蒋耿明[1]2003年在《MODIS数据基础处理方法研究和软件实现》文中研究指明陆地表层和海洋生态系统的遥感信息获取是全球环境变化研究的关键组成部分，其定量化的研究越来越依赖于长期连续观测资料的积累与处理分析。专门针对全球变化研究的MODIS探测器的成功发射和运营揭开了定量遥感应用全新的一页，它必将引导全球变化的研究。MODIS探测器具有宽波段范围和高空间覆盖率，对陆地、海洋和大气进行整体观测，而且至少提供15年的全球数据。 为了满足国内对MODIS数据处理的迫切需要，我们对MODIS数据的一些处理算法进行了研究，提出了更加实用的数据基础处理方法，在此基础上开发和实现了MODIS数据处理软件。本文介绍了开发MODIS数据基础处理软件的基本算法和成果，主要包括： (1)用C++语言开发和实现了MODIS数据基础处理软件； (2)研究和发展了一个普适的、全新的、兼有前向映射和后向映射优点的MODIS 1B数据几何纠正算法； (3)研究和实现了MODIS条带噪声消除算法，包括傅立叶变换、小波变换和插值叁种算法，并对其进行了比较； (4)研究和实现了MODIS影像合成算法，并在此基础上完成了中国及周围地区16天MODIS彩色影像和植被指数的合成。
孙华生[2]2008年在《利用多时相MODIS数据提取中国水稻种植面积和长势信息》文中研究指明水稻是中国最重要的粮食作物之一。获取大范围的水稻种植空间分布、面积和产量信息对指导水稻生产、合理分配水资源，以及监测大气环境变化等具有重要的意义。由于农业生产具有覆盖面积大、季节性强、区域差异大、单位面积的经济效益低等特点，通过地面调查方法获取每年的农作物种植信息，不论在技术方面还是在经济可承受性方面都是一件非常困难的事情，而利用遥感技术则是解决这个问题的可行且有效的方法。与常规的统计方法相比，应用遥感方法获取作物种植信息具有它独特的优势。由于遥感具有覆盖面大、短时间内可重复观测，以及成本相对较低等特点，并与地理信息系统和全球定位系统相结合，不仅可以提取农作物种植面积，而且可实现空间分布的准确定位，全面地监测农作物的整个生长发育过程。研究利用EOS-MODIS数据空间覆盖面大和时间分辨率高的优势，选取覆盖中国范围的数据，实现对全国范围水稻种植和生长信息的提取。研究目标是解决水稻遥感估产中最关键的技术问题，为实施大面积水稻遥感估产提供理论与试验依据。研究的主要内容包括：中国水稻遥感信息获取区划、水稻关键生长发育期识别、水稻种植空间分布和面积信息提取，以及水稻生长发育状况分析等4个在大尺度水稻遥感估产中最关键的部分。具体内容如下：首先，研究对研究的选题、国内外的研究进展、拟采用的技术处理方法进行简单的介绍，主要阐述了研究的背景、意义和选题依据。研究对国内外在遥感估产方面已经开展过的课题项目，以及过去研究中采用的技术处理方法进行简要概括，总结了前人在相关研究中已经取得的研究成果和仍然存在的需要进一步解决的问题，为研究目标的实现和可能取得的创新提供帮助。然后，研究对各个具体部分分别采取的技术处理方法和技术路线，以及所需要的数据进行说明，并对研究目标实现的具体步骤进行了总体设计，为研究的开展提供了指导。研究详细地介绍了各个部分的具体内容、采用的具体处理方法和得出的主要结论。其中，在中国水稻遥感信息获取区划的研究中，研究以全国水稻种植区为对象，通过分析并选取对遥感技术信息获取有重要影响的因素，主要包括耕作制度、地形因素、种植结构和大气噪声等，采用恰当的区划指标，利用定性和定量相结合的分析方法进行区划。根据耕作制度的差异把全国分为4个水稻遥感信息获取区，再根据地形、种植结构和大气噪声等因素对遥感信息获取的影响分成19个亚区。区划结果对水稻遥感信息获取时选择合适的遥感获取方式、恰当的空间分辨率与时相的遥感图像，以及对遥感信息提取结果准确度的验证等提供参考。在水稻关键生长发育期识别的研究中，研究以2005年的多时相MODIS数据为例，提取全国范围内的水稻关键生长发育期。