当前位置: 首页 > >

用MODIS-TVDI方法及AMSR-E数据分析蒙古高原土壤湿度_图文

发布时间:

内蒙古师范大学 硕士学位论文 用MODIS-TVDI方法及AMSR-E数据分析蒙古高原土壤湿度 姓名:郭利彪 申请学位级别:硕士 专业:地图学与地理信息系统 指导教师:包玉海 20100415

内蒙古师范大学硕士学位论文

摘要
土地资源作为一个国家资源环境与可持续发展的战略性生态资源,是 国家综合国力的关键组成部分,其不仅是国民经济的基础,同时作为国家 安全的核心要素,是国家生态安全的不可或缺部分。土壤湿度是监测土地 资源安伞状况的关键指标,同样是气候环境、生态状况、农业生产等领域 的重要参数,在地表与大气层面的水分和能量交换循环中起重要的作用。 遥感技术手段能够实时高效地获耳义宏观研究区域的地表特征参数,使用遥 感技术监测土壤水分具有重大现实与长远意义。 本研究旨在通过使用红光、*红外及热红外波段的遥感技术手段,探 索构建一适合于蒙古高原区土壤湿度信息定量监测的可行技术体系并结合 微波土壤湿度数据进行异源数据同化特征的初步分析,进而探讨实现遥感、 地理信息系统业务的综合应用。在系统整理了国内外针对遥感定量反演土 壤湿度的各种研究资料与方法的基础上,详细对比分析各种定量模型的优 势特征,优选出可满足地表植被覆盖度多变、土壤表层含水量变化区间大、 模型关键参数可山影像数据商接获得等基本条件,适合于在蒙古高原区大 覆盖范荆内及满足高时问分辨率要求卜.的温度植被十旱指数(TVDI)模型, 进行奉研究。采用由内蒙占自治区遥感与地理信息系统重点实验室MODIS 地面接收站获得的MODIS 1B数据,在实验室完善的软硬件条件支持下使用 现有较为成熟的地表温度(LST)、归一化植被指数(NDVI)理论,全自主 完成研究区2007年6月至9月每月三旬共计12旬时问序列的模型输入参 数的计算。以计算获得的定量参数作为输入分别进行蒙古高原区及其内蒙 古自治区、蒙古国构成子区的温度植被干旱指数(TVDI)即相对土壤湿度 的定量反演,对反演成果进行分析并使用与卫星同步的气象站实测数据进 行验证,证实TVDI值能够客观反映地表土壤水分状况。进而使用TVDI数 据与丈测值进行¨!『|分析探索建立遥感定量反演成果与实际十壤湿度监测 的J遁用模式并简要对微波(AMSR—E)数据进行同化特征的分析。 最后针对本研究的特定定量参数计算过程提出一定实际可行的改进与 优化的方法与过程,以便在后续研究与应用中完善丰富。 关键词MODIS,温度植被干旱指数,土壤湿度,微波数据,同化分析

内蒙古师范大学硕士学位论文

ABSTRACT
Land
resources as

the key component of national security and strength,its’

powerful strategic role represents not only in the basis of economy but also the sustainable development of the country.Soil moisture which is the important

indicator of climate,hydrology,ecology,agriculture and other parameters of the land surface and plays
an

atmospheric interface includes water

and energy exchange

important role.So,the significance of taking the advantage of remote

sensing to monitor soil moisture obtain the regional surface characteristic is great. This study was executed to explored to build
a use

red,near infrared and thermal infrared band,

suitable quantitative monitoring soil moisture scheme for the
source

Mongolian
as

plateau.And consider the combination of different

data such

microwave data to analysis the assimilation characteristics in order to design

the probable integrated application system. Based
on

considering the advantages of quantitative

models

such

as

the

optimized input parameters,the sensitive of the vegetation index,the parameters
can

be directly obtained from image data,meet the requirement of the l arge of the interest region,et a1.Finally
tO

scale

chose the temperature vegetation
use

drought

index(TVDI)model

organize the study work.Then

the existing

mature land surface

temperature(LST),normalized
area

difference vegetation index

(NDVI)theory
to

complete the study

from June to September of 2007 input

parameter calculations.Execute the retrieve work with quantitative parameters obtain the study
area

include

Mongolian plateau,Mongolia

and

Inner

Mongolia’S
retrieve represent

vegetation

drought

index(TVDI)data.Using
TVDI;it confirmed the TVDI

the

satellite

synchronous meteorological station measured soil moisture data to verify the relative the real soil moisture

obj ectively
to

character of soil
to

moisture.Finally

explored

build the

application pattern,which is retrieve TVDI data using

obtain the real soil moisture according to the sensing

remote

theory.While

the

microwave

(AMSR-E)soil
Conclude

moisture data’S assimilation characteristic also be analyzed. some specific calculation process improvement for

with

quantitative parameters and optimization of theories for the fol lowing research and application. KEY

WoRDS

MODIS,TVDI j

Soi 1

Moisture,AMSR—E,Assirei lation

内蒙古师范大学硕士学位论文

独创性声明
本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果,尽我所知,除了文中特别加以标注和致谢的地方 外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含本 人为获得内蒙古师范大学或其它教育机构的学位或证书而使用过的材 料。本人保证所呈交的论文不侵犯国家机密、商业秘密及其他合法权 益。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了 明确的说明并表示感谢。 签名:

聋叠0龟、

日期:

2010年4月15日

关于论文使用授权的说明
本学位论文作者完全了解内蒙古师范大学有关保留、使用学位论 文的规定:内蒙古师范大学有权保留并向国家有关部门或机构送交论 文的复印件和磁盘,允许论文被查阅和借阅,可以将学位论文的全部 或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等 复制手段保存、汇编学位论文,并且本人电子文档的内容和纸质论文 的内容相一致。 保密的学位论文在解密后也遵守此规定。.


张郭狮

锄张刍鹕

日期.1 2010年.4月15日

第一章绪论

第一章绪论
1.1引言
上地资源作为国家资源环境与可持续发展的战略性生念资源,是国家综合国力的关 键组成部分,其不仅是国民经济的基础,同时作为国家安全的核心要素,是国家生念安 全的/1i町或缺部分。它同诸如石油、水、粮食等共同作为国家的重点战略资源。 作为世界上最大的发展中幽家,我国人口众多,土地资源稀缺,同时我国还是世界 上土壤受侵蚀最为严重的国家之一。位于我国北方的内蒙古自治区及作为一个整体的蒙 古高原包括蒙古国全部,俄罗斯南部和中国北部以内蒙古自治区为主体的部分地区。东 西横跨经度34。36’,西至87040’,东至E122。15 7;南北覆盖纬度15。22 7,北至N53。
08

7,南至N37。46’。植被和土壤类型在空间地域上呈规律分布,从北到南跨越寒温

带和温带、从东到西包括了湿润、半湿润、半干旱、干旱地区,不同温度条件和降雨类 型的组合,形成区内多样的景观生态类型是我国北方的一道天然生态屏障,这罩生态环 境的耍,上4i小仪关系剑内蒙占各族人民的生存和发展,也对华北、东北和西北等地区的尘 念环境的保护和改善意义重大。在已过去的半个多世纪中,d-I一}-/、LI认识到该地区地域广 阔、资源丰富物产富饶但没有长远规划与可持续利用‘』发展的意识,同HIJ。山于人类活动 和自然灾害的双重影响,不断地过度开采、过度利用、过度消耗等极端行为,特别是内 蒙占地区草地严重退化,植被迅速减少甚至消失,土地荒漠化,沙尘暴肆虐,生态系统 功能严重失凋等一系列重大环境问题R益突出,已对本地区各族人民及其后代正常生 存,西北、华北可持续发展战略的实施构成严重威胁。 因此作为生态安全的核心要素,国民经济的基础,国家环境与发展的战略性经济资 源及国家安全的重要组成部分的土地资源其所占面积环境指标的变化及与生态安全相 关要素的定量遥感关键技术研究、土地退化监测指标的遥感定量获取关键技术等的实 现,以便为准确监测、评价、预测我国北方{:地资源退化状况,形成十甘天技术体系,以 便及时掌据高原环境乍态安全的现状和变化趋势,为生念环境保护、资源可持续利用及 重点区域长久发展提供科学的决策依掘无疑具有特殊重要意义…让儿。1。 土壤湿度是土地安全监测的一个关键指标,干燥七壤的地区相对于土壤湿润的地 区,风蚀的影响较强,土地沙化现象较为突出;土地盐碱化同地表水分的蒸发与降水密 切相关,‘土地退化的主要动力因素便是水土流失。从而及时:准确地获得大区域地表土

壤水分含量指标便成为研究的重要和主要内容。伺样土壤水分含量还是气候变化、水文
资源、生念环境、农业生产等众多领域的重要参数,是干旱的关键指标:

内蒙古师范大学硕士学位论文

土壤水分的已有获取方法有多种,并己在生产实践中得以使用。传统的方法诸如:
用问实际值测量法,包括中子仪法、重量法等。实地测量可以准确获得土壤一定剖面的 相对含水量,但该类方法仅限十单点测量,同时需要较高的人力、物力,不仅费时,而 且成本高,大范围、高效率的获取土壤水分不是很实际。另外植被覆盖【:的空问差异使 单点的代表性差,土壤、地形也IIII;0了它的使用范围mⅢ’。 利用遥感技术手段获取土壤含水量是通过数值定量反演过程获得若干可表征不同 土壤含水量的土壤表面针对光谱发射或反射的电磁能量高低差异的系数,通过定量分析 建立反演参数与土壤含水量的模式关系,进而定量获得地表土壤湿度。通过遥感技术手 段监测土壤湿度不仅可以得到反映土壤水分在空间、时间序列上的变化特征亦可进行长

时I’日J序列动态监测与研究,具有监测覆盖范围广、实施成本低、可系统业务化实施、并
且长期、高时I'日J分辨率监测是当前遥感定量研究与应用的重点内容之一。由于建立遥感 技术丁.段获取的定量参数与上壤含水量实际数值之间的模式关系的过程较为复杂,因而 应用遥感方法准确获取土壤含水量信息的技术也是目自{『jj匿感定量研究的难点。

1.2国内外研究现状
国内外研究的技术手段有诸如地面遥感、航空遥感和卫星遥感;具体遥感使用波段 包括可见光、*红外、热红外和微波等多种电磁波段;采用遥感方法进行土壤含水量监 测的研究始于二十世纪60年代末,截止到目前为止将*有30余年的研究过程并取得了 丰富的研究成果。 使用遥感技术手段监测土壤含水量,因在不同电磁波段其反演土壤水分的模式原理 不*相同:在*红外和可见光波段,不同湿度的土壤具有不同特征的地表反照率,一般 情况下湿润土壤的地表反照率比于燥j:壤低,且从理论上可以分析此类差异。同样由于 一【:壤有机质、表而粗糙度、纹王牢特征、入射角差异以及植破覆盖多样化等冈素的干扰影

响,这种力+法具有局限性。另外在热红外波段呵以反演地表温度,而地表温度tL壤含
水量密切相关,利用地表温度可以获得土壤热惯量,与土壤水分关系密切,土壤热惯量 高则士壤含水量高;反之办然,进而可以估测土壤含水量。 为弥补可见光研究的不足可以采用波长较长的电测波,诸如微波进行土壤含水量的 研究。由微波数据定量计算可以获得土壤表面的亮温,亮温由土壤介电常数和十壤温度 共矧决定,而介电常数和温度均与土壤含水量相关,‘进而呵通过微波反演得到的土壤亮 温反演土壤含水量;同时微波在地表特征参数的反演与研究过程中仍在不断完善之中。

第一章绪论

1.2.1研究现状
1.2.1.1可见光、*红外与热红外波段监测土壤水分
十壤水分在町见光、*红外波段遥感研究方面,自60年代以来,各国研究学者做 了大昔的璀础研究T:作。Kahle(1977)初次提出了热惯量的概念:Prata、Price等(1985) 系统地总结+T热惯量法及热惯量的遥感成像机理,在能量*衡方程的基础上,简化潜热 蒸发(散)形式,引入地表综合参量概念,可利用卫星影像提供的热红外辐射温差和反 射率计算热惯量进而估算土壤含水量。Schmugge(1978)研究得出对于裸土或低植被 覆盖率土壤,地表温度与含水量密切相关。Idso、Jaekson等(1981)研究得出在高植被 覆盖条件下,植被根层水分的胁迫引起冠层温度升高,而叶片温度与土壤含水量和植物 水分胁迫相关,通过该研究提出了作物水分胁迫指数(CWSI)可用来监测作物根层土 壤有效水分含量。Moran等(1 994)将该指数推广到部分植被覆盖条件,进一步提出了 水分亏缺指数(WDI)。到目前为止已经有学者结合可见光、*红外及热红外的数据, 使用!J1。化植被指数(NDVI)和陆地表面温度(LST),构建出NDVI—Ts特征空问来反 演l:壤含水量。 国内)r始土壤水分遥感监测试验研究比国外晚,大概由80年代中期的“七五”期 I’日J/4‘丌始起步。虽然在使用可见光、*红外与热红外波段监测土壤水分的遥感模型及其 戍用方向起步晚,但国内研究理论、应用技术发展迅速,并已经利用NOAA/AVHRR资 料进行了士壤含水量和干旱条件的宏观监测应用与研究。隋洪智等(1990)通过简化的 能量*衡方程,直接使用影像资料推算出一个被称作表观热惯量(ATI)的参数,并将 此参数同土壤含水量建立关系模式来监测干旱。张仁华(1990)提出了一个参考地表潜 热通量及显热通量的热惯量模式反演土壤水分。田国良等(1992)在河南省*72个县 镇通过计算作物缺水指数(CWSI),与各气象站5-50cm以内土壤深度的水分含量进行 f:壤含水甚分前j估算:肖j玎,“等(1994)由j二壤热性质出发,在求解热传导方程之后引 入了“遥感1二壤水分含量最大信息层”概念,以此理论为依据建:立了多时相的综合土壤 湿度统计模型。余涛、用国良(1997)通过改进求解土壤表层热惯量的过程,采纳地表 显热和潜热参数,在试验的基础上确定若干模型参数,实现了利用NOAA/AVHRR影像 定量计算热惯量值进而反演得到土壤表层水分含量。刘良云等(2002)使用植被指数与 地表温度相结合的土壤水分反演模型,结合地面实地采样数据,成功计算得到实验区内 作物地块的土壤含水量,等等。

