation index,NDVI)和地表温度(land Surface temperature,LST)8 d产品进行重构,去除原8 d数据的噪声,填补受云影响而缺失的数据。基于重建后的NDVI和LST数据,计算温度植被干旱指数(temperature vegetation dryness index,TVDI);分析TVDI和土壤湿度之间的关系,构建土壤湿度反演模型。最后,利用另外1组数据验证所建土壤湿度模型的精度。研究结果表明:1)S-G滤波方法能够提高MODIS LST和NDVI数据质量,并能对缺失数据进行填补;2)TVDI方法能够实现试验区土壤湿度反演,所建模型在试验区具有一定的普适性,反演精度较高(R2=0.575,RMSE=2.59%);3)TVDI方法在江苏省淮北地区干旱监测中得到了较好的应用,能够成功地监测出江苏淮北地区2011年和2012年春旱。该研究可为农业旱情的快速监测提供借鉴。     

裸露地表土壤水分的L波段被动微波最佳角度反演算法

该文阐述了中纬度地区春季裸露耕地土壤水分监测的重要性,对比分析了目前几种主要的土壤水分反演方法。为提高裸露耕地土壤水分的监测精度,在分析AIEM土壤发射率模拟数据库的基础上,提出了一种基于L波段单角度双极化被动微波遥感数据的土壤湿度和土壤粗糙度的反演算法,并对新反演算法的创新性和可行性进行了基于仿真数据的论证。该反演算法以地表温度作为辅助数据,利用L波段47°双极化的微波亮温数据进行土壤湿度和粗糙度的反演。仿真数据的验证结果表明,在充分考虑土壤温度、土壤质地等辅助数据测量误差的条件下,算法对土壤湿度和土壤     

MODIS干旱指数结合RBFNN反演冬小麦返青期土壤湿度

土壤湿度是农业干旱信息最重要的表征因子,它的反演对区域乃至全球农业干旱监测及预报都具有重要意义。该文基于MODIS遥感干旱监测指数构建了冬小麦返青期土壤湿度的评价指标体系,在此基础上,结合径向基函数神经网络(RBFNN)协同反演农地土壤湿度。首先,针对单一利用遥感干旱指数反演土壤湿度具有一定的局限性问题,选取监测土壤含水量、作物需水形态变化、冠层含水量、冠层温度等参量的遥感干旱监测指数作为综合评价指标;并利用实测土壤湿度作为验证标准,从原始遥感干旱监测指数中选取出适宜的指标集;然后,以选取的评价指标集为输入层,以实测土壤湿度作为输出层的输出,构建RBFNN的农地土壤湿度反演模型。研究结果表明:应用在河南省冬小麦返青期时,基于MODIS遥感干旱监测指数与RBFNN协同反演的土壤湿度模型具有较好的反演效果;模型的评价指标集与10 cm深度的土壤湿度相关性更好,而且能综合多通道遥感信息来反映土壤湿度的变化;模型的平均预测精度达到93.27%,与BP-NN和线性回归反演模型相比,反演精度分别提高了2.92和9.97百分点;模型回归分析相对1:1斜线的偏差最小;相关系数为0.846 49,回归决定系数为0.862 6。研究结果可为区域土壤湿度的遥感反演提供新的案例参考。     

利用Terra/MODIS数据提取冬小麦面积及精度分析

利用遥感技术提取作物播种面积是农情监测研究中一种实用而可行的方法。以河北省藁城市为研究区域,研究利用多时相Terra/MODIS数据提取2004年冬小麦播种面积的技术方法。在分析MODIS波谱特性与冬小麦生物学特征,并考虑了有关植被指数图像对面积提取精度的影响基础上,选择将MODIS数据的Red、Blue、NIR和ESWIR波段作为基础工作波段。利用4种方法提取了2004年藁城市各乡镇的冬小麦播种面积,并利用2004年各乡镇统计数据及土地利用数据进行了精度评价。结果表明：4种方法提取的冬小麦播种面积总体上都与参考值比较吻合,总体误差和平均误差均小于5%。可见,利用Terra/MODIS数据提取冬小麦播种面积是完全可行的。研究还发现,最佳的MODIS数据是冬小麦抽穗期的Red、Blue、NIR、ESWIR波段图像和冬小麦播种期与抽穗期EVI差值图像的组合。     

