利用Landsat热红外数据研究1985年—2015年北京市冬季热场分布

由于北京城市中心区冬季供暖、汽车尾气、工业生产等因素的影响,以及冬季植被覆盖减少导致地表热惯量降低,致使北京市冬季地表热场与其他季节差异明显。冬季城市热场分布直接影响冬季大气颗粒物等污染物的扩散速度,因此,研究热场分布对了解城市热场在大气颗粒物污染中的贡献具有重要的意义。首先利用MODTRAN大气辐射传输模型计算大气透过率、大气上行辐射与大气下行辐射三个关键参数,通过构建查找表解算热红外波段辐射传输方程。使用数据模拟的手段评价了该方法的精度,结果表明,当比辐射率和水汽分别在±0.005和±0.6的误差范围内波动时,温度反演的误差分别小于0.348和2.117 K,表明该方法可达到较高的反演精度。选择长时间序列Landsat TM、ETM+数据,进行地表温度反演,得到1985年—2015年北京市的地表温度。基于反演的地表温度分析了北京市热场的时空分布。结果表明,北京冬季热场分布在空间上可分为四个层次：北京市二环内温度较高、二环到五环内低温环状特征明显、外围郊区温度高以及北京西部的山区温度最低;随着近30年来北京市的快速发展,热场分布在长时间序列中发生了明显的改变：随着北京城市的不断扩张,环状低温区域也不断扩大,从三环扩展到六环;城市二环以内热岛效应随时间推移而增强,且分布范围扩大。     

基于单通道算法的HJ-1B与Landsat 5 TM地表温度反演一致性研究

针对传感器参数与Landsat 5 TM较为相近的环境减灾卫星HJ-1B的热红外数据是否能达到与TM6反演地表温度同样的效果的问题,作者获取了2009年4月15日覆盖北京地区相同范围的HJ-1B影像和Landsat 5 TM影像,采用Ji m啨nez-Mu oz和Sobrino的普适性单通道算法,通过遥感数据获取反演参数,对研究区的地表温度进行反演,并对两类数据反演结果的一致性进行了分析和评价。通过对反演结果的统计分析和分级填图表明,基于普适性单通道算法的HJ-1B与TM的热红外波段反演的地表温度在数值上和空间分布趋势上一致性较高。因此,具有较高时间分辨率和较大幅宽等优势的HJ-1B IRS数据在地表温度反演方面具有更大的潜力和应用范围。     

自校准多通道红外辐射计的设计与性能测试

为满足遥感器热红外波段自动化观测定标的需求，研制了具有自动化观测能力的自校准多通道红外辐射计。该设备需具有以下特色功能:1）采用电机驱动镀金反射镜的设计，实现0°～90°仰角的大气下行辐射和地表辐亮度的测量，为消除大气下行辐射对反演地表温度的影响提供了技术手段；2）采用滤光轮分光的方法实现了6个光谱通道的自动设置，结合多通道温度与发射率分离算法可以实现场地温度与发射率的分离，为卫星遥感器热红外波段绝对辐射定标提供了2个关键因子；3）采用内置2个控温精度分别优于0.04 K和0.05 K、发射率均高于0.994，稳定性均优于0.0014的黑体实现内部探测器的实时辐射定标，有效地消除了内部背景辐射对辐射测量的影响，定标不确定度小于0.167%。等效测温不确定度为0.2 K（@303 K, 11 μm），为遥感器热红外波段场地自动化定标应用的开展奠定了基础。     

