遥感提取叶面积指数的地形影响分析

结合1：50000DEM对贵州省黎平县内研究区的ETM 遥感影像进行地形纠正，分别使用地形纠正前后的图像建立植被指数与实测杉木林、阔叶林、竹林的叶面积指数相关关系，从而对研究区森林叶面积指数进行计算。研究表明，利用遥感影像计算山地丘陵林区叶面积指数时地形是一个重要的影响因素，它致使遥感影像提取的叶面积指数出现一定的偏差。因此．本文从电磁波辐射传输理论着手，采用一种地形影响去除方法，即先把遥感图像归一化为没有地形影响下的亮度图像，再通过该亮度图像提取森林叶面积指数，并通过实地观测数据验证了该地形纠正方法的有效性。同时，也提出了利用地形因子和遥感影像亮度值的关系计算大气程辐射的方法。     

全极化合成孔径雷达影像地形纠正及其在雪冰制图中的应用

针对合成孔径雷达（SAR）影像由于地形起伏引起的图像畸变问题,文章提出了基于相干矩阵的全极化SAR影像地形纠正算法,并运用于雪冰制图。该方法首先采用距离多普勒模型建立SAR成像几何模型;然后利用全极化Cloude特征分解方法对全极化SAR图像进行融合,将融合后的SAR图像与模拟图像进行配准提高SAR影像几何定位精度;最后利用投影面积归一化和极化方位角移动补偿技术对地形引起的辐射畸变进行纠正。采用中国长江源区南部唐古拉山中段冬克玛底冰川区域的C波段Radarsat-2全极化SAR数据进行验证,配准模拟SAR和原始SAR影像的控制点方位向和距离向的均方根误差（RMSE）分别为7.765和14.586个像素;经过地形纠正后的地物分类精度达80%以上。结果表明：（1）该方法能够有效消除SAR影像中几何和辐射畸变的影响;（2）地形纠正后的SAR数据在雪冰制图中具有可行性。     

玛纳斯河流域积雪区GF-1卫星图像辐射质量比较

卫星图像辐射质量与其对地观测能力息息相关,GF-1是我国高分辨率对地观测系统的首发星,在山区积雪监测中有着重要的应用价值。使用新疆天山玛纳斯河流域积雪区GF-1图像与相同区域、相近时间(2d内)成像的国外同类高分辨率卫星SPOT-6和RapidEye图像进行评价与比较,衡量GF-1在山区积雪区域的图像辐射质量水平,为GF-1的应用以及后续高分系列卫星载荷的研制提供参考。利用遥感图像辐射质量评价中常用的图像统计特征、平均梯度、信息熵和信噪比(SNR)指标对3种卫星图像进行比较,结果表明:GF-1图像与其他两种卫星的图像相比在图像统计特征和平均梯度方面表现最佳;但由于辐射量化级数的制约,其信息熵相比其他两种卫星还存在一定差距;GF-1在对积雪成像时局部会出现过饱和现象,从而导致部分区域的局部标准差值为0,在去除这些异常值后对GF-1图像的SNR进行重新估计,发现其在蓝光、红光和全色波段显著优于其他卫星,但绿光波段和近红外波段与SPOT-6有一定差距,与RapidEye相仿。总体来说,GF-1在山区积雪区的图像辐射质量基本达到了国际同类卫星的水平,部分指标甚至显著优于其他卫星,但在辐射量化级数和传感器所接受辐射能量范围方面还有一定差距,在部分积雪区会出现过饱和现象,后续可针对这些方面进行改善。     

基于相位一致性的遥感图像匹配方法

图像匹配的优劣是影响图像拼接质量的一个重要因素,而传统的图像匹配方法对辐射畸变敏感.为了解决这一问题,提出一种鲁棒的图像匹配方法.通过Log-Gabor滤波器与图像卷积计算得到能够检测图像特征的相位一致性模型,接着考虑在各方向上的Log-Gabor卷积结果构造出具有旋转不变的标准化的最大索引图,最后在最大索引图上使用分布直方图完成特征描述符的构造以实现图像匹配.在具有辐射畸变的遥感图像上进行匹配实验,当待匹配图像发生旋转时,所提方法的正确匹配个数在50个以上,均方根误差(RMSE)为1.6～2.1像素,优于传统的辐射不变特征变换(RIFT)算法.实验结果表明,所提方法是一种有效的特征匹配算法.     

