利用地表温度与LAI的新型土壤湿度监测方法

地表温度（T_s）是土壤湿度和植被生长状态等因素的综合反映,利用植被指数和T_s能够监测土壤湿度的时空分布特征。利用农田气候模型CUPID的T_s模拟结果,发展了利用温度与叶面积指数（LAI）的新型土壤水分反演方法（advanced temperature vegetation dryness index, ATVDI）。前人研究表明归一化植被指数（NDVI）容易达到饱和状态,因此利用LAI代替NDVI开展土壤水分反演。利用CUPID模型模拟结果构建LAI-T_s散点图,分析T_s随LAI与土壤湿度的变化特征,利用对数关系式改进了温度植被干旱指数（TVDI）中相同土壤湿度时T_s与植被指数之间的线性关系,建立了ATVDI方法。在实际应用中,首先利用LAI与T_s的散点图确定对数曲线的上边界与下边界,然后采用查找表的方法将每个像元对应的T_s变换为研究区最小叶面积指数对应的T_s。以陕西省关中作为研究区,利用MODIS的LAI和T_s产品（MOD11A2和MOD15A2）以及野外观测土壤湿度数据对ATVDI模型进行验证,结果表明该方法具有较高的监测精度,R2达到0.62。此外,ATVDI的计算结果具有一定的物理意义,使得不同时期的监测结果具有一致性,因而可更好地满足不同空间尺度土壤湿度的动态监测。     

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.     

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。     

基于实测光谱的植被指数对水稻叶面积指数的响应特征分析

叶面积指数(LAI)是目前最常用的农业生态监测指标,可以为农作物的病虫害监测、作物长势监测、碳循环、生物量估算及作物估产提供依据。植被指数(VI)是卫星LAI产品生产的重要数据源,但不同VIs对植被LAI的响应特征具有一定的差异性。以江西省水稻为例,基于实测光谱提取了水稻实测VIs,结合实测LAI,讨论了归一化植被指数(NDVI)、增强型植被指数(EVI)、土壤调节植被指数(SAVI)和修正的土壤调节植被指数(MSAVI)四种常见VIs对LAI的响应特征,并与MODIS LAI备用算法的计算结果进行了对比分析,研究了不同VIs用于LAI产品反演的可行性及存在的问题。通过对不同实测VIs-LAI模型精度的评估,分析其应用于LAI反演的适应性,结果显示EVI,SAVI和MSAVI比NDVI有更好的适应性,其中EVI效果最优。此外,通过对比MODIS LAI备用算法查找表,发现针对MODIS LAI备用算法中草地与谷物作物这一地表覆盖大类,在LAI>4时,NDVI出现饱和;而实测水稻作物的NDVI在LAI>2时开始出现饱和;且当NDVI相同时,查找表LAI远大于实测LAI,MODIS备用算法中使用的地表覆盖产品分类过粗可能是造成这一结果的主要原因。因此MODIS LAI备用算法在该区域水稻LAI监测中可能产生较大误差,有必要改用其他VIs优化该备用算法。通过对比分析四种VIs模型对LAI的预测误差,发现EVI,SAVI和MSAVI精度明显优于NDVI,基于EVI的模型平均预测误差仅为MODIS LAI备用算法的1/6,基于实测NDVI反演算法的1/2,因此设计基于EVI的LAI算法对LAI的反演精度有一定的提升空间。     

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。     

改进的热红外图像降尺度模型及应用

采用4种不同的地表特征因子及其组合,使用三层分解模型对研究区地表温度进行降尺度实验。实验结果表明:1)使用多地表特征因子组合的三层分解模型获得的降尺度精度高于使用单因子获得的降尺度精度,均方根误差由0.813 K提高到0.763 K,降尺度结果的误差主要集中在建筑区域;2)采用热场强度指数和热场变异指数作为评价指标,研究城市热岛效应,两种评价指标均表明多因子模型的精度优于单因子模型的精度。     

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。     

黄土高原半干旱地区MODIS反演气溶胶算法的地表反射率关系研究

参照MODIS遥感陆地上空气溶胶第二代算法(C005-L),利用黄土高原半干旱地区(AERONET)(兰州大学半干旱气候与环境观测站,SACOL)的实测资料,基于6S大气辐射传输模式,分别用构建的SACOL气溶胶模型和6S的大陆型气溶胶模型对MODIS/Terra资料进行大气订正,得到了SACOL区域春季可见光通道和近红外通道的地表反射率以及0.66vs2.12和0.47vs0.66地表反射率简单关系式,并验证了三个通道的地表反射率关系及其随散射角和植被指数的变化。结果表明,0.47vs0.66通道地表反射率关系比0.47vs2.12通道地表反射率关系的相关性和稳定性更大,0.47vs2.12地表反射率关系与散射角的相关性不大。     

