ENVI土壤湿度遥感反演与干旱灾害监测
遥感建模与应用综合实习
实验报告
学期2017-2018学年第二学期
姓名
学号
指导教师闵爱莲
实验题目:土壤湿度遥感反演研究
1.实验目的
1.1熟悉遥感图像大气校正、几何校正的流程，掌握NDVI的计算及密度分割的过程。
1.2 学会利用TM热红外波段反演地表温度，了解TVDI的原理，制图输出黄骅市TVDI图像。
1.3 掌握基本的统计学评价指标（R2值、相关系数、线性拟合模型精度评价等），建立干旱指数TVDI和土壤相对湿度之间的关联模型。
2.实验要求
2.1 大气校正，几何校正后NDVI计算并制图输出。
2.2地表温度反演；Ts-NDVI散点图制作；TVDI指数计算；除云、除水、除建筑物，保留植被区域的TVDI。
2.3建立TVDI和土壤相对湿度之间的关联模型。模型精度评价。土壤相对湿度制图。
3.实验数据
TM200205图像、BASE IMAGE图像、研究区矢量边界图。
4.实验步骤:
4.1图像预处理以及NDVI制图。
①大气校正。本实验选择黑暗像元法进行大气校正。打开TM200205,快速统计图像DN值，记录7个波段每个波段的黑暗像元。本实验选择DN值像元个数为十位数时对应的DN值作为黑暗像元DN值。所有像元均减去此黑暗像元的DN,达到校正目的。所依据原理为认为黑暗像元的辐射记录值为0，且认为图像各处大气影响一致，之所以不为0是由于大气程辐射的影响，减去此DN，即为整体消除大气程辐射的影响。
②几何校正。加载并打开base image和TM200205图像，基于Map下的图
像到图像校正方法进行几何校正。以base image为基准图像，以TM200205为待校正图像。本实验选择20个地面同名地物点作为控制点，总的均方根误差为0.8257个像元，选择的原则是：控制点要分布均匀，图像边缘部分要多选取。选择大桥桥头、河流拐弯处、道路交叉口、机场等易于区分且不易随时间变化太大的地物。
几何位置变换公式为多项式变换，二次多项式。重采样方法为线性插法。
③裁剪图像。基于ENVI菜单栏下的Basic 工具里的裁剪数据功能进行，空间子集选择边界图层。裁剪之后，用边界图层.evf文件数据进行腌膜，得到研究区数据，其他地方为0值。
④NDVI计算。基于公式（float（b1）-float（b2））/（b1+b2）或者Transform 功能下的NDVI计算工具直接进行计算。
⑤NDVI密度分割。将NDVI从-0.6800~0.4208全部分为8类，外加一个0~0，即背景值，赋值为white
⑥制图输出。在Annotation下设置图名、图例、指北针、比例尺。需要指出的是，本实验在图例方面只加8个（不加0~0的图例），所有汉字均采用ENVI 字体中的161~180里的KaiTi，所有英文全部采用Roman3字体，输出如图：
4.2热红外地温反演及TVDI制作（以下所有公式均在Band Math下输入）。
①单位光谱围幅亮度值Rb。输入公式：
(B1*(1.896-0.1534)/255+0.1534)/1.239
②地温计算，用传感器温度表征地表温度Ts。输入公式：
1260.56/alog(60.766/B1+1)
③图像MNDWI计算。输入公式：
（float（b1）-float（b2））/（b1+b2）
式中，B1为绿光波段，B2为短波红外波段（第五波段）。
④TVDI指数计算原理。
植被指数NDVI 是利用植被对太阳辐射各光谱波段的吸收和反射作用，得出反映植被生长状况的信息，因此可作为干旱监测的一种指标，但其监测作物干旱状态具有一定的滞后性；而地表温度Ts的实时性强，却易受到周围地物的影响，因此常将两者综合起来研究干旱。
Price 和Carlson 等研究首先发现，如果研究区的植被覆盖度和土壤湿度值变化较大，则获得的植被指数NDVI 和地表温度Ts所形成的散点图呈三角形关系，其中NDVI 作为横坐标，Ts作为纵坐标。Moran 等则分析NDVI 和Ts的散点图为梯形关系。Sandholt等通过研究简化的NDVI-Ts 三角形空间，提出了温度植被干旱指数TVDI，用以估算土壤含水状况。
NDVI-Ts特征空间的示意图,体现了Ts与NDVI的关系。TVDI值为1是干边( Dry edge), 代表土壤缺水；TVDI 值为0则是湿边( Wet edge)，具有最大的土壤蒸发蒸腾总量和无限的水分供应，反映了土壤水分的两个极端状态。
Sandholt等[14] 首先提出了温度植被干旱指数( Temperature Vegetation Dryness Index, TVDI )的概念。其表达式为:TVDI=(Ts-Tsmin)-(Tsmax-Tsmin)
本实验只统计NDVI对应下的Tsmin和Tsmax。NDVI只选择>0的部分。得到干边方程为：
Tsmax= -36.779*NDVI+323.55,R方值为0.9564
Tamin= 65.614*NDVI+268.99，R方值为0.9621
代码：pro TVDI
;读取NDVI
fn=pickfile(title='??NDVI???')
openr,lun,fn,/get_lun
ndvi=fltarr(2205,1814)
readu,lun,ndvi
tvscl,ndvi,order=1
free_lun,lun
;读取Temperatu r?
fn1=pickfile(title='Temperature')
openr,lun1,fn1,/get_lun
wendu=fltarr(2205,1814)
readu,lun1,wendu
tvscl,wendu,order=1
free_lun,lun1
;设置ndvi步长及组数
a=max(ndvi)
b=min(ndvi)
step=0.01
n=ceil((a-b)/step)
;
mini=fltarr(n)
maxi=fltarr(n)
;?
for i=0,n-1do begin
mini[i]=b+i*step
maxi[i]=mini[i]+step
endfor
minimum=fltarr(n)
maximum=fltarr(n)
for i=0,n-1do begin
temp1=where(ndvi gt mini[i] and ndvi lt maxi[i])
if n_elements(temp1) eq1then begin
temp2=0
endif else begin
temp2=wendu[temp1]
endelse
minimum[i]=min(temp2)
maximum[i]=max(temp2)
endfor
plot,mini,minimum,psy=2
oplot,maxi,maximum,psym=2
data=fltarr(3,n_elements(mini))
data[0,*]=transpose(mini)
data[1,*]=transpose(minimum)
data[2,*]=transpose(maximum)
openw,lun2,'d:/TVDI000.txt',/get_lun
printf,lun2,data,format='(f10," ",f20," ",f20)'
free_lun,lun2
END
如图：
⑤TVDI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))
⑥云检测。本实验判定Ts<290K的部分为云，因此做一个云腌膜文件，Data min设为290，非云为1，云为0。
⑦水体检测。本实验判定MNDWI>0.40的部分为水体，因此做一个水体腌膜文件，Data max设为0.40，非水为1，水为0.
