第七講農(nóng)業(yè)遙感資料

1、2022-5-11第一頁，共66頁。農(nóng)用地資源的監(jiān)測遙感農(nóng)作物估產(chǎn)( chn)農(nóng)業(yè)災(zāi)害監(jiān)測與預(yù)測2022-5-11第二頁，共66頁。 遙感信息因其覆蓋面大、實時性和現(xiàn)勢性強、遙感信息因其覆蓋面大、實時性和現(xiàn)勢性強、速度快、周期性和準(zhǔn)確可靠以及省時、省力、費用速度快、周期性和準(zhǔn)確可靠以及省時、省力、費用低等優(yōu)點，被廣泛用于測定農(nóng)用地的數(shù)量與質(zhì)量的低等優(yōu)點，被廣泛用于測定農(nóng)用地的數(shù)量與質(zhì)量的動態(tài)變化。動態(tài)變化。 常用的農(nóng)用地遙感監(jiān)測方法基本上分為兩種：常用的農(nóng)用地遙感監(jiān)測方法基本上分為兩種：逐個像元比較法和分類后比較法。前者首先是對同逐個像元比較法和分類后比較法。前者首先是對同一區(qū)域不同年份同一時

2、相影像的光譜特征差異進行一區(qū)域不同年份同一時相影像的光譜特征差異進行比較，確定農(nóng)用地發(fā)生變化的位置，在此基礎(chǔ)上，比較，確定農(nóng)用地發(fā)生變化的位置，在此基礎(chǔ)上，再采用分類的法來確定農(nóng)用地變化信息再采用分類的法來確定農(nóng)用地變化信息 。該方法。該方法優(yōu)點是先確定農(nóng)用地變化的位置，縮小分類范圍，優(yōu)點是先確定農(nóng)用地變化的位置，縮小分類范圍，提高監(jiān)測速度。后者是針對整個監(jiān)測區(qū)域的逐影像提高監(jiān)測速度。后者是針對整個監(jiān)測區(qū)域的逐影像系列同一位置分類結(jié)果確定土地利用類型變化的位系列同一位置分類結(jié)果確定土地利用類型變化的位置和所屬類型，其優(yōu)點是可以回避置和所屬類型，其優(yōu)點是可以回避(hub)前一種方前一種方法所要求

3、的影像系列一致的條件，以及影像間輻射法所要求的影像系列一致的條件，以及影像間輻射糾正、匹配等問題，但需要選擇合適的分類方法來糾正、匹配等問題，但需要選擇合適的分類方法來改善精度。改善精度。2022-5-11第三頁，共66頁。2022-5-11 早期的作物估產(chǎn)主要是單因子的產(chǎn)量模型，即農(nóng)學(xué)氣象產(chǎn)量預(yù)測(yc)模型、作物生長模擬模型、經(jīng)驗統(tǒng)計模型等，也就是，傳統(tǒng)的統(tǒng)計分析與氣象因子綜合估算法。 20世紀70年代后期的遙感估產(chǎn)則是把遙感信息作為變量加入到估產(chǎn)模則中，建立遙感估產(chǎn)模型。在理論上探討植物光合作用與作物光譜特征間的內(nèi)在聯(lián)系；在方法上，從單純建立光譜參數(shù)與產(chǎn)量間的統(tǒng)計關(guān)系，發(fā)展到考慮作物生長

4、全過程，將光譜的遙感物理機理與作物生理過程統(tǒng)起來，建立基于成因分析的遙感估產(chǎn)模型，估產(chǎn)精度不斷提高。第四頁，共66頁。遙感估產(chǎn)需注意問題： (1)遙感估產(chǎn)需要作物生長全過程的光譜參數(shù)。由于構(gòu)成產(chǎn)量的3個要素（穗數(shù)、粒數(shù)、千粒重）分別與作物不同生長期的植被指數(shù)有關(guān)(yugun)。因此必須掌握作物生長全過程的光譜參數(shù)才能正確估產(chǎn)。而LandsatTM的時間分辨率有限，故遙感估產(chǎn)除用TM外，還離不開短周期數(shù)據(jù)。過去把某一時段的遙感光譜參數(shù)或它的累加值與產(chǎn)量直接掛勾的模式尚有不足，如過于密植，光譜值增加，但產(chǎn)量并非增加。 (2)遙感估產(chǎn)主要運用遙感數(shù)據(jù)中反映植物光合作用的代表波段可見光紅波段和近紅外波