提高森林覆盖区积雪提取精度的方法研究——以玛纳斯河流域为例

森林覆盖区积雪的提取精度很低,由于植被冠层的遮挡,冠层下的积雪很难被提取出来。基于Landsat 8OLI数据,针对玛纳斯河流域下游有大面积森林覆盖的特点,通过传统的积雪指数法,结合NDVI数据的积雪指数法和面向对象图像特征法分别提取积雪面积。结果表明:1传统的NDSI和S3积雪指数法无法较好地提取出森林覆盖下的积雪,提取精度分别为85.23%和87.54%。这两种方法适用于空间尺度较大、植被覆盖面积较大的区域,并不适合所选研究区;2结合NDVI数据后的NDSI、S3积雪指数模型能大大提高森林覆盖下的积雪面积,提取精度分别达到91.47%和90.60%。在影像空间分辨率较高,流域尺度较小,林区覆盖较多的情况下可采用此方法提取积雪;3随着海拔的升高,地形阴影影响逐渐增大,NDVI辅助积雪指数方法提取林区覆盖下积雪面积逐渐减小。因此采用光谱、纹理和空间信息结合的面向对象图像特征方法提取积雪,能够较好地识别出受地形影响下的雪像元,精度达到89.75%,可以满足实际应用的需求。     

基于多源遥感数据的积雪反照率反演研究

积雪反照率在全球气候系统中的作用显著。由于目前遥感手段的限制,积雪反照率遥感产品存在显著的数据缺失和误差不确定性。研究对遥感积雪反照率反演模型进行精度评估,开展以渐进辐射传输理论(ART)为代表的积雪反照率遥感反演算法验证工作,分别比较MODIS、TM/ETM+数据在反演积雪反照率时的差异和准确性。结果表明:利用ART模型对积雪反射率进行各向异性校正后反演得到的积雪反照率精度优于MOD10A1积雪反照率;高分辨率遥感影像在反演积雪反照率时精度明显高于低分辨率遥感影像;针对地形复杂的高寒山区,尺度效应对积雪反照率的反演会产生极大影响。     

复杂地形下自动提取多暗像元的TM影像大气纠正方法

复杂地形条件下气溶胶的空间分布变化较大,用单一的气溶胶实测参数或单一的暗像元进行大气纠正都难以获得好的效果,手动选取暗像元还受限于专业人员的经验。通过程序自动提取图像中的浓密植被像元以及位于山区阴影的植被像元作为暗像元,使得暗像元均匀分布于图像的各个区域、各个海拔,更好地模拟复杂地形下的大气状况。根据辐射传输模型,利用迭代、插值等方法获取TM1和TM3波段光学厚度,进而推算成像时刻的气溶胶波长指数及混浊度系数,从而得到各个波段的大气光学厚度以实现大气纠正。     

用高分一号卫星数据识别多时相山区积雪

针对目前从高分辨率遥感图像中提取多时相山区积雪信息精度较低、效率不高的问题,基于高分一号卫星数据,提出了一种基于多视图的多时相山区积雪提取方法。该方法基于GF-1卫星3个时相的图像数据,将多时相遥感图像视为多个视图,通过空间约束构建积雪识别多视图。针对山区阴影的巨大影响的问题,提出了将积雪分为非阴影区积雪和阴影区积雪2个类别,分别进行训练样本的选取。仅通过一次样本选取,运用旋转森林算法,基于多视图构建面向多时相的识别模型,实现多时相遥感图像的积雪识别。实验结果表明,3个时相识别结果的F值分别达到0.941、0.951和0.945,精度较高,且具有较高的效率,具有实际应用价值。     