基于青海湖辐射校正场的FY3D/MERSI-Ⅱ卫星遥感器热红外波段在轨辐射定标

2018年8月在青海湖辐射校正场开展了针对FY3D/MERSI-Ⅱ卫星遥感器热红外通道的在轨绝对辐射定标试验.采用走航式测量的方式获取了青海湖水表光谱辐亮度数据,结合探空数据,并基于辐射传输模型计算出卫星过境时刻的入瞳辐亮度和亮温,实现了对FY3D/MERSI-Ⅱ卫星遥感器热红外通道24(10.26~11.26μm)和通道25(11.50~12.50μm)的在轨辐射定标.利用国际公认精度的AQUA/MODIS和NPP/VⅡRS卫星遥感器对在轨辐射定标方法进行精度评估,在10.26~11.26μm和11.50~12.50μm波段范围,通道亮温的平均偏差分别小于0.5K和1.0K,表明基于青海湖辐射定标场的在轨辐射定标方法具有较好的定标精度,获得的定标结果合理可靠.将利用青海湖进行的在轨定标结果与星上定标结果进行比较,在10.26~11.26μm和11.50~12.50μm波段范围,通道亮温的平均偏差分别小于0.5K和1.25K,表明FY3D/MERSI-Ⅱ在轨运行稳定.本次试验检验了FY3D/MERSI-Ⅱ星上定标结果,也为FY3D/MERSI-Ⅱ遥感数据的定量化应用提供了保障.     

基于光谱响应差异的HJ-1B热红外通道星上定标系数验证

HJ-1B卫星热红外通道自发射以来共进行了7次星上黑体定标,然而针对星上定标系数的验证工作开展较少。通过半高宽法、矩方法和查找表法计算得到2009年9月14日星上定标系数。以具有较高定标精度的MODIS为参考源,基于MODIS第31,32通道和HJ-1B热红外通道的光谱响应特性,改进对应热红外通道的光谱匹配算法,建立两传感器表观辐亮度的匹配关系,进而通过Planck公式计算出HJ-1B热红外通道的等效水表亮温,通过与HJ-1B热红外通道基于星上定标系数得到的反演水表亮温进行比较,实现对星上定标系数的验证。以光谱响应差异计算的等效亮温值为285.97 K,半高宽法、矩方法和查找表法星上定标系数反演亮温值分别为288.77,274.52和285.97 K。结果显示,半高宽法、矩方法和查找表法星上定标系数反演亮温与光谱响应差异计算的等效亮温偏差分别为2.8,-11.46和0.02 K。结果表明,HJ-1B热红外通道星上定标方法中以查找表法星上定标系数计算结果精度较高。同时证明了基于光谱响应差异的HJ-1B热红外通道星上定标系数验证方法有效可行。     

高光谱与多光谱遥感影像反演地表不透水面的对比——以Hyperion和TM/ETM+为例

不透水面遥感信息的反演是近十年来遥感领域的一个热门课题,但是利用高光谱影像反演不透水面信息的研究较少,高光谱和多光谱影像反演不透水面的对比研究也少有报道。重点研究了高光谱EO-1 Hyperion和多光谱Landsat TM/ETM+数据在反演不透水面信息方面的特点,首先在福州、广州和杭州选取了三个实验区,利用线性光谱混合分析模型反演Hyperion和TM/ETM+影像的不透水面信息。对于多达242个波段的Hyperion影像,进一步利用判别分析从中选取了11个特征波段构成新的Hyperion’影像,以考察是否可用缩减波段的方法来取得较好的反演效果。结果表明,Hyperion高光谱影像反演不透水面的能力优于多光谱影像TM/ETM+,而利用特征波段构成的Hyperion’的反演精度最高,这主要得益于Hyperion具有更高的光谱分辨率和辐射分辨率,使其可以更有效地区别不同地物在光谱特征和辐射特征上的微细变化,从而可以更好地区分不同地物。而由特征波段构成的Hyperion’影像由于大幅减少了高光谱影像波段的冗余度,所以获得了更高的反演精度。     