5、段，說明遙感估產(chǎn)不僅直接抓住“光合作用”這一事物的本質(zhì)，而且能給出定量分析數(shù)據(jù)各種植被指數(shù)，它是單位面積光合作用的有效描述。2022-5-11第五頁，共66頁。 (3)遙感估產(chǎn)離不開地面(dmin)實況的配合。遙感估產(chǎn)是建立遙感數(shù)據(jù)與產(chǎn)量構(gòu)成要素間的內(nèi)在聯(lián)系。而這種內(nèi)在聯(lián)系是以地面(dmin)樣點試驗為依據(jù)的。一方面遙感估產(chǎn)中遙感數(shù)據(jù)需要地面(dmin)樣點的定標(biāo)，以建立模式；另一方面遙感估產(chǎn)的結(jié)果，又要地面(dmin)樣點的檢驗所以遙感估產(chǎn)離不開地面(dmin)實況的配合。 (4)遙感估產(chǎn)還需要積溫值、日照時數(shù)、播種量、土壤含水量等非遙感的農(nóng)學(xué)參數(shù)、氣象參數(shù)的支持所以在GIS支持下進行遙感與

6、非遙感數(shù)據(jù)的綜合分析是提高遙感估產(chǎn)精度的必要途徑。2022-5-11第六頁，共66頁。 遙感大面積作物估產(chǎn)主要涉及3方面內(nèi)容：作物識別、作物面積提取、作物長勢分析。在這3方面內(nèi)容綜合的基礎(chǔ)上，建立不同條件的多種估產(chǎn)模式，進行作物的遙感估產(chǎn)。 1)作物識別與作物面積提?。?作物識別與作物面積提取，往往是結(jié)合進行的。其基本過程包括： (1)遙感數(shù)據(jù)的采集與預(yù)處理 根據(jù)(gnj)區(qū)域分布、作物類別、農(nóng)學(xué)歷等特點，選擇空間、波譜、時間分辨率相對應(yīng)的遙感圖像數(shù)據(jù)。 2022-5-11作物(zuw)估產(chǎn)涉及的內(nèi)容第七頁，共66頁。 (2)作物專題信息的提取 常采用植被指數(shù)法提取作物專題信息。植被指數(shù)中包含

7、有多種作物類別與作物長勢方面的信息，如植物葉面積(min j)指數(shù)、葉綠素含量、植物覆蓋度、生物量等，那么就可以通過植被指數(shù)來反演與作物估產(chǎn)模型有關(guān)的各種參數(shù)，如NDVI與作物覆蓋度關(guān)系密切，可以有效地提取面積(min j)信息；RVI反映作物長勢，可以提取生物量信息；PVI有效地濾去土壤背景及大氣的干擾等。 由于不同自然地理單元內(nèi)，作物的生長條件(光照、溫度、降水、土壤等)和生長狀況(包括自然與人為因素)在空間上會有很大差異。為了提高遙感估產(chǎn)的準(zhǔn)確性常按照作物生長環(huán)境及作物產(chǎn)量的區(qū)域分異規(guī)律，進行影像的分區(qū)、分類，以盡量保證同一區(qū)域內(nèi)作物生長環(huán)境的一致性，并在分區(qū)的基礎(chǔ)上進行作物專題信息的提

8、取。 (3)作物面積(min j)提取及精度評價2022-5-11第八頁，共66頁。2022-5-112)作物長勢分析及估產(chǎn) 植被指數(shù)（VI：Vegetation Index）：基于植被葉綠素在紅色波段的強烈吸收以及在近紅外波段的強烈反射，通過紅和近紅外波段的比值或線性組合實現(xiàn)對植被信息狀態(tài)的表達。 比值植被指數(shù)RVI(Ratio VI)歸一化植被指數(shù)NDVI（Normalized VI）差值植被指數(shù)DVI（Difference VI)正交植被指數(shù)PVI（Perpendicular VI) 將作物的V I 值以時間為橫坐標(biāo)排列起來, 便形成了作物生長的V I 動態(tài)跡線, 它以最直觀的形式(xn