首先，利用傅立叶低通滤波和小波低通滤波平滑处理后的时间序列EVI(Enhanced Vegetation Index)，然后根据水稻在移栽期、分蘖初期、抽穗期和成熟期的EVI变化特征，分别对各个生长发育期进行识别。通过将利用MODIS数据识别的结果与当年气象台站的地面观测数据进行比较，各个生长发育期的提取结果的误差绝大部分在±16天以内，经过F检验表明利用MODIS提取的结果与地面观测数据在0.05水平下具有显着的一致性。研究中的提取方法可以被用于其他年份的水稻生长发育期识别，而且根据其他作物的生长发育特点，也可能被用于识别其他作物的生长发育期。在水稻种植空间分布和面积信息提取的研究中，探讨了提取中国水稻种植空间分布及其种植面积信息的方法。研究利用覆盖面积大、高时间分辨率、低成本的MODIS数据，实现了对整个中国范围的全面覆盖。研究识别稻田的依据是根据在灌水移栽期有水的特征来提取水稻。通过分析对陆地比较敏感的MODIS前7个波段反射率的特点，确定对植被和土壤湿度敏感波段，用来构建植被指数和土壤水敏感指数以扩大感兴趣地物与其背景的差异。在选取的典型试验样区内，根据稻田在灌水移栽期所表现出的特有的光谱特征，得出判断水稻的判别条件。根据识别水稻的判别条件，并按照单季稻、早稻和晚稻生长期的差异得出2000-2007年全国单季稻、早稻和晚稻的空间分布状况和面积统计数据，然后对利用MODIS数据识别的结果与各年的农业统计数据进行比较，分析利用MODIS数据提取水稻的面积精度。为了验证识别结果在空间位置上准确性，研究选取了4个具有代表性的试验样区，对利用MODIS数据提取的结果与利用中等空间分辨率的遥感图像的分类结果进行迭加分析，检验其在空间位置上的匹配性。结果表明：研究中利用MODIS数据提取水稻的算法是有效的；提取结果的精度取决于水稻与其他地物的混合程度，混合像元中水稻的纯度越高，那么提取结果的精度就越高；云覆盖对最终的分类结果的精度也会产生很大的影响，在多云的地区，云覆盖成为光学传感器应用的一个重要的限制因素。在水稻生长发育状况分析研究中，探讨了对水稻长势进行定量化分析的方法。研究突破了过去的研究仅得出的与往年同时期或者同一时期不同地区相比较的好、持平、差等定性分析结论。研究以2005年数据为例，通过在典型试验区建立水稻植被指数与其生物物理参数的关系模型，反演出水稻在不同时期的LAI和FPAR。试验结果表明EVI反演水稻生物物理参数的效果比NDVI更好。因此，研究最终选择EVI作为反演水稻生物物理参数的依据。根据对水稻生长发育期的识别结果，从而得出全国单季稻、早稻和晚稻的生长季的开始和结束日期，并在像素水平上识别水稻的生长季，通过时间序列EVI反演各个时期的LAI和FPAR，再进一步通过光能利用效率模型(LUE模型)得到各个时期的NPP，最后得出单季稻、早稻和晚稻在整个生长季内的生物量，实现对长势的定量化分析，并为进一步的单产分析提供参考依据。最后，研究总结了以上各个部分得出的主要结论和取得的创新，并展望了在将来的工作中仍需要进一步解决的问题。
罗军刚[3]2009年在《水利业务信息化及综合集成应用模式研究》文中指出现代水利需要信息技术。水信息应用问题突显,但有其特点。要共享资源、整合应用,就要水信息综合集成：大手笔的服务平台、组件化的信息处理、创新的应用模式。深入理解需求,用知识图关联信息、组织应用过程、描述事件和主题,把数据、信息、知识可视化,用图来存贮经验、用事例推理来延长应用；把业务处理方法和模型组件化、规范化；按主题提供信息服务、按需要提供计算服务、按个性化提供决策服务；从高性能计算和可视化表现,创建平行系统,开展计算实验；把卫星遥感图片及实景拍摄照片组合应用,由多元信息及全局影像的发展变化,挖掘信息价值；以人为主,实现“人机结合”,在综合集成服务平台下提供信息、知识、决策服务。由平台、组件、主题、知识图、可视化工具组成新模式：由平台支持应用；由组件、主题、知识图快速组织应用；由丰富的多元信息可视化直观表现应用。在个性化定制应用和相关行业标准制订中,发挥行业导向作用,逐步推广新的应用模式。