ENVI土壤湿度遥感反演及干旱灾害监测
遥感建模与应用综合实习 实验报告
学 期 2017-2018学年第二学期 姓 名 学 号 指导教师 闵爱莲 1
实验题目:土壤湿度遥感反演研究 1. 实验目的 1.1熟悉遥感图像大气校正、几何校正的流程，掌握NDVI的计算及密度 分割的过程。 1.2 学会利用TM热红外波段反演地表温度，了解TVDI的原理，制图输出黄骅市TVDI图像。
1.3 掌握基本的统计学评价指标（R2值、相关系数、线性拟合模型精度评价等），建立干旱指数TVDI和土壤相对湿度之间的关联模型。 2. 实验要求 2.1 大气校正，几何校正后NDVI计算并制图输出。 2.2地表温度反演；Ts-NDVI散点图制作；TVDI指数计算；除云、除水、除建筑物，保留植被区域的TVDI。
2.3建立TVDI和土壤相对湿度之间的关联模型。模型精度评价。土壤相对湿度制图。 3. 实验数据 TM200205图像、BASE IMAGE图像、研究区矢量边界图。 4. 实验步骤: 4.1图像预处理以及NDVI制图。 ①大气校正。本实验选择黑暗像元法进行大气校正。打开TM200205,快速统计图像DN值，记录7个波段每个波段的黑暗像元。本实验选择DN值像元个数为十位数时对应的DN值作为黑暗像元DN值。所有像元均减去此黑暗像元的DN,达到校正目的。所依据原理为认为黑暗像元的辐射记录值为0，且认为图像各处大气影响一致，之所以不为0是由于大气程辐射的影响，减去此DN，即为整体消除大气程辐射的影响。
②几何校正。加载并打开base image和TM200205图像，基于Map下的图 2
像到图像校正方法进行几何校正。以base image为基准图像，以TM200205为待校正图像。本实验选择20个地面同名地物点作为控制点，总的均方根误差为0.8257个像元，选择的原则是：控制点要分布均匀，图像边缘部分要多选取。选择大桥桥头、河流拐弯处、道路交叉口、机场等易于区分且不易随时间变化太大的地物。
几何位置变换公式为多项式变换，二次多项式。重采样方法为线性内插法。 ③裁剪图像。基于ENVI菜单栏下的Basic 工具里的裁剪数据功能进行，空间子集选择边界图层。裁剪之后，用边界图层.evf文件数据进行腌膜，得到研究区数据，其他地方为0值。
④NDVI计算。基于公式（float（b1）-float（b2））/（b1+b2）或者Transform功能下的NDVI计算工具直接进行计算。
⑤NDVI密度分割。将NDVI从-0.6800~0.4208全部分为8类，外加一个0~0，即背景值，赋值为white
⑥制图输出。在Annotation下设置图名、图例、指北针、比例尺。需要指出的是，本实验在图例方面只加8个（不加0~0的图例），所有汉字均采用ENVI字体中的161~180里的KaiTi，所有英文全部采用Roman3字体，输出如图： 3
4.2热红外地温反演及TVDI制作（以下所有公式均在Band Math下输入）。 ①单位光谱范围内幅亮度值Rb。输入公式： (B1*(1.896-0.1534)/255+0.1534)/1.239 ②地温计算，用传感器温度表征地表温度Ts。输入公式： 1260.56/alog(60.766/B1+1) ③图像MNDWI计算。输入公式： （float（b1）-float（b2））/（b1+b2） 式中，B1为绿光波段，B2为短波红外波段（第五波段）。 ④TVDI指数计算原理。 植被指数NDVI 是利用植被对太阳辐射各光谱波段的吸收和反射作用，得出反映植被生长状况的信息，因此可作为干旱监测的一种指标，但其监测作物干旱状态具有一定的滞后性；而地表温度Ts的实时性强，却易受到周围地物的影响，因此常将两者综合起来研究干旱。 4
Price 和Carlson 等研究首先发现，如果研究区的植被覆盖度和土壤湿度值变化较大，则获得的植被指数NDVI 和地表温度Ts所形成的散点图呈三角形关系，其中NDVI 作为横坐标，Ts作为纵坐标。Moran 等则分析NDVI 和Ts的散点图为梯形关系。Sandholt等通过研究简化的NDVI-Ts 三角形空间，提出了温度植被干旱指数TVDI，用以估算土壤含水状况。
NDVI-Ts特征空间的示意图,体现了Ts与NDVI的关系。TVDI值为1是干边( Dry edge), 代表土壤缺水；TVDI 值为0则是湿边( Wet edge)，具有最大的土壤蒸发蒸腾总量和无限的水分供应，反映了土壤水分的两个极端状态。