9、gsh), 反映了作物從播種、出苗、抽穗到成熟收割V I 的變化過程。作物種類不同, 其V I 曲線具有不同的特征, 同類農(nóng)作物生長環(huán)境和發(fā)育狀況的變化也會造成V I 時間曲線的波動。因此, 通過對農(nóng)作物V I 時間曲線的分析, 可以了解作物的生長狀況, 進而為作物產(chǎn)量的計算提供依據(jù)。第九頁，共66頁。 通過以上的作物遙感識別、作物專題信息提取、作物長勢分析(fnx)，提取了作物生長及與產(chǎn)量有關(guān)的參數(shù)，則可以建立包括統(tǒng)計模型、半經(jīng)驗?zāi)Ｐ秃臀锢砟Ｐ驮趦?nèi)的多種遙感估產(chǎn)模型。(1)統(tǒng)計模型 a)建立多波段遙感數(shù)據(jù)生成的遙感參數(shù)植被指數(shù)VI(如NDVI、PVI等)與作物單產(chǎn)的統(tǒng)計關(guān)系(線性回歸模型)。

10、各類VI經(jīng)數(shù)學(xué)運算，信息，并可能部分消除了大氣、土壤的干擾，可與產(chǎn)量直接統(tǒng)計相關(guān)。 b)建立遙感參數(shù)VI與主要農(nóng)學(xué)參數(shù)(LAI)的關(guān)系。通過農(nóng)學(xué)參數(shù)建立估產(chǎn)模型，一般是以作物葉面積指數(shù)LAI作為中間媒介，如建立垂直植被指數(shù)PVI與LAI與穗數(shù)穗粒數(shù)千粒重等農(nóng)學(xué)參數(shù)之間的線性關(guān)系等。但事實上，無論比值類植被指數(shù)(NDVI、RVI)，還是差值類植被指數(shù)(PVI、DVI)，均與葉面積指數(shù)LAI，并非簡單的線性關(guān)系。2022-5-11第十頁，共66頁。 (2)半經(jīng)驗?zāi)Ｐ?半經(jīng)驗?zāi)Ｐ蛡?cè)重于研究作物產(chǎn)量與作物生理(shngl)過程的關(guān)系，即描述作物光合作用、呼吸作用、蒸騰作用等與作物干物質(zhì)積累的關(guān)系。由于

11、作物的可見光與近紅外光譜的變化(累積植被指數(shù))與作物冠層吸收光合有效輻射(FAPAR)能力有關(guān)，而它們又與干物質(zhì)生產(chǎn)有關(guān)，因而可用于遙感作物估產(chǎn)。研究表明：在一定條件下,植物群體光合作用產(chǎn)物與遙感植被指數(shù)之間可用線性或準(zhǔn)線性關(guān)系表示。2022-5-11第十一頁，共66頁。 (3)物理模型 以作物生長過程動力模型為例，利用作物生長過程的觀測資料和環(huán)境氣象資料，來模擬作物生長發(fā)育的基本生理過程光合作用、呼吸作用、蒸騰作用、干物質(zhì)(wzh)轉(zhuǎn)移與分配等，最終模擬作物產(chǎn)量的形成和累積。2022-5-11第十二頁，共66頁。旱災(zāi)：農(nóng)業(yè)旱災(zāi)的發(fā)生常伴有作物根部土壤水分的匱乏，造成作物蒸騰作用受到抑制，作物