论文取得的主要成果如下：(1)采用知识图实现知识的可视化表达,并把知识图着作工具产品化。①以基于过程的知识获取、表达为手段,建立水信息与知识的知识图,把应用业务知识图化。采用知识图来关联信息、组织应用过程中的信息、描述事件和应用主题。②研究知识图方法支持下的人—机结合机理。从信息感知、融合的角度,运用实证和经验总结的方法,研究水信息应用过程中专家运用知识及知识图的过程,实现知识共享与传递的机制、规律,并研究提高知识传递效率的途径。③研究知识图方法支持的群体智慧形成机理。运用实证的方法,研究基于知识图的个体智慧转变为群体智慧的机制、规律,并支持群体创意,引导专家群体进行深入的分析与论证。通过群体专家之间进行知识传递,形成“群体记忆”,促进群体智慧的产生。(2)与水信息应用中具体业务适应,按照组件开发标准,开发表现层和业务层组件。扩大传统模型对信息的依赖,发展新模型,并逐步组件化。不断丰富,建成应用组件库。利用组件库(已有了一定基础),解决应用系统构造、知识资源共享问题,规范组件应用的流程及服务组合,为快速集成和组建不同应用,创建人机结合综合集成平台打基础,并结合平台促进新模式的推广,逐步构建一个支持专家群体研讨的“知识场”。(3)采用中间件、网格、综合集成研讨厅等技术构建综合服务平台体系。采用平台提供数据、信息、知识的综合集成；用平台提供叁个服务：按照主题提供信息服务、按照需要提供计算服务、按照个性化组织应用提供决策服务；用平台建立具有开放的可以增长的知识体系,使系统具有方便服务、切近实用、长久生命力；在平台上用知识图来存贮经验、用事例推理来延长应用；通过决策知识集成与评价,发掘优秀决策知识,总结、提炼规律,从定性到定量,更好地提供服务。(4)对具体应用主题,采用平台支持的模式,开展个性化的应用。以基于平台的洪水预报、水库调度和应急管理为实例,把主题用一系列的知识图来表达,知识图、平台、用有机结合,在应用过程中,检验信息、知识、决策服务的有效性和实用性。(5)随着业务应用组件库(解决问题的过程或方法组件化)、主题服务标准库(由事件驱动,形成应用主题)、应用知识图库(解决问题的过程或方法、信息融合、知识形成等的图形化)的不断丰富,数据中心就成为了面向服务的主题服务中心,由此提出实用的数据中心建设方案。就目前多分布式数据源,分布存放、相对抽象,在应用中单独提供数据、没有语义,很难理解。只有给数据加以语义,变为信息才能提高应用效率、才有价值。所以,设计可行、可操作的数据中心,就有着重大的实用意义。(6)探讨从主题到知识图形成信息集成,由平台、组件、主题、知识图、可视化工具组成新的应用模式。由平台可以支持应用；由组件、主题、知识图可以快速组织应用；由丰富的多元信息可视化可以表现出更直观应用。把多元信息融合、用知识表达决策过程、用平台提供服务、方便组织应用作为近期应用模式,并逐步加以推广(7)基于平台的MODIS遥感信息分析、处理、应用。在遥感技术的支持下,提高多元信息的利用率,以信息融合和MODIS遥感信息的应用为重点,由多元信息及全局影像的发展变化,挖掘信息价值,通过对MODIS信息的集成,可将点信息、线信息和面信息结合起来,实现叁位一体的洪水预报。(8)结合网格技术、可视化技术,创建水信息应用的人工平行系统。在高性能计算和可视化表现下,从主动、被动两方面,提供计算服务,并开展计算实验。以洪水预报为例进行分析和论证。(9)构建面向服务的水利业务应用服务中心。通过组件实现数据与业务集成,通过知识图和服务组合实现应用集成,通过平台实现综合集成,通过水利应用中心实现水利业务应用集成服务体系。