Sandholt等[14] 首先提出了温度植被干旱指数( Temperature Vegetation Dryness Index, TVDI )的概念。其表达式为:TVDI=(Ts-Tsmin)-(Tsmax-Tsmin)
本实验只统计NDVI对应下的Tsmin和Tsmax。NDVI只选择>0的部分。得到干边方程为： Tsmax= -36.779*NDVI+323.55,R方值为0.9564 5
Tamin= 65.614*NDVI+268.99，R方值为0.9621 代码：pro TVDI ;读取NDVI fn=pickfile(title='��NDVI�ļ�') openr,lun,fn,/get_lun ndvi=fltarr(2205,1814) readu,lun,ndvi tvscl,ndvi,order=1 free_lun,lun
;读取Temperaturֵ fn1=pickfile(title='Temperature') openr,lun1,fn1,/get_lun wendu=fltarr(2205,1814) readu,lun1,wendu tvscl,wendu,order=1 free_lun,lun1
;设置ndvi步长及组数 a=max(ndvi) b=min(ndvi) step=0.01 n=ceil((a-b)/step)
; mini=fltarr(n) maxi=fltarr(n)
;ֵ for i=0,n-1 do begin mini[i]=b+i*step maxi[i]=mini[i]+step endfor minimum=fltarr(n) maximum=fltarr(n)
for i=0,n-1 do begin temp1=where(ndvi gt mini[i] and ndvi lt maxi[i]) if n_elements(temp1) eq 1 then begin temp2=0 6
endif else begin temp2=wendu[temp1] endelse minimum[i]=min(temp2) maximum[i]=max(temp2) endfor
plot,mini,minimum,psy=2 oplot,maxi,maximum,psym=2
data=fltarr(3,n_elements(mini)) data[0,*]=transpose(mini) data[1,*]=transpose(minimum) data[2,*]=transpose(maximum) openw,lun2,'d:/TVDI000.txt',/get_lun printf,lun2,data,format='(f10," ",f20," ",f20)' free_lun,lun2
END 如图：
⑤TVDI指数计算。输入公式为： (B1-(65.614*B2+268.99))/((-36.779*B2+323.55)-(65.614*B2+268.99)) ⑥云检测。本实验判定Ts<290K的部分为云，因此做一个云腌膜文件，Data min设为290，非云为1，云为0。
Tsmin= 65.614NDVI + 268.99R² = 0.9621
Tsmax= -36.779NDVI + 323.55R² = 0.9564
250.0275.0300.0325.0
350.0
0.000.050.100.150.200.250.300.350.400.450.500.55TS
NDVI
Ts-NDVI散点图TminTmax线性(Tmin)线性(Tmax) 7
⑦水体检测。本实验判定MNDWI>0.40的部分为水体，因此做一个水体腌膜文件，Data max设为0.40，非水为1，水为0.
⑧NDVI<0检测。原理同上，去除建筑物。 ⑨得到最后的TVDI图像。输入公式： B1*B2*B3*B4，B1…B4依次对应上面⑥、⑦、⑧及TVDI图像。 8
⑩TVDI密度分割，制图输出，步骤同4.1⑥。如图： 4.3土壤湿度遥感反演。 ①土壤站点矢量图生成。在Arcmap中加载X/Ydata，选择实测土壤湿度文件.txt，字段要对应好，此处不详细介绍，坐标系选择WGS-1984,，生成图层，导出shapfile文件。
②ENVI打开矢量图层，生成evf文件。加载生成的evf文件到TVDI窗口图像中，在“可以使用的矢量列表中”选择导出evf图层到ROI，属性文件为TVDI.