基于MODIS数据的卫星辐射特性研究

本文提出了一种结合MODIS数据产品和MODTRAN模型的典型地形条件空间目标红外辐射特性计算方法。考虑了地形条件和大气环境对空间目标的红外辐射特性影响,应用MODIS 3级陆地,海洋,冰雪圈数据产品得到全球温度分布,地形特征分布,将温度及地形条件代入MODTRAN计算得到地表-目标的辐亮度,进而计算目标的外热流以及表达目标的红外辐射特性。之后以全年第189天为例,计算卫星在某一时刻下的各表面的自身辐射、反射辐射、有效辐射。最后计算目标在不同天顶角下辐射强度随方向角的变化趋势。结果表明,空间目标的红外辐射特性与其运行姿态、所在位置的地形条件、表面材料、观测角度均有关系。     

基于高光谱的环首都地区数字高程模型与可吸入颗粒物的空间相关性研究

空气中可吸入颗粒物浓度的增加与众多综合因素相关,其空间分散程度与高程DEM间也有一定的相关性。为了研究雾霾的污染与高度的空间相关关系,以环首都地区100 km范围内为研究对象,利用矩形格网尺度法对所研究区域进行不同边长及不同尺度的格网划分,通过无人机获取可见光影像数据和高光谱POS信息数据,对所研究区内的空气污染因子和高程因子进行提取和整合。同时利用地统计学GS+软件的克里格插值法对所提取的变量数据进行空间相关性研究,并利用MODIS遥感影像数据和无人机获取的POS数据与实地调查相结合的方法对地形和环境数据进行非线性回归拟合分析。计算在不同格网尺度下环首都地区空气中的可吸入颗粒物及高程因子的空间相关效应的影响变程,建立二者间的空间相关性优化模型,从而确定可吸入颗粒物浓度随着高程变化的整体趋势。结果表明：高程DEM与空气污染指数API的最大相关影响距离为14.74 km,且随着样本点间的距离增大,DEM的空间自相关性呈现逐渐减弱的规律,即可吸入颗粒物浓度随着高程的增加而减小的整体趋势。同时,建立了高程DEM与环境间的空间相关性模型,该模型符合地统计学的高斯球状模型,相关系数r均高于90%,模型拟合度较高。试验为日后相关部门控制空气污染指数随着高度的变化选择不同树种进行绿化提供了一定的理论和实践指导依据。     

不同地物类型微波发射率特征分析

地表微波发射率是表征地表特征的重要参数,同时也是反演地表、大气参数的重要条件。不同地物类型由于其结构,含水量,粗糙度等的差异而具有各自的辐射特征。利用2003年6～8月,2003年12月～2004年2月两个时段针对AMSR-E(advanced microwave scanning radiometer-EOS)传感器的晴空条件下全球地表微波发射率数据,结合IGBP分类标准及覆盖度数据,选择相对较纯像元,分析了不同地表类型的发射率特征以及不同地物类型的发射率在不同波段随季节的变化规律。结果表明,地表发射率跟频率与极化相关,几乎所有植被和裸土类型双极化下的发射率变化趋势是随频率的增加而增大,而冰雪覆盖类型V极化发射率随频率增加而减小。此外,发射率跟地表类型密切相关。植被类型的发射率要高于裸土的发射率。因此,随着植被密度的降低,裸土的贡献增大,导致总体发射率的降低。对于植被类型,一般在夏季处于生长旺盛期,发射率比较稳定,可作为特征发射率。积雪覆盖是一个重要因素,尤其在冬季影响着地表的发射率变化。     

New index for soil moisture monitoring based on deltaT(s)-albedo spectral information

Monitoring soil moisture by remote sensing has been an important problem for both agricultural drought monitoring and water resources management. In the present paper, we acquire the land surface temperature difference (deltaT(s)) and broadband albedo using MODIS Terra reflectance and land surface temperature products to construct the deltaT(s)-albedo spectral feature space. According to the soil moisture variation in spectral feature space, we put forward a simple and practical temperature difference albedo drought index (TDADI) and validate it using ground-measured 0-10 cm averaged soil moisture of Ningxia plain The results show that the coefficient of determination (R2) of both them varies from 0.36 to 0.52, and TDADI has higher accuracy than temperature albedo drought index (TADI) for soil moisture retrieval. The good agreement of TDADI, Albedo/LST, LST/ NDVI and TVDI for analyzing the trends of soil moisture change supports the reliability of TDADI. However, TDADI has been designed only at Ningxia plain and still needs further validation in other regions.     