12、葉片氣孔關(guān)閉、溫度升高，作物葉片的葉綠素含量下降甚至枯萎。因此，地表溫度、植被指數(shù)可以作為農(nóng)業(yè)干旱的指示因子用來監(jiān)測作物干旱情況。溫度植被指數(shù)和植被供水指數(shù)采用地表溫度和植被指數(shù)相互比值進行農(nóng)業(yè)旱情監(jiān)測，兩指數(shù)同時考慮了地表溫度和植被指數(shù)，具有操作(cozu)簡單、物理意義明顯的優(yōu)點，是我國當(dāng)前廣為采用的農(nóng)業(yè)干旱遙感監(jiān)測的方法。2022-5-11第十三頁，共66頁。2022-5-11 洪災(zāi)： 嚴重的洪澇災(zāi)害發(fā)生(fshng)常伴有淹沒農(nóng)田現(xiàn)象，可以利用歸一化植被指數(shù)（NDVI）實現(xiàn)水災(zāi)面積的遙感提取。由于水體在可見光和近紅外波段的反射率遠遠低于土壤和植被，所以水體的NDVI一般為負值，植被和土

13、壤的NDVI則為正值，通過設(shè)定閾值實現(xiàn)水體面積的提取。作物受到洪澇災(zāi)害影響后，其正常生長過程受到抑制，在形態(tài)學(xué)上表現(xiàn)出葉子發(fā)黃、萎蔫等現(xiàn)象而區(qū)別于正常生長的作物。可以采用洪澇災(zāi)害前后的NDVI 進行對比分析，得出受洪澇影響的作物分布情況。第十四頁，共66頁。病蟲災(zāi)害：病蟲害影響的作物光譜表現(xiàn)為綠光波段的反射峰向紅光波段移動，在可見光波段的光譜反射率高于正常作物，而在近紅外波段，受害作物的光譜反射率要比正常作物光譜反射率低，陡坡效應(yīng)不明顯或消失。病蟲害影響的作物光譜反射率的變化(binhu)特征是遙感監(jiān)測作物病蟲害的理論基礎(chǔ)。2022-5-11第十五頁，共66頁。應(yīng)用：農(nóng)業(yè)旱災(zāi)監(jiān)測評價方法應(yīng)用：

14、農(nóng)業(yè)旱災(zāi)監(jiān)測評價方法(fngf)研研究究第十六頁，共66頁。旱災(zāi)研究的重要性旱災(zāi)研究的重要性目前國內(nèi)外提出的旱情監(jiān)測方法目前國內(nèi)外提出的旱情監(jiān)測方法(fngf)農(nóng)業(yè)部旱情監(jiān)測及問題農(nóng)業(yè)部旱情監(jiān)測及問題原因分析與可能的改進原因分析與可能的改進旱情監(jiān)測方法旱情監(jiān)測方法(fngf)的改進的改進監(jiān)測結(jié)果比較監(jiān)測結(jié)果比較第十七頁，共66頁。一、旱災(zāi)一、旱災(zāi)(hnzi)研究的重要研究的重要性性實際應(yīng)用意義：旱災(zāi)是人類面臨的重大自然災(zāi)害之一。旱災(zāi)損失巨大，實際應(yīng)用意義：旱災(zāi)是人類面臨的重大自然災(zāi)害之一。旱災(zāi)損失巨大，直接直接(zhji)威脅農(nóng)業(yè)可持續(xù)發(fā)展、國家糧食安全和農(nóng)民增收威脅農(nóng)業(yè)可持續(xù)發(fā)展、國家糧食安

15、全和農(nóng)民增收科學(xué)價值：旱災(zāi)的形成與發(fā)展有其內(nèi)在的規(guī)律，目前旱災(zāi)機理、旱災(zāi)監(jiān)科學(xué)價值：旱災(zāi)的形成與發(fā)展有其內(nèi)在的規(guī)律，目前旱災(zāi)機理、旱災(zāi)監(jiān)測評價、抗災(zāi)減災(zāi)等方面還有很多問題有等進一步研究測評價、抗災(zāi)減災(zāi)等方面還有很多問題有等進一步研究第十八頁，共66頁。2006年夏季年夏季(xij)重慶重慶大旱大旱第十九頁，共66頁。2006年夏季年夏季(xij)重重慶大旱慶大旱第二十頁，共66頁。第二十一頁，共66頁。第二十二頁，共66頁。二、目前國內(nèi)旱情二、目前國內(nèi)旱情(hnqng)遙感遙感監(jiān)測方法監(jiān)測方法農(nóng)業(yè)干旱農(nóng)業(yè)干旱(gnhn)成因：農(nóng)田土壤供水不能滿足作物正常生長需要成因：農(nóng)田土壤供水不能滿足作物正

