基于MODIS数据的一种土壤水分遥感监测方法研究

利用MODIS数据反演土壤含水量——以吉林省西部为例的开题报告一、研究内容及意义土壤含水量是土壤水文、生态学和气候变化研究中的重要参数之一，对于土地管理、灌溉和环境保护等方面起到了重要作用。

因此，精确反演土壤含水量是非常有必要的。

MODIS（Moderate Resolution Imaging Spectroradiometer）卫星数据拥有较高时间分辨率和空间分辨率，因此可以用来反演土壤含水量。

因此，本文主要研究利用MODIS数据反演土壤含水量，并以吉林省西部为例进行研究。

二、研究方法本课题采用以下研究方法：1. 收集MODIS数据和地面实测数据本研究将收集吉林省西部MODIS数据和地面实测数据，用于建立土壤含水量反演模型和进行模型验证。

2. 建立土壤含水量反演模型利用MODIS数据与地面实测数据建立土壤含水量反演模型。

本研究将采用决策树模型（Decision Tree，DT）和支持向量回归模型（Support Vector Regression，SVR）两种模型进行反演。

3. 模型验证将模型反演结果与地面实测数据进行比较，并进行误差分析。

本研究将采用平均绝对误差（Mean Absolute Error，MAE）和均方根误差（Root Mean Square Error，RMSE）两种指标进行评估。

三、预期结果本研究将利用MODIS数据反演吉林省西部土壤含水量，并将构建反演模型进行验证。

预期结果包括以下方面：1. 土壤含水量反演模型的建立和优化本研究将建立并优化决策树模型和支持向量回归模型，用于反演土壤含水量。

2. 土壤含水量空间分布图利用MODIS数据反演土壤含水量，将得到吉林省西部土壤含水量空间分布图。

3. 土壤含水量时空变化分析本研究将分析土壤含水量的时空变化规律，探讨影响土壤含水量的因素。

四、研究难点本研究存在以下几个难点：1. 土壤含水量反演方法的选择MODIS数据的时间分辨率和空间分辨率较高，但是土壤含水量的反演方法存在多种选择，因此需要选择合适的反演方法。

区域治理环境治理与发展一、土壤含水量测量原理土壤成分复杂，其光谱受土壤母质、有机质、水分等多种复杂因素的影响。

从遥感的基础理论上，可见光、热红外、近红外和微波波段都能反映土壤的水分信息，即在可见光波段，土壤的反射率随波长的增加而增加；随着土壤水分的增加而减少。

从可见光到近红外对土壤水分的估计多是建立在土壤湿度与反射率的关系上，因此图像中任意一点的灰度值与亮度之间具有逐一对应的关系，在可见光的光谱范围内，若土壤图像的灰度值越小，则表明土壤含水量越高。

因此，分析土壤图像的灰度值和相应的含水量的关系，可以建立土壤含水量检测模型，进行土壤含水量的检测。

二、基于MODIS数据的土壤含水量监测优势第一，由于多种因素的共同影响，不同时空条件下的土壤含水量监测存在较大差异。

各种复杂地表、地面覆盖物等因素的不同条件下，较高精度土壤含水量MODIS遥感监测研究仍在深入，其方法及途径的选择要根据监测目的、土壤及下垫面特征与传感器性能等综合分析后确定；第二，利用遥感数据监测土壤含水量，需要对下垫面等各方面因素进行较细致的研究，包括下垫面土壤特性，探测光谱特性，地面覆盖物及气候特征等。

根据MODIS提供的各波段数据，比较选取、并综合利用监测效果较好的指数，从而提高适合探测区域的土壤含水量监测精度；第三，综合利用能量平衡方程，结合下垫面特征，保证精度的情况下简化下垫面特征表述；利用地面人工数据与遥感数据相结合，选取适合区域、较先进的插值方法，减少地面人工数据插值计算带来误差来，会较显著提高监测模型精度。