③获取土壤湿度对应经纬度下的TVDI值。在ENVI下启动ROI工具，导入生成的ROI文件。导出ROI文件到ASCII文件，属性文件依旧选择TVDI.
④将生成的文本文档和实测土壤湿度文本文档用EXCEL打开，按空格顺序打开。按照经度升序排列，选取前70对数据建立模型，拟合模型得到线性模型为y=-0.8225*x+0.8375 ,R方值为0.6857，X为TVDI，Y为土壤湿度。70对数据相关系数为-0.82805，查表知，其通过了0.001的显著性检验，置信度为99.9%，可以使用。
⑤用剩余的20对数据作为模型检验的数据。代入上述公式，得到遥感反演土壤湿度数据，计算得MSE为0.243569，RMSE为0.091851.
干旱监测指标方法及等级标准
— 1 —干旱监测指标方法及等级标准干旱监测从不同层面具有多种监测方法和指标，本附件主要介绍8种干旱监测指标及其计算方法，其中最后两种方法为气象卫星遥感干旱监测处理方法和指标。
目前在卫星遥感干旱监测业务中，使用的数据源为NOAA-16卫星AVHRR 数据，生成卫星遥感干旱监测产品的空间分辨率为1.1公里，监测周期为每旬一次。
1、 降水量（P ）和降水量距平百分率(Pa )1.1 原理和计算方法降水量距平百分率（Pa ）是指某时段的降水量与常年同期降水量相比的百分率：%100⨯-=PP P Pa …………………… (1) 其中P 为某时段降水量，P 为多年平均同期降水量，本标准中取1971～2000年30年气候平均值。
∑==ni i P n P 11 (2)其中i P 为时段i 的降水量，n 为样本数，30=n 。
1.2 等级划分由于我国各地各季节的降水量变率差异较大，故利用降水量距平百分率划分干旱等级对不同地区和不同时间尺度也有较大差别，表1为适合我国半干旱、半湿润地区的干旱等级标准。
— 2 —表1 单站降水量距平百分率划分的干旱等级等级 类型降水量距平百分率(Pa )（%） （月尺度） （季尺度） （年尺度） 1无旱 -50＜Pa -25≤Pa -15≤Pa 2轻旱 -70＜Pa ≤-50 -50≤Pa ＜-25 -30≤Pa ＜-15 3中旱 -85＜Pa ≤-70 -70＜Pa ≤-50 -40＜Pa ≤-30 4重旱 -95＜Pa ≤-85 -80＜Pa ≤-70 -45＜Pa ≤-40 5 特旱 Pa ≤-95 Pa ≤-80 Pa ≤-452、标准化降水指数（SPI 或Z ）2.1 原理和计算方法标准化降水指数（简称SPI ）是先求出降水量Γ分布概率，然后进行正态标准化而得，其计算步骤为：1）假设某时段降水量为随机变量x ，则其Γ分布的概率密度函数为：βγγβ/1)(1)(x e x x f --Γ=，0>x …………………… (3) ⎰∞--=Γ01)(dx e x x γγ (4)其中：0>β，0>γ分别为尺度和形状参数，β和γ可用极大似然估计方法求得：AA 43/411ˆ++=γ …………………… (5) γβˆ/ˆx = ........................ (6) 其中∑=-=n i i x n x A 1lg 1lg (7)— 3 —式中i x 为降水量资料样本，x 为降水量多年平均值。
干旱监测指标方法及等级标准
— 1 —干旱监测指标方法及等级标准干旱监测从不同层面具有多种监测方法和指标，本附件主要介绍8种干旱监测指标及其计算方法，其中最后两种方法为气象卫星遥感干旱监测处理方法和指标。
目前在卫星遥感干旱监测业务中，使用的数据源为NOAA-16卫星AVHRR 数据，生成卫星遥感干旱监测产品的空间分辨率为1.1公里，监测周期为每旬一次。
