共查询到18条相似文献，搜索用时 109 毫秒
1.
为反演太湖蓝藻浓度分布,可以根据MODIS卫星资料绘制1、2、6三通道合成图,但该方法只能定性分析太湖蓝藻的分布区域和分布范围,难以定量分析各蓝藻分布区的蓝藻浓度。为了克服这一局限性,本文主要采用MODIS卫星资料中第2、第1波段的反射率比值和第6波段反射率值,运用二维光谱空间函数分割方法,反演出太湖区域蓝藻浓度的分布情况,定量确定各蓝藻分布区域的蓝藻浓度大小。在此基础上再加上实测数据资料的支持,就可建立蓝藻预警系统,对蓝藻的爆发与防治起到未雨绸缪的作用。 相似文献
2.
对大面积水体进行水质遥感监测是比较典型的水体环境监测手段。该文利用地物光谱仪测定了巢湖水面的光谱反射率, 收集了相应时间的MODIS数据, 经过预处理之后, 首先分析了巢湖水面光谱特征, 并对实测水体反射率与实测叶绿素a之间的关系进行统计拟合计算。在经过MODIS大气校正后, 得到1~7通道的地表反射率。利用大气校正后的EOS/MODIS数据, 选择最佳通道组合, 定义了叶绿素a指数IChla, 建立了MODIS巢湖叶绿素a浓度的反演模型, 检验得到相关系数为0.5079。 相似文献
3.
采用太湖地区水面光谱数据以及MODIS遥感影像数据,利用辐射传输模式6S,选择自定义气溶胶类型,反演得到太湖地区气溶胶光学厚度(aerosol optical depth,AOD)分布,将其与太阳光度计CE318实测气溶胶光学厚度分别应用于太湖区域的大气校正中,得到不同的水面反射率,并参考实测水面反射率进行对比分析。结果表明:反演的太湖地区气溶胶光学厚度分布较为合理,造成此分布的原因可能是太湖北岸工业较发达,污染较严重。太湖颗粒物的吸收特性和卫星接收到的表观反射率导致反演数据的差异,是反演气溶胶光学厚度分布不均匀的主要原因。使用MODIS数据反演得到的太湖地区AOD进行大气校正,更加精确。该研究方法和结果可为气溶胶光学厚度反演、精确卫星数据大气校正提供参考。 相似文献
4.
以2009年8月中旬东湖支湖局部暴发蓝藻为案例,对蓝藻暴发前后三个时期的HJ-1卫星多光谱遥感影像数据进行对比分析,利用比值植被指数(RVI)、归一化植被指数(NDVI)以及增强型植被指数(EVI)三种植被指数对蓝藻信息进行判别提取,通过已验证的样本点率定判别方法阈值,并对三种植被指数精度及判别结果进行比较分析。结果表明,利用HJ-1遥感数据可快速鉴别蓝藻范围及其程度,大气校正突出了蓝藻水体和其他地物光谱差异,EVI方法精度较高,可剔去水质中泥沙等悬浮物的干扰,可作为城市湖泊蓝藻变化检测经验模型。 相似文献
5.
《气象科学进展》2016,(1)
近红外波段CO_2浓度反演误差主要与气溶胶散射作用引起的吸收光程改变量难以精确估计有关。此外,不同的气溶胶模式及下垫面反射率条件下吸收光程改变量也不尽相同。针对不同气溶胶模式条件下,忽略气溶胶散射对CO_2浓度反演精度的影响进行分析。研究发现,对乡村型、对流层型和海洋型气溶胶来说,忽略气溶胶散射效应,在暗地表时(反射率0.1)会导致CO_2浓度反演结果低估;当地表反射率超过0.1后,CO_2浓度反演结果均为高估,且随地表反射率的增加,反演误差增加。对城市型气溶胶模式来说,忽略气溶胶影响均会导致CO_2浓度反演结果低估,随地表反射率增加,反演误差递减。在典型观测几何下,地表反射率(1.6μm)和气溶胶光学厚度(0.55μm)在0.1~0.3范围内时,忽略气溶胶影响,城市型、海洋型、乡村型以及对流层气溶胶分别会引入-0.1%~-0.5%、0.22%~1.92%、0.09%~1.46%及0.02%~0.45%的反演误差。在利用GOSAT观测光谱对XCO_2(干燥空气下CO_2平均混合比)进行反演时发现,相比GOSAT发布结果(389.814ppm,1ppm=10~(-6)),基于地基实测气溶胶特性数据的XCO_2反演结果(390.95ppm)与地基观测结果(390.737ppm)有更好的一致性。 相似文献
6.