在较高精度模型的基础上，可以进行土壤含水量的预报；第四，随传感器光谱分辨率的提高，利用某一波段区间对土壤水分反射吸收的特性来监测土壤含水量发挥出计算量小，精度较高等优势。

更高精度波段区间的选择与划分，及水分对特定光谱区间的反应，下垫面覆盖物水分与土壤水分的分离及大气中水分误差的去除，还需要进一步的研究试验；第五，微波遥感具有全天候、高精度等特点，MODIS数据与微波遥感数据相结合，进行下垫面覆盖物特征与土壤特征分离，发挥两者优势提高监测精度，是未来MODIS监测土壤水分的一个较好的发展方向；第六，地理信息数据与MODIS数据的结合应用，使得土壤含水量的监测时效和精度提高。

基于MODIS数据反演辽西地区土壤水分的研究摘要土壤水分的遥感监测是目前遥感技术应用研究的前沿领域。

MODIS数据可快速、动态地获取大区域尺度的信息,从而为土壤水分的实时动态监测提供技术支持和精度保证。

利用表观热惯量模型研究辽宁西部地区春季的土壤含水状况,通过处理2006—2009年4、5月的MODIS数据,采用经验线性模型,拟合表观热惯量与土壤含水量的关系模型,结合实测数据,得出辽西地区春季土壤含水状况分布图。

由此,找到一种较适合辽西地区春季土壤水分实时监测的方法,为今后反演辽西地区春季土壤水分奠定了基础。

关键词MODIS数据;土壤水分;表观热惯量;辽西地区ResearchonSoilMoistureinWesternRegionofLiaoningProvinceBasedonMODISD ataJIANG PengLI Guo-chunJIANG Jiao-jiaoWEN Ri-hongZHAO Zi-qiZHANG Xiao-yue(Shenyang Agricultural University,Shenyang Liaoning 110866)AbstractRemote sensing monitoring of soil moisture is the frontier in the application of remote sensing technology currently.Diversified information on the large scale can be acquired rapidly and dynamically using remote sensing image,as to offer technique support and ensure accuracy for the soil moisture monitoring. Thermal inertia model was used to retrieve the soil moisture on the basis of MODIS image data from April to May since 2006 to 2009. Then the linear relationship was constructed between PATI and measured data. Finally,the soil moisture distribution of western region of Liaoning province in the spring time was acquired with the linear model. So that a retrieval method which was more suitable for the real-time monitoring of soil moisture in western region of Liaoning province during the spring time was found,which might lay the foundation for the real-time monitoring of soil moisture in this region in future.Key wordsMODIS data;soil moisture;apparent thermal inertia;western region of Liaoning province土壤水分是气候、水文、生态、农业等领域的重要参数,是干旱的指标之一。

《基于MODIS数据的沙漠化遥感监测技术研究》篇一一、引言随着全球气候变化的影响，沙漠化问题日益严重，对生态环境和人类社会产生了深远的影响。

沙漠化是一种土地退化现象，其特征是土地覆盖的植被减少，土壤裸露，沙化程度加深。

为了有效地监测和评估沙漠化的程度和趋势，遥感技术因其具有大范围、高效率、高精度的特点，被广泛应用于沙漠化监测中。

本文将基于MODIS（中分辨率成像光谱仪）数据，对沙漠化遥感监测技术进行研究。

二、MODIS数据及其应用MODIS是搭载在地球观测卫星上的传感器，具有较高的光谱分辨率和时间分辨率，能够提供连续的、全球性的地表信息。

MODIS数据在沙漠化遥感监测中具有重要应用，其数据产品包括地表反射率、地表温度、植被指数等，这些数据对于监测沙漠化的发生、发展和趋势具有重要意义。

三、基于MODIS数据的沙漠化遥感监测方法基于MODIS数据的沙漠化遥感监测方法主要包括以下几个步骤：1. 数据获取与预处理：利用MODIS数据获取系统获取所需的遥感数据，然后进行预处理，包括大气校正、辐射定标等，以提高数据的准确性。

