基于NDVI对庄稼生长的检测.docVIP

院 系：测绘与地理信息学院 专 业：摄影测量与遥感 姓 名：姚 亚 会 学 号：1434923 上课时间：周四上午2-4节 上课地点：彰武北大楼305 基于MODIS数据利用NDVI指数在CHARMS中对植物长势的监测 1.概论 在生长季对植物生长进行适时、精确的监测对植物估产具有重要的意义，为农业部分制作和调整方针政策提供信息支持。这篇论文主要内容为基于MODIS遥感影像数据采用NDVI对植物长势进行监测。模型的参数可用一些气象数据，譬如温度、降水、光照以及野外观测数据进行修改。 2.MODIS数据的特点及主要指标 MODIS全称Moderate-Resolution Imaging Spectroradiometer，即中分辨率成像光谱仪。1998年MODIS机载模型器安装到EOS-AM（上午轨道）和PM（下午轨道）系列卫星上，从1999年12月正式向地面发送数据。 MODIS波段分布和主要应用： 3.NDVI NDVI-归一化植被指数，是反映农作物长势和营养信息的重要参数之一。根据该参数,可以知道不同季节的农作物对氮的需求量, 对合理施用氮肥具有重要的指导作用。 计算方法： 其中：NIR为近红外波段的反射值 R为红光波段的反射值 进行波段计算，对遥感影像的质量要求比较高，需要影像上的云量比较少，必要的话还需要进行去云处理。 -1=NDVI=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；NDVI0,零表示有岩石或裸土等，NIR和R近似相等；NDVI，表示有植被覆盖，且随覆盖度增大而增大； NDVINIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度； NDVI对土壤背景的变化较为敏感，但由于NDVI可以消除大部分与仪器定标、太阳角、地形、云阴影和大气条件有关辐照度的变化，增强了对植被的响应能力，是目前已有的多种植被指数中应用最广的一种。 MODIS算法如公式: 并通过相关专家的判读与野外实测数据验证，空间一致性良好。 Data preparation ①　Remote sensing data preparation and preprocessing : 首先，每天从modis卫星接收站获取全中国的遥感影像数据；然后使用遥感图像处理系统对图像进行预处理，包括：辐射校正、几何校正、投影变换、去云等；接着用红外、近红外波段计算NDVI值；十六天为一个周期，得到NDVI的最大值（MVC）,将该最大值与前五年同一时期的值进行比较。 ②　Other data preparation : 与植物生长状况有关的其他信息也要进行收集，其中包括：区域地形图、地区行政区划地图、土地利用和土地覆盖图、庄家分布图、监测期的MODIS历史数据；有温度、降水和光照有关的气象数据以及从200个地区得到的野外调查数据。 Methodology 用一个改进后的NDVI差值模型来对不同作物的生长状况进行评估，模型为： 其中：R是植被生长指数，是2009年某一特定时期的NDVI值，过去五年的平均NDVI值。 注：由于每个像素的NDVI值受气象条件的影响，因此采用均值滤波的方法，其基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点，选择一个的模板，该模板由其近邻的8个像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点，作为处理后图像在该点上的灰度，即，其中m为该模板中包含当前像素在内的像素总个数；通常使用温度、降水、光照等气象条件对模型的参数进行改正。 基于计算的R值，将植物的生长状况分为三类，良好、一般、恶劣；被云层覆盖区域不利于监测，因此不能对该地区的植物生长状况作出评估；对植物的生长状况从乡到省到区域到国家逐级进行评估；也可以得到植物生长状况的空间分布图。 结果和分析 Figure1显示了2009年冬小麦、玉米、水稻和大豆在生长期的生长状况。可以看到冬小麦在年初由于严重的干旱导致生长状况不好，然后开始慢慢变好；东北地区，大豆的生长受到低温，光照不足，寒冬的影响，生长状况想比平常并不很差，而且很快得到了恢复。 Conclusion and Discussion 对庄稼的动态监测对国家粮食保障和促进农业可持续发展具有重要的意义。对农作物生产的适时的、精确的认知，与政府的决策、农作物产量的管理、大众的担忧息息相关。遥感可以在短时间内获得大量的地面信息，因此在农业检测方面具有优势。早期的植物生长状况对政府决策者、分析学家来说没有太大的价值，因此必须进行后续研究： 基于不同的作物和种植区，创建不同的遥感检测体系（NDVI/EVI/LAI/RVI/VCI/etc.） 开发集成的多模型方法来监