内蒙古师范大学硕士学位论文

1.2.1.2被动微波与主动微波监测土壤水分
微波遥感因其使用的电磁波波长较长,不易受大气含水量、光照条件及大气气溶胶 成分的渚多冈素限制,能够满足全天候今天时jr作的要求,特别是长波段能够穿透植被 覆盖并对十:壤具有’一定的穿透能力,此类特点使得使用微波遥感技术手段研究土壤湿度 相比其他遥感手段更具特别优势。20世纪70.80年代,初步主要以野外实地车载和航空 微波采集遥感实验为主,目的在于发展实验微波遥感土壤湿度算法理论;90年代主要以 发展研究实用的卫星微波遥感土壤湿度算法为主,并系统检验已有算法的适用性及客观 性,同时将获得的土壤湿度数据用于较大尺度土壤湿度制图或特定区域水文模型等。 美国的NASA于二十世纪70年代初在亚历山大农田进行了航空微波辐射计飞行实 验属于被动微波遥感领域,并同步采集了0.15cm深度的土壤湿度数据,随后Schmugge 等人(1974)对该实验数据进行了详细分析:发现土壤亮度温度与土壤湿度(重量百分 比)具有较好的线性相关关系。伴随着卫星微波遥感数据的充分利用,许多研究者建立 了降雨指数PI(Precipitation Index)和微波极化差指数MPDI(Microwave
Difference Polarization

Index)等上壤湿度指示参数与土壤亮度温度之I'日J的定量关系。Choudhury

(1979)、Wang(1981)以及Owe(1986)研究了地表粗糙度对使用微波数据反演土壤 湿度的影响。Schmugge等(1986)对定量研究反演土壤湿度的其他影响因子如植被、 粗糙度、观测角等对微波遥感土壤湿度的影响的工作进行了综述。Wang(1985)、Teng (1993)以及Felde(1998)研究了植被覆盖度对反演土壤湿度的影响。Njoku等人(1999) 研究基于辐射传输方程,建立了亮度温度与土壤湿度等多参数的非线性模式,然后使用 迭代法和最小二乘法求解非线性方程得出土壤湿度。 合成孔径雷达(SAR)己成为国际对地观测研究领域最重要前沿技术,属于主动微 波遥感领域。当日订反演裸露地表土壤水分的经验和半经验模型主要有Doboson模型、 OH模型和SHI模璎,此类模即均是针对裸露地表条件建瓿并使用多频、多极化或全极 化雷达数据,I-*时这些模型也适用于稀疏剑中等密度的地表植被覆盖条件。植被层对微 波后向散射贡献的大小程度是影响微波对地表土壤含水量敏感性的主要因素。目自,』被学 术界普遍接受和使用的是由美国密歇根大学微波实验室建立的基于辐射传输方程的 MIMICS模型(Ulaby,1990)。针对目前星载合成孔径雷达如Radasat等均为单一频率、 单。极化,研究人员在利用单参数成像雷达反演土壤水分信息方面同样也做了系统研究 工作。Sano(t998)采用ERSI/2成像雷达的.C.波段在半干旱草原地区做了关于地表粗 糙度和土壤含水量的反演研究工作。 我固固内存使用微波数据监测研究‘t壤含水量方面,尚仍处于起步探索、理论构建

第一章绪论

阶段。田国良(1991)使用于1987年11月在河南省封丘县获得的机载合成孔径雷达水 *极化(HH)X波段数据进行了麦田土壤含水量研究,估算的*均相对误差约为21%, 在对比了若干种遥感监测土壤水分方法之后,初步认为微波遥感技术手段可能成为最终 解决遥感监测士壤水分的方式。李杏朝(1995)通过GPS定位、{司步测量土壤水分、 土壤后向散射系数及同步获取的X波段、HH极化SAR数据进行了土壤水分反演的微波 遥感研究,反演得到的十壤水分精度相对误差约为12%。李震等(2002)通过研究建立 了?个半经验模型,用来计算各个微波散射项参数,通过综合时问序列的主动和被动微 波数据,结合消除植被覆盖的影响作用,估算地表土壤含水量的变化状况。

1.2.2遥感监测土壤水分的发展趋势
综合国内外遥感监测土壤水分的研究进展与现状可以初步得出: (1).在可见光、*红外与热红外波段,通过建立在能量*衡原理基础上的热惯量 法和植被缺水指数法等为主要代表模式的遥感监测土壤水分理论相对成熟。可确定的是 基本形成热惯量模型适合于裸露土壤采用、CWSI模型适合于完全植被覆盖地采用、部 分植被覆盖地采用农田蒸散双层模型或改进的热惯量模型进行土壤含水量遥感监测研 究的共谚{。 (2).使用微波数据监测士壤含水量是目j,J.研究的重点和难点,中国H前正处f起 步探索阶段,迫切需要加强完善相关理论的研究与应用。微波波段由于其特性明显,以 及士壤水分和介电常数密切相关,据此必须不断提高监测土壤水分的精度。特别是主动 微波的合成孔径雷达(SAR),欧美国家基于己有的SAR数据并发展全新的土壤水分卫 星进行了大量系统的主动微波反演模型方法研究,并取得了较丰富成果。 (3).遥感监测研究拟采用的电磁波段已明确,结合各电磁波段的优势综合构建 各种精度高可实践的土壤水分遥感监测指数,为深入提高土壤水分监测实际效果提供了 町能性与可iJ二性。利用多种不同优势特征波段数据综合定量反演土壤水分不仅是地理基 础指标研究的趋势同样也是遥感定量应用的发展方向。七壤和植被在不同的波段具有不 ㈤的光学及物理特征,彳iI刊波段口T以提供不f刊影响因素的综合信息,各波段数据抉得的 信息互补,可以客观提升土壤水分遥感监测的精度。例如利用可见光、*红外反演获得 归一化植被指数,利用热红外反演地表温度来综合估测上壤湿度;利用可见光和*红外 估算植被覆盖度。主动微波估算地表粗糙度可构建估测土壤湿度模式。 (4).土壤水分遥感监测与GIS体系相结合,多种数据源的引入必将提高应用精度。 有必要在未来建立土壤水分遥感监测地理信息系统,实现遥感监测土壤水分数据的实时 处理与多种数据的综合分析,从而实现土壤水分遥感监测的实用化与业务化。


内蒙古师范大学硕士学位论文

1.2.3遥感监测土壤水分的问题
(1).微波遥感尽管具有全天时、全天候、较强穿透力等优点,但观测范围局限于
5.1

0cm,总覆盖面小,数据处理较为繁琐,使用的模型目前尚处于探索阶段。所以现阶

段迫切需要解决的问题不仅在F实现国内微波监测运行*台的在轨化,微波数据处理与
分析(包括主动与被动)理论的进一步体系化与町行化,以及服务科研生产实践的业务 产业化。 (2).利用可见光、*红外与热红外反演土壤含水量主要是基于辐射传输*衡方程, 其中不同分辨率像元的尺度效应、单一像元的混合成分、同一类型地物的特征差异分解, 以及大气介质诸如空气流动对地表感热通量和潜热通量的影响均十分明显。可见光、*

红外与热红外波段,虽然CWSI模型以及农田蒸散双层模型理论较为成熟,但需要大量 的较难获取的气象参数,且模型算法复杂从而其实用性难以满足。在实际应用中,考虑
需要探索构建某种既满足一定的精度要求,可实际业务运行,算法又相对简单的实用性 模型。 (3).现阶段虽然可以使J}j的遥感数据源较为丰富,各个理论方法也较为成熟,但 数据各有优缺点难以较为完善的解决应用需求,进而针对多源的、可以系统同化的数据 源综合协同进行优势互补的反演土壤水分的研究还不多。例如已经有学者使用遥感数据 反演得到全国的土壤湿度信息,但是分辨率较低(4km或者8km);或是研究反演精度 可以接受但仅限于较小区域,如对全国农牧重点区域的土壤湿度在时间与空问上的变化 的研究较少。同时,土壤水分的遥感监测主要单一目的用于干旱研究,对于土地资源安 全监测、重点农牧区的土地状况的影响,土壤水分的时空分布以及时空变化在综合的地 理信息系统中少有研究。

1.3主要研究内容
首先在总结国内外遥感监测土壤水分研究理论及应用的基础上,针对本研究区选择fb适 合的监测土壤水分的遥感定量反演模型;然后利用2007年6、7、8、9四个月份的MODIS 的MODlB数据(该数据为原始数据,以每月旬为fBJ隔各选择一天)使用依据辐射传输 方程的较为成熟的红外、*红外及热红外波段定量计算地面温度(LST)、归~化植被指 数(NDVI)的模型获得相关遥感监测参数,经使用验证一1适合于研究区的温度植被干旱 指数模型(TVDI)反演蒙古高原的相对土壤湿度,并进一步研究时间序列内蒙古高原

及各子区土壤湿度的时空分布规律;随后使用TVDI反演方法获得的区域地表土壤湿度

第一章绪论

的相对值,与内蒙古自治区81个气象站点的同时问条件下实测的土壤湿度数据进行回 归分析揭示利用红外可见光及热红外波段遥感手段获得研究区的土壤湿度分布规律,建 立遥感定量监测土壤相对湿度与土壤真实湿度之问的定量关系,为进一步的遥感定量反 演地理基础指标同地理信息系统综合业务*台的应用及体系化发展做较为科学与可行 的基础支持。主要研究包括以下若干内容: (1).土壤水分遥感定量反演模型的优选:在深入分析遥感监测土壤水分理论的国 内外进展及现状的基础上,对比分析己有的各种模型的优缺点,选择最适合研究区的遥 感反演土壤水分模型。 (2).使用TVDI方法反演蒙古高原的土壤水分:使用MODIS每月按旬分隔的地 表温度、植被指数数据作为输入定量参数,运用TVDI模型反演了蒙古高原6、7、8、9 四个月每月?乏旬,每旬一期的蒙古高原土壤湿度,并使用气象站点同步采样的土壤湿度 数据验证遥感反演的’j::壤湿度。 (3).分析蒙古高原上壤湿度的时空分布规律:在使用TVDI方法获得了6、7、8、 9蒙古高原四个月的土壤湿度的相对值后,进一步分析蒙古高原作为一整体、蒙古国子 区及内蒙占自治区土壤相对湿度的空l’日J分布规律以及时问演化规律,并作相应分析。 (4).使用内蒙古自治区81个气象站点的同时间条件下实测的土壤湿度数据同遥 感反演得到的相对土壤湿度进行回归分析揭示利用红外可见光及热红外波段遥感手段 获得研究区的土壤湿度分布规律,建立遥感定量监测土壤相对湿度与土壤真实湿度之问 的定量关系模型,并对模型进行实测值验证,从而可实现遥感定量监测的业务化运行。

内蒙古师范大学硕士学位论文

第二章方法模型优选与遥感参数确定
利用遥感方法进行土壤水分监测的研究过程中,使用不同的遥感数据源建立了各种 各样的遥感反演模型,取得了大量的研究成果。在收集整理国内外关于使用遥感定量反 演土壤水分的各种研究资料基础上,总结已有的理论方法,并结合遥感最新的发展技术, 选择最合适的遥感反演模型和遥感数据。

2.1方法模型的比较
由于本研究的目的在于借助遥感手段通过遥感影像的定量参数计算,结合较为成熟 的模型理论进行大空I、日J范围、多时问序列的土壤湿度信息反演,所以有必要对适合于既 定研究目标与特征的模型方法进行细致分析以选定较优方案。田国良(1991)陈怀亮等 (1999)等对比分析了几种估算土壤水分的方法:包括常规气象法、微波散射系数法、 表观热惯量法、蒸散与作物缺水指数法、绿度指数法以及温差法、微波遥感、距*植被 指数。并指出用热惯量法来估算大范围的土壤水分,其方法简便易行,成本低,适合于 裸地和低植被覆盖的情况;在有植被覆盖条件下,蒸散与作物缺水指数法物理意义明确 或改进求解的热惯量模型进行土壤水分遥感监测,估算精度可以接受。
表2-1若干估算十壤湿度的方法n神

(1)丧观士壤热惯量法 t壤热惯量具体表现上壤的热能量特性,是土壤表层温度变化过程的内药il圈素,它 与土壤含水量有较为密切关系,同时可作用于土壤温度不同时问差易的高低。I:壤温度

第二章方法模型优选与遥感参数确定

闩较差可以由遥感波段数据反演获得。从而使用热惯量法研究土壤含水量成为可能。热 惯晕可以表示为:

P=而
AT/:!二丝
Td一砌

(2.1.1)

式中:P为热惯量(单位:Jm。2K。卜S 1陀),九为热导率(单位:Jm’1。。S 1K。1),P为土壤密度(单 位:Kgm。3),C为比热(单位:JKg。1K。1)。 在实际应用中,一般用表观热惯量ATI来代替热惯量P:
(2.1.2)

式中:Td,Tn分别为昼夜温度,可分别由NOA刖AVHRR影像的4通道的昼夜亮温得到, 办可由MODIS的白天、夜1.日J反演地表温度获得;A为全波段反射率,可由NOAA/AVHRR 传感器的l、2通道的反射率得到,亦可由MODIS传感器的第l、2波段的反射率获得。 获得表观热惯量ATI后,可由经验公式计算出土壤含水量w,即: 线性模式: 幂指数模式:
W=a+b×ATI (2.1.3) (2.1.4)

W=e4×(ATI)6

其中a和b为回归系数。该方法简便易行,适用于裸地和低植被覆盖的情况,但统计模 式所选用参数较为单一不能较为客观反应实际地表复杂状况及植被覆盖特征,并且方法 的应用受分御地区和季节差异的限制。 (2)作物水分胁迫指数法(CWSI) 作物水分胁迫指数Crop Water
Stress

Index(CWSI)初始是由T.J.Jackson(1981)

基j-二能量半衡基础提出的。该指数是将植被叶冠表面温度r和周围空气温度r,的测量差 值结合太阳净辐射的估算值计算得出,实质意义反映植被实际蒸腾作用与最大可能蒸发 量的比值大小。在较均匀的环境条件下可将作物水分胁迫指数与*均同蒸发量相关联,

作为植物根层土壤水分状况的估算指标。作物水分胁迫指数定义为:
CwS|=

兰!!±兰!垒!±垒!!!二!!!垒±兰!!±二:!
rdI+rh|1

,?

=r(1+‰/(乞。.+‰)).