王红说[4]2008年在《基于MODIS NDVI时间序列数据的耕地信息提取研究》文中提出本研究主要探讨了基于MODIS NDVI时间序列数据获取耕地的面积、作物季相和植被覆盖变化强度的信息。根据作物种植面积、耕地比和地形数据利用动态聚类法对浙江省的耕作季相进行分区,以保证每个区作物耕作季相尽量一致,为神经网络训练样本的选取提供依据。最终选择浙北平原单季稻区作为研究区,同时获得研究区的NDVI时间序列数据。介绍了MODIS数据的各种预处理流程和产品数据的获得过程,探讨了造成MODIS影像噪声和变形的主要原因及其校正算法,植被指数的合成算法。对TM数据进行辐射定标、几何校正并执行最大似然法分类以获得耕地区的验证数据。利用BP神经网络和RBF神经网络对耕地面积进行提取,探讨了BP神经网络训练函数的的选取和RBF神经网络Spread值的确定对神经网络性能的影响。对最终的提取结果进行了网格分析。研究表明二值输出的RBF神经网络的耕地提取效果要优于BP神经网络;而多值输出的BP神经网络的耕地提取效果要优于RBF神经网络。MODIS提取耕地面积与TM提取耕地面积的最高回归系数为0.92。对NDVI时间序列数据进行离散傅立叶变换,在此基础上根据时间序列上最大值点来提取作物的季相一致性信息。研究表明耕地区的水稻季相存在良好的一致性,而小麦和油菜所对应的时间序列上最大值点的季相一致性没有水稻好。主要是由于油菜花期的存在和研究区小麦油菜生长周期的不一致造成的。在离散傅立叶变换的基础上进行了耕地区的植被覆盖变化强度分析,表明人类活动和人为的种植季相变化等对耕地区的植被覆盖变化强度造成明显的影响。
刘志辉[5]2009年在《基于“3S”技术的新疆融雪洪水预测预警及决策支持研究》文中研究说明我国(尤其是新疆)是一个积雪广布、雪灾和春洪多发的国家(地区)。在全球气候变化的大背景下,新疆洪水灾害尤其是冰、雪融水洪水频次存在增大的趋势,而且洪灾损失巨大。可以讲,任何灾害的预防都应该建立在预警基础上。只有弄清融雪机制、水量及过程,准确的监测、预测和预警,制定科学有效的防范措施,才能避免灾害或将灾害损失降低到最低限度。而且,遥感(RS)、地理信息系统(GIS)以及全球定位系统(GPS)即“3S”技术和计算机技术以及大气数值预报模式,为积雪信息的大面积动态监测、分布式融雪径流模型和融雪洪水预警预报决策支持系统的建立提供了有力的基础和保障。因此,对积雪和融雪信息实时提取、模型分析和计算,及时、准确地向政府部门提供融雪洪水预警预报,对于防灾减灾具有重要意义,同时也可以产生巨大的社会、经济和生态效益。本研究结合新疆春季融雪及洪水过程的特点,基于“3S”技术以及较高分辨率DEM的流域下垫面和积雪信息提取研究,利用大气模式WRF V2.2,采用国家气象局T213L13预报场数据,对典型研究区(天山北坡军塘湖流域)2008年融雪期进行24h短期气象场预报,以及借助于GPS进行同步野外现场的气象、水文和积雪观测获得了第一手数据,为融雪径流模型的分布式输入奠定了基础。利用WRF预报出的气象场和积雪、融雪数据驱动分布式新疆融雪径流模型,对融雪洪水过程进行短期预报。并利用新疆融雪洪水预警模式计算评价洪水的灾害级别和预警级别。通过新疆融雪洪水预警决策支持系统(DSS)为决策者提供融雪洪水预警,辅助决策者生成决策方案,为正确的防洪减灾决策提供有利的技术和信息支持。本研究基于“3S”技术着重对新疆融雪洪水预测预警以及决策支持进行研究,提出了相应的思路和方法,研究的内容和结论如下:(1)基于GIS和计算机技术,在融雪洪水预警DSS中开发研制了GIS数据的空间分析模块包括流域信息提取子模块,使得分布式流域信息提取,如DEM、坡度、坡向、流向、水系等数字地图,不必依赖于其它GIS软件即可完成,而且,时间和空间分辨率可根据需要灵活调整,在新疆典型研究区的应用中精度和效果比较理想。(2)基于易于获取的高时间分辨率的MODIS遥感影像和GIS技术对研究区积雪和融雪信息进行了定量提取,并借助于GPS进行了同步野外现场观测,予以分析和检验。结果表明,经“雪盖系数(SF)”提取的雪盖信息较经“归一化雪盖指数(NDSI)”提取的雪盖信息精度要高,SF提取雪盖面积的平均精度为相对误差8%以内。在积雪雪深进行分级的基础上建立了雪深与MODIS的CH1和CH3的双线性回归方程,即新疆稳定积雪期积雪深度的反演模型,经检验,平均绝对误差为1.47cm,相对误差的平均值为10.96%。但在融雪期中该模型不适宜使用。