⑧NDVI<0检测。原理同上，去除建筑物。
⑨得到最后的TVDI图像。输入公式：
B1*B2*B3*B4，B1…B4依次对应上面⑥、⑦、⑧及TVDI图像。
⑩TVDI密度分割，制图输出，步骤同4.1⑥。如图：
4.3土壤湿度遥感反演。
①土壤站点矢量图生成。在Arcmap中加载X/Ydata，选择实测土壤湿度文件.txt，字段要对应好，此处不详细介绍，坐标系选择WGS-1984,，生成图层，导出shapfile文件。
②ENVI打开矢量图层，生成evf文件。加载生成的evf文件到TVDI窗口图像中，在“可以使用的矢量列表中”选择导出evf图层到ROI，属性文件为TVDI.
③获取土壤湿度对应经纬度下的TVDI值。在ENVI下启动ROI工具，导入生成的ROI文件。导出ROI文件到ASCII文件，属性文件依旧选择TVDI.
④将生成的文本文档和实测土壤湿度文本文档用EXCEL打开，按空格顺序打开。按照经度升序排列，选取前70对数据建立模型，拟合模型得到线性模型为y=-0.8225*x+0.8375 ,R方值为0.6857，X为TVDI，Y为土壤湿度。70对数据相关系数为-0.82805，查表知，其通过了0.001的显著性检验，置信度为99.9%，可以使用。
⑤用剩余的20对数据作为模型检验的数据。代入上述公式，得到遥感反演土壤湿度数据，计算得MSE为0.243569，RMSE为0.091851.
⑥基于公式：-0.8225*B1+0.8375 对TVDI图层进行土壤湿度反演。
基于公式(B1 eq 0.8375)*0+(b1 ne 0.8375)*B1做云水体建筑物的掩膜。进行密度分割，得到结果。
5.实验总结
通过本次实验，认识了常用的遥感图像格式，掌握了遥感图像几何校正、研究区裁切、NDVI、TVDI 、土壤湿度反演计算等流程，深入领会到了图像密度分割以及遥感制图技术方法，收获颇多，感闵爱莲老师对本次学生实验中的指导！
利用微波遥感监测反演裸露 地表湿度
利用微波遥感监测反演裸露 地表湿度 （2008.12 M.R.Feng） 摘要：本文主要讲叙微波遥感在反演土壤湿度方面的应用，其中主要是针对于主动微波遥感的方法，文中简单介绍了主被动微波遥感监测土壤表面湿度的原理，即基于干燥土壤和水体之间介电常数的巨大差异，重点在于如何区分土壤表面湿度和粗糙度信息，本文简单介绍了加拿大学者M.R.Sahebi和J.Angles基于RadarSat-1数据，利用多角度方法来反演地表参数(湿度和粗糙度)，通过比较三个经验模型(GOM、OM、MDM)模拟效果，最后MDM得到了较好的结果。 关键词：土壤湿度；微波遥感；粗糙度；反演 1 引言 1.1研究背景 土壤湿度是水文、农业、气象的主要基础信息，也是进行土地退化评价等生态环境研究的重要指标。土壤湿度与土壤的风蚀、水蚀等有着密切的关系。土壤湿度的研究方法可分为传统方法和遥感方法两大类。与传统的土壤水分监测方法相比，飞速发展的遥感技术手段监测土壤水分具有许多不可替代的优势，包括快速、实时、长时期动态大区域监测以及良好的时间空间分辨率。随着遥感技术的不断创新，遥感反演土壤湿度的方法也成为研究热点[1]。 土壤水分的监测由于受到面积大、监测环境条件等的限制，使实地测量的方法不能广泛应用，一些传统的土壤水分监测的方法已经不能满足要求，需要新的、快速的方法来实现。遥感技术具有快速、有效、宏观的等优点，在大面积土壤水分监测中具有明显的优势，而且遥感获取数据周期短可以实现土壤含水量短周期内的动态监测。目前土壤水分的遥感监测已经有许多的研究，并且形成了许多的理论和方法，各种方法都有自己的优势和特点，主要从不同的监测指标来实现土壤水分的监测，因此在监测精度与实用性上存在着很大的差别。目前遥感监测土壤水分的主要方法和模型也有不少，比如说表观热惯法、作物缺水指数法、距平植被指数法。但是利用微波遥感反演地表湿度是比较常见的方法，本文主要是讲叙微波遥感在监测地表湿度方面的应用，特别是对裸露的地表。 1.2研究现状 微波土壤水分遥感研究始于20世纪80年代, 其中最具代表性的是Ulaby利用试验数据得出土壤后向散射系数的主导因素为粗糙度和含水量。80年代后, Dobson和Ulaby利用车载、高塔、航空平台的微波数据研究了土壤湿度反演的最佳工作模式, 并一致认为小角度入射后向散射系数对土壤湿度最敏感。随着微波散射模型不断发展, 相继出现微波散射的小扰动模型、几何光学模型、物理光学模型、双尺度模型和积分方程模型A IEM。Doboson等在物理模型和试验研究
遥感变化监测 流程
多时相土地利用/覆盖变化监测研究 方法及数据选取 土地是一个综合的自然地理概念，它处于地圈-生物圈-大气圈相互作用的界面，是各种自然过程和人类活动最为活跃的场所。地球表层系统最突出的景观标志就是土地利用和土地覆盖( Land Use and Land Cover)。由于土地利用和土地覆盖与人类的生活、生产息息相关，而人类活动正以空前的速度、幅度和空前规模改变着陆地环境。人类对土地资源的利用引起的土地利用和土地覆盖的变化是全球环境变化的重要因素之一，也是地球表面科学研究领域中的一个重要分支。因此，土地利用和土地覆盖的动态监测（Land Use and Land Cover Monitoring）是国内外研究的热点，也是当前全球变化研究计划的重要组成部分。 由多时相遥感数据分析地表变化过程需要进行一系列图像处理工作，大致包括：一、数据源选择，二、几何配准处理，三、辐射处理与归一化，四、变化监测算法及应用等。 一、遥感数据源的选取 不同遥感系统的时间分辨率、空间分辨率、光谱分辨率和辐射分辨率不同，选择合适的遥感数据是变化监测能否成功的前提。因此，在变化监测之前需要对监测区域内的主要问题进行调查，分析监测对象的空间分布特点、光谱特性及时相变化的情况，目的是为分析任务选择合适的遥感数据。同时，考虑到环境因素的影响，用于变化监测的图像最好是由同一个遥感系统获得，如果由于某种原因无法获得同一种遥感系统在不同时段的数据，则需要选择俯视角与光谱波段相近的遥感系统数据。 1时间分辨率 这里需要根据监测对象的时相变化特点来确定遥感监测的频率，如需要一年一次、一季度一次还是一月一次等。同时，在选择多时相遥感数据进行变化监测时需要考虑两个时间条件。首先，应当尽可能选择用每天同一时刻或者相近时间的遥感图像，以消除因太阳高度角不同引起的图像反射特性差异；其次，应尽可能选用年间同一季节，甚至同一日期的遥感数据，以消除因季节性太阳高度角不同和植物物候差异的影响。 2空间分辨率 首先要考虑监测对象的空间尺度及空间变异的情况，以确定其对于遥感数据的空间分辨率的要求。变化监测还要求保证不同时段遥感图像之间的精确配准。