TM验证MODIS过火面积产品精度分析——以黑龙江省重大森林火灾为例

鉴于准确估测森林的过火面积对森林火灾的损失评估和过火区植被的恢复所具有的重要作用,选取了2006年～2010年黑龙江省51个重大森林火灾记录,分别利用MODIS的MOD14A2（Terra）火产品数据和TM遥感影像数据估算过火面积,并利用Kappa指数分析过火面积在数量和空间位置上的一致性。结果表明：在单个火场尺度上,小于3.72km2的森林火灾不适于利用MOD14A2产品来估算过火面积,而年过火总面积的相对误差小于15%。MOD14A2火产品可以有效地估测年度尺度上森林的过火面积;数量Kappa指数明显大于位置Kappa指数和标准Kappa指数,位置Kappa指数较低,这可能是由于MODIS数据的空间分辨率较低、林火记录坐标位置不够准确等原因造成的,有待进一步研究。     

基于ENVISAT-MERIS数据的过火区制图方法研究

森林或草原在发生火灾后,过火区内的植被层在近红外波段的反射率通常要比健康植被低,利用光学遥感数据的近红外波段和红光波段可以探测出植被层的反射率在大气上界的明显变化。对过火区域的提取是利用卫星数据进行测算森林或草原火灾过火面积的关键技术之一。根据实验区内近年来发生的多次重特大森林或草原火灾,在对ENVISAT\|MERIS数据中典型地物光谱特征进行分析的基础上,分别采用图像处理方法、植被指数法和面向对象的图像分析方法对过火区制图方法进行对比研究。研究结果表明,通过面向对象的图像分析方法获得的过火区域,可以较好地适用于过火区面积的估测,该方法是一项实现定量提取过火区域的行之有效的方法。     

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。     

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。     

基于MODIS数据的亚马逊热带雨林火灾时空变化规律研究

频繁发生的森林大火对亚马逊热带雨林造成了大面积破坏,获取不同年份的火灾影响范围以及植被破坏情况,有助于了解该地区火灾时空演变规律以及火灾与植被的相互作用关系,进而探究火灾发展机理,为防灾减灾提供科学依据。为此,利用2015～2019年MODIS植被指数产品与地表温度产品,构建MODIS全球扰动指数模型（MGDI）,结合火点数据（以下统称MOD14A1）、植被连续场数据（Vegetation Continuous Field,VCF）提取1 000 m分辨率下的燃烧范围和燃烧强度,并分析研究区域5年内的火灾分布时空规律。实验结果表明：(1)火灾主要分布在巴西中部以及巴西与玻利维亚的交界处,占燃烧区总面积的67%左右;(2)燃烧范围以及燃烧强度的综合信息显示火灾整体呈现出“升—降—升”的趋势;(3)火灾多发生于灌木草地（50%以上）以及阔叶林（30%）,且火灾多发在旱季;在全球变暖大背景下,火灾发生频率呈上升趋势;（4）人类活动范围扩张、不合理农业开垦、森林砍伐导致研究区内草地退化严重,农业用地以及建筑用地逐年上升,在一定程度上为火灾的发生、传导提供了良好的条件。     

物候特征辅助下的随机森林宏观尺度土地覆盖分类方法研究

通过遥感技术获取大范围土地覆盖信息对于监测、理解和预测自然资源具有重要的科学意义.MODIS数据是当今宏观尺度土地覆盖研究的主要数据源.本文以河北省为研究区,应用MOD13Q1数据产品,构建MODIS NDVI时间序列,从中反演物候特征作为参与分类的主要辅助信息,并采用随机森林分类方法进行宏观尺度土地覆被分类实验,并与单决策树(CART)进行对比分析.实验结果表明,物候特征辅助下的随机森林宏观尺度土地覆被分类方法的总体精度为87.2％,Kappa系数为0.83,比CART单一决策树精度提高了17.9％;应用物候特征参与分类,使得总体精度提高2.6％;其中,旱地和建筑用地精度分别提高了6.7％和11.9％.     

