ENVI支持下的旱情监测方案

ENVI支持下的旱情监测方案干旱作为一种缓变的现象，其严重程度也是逐渐积累的结果，这就为干旱的监测和早期的预警带来了方便和可能。干旱监测方法分为地面监测方法和空间监测方法。地面监测方法是利用地面点的数据，通过统计分析进行干旱监测，此类方法不能及时的对旱情信息进行快速、准确预报。空间监测方法是随着卫星遥感技术的发展而来并逐渐趋于成熟，不仅可以得到土壤湿度在空间上的分布状况和时间上的变化情况，而且可以进行长期动态监测，具有监测范围广，速度快，成本低等特点。遥感已经成为区域尺度旱情监测的主要手段根据数据类型分为可见光/红外波段和微波波段的监测类型。在可见光/近红外波段，不同湿度的土壤具有不同的地表反照率，通常湿土的地表反照率比干土低。可见光/红外波段遥感正是利用地表温度获得土壤热惯量，从而进行估测土壤湿度。微波遥感是近代兴起来一项新技术，相对于可见光/红外波段的遥感，微波波段不受光照条件限制，具有全天候观测的能力。常见监测方法基于可见光/红外通过测量土壤表面反射或发射的电磁能量，得到遥感获取的信息与土壤湿度之间的关系，从而反演出地表土壤湿度。较成熟、使用较广的方法可分为三类：植被指数法、温度法和综合法，详细如下表所示。类要S名称表达式作者植被指数法L距平植被［指数DVI=(NDVI-NDVI)AVI=DVI/NDVIaVSavg肖乾广等，1994式中：DVI为偏差植被指数(DifferenceVegetationIndex)，AVI为距平植被指数(AnomalyVegetationIndex)，NDVIavg为多年的归一化植被指数平均值；NDVI为特定某月或者旬的归一化植被指数i值。在积累多年气象卫星资料基础上，可以得到各个地方各个时间的NDVI的平均值，这个平均值大致可反映土壤供水的平均状况。当时值与该平均值的离差或相对离差，反映了偏旱或偏湿的程度，由此可确定各地的旱情等级。距平植被指数法在应用中需要注意平均植被指数的计算，各地的旱情等级不仅要注意资料累积期在长系列中是处于气候的正常期、枯水期还是丰水期，而且不能忽视近年种植结构调整、播种期变化、播种面积比例变化加快对当年混合象元植被指数的影响，在冬季该方法仍存在较明显的局限性，且植被指数与土壤含水状况在时间上有一定的滞后。

般-0.1<AVI<-0.2，表示干旱的出现，-0.3<AVI<-0.6表示重旱。标准植被指数4=SVhjfjV(2；a)dZ+m.ira齐述华，2004Z,O分别为均值和标准差。SVI取值在0~1之间，表示多年NDVI的标准差，其他同上。植被状态指数该图片仅限白度用户父流使用更多图片话访1'可hi.baidu.cQmKogan，1990"玖％、叫"扇政枷叫M分别是经平滑的某个时期（月或旬）、多年绝对最大、多年绝对最小的归一化植被指数。VCI可以反映出NDVI随气候变化而产生的影响，每点的NVDImax和NDVImin本身就隐含了区域背景的影响，因此这样的描述方法在一定程度上消除或弱化了地理环境条件差异对NDVI的影响，用其表达出的大范围干旱状况尤其适合于制作低于50°纬度地区的干旱分布图。供水植被指数WSVI=NDVI/LSTNDVI为归一化植被指数，LST为地表温度。当作物受旱时，为减少水分损失，叶面气孔会部分关闭，从而导致了叶面温度的增高。越干旱叶面温度越高。同时作物生长也受到干旱的影响，导致叶面积指数（LAI）减少，叶子在温度高时也会枯萎，这一切都会使归一化植被指数减小。供水植被指数越小，旱情越严重。供水植被指数方法实用化的主要障碍是：从表达式中虽无气象参数的引入，但在实际运用中为了与地面实际干旱情况相吻合，仍然要引用地面气象参数作为区域订正之需，其规律性尚未得到普遍掌握；评估结果所反映的干旱环境背景与农业干旱的界线模糊。归一化水指数法（NDWI）NDWI=(p(0.86pm)-p(1.2,pm)}/(p(0.86pm)+p(1.2却m)}4式中，p（入）是在波长为入的反射率。这里使用了两个通道，一个是在0.86pm附近，另一个是在1.24pm附近。这两个波段均位于植被冠层的高反射区，他们感知的植被冠层的深度相似。在0.86pm植被液态水的吸收可以忽略不计，而在1.24pm有水的弱吸收。

