遥感应用.doc

干旱等灾害的监测干旱及监测由于从植被指数反演出的地表绿度与植物的生长状态及其密度密切相关，因此，植被指数可用于监测对作物生长不利的环境条件，尤其是对在干旱环境的监测。植物冠层温度升高是植物受到水分胁迫和干旱发生的最初表征。因此，土地表面温度可用于干旱监测。距平植被指数AVI：分析NDVI的变化与短期的气候变化之间的关系 AVI作为监测干旱的一种方法，它以某一地点某一时期多年的NDVI平均值为背景值，用当年该时期的NDVI值减去背景值，即可计算出AVI的变化范围，即NDVI的正、负距平值。正距平反映植被生长较一般年份好，负距平表示植被生长较一般年份差。一般而言，距平植被指数为-0.1-0.2表示旱情出现，-0.3-0.6表示旱情严重。 条件植被指数 VCIVCI的缺点是未考虑白天的气象条件如净辐射、风速、湿度等对热红外遥感的影响及土地表面温度的季节性变化 条件温度指数TCI 强调了温度与植物生长的关系，即高温对植物生长不利归一化温度指数 条件植被温度指数雷达土壤水探测 水的介电常数和干土介电常数有很大的差别，水的介电常数大约为80，而干土介电常数仅为3左右。一般土壤可以看成是水和干土的混合，因而土壤的介电常数会随着土壤含水量的增大而增大。并且，电磁波散射模型已表明雷达回波的后向散射系数直接受土壤介电常数的影响。这就构成了微波遥感探测土壤湿度的物理基础。雷达土壤水探测的优势：（1）雷达土壤水探测的优势主要体现在微波遥感不受光照、云雾等天气条件的影响，具有全天时、全天候工作的特点。（2）特别是长波段微波能够穿透植被，并对土壤具有一定的穿透能力。 土壤水反演通过统计后向散射系数与土壤水分之间的关系，确定土壤水分预测的经验方程。水平、垂直同极化后向散射系数有很高的相关性，相关系数达到0.904；同时，从两个极化数据的回归线来看，整体上裸土的水平同极化后向散射系数略小于垂直同极化后向散射系数20cm深土壤含水量和后向散射系数的散点图，裸土后向散射系数与土壤含水量正相关，后向散射系数对土壤含水量较敏感。和水平同极化相比，垂直同极化后向散射系数对土壤含水量更为敏感 。由于两种同极化后向散射系数和土壤含水量的相关性都没有达到显著性，因而，其它因素(如土壤粗糙度、土壤质地等)对后向散射系数的影响不可忽略。选择土壤含水量相近而后向散射系数偏差较大的样点对1和4、3和7，找出点1、3、4、7对应的数字照片。对照实验图片来看，点1、3对应的地表粗糙度较大，点4、7对应的地表粗糙度较小。因而，可以断定：在土壤含水量一致的情况下，粗造度越大， 、 越大。比较地表粗造度对 、 的影响，粗糙度对 影响小，对 影响大。 结合小扰动模型来分析后向散射系数对粗造度的敏感性 。敏感性分析和对粗糙度的影响都表面，VV极化更适合土壤水份的反演。和裸土的水平、垂直同极化后向散射系数之间的相关性相比，小麦地的水平、垂直同极化的相关性明显降低。小麦冠层后向散射系数因极化方式不同有明显的差异裸土水平、垂直同极化后向散射有很高的线性相关性；与水平同极化相比，垂直同极化后向散射系数和20cm深土壤含水量有更好的相关性土壤含水量和地表粗糙度是裸土后向散射系数的重要影响因素 冬小麦麦地水平、垂直同极化后向散射系数有较好的线性相关性 ，水平同极化后向散射与20cm深土壤含水量有较好的相关性；垂直同极化后向散射和10、20cm深土壤含水量都有很好的相关性，并且其相关性都达到显著 ；冬小麦麦地后向散射系数受小麦覆盖度和土壤含水量影响，水平同极化后向散射系数和覆盖度、土壤含水量都有较好的相关性，并且和小麦覆盖度的相关性已达到显著 。垂直同极化后向散射系数和土壤含水量相关性达到显著。因而，可以用垂直同极化后向散射系数预测土壤含水量，用水平同极化后向散射预测小麦覆盖度。 农情监测1、主要方法：农情地面监测和农情遥感监测2、农情地面监测依靠全国各地的农情监测站点，按照规范的要求，定期收集本地区农作物的播种面积、田间管理、作物长势、各种灾害以及作物产量等信息，逐级上报存在问题：客观性、时效性、点上数据难以反映宏观的整体情况3、农情遥感监测主要应用遥感技术，对农业资源、环境与作物生长过程的监测与分析。