基于Landsat 8 OLI数据的玉米冠层含水量反演研究

植被含水量是作物长势好坏的指示因子,利用遥感技术及时准确监测植被含水量对农业生产、作物估产和干旱状况评价具有重要意义。基于新一代对地观测计划Landsat 8 OLI传感器(Operational Land Imager,陆地成像仪),评价其植被含水量反演的能力与局限性。首先,利用ProSail冠层模型模拟冠层光谱反射率数据集,分析OLI传感器的植被含水量敏感波段以及土壤背景对各波段反射率的影响,然后利用基于Landsat OLI影像计算的植被水分指数和2013年6月1日—8月14日期间采样的植被含水量数据,比较12种植被水分指数与地面实际采样的植被含水量的相关性,评价估算植被含水量的最佳植被水分指数。结果表明：OLI传感器的红、近红外和两个短波红外对植被含水量敏感,其中近红外波段最为敏感;在低植被覆盖度时,土壤背景反射率的太阳辐射将达到光谱传感器影响植被水分指数与植被含水量之间的关系,利用ProSail模拟干湿土壤背景反射率结果也表明土壤背景对植被冠层反射率的影响很大;引入优化土壤调整植被指数(OSAVI)去除土壤背景对植被水分指数的影响;在12种植被水分指数中,MSI2与植被含水量的拟合关系最好(R2=0.948),植被含水量的平均拟合误差为0.52 kg·m-2;在植被生长晚期即植被含水量大于2 kg·m-2时,各植被水分指数出现饱和情况,植被含水量的估算结果不佳。     

基于多源卫星多光谱遥感数据的过火面积估算研究

露天生物质燃烧是重要的大气污染物排放源,导致空气质量恶化并引起气候变化。卫星遥感数据能够提供大尺度、多时相的监测信息,然而燃烧火点监测和火烧迹地监测两种方式都存在着局限性。以美国东南部地区为研究区域,通过结合卫星遥感获取的高分辨率燃烧面积数据及多时相的燃烧火点数据,建立时空匹配模型估算露天生物质燃烧过火面积。通过分析植被燃烧前后的光谱变化特征,基于高分辨率的Landsat-5 TM4波段(0.84 μm)与7波段(2.22 μm)数据, 利用差分归一化燃烧比(dNBR: the differential normalized burn ratio)提取燃烧面积数据;而燃烧火点数据则通过分析燃烧植被的热红外光谱特征利用MODIS 4与11 μm波段数据提取。结果显示,该地区燃烧面积与燃烧火点数量之间相关系数达0.63,并且二者之间的比例关系随植被类型而发生变化,林地、草地、灌木、耕地和沼泽五种植被类型对应的像元燃烧面积分别为0.69,1.27,0.86,0.72和0.94 km2。通过与美国火灾中心(national interagency fire center, NIFC)地面调查数据比对,模型估算的美国东南部过火面积数据较为精确,而同期的MODIS燃烧面积产品(MCD45)及燃烧源清单产品(global fire emissions database, GFED)遗漏了该区域大量的小面积燃烧事件。因此,本研究建立的过火面积估算模型能够提供更为精确的排放源参数信息,有利于区域空气质量模式准确地模拟露天生物质燃烧排放状况。     

热红外光谱的干旱区土壤含盐量遥感反演

干旱区土壤盐渍化已对生态环境构成严重威胁,通过遥感技术对土壤盐分含量进行定量反演具有重要意义。通过采集艾比湖流域的农田土壤和盐壳结晶,在室内配制成不同含盐量梯度（盐分占盐土比重：0.3%～30%）的土壤样品,利用102F FTIR光谱仪测量土壤样品的热红外光谱,并通过普朗克函数拟合得到土壤发射率数据。土壤发射率光谱曲线特征：不同含盐量土壤的发射率光谱曲线在形态和变化趋势上基本一致,发射率随含盐量增加而增大;盐分因子对Reststrahlen吸收特征有抑制作用,随着含盐量的增加,Reststrahlen吸收特征会减弱。通过发射率与含盐量相关性分析：土壤热红外发射率与盐分含量呈正相关关系,最大相关系数达到0.899,对应的波段为9.21 μm;8.2～10.5 μm是土壤盐分因子的最敏感波段。通过一元线性回归、多元逐步回归和偏最小二乘法建模分析比较,偏最小二乘法效果最佳,模型预测的R2达到0.958,RMSE为1.911%。选择ASTER,Landsat8和HJ-1B卫星传感器的热红外波段,进行发射率光谱模拟,通过相关性分析：ASTER的B10,B11和B12波段属于热红外光谱对盐分因子的敏感波段,与土壤含盐量相关性较高,相关系数分别为0.706,0.786和0.872。采用多元线性回归法建立基于ASTER热红外波段的土壤含盐量预测模型,模型预测的R2为0.833,RMSE为3.895%。结果表明,遥感传感器对土壤含盐量的预测能力,取决于传感器的光谱波段对盐分因子的敏感程度,通过卫星热红外遥感定量反演土壤含盐量是可行的,为干旱区土壤盐渍化遥感监测提供了新的途径和参考。     

