基于人工神经网络的云自动检测算法

为实现卫星观测数据的高效云自动检测技术,提出了基于人工神经网络的云检测方法,并针对中分辨率成像光谱仪（MODIS）的观测数据建立了BP神经网络模型,给出了算法的应用实例.通过实例分析表明,基于人工神经网络的云检测算法具有良好的时空适应性,检测效果较好,检测速度快,具有业务实用价值.     

基于MODIS荧光高度变化的藻类水华遥感监测方法

为了研究如何有效应用MODIS荧光高度(fluorescence line height,FLH)产品于近岸水华监测,基于福建近岸浮游植物水华期获得的35组实测遥感反射率和叶绿素a数据,提出MODIS FLH差值法,即当日FLH与前14 d平均FLH差值≥0.06 mW/(cm2.μm.sr)时,判别为水华发生.取2005年6月和2003年5月两个赤潮案例,处理获得MO-DIS卫星FLH时间差值产品,依据FLH差值≥0.06 mW/(cm2.μm.sr)的判据,判别水华影响区域与实际报道吻合,说明这一方法对于本研究水体行之有效.适用其他水体的情况尚未知,且具体的判据可能随水域而变化,进一步的研究与实例检验将是必要的.     

MODIS数据的云检测处理

结合MODIS数据的通道特性,分析了云在不同波谱范围的光谱特性,提出了一种基于多光谱综合阈值法的简便新方法.该云检测算法从可见光反射率、热红外亮温出发,逐步建立云检测模板,实现分离云和晴空,通过对不同下垫面类型数据进行云检测检验,结果表明,该算法对中低纬度地区云检测处理有显著效果,尤其能够检测出可见光波段难以识别的薄卷云.该法可使遥感数据特别是MODIS数据在云检测领域的应用提高一个层次,进而提出的云区数据修补方法,使数据反演应用的精度提高更为显著.     

基于神经网络的遥感影像超高分辨率目标识别

现有遥感图像的许多分类方法大都忽略了混合像元存在的事实,通过理解遥感影像像元点目标的空间分布特性,提出基于Hopfield神经网络的遥感图像超分辨率目标识别算法。在Hopfield神经网络模型下,利用模糊分类技术进行模糊分类,然后用分类结果约束Hopfield神经网络的方法获取超高分辨率的遥感图像,能够提高遥感图像的目标分辨率,使其目标特征信息更清晰。     

西北太平洋部分海域AVHRR、TMI与MODIS遥感海表层温度的初步验证

选取[10～35°N,110～165°E]的西北太平洋海域,利用2002年7月～2005年12月Argo浮标数据对AVHRR/MODIS/TMI SST的daily（升轨）数据进行验证.结果表明：AVHRR/MODIS/TMI daily SST与Argo浮标5～6 m层温度总体的均方差rms在0.6～0.9℃,平均偏差bias在-0.2～0.2℃,平均绝对偏差bias_abs在0.3～0.7℃.这与三传感器全球范围的SST反演目标相当,说明在本区域SST反演不存在显著偏差.各遥感SST与浮标温度的差异存在季节变化,夏季偏高,很可能与夏季垂直混合较弱,比对采用的实测水温与海表温度差距较大有关.在3种遥感SST中,TMISST偏离实测值的程度最高,且偏离范围较大.作者认为这与该区域黑潮经过,产生诸多涡旋和锋面,SST时空变化剧烈而TMI空间分辨率较低有关.本研究将为此西北太平洋海域的多源SST融合提供一个比较可靠的依据.     

基于整数小波变换的MODIS多光谱图像无损压缩

为了解决MODIS多光谱图像数据的存储和传输问题,提出了一种基于整数小波变换和结合波段相关性判定的谱间预测的算法,对MODIS多光谱图像数据进行无损压缩.通过整数小波变换和波段相关性判定,有效地去除了MODIS图像数据的空间和谱间冗余,其压缩效果优于当今最流行的WinRAR、WinZip压缩软件,与基于三维预测(3D-DPCM)的方法相比,该方法也能得到较好的效果,有较高的压缩比.     