因此，最好是采用具有相同瞬时视场（IFOV）的遥感数据，如具有同样空间分辨率的TM图像之间就比较容易配准在一起。当然也可以使用不同瞬时视场遥感系统获取的数据，如某一日期的TM图像（30m ×30m）与另一日期的SPOT图像（20m×20m），来进行变化监测，在这种情况下需要确定一个最小制图单元20m×20m，并对这两个图像数据重采样使之具有一致的像元大小。 一些遥感系统按不同的视场角拍摄地面图像，如SPOT的视场角能达到±27°，在变化监测中如果简单采用俯视角明显不同的两幅遥感图像，就有可能导致错误的分析结果。例如，对一个林区，不均匀地分布着一些大树，以观测天顶角0°拍摄的SPOT图像是直接从上向下观测到树冠顶，而对于一幅以20°观测角拍摄的SPOT图像所记录的是树冠侧面的光谱反射信息。因此，在变化监测分析中必须考虑到所用遥感图像观测角度的影响，而且应当尽可能采用具有相同或相近的俯视角的数据。 3光谱分辨率 应当根据监测对象的类型与相应的光谱特性选择合适的遥感数据类型及相应波段。变化监测分析的一个基本假设是，如果在两个不同时段之间瞬时视场内地面物质发生了变化，则不同时段图像对应像元的光谱响应也就会存在差别。所选择的遥感系统的光谱分辨率应当足
多源遥感数据反演土壤水分方法
多源遥感数据反演土壤水分方法 张友静1,王军战2,鲍艳松3 (11河海大学水文水资源与水利工程科学国家重点实验室,江苏南京 210098;21中国科学院寒区旱区环境与工程研究所, 甘肃兰州 730000;31南京信息工程大学大气物理学院,江苏南京 210044) 摘要:基于AS AR 2APP 影像数据和光学影像数据,根据水云模型研究了小麦覆盖下地表土壤含水量的反演方法。利用T M 和MOD I S 影像构建的植被生物、物理参数与实测小麦含水量进行回归分析,发现T M 影像提取的归一化水分指数(NDW I )反演精度较好,相关系数达到0187。根据这一关系,结合水云模型并联立裸露地表土壤湿度反演模型,建立了基于多源遥感数据的土壤含水量反演模型和参数统一求解方案。反演结果表明:该方案可得到理想的土壤水分反演精度,并可控制参数估计的误差。反演土壤含水量和准同步实测数据的相关系数为019,均方根误差为3183%。在此基础上,分析了模型参数的敏感性,并制作了研究区土壤缺水量分布图。 关键词:土壤含水量;多源遥感数据;水云模型;AS AR;多尺度 中图分类号:P33819 文献标志码:A 文章编号:100126791(2010)022******* 收稿日期:2009203209 基金项目:国家自然科学基金资助项目(40701130;40830639) 作者简介:张友静(1955-),男,江苏南京人,教授,主要从事遥感机理与方法研究。E 2mail:zhangyj@hhu 1edu 1cn 土壤含水量是地表和大气界面的重要状态参数,并直接影响地表的热量和水量平衡,因而受到水文、气象和农业灌溉等多个学科的关注。微波土壤水分遥感研究始于20世纪80年代,其中最具代表性的是U laby 利用试验数据得出土壤后向散射系数的主导因素为粗糙度和含水量 [1]。80年代后,Dobs on 和U laby 利用车载、高塔、航空平台的微波数据研究了土壤湿度反演的最佳工作模式,并一致认为小角度入射后向散射系数对土壤湿度最敏感[2]。随着微波散射模型不断发展,相继出现微波散射的小扰动模型、几何光学模型、物 理光学模型、两尺度模型和积分方程模型A I E M 。Dobos on 等在物理模型和试验研究的基础上各自建立了经验和半经验模型,成功地反演了裸土的土壤含水量 [324]。2000年以来,随着Rardrsat,E NV I S AT AS AR 传感器发射,基于卫星雷达数据的土壤湿度反演逐步开展。李震等综合主动和被动微波数据,建立一种半经验模型,用于估算地表土壤水分的变化 [526]。研究表明AS AR 数据在半干旱区农田土壤湿度反演方面具有独特的优势[729]。 在植被覆盖条件下,微波信号的组成十分复杂。研究提取植被覆盖下的土壤湿度信息的重点在于如何有效的分离出植被对微波的散射信号,以便用土壤的后向散射信号估算植被覆盖下的土壤含水量。直接用多频同步微波遥感数据通过理论模型或数值模拟求解植被对微波的散射信号[9],具有很好的同步性和物理意义。但遥感数据获取较为困难,同时求解所需的地面同步观测的数据要求很高,因而区域尺度的监测应用还有待深入研究。根据植被的生物、物理特征与植被散射信号之间的关系,采用同步光学遥感数据反演植被散射信号是近年来的研究热点[9211]。但在植被特征参数表达农作物后向散射信号的能力评价、模型参数的识别以及整体求解方案等方面的研究较少。此外,为满足土壤水分监测和灌溉决策的需求,还需研究不同时空分辨率数据反演植被散射信号的能力。本文根据水云模型,研究多尺度下不同植被特征参数与小麦含水量的关系,采用将所有参数放入统一框架下估算的策略,构建了结合光学和微波遥感数据的土壤水分估算模型,并分析了模型参数的敏感性。经准同步实测数据检验,小麦覆盖下土壤水分的估算达到了较高的精度。 第21卷第2期 2010年3月 水科学进展ADVANCES I N WATER SC I ENCE Vol 121,No 12 M ar .,2010
遥感反演土壤湿度的主要方法
遥感反演土壤湿度的主要方法 遥感反演土壤湿度根据波段的不同分为3类：微波遥感土壤湿度法；作物植被指数法；热红外遥感监测法（主要是应用热惯量模型）。 1.1 微波遥感土壤湿度法 分主动微波遥感监测法和被动微波遥感监测法两种。此方法物理基础坚实，即土壤的介电特性 和土壤含水量密切相关，水分的介电常数大约为80，干土仅为3，它们之间存在较大的反差。土壤的介电常数随土壤湿度的变化而变化，表现于卫星遥感图像上将是灰度值G亮度温度Tb的变化。因此，微波遥感土壤水分的方法被广泛地应用于实际的监测工作中。 1.1.1 主动微波遥感监测法 以应用x波段侧视雷达为主，主要是后向反射系数法。因为含水量的多少直接影响土壤的介电常数，使雷达回波对土壤湿度反映极为敏感，据此可建立后向散射系数和土壤水分含量之间的函数关系。国内李杏朝据微波后向反射系数法，用x波段散射计测量土壤后向反射系数，与同步获得的X 波段、HH极化机载SAR图像一起试验监测土壤水分；田国良等在河南也应用此方法也进行土壤水分研究。主动微波遥感土壤水分精度较高，且可以全天候使用，成为监测水分最灵活、最适用、最有 效的方法，随着大量的主动微波遥感器的卫星（ERS系列、EOS、SAR、Radar sat、ADEOS、TRMM 等）的发射升空，将使微波遥感的成本不断下降，逐渐被应用于实践 1.1.2 被动微波遥感监测法 原理同主动微波遥感法。