MODIS植被指数监测农业干旱的适宜性评价

MODIS传感器提供的短波红外光谱波段为农业干旱遥感监测带来了新的机遇,因为它对植被水分十分敏感。本文选择中国东北松嫩平原为研究区,旱田为农业干旱的监测目标。基于2001—2010年的8天合成MODIS产品（MOD09A1）,分别计算了四种基于可见光和近红外光谱的植被绿度指数和四种基于近红外和短波红外光谱的植被水分指数,并以多尺度标准化降水指标(SPI)为判别植被指数农业干旱敏感性的标准,利用一种气象站点与象元配对关联的方法计算了不同植被指数与多尺度SPI的皮尔逊相关系数。研究表明,在农业干旱监测敏感性方面,MODIS植被水分指数（NDII6和NDII7）明显好于植被绿度指数。其中NDII7的表现最为出色,研究证实了MODIS短波红外光谱在监测农业干旱方面的潜力,为今后相关研究提供了新的见解。     

基于LST_LAI特征空间的农田干旱监测研究

农田干旱具有范围广且对农业生产影响巨大的特点,对农田干旱的遥感实时动态监测是目前公认的难题。利用MODIS的地表温度(LST)产品和叶面积指数(LAI)产品,构建LST-LAI光谱特征空间,提出温度—叶面积干旱指数(temperature LAI drought index,TLDI)监测农田水分含量,并利用宁夏实测的0～10 cm平均土壤含水量验证该指数的精度,结果表明：它们之间具有良好的相关性,R2的变化范围为0.43～0.86。与TVDI相比,TLDI弥补了作物封垄后TVDI因归一化植被指数(NDVI)饱和对农田水分监测精度降低的缺陷。此外,利用MODIS数据产品LST和LAI进行农田干旱监测,避免了使用MODIS原始数据的繁杂处理过程,初步为MODIS数据产品在农田干旱监测业务化运行探索出一条技术流程。     

植被结构特征对MODIS光谱干旱指数的影响

基于MODIS光谱反射信息的干旱指数在农业生产实践中有广泛的应用。利用PROSAIL模型和山东2010年的观测数据,研究了植被叶面积指数和生理生长周期等结构特征对MODIS光谱干旱指数的影响。结果表明,MODIS近红外与短波红外三个波段的反射率随植被叶片含水量变化明显,由他们构建的五种MODIS光谱干旱指数能够监测植被叶片水分含量。然而,各干旱指数均受叶面积指数(LAI)的影响,在LAI较低时影响较为严重,随着LAI的增大,这一影响逐渐减弱;植被生理生长周期也会影响干旱指数的大小。因此,在使用MODIS光谱干旱指数进行区域干旱监测时,必须考虑植被结构特征,谨慎分析监测结果。研究结论将为干旱遥感监测提供理论基础。     

光谱异同性和多尺度卫星雪盖差异分析——以MODIS和HJ-1B为例

为了探索不同类型遥感传感器对地物反射光谱响应的异同和卫星遥感监测雪盖空间尺度的差异,收集了2007年—2013年冬春季川西北米亚罗地区、青海省祁连山区和新疆北疆地区各种积雪、植被和裸土反射光谱数据,经中分辨率成像光谱仪MODIS和环境与灾害监测预报小卫星HJ-1B传感器响应函数完成地基光谱到传感器可见光、近红外及短波红外通道反射率的转换。分析了新旧融雪、不同雪深及不同积雪覆盖下的反射光谱特征及不同传感器对地物反射光谱响应的异同性,并结合同期同区域影像分析了MODIS和HJ-1B积雪监测空间尺度的效果差异。结果表明,可见光波段范围内,各传感器对新雪和污雪反射光谱响应一致性很高;对裸土和矮株植被反射光谱响应程度较为一致;对其他类型积雪反射光谱响应程度有所不同,尤其是消融积雪和冻结积雪,反射光谱响应性差异很大;全雪覆盖下,深度不同的积雪NDSI值域相对稳定,不同传感器NDSI具有很好的趋势一致性;MODIS和HJ1B NDSI法监测积雪空间尺度差异明显,很好的解释了混合像元存在的成因。     