宁夏回族自治区生态植被变化规律研究

植被状况的变化是反映区域性生态环境状况的重要指标之一,多年植被指数的变化则反映了植被生态环境随时间的变化规律。本文在前人研究成果的基础上,采用定量遥感技术,应用美国国家航空航天局最新的全球植被指数变化研究数据(GIMMS)及MODIS数据作为数据源,对宁夏地区1982-2004年间的植被指数变化幅度及变化趋势进行了研究对比。结果证明,1999年以前宁夏绝大部分地区植被指数呈现上升趋势;而从2000年开始,由于引用黄河水量的减少,部分地区的植被指数呈现下降趋势。     

基于MODIS数据的中原经济区气溶胶时空分布特征

基于2000-2013年MODIS气溶胶产品,统计分析了中原经济区气溶胶光学厚度(AOD)的年际及季节时空变化特点,有助于深入研究中原经济区颗粒物污染水平变化.结果显示中原经济区AOD高值区主要位于新乡、开封、郑州北部和焦作南部等地区,低值区主要位于河南西部和山西南部的山地地区.季节变化方面,AOD最高值通常出现在春季、夏季,秋季次之,冬季则为该地区AOD最小的季节.开封、新乡和郑州为中原城市群中卫星观测区域内AOD最高的三个城市.2011年之后整个中原经济区内AOD明显降低,但从长期来看,2000年之后,该地区AOD水平并未得到显著改善.     

2007～2016年广西地表温度时空分异规律及其影响因素

以GIS、RS技术为支撑,利用2007-2016年MOD11A2数据,对广西地表温度时空分异规律及其影响因素进行分析。结果表明：(1)广西年均LST值在23.19~23.87℃之间,多年LST均值为23.64℃,2008、2010、2014年较为突出,分别超出多年LST均值0.22℃、0.15℃、0.12℃;LST值月际呈现先上升后下降的趋势;各季节LST值,夏季最高,冬季最低。(2)空间上,LST值呈现出西南高于东北的格局。高温区分布在左江、右江河谷及北部湾沿岸区域,而低温区分布在东北部。(3)不同岩性LST值由小到大为非碳酸盐岩<白云岩石灰岩互层<连续性白云岩<连续性石灰岩<白云岩碎屑岩<石灰岩碎屑岩;各种岩性LST处于中温等级面积比例最高,白云岩碎屑岩的极高温面积比例最大,非碳酸盐岩和白云岩碎屑岩的极低温面积比例较大。(4)不同土地利用类型,建设用地的LST值最高,而水域的最低;水域、草地、林地、耕地的LST较稳定,而建设用地的LST变化剧烈。     

基于MODIS数据的2001—2018年黑龙江省林火时空分布

【目的】黑龙江省是中国重要的林业省份之一,也是受林火危害最严重的地区之一。通过遥感数据获取森林火点信息,充分了解近年来黑龙江省林火发生的时空分布格局,探索林火发生规律。【方法】根据黑龙江省2001—2018年MODIS(分辨率成像光谱仪)遥感图像的MCD64A1火烧迹地产品数据集,提取林火火点信息,结合历史火灾记录资料、归一化植被指数NDVI(normalized difference vegetation index)、森林类型、数字高程模型DEM(digital elevation model)等数据,运用地理信息系统空间分析方法和统计分析方法,对黑龙江省的林火时空分布规律进行研究。【结果】2001—2018年,黑龙江省林火次数和过火面积呈现波动性变化,但整体上林火次数呈现下降趋势,其中2002年火灾发生次数最多,2003年过火面积最大,2008年过火面积最小;春、秋两季是林火的多发时期,冬季基本不发生火灾。林火在空间分布上具有异质性,在13个地级行政区中黑河市的森林火灾过火面积最大,其次为大兴安岭地区和绥化市,大庆市发生森林火灾的过火面积最小;过火面积随着林地海拔的升高逐渐呈现减少的趋势。结合森林类型分布情况发现,在针叶林中发生火灾的概率较高,其次为混交林和阔叶林。【结论】采用MCD64A1火烧迹地产品能够较为准确地提取出火灾信息,结合植被类型和高程信息对黑龙江省林火发生的时空规律进行分析,可为区域林火扑救和预警监测提供重要的科学依据。