1、 降水量（P ）和降水量距平百分率(Pa )1.1 原理和计算方法降水量距平百分率（Pa ）是指某时段的降水量与常年同期降水量相比的百分率：%100⨯-=PP P Pa …………………… (1) 其中P 为某时段降水量，P 为多年平均同期降水量，本标准中取1971～2000年30年气候平均值。
∑==ni i P n P 11 (2)其中i P 为时段i 的降水量，n 为样本数，30=n 。
1.2 等级划分由于我国各地各季节的降水量变率差异较大，故利用降水量距平百分率划分干旱等级对不同地区和不同时间尺度也有较大差别，表1为适合我国半干旱、半湿润地区的干旱等级标准。
— 2 —表1 单站降水量距平百分率划分的干旱等级等级 类型降水量距平百分率(Pa )（%） （月尺度） （季尺度） （年尺度） 1无旱 -50＜Pa -25≤Pa -15≤Pa 2轻旱 -70＜Pa ≤-50 -50≤Pa ＜-25 -30≤Pa ＜-15 3中旱 -85＜Pa ≤-70 -70＜Pa ≤-50 -40＜Pa ≤-30 4重旱 -95＜Pa ≤-85 -80＜Pa ≤-70 -45＜Pa ≤-40 5 特旱 Pa ≤-95 Pa ≤-80 Pa ≤-452、标准化降水指数（SPI 或Z ）2.1 原理和计算方法标准化降水指数（简称SPI ）是先求出降水量Γ分布概率，然后进行正态标准化而得，其计算步骤为：1）假设某时段降水量为随机变量x ，则其Γ分布的概率密度函数为：βγγβ/1)(1)(x e x x f --Γ=，0>x …………………… (3) ⎰∞--=Γ01)(dx e x x γγ (4)其中：0>β，0>γ分别为尺度和形状参数，β和γ可用极大似然估计方法求得：AA 43/411ˆ++=γ …………………… (5) γβˆ/ˆx = ........................ (6) 其中∑=-=n i i x n x A 1lg 1lg (7)— 3 —式中i x 为降水量资料样本，x 为降水量多年平均值。
使用遥感技术进行农田土壤湿度监测的方法
使用遥感技术进行农田土壤湿度监测的方法在农业领域，精确的土壤湿度监测对于农作物的生长和管理至关重要。
传统的土壤湿度监测方法费时费力且往往不够准确。
然而，随着遥感技术的不断发展和应用，它已经成为一种高效、准确的方法来监测农田土壤湿度。
本文将就使用遥感技术进行农田土壤湿度监测的方法进行阐述。
一、遥感技术的基本原理和应用遥感技术利用卫星、飞机等传感器捕捉地球表面的电磁辐射，并将其转化为可用的信息。
这些信息可以通过图像或数据形式传达给专业人员进行分析和解读。
在农田土壤湿度监测中，遥感技术主要基于微波辐射的原理。
由于土壤湿度对微波辐射的反射和吸收具有独特的特征，通过分析这些微波辐射的特征，可以推断土壤湿度的变化情况。
遥感技术在农田土壤湿度监测中具有显著的应用优势。
首先，它可以覆盖大范围的土地，迅速获取大量的数据，从而提供全面、细致的土壤湿度信息。
其次，遥感技术可以避免人为的 interferenc，提供客观、准确的结果。
而且它还可以与地理信息系统（GIS）等技术相结合，进行地区和时间上的比较分析，从而更好地支持农田管理决策。
二、遥感数据获取和处理方法遥感数据的获取是进行土壤湿度监测的关键步骤。
目前，主要有两类遥感数据广泛应用于农田土壤湿度监测：主动遥感数据和被动遥感数据。
主动遥感数据是通过发射和接收微波信号的方式获取的。
这种方法可以直接测量土壤湿度，具有较高的精度和灵敏度。
常用的主动遥感数据获取方式包括微波雷达和微波干涉。
被动遥感数据则是通过接收地球表面的自然辐射来获取的。