MOD09A1数据产品中缺失条带的插补方法

MODIS地表反射率产品(MOD09A1)是MODIS系列化数据产品中一项重要而基础性的产品。在实际应用中发现该数据产品中仍然继承了原始数据固有的条带缺失问题,且随着数据投影转换,缺失数据在表现为条带状的同时,表现出新的分布特点,以往的插补方法不再适用。利用MOD09A1数据集中描述MODIS数据获取和处理质量的QC数据逐一确定单个缺失像元的准确位置,采用其8邻域内的非缺失像元均值对缺失像元进行插补,在对非条带信息不产生影响的前提下实现了MOD09A1缺失条带的去除,从而确保了该产品数据的质量。选用不同年份不同天数的3景数据进行处理,并将模拟的条带缺失数据采用本文方法处理的结果与真实数据比较,以及将同一条带缺失数据采用不同方法处理的结果比较,结果显示本文方法对于MOD09A1数据条带去除优于以往的方法,并具有普适性和可靠性。
     

森林过火面积的遥感测算方法

根据对近年来多次特大森林火灾和相应的气象卫星资料的分析,提出利用NOAA/AVHRR数据测算森林大火的过火面积的四种方法,即灰度修正像元法、植被修正像元法、坐标法和蔓延法。在GIS地面信息数据库支持下,利用这4种方法能准确、快速地计算出过火面积。经今春应急评估试运行验证,森林大火过火面积测算精度达90%。     

星载LiDAR与MODIS多光谱数据联合估测区域生物量

针对区域森林生物量连续、高精度估测的难题,以黑龙江省伊春市带岭区作为研究区,提出了联合ICESat-GLAS波形数据、MODIS多光谱数据以及野外调查数据建立生物量模型的方法。该方法通过建立GLAS森林平均冠层高度估测模型、区域森林平均冠层高度的BP神经网络估算模型以及样地森林平均冠层高度-生物量模型,实现全区域森林生物量的连续高精度估测。实验结果为:GLAS森林平均冠层高度估测模型的R~2=0.801,RMSE=0.614;区域森林平均冠层高度的BP网络估测模型的R~2=0.886 7,RMSE=0.794;针叶林、阔叶林、针阔混交林样地森林平均冠层高度-生物量模型的R~2分别为0.802、0.826、0.794,RMSE分别为0.731、0.613、0.344。结果表明:将GLAS波形数据与MODIS多光谱数据联合,可以弥补由于GLAS光斑分布呈条带状而无法实现区域森林平均冠层高度估测的缺陷,实现对区域森林平均冠层高度以及生物量的高精度估测;利用森林平均冠层高度与森林生物量建模,可以解决大区域生物量计算中胸径参数难以获取的问题。     

基于MODIS和AMSR-E遥感数据的土壤水分降尺度研究

微波传感器获得的土壤水分产品空间分辨率一般都很粗,而流域尺度上的研究需要中高分辨率的土壤水分数据。用MODIS逐日地表温度产品MOD11A1和逐日地表反射率产品MOD09GA构建温度-植被指数特征空间,并计算得到TVDI(Temperature Vegetation Dryness Index)指数,它与土壤水分呈负相关关系,能够反映土壤水分的空间分布模式,但并不是真实的土壤水分值。在AMSR-E像元尺度上求得TVDI与土壤水分的负相关系数,进而对VUA AMSR-E土壤水分产品进行降尺度计算得到0.01°分辨率的真实土壤水分值。经NAFE06(The National Airborne Field Experiment 2006)试验地面采样数据验证,降尺度后的土壤水分均方根误差平均值为6.1%。     