2. 植被指数计算：通过计算归一化植被指数（NDVI）等植被指数，评估地表的植被覆盖情况。

NDVI是一种常用的植被指数，能够反映地表的绿色程度和植被生长状况。

3. 地表温度反演：通过遥感数据反演地表温度，结合NDVI 等指标，分析地表温度与沙漠化的关系。

4. 沙漠化程度评估：根据上述指标，结合地理信息系统（GIS）技术，对沙漠化程度进行评估和分类。

5. 结果分析与验证：对监测结果进行分析，结合实地调查数据，验证监测结果的准确性和可靠性。

四、研究结果与讨论基于MODIS数据的沙漠化遥感监测技术，能够有效地监测和评估沙漠化的程度和趋势。

通过计算NDVI和反演地表温度等指标，可以反映地表的植被覆盖情况和土壤裸露程度，从而评估沙漠化的程度。

同时，结合GIS技术，可以对沙漠化程度进行分类和空间分布分析。

《基于MODIS数据的沙漠化遥感监测技术研究》篇一一、引言随着全球气候变化的影响，沙漠化问题日益严重，对生态环境和人类社会造成了极大的影响。

因此，对沙漠化过程的监测和评估变得尤为重要。

遥感技术作为一种高效、快速、大范围的信息获取手段，被广泛应用于沙漠化监测领域。

本文基于MODIS 数据，研究沙漠化遥感监测技术，为沙漠化防治和生态恢复提供科学依据。

二、MODIS数据简介MODIS（Moderate Resolution Imaging Spectroradiometer）是一种中等分辨率的成像光谱辐射计，搭载在地球观测卫星上，具有较高的时间分辨率和空间分辨率。

