地表水热通量研究进展

介绍了当前国内外地表水热通景观测研究的进展及3种不同类型的土壤-植被-大气传输模型（SVAT）：单层模型、双层模型和多层模型。遥感手段常用于监测大面积地表水热通量。基于地表能量平衡方程,现已建立了许多遥感模型以估算水热通量（如简化模型、单层模型、附加阻抗模型、作物缺水指数模型和二源阻抗模型等）,并对这些模型复杂程度及应用范围进行了分析。     

作物缺水指数法的简化及在干旱遥感监测中的应用

从能量平衡原理出发,对潜在蒸散的计算进行了简化,从而对作物缺水指数法干旱遥感监测模型进行了简化、简化后的模型涉及因子减少,计算量明显降低,更接近于实际应用．利用该方法及NOAA/AVHRR卫星遥感资料和有关气象要素资料,对陕西省关中地区春季干旱进行了监测．结果表明,简化后的作物缺水指数法仍然充分考虑了下垫面的植被覆盖状况和地面风速、水汽压等气象要素,对该区春季干旱的监测效果好于使用植被供水指数法的监测效果．从简化后模型的计算量、时效响应和实际对比结果来看,该简化模型可以进行实际应用．另外,在计算过程中局部出现了CWSI>1的情况,这在实际中是不可能的,文中对此也进行了初步讨论．     

农作物遥感估产最佳时相的选择研究——以中国主要粮食作物为例

最佳时相遥感图象的选择是农作物遥感估产的关键环节之一,它必须兼顾作物识别和单产模拟对遥感时相选择的要求,综合考虑多方面的影响因素,根据农作物遥感估产中各项工作的具体要求,以提高遥感图象中目标作物信息及其与作物单产关系的显著程度为主要目的,分析了农作物遥感估产最佳时间的选择依据,认为它主要包括作物光谱的种间差异、作物物候的种间差异、太阳高度角的变化,作物产量形成的关键期、作物面积泽收获面积的代表性以     

干旱监测指数研究

日益严重的全球化干旱问题已经成为各国科学家和政府部门共同关注的热点,它直接威胁着人类的生存环境.而干旱监测,尤其是遥感干旱监测,一直是科学界公认的难题.本文对传统的干旱监测指数如帕尔默干旱指数、作物湿度指数、标准降水指数、地表水分供应指数的优缺点进行评述;将遥感干旱监测指数分成2类,一类是基于地表反射率和发射率的干旱监测指数;另一类是基于地表水和能量平衡模型的干旱监测指数,详细介绍了这2类干旱遥感监测指数的原理、方法以及适用范围.对各种干旱监测指数存在的问题以及干旱监测的发展趋势进行了探讨.     

遥感反演植被含氮量研究进展

植被含氮量表征植被氮素状态。它作为植被生长状况的重要指标,在生态系统健康状况检测、生态系统生产估测、精准农业、生态系统干扰评估等方面均有重要意义。遥感监测植被含氮量主要基于高光谱和多光谱数据,采用的算法包括经验方法(波谱指数与回归分析)及物理方法(辐射传输模型法)。但受数据源和研究方法的局限,目前植被氮含量遥感监测局限于区域范围较小且内部植被类型与环境条件(气候、地形等)基本一致的情形,而对复杂生态系统的监测能力不足。未来的研究需针对氮沉降和人类活动的生态系统响应这一重大研究需求,发展和改进现有植被含氮量遥感反演方法。可考虑开展对不同环境条件下、不同类型植被光谱曲线进行标准化的研究,以形成普适的植被含氮量反演方法。并考虑综合运用多种数据(如微波遥感、无人机遥感),形成多尺度同步监测,以提高遥感对区域乃至全球范围内植被氮含量常规监测的能力。     

基于多源遥感数据的荒漠植被覆盖度估测

以塔里木河下游为靶区,根据地面调查和不同分辨率的多源遥感数据,逐级建立荒漠植被覆盖度遥感估测模型,并对不同模型、不同估测方法的估测精度进行比较.结果表明: 随着遥感数据空间分辨率的提高,植被覆盖度遥感估测模型精度增加;基于高分辨率、中高分辨率及中低分辨率遥感数据建立的植被覆盖度模型的估测精度分别为89.5%、87.0%和84.6%;遥感模型法的估测精度高于植被指数法.不同分辨率遥感数据估测荒漠植被覆盖度的精度变化规律,实现了荒漠植被覆盖度估测的高、中、低分辨率遥感数据参数及尺度的定量转换,可为研究区生态恢复遥感综合监测方案的制定和实施提供直接依据.     