青藏高原地区土壤湿度的模拟及订正

本文利用RegCM3中的BATS陆面模型对青藏高原地区的土壤湿度进行了模拟.结果表明: 模式对土壤湿度年循环的模拟与观测较一致,但不同下垫面的土壤湿度模拟结果不同;对植被稀疏地区的土壤湿度模拟夏季偏大冬季较一致,对植被较好地区的土壤湿度模拟冬季偏大夏季较一致;土壤湿度模拟偏差较大的时期对应着降水和温度模拟偏差大的时期.利用后验订正对土壤湿度的订正表明,订正后土壤湿度与观测值的变化比较一致,尤其是对模拟偏差较大时段的订正效果比较明显;订正后的温度和降水基本消除了系统性的偏差.本文认为,订正后的土壤湿度和温度可以为青藏高原地区提供较准确的资料,并在青藏高原多年冻土分布的计算中得到了应用.     

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。     

基于多种植被指数的土壤含水量估算方法

快速且准确估算土壤含水量已成为农林业水资源监测的热点问题,应用植被指数估算土壤含水量的方法已得到广泛认可和应用。以便携式光谱仪测定的高光谱数据为基础计算得到8种植被指数,通过灰色关联分析法(GRA)对八种植被指数和基于红外热像仪测定的冠层温度进行分析与筛选,选取与土壤含水量具有较高相关性的指标进行多元线性回归分析,构建基于多种植被指数的土壤含水量估算模型(SMBMVI),并做模型精度分析。精度评价结果表明：模型拟合度较高,达到极显著水平(p＜0.000),土壤含水量估算值与实测值具有较高相关性,ｒ为0.636 1,RMSE为2.149 9。该方法引入多种植被指数,采用非接触式的测量方法估算小尺度研究对象的土壤含水量,能够作为遥感反演和直接测定土壤含水量的一种有效替代方法。模型的建立可以快速、准确的估算土壤含水量,为农林业水资源监测管理提供理论与技术参考。     

基于CASI高光谱数据的作物叶面积指数估算

叶面积指数(LAI)的快速估算对于及时了解作物长势、病虫害监测以及产量评估具有重要意义。利用2012年7月7日在黑河流域张掖市获取的CASI高光谱数据,精确提取出了不同作物的光谱反射率,同时结合地面实测数据,对比分析了宽波段和“红边”植被指数在估算作物LAI方面的潜力,在此基础上,基于波段组合算法,筛选出作物LAI估算的敏感波段,并构建了两个新型光谱指数NDSI和RSI,最后对研究区域作物LAI的空间分布进行了分析。结果表明,在植被覆盖度较低的情况下,宽波段植被指数NDVI对LAI具有较好的估算效果,模型的精度R2与RMSE分别为0.52,0.45(p<0.01);对于“红边”植被指数,由于CI_{red edge}充分考虑了不同的作物类型,其对LAI的估算精度与NDVI一致;利用波段组合算法构建的光谱指数NDSI_{(569.00, 654.80)}和RSI_{(597.6, 654.80)}对LAI估算的效果要优于NDVI与CI_{red edge},其中,NDSI_{(569.00, 654.80)}主要利用了植被光谱“绿峰”和“红谷”附近的波段,模型估算的精度R2可达0.77(p<0.000 1);根据LAI与NDSI_{(569.00, 654.80)}之间的函数关系,绘制作物LAI的空间分布图,经分析,研究区域的西北部LAI值偏低,需增施肥料。研究结果,可为农业管理部门及时掌握作物长势信息、制定施肥策略提供技术支持。     

不同湿度的低植被覆盖土壤表面偏振特性研究

相对于传统的光谱探测,偏振探测能够提供更多的目标信息,比如,利用偏振探测手段解译材料表面的折射率、粗糙度等特性;也可用来反演土壤的湿度等。应用土壤表面反射光的偏振特性来反演土壤湿度,为定量反演土壤湿度提供一种新的方法,在农业、水文、气象和生态等领域中都有十分重要的意义。针对遥感中的一类混合像元难题,即低植被覆盖情况的土壤样品,通过实验测量,研究了样品表面偏振特性,进一步研究了样品表面偏振特性与土壤湿度的关系。结果表明,低植被覆盖土壤表面的偏振特性主要受裸土区域的影响,并与土壤湿度之间存在一种相关关系,例如,在本次实验中,当偏振度较小的光源以40°入射,且观测角处于20°～60°时,三种湿度土壤样品表面的偏振度与土壤湿度呈正比关系。进一步定量化这种相关关系将为反演低植被覆盖土壤湿度提供了一种新的途径。     

遥感光谱信息提取不同覆盖下植被水分信号的研究进展

综述了基于遥感光谱信息的植被水分信号提取的研究进展,包括直接利用光谱反射率反演植被水分信息到建立植被水分指数(WI),再发展至利用辐射传输模型来获取植被冠层水分信息。着重评述了针对低植被覆盖条件下的提取其冠层水分信息的方法,包括利用冠层生理参数估算植被水分信号;基于去除土壤背景影响的光谱植被水分指数或辐射传输模型估算植被水分信息,以及基于多角度的星-地观测提取稀疏条件下的植被水分信息。最后讨论了针对提取低覆盖植被冠层水分信息方法的可能发展趋势。