MODIS数据可以提供多种地表参数信息，如地表温度、植被指数、气溶胶等，为沙漠化遥感监测提供了丰富的数据源。

三、沙漠化遥感监测技术1. 数据预处理在利用MODIS数据进行沙漠化遥感监测时，首先需要对原始数据进行预处理。

预处理包括数据校正、投影转换、裁剪等步骤，以保证数据的准确性和可用性。

2. 沙漠化指标提取基于MODIS数据，可以提取多种沙漠化指标，如归一化植被指数（NDVI）、地表温度（LST）等。

这些指标可以反映地表植被覆盖度、土壤湿度等，对于评估沙漠化程度具有重要意义。

3. 沙漠化动态监测利用MODIS数据的时间序列特性，可以对沙漠化进行动态监测。

通过比较不同时期的地表参数信息，可以了解沙漠化的发展趋势和空间分布特征。

4. 沙漠化类型识别根据地表参数信息的差异，可以将沙漠化分为不同类型，如风蚀型、沉积型等。

通过分析MODIS数据，可以识别出不同类型的沙漠化区域，为防治工作提供依据。

四、技术应用实例以某地区为例，利用MODIS数据进行沙漠化遥感监测。

首先，对MODIS数据进行预处理，提取出NDVI和LST等指标。

然后，通过动态监测发现该地区沙漠化程度较高，且呈现扩大趋势。

进一步分析发现，该地区主要为风蚀型沙漠化。

根据这些信息，可以制定出针对性的防治措施，如植树造林、草地恢复等。

使用MODIS数据监测土壤湿度
郭广猛;赵冰茹
【期刊名称】《土壤》
【年(卷),期】2004(036)002
【摘要】土壤湿度是水文学、气象学以及农业科学研究领域的一个重要参数,目前使用遥感来监测土壤湿度主要用NOAA/AVHRR数据和微波数据,使用MODIS数据的研究还不多见.本文采用MODIS数据,根据水的吸收率曲线提出使用中红外波段来监测土壤湿度.通过在内蒙古地区的实地调查,回归分析表明MODIS第7波段的反射率与地面湿度之间有较好的线性关系,因此认为使用MODIS数据进行大面积土壤湿度监测是可行的.
【总页数】3页(P219-221)
【作者】郭广猛;赵冰茹
【作者单位】中国科学院地理科学与资源研究所,北京,100101;中国科学院地理科学与资源研究所,北京,100101
【正文语种】中文
【中图分类】TP75
【相关文献】
1.一种利用双时相ASAR数据监测土壤湿度的方法 [J], 游代安;赵少华;史园莉;姚云军
2.使用连续的MODIS遥感数据监测东亚飞蝗的发生 [J], 沈宁泽;倪绍祥;查勇
3.应用MODIS数据监测神农架林区大小蠹虫害时空分布 [J], 陈文静;徐华东;刘美爽
4.应用MODIS数据监测湖泊叶绿素a空间分布 [J], 董丹丹;孙金彦;张曦
5.使用MODIS和MOPITT卫星数据监测震前异常 [J], 郭广猛;曹云刚;龚建明因版权原因，仅展示原文概要，查看原文内容请购买。

中国农业大学硕士学位论文第一章绪论摘要干旱是制约我国农业生产的最重要因素之一。

利用遥感手段可以大面积的实时的探测土壤含水量进而对士壤旱情进行监测。

长久以来国内外一直利用ＮＯＡＡ气象卫星从事土壤含水量的遥感监测，现在随着更优越的新一代传感器ＴＥＲＲＡ—ＭＯＤＩＳ的升空，将最新的ＭＯＤＩＳ数据用于土壤含水量遥感信息模型的构建成为当前研究的热点。

本文在详细分析了近年来国内外研究进展的基础上，以北京平原为研究区．以能量平衡为基础理论，将ＭＯＤＩＳ遥感数据所获取的植被指数和地表温度作为反演土壤含水量的两个基本参量，再通过地面实验获得实测士壤含水量数据，将三者建立经验模型，从而实现土壤含水量的遥感反演。

根据不同时期不同的植被覆盖水平，将模型的建立分成了两个部分，一部分是裸地和低植被覆盖水平下的热惯量模型，另一部分是高植被覆盖条件卜的温度／植被指数经验模型。

实验结果表明：在本地区裸地和低植被覆盖条件下，指数形式的热惯量模型能够比较准确的反演土壤水分；植被覆盖条件下．ＮＤＶＩ和３１通道亮温的线性组合以及比值与含水量都有密切的关系，线性组合能更好的反演土壤含水量，ＳＡＶＩ和ＥＶＩ等植被指数形式结台３ｌ通道亮温构成的土壤含水量遥感反演模型效果较差；１３Ｐ神经网络可以用于土壤含水量遥感反演模型的拟合，但需要较大的样本数才能体现其优越性。