值得指出，植被在地表过程研究中的影响突出，为了消除植被的影响，必须同时重视植被的遥感监测，建立相关的计算模型。Teng等通过实验得出在浓密植被覆盖区土壤湿度监测中应避免使用19GHZ波段，此时SMMR 的6.6GHZ波段比SSM／I的19GHZ在遥感监测土壤湿度信息方面的精度更高。说明在植被较密时，为了消除植被对土壤湿度反演的影响，应尽量 选择波段较长的微波辐射计。 1.2 作物植被指数法 采用此方法是基于植被在可见光部分叶绿素吸收了70％-90％红光，反射了大部分绿光，而由 于叶肉组织的作用，后行叶片在近红外波段的反射较强。通过各光谱波段所反射的太阳辐射的比来 表达，这就叫植被指数。常用的植被指数有：归一化植被指数（Normal Difference Vegetation Index, NDVI）、比值植被指数（Ratio Vegetation Index, RVI）距平植被指数（Average Vegetation Index, AVI）和植被条件指数（Vegetation Condition Index，VCI）。 1.3 热红外遥感监测法 土壤热惯量和土壤水分的关系密切，即土壤水分高，热惯量大，土壤表面的昼夜温差小，反之 亦然。热红外遥感手段主要利用地表温度日变化幅度、植被冠层和冠层空气温差、表观热惯量、热 模型（蒸散比）估测土壤含水量[5]。 土壤热惯量法是土壤热特性的综合性参数，定义为： P = tCm (1) (1)式中：P为热惯量（J/m2 k?S1/2）；ρ为密度（kg/m3 ）；C为比热（J/kg?k）；λ为热导率。在实际工作中，常用表观热惯量来代替P： ATI=(1一A)／(Td-Tn) (2) 式中：Td、Tn分别为昼夜温度，A为全波段反照率。
遥感监测技术方案(特选参考)
农业生态遥感监测的内容为2014年北京市1期冬小麦面积监测，2014年北京市2期玉米（春、夏玉米）面积监测，2014年北京市4期设施农业占地面积，2014年秋季露地菜面积监测。具体的生产流程如下： 1、专题信息获取 专题信息主要指北京市冬小麦、玉米、设施农业、秋季菜田四类专题，具体监测方法和生产流程如下： 1.1专题监测方法 （1）小麦、玉米监测 小麦监测北京市2014年冬小麦数据，以2014年4-5月遥感影像为主；玉米监测2014年北京市玉米，以2014年6-9月遥感影像为主，具体的技术方法如下：在综合考虑北京市地形特点，小麦、玉米种植结构特点的基础上，经过对小麦、玉米种植物候，遥感生产的经验总结和对多种数据的对比、分析，提出一套基于“分目标、分区域、分数据、分技术”的“四分”技术方法，融生产标准规范、质量控制体系和用户响应机制为一体的小麦、玉米播种面积统计统计遥感调查方法。该方法按照一定的分层指标将北京市行政村进行划分，再对不同层级的村执行不同的数据计划和技术对策，最后采取分层抽样法评估信息提取结果的精度，并对未满足精度要求的区域进行成果修订（图1-1）。
业务需求与 统计制度 基于行政村成果的分层抽样 数据 采集 及预 处理 综合信息数据库 基于行政村的种植规模分区 分区现势影像数据采集与处理 信息 提取 及修 订 基于种植规模的不同提取方法 外业调查和内业修订 满足内业信息提取精度 成果 精度 评估外业调查及精度评估 成果 整理 矢量数据和统计报表标准化 分析反推修订 达标 未达标 分 目 标 ， 分 区 域 ， 分 数 据 ， 分 技 术 标 准 规 范 与 质 量 控 制图1-1 总体技术路线图 为提高小麦、玉米播种面积统计遥感调查精度，充分发挥多源数据及人机交互解译的能力，研究出基于“四分”总体技术方法的小麦、玉米专题统计遥感生产流程。“四分”技术：指“分目标、分区域、分数据、分技术”。四分技术是对按照一定标准划分的区域，分别采取不同的目标、数据和技术策略，使信息提取更具有针对性、有效性，达到提高精度的目的。具体包括两大关键技术：解译分区技术体系和精度评估技术。 1）人机解译分层技术 根据北京市小麦、玉米分布范围，结合北京市地形特点和小麦、玉米种植特点，将分布区分为三大带：“山区带、丘陵带、平原带”。继而根据所分的三大区域，进一步研究小麦、玉米的种植特点和光谱纹理特征，结合地形地势、分布趋势、地块破碎程度、地块大小、占耕地面积以及解译难易程度等多方面指标，通过定性定量相结合将北京市小麦、玉米种植区域进一步细化区分，针对不同区域采用不同的目标、数据和技术策略，抓住重点、难点，优化目前提取方法，提高小麦、玉米统计遥感调查精度。
土壤水分遥感监测方法进展
第!"卷， 第#期中国农业资源与区划$%&’!"，(%’#，))*+,*-!..*年.+月/%0123&%4567238917:0&;013&<=>%01:=>32?<=97%23&@&322729/02=，!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!..*?技术方法? 土壤水分遥感监测方法进展 邓辉，周清波 （中国农科院资源区划所，北京A ...B A ）摘要该文全面地回顾了目前国内外遥感监测土壤水分的方法和研究进展，比较和评价了热惯量法、微 波法、热红外法、距平植被指数法、植被缺水指数法、植被供水指数法等方法的优缺点和应用范围，并对 土壤水分遥感监测方法的发展趋势进行了分析和展望。关键词旱情监测土壤水分热惯量法微波法植被缺水指数方法回顾收稿日期：!..#,.#,#.邓辉为硕士生周清波为研究员 一、引言 干旱（农业干旱）是指：作物生长过程中因供水不足，阻碍作物的正常生长而发生的水量供应不平衡现象，即农田土壤含水量降低到影响农作物的正常生长发育。干旱是我国农业的一大威胁，在各种自然灾 害中造成的损失列为首位。据统计，我国农业自然灾害的近+.C 是干旱造成的，每年有近"D .万6E !耕地受旱减产，占播种面积的"’B +C ，按减产#.C !".C 的轻灾计算，每年直接经济损失达*亿!D 亿元。探讨一套客观、动态、实时的土壤水分监测方法，对于各级政府和领导及时了解旱情程度和分布，采取有效的防、抗措施，科学的指导农业生产，具有重要意义。 传统的旱情监测方法，主要是根据有限的旱情测量站点测定土壤水分含量来监测土壤水分。经典的土壤水分测量方法主要有称重法、中子水分探测法、快速烘干法、电阻法、F G <法（时域反射）等，因采样速度慢而且花费大量人力物力，范围有限。传统方法难以满足实时、大范围监测的需要。随着遥感技术的迅速发展，多时相、多光谱、高光谱遥感数据反映了大面积的地表信息，这些信息从定位、定量方面反映了土壤水分状况。 二、监测土壤水分的方法和进展 （一）热惯量法 水分有较大的热容量和热传导率使较湿的土壤具有较大的热惯量，而这一热惯量可由光学遥感监测地表温度的变化得到。