基于FLAASH模型的FY-3A/MERSI数据大气校正研究 总被引：1，自引：0，他引：1
在星载传感器成像获取地表信息过程中,常常会受大气影响而引起影像失真,导致地表真实信息不能被准确表达,对遥感影像进行大气校正可消弱这种影响.本文以粮食主产区 河南省为研究区域,采用FLAASH模型对晴空天气下FY-3A/MERSI数据(分辨率为1 km)进行大气校正.结果表明,大气校正后:(1)短波红外反射率总体变化不大(+4.1％),第6波段反射率以减小为主(-1.5％),第7波段反射率为增加(+9.6％);(2)在可见光各波段,反射率普遍降低,各波段变化均值为-82.7％.其中,红光反射率变化最小(第13、14波段分别变化了-23％和-19％,平均为-21％),绿光反射率变化稍大(第11、12波段分别变化了-75％和-50％,平均为-63％),蓝光反射率变化最大(第8～10波段分别变化了-196％、-122％和-94％,平均为-137％).而且大气校正后,可见光波段的反射率变幅普遍增大,不同地物在可见光波段的对比度也增加.(3)近红外各波段反射率平均增加了46.2％.除第19波段反射率减小(-54％)外,其余各波段反射率均有不同程度的增加.第15～18和第20波段反射率分别增加了28％、4％、41％、252％和6％. (4) NDVI指数平均增大了35％,植被信息凸显;NDWI指数变化不大,仅减小了8.7％. 相似文献
7.
近红外波段 (1.6 μm) 遥感可探测大气CO2含量信息,应用于碳循环研究中。宽波段、高分辨率不但对仪器研制是一个挑战,而且巨大的数据量对观测的正演、反演也是一个挑战性课题。该文应用自由度及信息量分析法,对近红外高光谱波段中探测通道进行CO2信息量分析,选择前20~100个高信息量的CO2探测通道,并进行了反演模拟测试。结果表明:前20个高信息量通道占所有通道总信息量的76.4%,仅用所选的前20个通道进行反演,与所有通道参加反演的结果相比,误差增加0.3×10-6;通道数增至60时,信息量增加,通道数再增加,信息量则增加不显著;CO2反演误差存在相似的关系。在高CO2信息量分布上,弱吸收性质的1.6 μm波段和强吸收性质的2.06 μm波段表现出不同特点。 相似文献
8.
遥感技术能够快速、宏观地获得研究区域的数据,已成为湖泊环境动态变化监测的重要技术手段。但是对于山区的湖泊和河流而言,由于沟壑众多,河道狭窄,水体像元多为混合像元,利用现有方法提取水体遥感影像难度较大。水体与植被、城市和土壤等地物在不同波段的光谱反射率的差异是利用遥感手段提取水体信息的基本原理。本文在水体光谱特征分析的基础上,描述了HJ-1卫星数据特征及所采用的山区水体信息的遥感提取方法,并以南湾水库为例,描述了利用植被指数(NDVI)方法识别水体信息的技巧:首先将HJ-1数据的第3和第4波段经过波段运算得到NDVI图像;再将两种遥感图像中NDVI值小于0的像元判识为水体,NDVI值大于0的判识为水库周围的农田,经过计算像元数量得到水体面积信息;最后在各种专业软件的支持下,结合非监督分类的水体识别效果,将水体与其他地物类型区分开来。结果表明,利用HJ-1卫星数据可有效排除其他地物的干扰,显著提高水体监测的精度。 相似文献
9.
以新疆玛纳斯河流域为研究区,利用渐进式辐射传送模型（ARTM）计算350～2 500 nm光谱波段的雪面反射率。为了验证模型的实用性和有效性,在分析雪面反射率光谱特征的基础上,利用ARTM计算的不同下垫面雪面反射率的计算值与实测值对比分析,分别在下垫面为农田、裸土、草地的环境中对ARTM进行精度验证。结果表明：（1）雪面反射率随着波长的增加总体呈下降趋势。在可见光谱波段,雪面反射率最高点接近于1;在近红外区,雪面反射率下降比较快;在1 400 nm以后,反射率整体较低,在1 800～2 500 nm,由于水汽和噪声干扰过于强烈,雪面反射率出现了比较密集的干扰波。（2）可见光波段,下垫面为农田和裸土环境中,受雪面结晶和雪面粗糙影响导致ARTM模型计算的雪面反射率与实况有不同程度偏差,但都满足偏差绝对值≤025精度要求;下垫面为草地环境中,模型在无坡度的情况下误差最小,随坡度出现会发生较小的误差,但最大偏差不超过011。ARTM模型计算雪面反射率可靠且有效。 相似文献
10.