中国近1000年旱涝的持续性特征研究

应用中国近531年旱涝指数和近1041年干湿指数,定义干旱(湿润)等级,滑动计算原指数序列各干旱(湿润)等级的出现次数,发现各等级出现的次数与其窗口长度之间均遵循指数分布P_i(x)=Ae^-γx.结合指数分布的数理意义,定义指数特征值γ的倒数λ为描述旱(涝)持续性的尺度因子并对华北和江淮流域旱(涝)发生的持续性特征进行研究.结果表明：旱尺度因子的空间分布表现为由北向南呈带状式波动分布,我国北方地区干旱的持续性相对长江流域要长一些,由北向南三个区的旱尺度因子的均值分别为187,162,182.旱涝指数序列中旱或偏旱(涝或偏涝)相对集中的时段对旱(涝)持续性影响较显著,12世纪末期、13世纪早期、17世纪早期和20世纪末期华北和江淮流域发生时间上同步、空间上尺度较大的极端干旱事件的概率较高,这也从侧面验证了旱涝指数序列中群发现象的存在;华北地区1260—1280年(对应的气候背景为中世纪暖期的末期)的旱涝指数对旱尺度因子的影响较1980—2000年(对应的气候背景为20世纪全球增暖)的情况更显著;1260—1280年这一时段旱或偏旱年数较1980—2000年也要多一些.因此,在气候较暖的时期可能易发生强度大、范围广的同步干旱事件,而近30年的中国北方干旱化可能是自然变率起主导作用下人为变率和自然变率共同作用的结果. 关键词： 旱(涝)尺度因子 持续性 群发性 指数分布     

基于△Ts-Albedo光谱信息的土壤水分监测新指数研究

土壤水分的遥感监测在农业干旱和水资源管理方面具有重要的意义.利用MODIS反射率和温度产品来获取地表昼夜温差(△Ts)和宽波段反照率(Albedo),构建△Ts-Albedo光谱特征空间,提出温差-反照率干旱指数(temperature difference albedo drought index,TDADI)用来监测土壤水分,并利用宁夏实测0～10cm平均土壤含水量数据验证该指数的精度,结果表明:它们之间的相关性较好,R2变化范围为0.36～0.52.TDADI与TAD/相比,该指数具有更高的土壤水分监测精度.然而,由于数据获取的局限性,只采用了宁夏平原数据对TDADI进行验证,在其他区域仍需要进一步验证.     

超材料中精确的空间啁啾暗孤子解及其传输特性

采用Hirota方法研究了描述超材料中电磁波传输的非线性薛定谔方程,解析得到了线性增益和非线性吸收平衡下两个精确的空间啁啾暗孤子解:暗孤子I(DSI)和暗孤子II(DSII)。基于Drude模型,研究了DSI和DSII在不同电和/或磁极化非线性超材料中的形成条件、存在区域和传输特性,并进行了数值验证。研究发现:存在于负折射区的DSI,传输过程中速度逐渐增加,而存在于正折射区的DSII,传输过程中速度逐渐减慢;DSI具有正的啁啾,而DSII具有负啁啾;DSII的波束宽度远小于DSI的波束宽度;DSI和DSII的背景幅度和半峰全宽由其系统模型的参数决定,因此与入射波的频率直接相关,在每种非线性情况下DSI和DSII的传输特性都不同。这些研究结果表明,通过选择不同的非线性超材料和入射电磁波频率可以控制啁啾暗孤子的传输特性。     

MODIS温度变化率与AMSR-E土壤水分的关系的提出与降尺度算法推广

土壤水分参数是陆面过程与水循环的重要影响因素。不同的遥感平台可提供不同时间和空间尺度的土壤水分,它们分别具有各自的优势与不足。利用被动微波辐射计AMSR-E土壤水分和MODIS地表温度、植被指数产品,作者探讨了地表温度变化率和土壤水分的关系,并借鉴地表温度T_s和归一化植被指数NDVI的特征空间理论,构造了温度变化率和土壤水分的三角形特征空间。随着地表温度变化率的增加,土壤水分的分布范围缩小,同时土壤水分的数值降低。作者由此提出了变温植被指数（TVVI）,并指出该指数与土壤水分呈稳定的幂指数函数关系,建立了土壤水分与温度变化率的经验定量模型。之后作者通过上述函数关系和高分辨率MODIS数据,实现了AMSR-E土壤水分数据的降尺度处理。与地面实测数据的比较表明,该降尺度方法的准确性较高。     