(2.1.5)

式中:^r为十湿球常数(单位:Pa‘℃‘:),么为修jF穹气动阻力(单位;s。ITI。)一‰,为
剩余阻力(单位:S?m一),,为作物冠层阻力(单位:S?m一),△为饱和水汽压与温


度关系的斜率,

r,,为潜在蒸散的冠层阻力(单位:s。m-I.)。

在有植被覆盖、植被类型!J覆盖条件较均匀的状况下作物水分胁迫指数法反演精度

内蒙古师范大学硕士学位论文

高于热惯量法过程,但其计算过程较复杂,所需定量参数较多,植被冠层的气象参数仍 旧依赖于传统的地面气象台站实测值,在具体应用的覆盖大尺度、高时间分辨率及实时 性的要求难以保证,从而遥感技术手段的优势难以充分发挥,在小区域简单环境下特有 优势明显,如基本农田作物监测研究。 (3)温度植被干旱指数法(TVDI) 植被指数由红光及*红外波段数据计算获得,其不仅提供了植被的生长状况信息同 样反映了覆盖度信息,同时地表温度间接反映了土壤湿度状况,两种参数优势特征互补, 为t壤湿度的定量监测研究提供了可能性。通过已有研究资料证明,地表温度LST和植 被指数,如NDVI之俐存在特定的负相关关系(Nemani,Running,1989)。土壤含水量 高的状念,土壤吸收的太阳能主要用于蒸发作用,土壤表层与植被冠层温度差异不明显, Ts.NDVI特征接*水*线;在土壤含水量较低时,裸土表面迅速变干燥,蒸发量减小, 吸收的太阳能主要用于土壤表面升温;另外土壤表面温度高,植被利用根层吸收水分, 维持一个较高的蒸腾速率,同时植被与周围空气进行能量交换使得冠层温度较低,从而 裸土与植被冠层温差较大,此时Ts-NDVI直线较陡,可见直线斜率反映了土壤湿度状况。 国内外诸多学者研究了多种空间尺度下和时间分辨率的地表温度和植被指数的定 量关系,诸如Price等(1990)研究得出如果研究区的特定植被覆盖状况和土壤湿度的 变化区间较人,以研究资料获得的NDVI和LST为横纵坐标所形成的散点图晕二t角形分 布,进‘‘步利用SVAT上壤~植被一大气传输模式进行了对比验证。该实验要求研究区域 覆盖面积要足够大,包含的地表覆盖度应该从裸土逐渐变化到植被完全覆盖,同时土壤 湿度从干旱变化到湿润。如图2—1所示,图中A、B、C标记点代表了Ts-NDVI特征空 |’日J中的三种极端状况:干燥裸土,NDVI很小,Ts较高;湿润裸士,NDVI和TS都最小 及湿润且有植被覆盖的真实地表,NDVI较大,TS较低。由A点至B点,地表的土壤 水分蒸发作用逐渐增大;随着地表植被覆盖度的逐渐增加,地表温度开始下降,C点表

示植被最高覆盖,土壤湿度含水量充足此时没有水分胁迫;图中AC边表示土壤实际水 分有效性较低,地表蒸散作用微弱处于缺水干旱状态被认为是干边;BC表示土壤水分
充足,植物生长不受限制,此时地表蒸散相当于潜在蒸散被认为是湿边。

10

第二章方法模型优选与遥感参数确定

50 45 40 35 U 30

饕25
20 15 lO 5 O

图2-1地面温度一植被指数特征空间

NDVl

图2-2 TVDI特征空间

进一步,美国学者Sandholt(2002)在研究Ts—NDVI的特征空间中发现有很多等值 线,于是构建出了温度植被干十7 j-b日,匕数Temperature 论。如图2—2,TVDI特征空M构成所示。 TVDI模型由植被指数和地表温度两个参数计算得到,其定义为:
Vegetation Dryness

Index(TVDI)的理

TVDJf=二2—二里
丁一71

<2.1.6)

t。。一瓦而。

Ts—rain=al+6l×NDVI

Ts—max=a2+b2×NDVI

(2.1.7)

式中:

z为任意像元的地表温度;r。衲为某一植被指数(如NDVI)对应的最小地面

温度即湿边拟合方程;r。,为某一植被指数(如NDV])对应的最高地面温度,即干边 拟合方程;a,,6.,口,,b,分别是湿边、十边拟合方程的系数。在干边}:TDVI=l,存湿边 上TDVI=O,对于每个像元,分刖利用植被指数与地面温度确定TVDI值。TVD!越大说 明上壤湿度越低,TVDI越小说明土壤湿度越高。其中确定模型所需参数要求研究区域 的范围足够大,地表覆盖度从裸土变化到较高的植被覆盖,土壤表层含水量从萎蔫含水
】’

内蒙古师范大学硕士学位论文

量变化到F日间持水量。 使用TVDI理论反演土壤湿度的特点是模型参数可由采用的遥感影像数据直接获 得,并且参数计算理论较为成熟已被遥感定量计算所广泛应用,可满足在大尺度范围内

及高时间分辨率下的遥感监测的要求。同时TVDI数值与真实土壤湿度直接相关,表现
为反演研究区内的土壤水分状况的相对值从而可与已有地面实测值进行回归分析便可 探索建立遥感监测真实土壤湿度的应用模式。

2.2模型选择
在总结分析了国内外多种定量反演模型的基础上,结合本研究的实际要求:即借助 遥感技术手段获取大范围、高时间分辨率下的蒙古高原整体的土壤湿度状况,以便进行 高原整体及其构成子区域土壤湿度信息的时空分析,初步构建适合于蒙古高原土壤湿度 监测的业务模式。本人认为模型选择可参考的若干原则:定量计算方法理论要科学客观,

其中包括基础理论的健壮性与实际公认度;计算过程的可操作性,要在现有条件与可能
满足的要求下实现完整业务流程;研究成果的最终可信度与精确度,通过非传统方式而 由遥感技术获得的定量研究成果要满足应有的评估要求。 因此针对本研究目的的土壤湿度信息获取:选择简单参数的表观热惯量模型可满足 一般计算f仁{难以真实还原客观状况;作物水分胁迫指数法精度虽较高,但其H一算复杂, 植被冠层的气象参数仍依赖于传统地面气象台站,实时性、宏观特性4i能保证;针对蒙 古高原陔研究区域的范围足够大,地表覆盖从裸土变化到较高的植被覆盖,土壤表层含 水量从萎蔫含水量变化到ffl间持水量,各个基本特征均满足于温度植被干旱指数模型方 法的要求,模型参数可由遥感影像数据直接获得,并且参数计算理论较为成熟已被遥感

定量计算所广泛应用,可满足在大尺度范围内及高时问分辨率下的遥感监测的需要。故,
本研究拟采用最终优选的TVDI方法实施。

2.3遥感定量参数的确定
使用遥感反演土壤湿度,合适的遥感数据源至关重要。遥感数据源的选择主要从数 掘的空I’日J分辨率、时阳J分辨率、可获得性和价格等方面考虑。本研究拟定实现监测蒙古


高原的土壤水分,且土壤水分的影n向因素复杂、‘变化快:区域跨度大,因此遥感数掘同
时具备合适的空问分辨率,较高的时I’日J分辨率及遥感波段适合于反演模型参数的计算是 比较关键的因素。现有可获得的卫星遥感数据种类较多数据量也可满足实际研究需要,

第二章方法模型优选与遥感参数确定

就现阶段主要使用的陆地资源卫星系列的以Landset系列的TM数据为例,具备较高的 空间分辨率,具有多光谱波段适合于植被特征及地面温度的计算,但其时间分辨率为16

天间隔且在整个研究区使用成本高不适合于较大范围使用。研究所使用的微波数据若采
用Radarset数据不仅获得周期长价格也较高同样不适合于本研究。 MODIS和NOVAA数据具备很好的时间分辨率,其空间分辨率为1公罩左右,比 微波辐射计的宅问分辨率高,IIi好适合大范围的研究,且成本较为低廉,可以考虑使用 此类数据监测十壤水分的长期变化,目i订的大量研究多是基于这两种数据。NOVAA数 据是国内九十年代遥感领域主要使用的遥感数据,并且使用该数据进行的大量研究已有 较为丰富的研究成果,但随时问的推移与技术的不断进步该类数据难以满足现阶段理论 与实际应用的更高要求。针对MODIS数据作为新的数据源(附录附表2.3.1,MODIS 仪器特性和主要用途;表2.3.2,MODIS 1B产品概要;表2.3.3,MODIS lB产品各波 段组),其具备较高的光谱分辨率与更高的空间分辨率,使用该数据源进行土壤水分反 演可较好满足模型参数的要求且使用该数据进行的研究还比较少。所以本研究拟采用 MODIS数据来反演研究区的土壤水分,数据来源于内蒙古自治区遥感与地理信息系统 重点实验室(以下简称重点实验室)自行拥有的MODIS数据地面接收站所获得的数据, 该地面站一天町最多接收美幽EOS的两颗卫星(上午星Terra,下午星Aqua)共四轨数 据,因本研究拟定对可见红光与*红外波段反演得到的土壤相对湿度数掘与AMSR—E 微波土壤湿度产品进行协同分析所以必须考虑两种异源数据的时f’日J同步效应,而 AMSR—E传感器恰好搭载于-F午Aqua星上,于是选择同步搭载双传感器的Aqua:IJ.星 的MODIS、AMSR.E数据成为必然,微波土壤湿度数据产品可由美国国家冰雪数据中


心免费订购。

2.3.1植被指数(NDV 1)
由于绿色植被叶片中叶绿素的吸收作用,绿色植被对红光波段的反射率较低,其反 射率基本为10%~20%,同样由于叶内组织的结构,绿色植被对*红外波段的反射较强, 其反射率一般可达40%~50%¨…。这两个波段对同一光谱过程响应截然相反,形成明显 对比,这种反筹随着睹如叶冠结构、植被覆盖度变化而变化,凶此町以采用两者的比值、 差分、线性组合等数学运算过程即称为植被指数。所以其能够很好地反映绿色植被的实 际长势、生物量高低和覆盖度大小而得到广泛应用,其中最常用的归~化植被指数
Normalized Difference Vegetation

NDw:—NIR,.c/-—REDr,:t
NIR r。七RED。/
】3

Index(NDVI)定义为:
(2.3.1)

内蒙古师范大学硕士学位论文

式中:撇旭,为*红外波段(波长0.7—1.1um)反射率,RED一.为红光波段(波长0.6—0.7um)
反射率。理论上NDVI的取值范围在.1到I之间,实际测得的NDVI值从.0.35水体,O
土壤到0.86绿色植被变化。 在植被遥感中,NDVI被广泛应用原因在于: (1).NDVI是植被覆盖度的较好指示特征。大量研究表明NDVI与绿色生物量、 植被覆盖度、光合作用等植被状态及过程参数有关。例如NDVI数值与光合有效吸收辐 射FAPAR*线性关系;与LAI呈非线性关系;NDVI的时I、日J序列变化可反映季节和人 为活动的植被状况变化;NDVI在特定生长季节内的时间积分净第一生产力NPP相关: 研究还表明NDVI与叶冠阻抗、碳固留过程等有关心31。更甚至于在整个生长期的NDVI

值对半干旱区的实际降雨量、对大气中CO,浓度随季节和纬度变化过程均敏感。 (2).因NDVI值经过比值处理,从而可以部分消除诸如太阳高度角、卫星视角、 地形、云、阴影和大气衰减等的复杂影响。比值消除噪声的实际程度取决于*红外波段
反射率与可见光红波段反射率噪声的相关性及地面接*朗伯体的程度。NDVI的归一化 处理,使得冈传感器标定衰退,即仪器标定误差对单波段的影响大大降低,因此NDVI 增强了对植被的响应能力口引。 (3).在有植被覆盖的情况下,NDV!为证值且随着植被覆盖度的增大而增大。几 种典型的地面覆盖类型在大尺度NDVI图像上区分鲜明,植被得到有效的突出。但是对 J:陆地表面主要覆盖而者。,云、水、雪在可见光波段与*红外波段相比甚至有更高的反 射作用,因而NDVI其值在水汽目标为负值,岩石、裸土在两波段具有NCY,的反射作用, 因而其值*似于0D引。因此,其特别适用于全球或各大陆等大尺度的植被动态监测,可 以用于监测土壤湿度遥感定量参数的计算。 NDVI指数除具有以上优势同样也有一些缺陷。NDVI增强了*红外与红色波段反 射率的对比度,在数据空间中实际是对*红外与红色波段反射率比值进行了强制的非线 件托伸,其最终结果是抑止了高值部分,增强了低值部分,从而导致对高植被覆盖区较 低的敏感性而低植被覆盖区又不足以客观反应。再者植被背景成分对NDVI的影响较为 显著,其敏感性与植被覆盖度有关:作物生长初期NDVI将高估计植被的实际覆盖度, 在作物生长后期NDVI值又偏低。因而NDVI更适用于植被发育中期或者中等覆盖度的 植被研究H“。对于MODIS等中低分辨率、宽视域的传感器数据,太阳高度角和观测视 角以及云、大气成分变化较大状况下,植被指数的研究还应考虑方向辐射的角度效应和 大气效应的影响。 ,本研究使用的归一化植被指数(NDVI)是由重点实验室地面站接收的Aqua卫星上 的MODIS传感器的MODIB数据严格依据植被指数计算原理,逐步骤完全自主计算获
14

第二章方法模型优选与遥感参数确定

得。由于本研究从MODIS原始数据进行初始计算获得最终数据产品并形成时间序列对
比计算量极其庞大,所以没有考虑原始数据的大气校正过程,若不执行相应校正过程必 然会影响最终定量反演成果的精确度,但从所优选使用的理论模型分析植被指数与地面 温度所构成的数据特征空I’日J不会凶监测参数的一般性误差而发生改变,其反演的成果必 然会反应土壤湿度信息的构成与分白特征,而本研究的目的之一在于探索采用遥感手段 构建适用于蒙古高原土壤湿度信息监测的可行业务方案。 具体计算过程主要由以下四个步骤构成:
(1)
User’S

辐射校正参数的读取与地面控制点导出。根据MODIS

Level 1B Product

Guide心州使用MODIS 1B数据必须对其辐射能量值进行校正,对于反射和辐射波

段的辐射亮度校正公式如下: P=R?(SIB—offset) (2.3.2)

其中P为校lF后辐射亮度,R为定标常数,SIB为影像波段DN值,offset为传感器无信 号状念下的空载输出值,本研究所使用校J下参数由遥感HDF文件专用读取软件HDF
Explorer Ver.1.2.012(HDF Library

4.1.5)从lB数据文件中直接读取获得。同时于遥感

软件ENVI Ver.4.2中导出地面控制点文件(GCPs)准备用于植被指数产品及地面温度产 品的几何纠诉使用。
(2)

辐射校止。由于MODIS 1B数据的反射和辐射能量校正均为同一模式即公

式2.3.2,所以在获得辐射校J下参数后便可使用公式2.3.2进行反射能量的校正计算,同 时考虑到MODIS 1B数据的第l、第2波段为红光、*红外波段其空问分辨率为QKM (250m)而研究所使用的地面温度参数需要第3 1、32波段计算获得,而其空I’日J分辨率 为lkm所以必须将两者不同分辨率进行配准。MODIS 113数据中的lkm分辨率波段数 据集中恰好具有由250m分辨率重采样为lkm的第1、第2波段数据,所以使用重采样 后的波段数掘进行反射能量校.IF,计算校iF后的红光(RED)*红外(NIR)波段的反 射率值。该计算过程由IDL语言‘编写程序代码于遥感软件ENVI Ver.4.2中全自动化完成, 代码样例参见附录表2—3—4所示。
(3)

计算归一化植被指数NDVI。在获得了MODIS数据红光(RED)*红外(NIR)

波段的反射率值后便可采用归一化植被指数计算公式2.3.1进行植被指数值的计算。
(4)