这些数据来源于可见光、红外线和热辐射等不同波段的辐射。
针对土壤湿度监测，红外辐射和热辐射的监测方法应用较为广泛。
红外辐射可以通过测量地表温度来间接推测土壤湿度，而热辐射则是通过测量地表和土壤的热辐射量来获取土壤湿度信息。
在获取遥感数据之后，需要进行一系列的处理和分析。
这些处理方法包括辐射校正、影像融合、特征提取等。
通过这些处理方法，可以进一步提高遥感数据的质量和可用性，使其更好地用于土壤湿度监测。
全国土壤湿度及其变化的遥感反演与分析解析
弋Ｒ４０２１０分类号ＵＤＣ密级编号中国科学院研究生院硕士学位论文全国±攮量廑区基銮丝笪遥蹙厦渲量佥堑蛊瘟申请学位级别理堂亟±学科专业名称丝圈堂皇地堡篮星丕筮论文答辩日期２ＱＱ５生鱼目论文提交日期２Ｑ逝生主旦答辩委员会主席摘要土壤湿度是进行农业、水文、气象、生态等方面研究的主要基础信息，也是进行土地退化评价及环境监测的重要指标，土壤湿度的遥感监测方法研究对于资源环境遥感有重要的意义。
本文结合“生态安全相关要素的定量遥感关键技术研究”项目中“土地退化的遥感监测指标定量提取与评价技术”子课题的工作，试图在全国范围进行土壤表层湿度的时空序列反演，并探讨全国土壤湿度分布的时空特性。
论文在对土壤湿度反演方法进行总结及评价的基础上，选择温度植被干旱指数（ＴＶＤＩ）法对全国土壤湿度进行反演。
用地表能量平衡方程对ＴＶＤＩ法的原理及影响因子进行了分析，发现对ＴＶＤＩ产生影响的因子包括太阳总辐射、气温、地表反照率、空气密度、地表发射率、风速等，在文中着重探讨了气温随高程的变化对ＴＶＤＩ反演土壤湿度的影响。
由于气温随高程变化的影响与高程有关，提出用数字高程模型（ＤＥＭ）对ＴＶＤＩ反演过程进行订正的方法。
参考气温的垂直递减率，用实测值相关分析的方法确定订正系数并得到订正后的ＴＶＤＩ结果。
订正前后土壤湿度结果的对比分析表明，进行订正后的ＴＶＤＩ能更好地反演土壤湿度。
与ＮＳＩＤＣ网站提供的ＡＭＳＲ土壤湿度数据的比较发现，ＴＶＤＩ对土壤水分含量位于Ｏ．０５－０，１５ｇ．ｃｍ。
之间的情况有最好的反映，由于这个区间包括了图像中９０％以上的像元，认为ＴＶＤＩ可以反映土壤湿度的状况。
用上述方法对２００３年３６旬的土壤湿度情况进行了反演。
对旬Ｔｓ—ＮＤＶＩ（地表温度．植被指数）空间散点图的情况进行了分析，对各旬分别确定Ｔｓ—ＮＤＶＩ特征空间干湿边边界及方程。
一般用ＴＳ的最大最小值作为干湿边边界。
由于在研究没有去除图像中的条带噪声，当噪声点较多时，用Ｔｓ的最大最小值不能得到很好的干湿边边界，对这种情况，用频率法确定干湿边的边界。
遥感在干旱监测中的应用技术
TECHNOLOGY WIND在对人类造成严重威胁的多种自然灾害中，干旱灾害是发生最频繁、危害最广泛的灾害之一。
大规模的干旱往往可以使大范围的农业长期绝收。
干旱发生频率较大现代遥感技术的发展和应用，为人类准确有效地监测干旱灾害的发生和发展并评估其影响，提供了强有力的手段。
干旱遥感监测的本质是监测土壤水分含量，通过土壤含水量的多少和分布来反映干旱的程度和分布范围，对农业生产具有直接的指导作用。
1干旱卫星遥感监测原理利用气象卫星的可见光和红外探测资料开展干旱灾害遥感监测，目前国内运用较多比较成熟的监测模式主要有土壤热惯量模式和植被指数模式。
土壤热惯量模式是利用气象卫星昼夜两次探测资料，计算土壤的热惯量，进而推算出土壤湿度，该监测模式有局限性，在实际应用中存在不少的困难。
植被指数模式主要包括植被供水指数法和距平植被指数法。
植被长势受到诸多因素的影响，但在发生干旱灾害的季节里，土壤水分含量的多少对植被长势的影响却起着关键性的作用，利用极轨气象卫星第一、第二两个通道的反射光谱数据可以定义出归一化植被指数。