热惯量法也是国内研究较多的一种方法。 国外：H 3;>%2等人［A ，!］（A -D A ，A -D *）最早应用了热模型；A -D B 年热容量制图卫星（I 5JJ ）发射 成功，随后具有较高分辨率的F K 利用ENVI软件反演土壤湿度指数 晏红波 2015-03-20 0. 绪论 土壤湿度在陆地与大气界面进行水分和能量的交换过程中起重要作用，同时对农作物的生长起决定性作用，而且影响着土地退化、植被覆盖，是气候、生态、水文、农业等多个领域的重要参数。区域性和大尺度的陆地土壤湿度变化信息对于陆气交互作用平衡和陆面水文研究、改善区域及全球气候模式预报结果、水涝和干旱的监测、农作物生长态势评估、自然和生态环境问题的研究等都是十分关键的因素。因此，研究区域性和大尺度的陆地土壤湿度变化情况意义重大，这也是当前国际研究的热点问题之一。 传统的土壤湿度监测方法包括烘干称重法、中子仪探测法、电阻法等，虽然可以比较准确地监测小范围内的土壤含水量，但是需要耗费较大的人力和时间，时效性不高，而且不能完全反映出较大区域内的土壤含水量的情况，不能用于大范围土壤水分的监测。利用遥感手段反演土壤湿度可以实现全区域大面积的实时动态监测，因此利用遥感手段监测土壤湿度越来越引起人们的重视。 常用的遥感波段包括可见光，近红外，热红外以及微波等。不同波段反演土壤湿度所用的反演方法也不同。 1. 遥感反演土壤湿度的主要方法 遥感反演土壤湿度根据波段的不同分为3类：微波遥感土壤湿度法；作物植被指数法；热红外遥感监测法（主要是应用热惯量模型）。 （1）微波遥感土壤湿度法 分主动微波遥感监测法和被动微波遥感监测法两种。此方法物理基础坚实，即土壤的介电特性和土壤含水量密切相关，水分的介电常数大约为80，干土仅为3，它们之间存在较大的反差。土壤的介电常数随土壤湿度的变化而变化，表现于卫星遥感图像上将是灰度值G亮度温度Tb的变化。因此，微波遥感土壤水分的方法被广泛地应用于实际的监测工作中。 A 主动微波遥感监测法 以应用x波段侧视雷达为主，主要是后向反射系数法。因为含水量的多少直接影响土壤的介电常数，使雷达回波对土壤湿度反映极为敏感，据此可建立后向散射系数和土壤水分含量之间的函数关系。国内李杏朝据微波后向反射系数法，用x波段散射计测量土壤后向反射系数，与同步获得的X波段、HH极化机载 土壤水分的遥感监测 摘要：针对日益严重的全球干旱问题，本文从水分监测领域出发进行研究。从国内外各种研究方法的比较及传统方法和遥感监测方法的比较中突出遥感监测的优越性。从遥感监测的各种方法分述，对比出气各自适用的范围和优缺点。联系实际和GIS技术的发展，提出该技术的进步空间。 一、研究土壤水分监测的意义 近百年来全球变化最突出的特征就是气候的显著变暖，这种气候变化会使有些地区极端天气与气候事件如干旱、洪涝、沙尘暴等的频率与强度加强增加。中国气候变暖最明显的地区在西北、华北和东北地区，特别是西北变暖的强度高于全国平均值，使得夏季干旱化和暖冬比较突出。新世纪以来尤为明显：2000年多省干旱面积大，达4054万公顷，受灾面积6.09亿亩，成灾面积4.02亿亩。建国以来可能是最为严重的干旱。 2003年江南和华南、西南部分地区江南和华南、西南部分地区发生严重伏秋连旱，其中湖南、江西、浙江、福建、广东等省部分地区发生了伏秋冬连旱，旱情严重。 2004年我国南方遭受53年来罕见干旱，造成经济损失40多亿元，720多万人出现了饮水困难。 2005年华南南部、云南严重秋冬春连旱，云南发生近50年来少见严重初春旱。 2006年重庆旱灾达百年一遇，全市伏旱日数普遍在53天以上，12区县超过58天。直接经济损失71.55亿元，农作物受旱面积1979.34万亩，815万人饮水困难。 2007年全国22个省全国耕地受旱面积2.24亿亩，897万人、752万头牲畜发生临时性饮水困难。中央财政先后下达特大抗旱补助费2.23亿元。 2008年云南连续近三个月干旱，云南省农作物受灾面积现达1500多万亩。仅昆明山区就有近1.9万公顷农作物受旱，13多万人饮水困难。 2009年华北、黄淮等15个省市连续3个多月，华北、黄淮、西北、江淮等 农业生态遥感监测的容为2014年北京市1期冬小麦面积监测，2014年北京市2期玉米（春、夏玉米）面积监测，2014年北京市4期设施农业占地面积，2014年秋季露地菜面积监测。具体的生产流程如下： 1、专题信息获取 专题信息主要指北京市冬小麦、玉米、设施农业、秋季菜田四类专题，具体监测方法和生产流程如下： 1.1专题监测方法 （1）小麦、玉米监测 小麦监测北京市2014年冬小麦数据，以2014年4-5月遥感影像为主；玉米监测2014年北京市玉米，以2014年6-9月遥感影像为主，具体的技术方法如下：在综合考虑北京市地形特点，小麦、玉米种植结构特点的基础上，经过对小麦、玉米种植物候，遥感生产的经验总结和对多种数据的对比、分析，提出一套基于“分目标、分区域、分数据、分技术”的“四分”技术方法，融生产标准规、质量控制体系和用户响应机制为一体的小麦、玉米播种面积统计统计遥感调查方法。该方法按照一定的分层指标将北京市行政村进行划分，再对不同层级的村执行不同的数据计划和技术对策，最后采取分层抽样法评估信息提取结果的精度，并对未满足精度要求的区域进行成果修订（图1-1）。 图1-1 总体技术路线图 为提高小麦、玉米播种面积统计遥感调查精度，充分发挥多源数据及人机交互解译的能力，研究出基于“四分”总体技术方法的小麦、玉米专题统计遥感生产流程。“四分”技术：指“分目标、分区域、分数据、分技术”。四分技术是对按照一定标准划分的区域，分别采取不同的目标、数据和技术策略，使信息提取更具有针对性、有效性，达到提高精度的目的。具体包括两大关键技术：解译分区技术体系和精度评估技术。 1）人机解译分层技术 根据北京市小麦、玉米分布围，结合北京市地形特点和小麦、玉米种植特点，将分布区分为三大带：“山区带、丘陵带、平原带”。继而根据所分的三大区域，进一步研究小麦、玉米的种植特点和光谱纹理特征，结合地形地势、分布趋势、地块破碎程度、地块大小、占耕地面积以及解译难易程度等多方面指标，通过定性定量相结合将北京市小麦、玉米种植区域进一步细化区分，针对不同区域采用不同的目标、数据和技术策略，抓住重点、难点，优化目前提取方法，提高小麦、玉米统计遥感调查精度。 遥感建模与应用综合实习 实验报告 学期2017-2018学年第二学期 姓名 学号 指导教师闵爱莲 实验题目:土壤湿度遥感反演研究 1.实验目的 1、1熟悉遥感图像大气校正、几何校正的流程,掌握NDVI的计算及密度分割的过程。 1、2 学会利用TM热红外波段反演地表温度,了解TVDI的原理,制图输出黄骅市TVDI图像。 