(3)应用覃志豪等人的劈窗算法,由MODIS数据的解译和计算得到了典型研究区融雪期内的地表温度(LST)结果,经过检验,误差在0.5～3.0℃之间,经过局部修正基本可以满足模型输入的需求。(4)利用大气模式WRF V2.2,采用国家气象局T213L31预报场作为初始场及侧边界条件,选择适合的物理方案,实现了研究区2008年融雪期的24h数值天气预报。预报的空间分辨率为1km,时间步长为1h。预报的结果与实测基本相符,满足精度要求。(5)在“3S”技术支持下,自主设计和建立了基于能量平衡和水量平衡的分布式融雪径流模型。设计思路上以RS(ETM、MODIS)和现场观测数据为主要数据来源,考虑模型参数的时空分布差异,对其进行空间分布式处理。模型应用时,在新疆典型研究区WRF预报出的气象场数据(气温、相对湿度、风速、辐射)和现场积雪、融雪观测数据的基础上,驱动分布式融雪径流模型,做出融雪洪水过程的短期预报。应用和验证结果表明,预报的径流过程与实际观测值基本吻合,可为今后水文预报及无资料或少资料区水资源管理以及气候变化研究提供重要参考。(6)结合新疆当地实际建立了适用于新疆融雪洪水的预警模式和预警标准。在融雪洪水预警指标研究中,既考虑融雪洪水发生的大小量级和时空分布,还结合洪水可能发生的地区的经济社会状况,选择能够反映融雪洪水灾害的主要因子,即致灾因子、承灾因子和防洪设施贡献因子。并使用经过量化处理后的预警指数来综合反映区域融雪洪水的风险大小,以此作为划分春季融雪洪水预警等级的依据。可根据预测的洪峰和洪量,按照灾害的严重性和紧急程度,提前进行融雪洪灾预警。(7)针对新疆融雪洪水的特点和预警决策需求,提出了融雪洪水预警DSS的结构,并且在B/S和J2EE的结构下提出了该DSS的总体框架和软件实现方法,包括DSS的总体框架设计、基于B/S和J2EE结构的DSS的软件开发环境以及程序设计方法的选择等。应用实例表明,该DSS为模型参数的自动获取、模型之间的数据交换、模型结果的可视化表达等提供了有效的工具。实现了J2EE技术在融雪洪水预警DSS中的应用,设计效果良好。本文最后,作者对本文的研究进行了总结,并提出进一步研究的一些关键问题及其研究的发展方向。
吴峰云[6]2017年在《基于GF-1和MODIS数据融合的鄱阳湖区域水稻空间分布提取》文中研究表明粮食是人类得以繁衍生息的最基础生活资料,中国作为拥有14亿人口的超级农业大国,对粮食尤其是水稻的需求压力也在日益增加。快速、及时、准确的获取水稻的空间分布信息,对社会经济、粮食安全、生态功能以及政策制定等都有重要影响。使用遥感技术可以对水稻的种植面积进行大尺度的估算,但是现有的遥感数据不能同时满足高时间分辨率和高空间分辨率的需求,这对监测具有极大的限制,时空数据融合方法可以生成高时空分辨率的数据,为我国南方地貌破碎区域的水稻种植的空间分布信息提取提供了新的思路和方法。本文以江西省鄱阳湖区为研究对象,根据2014年的MOD09Q1和GF-1/WFV数据结合STARFM模型构建高时空分辨率遥感数据集,并利用此数据基于决策树分类方法实现了南方较大尺度的水稻空间分布信息的遥感提取,主要研究结果如下:(1)基于STARFM模型所融合构建的高时空反射率数据与真实影像的相关性系数总体可以达到0.6以上,二者在空间分布上具有总体一致性,融合影像可以体现GF-1/WFV影像的空间细节特征和MODIS影像的时间变化特征。(2)基于S-G滤波函数可以对受到云、霾影响的NDVI时间序列影像而产生的一些噪声进行有效的平滑去噪处理,使得处理过后的影像能够更好的反映地物的季节性变化规律。(3)利用融合的高时空分辨率时序NDVI影像基于决策树分类方法所获得的研究区的水稻分类精度达到了83%以上,分类精度高,同时,结合物候信息数据,可以提高水稻的分类精度,融合数据可以在一定程度上解决水稻空间分布信息提取过程中,高空间分辨率数据时间分辨率不足的问题。(4)利用融合的高时空分辨率时序NDVI影像可以有效的对结构破碎的地物进行分类,并具有较高识别精度,识别效果优于单景的GF-1/WFV和时序MODIS NDVI影像。