即应用遥感技术采集并分析耕地、草地的数量、质量、利用状况，以及主要农作物的面积、长势、灾害和产量等农情信息，为相关政府部门、生产者、消费者提供信息支持。4、监测的主要内容：农作物长势监测指对作物的苗情、生长状况及其变化的宏观监测遥感估产，农作物种植面积估算、农作物单产及总产预测，一直是农业遥感研究的重点。农业灾害监测，我国在水灾遥感监测方面的研究较多；在旱灾方面的研究也较多，发展了植被指数法、地表温度法、条件温度植被指数（王鹏新）等；还有在农作物冻害、倒伏和病虫害监测方面的研究5、长势监测：长势，即作物生长的状况与趋势。作物的长势可以用个体与群体特征来描述。发育健壮的个体，构成合理的群体，才是长势良好的作物区。作物长势监测指对作物的苗情、生长状况及其变化的宏观监测。作物生长过程是一个长势动态变化的过程，是产量信息不断更新和确定的过程。作物长势监测的本质是在作物生长早期阶段就能反映出作物的产量的丰欠趋势，通过实时的动态监测逐渐逼近实际的作物产量对于多光谱遥感影像，作物生长初期，随着作物生长，叶子结构中叶孔的增加，叶子表面散热能力增强，近红外波段值逐渐增加，叶绿素吸收能力增强，红波段的值逐渐减速少，NDVI值逐渐增加；而在作物生长未期，由于枝干由绿色变为黄色，叶绿素吸收能力减小，相应的红波段的反射值将会增加，叶面的叶孔相对收缩，散发的热量降低，近红外波段的值将会减小；因此利用近红外波段和红波段的线性组合可以很好的反映作物的生长过程特征。所以常用作物生长的NDVI动态迹线、以最直观的形式反映作物从播种、出苗、抽穗到成熟收割的变化过程。 通过NDVI反演LAI，综合反映作物长势实时监测：指利用实时NDVI图像的值，通过其与去年或多年平均，以及指定某一年的对比，反映实时的作物生长差异的空间分布，可以对差异值进行分级，来统计和显示区域的作物生长状况。过程监测：通过时序NDVI图像来构建作物生长过程，通过生长过程的年际间的对比，来反映作物生长的状况，可以统计生长过程曲线的特征参数包括上升速率、下降速率、累计值等各种特征参数，借以反映作物生长趋势上的差异，从而也可得到作物单产的变化信息。 6、 作物长势遥感监测指标提取 遥感影像去云重构 区域作物生长过程遥感提取作物生育期遥感监测遥感农作物估产农作物总产量等于种植面积乘以单位面积产量（单产）从种植面积提取和单产估计两个角度出发进行遥感估产作物面积监测 保证粮食生产的第一步是保证播种面积。全国粮棉主产区的种植面积监测是产量估计的基础。应用遥感技术可以及时、可靠的监测我国主要农作物的种植面积，或种植面积的变化作物面积和耕地监测不同：时间尺度。作物在一年之中随季节而变化，年与年之间也有差别。作物面积监测时效性强不同作物识别。作物面积监测，需要量算不同作物的面积。难点是不同作物的识别作物面积遥感监测主要方法：采用卫星遥感数据，区域全覆盖结合地面样点进行分类，提取不同作物的种植面积采用低分辨率卫星遥感数据，全国或大区域作物面积遥感初步监测，结合抽样计算不同作物面积遥感与抽样技术结合对某种作物，全国进行区划（物候、气象、太阳辐射、土壤等因素）不同区划区域进行抽样。和遥感监测结合，得到某种作物的种植面积在遥感技术的支持下，基于经典统计抽样原理，结合空间统计学理论，发展起来的空间抽样技术与遥感监测，在大面积农作物种植面积提取与估产中广泛应用。单产模型：单产：一种农作物单位面积产量早期的作物估产模型有：农学-气象产量预测模型、作物-生长模拟模型、经验统计模型等。也就是传统的统计分析与气象因子综合估算法；20世纪70年代后期，利用遥感技术进行估产。理论上探讨植物光合作用与作物光谱间的内在联系，以及作物的生物学特性与产量间的复杂关系；方法上，将光谱的遥感机理与作物生理过程统一，建立基于成因分析的遥感估产模型。作物长势分析是一个动态的过程，需要多时相遥感信息来反映植物生长过程的节律特点。常以数量化的植被指数（如NDVI，PVI）作为评价作物生长状态的定量标准。某一时刻的植被指数是该时刻作物长势的函数。通过植被指数结合地面实际调查数据，可建立起各种不同条件下，单位面积产量与植被指数间的数量关系，即估产模式。