基于MODIS数据的森林火险时空分异规律研究

森林火灾严重危害生态环境,引起了全球的高度重视。将从MODIS(MODerate-resolution imaging spectroradiometer)中提取的活动火点与历史火烧痕迹进行比较研究,发现MOD14A1(火掩膜数据产品a daily Level 3 1-km fire hot spot product)中提取的8+9波段适合消防监测,与现场勘察数据相比较吻合度高达0.83。使用MOD14A1中8+9波段结合相关数据对这个区域的长达11年(2000—2010年)的森林火灾发生的时间和空间分析,结果表明：火灾发生频率最多的是春季,秋季次之,夏天概率最低,除非干旱。通过对研究区域黑龙江省分析,针叶林和温带针阔混交林过火面积所占比例分别为53.68%,44%,草原区过火面积较小为2.32%。大兴安岭是主要的燃烧区域,面积达到64.74%,小兴安岭约为23.49%,而其他区域面积不超过5%。且火灾发生的较大部分森林有个平缓的斜坡(≤5°),大部分处于中海拔(200 m≤H≤500 m)。因此,通过卫星遥感对森林火区区域的时间序列分析,阐明火灾活动规律和气候、地形、植被类型的相互关系,有助于预测火灾区域危险性等级。     

雪-土混合像元微观/宏观尺度光谱混合机制差异分析

为探索微观和宏观尺度下混合像元光谱混合机制的差异,在人工设置试验环境下,以人工制作雪-土混合像元表征微观尺度混合像元,固定全波段光谱仪探头距离,完成不同面积比的雪-土混合像元和雪、土端元反射光谱的采集,并对采集得到的光谱数据进行全波段反射光谱、350～2 500 nm归一化反射光谱和剔除噪声后350～1 815 nm再归一化反射光谱数据定性定量分析。同时,分析同期MODIS和环境与灾害监测卫星B星(HJ-1B CCD/IRS)影像中可见光、近红外和短波红外通道反射率相关性及MODIS影像中雪-土混合像元光谱与端元光谱的关系。结果表明;(1)微观尺度时,全波范围内混合像元反射光谱与端元光谱存在非线性关系,分波段范围内存在线性关系;(2)宏观尺度时,可见光范围内,CCD 1,2,3通道与MODIS 3,4,1通道相关系数在0.76～0.89间;短波红外范围内,IRS通道2与MODIS通道6相关系数为0.35。(3)MODIS影像中雪-土混合像元光谱与端元光谱关系为混合像元与雪端元光谱间正线性相关,与裸土端元光谱负线性相关。     

基于多光谱数据的植被水分反演及其在旱情评估中的应用分析

植被作为干旱的承载体,其含水量的变化反映了旱情的时空分布以及受旱程度。文章从监测原理、植被水分表征以及遥感数据反演模型等三个方面,开展了基于多光谱遥感数据的植被水分反演方法研究。以2010年春季西南四省为应用案例,进行了植被水分的反演和时空分析,并与气象数据进行了相关性分析。结果表明:在2010年旱情中,降水对植被水分变化具有一定的影响;然而由于植被吸收降水的过程是一个滞后的过程,因而降水的变化对植被水的影响也存在一定滞后效应。在上述分析基础之上,从时间和空间尺度对植被水分在旱情监测和评估中的应用进行了评价。通过时间合成以及与其他数据(如历史数据)的结合,可克服多光谱数据的自身不足,提高多光谱遥感数据在旱情监测和评估的应用性。     

基于遥感数据的辽宁省植被变化分析

利用从美国国家海洋和大气局(NOAA)的甚高分辨率辐射计(AVHRR)获得的20年的归一化植被指数(NDVI)时序数据,分析了辽宁省的空间异质性和时间动态。通过分析研究区域2 292个点在1982～2001年间NDVI月平均值,发现有明显的反常。通过统计分析每月的NDVI值,包括最小值、平均值、最大值、变化系数(CV)、标准化不规则值(Z分),36个月的动态平均值,识别了植被动态的空间和时间变化。发现植被的NDVI在生长期有强烈的季节摆动,观测到的NDVI最大值出现在7～8月,用CV表达的季节变化范围从6%～14%。另外,在1984～1990年间植被绿度呈现一致向上的趋势,而在随后的1991～1998年间表现出很大的相反。植被绿度向上和向下的趋势遵从7到8年的摆动周期。研究还发现干燥季节NDVI的峰值沿纬度的变化是1991～1999年间比1982～1990年间大20%～25%。研究的结论是辽宁省的植被变化模式是由于20世纪最后10年加剧的干旱造成的。     

