ENVI土壤湿度遥感反演及干旱灾害监测.docx

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TVDI2.3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、BASEIMAGE图像、研究区欠量边界图4. 实验步骤：4.1图像预处理以及NDVI制图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是由丁大气程辐射的影响，减去此DN,即为整体消除大气程辐射的影响① 几何校正加载并打开baseimage和TM200205图像，基丁Map下的图像到图像校正方法进行几何校正以baseimage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、道路交义口、机场等易丁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内插法② 裁剪图像基丁ENVI菜单栏下的Basic工具里的裁剪数据功能进行，空问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③ NDVI计算基丁公式(float(b1)-float(b2))/(b1+b2)或者Transform功能下的NDVI计算工具直接进行计算④ NDVI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white⑤ 制图输出。

在AnnotationT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)，所有汉字均米用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：黄龄柬NDVI密度分割图CreatedBy闩表2(1151335009K>.6SW—0.5424<54?4~0.4C4B，」.，心白C.2o/2-0.1296—0.OOEO0,“U560.14540.渤7① 4.2热红外地温反演及TVDI制作(以下所有公式均在BandMath下输入)单位光谱范围内幅亮度值Rb输入公式:② (B1*(1.896-0.1534)/255+0.1534)/1.239地温计算，用传感器温度表征地表温度Ts输入公式:③ 1260.56/alog(60.766/B1+1)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)④ TVDI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NDV的关系TVD值为1是干边(Dryedge),代表土壤缺水；TVDI值为0则是湿边(Wetedge),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(TemperatureVegetationDrynessIndex,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TsmaxNDVI只选择＞0的部分得到干边方程为：Tsmax=-36.779*NDVI+323.55,R方值为0.9564Tamin=65.614*NDVI+268.99,R方值为0.9621代码：proTVDI;读取NDVIfn=pickfile(title='??NDVI???')openr,lun,fn,/get_lunndvi=fltarr(2205,1814)readu,lun,ndvitvscl,ndvi,order=1free_lun,lun;读取Temperatur?fn1=pickfile(title='Temperature')openr,lun1,fn1,/get_lunwendu=fltarr(2205,1814)readu,lun1,wendutvscl,wendu,order=1free_lun,lun1;设置ndvi步长及组数a=max(ndvi)b=min(ndvi)step=0.01n=ceil((a-b)/step);mini=fltarr(n)maxi=fltarr(n);?J・fori=0,n-1dobeginmini[i]=b+i*stepmaxi[i]=mini[i]+stependforminimum=fltarr(n)maximum=fltarr(n)fori=0,n-1dobegintemp1=where(ndvigtmini[i]andndviltmaxi[i])ifn_elements(temp1)eq1thenbegintemp2=0endifelsebegintemp2=wendu[temp1]endelseminimum[i]=min(temp2)maximum[i]=max(temp2)endforplot,mini,minimum,psy=2oplot,maxi,maximum,psym=2data=fltarr(3,n_elements(mini))data[0,*]=transpose(mini)data[1,*]=transpose(minimum)data[2,*]=transpose(maximum)",f20)'openw,lun2,'d:/TVDI000.txt'，/get_lunprintf,lun2,data,format='(f10,"",f20,"free_lun,lun2END如图:0.000.050.100.150.200.250.300.350.400.450.500.55NDVI♦Tmin■Tmax线性(Tmin)线性(Tmax)⑤ TVDI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，Datamin设为290,非云为1,云为0⑦ 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，Datamax设为0.40,非水为1,水为0.⑧ NDVI<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 土壤站点欠量图生成在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② ENVI打开欠量图层，生成evf文件加载生成的evf文件到TVDI窗口图像中，在“可以使用的欠量列表中”选择导出evf图层到ROI，届性文件为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，届性文件依旧选择TVDI.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④ 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0.091851.⑤ 基丁公式：-0.8225*B1+0.8375对TVDI图层进行土壤湿度反演基丁公式(B1eq0.8375)*0+(b1ne0.8375)*B1做云水体建筑物的掩膜进行密度分割，得到结果黄弊市干芋监测图尸业干基中度干竿HR「¥正常湿润罪常;¥.同201513350095.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、NDVLTVDI、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，感谢闵爱莲老师对本次学生实验中的指导！#。