1、3 掌握基本的统计学评价指标(R2值、相关系数、线性拟合模型精度评价等),建立干旱指数TVDI与土壤相对湿度之间的关联模型。 2.实验要求 2、1 大气校正,几何校正后NDVI计算并制图输出。 2、2地表温度反演;Ts-NDVI散点图制作;TVDI指数计算;除云、除水、除建筑物,保留植被区域的TVDI。 2、3建立TVDI与土壤相对湿度之间的关联模型。模型精度评价。土壤相对湿度制图。 3.实验数据 TM200205图像、BASE IMAGE图像、研究区矢量边界图。 4.实验步骤: 4、1图像预处理以及NDVI制图。 ①大气校正。本实验选择黑暗像元法进行大气校正。打开TM200205,快速统计图像DN值,记录7个波段每个波段的黑暗像元。本实验选择DN值像元个数为十位数时对应的DN值作为黑暗像元DN值。所有像元均减去此黑暗像元的DN,达到校正目的。所依据原理为认为黑暗像元的辐射记录值为0,且认为图像各处大气影响一致,之所以不为0就是由于大气程辐射的影响,减去此DN,即为整体消除大气程辐射的影响。 ②几何校正。加载并打开base image与TM200205图像,基于Map下的图像到图像校正方法进行几何校正。以base image为基准图像,以TM200205为待校 1、专题信息获取 专题信息主要指北京市冬小麦、玉米、设施农业、秋季菜田四类专题，具体 监测方法和生产流程如下： 1.1专题监测方法 （ 1）小麦、玉米监测 小麦监测北京市 2014 年冬小麦数据，以 2014 年 4-5 月遥感影像为主；玉米监测 2014 年北京市玉米，以 2014 年 6-9 月遥感影像为主，具体的技术方法如下： 在综合考虑北京市地形特点，小麦、玉米种植结构特点的基础上，经过对小麦、玉米种植物候，遥感生产的经验总结和对多种数据的对比、分析，提出一套基 于“分目标、分区域、分数据、分技术”的“四分”技术方法，融生产标准规范、 质量控制体系和用户响应机制为一体的小麦、玉米播种面积统计统计遥感调查方法。该方法按照一定的分层指标将北京市行政村进行划分，再对不同层级的村执行不同 的数据计划和技术对策，最后采取分层抽样法评估信息提取结果的精度，并对未满 足精度要求的区域进行成果修订（图 1-1 ）。 数据业采集 及预务处理需 信息求提取 及修与订统 成果计精度 评估制 度成果 整理 综合信息数据库 基于行政村的种植规模分区 分区现势影像数据采集与处理 基于种植规模的不同提取方法 外业调查和内业修订 满足内业信息提取精度 基于行政村成果的分层抽样 外业调查及精度评估 未达标 达标 分析反推修订 矢量数据和统计报表标准化 标 分 目准 标 ， 分 规 区 域范 ， 分 数 与 据 ，质 分 技 术量 控 制图 1-1 总体技术路线图 为提高小麦、玉米播种面积统计遥感调查精度，充分发挥多源数据及人机交互解译的能力，研究出基于“四分”总体技术方法的小麦、玉米专题统计遥感生 产流程。“四分”技术：指“分目标、分区域、分数据、分技术”。四分技术是对按照一定标准划分的区域，分别采取不同的目标、数据和技术策略，使信息提取更具有针对性、有效性，达到提高精度的目的。具体包括两大关键技术：解译分 区技术体系和精度评估技术。 1）人机解译分层技术 根据北京市小麦、玉米分布范围，结合北京市地形特点和小麦、玉米种植特点，将分布区分为三大带：“山区带、丘陵带、平原带” 。继而根据所分的三大区域，进一步研究小麦、玉米的种植特点和光谱纹理特征，结合地形地势、分布趋势、地块破碎程度、地块大小、占耕地面积以及解译难易程度等多方面指标，通 过定性定量相结合将北京市小麦、玉米种植区域进一步细化区分，针对不同区域采用不同的目标、数据和技术策略，抓住重点、难点，优化目前提取方法，提高 小麦、玉米统计遥感调查精度。 土壤 (Soils, 2004, 36 (2: 219~221 使用ＭＯＤＩＳ数据监测土壤湿度 郭广猛赵冰茹 ( 中国科学院地理科学与资源研究所北京 100101 MONITORING SOIL MOISTURE CONTENT WITH MODIS DATA GUO Guang-meng ZHAO Bing-ru (Institute of Geography Science and Natural Resource Research, Chinese Academy of Science, Beijing 100101 摘要土壤湿度是水文学、气象学以及农业科学研究领域的一个重要参数，目前使用遥感来监测土壤湿度主要用NOAA/AVHRR数据和微波数据，使用MODIS 数据的研究还不多见。本文采用MODIS 数据，根据水的吸收率曲线提出使用中红外波段来监测土壤湿度。通过在内蒙古地区的实地调查，回归分析表明MODIS 第7波段的反射率与地面湿度之间有较好的线性关系，因此认为使用MODIS 数据进行大面积土壤湿度监测是可行的。 关键词 MODIS；土壤湿度；中图分类号TP75 土壤湿度是水文学、气象学以及农业科学研究领域的一个重要参数。大面积土壤湿度的监测是农业水管理以及农作物旱情预报的一个重要内容，同时区域尺度乃至全球尺度的土壤信息是陆面过程模式研究必不可少的一个参量，对改善区域及全球气候模式预报结果起着重要的作用[1]。 传统的土壤湿度测量方法，主要是从有限的地面观测点来测定土壤含水量，例如烘干法、中子法、TDR 法等[2]，因其采样速度较慢且花费的人力、物力较大，难以大范围推广应用。气象卫星可以迅速、大面积、多时相地获取地面信息，为土壤湿度监测提供了一种新的手段，其中以NOAA/AVHRR数据应用最为广泛 生态环境遥感监测方案 遥感技术作为目前一种先进的信息采集方式，具有信息量大、成本低和快速的特点，是生态环境监测中非常重要的技术手段。遥感集市运用遥感技术进行矿区生态环境动态监测，为合理开发矿产资源提供基础性数据资料，实现矿产资源的可持续发展，是生态环境领域研究的重要课题。 矿区生态环境问题包括：对地表的破坏、对土地的占用和破坏，对自然景观的影响和破坏，造成“三废”污染，破坏水资源、造成水土流失，诱发或孕育滑坡、泥石流、冲击地压、矿震等动力地质、环境地质问题，噪声和振动污染，热污染等。目前，国内外已有许多科学工作者利用遥感技术对矿区生态环境监测做了研究：一方面，是利用不同时相的波段组合图、指数变化图和土地覆盖类型变化图来体现地表信息的变化，从而进行矿区生态环境动态监测，但往往是定性或半定量分析，并且多是单个大面积的矿区，对于大范围分布零散的矿区研究甚少；另一方面，是将遥感信息与其他调查数据（如土质、水质等数据）相结合，具体研究采矿引起的土质变化、水质变化、地表变形等，虽然细致、透彻，但费时、费力。 