关键词：遥感信息模型，ＭＯＤＩＳ，土壤含水量，神经网络，北京中国农业大学硕士学位论文第一章绪论ＡｂｓｔｒａｃｔＴｈｅｄｒｏｕｇｈｔｉｓｏｎｅｏｆｔｈｅｍｏｓｔｐｒｉｎｃｉｐａｌｆａｃｔｏｒｓｔｈａｔｒｅｓｔｒｉｃｔａｇｒｉｃｕｌｔｕｒａｌｐｒｏｄｕｃｔｉｏｎｉｎＣＨＩＮＡ．Ｉｔ’ｓｖｅｒｙｆａｖｏｒａｂｌｅｔｏｄｅｔｅｃｔＲｅａｌ·ｔｉｍｅｓｏｉｌｍｏｉｓｔｕｒｅｔｈｕｓｍｏｎｉｔｏｒｔｈｅｄｒｏｕｇｈｔｏｆｆａｒｍｌａｎｄｂｙｕｓｉｎｇｒｅｍｏｔｅｔｉｍｅａｌｌｏｖｅｒｔｈｅｗｏｒｌｄＷｉｔｈｔｈｅｓｅｎｓｉｎｇ．ＮＯＡＡｈａｓｂｅｅｎｕｓｅｄｔｏｍｏｎｉｔｏｒｓｏｉｌｍｏｉｓｔｕｒｅｆｏｒａｌｏｎｇｂｌａｓｔｏｆｆｏｆＴＥＲＲＡ－ＭＯＤＩＳ，ｉｔｈａｓｂｅｅｎｖｅｒｙｕｒｇｅｎｔｆｏｒＢＳｔＯｕｓｅｔｈｅＭＯＤＩＳｄａｔａｔｏｄｅｔｅｃｔｓｏｉｌｍｏｉｓ抛ｒｅ．Ｂａｓｅｄｏｉｌｔｈｅｍｍｌｙｓｉｓｏｆｒｅｓｅａｒｃｈｐｒｏｇｒｅｓｓｏｆｓｏｉｌｍｏｉｓｔｕｒｅｒｅｍｏｔｅｓｅｎｓｉｎｇｉｎｆｏｒｍａｔｉｏｎｍｏｄｅｌｓ，ｔｈｉｓｍｅｔｈｏｄｓｏｆｍｏｎｉｔｏｒｉｎｇｓｏｉｌｍｏｉｓｔｕｒｅｗｉｔｈＢｅｒｉｎｇｐｌａｉｎａｓｒｅｓｅａｒｃｈｂａｓｅａｎｄｅｎｅｒｇｙｐａｐｅｒｄｅａｌｓｗｉｔｈｔｈｅｂａｌａｎｃｅａｓｔｈｅｏｒｅｔｉｃａｌｂａｓｉｓ．Ｔｈｅｅｍｐｉｒｉｃａｌｍｏｄｅｌｓｗｅｒｅｅｓｔａｂｌｉｓｈｅｄｕｓｉｎｇｔｗｏｐ—ｎｃｉｐａｌｆａｃｔｏｒｓ，ＶＩａｎｄｌａｎｄｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅ，ｗｈｉｃｈｄｅｒｉｖｅｄｆｒｏｍＭＯＤＩＳｄａｔａ，ａｎｄｔｈｅｄａｔａｏｆｓｏｉｌｍｏｉｓｔｕｒｅｏｂｔａｉｎｅｄｆｒｏｍｅｘｐｅｒｉｍｅｎｔｓ．Ｂｅｃａｕｓｅｏｆｄｉｆｆｅｒｅｎｔｌｅｖｅｌｓｏｆｖｅｇｅｔａｔｉｏｎｉｎｄｉｆｆｅｒｅｎｔｇｒｏｗｔｈｐｅｒｉｏｄ，ｗｅｓｅｐａｒａｔｅｄｔｈｅｍｏｄｅｌｓｉｎｔｏ２ｍｏｄｅｌｄｅｖｅｌｏｐｅｄｂｙｕｓｉｎｇｓｏｉｌｉｎｅｒｔｉａｆｏｒｂａｒｅｌａｎｄａｎｄｔｈｅｒｅｇｉｏｎｏｆｌｏｗａｓｐｅｃｔｓ．