利用积雪衰减曲线分析山区雪水当量时空分布

鉴于近年来关于雪水当量的研究成果大部分基于物理模型进行估算,这些雪水当量数据的空间分辨率较低,且需要大量野外实测的积雪属性数据来作为输入模型的初始变量。在对中小流域雪水当量时空分布特征的估算,特别是地形因子较为复杂的山区,基于物理模型估算雪水当量以及被动微波遥感影像反演的雪水当量都不能满足需求。该文以黑河上游祁连山八宝河流域和冰沟小流域作为研究区域,利用2011年3景小流域ENVISAT-ASAR数据,获得流域积雪面积与雪水当量产品,结合DEM数据,拟合出研究区域的积雪衰减曲线。利用积雪衰减曲线,在祁连山黑河上游八宝河子流域,获取2008年逐日366天MODIS积雪面积比例产品MOD10A1数据,通过估算云下反照率的方法将逐日积雪面积比例产品进行去云处理,结合DEM数据得到像元地形因子,计算八宝河流域每个像元逐日雪水当量值,得到流域2008年雪水当量情况,分析流域内雪水当量分布规律以及流域内雪水当量年内时空变化。     

国家级森林火险等级预报方法研究

对国家级森林火险等级的定量化预报方法进行了探讨,即:利用MODIS数据反演获得可燃物状态指数;将通过网络获得的全国气象数据和建立的可燃物类型分布、森林火险区划等基础数据库,在ArcGIS平台上数量化后计算背景综合指数,由这两者计算获得火险指数,以火险指数为国家级森林火险等级预报的量化指标,并利用它进行全国森林火险等级的分级,从而实现了全国森林火险等级从定性描述到定量估测。同时,以近几年我国发生的重特大森林火灾为例,对该方法进行了验证。实验表明:该方法可较好地对国家级森林火险等级进行定量化预报。     

基于环境减灾小卫星数据的森林火灾迹地检测算法研究

森林火灾迹地是森林火灾的基本描述因子之一,是评估森林火灾严重程度的重要资料。本文基于环境减灾小卫星数据的特性,提出将GEMI指数作为火灾迹地检测指数;为了降低利用单幅影像进行火灾迹地检测时云污染现象对检测精度造成的影响,构建时序GEMI指数合成方法;并进一步提出适用于环境减灾小卫星数据的基于时序合成GEMI影像的火灾迹地检测算法;最后,将算法应用于2009年4月发生在中国黑龙江的森林火灾,检测结果表明该算法能准确地反映出森林火灾过火区域。     

基于Google Earth Engine评估新疆西南部MODIS积雪产品

Google Earth Engine(GEE)是一种基于云建立的地理空间处理平台,可以针对地理空间数据进行分析,实现全球范围内海量遥感数据的并行处理,为遥感大数据、大区域研究提供支持。MODIS积雪覆盖制图是利用MODIS资料建立的全球积雪覆盖产品,已广泛应用于区域乃至全球的气候与环境监测中。GEE云平台存储着百万景遥感影像,其中包括覆盖全球的MODIS逐日积雪产品MOD10A1V5数据和Landsat数据。以新疆西南部3个研究区为例,选取GEE云计算平台存储的Landsat数据,应用NDSI提取积雪范围作为地表覆盖真值,对MOD10A1展开精度评估。结果表明:2000~2016年新疆西南部积雪季MOD10A1的平均总体准确率达82%,平均误判率为2.9%,平均漏判率为58.8%。在晴空条件下,MOD10A1总体准确率可达98%,不同区域的地形及云量是影响MOD10A1精度评估的主要因素。GEE云计算平台可以快速有效地筛选高质量无云的Landsat数据,对全球范围内积雪区的MOD10A1进行精度评估,以在线地图的形式直观显示误判和漏判区域,并利用GEE提供的简单云分函数计算区域云量,使云量对MOD10A1积雪分类精度的影响更具区域代表性。     