16、常生長需要旱情監(jiān)測：旱情監(jiān)測：地面監(jiān)測農(nóng)田土壤水分監(jiān)測地面監(jiān)測農(nóng)田土壤水分監(jiān)測衛(wèi)星遙感衛(wèi)星遙感(yogn)監(jiān)測各種不同的監(jiān)測各種不同的表征指數(shù)表征指數(shù)第二十三頁，共66頁。1、作物供水指數(shù)法：、作物供水指數(shù)法：CWSINDVI/TS其中：其中：CWSI是作物供水指數(shù)是作物供水指數(shù)NDVI是歸一化植被指數(shù)是歸一化植被指數(shù)TS是作物葉面溫度是作物葉面溫度原理：相同植被密度情況原理：相同植被密度情況(qngkung)下，葉面溫度越下，葉面溫度越高，作物表現(xiàn)出來的缺水情況高，作物表現(xiàn)出來的缺水情況(qngkung)越大，因此，越大，因此，通過植被綠度值與溫度比值，可以大體上反映作物的缺通過植被綠度值與

17、溫度比值，可以大體上反映作物的缺水情度，即作物旱情。水情度，即作物旱情。第二十四頁，共66頁。申廣榮和田國良申廣榮和田國良(1998)(1998)提出了作物缺水指數(shù)來表示干旱監(jiān)測提出了作物缺水指數(shù)來表示干旱監(jiān)測(jin c)(jin c)，DIDI1-Ed/Ep1-Ed/Ep式中式中EdEd和和EpEp分別是實際日蒸散和潛在蒸散。分別是實際日蒸散和潛在蒸散。 缺水缺水(qu shu)指數(shù)法指數(shù)法農(nóng)田作物的蒸發(fā)農(nóng)田作物的蒸發(fā)(zhngf)和蒸散（蒸散），受多種因素的作用，溫度、作物品種、和蒸散（蒸散），受多種因素的作用，溫度、作物品種、輻射強度、風(fēng)速、濕度、供水程度等，較難快速、準(zhǔn)確估計輻射強度

18、、風(fēng)速、濕度、供水程度等，較難快速、準(zhǔn)確估計第二十五頁，共66頁。2、熱慣量、熱慣量(gunling)法法土壤熱慣量定義為是單位土壤容量土壤熱慣量定義為是單位土壤容量(rngling)的溫度變化所需要的熱量，研究表明水分是的溫度變化所需要的熱量，研究表明水分是土壤熱慣量變化的最重要因素。因此，通過土壤熱慣量可以估計土壤含水量，進而判斷農(nóng)田土壤熱慣量變化的最重要因素。因此，通過土壤熱慣量可以估計土壤含水量，進而判斷農(nóng)田旱情。旱情。minmax)1 (TTAcISMf(I)其中：I是土壤熱慣量，c是單位土壤熱容量，A是地表反射率，Tmax和Tmin是白天最大溫度(wnd)和夜晚最小溫度(wnd)，

19、SM是土壤含水量。第二十六頁，共66頁。其它其它(qt)方法：方法：距平植被指數(shù)法距平植被指數(shù)法植被條件指數(shù)法植被條件指數(shù)法溫度植被指數(shù)法溫度植被指數(shù)法條件植被溫度指數(shù)法條件植被溫度指數(shù)法作物水分脅迫指數(shù)法作物水分脅迫指數(shù)法表觀熱慣量法表觀熱慣量法地表蒸發(fā)法地表蒸發(fā)法地表熱平衡法地表熱平衡法高光譜遙感：反射率倒數(shù)高光譜遙感：反射率倒數(shù)(do sh)(do sh)的的一階微分法一階微分法主動微波遙感：基于微波反射亮溫的土壤主動微波遙感：基于微波反射亮溫的土壤水分線性反演模型水分線性反演模型 第二十七頁，共66頁。三、農(nóng)業(yè)部旱情三、農(nóng)業(yè)部旱情(hnqng)監(jiān)測及問題監(jiān)測及問題第二十八頁，共66頁。