几何纠正与研究区裁剪。通过以上计算步骤所获得的植被指数产品是没有定

义地理坐标投影和几何纠正的数据,所以必须对数据定义投影进行几何校正。本研究使 用由lB数据导出的地面控制点文件(GCPs)。定义为AFG椭球体,阿尔伯斯等硅|i积投 影,中央经线E1050,在遥感软件ENVI Ver.4.2中计算完成。研究区(ROI)使刚三部

内蒙古师范大学硕士学位论文

分矢量文件裁剪生成:蒙古高原整体裁剪区,内蒙古自治区裁剪区及蒙古国裁剪区,同 样于ENVI Ver.4.2中计算完成。

2.3.2地表温度(Ts)
土壤温度的变化幅度问接反映了土壤湿度的大小,而植被冠层温度的升高表明植物 受到水分胁迫处于缺水状态。作为地球表面能量*衡的客观指标的陆面温度,采用热红 外遥感是获得大面积陆地表面温度的有效工具,为利用地表温度进行土壤湿度的监测研 究提供了可能。遥感技术手段直接测得的温度为亮度温度Brightness Temperature(BT) 在经过大气校正和地面比辐射率修正过程后方得到实际地表温度z。在利用遥感技术手

段反演土壤水分时,使用NDVI作为水分胁迫指标具有客观性,但实际情况又具有一定
的滞后性,同时结合温度作为能量*衡的补充指标具有较高时效性可以弥补植被指数一 定的滞后性。 本文利用MODIS数据反演地表温度主要是采用针对NOAA/AVHRR或MODIS的 两个热红外波段提出来的分裂窗算法,到目前为止至少已经有17个分裂窗算法心33得到 广泛使用。本文利用由柳钦火(1998)分析得出的误差相对较小的改进型分裂窗算法 Ulivieri(1992)进行,具体多个不同算法特性对比分析如表2.3.2所示。
表2.3.2各种分裂窗算法误著分析

采用Ulivieri

et

a1.分裂窗算法反演计算地表温度,其计算公式如下:

To三瓦1+I.8(瓦l一正2)+48(1一g)一75Ag

(2.3.2.1)

其?{,五,、’五:为MODIs的两个热红外波段(第3l和32波段)对应的亮温可由Planck方程
计算获得,占、Ac为MODIS的第3l、32波段的比辐射率组合参数,瓦为反演得到的地

第二章方法模型优选与遥感参数确定

面温度数据。从而可知采用该分裂窗算法反演计算地表温度的关键参数为MODIS的两个 热红外波段亮温及波段的比辐射率组合参数的计算,具体参数计算过程如下说明:
(1)

Band3l、Band32亮温计算。获取陆地表面温度的理论基础是:随着温度的

升高陆地表面发射的总辐射能量也同步增加,而且物体温度的变化也影响物体的发射光 谱。这一过程满足物理特性的普朗克函数规律,即在地表温度为疋,电磁波长为九,波 谱辐射能量值L可表示为波长s(力)的函数:

£(五,丁)=占(允)?B(旯,r)=s(五)?熹
z=百丽南
et

(2.3.2.2)

其中L(2,丁)为光谱辐射度(单位:WITI~“m’1sr"1),c为光速(2.99792458×108ms。1),h为 普朗克常数(6.626076×10。34Js),k为波尔兹曼常数(1.380658x10彩JK‘’),T为绝对温 度(单位:k),Tb可由普朗克函数自身迭代获得。进一步,波段亮温计算公式可由普朗 克函数解算获得:

c232∞

由于该亮温计算过程较为繁杂,所以完整计算过程均在遥感软件ENVI 中由程序全自动计算完成。
(2)

Ver.4.2

波段比辐射率组合参数计算。采用采用Ulivieri

a1.分裂窗算法反演计算地

表温度的第■个关键参数为波段比辐射率组合参数占、△s的计算,该过程并非简单的 MODIS数据的3l、32波段的LDif,i射率计算,而是同步综合研究区内植被指数条件卜.各波 段比辐射率的线性与非线性组合计算的参数,从而在计算土壤湿度参数的过程中实现了 全遥感数据源的输入、参数计算及反演成果的业务流程,尽最大可能发挥遥感数据的优 势及实现遥感监测技术的完整应用。具体计算过程如下:
当NDVI<0.2时, F=0?980一O?042’岛
△s=一0.003—0.029?P2

(2.3.2.4)

内蒙古师范大学硕士学位论文

当0.29、IDVIS0.5时, 占3l=0.980+0.021?只 占32=0.974+0.015?只 s=(占3I+or'32)/2=0.971+0.018?只
(2.3.2.5)

只:黑婴型燃:(NDVI也2)2/0.09
A6=s3l一占32=一0.006(1一只)


”(ⅣD玎懈一NDVI。i。)2

当NDVI>0.5时,
=£ 占






lI S n

哪观 98 5







,,、

,、|



%弘如

= ”O

其中NDVI。。<0.2表示裸土,NDVIm。>0.5表示全植被覆盖,P1、P2为波 段的反射率已经由植被指数计算过程完成。 在具备了反演地表温度各个步骤所需的条件后便可进行地表温度的计算,该过程与 植被指数计算类似主要由四步骤构成:
(1)

亮度温度计算。采用公式2.3.2.3于遥感软件ENVI Ver.4.2中使用IDL语言编写

程序代码全自动完成Band3 l、Band32的亮温计算。
(2)

计算比辐射率组合参数。使用植被指数值作为计算条件利用公式2.3.2.4、

2.3.2.5、23.2.6于遥感软件ENVI Ver.4.2中使用IDL语言‘编写程序代码全自动完成占、Ae 比辐射率组合参数的计算。
(3)
ENVI

地表温度(LST)计算。使用Ulivieri

et

a1.分裂窗算法公式2.3.2.1于遥感软件

Ver.4.2中使用IDL语言‘编写程序代码全自动完成地表温度TS的计算。
(4)

几何纠正及研究区(ROI)裁剪。通过以上计算步骤所获得的地表温度产品

是没有定义地理坐标投影和几何纠正的数据,所以必须对数据定义投影进行几何校正。 本研究使用由计算植被指数的lB数据导出的地面控制点文件(GCPs)。定义为AFG椭 球体,阿尔伯斯等面积投影,中央经线E1050,在遥感软件ENVI Ver.4.2中计算完成。 研究【x:(ROI)l—J样使用兰部分矢量文件裁剪生成:蒙古高原整体裁剪区,内蒙古自治 区裁剪区及蒙古国裁剪区,刚样于ENVI Ver.4.2中计算完成。 通过反演土壤湿度数据的中fnJ参数计算过程口丁以简单总结在使用遥感技术手段采 用卫星传感器数掘进行定量订二算研究,其中有若下,关键因素需要妥*饩觥J紫龋 研究进行的理论基础需要绝对的科学可行;其次,数据在多步骤计算过程中要有恰当的

精度保证原则以减小误差的传递:再者,进行海量遥感数据运算必定要考虑使用计算机
18

第二章方法模型优选与遥感参数确定

程序代码辅助执行计算过程,则数据在程序运行过程中要统筹安排不仅要尽可能减少中 间数据文件提高公共数据文件的重复利用率,也要考虑不同参数数据的精确配准,诸如 植被指数值与地面温度值像元之问的匹配。 2.3.3

AMSR-E数据

微波波长从lmm到1000mm,通常可以分为毫米波、厘米波,分米波和米波,微波 各波段及命名如图2.3.3。

图2.3.3微波各波段及命名

住到达遥感传感器之前的地物发射或反射的电磁波必需穿过大气层,该过程会与大 气层中的物质发生较为复杂的相互作用,从而到达传感器的信息发生变化。大气对微波 的衰减作用手要表现为大气中所含的水分子和氧分子刈’微波的吸收、散射作用。参考水 分子和氧分子对微波的吸收谱线数据,通常可采用2.06~2.22mm、3.0—3.75mm、 7.5~11.5mm和20mm以上的波长波段作为微波遥感的窗口∞3。通过分析可知微波在非 降水云层中的衰减过程,主要由水粒的吸收引起,从而使用微波数据可以弥补现阶段可 见光波段在该应用过程中的不足。同时,水汽层对微波在大气中的传播除产生吸收和散

射效应之外,水汽层本身也会发射微波而具有亮度温度。可以设想该种亮度温度作为随
机干扰噪声叠加在目标亮度温度上,进而对目标的微波辐射产生干扰作用阴¨。 早期的被动微波反演.L壤水分的研究(1978.1987)年主要使用Nimbus.27卫星携带的扫 描式多通道微波辐射计SMMR提供的微波亮温数据。继SMM刚SSM/I之后,Advanced
Microwave Scanning Radiometer(AMSR)和AMSR—E改进型微波辐射扫描仪用j二观察陆

地、海洋和大气的水和能量循环变化的传感器系统。该传感器具有12个通道,分别可 进行六个不同频率的水*和垂直极化的地面亮温观测。具体传感器参数特性请参见附录 表2.3.5,AMSR.E传感器特性参数。AMSR.E相对SMMR、SSM/I等其它历史微波数 据而言,具有更多通道、更宽频率范围、更高分辨率等优势。”¨础¨。。1。同时我姻在已发射 的神舟4号飞船上搭载了多模态微波传感器进行相关观测试验,其中的微波辐射模态的 最低频率为6.6GHz,可以用来反演土壤水分。类似的传感器还会搭载于我崮计划发射 的风云3号以及海洋2号卫星上面。利用多卫星传感器提供的微波遥感数据可以反演较
19

内蒙古师范大学硕士学位论文

为丰富的陆面参数,其中土壤湿度的微波数据反演成为微波遥感定量研究及数据同化特 征研究内容的主要目标之一。 纵观国际与国内遥感技术与理论的发展及实际应用需求,从应用研究角度出发因现 行可见光波段遥感方式存在诸如易受大气状况、数据获耿日,-tfBJ序列完整性等关键闵素的 影响难以系统全面的满足应用需要,从国内遥感技术理论体系发展的战略高度出发,顺 应我国遥感航天事业飞速发展的潮流,现阶段迫切需要我们在遥感关键技术及传感器应 用上有质的突破,使我们具有自己独立知识产权和创新成果的载体。故本研究拟采用

AMSR.E的被动微波土壤湿度产品与MODIS传感器的可见光反演土壤湿度信息数据进
行协同分析,进行微波数据在遥感研究应用中的理论基础与方法的探索∞盯∞引。因研究所 使用的微波数据由美国国家冰雪数据中心订购获得,其空间分辨率为10KM而MODIS

数据产品空间分辨率为1KM所以将订购获得的微波数据产品重采样为1KM分辨率以与
MODIS数据产品配准。州。

20

第三章使用■0015数据的TvDI模型反演相对土壤湿度

第三章使用I^01)l s数据的TvD l模型反演相对土壤湿度
本研究使用经以上理论与方法计算获得的MODIS数据的归一化植被指数(NDVI) 与地表温度(LST)进行温度植被干旱指数(TVDI)特征空间数据序列的查找,对相关

系数序列进行回归分析获得干湿边方程系数,建立特定研究区的TVDI模型.从而定量 反演得§Ⅱ研究区的相对土壤温度数据为最终±壤湿度监测模式的建立做准备。1司时,出 于所选研究区属于区域性、大范围的宏观监测,其地域分布东西、南北跨度大,地形高 程起伏差异较大,植被气候分布具有多样性,所以有必要在对研究区做宏观整体研究后
再分别做内部于区域的个体研究.阻保证研究区整体及局部特征的客观反映。本研究采

用蒙古高原整体区域、内蒙古自治区子区及蒙古国于区分别进行TVDI模型的构建并分
别予以分析。



1蒙古高原相对土壤湿度反演
使用GIS软件ArcGISVet9 2中的空问分析模块(Spatial Analyze)功能,将计算

得到的归一化植被指数NDVI数据文件、地面温度数据文件作为输入数据进行空『白|叠加 分析:定义NDVI值分析区蝴范围为【0,1],取NDVI单一查找步长为0.01生成数掘查找

掩膜,逐步完成掩膜NDVI值下的地面温度最高值与最低值的查找序列,具体数值结果
如图3ll所示,其中LST rain
LST max I、Lsr min 2、LST rain 3,LST max 1、LST max 2、 一 一
一—— 一




寒‰i磐、
3分别为每月每旬地而温度的最小值与最大值。

髟磋豢∥:/《
2007年6月t、中、下柚 z∞7年7月I。、中,下钳

内蒙古师范大学硕士学位论文

i。

』;g%。

§,
∞∞年8"i、十、T日 20∞年9nj一、十、TⅫ

陶3



1植被指数与地面温度查找序列数据骥

从查找得到的植被指数与地面温度数据序列集即"Is—NDVI特征空间可以得出.在时 i叫序列的每月每旬每期由植被指数和地面温度构成的干边和湿边都具备相似形状.数 据分布较为*滑。在随着植被指数NDVI值的增大过程中.陆地表面温度数最值的分怖 备有特征:高温最人值在逐渐减小而低温最小值在逐渐增大,胃陆地表面温度的最值均 与NDVI值呈*似线性关系。具体数值特征:植被指数NDVI值由6月份的虽大值0
丘右增加到7月份的0 84左右.8月份又减少到O 76左右而9月份最小值减少至O
76 68

左右.陵变化过程较为客观的反映了蒙古高原选作为一个整体其植被覆盖随季节变化的 特征;地面温度数值分布随季节变化差异不大仅在8月份最高值接*350K而其他月份 均分却于330K左右.原因可能是蒙古高原作为一地域广阔的整体研究Ⅸ温度差异特征
不明显。

查找数据序列所反映的实际情况由土壤、植被、地面温度之间相互作用的实际情况 分析:随着地表植被覆盖度的增加土壤的直接涵养水量明显增加(植被I丁咀使土壤保持 柑舯水中的含水量),此时所表现的地面温度最高值所反应为植被冠层的温度而植被的 燕腾作用鞍为充足所以温度有r降的趋势,附地断温度的最低值所反映为捎被【)c:域的背 景土壤温度,十壤具有一定的含水量伴随着蒸发作用从而温度具有增高趋势。同刚口丁得 知,如果将湿边拙述成与植被指数NDVI轴*行的直线进行分析会给模型构建带来一定 曝差.因此保持混边原有特征进行线性拟台是客观合理的。 在获得了完整时间序列的植被指数与地面温度查找数据集后便可进行研究区温度 植被干早指数TVDI模型的构建。本研究使用最小二乘法于数学工具软件MATLAB Ver.2006a中编写程序代码实现干湿边方程的全自动回归分析及最终构建TvDI模型(代 码样例参见附录表3-1—1),同时于统计分析软件SPSS VerA3中对回归分析数据序列进 行十日关系数的计算.其体构建数值结果如表3
22



l所示。

第三章使用MODIS数据的TVDI模型反演相对土壤湿度 表3.1.1 TVDI模型构建数据集
月 旬 样本 数


相关系数
R Train:0
868

:1:边方挣T-max
Ts MAX= Ts

澎边方程T_min
MIN=

TVDI模犁

Sig L:001

TVDI:(Ts+O.99224xNOVI-263.3466)/(64.1682
327.5148 263_3466 -0.99224xNDVI —0.99924xNDVl



76

Tmax-O.720 Slg.L:0.01

43,0070021xNDVI l

Tram
SJg

0,978

盔MAX=
316.063S

Ts_MIN=

L 0 01 691





TVDI=(Ts+O.991xNDVI一248.3809)/(67.6826
248.3809旬.991xNDVI

80

1hax-0

Sig L 0 01

-0.0085928xNDVI) 43.99959xNDVI

Traint0.987
Sig.L:0.01

Ts_MAX=
327.1487 _0.99899xNDVl

TLMtN= 250.1174.o.9韶65xNDVI
_0.010337xNDVI

TVDI=(Ts+O.98865xNDVI一250.1174)/(77.0314 l



83

Tmax:-0.849 Sig.L:0.01

Tmin:0995 "Is—MAX= S嘻L:0.01

Ts_MIN=

上.