作物估产模型：统计估产模型农学估产模型气象估产模型遥感模型（或称光谱-产量模型）综合估产模型同化估产模型 遥感模型（或称光谱-产量模型）：由于作物在各生育期的长势差异，可以通过各波段（主要是红波段、近红波段和热红外波段等）光谱反射，差异表现出来。因此可以利用卫星或机载传感器获取的地面作物的光谱信息来估算作物的产量。常用的光谱信息有NDVI(归一化差值植被指数)、RVI(比值植被指数)、PVI（垂直植被指数）、DVI（比值植被指数）等遥感估产特点：遥感估产需要作物生长全过程的光谱参数。由于构造产量的3个要素分别于作物不同生长期的PVI/NDVI有关，所以必须掌握作物生长全过程的光谱参数才能正确估产。遥感估产主要运用遥感数据中反映植物光合作用与活性的代表波段可见光红波段和近红外波段。遥感估产离不开地面调查的配合遥感估产还需要积温、日照时数、土壤含水量等非遥感的农学参数和气象参数的支持，所以在GIS支持下进行遥感与非遥感数据的综合分析是提高遥感估产精度的必要途径。遥感病虫害监测遥感技术监测农业病虫害，主要依据是基于植物受到病虫侵扰时生理变化所引起的绿叶中细胞活性、含水量、叶绿素含量等的变化, 表现为农作物在反射光谱特性上的差异, 特别是红色区和红外区的光谱特性差异。这样, 农作物在遭受病虫危害早期就可以通过遥感技术探测到这一光谱特性差异, 从而解决了农作物病虫害早期发现和早期防治问题。目前已有利用遥感技术进行冬小麦条锈病、蝗虫、蚜虫以及林业病虫害的监测研究与应用。植物的光谱特征健康绿色植物的反射光谱特征植物的光谱特征影响植物光谱的因素叶子的颜色：植物叶子中含有多种色素，在可见光范围内，其反射峰值落在相应的波长范围内。叶子的组织构造叶子的含水量植物覆盖程度植物生长状况的解译 如前所述，健康的绿色植物具有典型的光谱特征。当植物生长状况发生变化时，其波谱曲线的形态也会随之改变。如植物因受到病虫害，农作物因缺乏营养和水分而生长不良时，海绵组织受到破坏，叶子的色素比例也发生变化，使得可见光区的两个吸收谷不明显，0.55微米处的反射峰按植物叶子被损伤的程度而变低、变平。近红外光区的变化更为明显，峰值被削低，甚至消失，整个反射光谱曲线的波状特征被拉平。因此，根据受损植物与健康植物光谱曲线的比较，可以确定植物受伤害的程度。 东亚飞蝗监测地表植被作为东亚飞蝗的食物、能量来源和栖息地，也是东亚飞蝗暴发后最直接的受害者，可以将其作为东亚飞蝗暴发的指示物进行监测。正常情况下，6 月份，芦苇正处于旺盛生长期，其NDVI 值应逐渐增加，因此出现NDVI 没有变化或者降低都属于异常。由实地调查可知，大部分地区植被指数的降低是由于东亚飞蝗的暴发所致。因此，可以根据NDVI 差值的大小判断蝗灾的情况。洪涝监测洪涝：洪涝灾害可分为洪水、涝害、湿害。洪水：大雨、暴雨引起山洪暴发、河水泛滥、淹没农田、毁坏农业设施等。涝害：雨水过多或过于集中或返浆水过多造成农田积水成灾。湿害：洪水、涝害过后排水不良，使土壤水分长期处于饱和状态，作物根系缺氧而成灾。洪涝灾害主要发生在长江、黄河、淮河、海河的中下游地区。淮河流域地处我国心腹地带，是气候、海陆相过渡带；地理位置优越，自然资源丰富，交通便利，是我国重要的粮、棉、油产地和能源基地。流域内降水、径流时空分布不均，流域地形、水系不对称，加上黄河长期夺淮的影响，使得淮河流域成为我国典型的孕灾地带。自古以来，淮河流域洪涝灾害频发，例如，在1470年1994年525年间就发生较大范围洪涝灾害350次，平均仅3年就发生2次。2000年以来，淮河流域就分别在2003年和2007发生了两次大规模的流域性洪水。其中，2007年洪水为1954年以来的第二大洪水。防御洪涝灾害、减少灾害损失，关系到该区域乃至整个社会的安定、经济的发展。 在可见光、近红外波段云影与晴空区水体不易区分，利用云影对不同波段的影响差异，提出0.87m与0.66m波段比值方法，试验结果表明该方法不但可以增大云影和水体差异，而且可以消除水体和云影反射率值的重叠现象，使水体和云影的区分成为可能。 雷达遥感监测洪涝灾害：合成孔径雷达适合于洪涝灾害监测，淹没与未淹没地的影像差异很大。由于SAR的全天候的特点，适于洪水制图，最大淹没面积经常发生在浓云密布的天气，而其他遥感数据这种条件下不能发挥作用