针对湖北大冶矿区分布零散的特点，应该采用多时相陆地卫星遥感数据，首选遥感集市高分数据，在不同波段组合和各种指数运算应用的基础上，分析各类地表地物具体光谱特征和空间特征，用基于知识的决策树的方法进行分类，得到具有高精度的分类结果图，然后基于不同时相分类结果的变化检测，通过对研究区水体污染、矿区复垦、耕地变化等的定量分析，进行了湖北大冶矿区生态环境监测的研究。 遥感数据的获取和预处理 湖北大冶面积为1400km2，属亚热带季风气候区。由于20世纪的 80年代到90年代是矿区开采的相对高峰期，并且由此引起的生态环境问题有一定滞后效应，同时为了减少季节上产生的误差，而夏季植被丰富，易于区分矿区和植被类型，本文从现有的资料中选取有代表性的1986年7月底、1994年11月的TM 影像和2002年 9月初的ETM 影像进行处理和分析比较（其中1994年 TM影像因季节差异仅作矿区的比较）。 由于地面站在接收信号时根据遥感平台、地球、传感器的各种参数进行的几何校正，还不能满足专业解译和综合分析的需要，本文以 !,- 万比例尺的地形图作为参考坐标，对湖北大冶矿区的遥感影像进行几何精校正。纠正时在图像和地形图上分别均匀 杭州电子科技大学毕业设计开题报告 题目土壤湿度无线Wi-Fi采集器研制学院电子信息学院 专业电子信息工程 姓名吕山 班级13041815班 学号13041610 指导教师蔡文郁 一、选题综述 1、选题背景： 随着人类社会的发展，人类社会对于水的需求量越来越大，水在社会中的作用越来越大。水是生命之源，没有水就没有生命。水是地球上最丰富的资源，虽然地球上的水总体积约有13亿8600万立方千米，但是淡水只有3500万立方千米左右。我国是一个干旱缺水严重的国家，我国的人均水资源量只有2300立方米，仅为世界平均水平的1/4，是全球人均水资源最贫乏的国家之一。然而，中国又是世界上用水量最多的国家。那么面对水资源短缺的问题我们应该怎么办呢？面对资源问题，一般采取的办法一是开源；二是节流。开源指的是开发或寻找另外一种能源代替水资源，但是现如今还不能找到另外一种资源来代替。其二，节流指的是节约资源提高资源的利用效率。农业用水占据的我国用水的绝大部分。但是，我国的农业水利用率低于世界平均水平，提高农业用水的利用率就较为关键了。 2、提高农业水资源的利用率： 实时了解土壤湿度是提高水资源利用率的关键，土壤湿度：土壤湿度表示一定深度土层的土壤干湿程度的物理量。土壤湿度的高低受农田水分平衡各个分量的制约。要提高农业水的利用率，前提是要知道土壤的湿度，知道在合适的时间提供水，知道土壤的湿度就显得十分迫切了。土壤湿度的几个主要测量方法有（1）负压计法：使用负压计测定。当未饱和土壤吸水力与器内的负压力平衡时，压力表所示的负压力即为土壤吸水力，再据以求算土壤含水量。（2）中子法：使用中子探测器加以测定。中子源放出的快中子在土壤中的慢化能力与土壤含水量有关，借助事先标定，便可求出土壤含水量。 3、土壤湿度检测现在的发展以及未来的发展方向： （1）当代土壤湿度检测前沿——卫星遥感检测： 微波遥感监测土壤湿度方法可分为被动式和主动式遥感两种。主动式遥感是通过测量雷达后向散射系数来实现目标特性参数的测量。不同含水量的土壤介电特性不同，其雷达回波信号也不同。据此可建立后向散射系数和土壤含水量的关系。 （2）未来的发展方向——物联网： 随着计算机以及无线网络技术的发展，人们迎来物联网时代。物联网即是物物相连，基于物联网的土壤湿度检测系统具有数据准确、监控实时和海量存贮等特点。未来应用前景十分广大。 4、小型土壤湿度检测器的运用前景： 实现供水智能化，降低人体劳动，提高水资源利用效率，节约水资源，降低农业长期成本，使我国的农业现代化水平显著提高。将广泛运用于室内盆栽、小型作物。未来市场经济效益十分可观，具有广泛的可实现性。 二、研究的基本内容，拟解决的主要问题： 江西省2017年度土地利用变更调查与遥感监测项目预算绩效评价报告 从2010年度开始，为了保持第二次全国土地调查数据的现势性，在全国范围内采用新机制、新方法开展年度土地变更调查与遥感监测工作。土地变更调查工作是对自然年度内的全省土地利用现状、权属变化，以及各类用地管理信息，进行调查、监测、核查、汇总、统计和分析等。 开展全省土地利用变更调查与遥感监测省级核查任务工作是为了保障全省土地变更调查工作顺利进行，有序开展，保证全省土地变更调查成果质量，及时更新省级土地调查数据库，汇总分析全省年度土地利用变化情况，为国土资源“批、供、用、补、查”日常管理及经济社会发展提供基础资料。 江西省国土资源勘测规划院申报了2017年省财政厅拨款的江西省2017年度土地利用变更调查与遥感监测项目，投资金额258万元。为科学、客观、全面、规范地评价专项资金使用绩效，及时总结经验，分析存在问题及原因，为相关部门决策、管理提供参考依据，江西省国土资源厅组织了项目绩效评价。 遵循“客观、公正、科学、规范”的原则，依据“绩效导向，突出结果”的评价思路，江西省国土资源厅组织具有丰富调查经验、绩效评价和财务管理等方面的专业理论与实践经验的专 家组成绩效评价小组，经过查阅资料、不断研究完善等过程，制定了涵盖产出指标、效益指标、服务对象满意度指标、预算资金执行率共4项一级指标、9项二级指标及25项三级指标。 综合本项目的绩效指标完成情况、2017年度资金使用情况、项目组织管理及项目效益实现情况，本项目绩效评价自评得分98分，评分等级优秀。总体上达到了专项资金预设的绩效目标，政策实施效果良好，群众满意度较高。 一、项目基本情况 （一）项目概况 1、立项背景及目的 为准确掌握2017年度江西省土地利用实际变化情况，持续更新全省土地调查数据，充分发挥土地管理参与国民经济的宏观调控作用，实施最严格的耕地保护和节约集约用地等土地管理制度，按照《中华人民共和国土地管理法》、《土地调查条例》、《土地调查条例实施办法》和《全国土地变更调查工作规则（试行）》，全省开展了2017年度土地利用变更调查与遥感监测工作，省级国土部门负责组织开展全省土地利用变更调查与遥感监测工作，负责全省工作进度、成果质量检查。按照国土资源部的统一部署和要求，江西省2017年度土地利用变更调查与遥感监测项目由江西省国土 国土遥感监测技术方法 保护耕地是我国必须长期坚持的一项基本国策。除采用强有力的法律、行政、经济、规划等手段严格治本之外,还需要采用高新技术对国土利用状况进行动态监测。 随着近代航空航天技术的发展与成熟,运用遥感技术进行大面积、大规模、实时、动态的国土等地球资源信息的采集已成为可能。遥感信息是地表各种地物要素的真实反映,能清晰地显示各种国土利用类型的特征与分布;同时，遥感集市上影像数据的实时准确性又可为国土利用动态监测提供丰富的可供定性定量分析的信息。 