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践实验报告2017-2018学年第二学期西方人名的第一个字学校编号指导员闵爱莲:土壤水分遥感反演研究1.实验目的1.1熟悉遥感图像的大气校正和几何校正过程，掌握NDVI计算和密度分裂的过程。1.2学会利用热红外波段反演地表温度，了解TVDI的原理，绘制并输出黄骅市的TVDI图像。1.3掌握基本统计评价指标(R2值、相关系数、线性拟合模型精度评价等)。)，建立干旱指数TVDI与土壤相对湿度的相关模型。2.实验要求2.1大气校正、几何校正后的NDVI计算和制图输出。2.2地表温度反演；制作NDVI散点图；TVDI指数计算；除了云、水和建筑物，植被区的TVDI将被保留。2.3建立TVDI与土壤相对湿度的相关模型。模型精度的评估。土壤相对湿度图。3.实验数据图像，基础图像图像，研究区域矢量边界图。4.实验步骤：4.1图像预处理和NDVI映射。(1)大气校正。本实验选择暗像素法进行大气校正。打开TM200205，快速计算图像的DN值，记录7个波段中每个波段的暗像素。在该实验中，选择对应于十位数的DN值单元的DN值作为暗单元的DN值。从所有像素中减去该暗像素的DN，以达到校正的目的。根据该原理，暗像素的辐射记录值被认为是0，并且图像中各处的大气影响被认为是一致的。它不是0的原因是由于大气侧辐射的影响。减去这个DN就是大气侧辐射影响的总体消除。几何校正。加载并打开基础图像和TM200205图像，并根据地图下的图像到图像校正方法执行几何校正。基准图像被作为参考图像，并且被作为要被校正的图像。在本实验中，选取了20个同名地物点作为控制点，总均方根误差为0.8257像素。选择原则是：控制点应均匀分布，图像的边缘部分应选择更多。选择像桥头、河湾、道路交叉口和机场这样容易区分且不容易随时间变化太多的特征。几何位置变换公式是多项式变换和二次多项式。重采样方法是线性插值。(3)裁剪图像。基于ENVI菜单栏下基础工具中的切削数据功能，选择边界层作为空间子集。切割后，边界层。evf文件数据用于浸泡胶片以获得研究区域的数据，其他地方为0值。NDVI计算。基于转换函数下的公式(浮点(B1)-浮点(b2)/(b1 b2)或NDVI计算工具，执行直接计算。NDVI密度分割。NDVI分为8个类别，从-0.6800到0.4208，加上背景值0到0，被指定为白色。地图输出。在“注释”下设置地图名称、图例、指南针和比例。需要指出的是，本实验只增加了8个图例(没有00个图例)，所有汉字都采用161180的ENVI字体中的楷体，所有英文字符都采用罗马3字体，输出如图所示：4.2热红外地热反演和TVDI生产(以下所有公式均在波段数学下输入)。单位光谱范围内的振幅亮度Rb。输入公式：(B1 *(1.896-0.1534)/255 0.1534)/1.239(2)地面温度计算，使用传感器温度来表示表面温度Ts。输入公式：1260.56/阿禄(60.766/B1 1)图像MNDWI计算。输入公式：(浮子(B1)-浮子(b2)/(b1 b2)其中B1是绿色波段，B2是短波红外波段(第五波段)。TVDI指数计算原则。植被指数NDVI是干旱监测的一个指数，它利用植被对太阳辐射各种光谱波段的吸收和反射来获得反映植被生长状况的信息。然而，在监测作物干旱状况方面存在一定的滞后。然而，地面温度Ts具有很强的实时性，但它容易受到周围地面物体的影响。因此，Price和Carlson发现，如果研究区的植被覆盖度和土壤湿度变化较大，植被指数NDVI和地表温度Ts形成的散点图呈三角形关系，以NDVI为横坐标，Ts为纵坐标。莫兰等人分析了NDVI和Ts的散点图是梯形的。Sandholt等人提出了温度植被干旱指数TVDI，通过研究简化的NDVI-茨三角空间来估算土壤含水量。NDVI-Ts特征空间示意图反映了Ts与NDVI的关系。TVDI值1是干边，这意味着土壤缺水。0的TVDI值是湿边缘，它具有最大的土壤总蒸散量和无限的供水量，反映了土壤水分的两种极端状态。