云检测是卫星遥感影像应用中的重要环节。为了获取FY-3中分辨率光谱成像仪(Medium Resolution Spectral Imager,MERSI)传感器精确的云掩膜数据,在分析云与植被、水体、裸露地表等地物在不同波段光谱差异的基础上,结合FY-3/MERSI数据的通道特性,构建基于多光谱和综合阈值的云检测算法。采用热红外通道亮温(CH_5)检测出高云,使用云检测指数(Normalized Cloud Detection Index,I_(NCD))和可见光波段反射率(CH_3)检测中低云。利用江西地区的FY-3/MERSI数据进行应用,将检测结果与其他算法、人机交互解译结果进行了对比分析。结果表明,该算法对FY-3/MERSI影像上的云区具有较好的检测效果,同时利用地面气象观测资料进行验证,检测精度均高于88%,能够满足当前云检测精度需求。 相似文献
11.
12.
从典型地物光谱曲线分析入手,MODIS数据的第7、2、1波段对植被、陆地、水体区分明显。本文对长三角太湖流域地区,采用MODIS数据以五种常水体识别进行水体信息提取,然后分别从目视解译效果、水体区分度的计算和提取的水体面积三方面来对这五种指数方法进行比较和评价。结果表明,在应用MODIS数据进行水体识别时,比值植被指数（RVI,Ratio Vegetation Index）和混和水体指数（CIWI,Combined Index of Normalized Difference Water Index）模型的目视解译效果较好,且CIWI指数具有水陆区分度较大和水体面积提取精度较高的优点。 相似文献
13.
Yuanzhi Zhang Hongtao Duan Hongyan Xi Zhaojun Huang JinYeu Tsou Tingchen Jiang 《大气与海洋》2018,56(4):277-288
AbstractAquatic plants and lake bottoms in optically shallow waters (OSWs) wield great influence on reflectance spectra, resulting in the inapplicability of most existing bio-optical models for water colour remote sensing in lakes. Based on radiative transfer theory and measured spectra from a campaign for Lake Taihu in October 2008, absorption and backscattering coefficients were used to simulate the remote-sensing reflectance, which are considered to be reliable if matched to their measured counterparts. Several cases of measured spectra at different depths, Secchi disk depth transparency, and aquatic plant height and coverage were analyzed thoroughly for spectral properties. The contribution of aquatic plants was evaluated and compared with the measured and simulated remote-sensing reflectance values. This is helpful for removing the influence of aquatic plants and lake bottoms from the spectra and for constructing an improved chlorophyll a retrieval model for OSWs, such as that for Lake Taihu, China. 相似文献
14.
15.
利用多通道MODIS遥感资料反演沙尘气溶胶尺度分布的个例试验 总被引：2，自引：2，他引：2
为了利用水面进行大气气溶胶粒子尺度分布的反演,需要水体光谱反射率资料;本文利用水库上空MODIS观测的表观反射率资料来订正出实际的水体光谱反射率。假设在干旱的春季水库水面反射率变化不大,用订正的水库水面光谱反射率平均值进行大气气溶胶尺度分布的反演。从两天个例研究来看,利用多通道MODIS资料可以反演出大气气溶胶粒子的尺度变化。结合天气分析2002年4月11日水库上空气溶胶光学厚度增加、粒子变粗,是由于上游区域的沙尘在高空强西北气流引导下到达本地区。 相似文献
16.
17.
针对FY3D/MERSI和EOS/MODIS的云检测问题,提出了一种基于深度学习技术的全自动云检测算法,首次将深度学习引入到卫星影像云检测领域。本算法使用深度全卷积神经网络(Deep Convolutional Neural Networks)作为核心结构,基于EOS/MODIS基本云检测原理选择合适的通道作为特性向量参数,针对不同的场景进行分类和网络模型的训练,最终得到基于深度学习的云检测模型。经过EOS/MODIS数据和FY3D/MERSI数据的测试,云检测的精度达到98%以上,可以看出基于深度学习的云检测算法能够用于云检测,该算法具有效率高、精度高等特点,云检测效果理想。 相似文献
18.
以FY-3可见光与红外辐射计（VIRR）为主要数据,利用FY3\VIRR 1、6、10通道数据,以指数法和光谱阈值相结合的多光谱积雪监测算法对2013年阿勒泰地区卫星数据进行积雪监测处理。处理结果与MODIS积雪监测业务产品对比分析得出：利用FY3\VIRR可以实现对研究区的积雪遥感监测,监测结果与现有MODIS积雪监测业务产品较一致,具有可比性。 相似文献