20、第一部分第一部分 數(shù)據(jù)預(yù)處理子系統(tǒng)數(shù)據(jù)預(yù)處理子系統(tǒng)1.1 文件子菜單，文件子菜單，1.2 衛(wèi)星軌跡衛(wèi)星軌跡(guj)模擬，模擬，1.3 手動作業(yè)手動作業(yè)1.4 自動作業(yè)，自動作業(yè)，1.5 設(shè)置，設(shè)置，1.6 幫助幫助第二部分第二部分 土壤墑情監(jiān)測分析子系統(tǒng)土壤墑情監(jiān)測分析子系統(tǒng)2.1 文件，文件，2.2 查看，查看，2.3 區(qū)域投影區(qū)域投影2.4 植被指數(shù)，植被指數(shù)，2.5 干旱指數(shù)干旱指數(shù)2.6 設(shè)置，設(shè)置，2.7 實用工具實用工具2.8 快捷方式功能快捷方式功能 ，2.9 幫助幫助系統(tǒng)系統(tǒng)(xtng)功功能能核心核心(hxn)模塊模塊第二十九頁，共66頁。核心模塊工作核心模塊工作(gngz

21、u)流程流程第三十頁，共66頁。例子：原方法(fngf)所做CWSI合成圖2005年3月下旬第三十一頁，共66頁。例子例子(l zi)：2005年年3月下旬降水量分布圖月下旬降水量分布圖第三十二頁，共66頁。3月下旬旱情月下旬旱情(hnqng)監(jiān)測結(jié)果與當(dāng)旬降雨量的比較監(jiān)測結(jié)果與當(dāng)旬降雨量的比較干旱(gnhn)降雨(jin y)較多第三十三頁，共66頁。方法本身問題：作物(zuw)供水指數(shù)法參數(shù)計算問題：NDVI和TS的計算四、原因分析和可能四、原因分析和可能(knng)的的改進改進現(xiàn)有的方法主要是作物供水指數(shù)法，熱慣量法由于(yuy)技術(shù)復(fù)雜還沒有實際應(yīng)用。NDVI和Ts兩個基本參數(shù)的計算還

22、有待進一步提高精度。目前所用Ts是簡單算法的溫度，與真正的地表溫度還有較大誤差。第三十四頁，共66頁。1、方法本身問題：、方法本身問題：CWSINDVI/Ts其中：其中：CWSI是作物是作物(zuw)供水指數(shù)供水指數(shù)NDVI是歸一化植被指數(shù)是歸一化植被指數(shù)Ts是作物是作物(zuw)葉冠溫度葉冠溫度在監(jiān)測的旬內(nèi)，NDVI相對穩(wěn)定，TS則是隨著時間而變化。一天之內(nèi)Ts可能有15度以上的變化。而各天衛(wèi)星監(jiān)測的時間不是十分相同，前后相差有1多鐘頭。并且，同一景圖像，東面的時間與西面的時間相差也達1個鐘頭。并且，現(xiàn)在的計算基本上是以星上亮溫來代表真正的地表溫度。這就造成(zo chn)了這個方法在計算作

23、物供水指數(shù)方面存在很多技術(shù)上的問題，從而造成(zo chn)了CWSI值在各天之間不可比性，多天合成之后的問題。2、參數(shù)本身、參數(shù)本身(bnshn)問題：問題：第三十五頁，共66頁。五、旱情監(jiān)測五、旱情監(jiān)測(jin c)方法方法的改進的改進方法改進的基本思路：遙感監(jiān)測降雨因素(yn s)(一) 遙感監(jiān)測：作物供水指數(shù)法的改進(二) 降雨因素(yn s)：降雨距平指數(shù)的改進改進目標(biāo)：保證旱情監(jiān)測基本趨勢準(zhǔn)確改進目標(biāo)：保證旱情監(jiān)測基本趨勢準(zhǔn)確(zhnqu)改進原則：在現(xiàn)有基礎(chǔ)上改進，方法不要太復(fù)改進原則：在現(xiàn)有基礎(chǔ)上改進，方法不要太復(fù)雜，具有實際可操作性，能快速實現(xiàn)監(jiān)測雜，具有實際可操作性，能快速