基于地面高光谱和GF-1卫星的区域花生LAI估算

掌握作物叶面积指数(LAI)及其动态变化对于作物生长监测和估产等有重要意义.利用地面高光谱数据进行作物生长参数的反演是农业遥感研究的热点,但其中大多是利用地面高光谱数据建立作物LAI的估算模型研究,难以进行区域化应用.为把地面高光谱研究结果应用到卫星尺度,实现区域花生LAI的反演,从而对大面积花生长势进行监测,本文利用...     

玛纳斯河流域盐渍化灌区生态环境遥感监测研究

土壤盐渍化已成为全球性问题,给生态环境及农业生产带来严重的威胁。为了快速、准确评价土壤盐渍化给区域生态坏境带来的影响,该文提出了新的完全基于遥感数据的遥感生态指数(SSEI,Soil Salinization Ecology Index)来监测玛纳斯河流域盐渍化灌区生态环境变化。该指数利用主成分分析的方法耦合与土壤盐渍化相关的土壤盐度、地表反照率、植被覆盖度和土壤湿度四大地表参数,指数构建是数据本身性质所决定,不同于以往遥感与非遥感指数加权叠加易受人为影响。研究结果表明:耦合与盐渍化信息相关的各遥感指数得到的生态指数,能够对土壤盐渍化影响区域的生态环境进行快速、定量、客观的监测。将该指数应用到新疆玛纳斯河流域灌区,结果表明在近26年优和良等级生态环境面积增加了12.89%,这说明灌区生态环境有所改善。该研究对土壤盐渍化监测与评价具有一定参考意义。     

NDVI曲线与农作物长势的时序互动规律

利用气象卫星NOAA AVHRR资料,反演出农作物生育期内每日和旬度的NDVI数据,分析了NDVI时间曲线的波动与农作物生长发育阶段及农作物长势的响应规律,并以华北冬小麦为例,探讨了NDVI在冬小麦中生育期的积分值与农作物单产之间的相互关系。结果表明,利用长时间序列的NDVI数据,结合作物的物候历,可以实现作物长势的遥感监测和产量遥感估算。     

基于光谱信息的作物氮素营养无损监测技术

氮素是作物生长发育和产量品质形成所必需的营养元素。快速、无损、准确地监测作物氮素状况,对于诊断作物生长特征、提高氮肥运筹水平和利用效率、降低过量施氮带来的农田环境污染,深入开展精确农业和数字农业的研究与应用具有重要意义。本文围绕作物氮素特征光谱产生的机制、反射光谱对氮素营养的响应及光谱指数的生理意义等解析了作物氮素营养光谱无损监测的技术机理,阐明了作物氮素监测的光谱学和生理生态学基础,进而概述了国内外有关作物反射光谱获取及叶片、冠层和空间水平上氮素营养光谱监测的研究进展。针对作物氮素营养监测亟待解决的问题和作物生产需求,提出今后进一步研究的领域应重点围绕氮素生化组分的监测方法、氮素监测模型的普适性、氮素监测仪的开发、地空遥感信息的融合、遥感与其他技术的集成等方面。     

用NOAA气象卫星的AVHRR遥感资料估算中国的净第一性生产力

重点研究用气象卫星ＡＶＨＲＲ遥感方法估算目前中国的净第一性生产力（ＮＰＰ）水平。ＡＶＨＲＲ可见光通道和近红外通道组合成的标准化差植被指数（ＮＤＶＩ）,既是监测植被生长好坏的参量,也是计算净第一性生产力的重要参量。介绍了用遥感统计模型计算ＮＰＰ的方法,获得了一系列结果。将遥感方法计算的ＮＰＰ与气候模型计算的ＮＰＰ进行了比较,证明两者有一定的可比性。计算净第一性生产力需要全年的ＮＤＶＩ,因此对卫星资料处理技术也作了介绍     

Estimating the Net Primary Productivity in China Using Meteorological Satellite Data

Net primary productivity (NPP) is one of the cruces for global changes studies, utilizing remote sensing data from meteorological satellite is an objective way to estimate NPP. Usually, the normalized difference vegetation index (NDVI) is derived from channel 1 and channel 2 of NOAA/AVHRR to monitor vegetation. Using the processed annual NDVIs, the authors could estimate the NPP values from an experimental model. The result showed that NPP derived from NDVIs was highly compatible to that estimated in the conventional way.     