1 监测概念对象及目的 所谓国土利用动态监测,即将不同时相(至少两个时相)的国土利用数据进行对比,从空间和数量上分析其动态变化特征和未来发展趋势。国土利用遥感动态监测是基于同一区域不同年份的图像间存在着光谱特征差异的原理,来识别国土利用状态或现象变化的过程。其本质是对图像系列时域效果进行量化,通过量化多时相遥感图像空间域、时间域、光谱域的耦合特征,来获得国土利用变化的类型、位置和数量等内容。 国土利用动态监测包含监测区域内的全部国土资源,能提供各国土利用类型的数量、质量、空间分布等动态信息。我国目前主要是对耕地和建设用地等国土利用变化情况进行及时、直接、客观的定期监测,检查国土利用总体规划及年度用地计划执行情况。重点是核查每年国土变更调查汇总数据,为国家宏观决策提供比较可靠的依据;对违法或涉嫌违法用地的地区及其他特定目标等进行的日常快速监测,可为违法用地查处及突发事件处理提供依据。 2 监测方法 遥感动态监测主要涉及图像预处理和国土利用变化信息提取,并相应有图像预处理方法和国土利用变化信息提取方法。 2.1 遥感图像预处理方法遥感图像预处理是为了更好地提取国土利用变化信息,处理效果的好坏直接决定国土利用动态监测的精度。 2.1.1 图像几何精度校正这项工作是校正遥感图像记录的数据,使之具有与实际地物一致的空间位置和相应光谱分布。常用的方法是一般齐次多项式。校正过程:先通过地面控制点数据对原始遥感图像的几何畸变过程进行数学模拟,建立原始畸变图像空间与几何标准空间的数学对应关系,再利用这种数学关系将畸变图像空间中的全部元素转换为标准空间中的元素。应当注意所用地形图比例尺应接近基本监测图的成图比例尺。 2.1.2 图像的增强处理将原来不清晰的图像变得清晰或把人们感兴趣的某些特征强调出来(同时抑制不感兴趣的特征)的图像处理方法称为图像增强。增强方法有多种,如直方图调整、直方图线性扩展、滤波及主成分分析等。但值得指出,图像增强处理专门性很强,不存在对所有问题效果都好的增强方法。 2.1.3波段最佳组合 通过分析遥感集市上数据的光谱信息结构,比较各波段信息量,计算各波段信息的相关性,利用Sheffield提出的雪氏熵值法,进行最佳波段的选择,是一种全面、简便、效果好的方法。 在原始空间中取一点或若干点,按一定的准则组合成标准空间中对应点的数值,比较准确地再现原始图像空间中反映的地物光谱特性。常用的重采样方法有最邻近法、双线性差值法和三次卷积法。在这3种方法中,尤以三次卷积法为佳。在数学上,它实际上是抽样函数的 关于地质灾害调查与监测中遥感技术的应用 摘要：遥感技术是一门新兴技术，在地质灾害方面的预测和治理方面是有效的，而且是可行的。遥感技术可以贯穿于地质灾害调查、监测、预警、评估的全过程。而今，随着遥感技术理论的逐步完善，以及遥感图像空间分辨率、时间分辨率与 波谱分辨率的不断提高，遥感技术必将成为地质灾害及其孕灾环境宏观调查以及 灾体动态监测和灾情损失评估中不可缺少的手段之一。但是要全面推广遥感技术 在地质灾害中的应用，目前尚存在一定的困难和技术缺陷，有待于广大遥感工作 者和地质灾害工作者不断完善。 关键词：遥感技术；地质灾害调查；监测 1地质灾害遥感监测主要内容 地质灾害遥感监测关键内容归纳起来有下面几点： （1）分析映射地质环境和地质灾害体的电磁数据，探明它们在现有多种高光谱或多光谱 遥感图像上的表现。（2）对多种地质环境与地质灾害体的电磁信息分类，查询最好的特征 信息，给灾害分析、遥感监测提供依据。（3）选用粗、细、精空间分辨率及长、中、短时 间分辨率的遥感数据与非遥感数据的融合，构建遥感动态监测系统。（4）选用“多S”集成科技，研究以主题数据库为重心的地质灾害遥感监测信息系统。（5）编写土地利用图、植被 和别的覆盖分布图、并对地质灾害危害性作出预评估处理。（6）参考地质灾害调查资料， 经由遥感解译，参考必要的地面调查，编写1：10000灾害地质图，并构建灾害地质空间数 据库对其管理。（7）对可能出现的新的地质灾害体依次识别、预测、评价，编写示范区 1：10000 灾害点分布及别的相关图件。 2 遥感技术调查地质灾害的内容 2.1遥感技术在地质灾害现状调查与区划方面的作用 地质灾害作为一种特殊的不良地质现象，无论是滑坡、崩塌、泥石流等灾害个体，还是 由它们组合形成的灾害群体，在遥感图像上呈现的形态、色调、影纹结构等均与周围背景存 在一定的区别。因此，对崩、滑、泥等地质灾害的规模、形态特征及孕育特征，均能从遥感 影像上直接判读圈定。在此基础上进行地质灾害区划，划分地质灾害易发区域，评价易发程度，为防治地质灾害隐患，建立地质灾害监测网络提供基础资料。 2.2 遥感技术能够调查与研究的孕灾背景 利用遥感技术有效地调查研究地质灾害孕灾背景，是地质灾害调查中最基础而又最重要 的工作内容：①时日降水量；②多年平均降水量；③地面坡度；④松散堆积物的厚度及分布；⑤构造发育程度（控制岩石破碎程度和稳定性）；⑥植被发育状况；⑦岩土体结构 （反映岩土体抗侵蚀、破碎的能力）；⑧人类工程活动程度。由于气象卫星可以实时监测降 雨强度与降水量，陆地资源卫星不仅具有全面系统的调查地表地物的能力，其红外波段及微 波波段还具有调查分析地下浅部地物特征的作用。因此，在上述8种孕灾背景中，第①与第②种可通过气象卫星与地面水文观测站调查统计，其它因子可通过陆地资源卫星并结合适当 的实地踏勘资料得以查明。 2.3 遥感技术对灾情实时调查与损失评估提供可靠的技术手段 地质灾害的破坏包括人员与牲畜伤亡。村庄、工矿、交通下线、桥梁、水工建筑等财产 损失以及土地、森林、水域等自然资源的毁坏。利用遥感技术进行地质灾害调查，除人员与 牲畜伤亡难以统计外，高分辨率的遥感影像对工程设施和自然资源的毁坏情况均可进行实时 或准实时的调查与评估，为抢灾救灾工作提供准确依据。 2.4 遥感技术对地质灾害动态监测与预警 地质灾害的发生是缓慢蠕动的地质体（如滑坡体等）从量变到质变的过程。一般情况下，地质灾害体的蠕动速率是很小而且稳定的，当突然增大时预示着灾害的即将到来。由于全球 卫星定位系统（GPS）的差分精度达毫米级，可以满足对蠕动灾体测的精度要求。因此，利 用卫星定位系统可以全过程地进行地质灾害动态监测，在此基础上有效地行地质灾害的预测、预报甚至临报和警报。 3 遥感技术在地质灾害中的应用ENVI土壤水分反演 流程
土壤水分的遥感监测
遥感监测技术方案
ENVI土壤湿度遥感反演及干旱灾害监测
遥感监测技术方案.docx
使用MODIS数据监测土壤湿度解析
生态环境遥感监测方案
无线WiFi土壤湿度检测器的研制
省2017年度土地利用变更调查与遥感监测项目预算绩效评
国土遥感监测技术方法
关于地质灾害调查与监测中遥感技术的应用