郭伟[7]2015年在《夜间灯光数椐和MODIS数据用于大尺度不透水面制图研究》文中认为不透水面被定义为水不能透过的人工制造的地表面。它们主要是基于满足人类活动和居住而建设的相关的交通基础设施与建筑。不透水面是定量评价城市发展、城市生态学以及城市环境等前沿领域研究的重要要素,广泛地应用于城市土地利用分类、居住人口的评估、城市土地利用规划以及城市环境评估,特别是水环境面源污染以及径流影响方面。但是大尺度的不透水面作为区域和全球城市化问题的重要驱动因子,在区域和全球大尺度范围内进行制图仍然是一项挑战。低分辨率遥感数据可以快速、大范围的获取地面数据,是大尺度不透水面制图的有效手段。其数据源主要有MODIS (1000m,500m)、AVHRR、DMSP-OLS、VIIRS-DNB等。但是低分辨率的遥感影像如MODIS, AVHRR等存在的混合像元问题,仍旧是制约大尺度快速精确制图的主要因素。主要研究区域集中于城市的灯光数据如DMSP-OLS,VIIRS-DNB则具有很好的大尺度不透水面精确制图潜力,但是灯光数据本身也存在诸如数据饱和、空间分辨率过低等问题,使得大尺度的精确地不透水面制图受到影响。美国国防气象卫星计划的线扫描应用系统(DMSP-OLS)作为一种低分辨率遥感数据,包含了许多与城市相关的信息,同样也与城市不透水面信息密切相关,该数据是大尺度不透水面制图的有力工具。研究中提出了一种新的融合变量——归一化不透水面指数(NISI),该指数通过结合低分辨率的DMSP-OLS与比其分辨率高的MODIS NDVI,克服了传统的阈值法容易遗漏较小不透水面以及不能表现空间细节的缺点。研究表明基于DMSP-OLS口MODIS NDVI的融合变量NISI表现出了比单一的DMSP-OLS或者MODIS NDVI更高的制图精度,该合成变量用于大尺度不透水面制图是极具潜力的。通过线性回归方法用于融合变量的不透水面制图结果大大改善了不透水面分布的空间信息和制图精度。文章提出的NISI融合变量具备快速的更为精确的估算大尺度不透水面的能力,该方法节约了时间和人力成本。DMSP-OLS常常被用来进行区域或者全球尺度的不透水面制图,但是其较低的空间分辨率、数据饱和以及数据溢出等造成了不透水制图精度较低。美国国家极地轨道伙伴计划(SNPP)的可见光红外成像辐射仪具有白天／夜间模式的波段(VIIRS-DNB),具有比DMSP-OLS更高的空间分辨率和量化动态范围,为不透水面空间分布制图提供了新的视角,但是还没有真正应用到相关的大尺度不透水面制图研究中。在本文研究中,创建了一个基于VIIRS-DNB和MODIS NDVI的新变量—大尺度不透水面指数(LISI),用于不透水面分布制图。研究中采用线性回归方法,从LISI图像中选出的样点作为自变量,从相应的高分辨率Landsat影像中提取的不透水面作为因变量。结果显示基于LISI的不透水面制图比基于单变量的VIIRS-DNB或MODIS NDVI有更高的精度和空间分布信息,总体的RMSE达到了0.11。因此,LISI是进行大尺度不透水面分布制图的可靠变量。不透水面对城市化以及带来的环境问题的研究非常重要,DMSP-OLS, MODISNDVI和新的灯光数据VIIRS-DNB为大尺度不透水面研究提供新的方法,但是上述单变量的低分辨率数据用于大尺度不透水面制图精度仍然较低,缺乏通用性。研究中通过分析低分辨DMSP-OLS数据,中等分辨率的MODIS NDVI (250m)以及新的灯光数据VIIRS-DNB,对比了叁种数据用于大尺度不透水面制图的效果并做了不确定性分析。除此之外,通过将上述两种灯光数据与植被数据的两两结合产生了新的融合变量,并将这些新的融合变量应用于不同的地区,结果显示融合变量比单变量的不透水面制图精度更高,空间细节表现更好,适用性也更强。尤其是本文提出的通过VIIRS-DNB和MODIS NDVI结合生成的新变量LISI,虽然比最近提出的融合变量——植被校正归一化城市指数(VANUI)精度稍差,但是该指数能更好的区分城市核心区与郊区地带。