基于HJ-1高光谱数据的植被覆盖度估测方法研究

植被覆盖度是衡量地表植被状况的一个重要参数,在水文、生态等方面有重要意义,同时,也是影响土壤侵蚀与水土流失的主要因子,是评价土地荒漠化最有效的指标。以环境一号(HJ-1)小卫星上搭载的新型传感器HSI获取的高光谱数据为数据源,通过选择合适的植被指数建立了植被覆盖度反演模型——像元二分模型。然后运用该模型提取了新疆石河子地区的植被覆盖度信息。通过与地面样方数据进行交互比较,对HJ-1/HSI数据反演植被覆盖度的精度进行了评价。研究结果表明,HJ-1/HSI数据能够得到较高精度的植被覆盖度反演结果,在植被动态及全球变化研究领域具有潜在应用价值。     

基于TVDI的大范围干旱区土壤水分遥感反演模型研究

温度植被干旱指数TVDI(Temperature Vegetation Dryness Index)是一种基于光学与热红外遥感通道数据进行植被覆盖区域表层土壤水分反演的方法。当研究区域较大、地表覆盖格局差异显著时,利用TVDI模型来反演陆表土壤水分,精度通常较低。对Sandholt的TVDI土壤水分反演模型进行了改进:利用云掩膜校正和多天平均温度合成来减少云的影响;同时对研究区域地形起伏、覆盖类型差异的影响进行了消除;对TVDI模型干边的模拟方法进行了改进。最后,使用铝盒采样等方法利用新疆地区观测得到的地面数据来拟合改进后的模型参数,并对2009年5月和8月的土壤水分进行了反演实验。与实测数据的比较分析表明,该模型能基本满足大区域土壤水分反演的要求,改进后的模型对新疆地区的土壤水分估算精度有较显著的提高。     

基于可见光红外与被动微波遥感的土壤水分协同反演

利用MODIS传感器的可见光、红外波段数据反演土壤水分在一定时段内的基准值,用被动微波传感器AMSR-E数据反演其变化量,提出将被动微波遥感数据与热红外遥感数据在模型级别协同反演大范围地表土壤水分的方法,这样每天可输出1 km×1 km的升、降轨土壤水分反演结果.以新疆为研究区,对上述方法进行了土壤水分协同反演实验,以地面实测数据为参考的验证结果表明,所提模型得到的土壤水分值与地面实测值之间相关性较高,均方根误差较小,优于单一传感器数据的反演结果,可更好地满足新疆土壤水分监测的需求.