散布的冠层增强了水的吸收，从而NDWI可以很灵敏的反应植被冠层水的含量。大气气溶胶的散射作用在0.86-1.24mo是很弱的。NDWI比NDVI对大气的灵敏度低。与NDVI一样，NDWI没有完全去除土壤背景的影响温度法L温度状态:指数丁011口_丁11113£Kogan,1995T是像兀地表温度，分别表示某个时期地表温度的最大和最小值。水分亏缺指数WDI=1-ET/PETMoran,1994ET,PET分别代表实际蒸发量和潜在的蒸发量。作物水分亏缺指数Idso等，1981由冠层温度和水汽压差技术。dT为作物冠层温度与气温差，dT.表示作物冠层温度与气温差上限（作物完全停止蒸腾的状态），表示作物冠层温度与气温差下限（作物水分充足，处在潜在蒸发量的状态）。归一化温度指数ndti=^^LST^-LETnMcvicar等，1992和Jupp，1998该图片仅限百度用户交流使用更多图片请访问分别表示地表阻抗无限大和为零时模拟的地表温度；是理论上当没有水分可利用时出现的地表温度-即阻抗为无穷大时出现的地表温度。是土壤水分达到饱和时的地表温度-即阻抗为零时出现的地表温度，它是与潜在蒸散相对应的。两个值被认为地表阻抗下的土地表面温度的上限（干条件）和下限（湿条件）蒸散比模型EF号美瞄等压曲十（1-心寿吓J□=H+ET=Rji-G<JRJUVLNishida等，2003ET为蒸散发量；EFveg、EFsoil分别为植被蒸发比和土壤蒸发比；Q分别是潜热通量或显热通量的形式传输到大气的能量；Qveg、Qsoil分别为Q植被分量和土壤分量；H表示显热通量；G为