太湖藻华水体的遥感监测与预警

受水体富营养化的影响,藻华暴发已成为目前我国湖泊和水库面临的主要环境问题之一.针对藻华水体的动态监测,特别是提前预警技术的研究对于内陆水体的污染防控具有重要意义.该文结合高光谱实验数据,综合运用指数法和遥感影像假彩色合成法.建立了基于MODIS数据的太湖藻华水体遥感信息提取模型,并在此基础上,对2007年3～5月间太湖藻华形成过程进行了遥感实时动态监测研究.通过埘春夏季节蓝藻水华的空间分布特征和藻华不同形成阶段的特征分析,提出了太湖藻华水体预警的技术方法,即当MODIS水体绿度指数GI集中分布于0.6～0.8区间时,可认为太湖水域已进入蓝藻水华大规模暴发前的预警阶段.     

基于发卡式开口谐振环的柔性双频带超材料

本文设计了一种基于开口谐振环(split ring resonator, SRR)混合排列单元格的小型化双频带超材料(metamaterial, MM). 该MM的单元结构为发卡式SRR, 所设计的双频带MM可以应用于无线局域网(2.4 GHz) 和全球微波互联接入(3.5GHz)系统. 并且, 采用柔性介质作为基板增加了MM的柔韧度和普适性, 实验和测试结果表明: 双频带MM的中心频率可以通过调节SRR的尺寸进行控制. 此外, 本文也对MM在不同入射角的情况进行了分析, 结果表明MM对入射角度不敏感.最后, 通过MM的表面电流分布情况研究, 进一步解释了其双频带谐振频率的产生原理.     

地块支持下MODIS-NDVI时间序列冬小麦种植面积测量研究

在大尺度冬小麦种植面积测量中,MODIS(moderate resolution imaging spectrometer)数据对绝大部分地区可实现全覆盖数据保障,具有很好的时间序列特征,在探测植物季相节律进行作物估产与动态监测上得到很好的应用,但因受到空间分辨率的限制,其测量结果的可靠性受到较大质疑.地块数据具有明确...     

基于MODIS植被指数时间谱的太湖2001年—2013年蓝藻爆发监测

藻类水华爆发已成为影响内陆水体生态环境的重要因素。遥感能够提供实时的大范围观测,在水华监测中起到越来越重要的作用。遥感植被指数已广泛应用于藻类水华监测中,通过对研究区植被指数图像进行阈值分割,能够反映不同子区域内的藻类爆发程度;然而阈值分割法的结果只能反映某一时间点(图像获取时)的藻类爆发状况,无法表征长时间内藻类的变化。相比于单个时间点的植被指数,植被指数时间谱(时谱)包含藻类的物候信息,能够更加全面准确地反映藻类的长时间变化。目前,植被指数时间谱还尚未应用到水华相关研究中。选取2001年—2013年太湖区域的MODIS NDVI数据,构建年度NDVI时谱数据,利用(support vector machine, SVM)方法对每年的太湖蓝藻水华爆发强度进行分类,将太湖重度、中度和轻度蓝藻水华爆发的区域以及水生植物的区域提取出来,得到其空间分布和面积;并从2007年的时谱数据中抽取了8个时间点的NDVI图像,利用传统阈值分割法提取太湖重度、中度和轻度蓝藻水华爆发的区域,将结果与2007年时谱数据分类的结果进行对比。结果表明：所提出的方法能够更加全面准确地对太湖蓝藻爆发强度进行分类,通过NDVI时谱曲线提供的丰富物候信息可准确区分蓝藻与水生植被区域。本研究有望为准确掌握和预测藻类水华的爆发趋势及强度提供有效手段。     