24、實現(xiàn)監(jiān)測第三十六頁，共66頁。(一一) 作物供水指數(shù)作物供水指數(shù)(zhsh)法的改進：法的改進：1、供水指數(shù)、供水指數(shù)(zhsh)與干旱程度：與干旱程度：NDVI與干旱程度與干旱程度2、作物供水指數(shù)、作物供水指數(shù)(zhsh)的標(biāo)準(zhǔn)化的標(biāo)準(zhǔn)化3、溫度：真正的地表溫度、溫度：真正的地表溫度450.820TsNDVI干旱(gnhn)濕潤(shrn)正常第三十七頁，共66頁。0.10.30.50.70.8200.501.502.503.504.00250.401.202.002.803.20300.331.001.672.332.67350.290.861.432.002.29400.250.751.

25、251.752.00450.220.671.111.561.78NDVITsCWSI=100NDVI/Ts濕潤(shrn)正常(zhngchng)輕旱中旱重旱1、NDVI、Ts與旱情的關(guān)系與旱情的關(guān)系(gun x)分析分析第三十八頁，共66頁。2、作物、作物(zuw)供水指數(shù)與農(nóng)業(yè)供水指數(shù)與農(nóng)業(yè)旱情聯(lián)系旱情聯(lián)系SDI是表示干旱是表示干旱(gnhn)情度的標(biāo)準(zhǔn)化作物供水指數(shù)，情度的標(biāo)準(zhǔn)化作物供水指數(shù)，0-100CWSId是最旱時的是最旱時的CWSI，取，取0.2CWSIw是最濕潤時的是最濕潤時的CWSI，取，取40100濕潤(shrn)重旱第三十九頁，共66頁。3、溫度、溫度(wnd)：MODI

26、S地表溫度地表溫度(wnd)產(chǎn)品算法產(chǎn)品算法現(xiàn)有的算法現(xiàn)有的算法(sun f)：簡單算法：簡單算法(sun f)，假定大氣和地表影響為常量，假定大氣和地表影響為常量Ts=1.0346T31+2.5779(T31-T32)-10.05改進的算法：兩因素分裂窗模型，假定大氣和地表影響隨觀測時間不同而變化的分裂窗改進的算法：兩因素分裂窗模型，假定大氣和地表影響隨觀測時間不同而變化的分裂窗算法，大氣透過率參數(shù)和地表比輻射率參數(shù)從同一景算法，大氣透過率參數(shù)和地表比輻射率參數(shù)從同一景MODIS圖像其它圖像其它(qt)波段中反演波段中反演這兩個算法之間相差達23C，從而使CWSI的計算有達半個到一個數(shù)量級的

27、差異，例如從輕旱到正常。第四十頁，共66頁。 Ts=A0+A1T31-A2T32 MODIS地表溫度反演的兩因素分裂地表溫度反演的兩因素分裂(fnli)窗算法窗算法3個參數(shù)：亮度溫度個參數(shù)：亮度溫度(wnd) Ti，大氣透過率，大氣透過率i和地表比輻射率和地表比輻射率i第四十一頁，共66頁。2022-5-11亮度亮度(lingd)溫度溫度 Ti第四十二頁，共66頁。2022-5-11大氣大氣(dq)透過率透過率i第四十三頁，共66頁。2022-5-11地表地表(dbio)比輻射率比輻射率i第四十四頁，共66頁。MODIS地表溫度產(chǎn)品地表溫度產(chǎn)品(chnpn)的計算的計算過程過程第四十五頁，共6