基于地貌和地形的积雪仿真模型

针对三维气象灾害研究平台中雪灾、雪崩的仿真提出一种积雪仿真模型,有助于灾害分析人员对这类气象灾害进行预防。利用基于RGB颜色向量距离的彩色图像分割算法区分图像纹理中不同的地貌;然后在已分类的地貌上,使用依据力学原理推导出的公式判断不同地形上能否形成积雪;最后依据计算结果对场景纹理图像进行处理,呈现出积雪覆盖的效果。实验表明,利用该模型可以在三维气象灾害仿真平台中产生积雪效果。     

基于FY3B-MWRI数据新疆区域积雪深度反演

积雪深度不仅用于研究地表辐射平衡,还可以研究积雪的水文效应,是天气和水文模型运行的必要参数,同时,积雪深度监测在融雪径流预报、水资源管理以及洪水控制方面都具有重要作用。我国现有积雪深度反演算法所依据的站点数据主要分布在我国中部、东部、南部,而在西北的新疆地区站点数据相对较少,因此造成了现有算法在新疆地区的雪深反演精度较差。选择新疆地区作为研究区,以FY3B-MWRI为数据源,根据该地区的地形特征和地面土地覆盖类型特征,利用回归分析方法,研究了该区域内林地、农田和草地3种土地覆盖类型的积雪深度反演算法,并结合地面实测积雪深度数据,对算法精度进行验证。结果显示,林地、农田和草地3种土地覆盖类型的雪深反演结果的R2与RMSE分别为0.758,2.58、0.729,3.21、0.854,5.70,表明该算法对新疆地区积雪深度反演得到了较高的反演精度。     

欧亚大陆中高纬度区逐日无云积雪产品研发及验证

利用多源遥感数据,结合光学遥感数据高空间分辨率及被动微波数据不受云干扰的优势,利用MODIS逐日积雪标准产品和AMSR-E雪水当量产品,生成了欧亚大陆中高纬度区500m分辨率的逐日无云积雪产品,并利用更高分辨率的Landsat-TM数据生成的积雪产品作为"真值"影像,对研发的逐日无云积雪覆盖产品的精度进行了验证。结果表明:MOD10A1和MYD10A1受云影响均较为严重,无法直接用于地表积雪面积的监测。而本研究合成的逐日无云产品具有较好的精度,与TM积雪图具有较高的一致性。但不同的土地覆盖类型对积雪分类精度有一定的影响。其中,裸地和草原覆盖区精度最好,Kappa系数分别为0.655和0.644,均为高度一致性;其次精度较好的是灌丛和耕地覆盖区,Kappa系数分别为0.584和0.572,均为中等的一致性;而森林覆盖区由于受到高大植被的影响,Kappa系数仅为0.389,合成产品相对TM积雪产品明显高估了森林区积雪面积。整体Kappa均值达到0.569,接近高度一致,研究结果对实时监测欧亚大陆积雪面积具有一定的应用价值。     

面向亚像元级积雪信息提取的MODIS影像波段融合方法研究

MODIS影像因其共享性和时间序列的完整性而成为大区域积雪监测研究广泛使用的数据源,进行MODIS影像波段间融合,能够为积雪研究提供较高分辨率的影像数据源。为了充分利用MODIS影像250 m分辨率波段的空间和光谱信息,提取亚像元级的积雪面积,使用两种具有高光谱保真度的影像融合方法：基于SFIM变换和基于小波变换的融合方法,采取不同的波段组合策略,对MODIS影像bands 1~2和bands 3~7进行融合,并以Landsat TM影像的积雪分类图作为“真值”,对融合后影像进行混合像元分解得到的积雪丰度图的精度进行评价。结果表明：利用基于SFIM变换和小波变换方法融合后影像提取的积雪分类图精度较高,数量精度为75%,比未融合影像积雪分类图的精度提高了6%,表明MODIS影像波段融合是一种提取高精度积雪信息的有效方法。     

航片二次几何校正的应用研究

应用ERDAS软件对高分辨率航片进行二次几何校正的研究,从中找出适合各种航片再校正的可行性方法,尤其是对地图采点模式校正方法的科学性、准确性、实用性进行了重点研究,从而获得了一种常规方法无法校正的新校正模式,即综合采点模式。而且,这项技术也完全适用于TM和SPOT等卫星图像的二次几何校正,并且提高了校正精度和速度,是一种比较实用的二次几何校正模型。     