Ｏｎｅａｐｐｒｏａｃｈｗａｓｔｈｅｖｅｇｅｔａｔｉｏｎｃｏｖｅｒ，ｔｈｅｏｔｈｅｒｗａｓｕｓｉｎｇｌａｎｄｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅａｎｄＶＩ，ｗｈｉｃｈｗａｓｄｅｖｅｌｏｐｅｄｆｏｒｈｉｇｈｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅ．Ｔｈｅｒｅｓｕｌｌｉｎｄｉｃａｔｅｄ：ＩｎＢｅｉｊｉｎｇａｒｅａ，ｅｘｐｏｎｅｎｔｉａｌｅｍｐｉｒｉｃａｌｍｏｄｅｌｓｄｅｖｅｌｏｐｅｄｂｙＩｌｓ堍ｓｏｉｌｉｎｅｒｔｉａｗａｓｓｕｉｔａｂｌｅｆｏｒｂａｒｅｌａｎｄ；ｔｈｅｒｅｌｍｉｏｍ｝ＩｉｐｂｅｔｗｅｅｎｔｈｅｌｉｎｅａｒｃｏｍｂｉｎａｔｉｏｎｏｆＮＤＶＩａｎｄｂｒｉｇｈｔｎｅｓｓｔｅｍｐｅｍｔｎｒｅｏｆ３ｌｂａｎｄ（Ｔ３１）ｗａｓｓｉｇｎｉｆｉｃａｎｔｌｙｈｉｇｈｉｎｔｈｅｒｅｇｉｏｎｏｆｈｉｇｈｖｅｇｅｔａｔｉｏｎｃｏｖｅｒ，ａｎｄｓｏｄｉｄＴ３Ｉ／ＮＤＶＩ，ｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆＥＶＩａｎｄＳＡＶ／ｗａｓｎｏｔｓａｔｉｓｆａｃｔｏｒｙ；ＢＰｎｅＬｌｒａｌｎｅｔｗｏｒｋｃｏｕｌｄａｌｓｏｂｅｕｓｅｄｔｏｒｅｔｒｌｅｖｅｓｏｌｌｍｏｉｓｔｕｒｅｆｒｏｍｒｅｍｏｔｅｓｅｎｓｉｎｇ．Ｋｅｙｗｏｒｄｓ：Ｒｅｍｏｔｅｓｅｎｓｉｎｇｉｎｆｏｒｍａｔｉｏｎｍｏｄｅｌｓ，ＭＯＤＩＳ，Ｓｏｉｌｍｏｉｓｔｕｒｅ，ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ，Ｂｅｉｊｉｎｇ独创性声明６５９３８ｔｔ本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。

