基于定量遥感反演的旱情监测研究.docVIP

基于定量遥感反演的旱情监测研究 　　摘 要：本文基于笔者多年从事遥感减灾应用的相关工作经验，以基于MODIS数据的遥感旱情监测为研究对象，以某地区生长季的4月和7月为研究背景，分析了，及NDWI三个指标的变化趋势，给出了该地区旱情的变化趋势，全文是笔者长期工作实践基础上的理论升华，相信对从事相关工作的同行有着重要的参考价值和借鉴意义。 　　关键词：MODIS 遥感 旱情 NDVI ANDVI VCI NDWI 　　中图分类号：P23 文献标识码：A 文章编号：1672-3791（2014）07（b）-0036-02 　　旱情的监测是一个公认的难题。旱情的监测最初是利用气象数据，数据主要来源于稀疏的气象站点。这些基于气象站点数据不能完全的或不能及时获取，干旱监测的精确性和及时性就会降低。遥感技术宏观、客观、迅速和廉价的优势及其近年来的飞速发展，为旱情监测开辟了一条新途径。卫星系统以相当少的设备提供全球尺度上时间和空间连续的数据，基于卫星数据进行干旱监测的潜力大大增加。应用遥感技术监测干旱从70年代开始，到目前为止，存在着以下几方面的问题。 　　（1）目前开展的旱情监测主要还是停留在气象灾害层面上，还没有深入到农业层面，现有的监测仅是气象灾害或灾害性天气的监测，仅知道哪里有旱情发生，但这种旱情能否成为农业灾害，还不能确切地得知。（2）随着遥感传感器的发展，用不同的传感器获取数据成为可能，但是旱情监测对于遥感数据的选择有一定的限制。空间分辨率提高，则微观尺度监测的结果精度会提高；时间分辨率提高，对各种突发性、快速变化的自然灾害有更强的实时监测能力。一般空间分辨率越高，时间分辨率就会降低。因此，在遥感数据的选择上需要考虑空间和时间上的折衷，这取决于旱情监测范围、精度要求以及旱情自身的特点等等。例如，小范围的监测可以选择TM数据或雷达数据计算反映旱情的指标，全国范围内的监测可以选择NOAA/AVHRR数据或MODIS数据。由于干旱是一个累积的过程，如果有一个长时间序列的遥感数据进行干旱的监测，就可以很好的监测旱情的发展趋势，为决策提供更加可靠的信息。遥感数据多通道信息可以增强对地球复杂系统的观测能力和对地表类型的识别能力。在考虑遥感数据空间分辨率和时间分辨率的前提下，也要充分利用遥感数据提供的多光谱信息。因此，实现全国范围内的旱情监测，遥感数据是否容易获取也是旱情监测最后能否运行的一个决定因素。（3）目前利用遥感数据计算各种能直接或间接反映干旱情况的物理指标，己形成了很多种方法。但是干旱的发生由众多因素决定，而旱灾更为复杂，涉及农作物生长及其对水分的时空需要变化。因此，指标的选取也是旱情监测最后能否运行的一个决定因素。各种指标都有自身的优缺点，例如，有些对于作物的监测比较好，有些对于裸土监测效果比较理想；有些指标容易计算，但考虑的影响因子比较少，有些指标考虑的影响因子比较全面，但太过于复杂，使得全国范围内的计算难以实现。因此在指数的选取上不仅要体现对作物旱情监测的优势，而且要考虑指数在全国范围内的计算是否可以进行。 　　1 国内外遥感旱情监测指标反演进展 　　Kogan（1990）等第一次提出了植被状态指数（VCI）的概念，并给出了VCI的定义式，使用的是1984年至1987年NOAA全球植被指数（GVI）数据集。GVI数据的产生是通过将1 km的每日的LAC（地区覆盖）重采样为4 km每日的GAC数据，然后将4 km每日的GAC数据重采样为16 km的空间分辨率，因此得到GVI数据空间分辨率为16 km。为了最小化云的影响，时间上同样进行了重采样，采用平均法将每天的GVI数据以7天为一个时间间隔得到了周合成GVI数据。在前面处理的基础上，计算了1984年至1987年间每个像元每周的NDVI最大值和NDVI最小值。结果表明在Sudan南部VCI比NDVI能更好的解释一般的或月降雨百分比之间的关系。随后十几年里，很多研究中都将VCI作为植被监测、干旱监测、产量预测等的一个指标，得到了广泛的应用。LIU和Kogan（1996）等研究都是用的GVI数据，NDVI最大值和最小值的计算方法也一样。Gite1Sno等利用VCI进行了植被状态定量估计的研究，选取的是1985年至1994年的GVI数据。空间分辨率是16km，时间分辨率为7天。Kgona（1995）第一次提出了温度条件指数（TCI）的概念，并给出了TCI的定义式，使用的仍然是GVI数据集。处理方法与原因与上述一样，空间分辨率为16 km，时间分辨率为7天，只是提取最大值和最小值使用的通道不一样，是4通道的反演的亮温。4、5通道反演的亮温取决于地表温度、大气中水蒸汽和地表与大气的温度梯度。而只有4通道反演的温度不受大气中水汽的影响，因此使用的是4通道反演的亮温来提取的