机器学习语言作为一种非参数的算法既可以用来做分类研究也可以做回归分析,基于机器学习语言的分类方法已经应用到低分辨的DMSP-OLS数据和植被数据的不透水面制图研究中,并且也得到了较好的结果,但是机器学习语言的回归方法目前还很少应用于DMSP-OLS数据和低分辨率遥感影像及融合变量影像,尤其是利用上述数据的大尺度不透水面分布制图研究则更少涉及,目前基于上述低分辨率数据的不透水面制图研究还仅限于线性回归和多元回归方法。与此同时,很多其它基于遥感图像的研究表明非参数的机器学习语言往往比线性回归和多元回归的效果更好,精度更高。因此,本研究将采用BP-ANN回归和SVM回归方法结合本文提出的合成变量NISI用于大尺度不透水面制图。除此之外,还将机器学习语言方法用于单变量DMSP-OLS和MODIS NDVI与基于合成变量NISI的不透水面制图结果作对比。
刘朋涛[8]2006年在《应用不同空间分辨率遥感图像对退化草地诊断的研究》文中研究说明近年来，我国北方草地退化问题愈演愈烈，已经成为制约牧区社会经济发展的限制性因素。因此，对于不同退化等级草地的诊断就显得尤为重要。本文以内蒙古白音锡勒牧场典型草原区为对象，应用不同空间分辨率的遥感图像，开展了退化草地诊断的研究。依据SPOT和TM较高的空间分辨率和MODIS时间分辨率高的特点，在遥感图像处理软件、GIS软件等工具的支持下，结合地面调查资料，分别从草地地上生物量变化、草地植被类型变化以及综合考虑生物量与植被类型的变化叁个方面，在不同尺度上对研究区退化草地进行了诊断研究，并得出以下结论： 1，通过TWINSPAN和DCA分析，结合样方资料，将研究区典型草原植被划分为：羊草+克氏针茅+糙隐子草草原、大针茅+羊草+糙隐子草草原、大针茅+糙隐子草+羊草草原、克氏针茅+羊草+糙隐子草草原、克氏针茅+糙隐子草+冷蒿草原、糙隐子草+冷蒿+克氏针茅草原、冷蒿+糙隐子草草原、小叶锦鸡儿-大针茅+糙隐子草草原、小叶锦鸡儿-克氏针茅+糙隐子草草原和小叶锦鸡儿-糙隐子草+冷蒿草原。 2，结合前人的研究成果，提出了草地退化诊断的叁种准则。完成了基于上述不同准则的退化草地的分类，制作了相应的草地退化等级图。统计表明，研究区轻度、中度、重度退化草地面积分别占该区典型草原面积的25.17％、37.42％和37.41％。 3，利用动态的MODIS多光谱数据对退化草地进行诊断的结果表明，基于类型结合生产力的判定准则能够较好地反映草地退化状况，总精度达到67.42％，可以适用于MODIS草地退化监测实践。 4，根据生产实际的需要，还利用了动态的MODIS植被指数数据诊断草地
罗朝沁[9]2016年在《MODIS影像森林类型快速提取关键技术研究》文中研究表明全球气候变化、温室效应等重大问题的出现,迫切需要快速、连续地掌握森林资源现状和变化信息。我国森林资源监测体系虽已经建成,但仍存在监测周期长、精度低等问题。随着遥感和计算机网络等现代信息技术的快速发展,这些问题可以得到有效解决。论文以中国为研究区,采用2009年MODIS产品数据的NDVI、EVI、LAI、GPP,在数据预处理基础上,将森林类型分为针叶林、阔叶林、混交林、竹林、灌木林5大类,采用决策树、kNN以及混合像元分解等技术,开展森林类型信息提取研究。主要结论如下：(1)提出一套基于MODIS数据的批量预处理技术。利用ENVI/IDL程序开发语言实现全国范围内MODIS数据批量投影转换、批量数据镶嵌、批量黑带去除、批量影像裁剪等技术,数据处理效果优于传统遥感影像处理方式,大幅度提高了MODIS数据预处理的效率。(2)建立了森林类型识别的决策树模型,实现了全国森林类型信息提取。结果表明全国平均总体分类精度达到82.29%、Kappa系数为0.7623,本满足了大尺度森林信息提取的精度要求。(3)利用kNN算法进行全国各省森林类型信息提取,并比较了不同k值大小对森林类型提取精度的影响。