Estimation of primary production of subhumid rangelands from remote sensing data

Abstract. Above‐ground Net Primary Production (ANPP) is the main determinant of forage availability and hence of stocking density. A tool to track the seasonal and interannual changes in ANPP at the paddock level will be very important for livestock management. We studied the relationship between field ANPP data and the Normalized Difference Vegetation Index (NDVI) for rangelands of the Flooding Pampa of Argentina using spectral data provided by sensors on board of two satellites: NOAA/AVHRR and Landsat TM. The relationship between NDVI and ANPP was linear both for data derived from NOAA/AVHRR and Landsat TM. Changes in ANPP accounted for a large proportion of the temporal and spatial variation of NDVI: 71% of NOAA/AVHRR data and 74% of Landsat TM data. By inverting these models, ANPP may be inferred from NDVI data at a seasonal and paddock scale. NOAA/AVHRR data captured better the seasonal variation in ANPP and were less sensitive to local variations than Landsat TM data. In contrast, Landsat TM data were more sensitive to inter‐site differences in primary production, except for the winter months. Thus, combining information from these two sources offers a good alternative for monitoring rangeland production at high temporal and spatial resolution.     

Landscape,soil and meteorological influences on canopy dynamics of northern flooding Pampa grasslands,Argentina

Question: How do meteorological variations at seasonal, interannual scales differentially affect the canopy dynamics of four contrasting landscape units within a region? Location: Flooding Pampa, Buenos Aires, Argentina. 5000 km². Central point: 35°15′S, 57°45′W. Methods: We used a 19‐year series of the normalized difference vegetation index (NDVI) derived from NOAA‐AVHRR PAL (Pathfinder AVHRR Land) images and meteorological data provided by a nearby weather station. The NDVI was used as surrogate of canopy photosynthetic status. The relationship between annually integrated NDVI and meteorological conditions was explored by stepwise multiple regressions for each defined unit. PC A was performed to compare units and growing seasons on a multivariate basis. Results: Mean seasonal NDVI curve was similarly shaped among landscapes. However, the absolute values differed widely. There was high interannual variation so that the mean seasonal pattern was seldom observed in any particular year. Annually integrated NDVI of all landscapes was negatively associated with summer temperature and positively with previous year precipitation. It was also directly related with current year winter precipitation in two landscapes and with summer precipitation in the others. NDVI response to September and March precipitation accounted for some of the differences in interannual variation among landscapes. Conclusions: Our results revealed a strong intra‐regional variation of canopy dynamics, closely linked to landscape (vegetation‐soil) and water availability (mainly in summer and during the previous year). These links may be used to predict forage production rates for livestock.     

多尺度遥感综合监测我国北方典型草原区植被盖度

利用多尺度遥感影像综合进行全球和区域尺度的土地利用/覆盖变化(LUCC)研究是最近全球变化研究的重要方向之一。本文综合利用野外群落样方、数字相机、ETM+影像、NOAA/AVHRR影像,在遥感、GIS和GPS支持下,对我国北方典型草原区植被盖度进行了综合监测、模拟与分析。结果表明:(1) 利用经处理后的数字相机影像测量盖度的结果准确性较高,可以作为植被盖度测量的标准结果,反映真实的覆盖特征,并用以验证利用其它方法测量结果的精度。(2) 利用野外1 m2样方网格法目视估测的植被盖度结果变化较大,不稳定。本次实验中,与数字相机测量结果相比,样方估测的盖度普遍偏高,平均偏差为9.92%;但两者相关性较好(r2=0.89)。(3) 采用Gutman模型ETM+影像、NOAA/AVHRR影像反演植被盖度的结果与数字相机测量结果偏差分别为7.03%、7.83%,ETM+像元分解NOAA像元后得到的植被盖度与数字相机测量结果偏差5.68%。三者与数字相机测量结果的相关系数r2分别为0.78、0.61和0.76。(4)利用野外实测植被盖度数据直接与NOAA-NDVI影像建立统计模型估算植被盖度的精度较低(r2=0.65),而通过空间分辨率介于两者之间的ETM+影像进行转换后,该精度得到一定的提高(r2=0.80)。利用像元分解的方法提高了大尺度植被盖度监测的精度,是利用遥感数据进行尺     

应用NOAA/AVHRR资料监测松毛虫危害研究初探

探讨了利用气象卫星定量监测松毛虫危害程度的可能性.以针叶被害率代表松毛虫的危害程度,轻度、中度、重度危害分别定义为针叶被害率<30%、30%～60%和>60%.根据地面光谱观测资料,建立了归一化植被指数与针叶被害率的相关方程,无松毛虫危害时NDVI为0.8823;为了消除大气等因子影响,利用松毛虫危害与未被危害的植被指数相对值表示松毛虫轻、中、重危害程度的遥感监测指标,无危害为1,0.78～1为轻度危害,0.57～0.78为中度危害,<0.57为重度危害.监测危害面积时,利用线性可加垂直植被指数进行混合象元分解.并分别对严重、中度、轻度3种类型发生年进行了定量监测分析,结果表明,AVHRR资料对中等以上松毛虫危害可进行定量监测分析,监测受灾面积比用同期的陆地卫星TM资料监测的受灾面积小12.1%～14.3%;对于轻度危害区域,采用气象卫星不易分辨,主要是由于不同下垫面和大气影响的差异,以及气象卫星空间分辨率较低.     