万方数据万方数据万方数据万方数据万方数据万方数据万方数据万方数据基于EOS/MODIS数据的土壤水分遥感监测方法作者：张红卫， 陈怀亮， 申双和， ZHANG Hongwei， CHEN Huailiang， SHEN Shuanghe作者单位：张红卫,ZHANG Hongwei(河南省气象科学研究所,郑州,450003;新乡市气象局,河南,新乡,453000;南京信息工程大学应用气象学院,南京,210044)， 陈怀亮,CHEN Huailiang(河南省气象科学研究所,郑州,450003)， 申双和,SHEN Shuanghe(南京信息工程大学应用气象学院,南京,210044)刊名：科技导报英文刊名：SCIENCE & TECHNOLOGY REVIEW年，卷(期)：2009，27(12)被引用次数：1次参考文献(25条)1.刘玉洁.杨忠东EOS/MODISY遥感信息处理原理与算法 20012.刘良明基于EOS EOS/MODIS数据的遥感干旱预警模型研究[学位论文] 20043.Seo D-J.Park C-H.Park J-H A search for the optimum combination of spatial resolution and vegetation indices 19984.Liu H Q.Huete A R A feedback based modification of the NDVI to minimize canopy background and atmospheric noise 19955.Unganai L S.Kogan F N Drought monitoring and corn yield estimation in southern Africa from AVHRR data 1998(03)6.Ghulam A.Qin Q.Teyip T Modified perpendicular drought index (MPDI):A real-time drought monitoring method 20077.Gao B NDWI-A normalized difference water index for remote sensing of vegetation liquid water from space 1996(03)8.刘小磊.覃志豪NDWI与NDVI指数在区域干旱监测中的比较分析[期刊论文]-遥感技术与应用 2007(05)9.冯强.田国良.王昂生基于植被状态指数的土壤湿度遥感方法研究[期刊论文]-自然灾害学报 2004(03)10.陈维英.肖乾广.盛永伟距平植被指数在1992年特大干旱监测中的应用 1994(09)11.Fenshoh R.Sandholt I Derivation of a shortwave infrared water stress index from MODIS near-and short wave infrared data in a semi-arid environment 2003(01)12.Ghulam A.Qin Q.Zhan Z Designing of the Perpendicular Drought Index (PDI) 200613.Jiang Z.Huete A.Chen J Analysis of NDVI and sealed difference vegetation index retrievals of vegetation fraction 2006(03)14.Buret F.Clevers J G P W.Steven M D The robustness of canopy gap fraction estimations from red and near-infrared reflectances:A comparison of appreaches 1995(03)15.王鹏新.龚健雅.李小文条件植被温度指数及其在干旱监测中的应用[期刊论文]-武汉大学学报:信息科学版2001(05)16.张晓涛.康绍忠.王鹏新估算区域蒸发蒸腾量的遥感模型对比分析[期刊论文]-农业工程学报 2006(07)17.王鹏新.孙威条件植被温度指数干旱监测方法的研究与应用[期刊论文]-科技导报 2006(04)18.陈怀亮.邹春辉.邓伟植被温度条件指数在土壤墒情遥感监测中的应用 2005(z)19.齐述华.李贵才.王长耀利用EOS/MODIS数据产品进行全国干旱监测的研究[期刊论文]-水科学进展 2005(01)20.Moran M S.Clarke T R.Inoue Y Estimating crop water deficit using the relation between surface airtemperature and spectral vegetation index 1994(03)21.詹志明.秦其明.阿布都瓦斯提·吾拉木基于NIR-Red光谱特征空间的土壤水分监测新方法[期刊论文]-中国科学D辑 2006(11)22.申广荣.田国良作物缺水指数监测旱情方法研究 1998(01)23.Jackson R D.Idso S B.Reginato R J Canopy temperature as a Crop Water Stress Indicator 198124.杜晓.王世新.周艺一种新的基于EOS/MODIS的地表含水量模型构造与验证 2007(03)25.Thomas J Jaeksona.Daoyi Chenb.Michael Cosha Vegetation water content mapping using Landsat data derived normalized difference water index for corn and soybeans 2004相似文献(10条)1.期刊论文卿清涛.谢向明.张顺谦.郭海燕.Qing Qingtao.Xie Xiangming.Zhang Shunqian.Guo HaiyanEOS/MODIS卫星遥感监测四川省森林火灾的阈值设置研究-四川气象2007,27(2)本文以2004年4～6月四川省农业气象中心EOS/MODIS资料为基础,参照四川省护林防火办公室的地面森林火灾观测资料,在充分研究EOS/MODIS传感器性能的基础上,通过多次试验研究,根据四川林区的气候特点,设置合理的川西山区森林火灾遥感监测参数,提高了森林火灾遥感监测的准确性.2.期刊论文殷青军.杨英莲.YIN Qingjun.YANG Yinglian基于EOS/MODIS数据的青海湖遥感监测-湖泊科学2005,17(4)在二十世纪八十年代,NASA开始设计地球观测系统(EOS),MODIS数据是地球观测系统中很具特色的数据,在TERRA和AQUA卫星上均搭载有MODIS传感器.利用MODIS的较高的空间分辨率和光谱分辨率进行地球资源的监测及预测、预报未来变化的研究是近几年热点的研究问题.本文介绍利用EOS/MODIS遥感数据进行湖泊水域计算机自动识别及面积计算、湖水面温度反演、湖冰信息自动提取、湖泊封冻和解冻监测原理和方法,并以青海湖为例介绍了实际应用情况.3.学位论文莫伟华基于EOS/MODIS卫星数据的洪涝灾害遥感监测应用技术研究2006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。