当植被遭受干旱灾害时，土壤对植被的水分供应不足，植被长势将受到影响，卫星遥感监测的植被指数将降低，同时植被的冠层温度也因没有足够的水分供蒸发而升高。
因此，采用植被指数模式可以有效地监测有植被覆盖区域受干旱危害的程度。
2卫星遥感监测干旱技术方法和应用NOAA 系列极轨气象卫星携带的改进甚高分辨率辐射计（AVHRR ）具有监测范围广、实时性强、便于长期动态监测等特点。
由植被的反射特征可知，在近红外波段植被具有较高的反射率，而NOAA 卫星AVHRR 的第二通道的探测波长为0.7~1.1微米，处在近红外波段，适用于植被遥感。
经投影变换、地标定位等预处理后的AVHRR 资料以辐射计数值形式保存，在定标处理时，根据各通道的直方统计结果截取最大地表信息区域进行定标处理，生成8bit 的反照率、亮温图像文件。
根据光谱分析选取适当阈值分别对CH 1、CH 2二通道数据进行云和水体剔除，即可进行干旱指标计算。
土壤水分的遥感监测
土壤水分的遥感监测摘要：针对日益严重的全球干旱问题，本文从水分监测领域出发进行研究。
从国内外各种研究方法的比较及传统方法和遥感监测方法的比较中突出遥感监测的优越性。
从遥感监测的各种方法分述，对比出气各自适用的范围和优缺点。
联系实际和GIS技术的发展，提出该技术的进步空间。
一、研究土壤水分监测的意义近百年来全球变化最突出的特征就是气候的显著变暖，这种气候变化会使有些地区极端天气与气候事件如干旱、洪涝、沙尘暴等的频率与强度加强增加。
中国气候变暖最明显的地区在西北、华北和东北地区，特别是西北变暖的强度高于全国平均值，使得夏季干旱化和暖冬比较突出。
新世纪以来尤为明显：2000年多省干旱面积大，达4054万公顷，受灾面积6.09亿亩，成灾面积4.02亿亩。
建国以来可能是最为严重的干旱。
2003年江南和华南、西南部分地区江南和华南、西南部分地区发生严重伏秋连旱，其中湖南、江西、浙江、福建、广东等省部分地区发生了伏秋冬连旱，旱情严重。
2004年我国南方遭受53年来罕见干旱，造成经济损失40多亿元，720多万人出现了饮水困难。
2005年华南南部、云南严重秋冬春连旱，云南发生近50年来少见严重初春旱。
2006年重庆旱灾达百年一遇，全市伏旱日数普遍在53天以上，12区县超过58天。
直接经济损失71.55亿元，农作物受旱面积1979.34万亩，815万人饮水困难。
2007年全国22个省全国耕地受旱面积2.24亿亩，897万人、752万头牲畜发生临时性饮水困难。
中央财政先后下达特大抗旱补助费2.23亿元。
2008年云南连续近三个月干旱，云南省农作物受灾面积现达1500多万亩。
仅昆明山区就有近1.9万公顷农作物受旱，13多万人饮水困难。
2009年华北、黄淮等15个省市连续3个多月，华北、黄淮、西北、江淮等地15个省、市未见有效降水。
冬小麦告急，大小牲畜告急，农民生产生活告急。
不仅工业生产用水告急，城市用水告急，生态也在告急。
干旱监测指标方法及等级标准
— 1 —干旱监测指标方法及等级标准干旱监测从不同层面具有多种监测方法和指标，本附件主要介绍8种干旱监测指标及其计算方法，其中最后两种方法为气象卫星遥感干旱监测处理方法和指标。
目前在卫星遥感干旱监测业务中，使用的数据源为NOAA-16卫星AVHRR 数据，生成卫星遥感干旱监测产品的空间分辨率为1.1公里，监测周期为每旬一次。