水色要素垂直分布对其遥感反演算法精度的影响

基于辐射传输模型模拟得到叶绿素和悬浮颗粒物在不同垂直分布条件下的遥感反射率数据集,利用该数据集对现有叶绿素、悬浮颗粒物浓度和固有光学量模型进行检验,研究了垂直分布对遥感反演算法反演精度的影响。结果表明：在悬浮颗粒物垂直分布、叶绿素及其垂直分布的影响下,悬浮颗粒物波段比值模型高估的悬浮颗粒物浓度要大于单波段模型;叶绿素波段比值模型和三波段模型能够较好地降低由叶绿素垂直分布、悬浮颗粒物及其垂直分布引起的叶绿素浓度高估的程度。悬浮颗粒物和叶绿素及其垂直分布对固有光学量反演具有双重效应,悬浮颗粒物垂直分布将使得吸收系数和后向散射系数被高估,而叶绿素垂直分布将使得吸收系数和后向散射系数被低估。在悬浮颗粒物和叶绿素共同作用下,固有光学反演结果具有较大的不确定性。     

ASTER与Landsat ETM+植被指数的交互比较

在中尺度对地观测系统中,Landsat和ASTER数据无疑是使用得最多的遥感影像数据,但是长期以来二者植被指数之间的定量关系并不清楚.因此,利用三对同日过空的Landsat ETM+和ASTER影像来考察二者植被指数(NDVI、SAVI)之间的定最关系,重点查明二者之间的差异.通过将ETM+与ASTER影像的多光谱波段...     

基于冠层辐射传输模型的地表反射率光谱重建方法

针对基于多光谱数据有限光谱信息重建地表反射率光谱的病态求解难题,提出一种基于冠层辐射传输物理机理并充分考虑像元异质性的地表反射率光谱重建方法,该方法假设混合像元由植被和土壤两种地物类型组成,利用冠层辐射传输模型构造端元光谱查找表,进而通过组分比例因子估算实现基于多光谱图像的高光谱地表反射率模拟。以Landsat ETM+多光谱图像为例的地表反射率超光谱重建验证实验结果表明,模拟的反射率光谱能够较好的反映不同地物特征信息。进一步地,利用模拟的地表反射率拟合Landsat ETM+图像和MODIS图像,各波段模拟图像与实际观测图像之间具有较高的相关系数(Landsat: 0.90~0.99, MODIS: 0.74~0.85),进一步验证了该方法的可行性。     