WDI=(Ts+0.98966xNDVI一254.osolv(74.7194
328.7695 .0.99889xNDVI 254.0501

82

Tmax:.0.933

Sig.L:0.01 _0.98966xNDVI TS

?0.0092251xNOVl)

1hIn:0974
Sig L:0

T5

MAX=

MIN= TVDI=ITs+0.99018xNDVI-258.7413)/(61.2826

01 320.0239 -0.99945xNDVl 258.7413



d了

82

Tmax:-O.774
SJ0 L=0.01

∞.0092732xNDVI l 旬.99018xN D、,I
Ts—MIN=

Tmin

0 986

Ts

MAX=

Sig L 0 01

TVDI=(Ts+O.9887xNDVI?259.7468)/I
330.4288 .0.99922xNDVI

70.682



8l

Tmax一0 764 SJg.L:0.01

259.7468旬.9887xNDVI
-0.010S16xNDVI



Tmin:0.989

Ts—MAX=
SJg L 0 01

TS

MIN:

TVDI=(Ts+0.98799xNDVI一247.7592)/(76.1708
323.93-0.99948xNDVI 247.7592 _0.011487xNDVI l —0.98799xNDVl

1..

75

Tmax一0 855 Sig L:0.01

TmIn

0 987

"is—MAX=
Sig L:0.27.222

Ts MIN=

TVOI-(Ts+o.99229xNDVI一253 8052)I{66.2752
320,0835 253.8082





82

Tmax:一0.585 Sig.L:0.02

-O.0073456xNDVI) 43.99964xNDvJ
-0.99229xNDVI

Tmin:0 911 Slg L=0.01

Ts

MAX=

Ts—MIN=

TVDI=(Ts+O.99031xNDVI?253.973)/(67.4122
321,3852 一O.9995S×NDVI 253.973-0.99031xNDVI



79

Tmax:.0.802 Sig.:001

-O.Q09231xNDVI)

ThIn
Stg L

0 989 0 01

Ts

MAX=

Ts—MIN= TVDI=《Ts*O.98963xNDVt?252.607)/(68.3715
252.607-0.98963xNDVI



81

11nax.0 863 Slg L,0 01

320 9785 43 99933xNDVI

43.0097068xNOVl)

TmIn’0 973 Sig L:0.01

Ts

MAX=

Ts

MIN=





TVDI:(Ts+o.98901xNDVt一254.5619)/《63.5126
318,0745 .0 99947xND、,l 254.5619

70

1hax-0

796

Stg L-0.01

∞.010456xNDVI l
.0 98901xNDVl

TmIn:0 941 SIg L 0 01

Ts

MAX=

Ts—MIN=

TVDI=(Ts+o.98852xNDVI一253.6373)/f
309,6598 .0.99904xNDVI 253.6373

56.0225

卜.

64

Tmax-O 801 ¥ig上:0.01

_0.010S2xNDVI)
—0.98852xNDVI



使用每月逐句回归分析得到的TVDI模型以计算得到的归_化植被指数和地表温度 便可进行研究区相对土壤湿度数据的反演计算。出子最终计算得到的TVDI数据为具有 地理一|^标分布的相对土壤湿度数据在将数据按数值高低进行ROB彩色制阁后,由图像

内蒙古师范大学硕士学位论文

难以直接准确说明相对土壤湿度数值在时间序列过程中的变化特征,所以本研究在蒙古 高原研究区中任意选取一云、水汽含量较少,数据质量较好的147×152共计22344个 像元大小的裁切窗口,分别对研究时间序列中四个月逐旬的TVDI数据集进行裁剪,对 裁剪得到的窗口像元进行统计分析以揭示土壤湿度信息在时间序列中的变化特征。具体 统*峁绫恚常保菜尽
表3.1.2窗口TVDI数据集统*峁
月 旬

地蛳温度L盯单位:K
最夫值MAX 最小值MIN 301.8 222.4 307.8 255.7 262.3 215.9 241.5 236.7 268.6 299.6 265.2 261,1 均值MEAN 317.9 255.6 323.4 317.0 307.7 321.1 306.1 296.4 313.7 313.1 309.1 300.7

植被指数NDVI(无单位)
最大值MAX 0.386 0.264 0.508 0.518 0.508 0.322 0.646 0.620 0.599 O.519 0.449 0.369 最小值MIN 0.117 0.023 0.041 0.012 .0.021 —0.122 -0.034 —0.107 .0.112 -0.017 —0.208 0.023 均值MEAN 0.234 0.133 0.249 0.243 0.218 O.22l 0.218 0.258 0.342 0.305 0.306 0.252

TVDI债(兀中化)
最大戗MAX 0.862 0.889 0.859 0.851 0.827 0.819 0.824 0.784 0.735 0.826 0.844 0.873 最小值MIN 0.717 -0.012 0.681 0.022 O.367 0.305 旬.005 O.291 0.418 0.130 O.607 0.258 均位MEAN 0.791 0.799 0.767 0.742 O.711 0.702 0.769 0.748 0.796 0.801 0.837 0.863

J二 6
dj

369.8 339.0 374.5 367.4





中 卜 l:

370.8 373.9 361.7 364.2 368.4 319.1 363.3 350.2



中 卜 l:



中 卜

由窗口TVDI数据集统*峁傻弥捎诒狙芯棵挥卸栽迹停希模桑



B数掘进行

大气校正所以对计算结果有一定影响但不会改变数据空间的分布特征。其中地表温度数 据表现为由6月下旬开始升高在7月整月及8月上旬保持较高值,在8月中下旬开始下 降商到9月下旬的300K左右:植被指数相对地面温度表现出一定的滞后性,从6月开 始~直到8月中旬均保持相当稳定的水*在0.2左右,直到8月下旬九月仞其值刊’上升 到0.3左右;TVDI值随时I'日J序列表现出季节件特征,在7月中下旬其值较低在0.7左有 而其他三个月份数值都在0.8左右说明7月份土壤相对湿度较高而其他月份含水量偏低。 TVDI数据集总体统计特征分佰同样会受到蒙古高原作为一较为广阔区域其地面温度、 植被指数值变化范围较大的实际情况影响。最后对反演得到的TVDI数掘按时问序列每 月选择一句数据依据数值高低进行RGB彩色制图,如图3.1.2所示。 由图示可知土壤相对湿度TVDI值的RGB彩色图像可视化效果并不理想,主要是

由于云、水汽的干扰(图像中表现为橘红色区域)但土壤湿度信息的空I'nJ分布特征仍可
以较为客观的表现。蒙古高原的北部沿线区域为TVDI低值区土壤湿度较高其中包括内

蒙1111 f1治IK尔北部幅寸。{:壤含水量较高地区,而蒙古高原中、南部的广阔l逐域为TVDI
高值区:土壤混度较低其中包括内蒙古自治区西部的阿拉善盟区域。

24

第三章使用M∞Is数据的TVDI模型反演相对土壤湿度



1№H§

鬻 蒸熏
H,Ⅳg,

麟嚣 淄
2007年g nI州

幽3







VDI伉分布特征



2内蒙古相对土壤湿度反演
同样使用GIS软件ArcO[SVer.9 2中的空刚分析模块(SpatialAnalyze)功能.将计

算得到的归一化植被指数NDVI数据文件、地面温度数据文什作为输入数据进行空问叠 加分析:定义NDVI值分析区削范围为fo,¨取NDVI单一查找步长为010l生成数据查
找掩膜,逐步完成掩脱NDV]值F的地面温度最高值与晟低值的查找序列,且体数值结 粜如刚3
LS

21所Ⅺ;,鲐p

LST min l、LSl

min 2、LS'Y min 3,LST

max

1、LST

m“2、

r_max一3分别为每月每旬地卣温度的最小值与最大值。 从备找得到的植被指数与地同温度数据序列集即Ts—NDV]特征守I'uJ可以得出,作为

蒙一’?曲麒f-噬域∞内蒙占自治隧住叫删序列的每J{每刨辞j{【』由植被指数脚地皿温度 构成的F边和埽边均具备相似形状,数据分椰细部特征较为明显。在髓着植被指数NDVI 值的增1土=过程中,陆地表面温度数最值的分夼各有特征:高温最大值在逐新减小而低温 最小值在逐渐增大,且陆地表面温度的最值均与NDVI值呈*似线性关系。具体数值特 征植被指数NDVI值6、7月盼的最大值保持存0 72左右,8月份增加到0176左右而 9月份数值减少至0168左右,巨变化过程较为客观的反映了内蒙古自治区植被覆盖随季
25

内蒙古师范大学硕士学位论文

节变化的基本特征;地面温度数值分布同样表现出随季节变化的差异特征,在6、7月

份最高值的低值部分均低于300K而8月份最高值的低值部分明显高于300K,进入9
月份低值部分叉同落下300K雌下。

今 》薰l /妒萎
20074fi nl、中、T伽

2007年7月L、中

AⅢ.tⅢ.
20074 8月L、中,Fq

‘h……
2007年9月f.中、下旬


目3

I植被指数与地面温度查找序列数据集

泼存找数槲序列所反映的其际情况由十壤、捕被,地面温度之问相瓦作用的情况分

析随着研究Jt内地丧植被镬,&度随季节规律变化叫,植被覆盖度增JJ口上壤的直接涵养
水射川样【:外(植被町以使l壤保持帽州水牛的含水量),此州所表现的地面温度最高 值所反应为植被冠层的温度而植被的蒸腾作用较为充足所I=上温度有下降的趋势,而地面 濉J建的蛙低值所反映为植被区域的背景土壤温度,上壤具有一定的台水量伴随着蒸发作 H{从『『【1温度具确增高趋势。同时可得知.如果将泓边描述成与植被指数NDVI轴*行的 直线进行分析会给模型构建带柬一定误差,因此保持湿边原有特征进行线性拟台足客观 合理的。 在获得了完整时间序列的植被指数与地面温度查找数据集后便可进行研究区温度 SJ'i被 ’l‘指数TVDI摸’“的构建;小研究使川戤小一乘法于数学工具软件MATLAB

Ver.2006a中编写程序代码实现十湿边方程的全自动回归分析及最终构建TVDI模型(代 码样例参见附采表3.1.1),f什Ju,j十统计分析软件SPSS Vet.13中对叫归分析数据序列进 行相关系数的计算,具体构建数值结果如表3.2.1所示。
表3.2.1 TVDI模型构建数据
样小 Jj 句




拍犬系数


17边疗程T—m双
TS—MAX=

湿边方程T rain
Ts—MIN=

TVDI

jj疆

Tmin.0 885 SIg L:0.01

TVDI=(Ts+0.99302xNDVI-266.2415)/(S4.5945
266.2415 —0.99302xND、,I



80

Tmax;-0

768

320.836-0.99878xNDVI

—0.0057589xNDVI)

SIg L’001 Tram:0 969 Sig.L:0.01

1j

MAX=

Ts_MIN=





TVDI叫Ts+O.99139xNDVI?246.2317)/(73.9454
320.1771 -0.99815xNDVl 246.2317 -0.0067616xNDVI -0.99139xNDVI

75

Tmax:-0.795
SIg.L‘001



Tmm 0 977 Sig L 0.01

Ts

MAX=

盔MIN= TVDI=(Ts+O.98966xNDVl-248.5421)/I
73.8392 248.5421 —0



77

Tmax:-0.801
S,g.L 0 01

322.3813 _o.99909xNov{

0094333xNDVI}

-o.98966xNDVI

TnIn:0
SJg L

984

Ts

MAX=

rs—MIN=

0 01

TVDI=(Ts+0.9905xNDVI?265.8656)1(60.8368
326.7024 .O.99838xNDvl 265.8656-0.9905xNDVI

I:

78

Tmax一0941 SIgL:0.01

-0.0078752xNDVI)

1mIn:0
Sig L

929

Ts

MAX:

Ts—MIN=

0 01 602

TVDI=(Ts+0.99026xNDVI.262.3306)1(50.8387
313.1693 -O.99944xNDVI 262.3306 -o.0091842xNDVI -o.99026xNDVI





77

Tmax:-0

S=g.L:0 02



Train:0.981
S*g L_0 01

Ts

MAX=

Ts—MIN=

TVDI=(Ts+0.98825xNDVI一257.525)/(64.9468
322.4718 .0.99917×NDVI 257.525-0.98825xNDVI



70

Tmax:-0

803

S呕.L:0.01

旬.010915xNDVI l

1m;n:0

992

篷MAX=
324.9773.0,9993xNDVI

Ts—MIN= 255.566—0.98913xNDVI

I‘

75

S*g L

0 01

T、,DJ=fTs+O.98913xNDVl一255.5661/(69.4113 毋.010166xNOVl)

Tmax-0893 S呕L:0 01 TmIn 0 983 S,g L 0 01 r0894 0 01

Ts

MAX=

"Is—MIN=

rvot=(Ts+O.99205xNDVI?253.244)/(71.7662
325.0102 _0.99908xNOVl 253.244-0.99205xNDV 旬.00703]SxNOVI'



llI

79

Tmax S=g L

Tram O 991 S Jgt 0 01 839

Ts—MAX=
312.298—0.99966xNDVI

拓MfN: TVOI=(Ts+0.99047xNOVl-253.1485)/(59.1494
253.148S



77

Tmax-0

S幢L:0,01

旬.0091855xNDVI) 旬.99047xNOVI

Trmn:0.993

TS—MAX=
S,g L:O.01

Ts

MIN=



TVDI--{Ts+O.99229xNOVl.254.9789)/(65.2002
320.1791 -0.99934xNDVJ 254.9789

81

"[max:一0

884

SIg.L:001

—0.0070522xNDVI)
一O.99229xNDVJ Ts MIN= Ts MAX=

Tmfn:O.985 S呕L.0 01





TVOI=(Is+0.99163xNDVI.261.1178)/{54.5508
3156685 -o.99941xNOVl 261.1178 -0.0077767xNDVI

