以北京市Landsat TM为数据源, 提出了一种新的地表温度光谱分解模型(Temperature Unmixing with Spectral, TUS), 以期将地表温度的空间分辨率提高到30 m.首先, 基于线性光谱混合模型获得地表组分的丰度值.然后, 基于温度/植被指数选取典型端元的地表温度.最后, 综合地表组分的比辐射率数据实现地表温度的分解.结果表明, TUS模型能够有效地提高地表温度的空间分辨率, 反映不同地表组分地表温度的空间差异性, 平均绝对误差(MAE)和均方根误差(RMSE)分别为1.25 K和2.27 K, 非常适合于复杂地表覆盖地区的地表温度降尺度处理.

阴影是遥感影像中普遍存在的干扰因素, 如何有效去除阴影已成为共识, 寻找一个有效的阴影检测指标是实现影像阴影去除的基础工作。 以Landsat TM, ALOS AVNIR-2, CBERS-02B CCD及HJ-1 CCD影像为试验数据, 立足于进一步增大阴影区植被与明亮区植被、 水体间的差异, 实现影像阴影的有效检测, 构建了一个新的植被指数--阴影植被指数SVI, 该指数既可保证明亮区植被、 阴影区植被、 水体区在近红外波段的绝对差异, 又能对NDVI进行放大, 消除可能存在的混淆现象, 改变NDVI直方图的“偏态”现象, 使植被指数值更接近于正态分布, 更符合地面实际; 该指数适用于近红外波段辐射特征差异较大的地物。 采用精度评估法验证SVI对明亮区植被、 阴影区植被、 水体区三类地物的识别效果, 结果显示, 四幅影像总分类精度依次高达98.89%, 100%, 97.78%, 97.78%, 总Kappa系数依次为0.983 3, 1, 0.966 7, 0.966 7, 说明SVI对明亮区植被、 阴影区植被及水体区具有极好的检测效果; 对子影像、 SVI与NDVI的统计指标对比亦说明, SVI可靠、 有效, 可以将其应用于影像阴影去除。

在湖泊生态系统中, CDOM(colored dissolved organic matter)是营养物质的重要来源, 也是碳循环过程的主要物质组成。 作者在2003年10月27日—28日太湖水质实验数据的基础上, 研究与探讨了从Landsat/TM影像中提取太湖CDOM浓度分布状况的方法。 通过研究可知, 利用CDOM在TM1波段的强吸收特性, 对应的光谱曲线呈现一个吸收波谷; 以TM1波段反射率为遥感参数, 结合遥感反演技术, 能较好地从TM1影像中提取太湖水体CDOM浓度信息; 与两个检验数据相比较, 模型预报值与实测数据的偏差为0.922 mg·L-1, 对应的相对偏差为14.85%; 此外, 反演结果表明, 在2003年10月28日, 太湖水体中的CDOM浓度分布呈湖心和湖南高, 湖东和和湖西低的格局。