1、 降水量（P ）和降水量距平百分率(Pa ) 1.1 原理和计算方法降水量距平百分率（Pa ）是指某时段的降水量与常年同期降水量相比的百分率：%100⨯-=PPP Pa …………………… (1) 其中P 为某时段降水量，P 为多年平均同期降水量，本标准中取1971～2000年30年气候平均值。
∑==ni iP n P 11 (2)其中i P 为时段i 的降水量，n 为样本数，30=n 。
1.2 等级划分由于我国各地各季节的降水量变率差异较大，故利用降水量距平百分率划分干旱等级对不同地区和不同时间尺度也有较大— 2 —差别，表1为适合我国半干旱、半湿润地区的干旱等级标准。
表1 单站降水量距平百分率划分的干旱等级等级 类型 降水量距平百分率(Pa )（%）（月尺度） （季尺度） （年尺度） 1 无旱-50＜Pa-25≤Pa-15≤Pa2 轻旱 -70＜Pa ≤-50 -50≤Pa ＜-25 -30≤Pa ＜-153 中旱 -85＜Pa ≤-70 -70＜Pa ≤-50 -40＜Pa ≤-304 重旱 -95＜Pa ≤-85 -80＜Pa ≤-70 -45＜Pa ≤-40 5特旱Pa ≤-95 Pa ≤-80 Pa ≤-452、标准化降水指数（SPI 或Z ） 2.1 原理和计算方法标准化降水指数（简称SPI ）是先求出降水量Γ分布概率，然后进行正态标准化而得，其计算步骤为：1）假设某时段降水量为随机变量x ，则其Γ分布的概率密度函数为：βγγγβ/1)(1)(x e x x f --Γ=，0>x (3)⎰∞--=Γ01)(dx e x x γγ (4)其中：0>β，0>γ分别为尺度和形状参数，β和γ可用极大似然估计方法求得：AA 43/411ˆ++=γ (5)— 3 —γβˆ/ˆx = (6)其中∑=-=ni ix n x A 1lg 1lg (7)式中i x 为降水量资料样本，x 为降水量多年平均值。
干旱荒漠化矿区CPS反射信号土壤湿度反演
SCIENCE &TECHNOLOGY VISION科技视界2012年8月第22期科技视界Science &Technology Vision0引言随着经济水平的提高,能源的大量消耗不可避免,煤炭的需求带动了大面积的煤矿开采。
随之产生的生态环境问题比比皆是,地表变形、沉降导致土地荒漠化,不仅荒废了土地,而且带来了经济损失。
荒漠化矿区多为裸地或低植被覆盖,生态系统极其脆弱,采矿对其影响显而易见[1-5]。
控制地下水水位是生态脆弱矿区科学开采的核心[6]。
土壤湿度,作为土壤质量的标志之一,说明土壤含水和持水能力,在荒漠化矿区极易受影响。
近年来,矿区土壤湿度成为许多专家学者研究的热点。
全球导航定位系统(GPS)自从问世已经发展成为多领域、多模式、多用途、多机型的国际性高新技术产业。
实践证明,GPS 系统是一个高精度、全天候和全球性的无线电导航、定位和定时的多功能系统。
1993年M.Martin Neira (ESA)提出从地球表面反射的GPS 信号可能检测到海洋卫星测高资料中直接信号和反射信号之间存在的延迟,开创了利用GPS反射信号遥感海平面的先河[7]。
GPS 系统L1(1.57542GHz)、L2(1.2276GHz)波段频率又是遥感土壤湿度的最佳频率[8]。
根据GPS 反射信号功率与土壤介电常数存在一定的函数关系,土壤介电常数和土壤湿度也存在函数关系,利用GRrSv.2系统[9]获取GPS 反射信号功率,根据函数模型反演出特定区域内的土壤湿度。
鉴于荒漠化矿区多为裸地或低植被覆盖条件,适宜于土壤湿度信息遥感,本文将分析利用GPS 反射信号反演矿区土壤湿度的基本原理和方法,探讨其应用可行性。
1GPS 反射信号反演土壤湿度利用GPS 反射信号技术可以实现对特定区域的遥感,这种技术被称作GPS-R 技术。