随着k值的增加,其分类精度也逐步增加,在k=7时取得了最优森林类型信息提取精度,随后随着k值的增加其分类精度呈下降趋势。其全国平均总体精度为83.20%、Kappa系数为0.7929。比决策树分类的精度要高。(4)针对低分辨率的MODIS产品数据容易产生大量混合像元的问题,开展基于MODIS混合像元分解技术的全国森林类型识别研究。其结果表明：利用混合像元分解技术进一步提高了森林分类的精度,总体分类精度达到84.26%,Kappa系数达到0.8022。其分类精度较决策树和kNN算法好。论文针对目前林业遥感难以快速实现大范围森林资源监测的难题,提出规范的MODIS低分辨率时序数据预处理流程和可行的技术实施方案,保证了全国森林类型信息提取的精确性和可信度；同时,绘制的全国森林类型分布图能够为全国森林类型资源管理提供参考和依据。创新点主要体现在两个方面：(1)提出一套MODIS数据批量预处理技术。(2)提出一种基于MODIS影像的混合像元分解技术的区域森林类型提取方法。
莫伟华[10]2006年在《基于EOS/MODIS卫星数据的洪涝灾害遥感监测应用技术研究》文中提出卫星遥感监测是快速获取洪涝灾害时空分布信息的有效手段之一。美国新一代地球观测系统(EOS)系列卫星上携带的MODIS传感器获取的数据以其时间—空间—光谱叁方面的分辨率较高、覆盖范围广且可以免费获取的显着特点引起国内外遥感界专家、学者的普遍关注,本项研究的目的就是研究基于EOS/MODIS资料的洪涝灾害遥感监测方法及建立相应的处理系统,为洪涝灾害的卫星遥感监测提供有效方法和工具。 研究首先从现代遥感物理学理论入手,重点分析了水体在MODIS的1～7波段的光谱和影像特征,如反射和吸收的强度、纹理特征、色差、边界清晰度以及与非水体信息(如植被、土壤和云)混淆特征等,对各种水体识别模型进行了效果比较,进而构建了新的基于植被指数与迸红外通道的混合水体指数模型(CIWI),有效地解决了水体识别中城市混淆信息分离的问题,并于2005年对广西两个水库进行了动态监测。试验结果表明:CIWI水体指数模型达到了理想效果,可用于洪涝的遥感监测。通过感兴趣区域的屏蔽作用和相关处理,有效解决了洪涝监测中云和云影的识别问题。研制了“洪涝遥感动态监测系统”,并应用这一系统对2004年7月和2005年6月发生在广西部分区域的洪涝灾害进行了遥感实时监测,取得满意效果。 主要创新点在于将高光谱分析方法应用到了基于MODIS资料的洪涝监测研究中,提出了新的水体指数模型CIWI,研制了洪涝灾害监测的卫星遥感业务系统,实现了基于EOS/MODIS资料的洪涝遥感动态监测。
参考文献：
[1]. MODIS数据基础处理方法研究和软件实现[D]. 蒋耿明. 中国科学院研究生院（遥感应用研究所）. 2003
[2]. 利用多时相MODIS数据提取中国水稻种植面积和长势信息[D]. 孙华生. 浙江大学. 2008
[3]. 水利业务信息化及综合集成应用模式研究[D]. 罗军刚. 西安理工大学. 2009
[4]. 基于MODIS NDVI时间序列数据的耕地信息提取研究[D]. 王红说. 浙江大学. 2008
[5]. 基于“3S”技术的新疆融雪洪水预测预警及决策支持研究[D]. 刘志辉. 中国矿业大学. 2009
[6]. 基于GF-1和MODIS数据融合的鄱阳湖区域水稻空间分布提取[D]. 吴峰云. 华中农业大学. 2017
[7]. 夜间灯光数椐和MODIS数据用于大尺度不透水面制图研究[D]. 郭伟. 武汉大学. 2015
[8]. 应用不同空间分辨率遥感图像对退化草地诊断的研究[D]. 刘朋涛. 内蒙古大学. 2006
[9]. MODIS影像森林类型快速提取关键技术研究[D]. 罗朝沁. 中南林业科技大学. 2016
[10]. 基于EOS/MODIS卫星数据的洪涝灾害遥感监测应用技术研究[D]. 莫伟华. 南京信息工程大学. 2006
标签：工业通用技术及设备论文; 自动化技术论文; modis论文; 遥感论文; ndvi论文; 空间分辨率论文; 空间分析论文; 空间数据论文;