卫星遥感雪盖制图方法对比与分析

利用ＬａｎｄｓａｔＴＭ、ＮＯＡＡ／ＡＶＨＲＲ和中分辨率成像光谱仪（ＭＯＤＩＳ）三个平台传感器的遥感数据,分别使用训练样本监督分类、阈值数字信号统计、雪盖指数方法制作雪盖图和提取积雪面积。结果表明：不同传感器遥感图像因时相和时空分辨率的差异,提取积雪信息的有效方法有所不同。但基于反射特性的雪盖指数计算法具有普遍的实际操作性意义,即雪盖制图精度高,分类合理,是提取积雪信息的最佳技术手段;当使用监督积雪分类时,只有取得精确的信号文件,分类结果才是可信的;而阈值数字信号统计的雪的阈值确定具有很大的经验性和随机性,但对数据不完整或只有单波段时也不失为有效和简便的途径;山影补偿处理法基本可以消除地形阴影的影响;而去云后其覆盖下的积雪恢复技术值得进一步讨论。     

Subpixel monitoring of the seasonal snow cover with MODIS at 250 m spatial resolution in the Southern Alps of New Zealand: Methodology and accuracy assessment

This study describes a comprehensive method to produce routinely regional maps of seasonal snow cover in the Southern Alps of New Zealand (upper Waitaki basin) on a subpixel basis, and with the MODerate Resolution Imaging Spectroradiometer (MODIS). The method uses an image fusion algorithm to produce snow maps at an improved 250 m spatial resolution in addition to the 500 m resolution snow maps. An iterative approach is used to correct imagery for both atmospheric and topographic effects using daily observations of atmospheric parameters. The computation of ground spectral reflectance enabled the use of image-independent end-members in a constrained linear unmixing technique to achieve a robust estimation of subpixel snow fractions. The accuracy of the snow maps and performance of the algorithm were assessed carefully using eight pairs of synchronic MODIS/ASTER images. ‘Pixel-based’ metrics showed that subpixel snow fractions were retrieved with a Mean Absolute Error of 6.8% at 250 m spatial resolution and 5.1% after aggregation at 500 m spatial resolution. In addition, a ‘feature-based’ metric showed that 90% of the snowlines were depicted generally within 300 m and 200 m of their correct position for the 500-m and 250-m spatial resolution snow maps, respectively. A dataset of 679 maps of subpixel snow fraction was produced for the period from February 2000 to May 2007. These repeated observations of the seasonal snow cover will benefit the ongoing effort to model snowmelt runoff in the region and to improve the estimation and management of water resources.     

Issues related to delineation of forest boundaries on Landsat Thematic Mapper winter images

This paper describes an approach for estimating the effect of factors influencing the determination of forest boundaries on medium-resolution satellite images. Forest edges were delineated on a Landsat Thematic Mapper (TM) image made in late winter under plain snow cover conditions. The study investigated the best Landsat TM spectral band and threshold value for the detection of forest edges in winter images. It was hypothesized that shadows cast by trees on forest edges on the bright snow of the surrounding open area make north- or north-west-facing forest edges less sharp than edges facing in other directions. If this holds true for medium-resolution Landsat TM satellite images, forest area change studies should carefully consider images taken under different atmospheric and solar elevation conditions in order to distinguish real changes at forest edges from those stemming from different conditions of solar illumination. The results of the study show that there is no significant shadow effect, as the reflectance contrast at forest edges exposed in different azimuthal directions does not differ on Landsat TM winter images under plain snow cover conditions. Landsat TM bands 2-4 are all equally good for the detection of the forest edge location at an average value of reflectance. These results are valid for forest edges that have remained stable for several decades.     