28、6頁。(二二) 降雨因素降雨因素(yn s)的考慮的考慮1、根據(jù)降雨計算干旱、根據(jù)降雨計算干旱(gnhn)程度指數(shù)：降雨距平指數(shù)程度指數(shù)：降雨距平指數(shù)SRI是降雨距平指數(shù)是降雨距平指數(shù)(zhsh)，SRI越大越濕潤越大越濕潤R是該旬降雨量是該旬降雨量Rw是該旬多年平均降雨量是該旬多年平均降雨量R2Rw時，取時，取SRI100第四十六頁，共66頁。不僅考慮當(dāng)旬，而且還考慮最近不僅考慮當(dāng)旬，而且還考慮最近8旬（旬（3個月）的降雨影響個月）的降雨影響MSRI=A0*SRI0+A1*SRI1+ A2*SRI2+A3*SRI3+a4*SRI4+.+ a8*SRI8 MSRI是考慮降雨因素的干旱指數(shù)，是考

29、慮降雨因素的干旱指數(shù)，0-100SRI0和和A0是當(dāng)旬的降雨距平指數(shù)及其權(quán)重是當(dāng)旬的降雨距平指數(shù)及其權(quán)重(qun zhn)當(dāng)當(dāng)SRI0100時，取時，取MSRISRI0，當(dāng)旬降雨相當(dāng)多，當(dāng)旬降雨相當(dāng)多2、歷史降雨因素、歷史降雨因素(yn s)的考慮的考慮第四十七頁，共66頁。各旬降雨各旬降雨(jin y)距平指數(shù)的權(quán)重距平指數(shù)的權(quán)重第四十八頁，共66頁。（三）兩指數(shù)耦合與旱情（三）兩指數(shù)耦合與旱情(hnqng)劃分劃分農(nóng)業(yè)旱情指數(shù)農(nóng)業(yè)旱情指數(shù)(zhsh)：作物供水指數(shù)：作物供水指數(shù)(zhsh)和降雨距平指數(shù)和降雨距平指數(shù)(zhsh)的耦的耦合合DIB1*SDI+B2*MSRI其中：DI是農(nóng)業(yè)旱

30、情指數(shù)，0100表示非常干旱到非常濕潤SDI是當(dāng)旬多日合成的標(biāo)準(zhǔn)化作物(zuw)供水指數(shù)，B1是其權(quán)重，取0.5MSRI是考慮多旬降雨因素的干旱指數(shù)，B2是其權(quán)重，取0.5第四十九頁，共66頁。六、監(jiān)測六、監(jiān)測(jin c)結(jié)果比結(jié)果比較較2005年5月下旬(xixn)降水距平分布圖第五十頁，共66頁。遙感(yogn)影像合成圖（原方法2005年5月下旬）問題(wnt)：云南不旱，貴州四川旱，與實際不符第五十一頁，共66頁。遙感影像(yn xin)合成圖（改進的方法）重旱中旱輕旱正常濕潤水域云, 無數(shù)據(jù)第五十二頁，共66頁。2005年5月下旬(xixn)監(jiān)測結(jié)果圖重旱中旱輕旱正常濕潤水域云, 無數(shù)據(jù)第五十三頁，共66頁。2005年農(nóng)業(yè)旱情年農(nóng)業(yè)旱情(hnqng)監(jiān)測結(jié)果監(jiān)測結(jié)果第五十四頁，共66頁。重旱中旱輕旱正常濕潤水域無數(shù)據(jù)2005年年3月月第五十五頁，共66頁。2005年年4月月重旱中旱輕旱正常濕潤水域無數(shù)據(jù)第五十六頁，共66頁。2005年年5月月重旱中旱輕旱正常濕潤水域無數(shù)據(jù)第五十七頁，共66頁。2005年年6月月重旱中旱輕旱正常濕潤水域無數(shù)據(jù)第五十八頁，共66頁。2005年年7月月重旱中旱輕旱正常濕潤水域無數(shù)據(jù)第五十九頁，共66頁。2005年年8月月重旱中旱輕旱正常濕潤水域無數(shù)據(jù)第六十頁