霾光谱特性分析与卫星遥感识别算法

近年来,我国频繁发生的灰霾污染事件和常态性的高细颗粒物浓度(PM_2.5),已经引起了全世界范围的广泛关注。卫星遥感能够对大气污染进行快速准确地监测。然而在大气遥感领域具有代表性的中分辨率成像光谱仪(NASA/MODIS),其云监测和暗像元反演算法通常把灰霾当做薄云、雾或地表亮目标处理,无法反演霾天的气溶胶光学厚度(aerosol optical depth, AOD)。笔者研究了云、雾、霾、地表覆盖等不同像元在可见光、近红外以及红外通道的光谱特性。基于MODIS数据,参考相关的云监测和气溶胶反演算法,选取多个对灰霾敏感的光谱通道,计算表观反射率和亮度温度。针对不同波段,分别探讨了霾与薄云、低层云、雾、浓密植被和地表亮目标等像元之间的光谱差异,统计灰霾分布的阈值区间,并设计基于MODIS卫星遥感数据的灰霾识别自动处理流程。通过对2008年华北平原春夏两个重霾事件进行测试,该算法的霾分布监测结果与卫星真彩图具有较好的一致性。基于北京和香河AERONET站点观测的高AOD数据,验证了本算法的霾识别率接近80%,在一定程度能够弥补MODIS标准气溶胶算法用于灰霾天的不足。最后,分析了灰霾识别过程中的主要误差来源,并提出了基于霾纹理特征,以及其他辅助数据支撑的改进方法。     

基于定量遥感反演的内陆水体藻类监测

叶绿素作为衡量湖泊富营养化的重要指标,利用遥感技术对其进行实时动态监测具有重要意义。以太湖为例,通过对水体实测光谱和水质采样数据的分析,建立了光谱反射率比值与叶绿素a浓度的回归模型。结果显示,700 nm附近波段与625 nm附近波段所构建的比值模型R2最高,710 nm以后波段与其他可见光波段所构建的比值模型的R2会随可见光波长的增大而逐渐下降。在高光谱遥感估算模型的基础上,应用同步MODIS卫星遥感数据进行了太湖叶绿素a浓度的空间分布反演,并基于MODIS绿度指数建立了太湖藻华水体信息提取模型,从叶绿素a浓度估算和藻华信息提取两个方面实现了太湖藻类空间分布特征的定量反演,为太湖等大型内陆水体藻类的实时定量遥感监测提供了新的研究思路。     

ADI土壤水分反演方法

土壤水分是影响植被、土壤和大气之间能量和水分循环的重要因素,及时准确获取土壤湿度信息有利于提高作物估产精度和改善田间管理措施。本文基于红光与近红外光谱特征空间(NIR-RED)发展了一种新型土壤水分遥感监测模型ADI(angle dryness index),提高了可见光与近红外波段监测土壤水分的精度。经过研究表明,在红光与近红外(NIR-RED)特征空间中,存在一个中间角度变量θ,利用光谱反射率与土壤水分之间的经验关系式模型以及混合像元分解公式证明该变量能够表征土壤湿度情况,而不受植被覆盖度的影响,因此利用该原理构建了ADI方法。最后利用两组遥感数据(分别为TM5与MODIS产品数据)以及对应的地面观测数据进行验证,结果表明计算值与实测值均具有较高的一致性,R2分别达到0.74与0.64。同时,将MPDI的计算结果与实测值进行了比较,两组数据的R2均小于0.60,表明ADI方法的计算精度高于MPDI。在MPDI的计算过程中用到了植被覆盖度,这可能是引起计算结果误差的主要因素。此外,MPDI的计算结果表征土壤湿度的相对值,而ADI则能定量的获取土壤水分含量。MODIS像元除了具有植被与土壤两个端元,还有其他类型端元的概率高于TM数据,因而MODIS数据的计算精度低于TM。因此,ADI是一种简单可行且具有较大应用前景的土壤水分反演方法,适合于推广应用。     

PROSAIL冠层光谱模型遥感反演区域叶面积指数

大面积区域作物叶面积指数遥感反演,对指导作物管理具有非常重要的意义,验证和发展基于物理叶面积指数遥感反演可避免基于经验模型的缺点。以北京地区青云店、魏善庄和高丽营为研究区,采用MODIS和ASTER两类不同空间分辨率遥感数据,探讨PROSAIL物理模型反演冬小麦叶面积指数的可行性,尤其在不同空间分辨率遥感数据上的稳定性,并与经验模型进行了对比分析。 与经验模型相比,物理模型模拟LAI值更具真实性;用线性组分加权的方法,对小尺度物理模型反演LAI进行尺度扩展并与基于大尺度遥感数据的LAI物理反演结果相对比,相差不大,说明LAI物理反演方法在空间尺度上的稳定性。