Assessing the potential of VEGETATION sensor data for mapping snow and ice cover: A Normalized Difference Snow and Ice Index

The VEGETATION (VGT) sensor in SPOT 4 has four spectral bands that are equivalent to Landsat Thematic Mapper (TM) bands (blue, red, near-infrared and mid-infrared spectral bands) and provides daily images of the global land surface at a 1-km spatial resolution. We propose a new index for identifying and mapping of snow/ice cover, namely the Normalized Difference Snow/Ice Index (NDSII), which uses reflectance values of red and mid-infrared spectral bands of Landsat TM and VGT. For Landsat TM data, NDSII is calculated as NDSII_TM=(TM3-TM5)/(TM3+TM5); for VGT data, NDSII is calculated as NDSII_VGT=(B2-MIR)/(B2+MIR). As a case study we used a Landsat TM image that covers the eastern part of the Qilian mountain range in the Qinghai-Xizang (Tibetan) plateau of China. NDSIITM gave similar estimates of the area and spatial distribution of snow/ice cover to the Normalized Difference Snow Index (NDSI=(TM2-TM5)/(TM2+TM5)) which has been proposed by Hall et al. The results indicated that the VGT sensor might have the potential for operational monitoring and mapping of snow/ice cover from regional to global scales, when using NDSII_VGT.     

应用Landsat TM影像估算渤海叶绿素a和总悬浮物浓度

利用23个实测样点的渤海叶绿素a和总悬浮物浓度数据及同步Landsat TM影像数据,分别分析了Landsat TM离水辐射亮度对渤海叶绿素a和总悬浮物浓度的敏感性,选择合适的波段,通过回归分析构建了基于Landsat TM离水辐射亮度的渤海叶绿素a和总悬浮物浓度反演模型。结果表明,TM1、TM2和TM3波段对叶绿素a的敏感性较高,以TM4/TM1和TM3/TM2的对数为自变量,以叶绿素a浓度的对数为因变量的线性估算模型可以有效反演渤海叶绿素a浓度,决定系数R2达到0.97;TM3波段对悬浮物的敏感性最高,以TM2、TM3和TM3/TM2为自变量,以总悬浮物浓度的以10为底的对数为因变量的多元线性模型获得的结果最佳,决定系数R2达到0.91。     

A combined high and low spatial resolution approach for mapping snow covered areas in the Atlas mountains

Dynamics of snow in semi‐arid mountains are poorly investigated despite the fact that snow may represent an important source of water for downstream populations especially in the spring and early summer. Data acquired by space‐borne optical sensors (i.e. reflectance and derived snow indices) may be suitable for spatial and temporal monitoring of snow cover. However, due to prevailing terrain and climatic conditions, the use of satellite sensor data to monitor snow dynamics is not trivial over such regions. Snowfall as well as precipitation are characterized by strong space–time variability. Indeed snow can fall and melt within one week. Under such conditions, appropriate monitoring of snow dynamics requires space instruments that provide data with high spatial and high temporal resolutions. In this context we developed a new approach based on the combination of two types of instruments: low spatial and high temporal resolution (Système Pour l'Observation de la Terre (SPOT)‐VEGETATION) and high spatial and low temporal resolution (Landsat Thematic Mapper). This new approach improves the relationship between snow index and snow area. The method is validated against snow maps derived from classification of high spatial resolution data on the Atlas range, in Morocco. It is then applied to a one‐year series of SPOT‐4 VEGETATION images allowing to derive a temporal snow cover profile at 1?km spatial resolution over the entire Atlas. The yearly snow profile obtained is of great interest for hydrological modelling.     

雪盖指数法提取积雪范围信息的不确定性研究-以玛纳斯上游地区为例

基于2006年9月10日空间分辨率为30 m的TM影像与DEM数据,通过雪盖指数法自动提取积雪范围与目视解译结果进行对比,以粗糙度为度量,定性、定量分析影响其不确定性的地表覆被和地形因素。结果表明:①当NDSI阈值取0.57~0.72和0.4~0.8时,结果有明显差异,取0.57~0.72时漏分像元比0.4~0.8稍多,但是误分像元大幅减少;②同处于阴影区裸地的光谱曲线与积雪的光谱曲线相似,造成阴影区的积雪与裸地不能正确区分,此外处于阴影区域的植被由于反射率较低,使其NDSI刚好在阈值范围内,被误分为积雪;③半阴坡雪盖指数法提取积雪的不确定性最小,而阳坡、半阳坡雪盖指数法提取积雪的不确定性最大;④雪盖指数法提取积雪的不确定性随着坡度的增加呈下降趋势,即坡度越大不确定性越小。