ENVI土壤湿度遥感反演与干旱灾害监测.docVIP

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 实验题目:土壤湿度遥感反演研究 实验目的 1.1熟习遥感图像大气校订、几何校订的流程，掌握NDVI的计算及密度 切割的过程。 1.2学会利用TM热红外波段反演地表温度，认识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论指标（R2值、有关系数、线性拟合模型精度评论等），成立干旱指数TVDI和土壤相对湿度之间的关系模型。 实验要求 2.1大气校订，几何校订后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，保存植被地区的TVDI。 2.3成立TVDI和土壤相对湿度之间的关系模型。模型精度评论。土壤相对 湿度制图。 实验数据 TM200205图像、BASEIMAGE图像、研究区矢量界限图。 实验步骤: 4.1图像预办理以及NDVI制图。 ①大气校订。本实验选择黑暗像元法进行大气校订。翻开TM200205,迅速统计图像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,达到校订目的。所依照原理为以为黑暗像元的辐射记录值为0，且以为图像各处大气影响一致，之所以不为0是因为大气程辐射的影响，减去此DN，即为 整体除去大气程辐射的影响。 ②几何校订。加载并翻开baseimage和TM200205图像，鉴于Map下的图 像到图像校订方法进行几何校订。以baseimage为基准图像，以TM200205为待 校订图像。本实验选择20个地面同名地物点作为控制点，总的均方根偏差为 0.8257个像元，选择的原则是：控制点要散布平均，图像边沿部分要多项选择取。选择大桥桥头、河流拐弯处、道路交错口、机场等易于划分且不易随时间变化太大的地物。 几何地点变换公式为多项式变换，二次多项式。重采样方法为线性插法。 ③裁剪图像。鉴于ENVI菜单栏下的Basic工具里的裁剪数据功能进行，空间子集选择界限图层。裁剪以后，用界限图层.evf文件数据进行腌膜，获取研究区数据，其余地方为0值。 ④NDVI计算。鉴于公式（float（b1）-float（b2））/（b1+b2）或许Transform功能下的NDVI计算工具直接进行计算。 ⑤NDVI密度切割。将NDVI从-0.6800~0.4208所有分为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、比率尺。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），所有汉字均采纳ENVI字体中的161~180里的KaiTi，所有英文所有采纳Roman3字体，输出如图： 4.2热红外处温反演及TVDI制作（以下所有公式均在BandMath下输入）。 ①单位光谱围幅亮度值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汲取和反射作用，得出反应植被生长情况的信息，所以可作为干旱监测的一种指标，但其监测作物干旱状态拥有必定的滞后性；而地表温度Ts的及时性强，却易遇到四周地物的影响，所以常将二者综合起来研究干旱。 Price和Carlson等研究第一发现，假如研究区的植被覆盖度和土壤湿度值变化较大，则获取的植被指数NDVI和地表温度Ts所形成的散点图呈三角形关系，此中NDVI作为横坐标，Ts作为纵坐标。Moran等则剖析NDVI和Ts的散点图为梯形关系。Sandholt等经过研究简化的NDVI-Ts三角形空间，提出了温度植被干旱指数TVDI，用以估量土壤含水情况。 NDVI-Ts特点空间的表示图,表现了Ts与NDVI的关系。TVDI值为1是干边(Dryedge),代表土壤缺水；TVDI值为0则是湿边(Wetedge)，拥有最大的土壤蒸发 蒸腾总量和无穷的水分供给，反应了土壤水分的两个极端状态。 Sandholt等[14]第一提出了温度植被干旱指数(TemperatureVegetationDrynessIndex,TVDI)的观点。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