GF-2 PMS2与ZY-3 MUX多光谱传感器数据的交互对比

近年来随着我国新型国产高分影像的相继问世以及相关应用的逐步展开，不少研究涉及了不同国产高分影像多光谱数据之间的交互对比，但两种国产分辨率最高的GF-2 PMS2与ZY-3 MUX传感器多光谱数据之间的对比仍未见报道。为了使这两种国产主力高分辨率传感器的多光谱数据能够在实际应用中相互补充使用，发挥更大的作用，基于它们的3对同日过空影像，采用两种方法对其进行交互对比。第一种方法是对整个试验区采用逐像元光谱比较法进行对比，第二种是采用样区光谱均值比较法进行对比，即在试验影像上选择一系列的样区，然后以各样区的均值进行对比。通过对两种传感器同步影像对的表观反射率进行回归分析，获得各对应波段的回归散点图，查明它们之间的定量关系，并据此提出相互转换的关系方程。研究结果表明，两种对比方法得出的结果相一致，但使用样区光谱均值比较法进行交互对比的结果的准确性更高。GF-2 PMS2与ZY-3 MUX各对应波段具有很强的相关性，其线性回归方程的决定系数(R2)都大于0.9，但其值在蓝绿波段较高，在红光和近红外波段有所下降，表明两种传感器的表观反射率在蓝绿波段的一致性好于红光和近红外波段。总体上看，GF-2 PMS2的信号强于ZY-3 MUX，二者的信号差异在蓝、绿光波段较大，在红光和近红外波段较小，但却明显受到地物类型的影响。对于以裸土为主的影像，两种传感器之间的差异随着波长的增大而逐渐减小，而对于以植被为主的影像，二者之间的差异却随着波长的增大而逐渐增大。将纯植被与纯裸土的样区单独提取出来做进一步分析，结果表明，两种传感器的信号差异程度在红光波段主要受裸土影响，而在近红外波段则主要是受植被影响，且植被长势越旺盛，两种传感器的表观反射率差异越大。通过研究获得了两种传感器多光谱波段数据之间的相互转换方程，并对其进行验证，结果表明：经过转换后的GF-2 PMS2数据与ZY-3 MUX数据之间的差异大大减小，各波段均方根误差的均值降幅可达64.79%，平均相对偏差率也有明显的降低。这表明，所查明的两种传感器的定量关系是有效的，其对应波段的转换方程可以用于两种传感器数据的相互转换，经转换后的数据更有利于这两种传感器数据的协同使用。分析两种传感器数据的差异原因表明：二者数据的差异主要是由于它们的光谱响应函数的差异和空间分辨率的差异引起的。ZY-3 MUX的光谱响应函数曲线相对平缓，没有明显的起伏波动，而GF-2 PMS2则较不稳定，在四个波段呈现出程度不同的起伏变化，从而影响了二者表观反射率信号的一致性；而GF-2 PMS2具有的4 m空间分辨率明显高于ZY-3 MUX的6m空间分辨率，因此更容易捕捉到细小地物的光谱信息，这也使得二者信号出现不一致。     

基于无人机红外光谱技术的影像数据匹配方法研究

无人机加载红外光谱载荷对区域内影像进行获取现已成为遥感领域一种重要的技术手段,可通过对携带位置信息的影像进行分类提取,得到植被盖度、温度指数等一系列因子指标。利用FREE BIRD(自由鸟)小型低空无人机系统挂载Tetracam红外相机(310万像素)对新疆玛纳斯县一河道进行影像获取。无人机飞行面积约为20.5 km2,为了得到更加精确的植被、温度等因子,需要对无人机红外影像进行配准,通过优化SIFT匹配参数和RANSAC粗差剔除后,获取了可靠的匹配结果,即经过算法匹配后的影像与原影像进行了误差比对,能够满足后期的应用需要, 这也是本文的创新点之一。将影像进行配准后进行二维影像拼接,将多张红外影像按照航向重叠度不低于60%,旁向重叠度不低于50%的概率进行拼接,得到拼接后的红外影像图。另外比较了SIFT和SUFT两种算法,利用优化的SIFT算法及改进的FLIR传感器获取1 600张热红外影像,利用地面同步测量数据对拼接后的红外影像进行算法匹配,并利用ENVI(完整的遥感图像处理平台)软件进行温度及植被盖度的影像反演,得到了研究区域的单一影像及红外影像的温度反演图及植被反演图。通过对两种算法的对比得到更加优化的算法模型,并对该模型进行回归分析和精度检验,得到该模型的相关系数R2为0.767,匹配精度为81.51%,模型精度较高。本模型的建立对日后无人机红外影像的配准及提取反演奠定了理论和实践基础。