基于半分析模型的新庙泡叶绿素a浓度反演研究

叶绿素a(Chl-a)含量是反映水体水质的重要参数之一,利用遥感技术监测其浓度具有众多优势.本研究利用2004年5-9月的吉林省新庙泡实测高光谱数据和实验室分析数据,建立了基于三波段的Chl-a浓度反演模型.该模型基于水体叶绿素a、悬浮物、溶解有机物、纯水的生物光学特性分析,优化组合了3个特征波长.结果表明用该方法建立的模型具有一定的物理基础,反演精度较高,其决定系数和均方根误差分别为0.8758、4.98μg·L-1,适合于内陆水体Chi-a含量的定量提取.     

新庙泡叶绿素a浓度高光谱定量模型研究

利用吉林省新庙泡的高光谱实测数据和水质采样分析数据,尝试通过单波段、波段比值、一阶微分和峰谷间距法建立叶绿素a反演模型。结果表明:单波段光谱反射率与叶绿素a浓度的相关性较差,不宜用于该区域的叶绿素a浓度估算;680 nm和700 nm波段反射率之比、700 nm处光谱一阶微分值和两波段峰谷间距反演模型都具有较高的决定系数,分别为0.783 4、0.792 7、0.796 9,验证模型的决定系数为0.651 3、0.431 7、0.756 4,均方根误差分别为8.69μg·L-1、14.50μg·L-1、10.04μg·L-1,显著水平P<0.01。这3种方法皆可以用于新庙泡叶绿素a浓度的定量遥感,其中又以峰谷间距法为最优。     

基于特征的面向对象虚拟GIS数据模型分析及其数据库实现*

从设计虚拟GIS数据模型应考虑的问题出发,提出一种全新的基于特征的面向对象虚拟GIS数据模型构建思路,并详细分析了其对象的结构;最后介绍基于该数据模型的数据库构建过程和步骤,为后续原型系统的开发提供数据支持。     

基于NDVI数据的三江平原农田物候监测

物候现象被称为气候变化的积分仪,研究农田物候现象对农业生产有重要的指导意义。多时相遥感影像使区域物候监测成为可能。利用傅里叶级数对MODIS NDVI数据进行平滑,结合地面观测资料,采用动态阈值法提取物候信息,并与实际观测结果进行比较分析。研究结果表明:三江平原大部分农作物在第120~130 d开始生长,在第250~260 d左右停止生长,2003年三江平原农作物开始生长和结束的时间较早,2005年开始生长日期比2003年有所推迟,2007年农作物开始生长的日期早于2005年,但生长季结束的日期比2003年和2005年都晚,2007年生长季长度较长。采用MODIS NDVI数据获取的物候参数具有一定的可靠性,在农田大面积分布区域监测结果更为准确。
     

基于马尔可夫过程的三江平原土地利用动态变化预测

基于多时相遥感数据,应用GIS技术对三江平原1995和2000年的土地利用数据进行动态分析,计算出1995~2000年的各土地利用类型面积转移矩阵;借助马尔可夫过程建立土地利用转移概率矩阵,预测2005年土地利用结构,并将其与2005年遥感解译的土地利用数据进行比较。结果表明：马尔可夫预测值和遥感解译结果吻合较好,在7种土地利用类型中,除沼泽湿地外（0.26%）,其它几种类型的预测值和遥感解译结果的偏差都小于0.20%。同时,利用该模型对三江平原2010年和2015年土地利用结构进行预测,结果表明,在当前稳定的土地利用政策下,未来10 a内,该地区农田和草地面积将显著增加,同时,湿地和林地面积显著减少。农田和草地所占比重将分别从2005年的56.21%和3.71%上升为2015年的63.88%和3.88%;林地、湿地所占比重将从2005年的28.05%、7.46%下降为2015年的25.53%、5.39%。这一预测结果对该区域的生态环境保护和土地资源的合理利用具有一定的参考价值。     