67

Tmax一088i Sic.L:0.01



旬.99163xNDVI
Ts M1N=

Tmln:O 941 SIg L 0 01

Ts

MAX=

TVDe=(Ts+O.99126xNOVI.267.4375)/(42.801
310.2385 267.4375 -0.0079214xNDVI

卜’

60

Tmax一0 842 S'g L 0 Ol



旬.99918xNDVI

.0 99126xNDVl

使用每月逐句回归分析得剑的TVDI模型以计算得到的归一化植被指数和地表温度 便町进行研究区相对土壤湿度数据的反演计算。由于最终计算得到的TVDI数据为具有 地理坐标分布的相对土壤湿度数据在将数据按数值高低进行RGB彩色制图后,由图像 难以直接准确说明相对土壤湿度数值在时问序列过程中的变化特征,所以本研究在内蒙 古自治区研究区中任意选取一云、水汽含量较少,数据质量较好的215×227共计48805 个像元大小的裁切窗口,分别对研究时间序列中四个月逐句的TVDI数据集进行裁剪, 对裁剪得到的窗口像元进行统计分析以揭示土壤湿度信息在时间序列中的变化特征。具 体统汁结果如表3.2.2所示。
表3.2.2窗口TVDI数据集统*峁
JJ 地In 泓J』}:LST巾付:K 句 放J、ffJMAX I: 6 叶I 卜 J: 319.5 223.7 365.7 327.1 359.8 363.4 312.2 328.4 323.7 316.6 313.5 302.9 最小恤MIN 287.3 270.5 268.6 289.3 257.9 225.0 262。8 250.9 262.0 308.0 274,1 274.7
均n MEAN

{A铍指数NOVI(尤巾俯)
城J、恤MAX 0.347 0.188 0.420 0.429 0.349 0.420 0.529 0.557 0.507 0.473 0.436 0.396 最小恤MIN 0.176 0.044 0.029 0.196 0.022 0.069 0.202 0.166 0.064 0.049 .0.058 O.129 均他MEAN 0.282 0.108 0.266 O.304 0.277 0.298 0.353 O.331 0.356 0.355 0.301 0.289 最人fI!LMAX 0.981 0.857 0.850 0.826 O.819 0.783 0.777 0.785 0.791 0.794 0.802 0.993

TVOl伉(允巾化)
最小仙MIN

均血MEAN 0.805 0.821 0.844 O.815 0.799 0.702 0.752 0.755 O.751 0.738 0.795 0.801

296.0 250.0 301.8 319.8 282.4 312.0 303.4 298.8 311.3 313.0 302.0 299.3

O.813 0.403 _0.314 O.15l 0.214 —0.117 0.511 0.174 0.367 0.412 .0.508 0.349



巾 卜 l:



中 卜 I:



巾 卜

由窗I-l TVDI数据集统*峁傻弥渲械乇砦露仁荼硐治对抡录埃乖轮 下旬整体分布较低在300K左右,7月及8月均保持较高值在310K左右:植被指数相对 地向温度I刊样表现m一定的滞后性,从6月开始一直到7月下旬均保持较稳定的水*在 O.2序右,氲到8月卜.旬其值/j。l二升到O.3以上并持续至9月中旬,进入9月下旬后又恢 复至0.2左右的水*;TVDI值随时间序列同样表现出季节性特征,在7月下旬及8月 整月其值较低在O.7左右而其他时间数值都保持在0.8左右说明7月下旬及8月整月内 蒙古自治区土壤相对湿度较高而其他月份含水量偏低。最后对反演得到的TVDI数据按

时I'BJ序列每月选择一旬数据依据数值高低进行RGB彩色制图,如图3.2.2所示。

28

第三章使用籼Is数据的TVDI模型反演相对土壤湿度
?弗

叫fn}6j J

i1J_1_隧.骂罐龉0赫.5暾,

o籀r

2∞74 7月FtlJ



壤 黪
幽3
2 z

麓毋
2007年9门Hu

TVDI值分布特祉

…阁不d]知]二壤相对湿度TVDI值的ROB彩色图像可视化效果并不理想.主要是 由]。丘、水汽的干扰(图像中表现为橘红色区域)但土壤湿度信息的空删分布特征仍可 以较为客观的表现。内蒙古自治区东北区域为TVDl低值区土壤湿度较高,孩区域森林、 植被种类丰富、覆盖度较高属于土壤含水量较高的湿润地区,而内蒙古中部区域主要分 如为灭然草场属于由东北湿润区域向西部干旱区域的过度地带,TVDI值属于中等大小。 内蒙占西部的阿拉善盟区域属于TVDI离值医表现为土壤含水量低的干旱区。

内蒙古师范大学硕士学位论文



3蒙古国相对土壤湿度反演
同样使用GIS软件ArcGIS Vet.9 2中的空间分析模块(Spatial Analyze)功能,将讣

算得到的归一化植被指数NDVI数据文件、地面温度数据文件作为输入数据进行空间叠 加分析:定义NDVI值分析区叫范围为f0,11,取NDVI单一查找步长为0.01生成数据查 找掩膜,逐步完成掩膜NDVI值F的地面温度最高值与最低值的查技序列,具体数值结
粜㈨图3
LST max 3

l所示,其中LST

rain

1、LST

rain 2、LST min 3,LST

max

I、LST max 2、

3分刖为每H每{U地面温度的最小值与最大值。


F们

…j
21)07年7月h中,T旬

2007¥8月r、中、F∞

2007年9f3l、中、T钿

l到3



1植被指数与地面湍度奇找序,0数据集

从查找得到的植被指数与地面温度数据序列集即Ts.NDVI特征空叫可以得出,在时
-U序列内蒙c々幽的每月每句每期山植被指数和地面温度构成的_F边和湿边都其备相 似形状,数掘分巾较为*滑。捧随着植被指数NDVI值的增大过程中,陆地表面温度数

最值的分布各有特征:高温最太值在逐渐减小而低温晟小值在逐渐增大,且陆地表面温 度的最值均与NDVI值学*似线性关系。具体数值特征:植被指数NDVI值出6月份的
屠大值0
76

A-右增加到7月份的0 82矗右,8月份又迅速减少至0 76左右而9月份最

第三章使用MODIS数据的TVDI模型反演相对土壤湿度

人值减少至0.68左右,该变化过程同样较为客观的反映了蒙古国植被覆盖随季节变化的

特征其变化规律与蒙古高原总体比较相似,原因可能是蒙古国的地域面积较为广阔在蒙
古高原整体中所占比例较高从而两者在特定的地理指标分布规律中比较一致:地面温度 数值分布随季节变化差异不大仅在7月份最高值接*350K而其他月份均分布于330K 左右,原因同样可能是由于蒙古国原作为一地域广阔的整体研究区温度差异特征不明
显。

查找数据序列所反映的实际情况由土壤、植被、地面温度之l、日J相互作用的实际情况 分析:随着地表植被覆盖度的增加土壤的直接涵养水量明显增加(植被可以使土壤保持 相对水jF的含水量),此时所表现的地面温度最高值所反应为植被冠层的温度而植被的 蒸腾作用较为充足所以温度有下降的趋势,而地面温度的最低值所反映为植被区域的背 景十壤温度,十壤具有~定的禽水量伴随着蒸发作用从而温度具有增高趋势。同时可得 知,如果将湿边描述成与植被指数NDVI轴*行的直线进行分析会给模型构建带来一定 误差,因此保持湿边原有特征进行线性拟合是客观合理的。 在获得了完整时间序列的植被指数与地面温度查找数据集后便可进行研究区温度 植被干旱指数TVDI模型的构建。本研究使用最d'--乘法于数学工具软件MATLAB Ver.2006a中编写程序代码实现干湿边方程的全自动回归分析及最终构建TVDI模型(代 码样例参见附录表3.1.1),同时于统计分析软件SPSS Ver.13中对回归分析数据序列进 行相关系数的计算,具体构建数值结果如表3.3.1所示。

表3.3.1 TVDI模型构建数据
JJ 旬 样本 数
N Train:O.776
Sill.L:0,01

相笑系数


.}:边方程T-.max
TS

湿边方程T..min
Ts_MIN=
Z72.8861

WDI方程
"FVDI=(Ts+O.99236xNDVI-272.8861)/(54.1472 -0.0067434xNDVI)

MAX=

f:

78

Tmax:-0 749 slg L:001

327.0333-0.9991×NDvI
-0.99236xNDVl TS MAX=

Tmln:O,859
S哐LOOt

Ts_MIN=




TVDI=(Ts+0.99287xNOVi一258.4936)/(65.4429
323.9365 _0.99865xNDVl 258.4936

80

Tmax:-0.881 Sig L:0.01

-O.0057807xNDVI)
.0.99287xNDVI

Tmm

0 919

Ts—MAX=
Sig L:001

"is—MIN=

TVDI=(Ts+0.98965xNDVI-253.3781)/l
326.8652 -0.99903xNDVI 253.3781

73.4871



83

Tmax一0

937

Sig L 0 01

-0.0093734xNDVI)
-0.98965xNDVI

Tmm 0.916 Sig L:O 01

TSyAX=
328.198-0.99898xNDVI

Ts—MIN= TVDJ=ffs+O.98958xNDVI一254.21921/(73.9789
254.2192

}:

82

Tmax:.o

807

Sig L:O.01

-0.0094008xNDVI)
_0.98958xNDVI

Train:o,980
¥ig L0 01

Ts

MAX=

Ts_MIN=

TVDI=(Ts+O.992xNDVI一260,3452)/(59.6404
319.9855 _0.99944xNDVI





82

Tmax一0.875 Silt.L:O.01

260.3452旬.992xNOVI -0?0074412xNDVl)

1tnin:O.981 Stg.L:O.01

Ts

MAX=

Ts MIN=

TVDI=(Ts+0.98913xNDVI?261.0599)/l 330.4246
加.99922xNDVI 261.0599

69.3647



81

Tmax-0

765

Sill.L:O.0l

-0.010092xNDVI}
-0.98913xNDVl Ts MIN=

1mInt0

989

Ts

MAX=

Sig.L:O 01

TVDI=(Ts+O.98778xNOVI-248.3665)/(72.9801
321.3465 .0 99904xNDVI 248.3665

I:

76

Tmax-0874 99 L0 01

旬.011259xNDVI
一O.98778xNDVI



TmIn 0 9llS Sig L 0 01

Ts



MAX=

Ts—MIN= TVDI=(Ts+0.99349xNDVI-258.0594)/(63.0494
258.0594



rfl

82

Tmax一0 793 S培L:O.01

321.1088 ∞.99936xNDVI

—0.0058696xNDVI)
-0.99349xNDVI

1mIn

0 859

Ts

MAX=

Sig.L,0 01

Ts—MIN= TVDI=(Ts+0.98989xNDVI一259.s958)/l
59.7718 259.5958



79

Tmax:-0 886 Sig L:0 01

319.3675

-0.0092265xNDVI)
-0.99911xNDVl -0.98989xNDVl

Train:0 948 Sig.L:O 01

Ts MAX= 321.5241 .0.99954xNDVl

Ts—MIN=



WDt=iTs+o.98732xNDVI-256.4832)/l
256.4832

65,0409

77

Tmax:一0.832 Sig L=0.01

-O.012219xNOVI)
.0.98732xNDVJ Ts MIN=

1.mln

0.970

TS

MAX:

Slg L 0 01





TVDI=(Ts+O.98887xNDVI.255.4212)/(61.3717
316,7929 —0.99954xNOVl 255.4212

68

Tmax-0 789 SJg.L’0 01

—0.010669xNDVl)
.0.98887xNOVl

1hIn:O

799

"iS—MAX=
306.6456-0.9993xNDVl

Ts—MIN=

S唱L 0 01

TVDI=(Ts+O.98983xNDVI.256.8021)/I
256.8021

49.8434

卜.‘

64

1h'ax-0 789 S,g L 0,01

—0.0094737xNDVI)
-O.98983xNDVI

使用每月逐甸回归分析得到的TVDI模型以计算得到的归一化植被指数和地表温度

使町进行研究区相对土壤湿度数据的反演计算。由于最终计算得到的TVDI数据为具有
地理坐标分布的相对土壤湿度数据在将数据按数值高低进行RGB彩色制图后,由图像

难以直接准确说明相对土壤湿度数值在时间序列过程中的变化特征,所以本研究在蒙古

第三章使用MODIS数据的TVDI模型反演相对土壤湿度

国研究区中任意选取一云、水汽含量较少,数据质量较好的211×202共计42622个像 元大小的裁切窗口,分别对研究时间序列中四个月逐旬的TVDI数据集进行裁剪,对裁 剪得到的窗口像元进行统计分析以揭示土壤湿度信息在时间序列中的变化特征。具体统 *峁绫恚常常菜尽
表3.3.2窗口TVDI数据集统*峁
JJ 地{“ 泓心LsT午协:K }U
鳍人他MAX

植被指数NDVI 最人恤MAX O.263 0.268 0.24:3 0.226 0.266 0.319 0.398 0.400 0.563 0.487 0.402 0.265 最小他MIN 0.110 0.105 0.110 O.004 —0.078 —0.082 0.031 0.138 0.128 0.039 0.066 0.104

l无币{0) 均值MEAN 0.178 0.168 O.174 O.171 0.169 0.187 0.197 0.250 0.303 0.275 0.258 0.184 煨人值MAX 0.927 0.953 0.896 0.827 0.859 0.882 0.855 0.862 0.849 0.811 0.795 0.824

TVDI俯l九卟似) 域小他MIN 0.754 0.662 0.106 0.551 0.014 —0.268 0.745 0.593 0.637 0.680 0.453 -0.520 均程I
MEAN

展小他MIN 316.6 311.4 320.2 266.2 256.2 248.5 236.8 311.7 296.1 258.7 242.0 270.6

均恤MEAN

J: 6 III 卜 L

370.0 370.8 375.6 380.4 290.6 376.1 363.8 371.1 358.8 361.8 470.6 354.0

323.3 320.4 327.0 329.2 276.2 292.6 293.4 322.6 310.5 308.2 301.1 297.9

0.895 0.883 0.807 0.815 0.824 0.803 0.817 0.821 O.803 0.749 0.788 0.801



巾 卜 I:



中 F 卜



中 卜

山窗1]TVDI数掘集统H‘结果可得知,由于本研究没有对原始MODIS lB数据进行 大气校『F所以对计算结果有一定影响但不会改变数据空间的分布特征。其中地表温度数 掘表现为由6月卜.旬丌始升高在7月整月及8月卜旬保持较高值,在8月下旬丌始* 直到9月F旬的300K左右;植被指数相对地面温度仍旧表现出一定的滞后性,从6月 ”始一直到8月上旬均保持相当稳定的水*在0.1左右,直到8月中旬至9月中旬其值 /j‘上升到O.2左右9月下旬又回落至O.1左右;TVDI值随时间序列表现的季节性差异并 不明显,仅在8月下旬、9月上旬其值较低在0.7左右而其他时问数值都在0.8左右,说 明蒙古国土壤相对湿度随季节变化的差异并不明显,在研究时间序列内土壤含水量均较