多尺度遥感综合监测我国北方典型草原区植被盖度

利用多尺度遥感影像综合进行全球和区域尺度的土地利用/覆盖变化(LUCC)研究是最近全球变化研究的重要方向之一.本文综合利用野外群落样方、数字相机、ETM+影像、NOAA/AVHRR影像,在遥感、GIS和GPS支持下,对我国北方典型草原区植被盖度进行了综合监测、模拟与分析.结果表明:(1)利用经处理后的数字相机影像测量盖度的结果准确性较高,可以作为植被盖度测量的标准结果,反映真实的覆盖特征,并用以验证利用其它方法测量结果的精度.(2)利用野外1 m2样方网格法目视估测的植被盖度结果变化较大,不稳定.本次实验中,与数字相机测量结果相比,样方估测的盖度普遍偏高,平均偏差为9.92%;但两者相关性较好(r2=0.89).(3)采用Gutman模型ETM+影像、NOAA/AVHRR影像反演植被盖度的结果与数字相机测量结果偏差分别为7.03%、7.83%,ETM+像元分解NOAA像元后得到的植被盖度与数字相机测量结果偏差5.68%.三者与数字相机测量结果的相关系数r2分别为0.78、0.6l和0.76.(4)利用野外实测植被盖度数据直接与NOAA-NDVI影像建立统计模型估算植被盖度的精度较低(r2=0.65),而通过空间分辨率介于两者之间的ETM+影像进行转换后,该精度得到一定的提高(r2=0.80).利用像元分解的方法提高了大尺度植被盖度监测的精度,是利用遥感数据进行尺度转换研究的重要实践.多尺度遥感影像的综合对地观测对大区域上反演植被盖度有很好的促进作用.     

基于NOAA PAL数据集的地表蒸散遥感估算方法

基于NOAA AVHRR气象卫星长时间序列10 d合成的PAL数据集（分辨率8 km×8 km）以及地表能量平衡原理和“VI-T_s”方法,建立了地表蒸散的遥感估算方法,该方法不需要地面气象观测数据的支持,所需参数可直接从遥感数据反演或推算,并选择国际上著名的遥感蒸散模型——SEBS模型对新建模型进行了验证比较.结果表明：新建模型和SEBS模型模拟的地表蒸散值及其季节性变化趋势非常一致,说明新构建模型的模拟结果比较可靠,能够反映地表蒸散的实际情况.新建地表蒸散遥感估算模型可操作性强,为利用长时间序列的卫星遥感数据研究我国乃至全球地表蒸散的时空变化规律提供了一个新的途径.     

发展NECT土地覆盖特征数据集的原理、方法和应用

着重探讨了建立中国东北样带 (NortheastChinatransect, NECT) 土地覆盖特征数据集的原理、方法及其在全球变化研究方面的重要应用。NECT土地覆盖特征数据集是以多时相的 1km分辨率的NOAA/AVHRR归一化植被指数NDVI (Normalizeddifferencevegetationindex) 数字影像为基础, 同时采用高程、气候、土壤、植被、土地利用、土地资源、生态区域、行政边界、经济、社会等多源数据作为数据源, 并经过标准化处理 (如数字化、空间插值、几何配准、投影转换 ) 集成而成。在土地覆盖特征数据集的主要应用方面, 如 :1) 利用多时相、1km分辨率的NOAA/AVHRR影像完成了中国东北样带土地覆盖分类图。一级分类系统包括森林、草原、荒漠和沙地、灌丛、农田、混合覆盖 类型、城镇和水体等 8类, 二级分类体系包括 12类。经过地面采样进行精度检验, 分类精度达到 81.6 1%。 2 ) 对主要植被类型的植物生长季变化进行的研究。利用多时相的遥感影像构造了能够反映植被年际、季节生长变化的遥感植被指数ND VImax、NDVI变幅xam以及NDVI的标准偏差x′s 等, 分析这 3个参数 1983~ 1999年的 17年中的变化情况。该数据集的建立是研究该样带土地覆盖特征及其变化规律的基础, 对基于样带的全球变化研究有重要的意义。