基于MODIS数据的玉米植被参数估算方法的对比分析

基于实测数据建立了FPAR、LAI的植被指数估算模型（NDVI、RVI、NDWI）,并将其应用于MODIS BRDF数据对德惠地区玉米FPAR、LAI进行估算,然后将MODIS 15A2 FPAR/LAI产品值分别与BRDF估算值、地面实测值进行对比分析。主要得出以下结论：植被指数NDVI、RVI都能较好地用于实测数据和MODIS BRDF数据的FPAR、LAI估算;NDWI虽然在实测数据中估算玉米FPAR、LAI的效果优于NDVI、RVI,但其应用于MODIS BRDF数据估算FPAR、LAI时,效果却较差。BRDF数据估算FPAR与MODIS 15A2 FPAR值的关系因生长时期不同而异,在玉米生长前期,前者高于后者,而生长后期两者却较相近;BRDF估算LAI值一直都高于MODIS 15A2 LAI产品值。生长季前期,MOD15A2 FPAR、LAI值接近实测值,而在后期却高于实测值。通过分析也表明,玉米苗期MODIS 15A2 FPAR数值变化范围较小,产品算法对实际FPAR变化尚不够敏感,这可能是影响MODIS FPAR产品精度的一个原因。     

东北主要绿化树种叶面积指数(LAI)高光谱估算模型研究

以东北主要绿化树种为研究对象,分别在长春市南湖公园和长春公园获取了共240组树冠高光谱反射率及相应的LAI数据。对数据进行相关分析,以确定反演LAI的敏感波段,而后分别运用6种植被指数、神经网络以及小波分析等3种方法进行估算。研究结果表明,3种方法估算树冠LAI都取得了较好的效果:①与RVI、NDVI相比,由DVI、RDVI、MSAVI、TVI等植被指数建立的估算模型可以提高LAI的估算精度;②神经网络在拟合光谱反射率与树冠LAI关系时明显优于植被指数法(R2达0.850);③小波能量系数与LAI相关性较好,单变量回归分析R2可达0.683,部分小波能量系数估算LAI的精度优于植被指数法,并且验证R2也较高,说明其稳定性较好,多元变量回归分析能够实现各小波能量系数间的优势互补,R2可达0.794。     

基于MODIS时序数据的澳大利亚土地利用/覆被分类与验证

选取对气候变化敏感的澳大利亚作为研究区,基于MOD13Q1数据,对澳大利亚2000年土地利用/覆被进行分类。通过Savizky-Golay滤波方法构建高质量NDVI时序数据,为分类奠定数据基础。采用了以决策树为主的混合分类方法对研究区土地利用/覆被进行分类,该方法综合利用了ISODATA分类结果、NDVI阈值及其时间序列主成分分析特征量等数据。通过面积对比和空间位置匹配等多角度验证的方法,综合比较MOD12Q1,GLC_2000与本研究的结果,发现本研究的总体分类精度为63.65%,Kappa系数为0.56,较以上两种已有的土地覆盖产品具有一定优势。     

高分辨率遥感影像的快速分割方法

近年来,C-V模型被广泛用于图像分割,但计算速度是制约其应用的一个重要因素,如果处理数据量较大、内容复杂的高分辨率遥感图像,耗费时间更长.本文采用C-V模型与小波变换的结合,不仅大大提高了影像的处理速度,而且实现了图像的多尺度分割,并具有良好的抗噪能力.实验结果显示,在保证分割质量的前提下,与直接使用C-V模型的多尺度分割方法相比,该方法能够提高处理速度1-2倍.     

东北地区MODIS亚像元积雪覆盖率反演及验证

以中巴资源卫星数据作为地面“真值”影像,根据东北地区地理环境与气候特点对Salomoson亚像元积雪覆盖率模型参数进行修正,反演东北地区MODIS像元积雪覆盖率,并用不同方案对模型的稳定性和精度进行分析。研究结果表明,经修正后的Salomoson亚像元积雪覆盖率反演模型对不同地貌--景观单元具有稳定性,其中较小的波动源于积雪物理性质差异、大气效应、积雪影像分类误差及影像配准误差。在东北平原区,NDSI值在0.52~0.65时,模型反演精度高,但反演雪盖率总体偏低,主要是由NDSI基于对波段反射率的非线性转换引起的;雪盖率高估的像元主要分布在城区外围以及农村居民点,而覆盖城区、乡、镇以及居民点之间道路的像元雪盖率误差小,其原因是人类活动频率影响像元内积雪组分与非积雪组分的光谱特性的差异程度。与MODIS雪产品进行对比分析,积雪覆盖率提供较传统雪盖制图更加丰富的信息,然而对林区冠层下积雪覆盖二者均未给出准确估计。