低。最后对反演得到的TVDI数据按时恻序列每月选择一句数据依据数值高低进行RGB
彩色制图,如图3.3.2所示。


2007

第四章精度分析及模式构建

q 6 J】11“

剀3





TVDI值分布特征

由图示口J知土壤相对湿度TVDI值的RGB彩色图像町视化效果并不理想,主要是
【lI J‘厶、水rL的f扰(图像中托观为橘红色R域)但土=壤浔度信息的空问分布特征仍可

以较为客观的表现。蒙古国的北部沿线区域为TVDI低值区土壤湿度相对较高,而蒙古 嘲-1,、南部的』‘阔区域为TVDI高值区士壤滞度较低。

第四章精度分析及模式构建


1反演成果精度分析
土壤实际含水量状况因1:同地点、不同深度、不同季节、不同时间而异,表层土壤

含水量斟空削变异更大,土壤处于不『_J的干燥过程中.土壤湿度剖面是不同的,表层、

r层、中均值之州?叮能存在较人的差异。}:壤迅速十燥过程中,土壤剖面在*表层呈垂
直梯度,F壕梯度较缓,快速十燥造成表层与F层土壤含水量的不同;另外由于土壤组

成成分特性的差异,造成表层f燥过程空削分布不均一:表层含水量与温度可能高度相
关,但F层台水量与表层温度可能相关很差(Carlsonetal 1995)。

遥赌图像像元小则数十*方米,人则*百*方公里,因而遥感反演的土壤湿度为一 个像元或iixn像元的*均水分状况。据研究,像元内土壤湿度变异系数*均值高迭16%
(Charpentier and

Groffinan;1992)和19%,(Peck,1992)。因此,在遥感尺度下.土
34

内蒙古师范大学硕士学位论文

壤湿度表示了时空综合*均土壤水分状况,遥感反演的土壤湿度反映了区域土壤水分有 效性,可以突破传统的单点实测过程的局限性,反演得到的相对土壤湿度不仅客观反映 了研究目标的实际状况而且可以通过定量的转换过程建立与实际土壤湿度的模式关系。 本研究使用与卫星过境时间同步的内蒙古地区108个地面气象站(实际可用站点81 个),2007年8月上、中、下三旬的实测土壤湿度数据(5cm土深)同反演得到的TVDI 值及微波AMSR.E土壤湿度数据产品三者作为精度验证数据集,进行反演工作的初步精 度分析。 使用验证数据集中的数据分别构建2007年8月上、中、下旬的实测值.TVDI值散 点图,如图4.1.1:8月中旬的实测值AMSR.E值散点图,如图4.1.2;8月中旬的TVDI 值.AMSR.E值的散点图,如图4.1.3;及计算8月中旬各数据对的相关系数序列,如表 4.1.4,具体分析数据集如下所示:

o 2 o?1 o o~? 0

-嘞_

◆一-F面丽丽
n—

……‘”。1’。”。。“1’’’’。11。’‘。’1’’“
80

20

40,30

loo







图4.1-1

图4.1-2

实测TVDI
实测 l -0.49

AMSR—E

0.53

TVDI

.0.49



O.37

0 0 O2 04 TvDl O.6 0暑

AMSR—E
1{

O.53

0.37



煳4.卜3

表4.卜4

由各分析数据对的散点图的直观图形特征可得知:采用MODIS数据反演所得到的 相对土壤湿度与地面实测值具有较为客观的定量特征体现,即满足随土壤湿度的增加指

数值具有减小趋势;研究所使用的微波土壤湿度数据与实测值同样存在*似币比例关系

35

第四章精度分析及模式构建

的数据走向特征,即两种数据具有同时增减的变化趋势;而可见光与微波两种异源数据 虽然在物理特性上具有差异但在本研究中均为指示土壤湿度信息的定量指标,并且由图 形分布特征初步估计两种数据之间满足某种非线性的指数分布规律,真实性与客观性有 待于进一步研究确定。由分析数据对的相关系数序列可知:实测值与TVDI值、AMSR—E

值的相关系数并不理想分别为.0.49、0.53但已经客观反映出实测值与反演指标之间的数
据空l’日J特征,可以为遥感定量反演指标与实际应用建立系统模式提供支撑。

4.2 TVD

I值与土壤湿度实测值关系模式构建

由于本研究的最终目的在于使用遥感定量的理论与方法探索建立实际可行的监测
土壤湿度信息的应用关系模式,所以依据已有的研究准备工作进行土壤湿度实测值与 TVDI反演值之fnJ的回归分析,进行拟配对数据的线性、非线性两种过程的模式构建模 拟,具体结果如下: 线性拟合: 非线性拟合:
Y=一0.01 8x+87.15 R 2=0.19 (4.2.1)

Y=e3 2扣。一48.13

R2=0.21

(4.2.2)

其中:Y表示实际土壤湿度,X表示TVDI值。

由模拟结果可知,构建的关系模式并不理想并且该模式难以满足实际业务运行的要 求,从而本研究需要后续工作的系统完善、优化以满足模式构建的进一步要求。

第五章综合分析与展望
5.1
TVD

I模型影响因子分析

通过本研究的实施,经过归一化植被指数、地表温度的讨‘算及TVDI模型的建立, 最终反演得到的TVDI值其取决于Ts.NDVI特征空间的实际构成情况,同时对于 Ts.NDVI特征空|’白J影响因子的研究探讨已经有很多。Fridel利用航空数据研究了美国堪 萨斯北部草原Ts、NDVI的关系,发现Ts、NDVI关系受到植被覆盖及土壤湿度综合情 况的影n向。Goetz研究了不同传感器获取的Ts、NDVI之问的关系,发现NDVI/Ts斜率 很大程度上取决于植被覆盖情况和土壤湿度,与传感器类型关系不大,Goezt的研究还 发现地表温度TS对土壤湿度的敏感性强于植被指数NDVI。Sandholt初步总结了对 Ts.NDVI关系影响因子的研究,认为Ts、NDVI关系的影响因子有:植被覆盖、土壤水

36

第五章结论与展望

分蒸发、植被蒸腾作用、表面热特性、净辐射、大气动力及表面粗糙度等,这些因子均 影响地表温度及植被指数从而影响Ts-NDVI特征空间的情况。Gocward用基于能量和水 分*衡原理的SSIB模型和田问实测资料研究各因子对Ts、NDVI关系的影响情况,认 为土壤湿度和入射辐射能量是决定Ts、NDVI关系的重要因子,而风速和水汽压等影响 较小,可以忽略。 正是由于使用遥感定量技术手段存在理论基础与模式构建步骤中需要完善的细节, 所以有必要对现行TVDI模式进行深入分析对特定实施过程进行补充进而提高遥感监测 模式应用的科学性与准确性。本研究拟对以下各过程进行探讨: (1)地表能量*衡过程。

用TVDI模型反演相对土壤湿度的最基本原理是基于地表吸收太阳辐射能量导致水
分蒸发和植被吸收水分存在蒸腾作用及对地表温度的降低过程,土壤水分含量的变化引 起的土壤热惯量及蒸腾作用的变化,从而影响地表能量*衡。地表能量*衡的方程为:
Rn=G+H+L?E

(5.1.1)

其中尺。为地表的净太阳辐射通量;G为地面热通量,即下挚面土壤中的热交换;H为下 批面到大气的显热通量(又称感热通量),即下挚面与大气问湍流形式的热交换;LE整 体为下垫面到大气的潜热通量,即下鹅面与大气间水汽的热交换,指地面蒸发或植被蒸 腾、蒸发的能量;L为水汽的汽化潜热,E为蒸发量。 所以可以考虑改善、尽可能客观还原地表及大气在太阳辐射能量交换的真实过程, 进而改善遥感定量计算过程的客观性与准确性。

(2)大气影响校萨过程。
在实际遥感数据定量汁算过程中可以使用理论较为成熟的6S大气校jF模型或遥感 软件ENVI Ver.4.2中的FLAASH大气校正模块功能予以实现。 (3)高程分布对地表温度影响。 一般情况下,随高程增加,气温降低。大气的主要热源在地球表面,*地面大气升 温的能量主要来源于地表长波辐射、传导和能流交换作用输送的热量。随地势的升高, 空气中水汽、二氧化碳和尘埃的含量越来越少,空气输送和保存热量的能力减弱,于是 气温随地势的升高而降低。另一方面,距离地面越远,长波辐射衰减越大,自由大气的 气温随着高程增加而降低。参考高度(一般距地面2米)气温不仅受到地表热源的影响, 还受到闩H{大气的调节作用。随高程增加,参考高度气温与自由大气的差值增加,自由 大气的调节作用加大。因而随高程增加,参考高度气温降低。中国地表起伏大,海拔最 低的艾丁湖为一154米,最高海拔为8848米,高程整体跨度接*9000米,整个地势西高
37

第四章精度分析及模式构建

东低,构成了明显的“三级阶梯”地形。 所以可以在通过MODIS数据计算得到的地表温度数据中执行以下温度修正过程: ZD=Z+H?口
(5.1.2)

其中掣为订正后的地表温度,TS为订正前的地表温度,H为高程值,a是气温垂直递
减率即:地表温度受气温影响随高程增加而降低的程度,一般认为高程每升高100米气

温降低约0.6度左右,实际取值可依据研究区的实际情况确定。通过该过程便可修正地
表温度参数的精度。 (4)植被指数值优化。 植被指数作为反演土壤相埘湿度的关键参数同样需要进行修萨优化。因植被指数因 为能够很好地反映绿色植被的长势、生物量和覆盖度、适用于全球或各大陆等大尺度的 植被动念监测,同样可用于检测作物是否处于缺水等生长不利的环境条件。如NDVI与 光合有效吸收辐射(FAPAR)*线性关系,而与LAI呈非线性关系;NDVI的时间变化 曲线可反映季节和人为活动的变化;而NDVI在生长季节内的时间积分与净第一生产力 (NPP)相关;研究还表明NDVI与叶冠阻抗、潜在水汽蒸发、碳固留等过程有关。甚 至整个生长期的NDVI对半干旱区的降雨量、对大气CD’浓度随季节和纬度变化均敏感。 同时由于植被覆盖在较短时间内可*似认为保持较稳定水*,正是由于其生长与分布的 相对稳定性可利用研究区时间序列内的多期植被指数计算结果进行最大值拟合
(Maximum Value Composite,MVC)从而实现植被指数参数的优化。

5.2结论与展望
遥感中通常使用的土壤湿度表示方法为土壤重量含水量、土壤容积含水量、土壤相 对含水量和土壤有效含水量。遥感获驭的地表物理参数植被指数、地表温度均可以监测

土壤湿度,但NDVI作为水分胁迫指标具有一定的滞后性,温度作为土壤湿度指标,在 植被覆盖不完全条件下,其监测的土壤湿度信息会受到较高土壤背景温度的干扰。植被 指数提供了绿色植被的生长状况和覆盖度信息,而地表温度反映了土壤湿度状况,将二
者的信息结合起来,为区域土壤湿度的监测提供了潜力。本研究便是在遥感定量参数的 结合理论基础之上进行了较为深入系统的定量研究并针对反演得到的数据进行试验探 索性的遥感应崩模式的构建,川时简要探讨了遥感研究中为弥补理论与应用不足的异源 数捌的综合使用的定量基础依据从而为将来遥感定量研究的深入及新方法、新体系的建 立提供微薄参考。
38

参考文献

参考文献
n1J 姚春生.张增祥,汗潇.使用温度植被干旱指数法(TVDI)反演新疆士壤湿度.遥感技术与应
用,2004。19(6),473-478.
1j 1J 1J 1J 1J

邓辉.綦十MODIS数据的人区域十壤水分遥感临测研究.中国农业科学院硕I:研究生学位论义,2004. 梁芸.张峰,韩涛.利用EOS/MODIS植被供水指数舱测庆闭地区的士壤湿度.干旱气象,2007,25(1). 孙金铸.内蒙古地理义集[MJ.内蒙古,呼和浩特,内蒙古人学出版社。2003. 彭继、{‘,拿乍|)9铁,2006年我围沙尘暴灾害特点及熔凼分析.十旱区资源与环,2008,22(2),61—64. Ii美,甄霖,刘“哼林.Ochil’bat Batkhishig,1:勤学.蒙古高原中部气候变化及影,eJl天l素比较研究,2008,27(1).

眩∞H陌№盯 1J 刈纪远。齐水青.帅华定,序火方,胡厶峰.蒙古高原塔罩皿特一锡林郭勒样带十.壤风蚀速率的137Cs示踪分析,科
学通报,2007,52(23).

阻 1J

齐水青.文Ij纪远,师华定,胡厶峰,序大方.蒙古高原北部典型草原区土壤风蚀的137Cs爪踪法研究,科学通 报,2008.53(9).

[9]刘爱霞.中国及中亚地区荒漠化遥感监测研究.中国科学院研究生院博士论文,2004. [10】陈怀亮。冯定原.遥感监测土壤水分的理论方法及研究进展.遥感技术与应用,1999,VOL.14,No.55—65. [11]韩秀珍.东弧飞蝗灾害的遥感监测机理与方法研究.博士学位论文,中科院遥感应用研究所,2003. [12]姚春生.使用MODIS数据反演十壤水分研究.帧{j学位论文,中科院遥感心用研究所,2003. [13]焦_r.锑.利用MODISBRDF和反照率产品进行地表特性的研究.博|:学位论文.北京师范人学.2008 【14】刘爱霞.中圈及中弧地区荒漠化遥感炼测{iJf究.博l:学位论义,中科院遥感应用qf究所,2003. [is]帅华定.蒙古高原塔鹕亚特一锡林郭勒样带十壤风蚀研究.博1j学位论文.中困科学院地理科学‘j资源研究
所,2007.

[16]毛克彪.施建成,拿召良.一个针对被动微波AMSR~E数据反演地表温度的物理统汁算法.中罔科学D辑,2006,
36(12):11 70、1176.

[17]己克彪.唐。j匕俊.刷清波.AMSR-E微波极化指数IjMODIS植被指数关系研究.国十.资源遥感,2007,NO.1,27—31. [18]H-I国良.十壤水分的遥感监测方法.环境遥感,1991,6(2):89—98. [19】程宇,陈良富,柳钦火等.基于MODIS数据对4i同植被覆盖下十壤水分监测的町行性研究.遥感学报,VOL
10.No.10,2006.

[20]冯强,II【I图良,I:昂生等.基于植被状态指数的十.壤湿度遥感方法硼f究.自然灾害学报,VOL

13,No.3,2004.

