多源传感器植被指数一致化算法研究

发布时间：2017-08-16 00:04

  本文关键词：多源传感器植被指数一致化算法研究

  更多相关文章： 植被指数 多源遥感数据 交互比较 一致化算法

【摘要】：植被指数是描述地表植被特征的重要参数之一。长时间序列的植被指数是一种简单、有效和经验的度量植被的生长状况、地表植被覆盖状况和反演植被生物物理参数的动态监测研究参数,对全球的植被监测以及碳等的循环有着重要的意义。单一传感器的植被指数产品在精度及时空连续性方面存在较大的缺陷,随着遥感技术的发展,多源协同的反演思想受到人们越来越多的关注。但是不同的传感器在性能方面的差异及大气状况等因素对植被指数的协同反演形成了阻碍,因此多源传感器的植被指数一致化方法研究对定量遥感及多源遥感数据的综合应用具有重要的意义。为了能够对多源遥感数据进行更好地综合应用,本文以辐射性能稳定的中低分辨率传感器EOS/MODIS数据作为基础,对造成其与FY-3A/MERSI、FY-3A/VIRR、FY-3B/MERSI、FY-3B/VIRR等多源传感器数据植被指数的差异原因做了详细的分析,并提出了一套多源传感器植被指数一致化算法。主要的工作有:首先,本文以黑河流域中游的一块耕地作为研究区域,选取长时间序列的晴空无云的FY-3A/MERSI、FY-3A/VIRR、FY-3B/MERSI、FY-3B/VIRR等传感器数据,分别与同日的EOS/MODIS数据组成影像对序列,经过预处理后,得到各影像对序列的植被指数;其次,本文通过利用MODTRAN辐射传输模型、传感器辐射定标修正前后的植被指数、等效地表反射率以及卫星传感器的观测几何,对大气水汽、辐射定标、光谱响应函数和观测角度等对植被指数产生的影响进行了详细分析;最后,提出了一套多源传感器植被指数一致化算法,将大气水汽、辐射定标、观测角度和光谱响应函数等对植被指数的影响逐一消除,利用大气辐射传输模型MODTRAN实现了各个传感器植被指数的归一化。其中考虑到耕地在一年中的变化,提出并实现了分为裸土和植被两个时期进行BRDF的拟合和光谱匹配因子的计算,以此提高拟合的地表BRDF及传感器光谱匹配的精度,进而提高整个实验的精度和该算法的可靠性及适用性。经过验证,归一化之后的植被指数的稳定性及精度较归一化之前都有所提高,可用于多源遥感数据的协同反演中。
【关键词】：植被指数 多源遥感数据 交互比较 一致化算法
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：Q948;TP732
【目录】：

• 摘要3-4
• Abstract4-8
• 第1章 引言8-18
• 1.1 研究背景与意义8-11
• 1.1.1 研究背景8-10
• 1.1.2 研究意义10-11
• 1.2 国内外研究现状11-14
• 1.2.1 单一传感器植被指数产品的国内外研究现状12
• 1.2.2 多源传感器协同反演植被指数产品的国内外研究现状12-13
• 1.2.3 存在的问题13-14
• 1.3 研究工作、技术路线与论文结构14-18
• 1.3.1 研究工作14-15
• 1.3.2 技术路线15-16
• 1.3.3 论文结构16-18
• 第2章 研究区域与数据预处理18-32
• 2.1 研究区域概况18
• 2.2 传感器简介18-20
• 2.2.1 EOS/MODIS传感器简介19-20
• 2.2.2 FY-3/VIRR传感器简介20
• 2.2.3 FY-3/MERSI传感器简介20
• 2.3 数据预处理20-31
• 2.3.1 数据筛选21-22
• 2.3.2 EOS/MODIS数据预处理22-26
• 2.3.3 FY-3/VIRR数据预处理26-28
• 2.3.4 FY-3/MERSI数据预处理28-31
• 2.4 本章小结31-32
• 第3章 多源传感器植被指数差异原因分析32-41
• 3.1 大气水汽的影响32-34
• 3.2 辐射定标的差异影响34-36
• 3.3 观测几何的影响36-37
• 3.4 光谱响应函数的差异影响37-40
• 3.5 本章小结40-41
• 第4章 多源传感器植被指数一致化算法及实现41-64
• 4.1 原理及流程41-43
• 4.2 大气校正43-48
• 4.2.1 6S模型简介43
• 4.2.2 6S模型查找表的建立43-46
• 4.2.3 6S查找表查找过程46-48
• 4.3 辐射归一化48-50
• 4.4 植被指数角度归一化50-54
• 4.4.1 BRDF简介50-52
• 4.4.2 建立地表BRDF模型52-54
• 4.5 光谱归一化54-56
• 4.6 归一化表观反射率及归一化因子的计算56-60
• 4.6.1 MODTRAN模型简介56-57
• 4.6.2 MODTRAN模型查找表的建立57-59
• 4.6.3 MODTRAN查找表查找过程59
• 4.6.4 归一化因子的计算59-60
• 4.7 结果验证与分析60-63
• 4.8 本章小结63-64
• 第5章 总结与展望64-67
• 5.1 总结64-65
• 5.2 创新点65-66
• 5.3 不足及后续工作66-67
• 参考文献67-72
• 致谢72-74
• 攻读硕士学位期间从事的科研工作及取得的成果74

【相似文献】

中国期刊全文数据库 前10条

1 刘丽,刘清,杨凤;用植被指数监测贵州干旱的方法研究[J];贵州气象;1998年03期

2 赵红;山东省春季植被指数变化的遥感监测分析[J];山东气象;2002年01期

3 陈云浩,李晓兵,史培军;整合陆地表面温度与植被指数信息进行地表覆盖变化研究[J];第四纪研究;2003年03期

4 郭铌;植被指数及其研究进展[J];干旱气象;2003年04期

5 李开丽,倪绍祥,扶卿华;垂直植被指数及其解算方法[J];农机化研究;2005年02期

6 罗亚;徐建华;岳文泽;陈雯;;植被指数在城市绿地信息提取中的比较研究[J];遥感技术与应用;2006年03期

7 甄计国;王义德;赵军;;兴隆山国家级自然保护区的植被指数及其变化特征[J];遥感技术与应用;2006年04期

8 陈珂;芮建勋;;上海市城市热场与植被指数的相关性[J];吉首大学学报(自然科学版);2007年02期

9 陈鹏飞;Nicolas Tremblay;王纪华;Philippe Vigneault;黄文江;李保国;;估测作物冠层生物量的新植被指数的研究[J];光谱学与光谱分析;2010年02期

10 何彬方;冯妍;吴文玉;范伟;;安徽省近十年植被指数时空变化特征[J];生态学杂志;2010年10期

中国重要会议论文全文数据库 前10条

1 付卓;王锦地;施建成;宋金玲;靳华安;张立新;张钟军;赵少杰;陈柏松;;微波植被指数与光学植被指数在地面尺度上的关系研究[A];遥感定量反演算法研讨会摘要集[C];2010年

2 辛红梅;张杰;马毅;初佳兰;;基于植被指数的赤潮高光谱敏感波段确定方法初探[A];第十四届全国遥感技术学术交流会论文选集[C];2003年

3 范锦龙;;我国晴空分布及对旬合成植被指数的影响[A];推进气象科技创新加快气象事业发展——中国气象学会2004年年会论文集（下册）[C];2004年

4 张树誉;李登科;李星敏;周辉;;遥感植被指数及其在县域生态环境监测评估中的应用[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

5 安培浚;颉耀文;;绿洲植被指数的遥感定量研究-以民勤绿洲为例[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

6 江东;王乃斌;杨小唤;刘红辉;;植被指数—地面温度特征空间及其应用[A];第十三届全国遥感技术学术交流会论文摘要集[C];2001年

7 傅军;张杰;辛红梅;马毅;;基于植被指数的高光谱遥感水陆识别方法初探[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年

8 肖乾广;肖岚;李亚君;;EOS/MODIS,FY-1D/MVISR,NOAA/AVHRR的归一化植被指数的同化研究[A];全国国土资源与环境遥感应用技术研讨会论文集[C];2009年

9 杨道勇;肖云岫;;利用WT-10接收的1B高分辨云图数据生成植被指数图像[A];中国气象学会2005年年会论文集[C];2005年

10 何全军;曹静;张月维;;基于MODIS的广东省植被指数序列构建与应用[A];中国气象学会2007年年会生态气象业务建设与农业气象灾害预警分会场论文集[C];2007年

中国重要报纸全文数据库 前1条

1 魏景云;气象卫星监测干旱 全国旱情一目了然[N];中国气象报;2003年

中国博士学位论文全文数据库 前4条

1 卫炜;MODIS双星数据协同的耕地物候参数提取方法研究[D];中国农业科学院;2015年

2 张立福;通用光谱模式分解算法及植被指数的建立[D];武汉大学;2005年

3 岳文泽;基于遥感影像的城市景观格局及其热环境效应研究[D];华东师范大学;2005年

4 刘占宇;水稻主要病虫害胁迫遥感监测研究[D];浙江大学;2008年

中国硕士学位论文全文数据库 前10条

1 刘吉凯;基于HJ卫星数据的甘蔗长势监测与估产研究[D];南京信息工程大学;2015年

2 郑亚云;榆林NDVI时空变化及驱动因子研究[D];长安大学;2015年

3 何春萌;经济利益驱动下的工矿开发对人类生存环境的影响[D];内蒙古大学;2015年

4 刘晓静;基于不同遥感数据源的秦岭地区植被指数对比分析[D];长安大学;2015年

5 王鑫梅;氮素水平对不同土壤质地杨树叶片光谱特性和光合能力的影响[D];河北农业大学;2015年

6 官雨薇;基于遥感影像的全球荒漠化指数构建及趋势分析[D];电子科技大学;2015年

7 胡文;黑龙江省雹灾遥感监测及时空特征分析[D];东北农业大学;2015年

8 吴明业;基于TVDI的土壤干旱遥感监测研究及验证[D];安徽农业大学;2014年

9 马瑞;增强植被指数算法的研究及其在生态环境遥感产品生产分系统的应用[D];河南大学;2015年

10 曾水生;双季稻生长指标光谱监测模型研究[D];江西农业大学;2015年

，

本文编号：680497