基于MODIS的郑州市土壤水分反演高攀; 王纪军; 宋轩【期刊名称】《《安徽农业科学》》【年(卷),期】2019(047)005【总页数】4页(P6-9)【关键词】遥感; MODIS数据; 温度植被干旱指数; 热惯量; 土壤水分反演【作者】高攀; 王纪军; 宋轩【作者单位】中国气象局/河南省农业气象保障与应用技术重点开放实验室河南郑州450003; 郑州大学水利与环境学院河南郑州450000【正文语种】中文【中图分类】S152.7土壤水分是气候、植被、地形及土壤因素等自然条件的综合反映，直接影响地表的热量和水量平衡，受到水文、气象和生态环境等多个学科的关注[1]。

土壤水分的遥感监测在20世纪60年代末主要利用其与光谱反射率的关系以及微波土壤水分反演土壤水分。

70年代以后，开始利用地面、航空等平台以及可见光等多波段相结合进行土壤水分的遥感反演。

80 年代以后，土壤水分的遥感监测产生了热惯量模式、土壤水分光谱法、基于温度和植被指数等的干旱指数模型法等方法。

吴盼等[2]基于MODIS数据，计算出青藏高原全年温度植被干旱指数TVDI，并分析了TVDI与土壤含水量的相关性。

陈涛等[3]基于MODIS数据与同时相的土壤水分观测资料，创建了那曲东部土壤水分遥感监测模型。

袁志杰[4]以山西省晋中市为例，基于MODIS等多源数据，运用温度植被指数模型(TVDI)和表观热惯量模型(ATI)2种方法互补反演出晋中每月土壤水分。

郑州市作为河南省省会，面积广阔，而土壤水分观测站点稀少，全区目前有观测数据的土壤水分站点16个，因此常规观测手段很难全面了解土壤水分以及旱情分布情况，通过遥感手段开展相关观测是目前较为有效的解决方法。

开展遥感土壤水分监测，关键是要选择合适的反演模型，提高反演精度。

因此，笔者基于MODIS数据，在植被覆盖度较高的时期，采用植被干旱指数法来反演土壤水分，在植被覆盖度较低的时期，采用表观热惯量法进行郑州市土壤水分反演，保证土壤水分遥感监测的连续性，旨在为研究郑州市土壤水分的空间分布提供理论依据和数据支持。

《基于MODIS数据的沙漠化遥感监测技术研究》篇一一、引言随着全球气候变化的影响，沙漠化问题日益严重，对生态环境和人类社会经济发展造成了严重影响。

因此，对沙漠化现象的监测和评估显得尤为重要。

遥感技术作为一种有效的手段，为沙漠化监测提供了重要的数据支持。

其中，MODIS（中分辨率成像光谱仪）数据因其覆盖范围广、时间分辨率高、光谱分辨率高等特点，在沙漠化遥感监测中得到了广泛应用。

本文将就基于MODIS数据的沙漠化遥感监测技术进行研究，以期为沙漠化监测和治理提供技术支持。

二、MODIS数据及沙漠化监测原理MODIS是搭载在卫星上的遥感仪器，能够获取地表及大气层的信息。

其数据具有较高的时间分辨率和空间分辨率，可以实现对地球表面的全方位、全天候监测。

在沙漠化监测中，MODIS数据主要用于获取地表植被覆盖度、地表温度、土壤湿度等关键参数，从而反映沙漠化的程度和趋势。

沙漠化监测的原理主要依据地表覆盖度的变化、地表温度的异常以及土壤湿度的降低等指标。

通过分析MODIS数据，可以提取这些指标，进而对沙漠化进行监测和评估。

三、基于MODIS数据的沙漠化遥感监测技术1. 数据获取与预处理首先，需要从MODIS数据网站获取所需的遥感数据。

获取的数据需要进行预处理，包括大气校正、投影转换等步骤，以便后续分析。

2. 植被覆盖度提取植被覆盖度是反映地表植被状况的重要指标，也是沙漠化监测的关键参数。

通过MODIS数据的红光和近红外光波段，可以提取出植被指数，进而计算出植被覆盖度。

3. 地表温度反演地表温度是反映地表能量平衡和热状况的重要参数，也是沙漠化监测的重要指标。

通过MODIS数据的热红外波段，可以反演出地表温度。

4. 土壤湿度监测土壤湿度是反映土壤水分状况的重要参数，对植被生长和沙漠化发展具有重要影响。

通过MODIS数据的微波波段，可以监测土壤湿度。

5. 沙漠化评估与预警根据提取的植被覆盖度、地表温度和土壤湿度等参数，可以评估沙漠化的程度和趋势。