研究土壤湿度在农学、气象学等多个领域具有十分重要的作用。
关止等人提出利用反射GPS 信号遥感土壤湿度,是在传统微波遥感土壤湿度基础上的一项创新。
(完整版)土壤水分遥感反演
为什么要降尺度？
• 被动微波方法做土壤水分有着天然的优越性 • 但是其空间分辨率粗，所以只能用来做大尺度上
的观测。 • 而包括气象，水文，水资源管理和气候学在内的
一系列流域尺度上的研究都要求中高分辨率的土 壤水分观测据 • 流域尺度同化系统的需要
所以对土壤水分降尺度的研究很有必要
7
研究目标和内容
4
土壤水分的三种获取方式
• 地面实地定点观测（包括台站和便携仪器）
– 可以给出时间上的变化 – 难以描述空间变化，受条件限制多，花费成本高
• 模型模拟(土壤水动力学等)
– 能给出空间和时间上的变化 – 对输入参数要求高，不确定性较高
• 遥感
– 可以获取大范围的数据；速度快，周期短； – 地表信息,瞬时值
X TVDI ( space (1, 2), --- )
“TVDI 在空间上 可以…但在时间 上…”
TVDI (--- , DOY 200 ) TVDI (--- , DOY 201 ) TVDI (--- , DOY 202 ) TVDI (--- , DOY 203 )
?
18
三 研究方案和技术路线2：降尺度方法
报告人：曹永攀
2011-01-14
1
提纲
一 背景介绍 二 研究方案和技术路线1：TVDI 三 研究方案和技术路线2：降尺度方法 四 总结
2
引言
• 经典的牛顿力学只适用于宏观世界而不适 用于微观世界便是一个典型的尺度问题。
• 80年代后期，用AVHRR估算中国耕地面积 24亿亩（当时统计数据为15亿亩），成为 “笑柄”，其实这也是一个典型的尺度问 题。
• 地理学、生态学、水文学、气象学、物理 学、天文学和信息学等众多学科和领域都 存在尺度问题。
遥感监测干旱的方法综述
省北部利用ＮＯＡＡ ／ＡＶＨＲＲ图像和各气象站资料，根据作物
缺水指数半定量给出了土壤旱情分布图；申广荣等以
ＧＩＳ为工具实现图像、图形、数据一体化处理，用作物缺
水指数实现了黄淮海平原旱情监测。
２．４ 高光谱法
高光谱遥感技术具有高光谱分辨率的特点，能够提供
连续的反射光谱曲线，而连续的反射光谱曲线可以表现出
精度进行了比较分析，建立了适合河北广大地区的土壤水分
遥感模型。刘振华等（２００６）考虑植被因素的影响，将热惯
量模型的应用从裸土扩展到植被覆盖区，在植被覆盖区域使
用双层模型中的土壤能量平衡方程，同时在热传导的边界条
件中引入显热通量和潜热通量。
２．２ 植被温度指数
植被指数与地面温度是描述土地覆盖类型特征的两个重
fungak在建立模型时考虑了散射体处于fresnel区域的作用结果表明fresnel作用能够使圆盘状叶子的后向散射系数减小下转第7443中国西部科技2011年05月上旬第10卷第13期总第24621档案的收集工作档案的收集工作是档案工作中一项政策性较强的工作学校的档案绝大多数是接收上级党政领导机关的政策法令汇编文件党刊公报以及各部门送交上来的各种材料档案的来源是分散的档案材料牵扯到各个部门各种工作可以说千头万绪并不是每个部门每个工作人员都能及时全面地送交这就需要档案工作人员的工作要更加主动细致才行
通过建立Ｔｓ－ＮＤＶＩ特征空间研究全国干旱分布。
２．３ 作物缺水指数
作物缺水指数（ＣＷＳＩ）的最初提出主要是建立于能量平
衡基础上，是以植物叶冠表面温度和周围空气温度的测量
值，以及太阳净辐射的估算值计算的，实质上反映出植物
蒸 腾 与 最 大 可 能 蒸 发 的 比 值 。 作 物 缺 水 指 数 ＣＷＳＩ定 义