土壤热通量；以上参数单位均为Wm-2；fveg为植被覆盖度。综合方法;VI,TS斜-率LST/NDVILambin&Ehrhich，1996在遥感观测数据中，植被指数与表面温度具有很强的负相关性，对植被指数与表面温度组成的散点图进行拟和得到一条直线，该线的斜率与土壤湿度密切相关，这一现象在多种植被类型和传感器上得到验证。在同一生长季内，根据不同日期图像的LST/NDVI斜率，可以反映该区土壤湿度的时间变化。LST/NDVI斜率还可以反映年际土壤湿度变化。在实际应用中，LST/NDVI斜率的确定有一定难度，它受地表覆盖类型、提取窗口、图像分辨率、地形、云等噪声的影响。从土壤湿度估测的角度出发，理想状态是，土壤湿度是决定LST/NDVI斜率的唯一重要因素。温度植被角度指数Lambin&Ehrhich，1997，对LST/NDVI取arctangent函数，补充了LST/NDVI的缺陷。温度植被干旱指数—『rtiFiT—江+BNDV!/T血二c+dNDWSandholt，2002TS表示地表温度，Tmin表示某NDVI对应的最低温度，即湿边°Tmax是，即干边。a、b、c和b为地表温度和NDVI的拟合方程的系数。在干边上TVDI=1，在湿边上TVDI=0。对于每个像元，利用NDVI确定TMIN和TMAX，根据T在NDVI/T梯形中的位置，计算TVDI。条件植被温度指数町匚―一一-LSTifnyi-m.aj££^rrvnv^-™m0*日即¥、函+bmdMh房丁海外rnimW+bZNDV*王鹏新等，2003分别表示在研究区域内，当NDVIi值等于某一个特定值时的土地表面温度的最大值和最小值。a1、a2、b1、b2为地表温度和NDVI的拟合方程的系数，可通过绘制研究区域的NDVI和LST的散点图近似获技术流程与关键技术旱情监测的技术流程大致可分为以下几个步骤:图：旱情监测基本流程•数据预处理目前，常用于旱情监测的数据有MODIS、NOAA（AVHRR）、风云气象卫星等低分辨率影像；Landsat、ASTER、CBERS02B、HJ-1A/B等中等分辨率影像。这类数据预处理的主要内容包括：数据读取、几何校正、大气校正等。ENVI不仅支持主流卫星传感器的读取、几何校正、大气校正，还针对国产卫星的特点扩展了很多实用工具，包括FY-3A影像的几何校正工具、HJ-1A/BL2级数据预处理工具。图像自动配准工具可实现Landsat、CBERS02B、HJ-1A/B等之间的快速几何配准。基于MODTRAN4+模型精确大气校正工具，可利用波谱响应函数完成对CBERS02B、HJ-1A/B等精确大气校正。•相关参数计算在图像预处理的基础上，根据选择的旱情监测模型计算相应的参数，如植被指数、地表真实温度、土壤指数等。ENVI植被指数计算器能够根据影像信息自动列出能够计算的植被指数，并可自动进行植被指数计算，它提供了6类27种常用植被指数的计算。波段运算（BandMath）工具，能够执行图像中各个波段的加、减、乘、除、三角函数、指数、对数等数学函数计算，也可以直接使用IDL自带函数或自定义函数执行波段之间的运算，如线性代数函数、三角函数、微积分等数学函数。利用这个工具可以方便计算复杂的自定义参数模型。•模型构建比较常用的方式是分析相关参数之间的相关性或者空间特征，确定一种合适的模型。如构建地表温度LST和植被指数的散点图以分析两者之间的相关性。比较简单的模型就是线性模型，常用的方式是选择一些离散的采样点，这些采样点包括坐标值，如果是野外采样点，还包括采样数据值（湿度、温度等），之后将这些采样点与其他参数值——对应起来。如在ENVI的ROITool中，可以将文本格式储存的采样点坐标导入任意图像中，之后利用OutputROIstoASCII工具将采样点对应的图像值导出。有了采样点与参数值对照表，就可以用线性回归的方式构建线性模型（如Excel表中的散点图功能）。对于更复杂的模型，可基于IDL的函数获取，函数包括多线型回归、非线性最小二乘、梯度扩张法、列文伯格一马夸尔特法、奇异值分解法、多项式空间转换、最小二乘方多项式等；假设检验方法，如高斯正态分布、正态性检验等。利用这些函数可以方便的实现模型的曲线拟合、最优阈值选择、最优模型选择、置信度检验等模型的优化。旱情定量分析很多旱情监测模型得到的结果是一个相对量，如LST/NDVI值，需要根据实际情况确定阈值范围内与土壤水分之间的关系。确定好了关系表，如利用ENVI下的DensitySlice工具很容易将监测结果分类。业务化遥感平台及案例旱情遥感监测与其他遥感应用相比有本身的一些特点，如数据源要求可见光/近红外/热红外波段，单景覆盖范围大，重返周期短等；数据预处理流程比较固定，使用遥感图像处理功能较少；同时需要使用较复杂的差值算法、数学公式等。因此，非常有必要在通用遥感平台的基础上进行二次开发，去除不用功能，增加专业模型，同时对操作方式进行业务化改造等。ENVI是使用IDL语言编写的完整遥感图像处理平台，架构非常灵活，提供一个功能全面的函数库（API），可以满足用户的个性化需求。此外，可以与ArcGIS平台进行无缝的一体化开发，实现真正的GIS与遥感一体化集成系统。下面介绍几个典型是旱情监测业务化平台。⑴全国旱情遥感监测系统此系统有中国科学研究院遥感应用研究所，利用IDL作为开发语言，基于ENVI的基础上开发的一套应用系统。它集影像预处理、分析、旱情反演、监测、统计等功能为一体。图：系统主界面

图：旱情统计界面厂m料帝蹭傅：阿二g|s2JB&jmr茹虱鼻全国旱情监浏等级图j

\2005年9月中旬广/a.图：旱情统计界面厂m料帝蹭傅：阿二g|s2JB&jmr茹虱鼻全国旱情监浏等级图j

\2005年9月中旬广/a.出(2)珠江流域片旱情遥感监测处理系统由珠江水利科学研究院遥感与地理信息工程研究所研发。根据珠江流域干旱监测业务流程，利用ENVI/IDL二次开发实现了图像镶嵌、投影变换、植被指数、影像旬合成、影像掩模、温度植被指数计算、云监测等集成处理系统。

珠江^£^早背毓敷留库本文实时监澜做干学指标■»■珠江^£^早背毓敷留库本文实时监澜做干学指标■»■■*«.珠江血干早遥惑g哄【■s•.加t・<r格十隆江■惜吸引里辑”所图：旱情遥感监测业务流程图：业务化系统主界面(3)基于TM-5影像的VTCI干旱监测系统由中国农业大学信息与电气工程学院的朱钟正、欧文浩、李琰民、蒲晓君研发，系统采用Visualstudio2005和ENVI/IDL平台，基于IDL强大的数据处理功能和Ar