MODIS和VEGETATION雪盖产品在北疆的验证及比较

雪盖产品的准确性评估对于水文模型中的遥感应用具有重要的意义,利用北疆47个气象站实测雪深资料,并将气象站根据海拔和下垫面进行分类,对我国可使用的3种光学遥感雪盖产品MOD10A1、MOD10A2和VGT-S10雪盖产品进行验证。研究表明,MOD10A1、MOD10A2和VGT-S10雪盖产品识别总体精度分别为91.3%、90.6%和87.9%,3种产品在农田、草地、城镇和建筑用地总体精度更高 |在稀疏灌木林、裸地与稀疏植被识别总体精度较低,特别是在山区,3种产品识别精度均较低,分别为66.3%、75.7%和61.9%。进一步统计3种雪盖产品的错分误差、漏分误差,发现3种产品错分误差都比较小,但在山区站的漏分误差比较严重,分别为32.4%、21.7%和36.3%,3种产品在山区都低估了雪盖面积。3种不同时间分辨率的雪盖产品云影响率分别为61.8%、7.6%和1.8%。最后将MODIS合成与VGT-S10时间分辨率相同的雪盖产品,并对两种产品在积雪积累期和消融期进行相互比较,比较发现MODIS识别精度要优于VGT-S10雪盖产品,3种产品中VGT-S10由于合成天数最多,所以雪盖产品受云的影响最小。     

基于MODIS数据的森林可燃物分类方法——以黑龙江省为实验区

森林可燃物是森林燃烧环理论中的重要三要素之一,它是森林火灾发生的内因,对于火险等级预报、火行为预报、火灾扑救等森林防火工作具有重要意义。介绍了基于MODIS数据与GIS技术相结合的森林可燃物分类方法。在研究中,以黑龙江省为实验区,利用多时相的MODIS数据生成实验区16天的最大归一化植被指数后,通过主成分分析,采用非监督分类与监督分类相结合的方法,并在GIS技术的支持下,完成了实验区内的森林可燃物的分类,为进一步获得适合全国的利用现代高新技术的森林可燃物分类方法打下了坚实基础。     

基于MODIS数据的森林可燃物分类方法——以黑龙江省为实验区

森林可燃物是森林燃烧环理论中的重要三要素之一,它是森林火灾发生的内因,对于火险等级预报、火行为预报、火灾扑救等森林防火工作具有重要意义。介绍了基于MODIS数据与GIS技术相结合的森林可燃物分类方法。在研究中,以黑龙江省为实验区,利用多时相的MODIS数据生成实验区16天的最大归一化植被指数后,通过主成分分析,采用非监督分类与监督分类相结合的方法,并在GIS技术的支持下,完成了实验区内的森林可燃物的分类,为进一步获得适合全国的利用现代高新技术的森林可燃物分类方法打下了坚实基础。     

大兴安岭森林火灾遥感调查方法初探

1987年5月,黑龙江省大兴安岭林区东经121°30′—125°,北纬52°30′—53°30′地域内发生了一起特大森林火灾。为搞清火灾区的范围,过火面积及林火的轻重程度,我们利用遥感技术对火区进行了初步调查。一、使用的资料及工作程序 1/20万的火灾期Landsat TM影像、     

使用温度植被干旱指数法(TVDI)反演新疆土壤湿度

利用MODIS合成产品数据MOD11A2和MOD13A2获取的归一化植被指数(NDVI)和陆地表面温度(Ts)构建Ts-NDVI特征空间,依据该特征空间计算的温度植被干旱指数(TVDI)作为土壤湿度监测指标,反演了新疆8、9两个月份每16 d的土壤湿度。使用野外与卫星同步采样的土壤湿度数据进行验证,发现TVDI指标与实测土壤湿度数据显著相关,能够较好地反映表层土壤湿度,反映的新疆土壤湿度的空间分布与新疆的年降水量分布、年平均相对湿度分布很吻合;同时表明8、9两个月份期间新疆土壤湿度低的区域在不断扩大。     

使用温度植被干旱指数法(TVDI)反演新疆土壤湿度

利用MODIS合成产品数据MOD11A2和MOD13A2获取的归一化植被指数(NDVI)和陆地表面温度(Ts)构建Ts—NDVI特征空间，依据该特征空间计算的温度植被干旱指数(TVDI)作为土壤湿度监测指标，反演了新疆8、9两个月份每16d的土壤湿度。使用野外与卫星同步采样的土壤湿度数据进行验证，发现TVDI指标与实测土壤湿度数据显著相关，能够较好地反映表层土壤湿度，反映的新疆土壤湿度的空间分布与新疆的年降水量分布、年平均相对湿度分布很吻合；同时表明8、9两个月份期间新疆土壤湿度低的区域在不断扩大。