桑德霍尔特等人14首次提出了温度植被干旱指数的概念。表达式为： tvdi=(ts-ts min)-(ts max-ts min)这个实验只计算对应于NDVI的Tsmin和Tsmax。NDVI只选择0的一部分。得到的干边缘方程为：Tsmax=-36.779*NDVI 323.55，R=0.9564塔明=65.614*NDVI 268.99，r=0.9621代码：protavdi；阅读NDVIfn=pickfile(title=NDVI)openr，lun，fn，/get_lunNDVI=fltar(2205，1814)readu、lun、ndvitvscl、ndvi，阶数=1空闲lun，lun；阅读Temperaturfn1=拾取文件(标题=温度)openr，lun1，fn1，/get_lun杜文=弗塔尔(2205，1814)杜文隆1区雷杜杜文tvscl，order=1空闲lun，lun1；设置ndvi步长和组数a=最大值(ndvi)b=最小值(ndvi)步长=0.01n=上限(a-b)/步长)；mini=fltarr(n)maxi=fltarr(n)；对于i=0，n-1开始迷你I=b I *步骤马克西I=迷你i步骤结束最小值=f tarr(n)最大值=fltarr(n)对于i=0，n-1开始temp1=地点(ndvi gt迷你i和ndvi lt maxii)如果n_elements(temp1)方程1开始temp2=0endif else开始temp2=杜文temp1endelse最小i=min(temp2)最大I=最大(温度2)结束最小，最小，psy=2oplot，maxi，max，psym=2数据=fltarr(3，n_elements(mini)数据0，*=转置(迷你)数据1，*=转置(最小值)数据2，*=转置(最大值)openw，lun2，d:/TVDI000.txt，/get_lunprintf，lun2，data，format=(f10，f20，f20)空闲lun，lun2目标如图所示：(5) TVDI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)云检测。在本实验中，Ts290K的部分被确定为云，因此制作了一个云酸洗胶片文件，数据分钟设置为290，非云为1，云为0。水体检测。在该实验中，MNDWI0.40的部分被确定为水体，因此制作水体酸洗膜文件，其中数据最大值被设置为0.40，非水1和水0。NDVI0检测。原则和上面一样，拆除建筑。获得最终的TVDI图像。输入公式：B1*B2*B3*B4，B1.B4依次对应于上述、和TVDI图像。TVDI密度分割，绘图输出，步骤同4.1。如图所示：4.3通过遥感反演土壤湿度。(1)土壤站点矢量图生成。在Arcmap中加载X/Ydata，选择测得的土壤湿度文件。txt，并且字段应该很好地对应，这在这里没有详细描述。选择WGS-1984作为坐标系，生成一个图层，并导出shapfile文件。(2) ENVI打开矢量层，生成evf文件。将生成的evf文件加载到TVDI窗口图像中，并在“可用矢量列表”中选择“将evf图层导出到投资回报”。属性文件是TVDI。(3)获取对应于土壤湿度的经纬度下的TVDI值。在ENVI下启动投资回报工具，并导入生成的投资回报文件。将投资回报文件导出为ASCII文件。属性文件仍选择TVDI。(4)用EXCEL打开生成的文本文件和测得的土壤湿度文本文件，并按空格顺序打开。根据经度的升序，选择前70对数据来建立模型。拟合得到的线性模型为Y=-0.82250.8375，R平方值为0.6857，X为TVDI，Y为土壤湿度。70对数据的相关系数为-0.82805。从表中可以看出，它已经通过了0.001的显著性检验，置信度为99.9%，可以使用。用剩余的20对数据作为模型试验的数据。代入上述公式，得到遥感反演的土壤水分数据，计算的均方差为0.243569，RMSE为0.091851。TVDI层土壤水分反演，基于公式：-0.8225*B1 0.83