AMSR2缺失数据重建及其土壤湿度反演精度评价

新型传感器土壤湿度产品在水分循环、农业管理等领域应用之前,需要评价其在不同区域的反演精度与数据质量。该文针对目前全球空间分辨率最高的AMSR2(advanced microwave scanning radiometer 2)3级微波土壤湿度产品,实现了缺失数据重建及其反演精度评价目的。论文研究引入离散余弦函数表达的惩罚最小二乘回归(discrete cosine transformation-partial least square,DCT-PLS)方法,重建因卫星轨道等原因造成的缺失与异常值,以构建时空分布连续的土壤湿度数据;进而以山西省为例,采用1 km分辨率的MODIS光学波段数据对AMSR2微波产品进行降尺度处理,通过实测土壤湿度、温度植被干旱指数(temperature vegetation dryness index,TVDI)验证评价这2种不同尺度的微波土壤湿度数据质量。结果表明:DCT-PLS方法能够充分利用三维时空信息对缺失数据进行重建,重建后土壤湿度具有较高质量;10、1 km 2种尺度的土壤湿度与实测土壤湿度在空间分布上较为吻合,2个示例日期中降尺度土壤湿度与TVDI之间的相关性提高了0.352、0.4264,能够更为准确地反映土壤湿度空间分布细节;通过实测数据、TVDI指数的校验,降尺度前后的AMSR2土壤湿度数据表现出了较高的质量与可靠性。     

干旱遥感监测模型在中国冬小麦区的应用

温度植被干旱指数（TVDI）和植被供水指数（VSWI）由于其物理意义明确,且数据易于获取,因此成为近些年在遥感旱情监测中应用较多的两个模型。为更好地完成遥感监测任务,提高精度,以全国冬小麦主产区为研究区域,利用EOS/MODIS数据,构建两个干旱指数模型,对2009年冬小麦作物主要生长时期进行干旱监测应用,并将其与不同深度土壤湿度进行相关分析、线性拟合比较及应用验证,认为两指数与10 cm深度土壤湿度相关性较好,TVDI大部表现为极显著相关,VSWI的相关性表现差于TVDI。基于土壤湿度的遥感旱情监测,TVDI比VSWI更能体现区域旱情变化趋势,其优势更明显。     

基于NDVI优化选择的土壤水分数据同化

时间序列上遥感观测数据的准确性会对同化结果有较大的影响.该文以宁夏回族自治区固原市为例,通过北方生产力生态模犁模拟2008年5-7月逐日的土壤湿度,按照不同日期的归一化植被指数(normalized difference vegetation index,NDVI)阈值,分别利用MODIS资料计算出基于红光和近红外波段的垂直含水量指数、改进的垂直干旱指数和基于近红外波段和短波红外波段的短波红外垂直水分胁迫指数,和宁夏中南部的气象站实测土壤水分建立关系,并用不同遥感指数反演的土壤水分作为观测值进行同化.结果表明,在作物的不同生长时期,垂直含水量指数、改进的垂直干旱指数和短波红外垂直水分胁迫指数的反演效果不同,基于NDVI优化遥感反演结果,选择准确性更高的反演结果作为同化观测值,能提高同化土壤水分的精度.该研究表明在不同时间段内使用更为准确的遥感监测结果作为观测值进行同化可以提高同化的精度.     

基于光谱特征分析的主要秋季作物类型提取研究

为快速、准确地在遥感图像上提取各种农作物类型信息,满足国家农情遥感监测系统的要求,以2002年北京地区主要秋季作物提取为例,利用Terra/MODIS数据,采用波谱分析的方法,建立一种基于遥感影像全覆盖的秋季作物类型自动提取方法,实现主要秋季作物遥感自动识别。首先根据研究区秋季作物的波谱特性和生物学特性,选取了红波段、蓝波段、近红外波段和中短波红外波段作为秋季作物类型提取的工作波段;同时,还利用由这4个波段构建的陆表水分指数和增强型指标指数作为遥感特征参量。其次根据研究区农作物物候历特征,提取了2002年4月到9月共7个时相的MODIS数据。最后,采用分层决策树方法提取研究区主要秋季作物类型,并进行面积统计。为了验证其精度,与国家农业部农业统计数据进行比较,结果其精度达到86%以上。这表明,仅利用MODIS自身光谱信息,即可较为准确地提取秋季作物类型信息,精度基本能满足了大尺度农情遥感监测的要求,可以为农业决策部门提供信息服务。