[21]蔡圉印.堆于MODIS数据的地表温度、热惯量反演研究及其在土壤水分、*鋈冉换环矫娴雠蛴茫┦宦 文.中科院遥感应用研究所,2006. [22]李小义,汪骏发,J一锦地,柳钦火.多角度oj热红外对地遥感.科学出版社,2001. 【23]刘下沽,杨忠东等.MODIS遥感信息处理原理Ij算法.科学…版礼,2001. [24】赵英埘等.遥感心用分析胤矬’j办法.科学iH舨}l:,2003. C25]孙家批.遥感J泉理’jf却用rM].武汉:武汉人学…版}I.2003. [Z6]口K趟.沈建法.地删系统T程fMl.北京:科学f1;版44:,1993. [27】黄擎右‘.系统’厂程’j运筹学[M].北京:闰舫丁业出版{!|:,2003.
[28]ht tp://weather.msfc.nasa.gov/AMSR/ [29]5pecial
Jssue
ofl

AMSR Retl’ieval

Algorithms.删1
over

Bid/etin/Technical Repot’£,2002. R.H.Holmes.

[30]Clara S.Draper,Jeffrey P.walker,Peter J.Steinte,Richard A.M.de Jeu,Thomas
An evaluation

of州SR--E

derived soll moisture

Australia(J).r Remote Sensingof励viI"onment,2009,

113(2009)703—710.

[31]A.。Langlois,R.Scharien,T.Geldsetzer,J.IacOZza,_D.G..Barber,J.Yackel.Estimat
equivalent
over

ion of

snow water

first—year

sea

ice using AMSR-E and surface

observations(J).Ref/]ote Sensing of

39

内蒙古师范大学硕士学位论文
Environment。2008,1

12(2008)3656—3667.
R.Houser,Craig Ferguson.Eric F.Wood,Paul A.Dirmeyer,Menas Kafatos. data
over

[32]Alok

K.Sahoo。Paul

Evaluat ion of AMSR-E soi 1 moisture results using the in—situ

the Little River Experimental

Watershed,Georgia(J).Remote Sensing of Environment,2008,112(2008)3142—3152.

[33]Chris
SIIOW

Derksen.The

contribution of AMSR—E 18.7 and 10.7 GHz

measurements

to

improved

boreal

forest

watel‘equivalent

1.etrievals(J).SicenceDJrect.2008,1 12(2008)2701—2710.

[34]Boegh

E,Soegaai?d H.Hanan N,Eabat,Pand Leseh L.A Remote Sensing Study of the NDVI-Ts Relationship
on

and the Transpiration from Sparse Vegetat ion in the Sahel Based Remote Sensing of

High

Resolution Satellite Data.

Environment,1999,69(3):224—240.
Inertia Using

[35]Carlsm’fl
Remote

T N.Regional-Seale Estimates of Surface Luoisture Availability and Thermal

Thermal

Measurements(J).Remote Sensing Environment,1986,1:197—247
Chen,Nan Lu.Predicting plant of Inner diversity based
on remote

[36]Ranjeet John。Jiquan
the semi—arid region

sensing products

in

Mongolia(J).SicenceDirect,2008,112(2008)2018—2032
Li Li.Retrieval of Land Surface Parameters Using Passive Microwave

[37]Eni G.Njoku,Fellow,IEEE,and
Measurements at

6_18 GHz.IEEE TRANS/ICTIONS ON 6EOSCIENCE,4ND REgOTE SENSIN6,1999,VOL.37,NO.I Sensing using Microwaves.Department of Radio and Space Science.G6teborg。

[38】JAN ASKNE,即.Remote
Sweden.US。2003

附录

附录I
表2-3.1 MODIS仪器特性和主要用途
通道


光谱范冈

信噪比 NE△T
128
20l

通道l—19(啪)’通逆20?36(壮m)
620.670
84l-876

主要用途 硪炮,云边界

分辨g,'ra
250 250 500 500

2 3


459479 545..565 1230.1250 1628.1652 2105.2 135 405-420 438-4日8 483-493 526.536 546-556 662-672 673-683 743.753 862.877 890.920 93I.94】 915,965 3.660.3.840 3。929.3.989 3。929—3.989 4.020-4.080 4.433-4。498 4.482-4.549 1.360一1.390 6.535.6.895 7.1 75—7.475 8.400.8.700 9.580.9.880
10.790?I 1.280

243 228
74




陆地、云特性

500 500

275 llO 820 8380 802 754 750 9lO 1087 586 516
167 57

7 8 9 lO ll 12 13 14 15 16
17 18 i9

5∞
lOoo

海洋水色、 浮游植物。 生物她理, 化学

1000 lOoo lOOO 1000 1000 looO 1000 lOoo 100HD

大气水汽

lOOO lOoo IOOO

250 0.05 2.oo 0.07 0.07 O.25 O.25
1504

20 21 22 23
24

表萌、兹温度



o(均

1000 lOoo

25 26 27 28 29 30
3l

大气温度



o(m

1000 1000

025 O,25 O,05 0.25 O.OS O.05 O。25 O.25 O。25 O。35

卷云、农汽

lO∞
1000 lOoo

奥氧 表面、云温度

lOOO 1【){粥 1000 1000

32 33 34 35 36

ll,770一12.270 13.18S。13.485 13.485.13.785 13.785.14.085 14.085.14.385

云颈高度

IO∞
1000 1000

41

内蒙古师范大学硕士学位论文

表2-3.2 MODIS 1B产品概要
ECS短名 MOD02QKM
MOD02HKM

产品内容 定振后250米分辨率地球观测数掇. 定标后500米分辨率地球j既测致撼,包摆250米的两个通道的资料,返两个通道的分辨 率被辫低到500术。 定标后tOoo米分辨率地球观测数据,包括250米和500米的两个通邀的瓷料,所有通
道的分辨攀均为1000米.

MoD0|2lKM
MOI)020BC

星裁定搽嚣(OBC)数据和其他上程数据。

表2-3.3 MODIS 1B产品各波段组







分辨率
250 500
m m

波段数
2 5 lS 王6


光潜波段
l, 2

拉V一250_RefSB 辩Y..5∞一RefsB 粒V—I麟RefSB 扣V—i陇踟issive

3。4,5.6,7

l‰ l妇

8—19。26
20“25。 27~36

表2-3.5 AMSR.E传感器特性参数

42

附录

附录II
表2.3.4 IDL程序代码
EE02 envi

I=-0.003?0.029+((NDVI LT 0.2)+REF2)

select.title=。MODIS l、2波段的选择’.rid=rid2,

EE02=(EE02一I NE(?O.003))‘EE02一i PV—12(((((NDVI GE 0.2)AND(NDVI LE

dims=dims.pos2pos if(rid2

eq?I)then

return

0.5))+NDVI)一0.2)“2)/o.09 PV=(PV—i NE 0.44444444444)+PV—I
E0205一I=0.97 1+0.0 1

envi—file—query,tid2,fname。fname,xstan2xstarl, ystart=ystarl,bnames2bnames envi_open_file,fname,r—rid2rid2

8*(((NDVI GE 0.2)AND

(NDVI

LE

0.5))+PV)
NE

hdfid=hdf—sd—start(fname)

E0205=(E0205一i

O.971)+E0205一i
GE

EE0205J—O.006+(卜(((NDVI index=hdf—sd—nametoindex(hdfid。。EV_250一AggrIkm_Ref
SB’1 LE

0.2)AND(NDVI

0.5))+PV))
EE0205=(EE0205一I NE(?O.006000))+EE0205一I

varid=hdf—sd—select(hdfid,index)
attindex I

E05=(NDⅥGT O.5)+O.985
EE05--(NDVI GT 0.51+0 E=E02+E0205+E05
EE=EE02+EE0205+EE05

2hdf—sd—attrfind(varid,’reflectance_scales’)

attindex2=hdf—sd—attrfind(varid.reflectance—offsets’)
hdt’sd attrinfo,varid.attindex l,data=attvalue scales hdf sd attrint’o.varid.attindex2.data=atwalue offsets

base=widget—auto—base(title=‘结果输…窗U
’.XBIG=200)
sb

result=noat(BT3 I)+1.84(float(BT3 I)?float(BT32))+48+(1一f Ioat(E))-75+float(EE)
help,result

=widget_base(base,/column,/frame) ofw=widget—outfm(sb,func=’envi—out—check’,

if(in_memoryl then¥ mem_res(O,ys-dims(3))2 result¥

¥ uvalue=’outf,/auto) result=auto—wid—mng(base) if(result.accept eq 0)then
return

else¥
writeu,unit,REF I,REF2,NDVI,result ;endfor ;map_info


out—name2result.outEname in—memory2result.outf.in—memory get—lun.unit

ENVl_get_map_inforrid2fid.UNDEFINED

=UNDEFINED)
:Process error messages !error=0 troubIc:il.(!error髋e 01 .envi free io

if(in—memory)then¥
mem else¥ openw,unit,OUt—name

res=fltarr(ns.n11¥

then¥

error,’LST汁算过程中…’,unit=unit

lun,unit

rstr=【¨Output to:”+out—namej
envi report base rstr,title=USGS Munsell tini.= base


if(!error eq 0)then begin
”.



descrip=’LST计算过程中…‘
;if(UNDEI?INED=O)then begin if(in—memory)then¥
envi—enter_data,mem_res,

BT3 l=envi_get_data(fid=rid.dims--dims,pos20)

BT32=envi_get_data(1id=arid,dims=dims,pos。I)
datal=envi

get_data(rid=rid2,dims=dims,pos=0)

data2=envi_get_data(fid-=fid2,dims--气lims,pos2 1)

descrip=descrip.¥ ,xstan=xstart+dims(i), ystart=ystan+dims(3).S r—rid一一lid¥
else¥

REFl-(data!一attvalue—offsets[0])+attvalue_scales[O】

REF2=(data2?attvalue—offsets…)+attvaMe—scales【I l NDVI=(REF2-I迮l?{)/(REF2+REI?1)
LT O.2)+REFI) E02一l。0.980-0 0428((NDVI E02=(E02 l NE 0

980)+E02_l 43

envi—setup—head,¥

内蒙古师范大学硕士学位论文
fname;out__name,bnames2【。Band i Reflectance‘】¥ :fname=out—name.bnames=[。Band2 Reflectance。1¥ :fname=out—name,bnames2[NDVl‘1 S
;fname=OUt name.bnames。【。LST’】¥
ns=ns.nl=n1.¥

nb=I.¥
data

type=4,inter=0,xstart=xstart+dims(1),¥

ystart=ystart+dims(3),/write,/open,r_rid=r_rid,¥
descrip=descrip ;endif else begin

表3.1.1最小二乘法MATLAB程序代码
SUM—POWER2一£MIN=sum(POWER2一z MIN);
%’FVDI Regression with Least Squares Estimation %Build in:l 0/l 6/2008 %Version 1.1.O %Author:libiao GUO

SUM—MULTI—NDVl3一MAX2sum(MUL'l…1一NDVl3j嗵
AX);

SUM_MULTI_NDVI一£M1N。sum(MULTI_NDVI一£MI
N);

‘}缸………一………一一~…一..………………?
o/.-Load Selected'NDVI index lookup T

MAX/MIN

%-………………..Coemcients
w)/...

List



Data'---%
Ioad x:\t.txt

B—I彳SUM_MULTI_NDVI一£MAX—SUM一£MAX“2/to

【row,c01]2size(t);
NDVI=zeros(row,1);

‘SUM—POWER乏£MAX?SUM£MAX’SUMⅣDVl/r
ow): A—12(SUM—T—MAX-SUM_NDVI+B—I)/row: B一2=(SUM—MULTI—NDVI—T—MIN?SUM—T—MIN“2/row )/…

T_MAX=zeros(row,1):.
TVDl=zeros(ro、 ̄.11: T~MIN2zeros(row.1):

forj=l:row
NDVILi.1)2tLi,I):

’f-MIN(i,1)2如.21:
T_MAX(j,I)=t(i,3);
end

(SUM_POWER2-T—MIN?SUM—T—MIN+SUM—NDVl/ro
w); A一2=(SUM—T—MIN?SUM—NDVI‘B一2)/row;
List

%………………?Regression



A2A—I一一2;
B2B—I-B_2;

SUM

NDVl=sum(NDVI);

SUM T MAX=sum(T MAX): SUM T MIN=sum(T MIN); POWER2 T MAX=T MAX.“2: POW£R2 T MIN=T M JN.“2: MULfI-I'MAX一 MiN=T一MAX.+,I 一一 MULl’l
MIJl丁l


9缸……~~……-Final Out put
TVDI=(T MAX—A一2一B一2.*NDVI)./(A+B.+NDVI);



TVDI—TMAX—MIN=[TVDl,NDVI,T—MAX,T_MIN]; disp([。The Reg


Function Arid

Side:Ts—MAX一.

MlN:

num2str(AJ),”,num2str(B—I)j’×NDV哪
disp(”)

NDVI NDVI



MAX=NDVI.+T MAX:


~一

T MlN=NDVI_+T

MIN:, MAX).

SUM POWER2 T MAX=sum(POWER2.1



End

致谢

致谢
光阴荏苒,逝者如斯。论文付梓之际回想三年的学*研究历程,思绪

良多。三年的学*历程让我有诸多的感动值得去回忆,也有诸多的良师、
益友值得去真心感谢。

首先要衷心感谢我的导师包玉海教授。地势坤,君子以厚德载物。正 是三年来包老师严谨的治学态度、渊博的知识和开阔的思路及博大的胸怀,
时刻激励我奋发向上。不论是在日常生活还是学术研究中导师身体力行, 悉心指导,鼓舞学生刻苦钻研不断进取,正是有了导师慷慨无私的帮助给 予了我完成研究、勇往直前不竭的信心和勇气。从论文选题、撰写过程到 最终的定稿都得到了包老师的悉心指导,导师追求卓越的精神令我铭记在

心,是我前进的榜样。
感谢内蒙古自治区遥感与地理信息系统重点实验室的包刚老师。包刚 老师认真、耐心、有Iq必答,学术严谨,竭尽可能为学生解决学*研究上

的困难和问题,正是有了包刚老师的帮助才使我在学*的各个阶段有条不 紊,逐步前进并有了事半功倍的效果,也正是有包刚老师的指导使我在很 多模糊犹豫的研究阶段有了关键性的突破与进步。
同时也有太多的感动珍藏于我的同窗好友之中。在重点实验室学*的

三年之中:正是有了这些好兄弟好姐妹,多了不少欢乐、多了不少奋斗的 激情、多了不少前进的自豪、多了不少成功的自信。所以,衷心的感谢我 的同窗好友,岁月匆匆但我们激情依旧:天行健,君子以自强不息。 还有我的家人和亲友,特别是我的父母,正是有了你们一如既往、谆 谆不懈的鞭策与教诲给与了晚辈最为坚强与无畏的支持与后盾。谢,难于 言表,你们是我前进的不竭动力。 最后,感谢所有给与我帮助、支持的老师、前辈、同学和朋友们。谢
谢1
2 01 0年4月1 5日

郭利彪
4与

用MODIS-TVDI方法及AMSR-E数据分析蒙古高原土壤湿度
作者: 学位授予单位: 郭利彪 内蒙古师范大学

本文链接:http://d.g.wanfangdata.com.cn/Thesis_Y1708514.aspx




友情链接: