第七讲 农业遥感

nullnull*null农用地资源的监测 遥感农作物估产 农业灾害监测与预测*null 遥感信息因其覆盖面大、实时性和现势性强、速度快、周期性和准确可靠以及省时、省力、费用低等优点，被广泛用于测定农用地的数量与质量的动态变化。 常用的农用地遥感监测 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 基本上分为两种：逐个像元比较法和分类后比较法。前者首先是对同一区域不同年份同一时相影像的光谱特征差异进行比较，确定农用地发生变化的位置，在此基础上，再采用分类的法来确定农用地变化信息 。该方法优点是先确定农用地变化的位置，缩小分类范围，提高监测速度。后者是针对整个监测区域的逐影像系列同一位置分类结果确定土地利用类型变化的位置和所属类型，其优点是可以回避前一种方法所要求的影像系列一致的条件，以及影像间辐射纠正、匹配等问题，但需要选择合适的分类方法来改善精度。 *null* 早期的作物估产主要是单因子的产量模型，即农学—气象产量预测模型、作物—生长模拟模型、经验统计模型等，也就是，传统的统计 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 与气象因子综合估算法。 20世纪70年代后期的遥感估产则是把遥感信息作为变量加入到估产模则中，建立遥感估产模型。在理论上探讨植物光合作用与作物光谱特征间的内在联系；在方法上，从单纯建立光谱参数与产量间的统计关系，发展到考虑作物生长全过程，将光谱的遥感物理机理与作物生理过程统—起来，建立基于成因分析的遥感估产模型，估产精度不断提高。null遥感估产需注意问题： (1)遥感估产需要作物生长全过程的光谱参数。由于构成产量的3个要素（穗数、粒数、千粒重）分别与作物不同生长期的植被指数有关。因此必须掌握作物生长全过程的光谱参数才能正确估产。而Landsat／TM的时间分辨率有限，故遥感估产除用TM外，还离不开短周期数据。过去把某一时段的遥感光谱参数或它的累加值与产量直接挂勾的模式尚有不足，如过于密植，光谱值增加，但产量并非增加。 (2)遥感估产主要运用遥感数据中反映植物光合作用的代表波段——可见光红波段和近红外波段， 说明 关于失联党员情况说明岗位说明总经理岗位说明书会计岗位说明书行政主管岗位说明书 遥感估产不仅直接抓住“光合作用”这一事物的本质，而且能给出定量分析数据——各种植被指数，它是单位面积光合作用的有效描述。 *null (3)遥感估产离不开地面实况的配合。遥感估产是建立遥感数据与产量构成要素间的内在联系。而这种内在联系是以地面样点试验为依据的。一方面遥感估产中遥感数据需要地面样点的定标，以建立模式；另一方面遥感估产的结果，又要地面样点的检验．所以遥感估产离不开地面实况的配合。 (4)遥感估产还需要积温值、日照时数、播种量、土壤含水量等非遥感的农学参数、气象参数的支持．所以在GIS支持下进行遥感与非遥感数据的综合分析是提高遥感估产精度的必要途径。 *null 遥感大面积作物估产主要涉及3方面 内容 财务内部控制制度的内容财务内部控制制度的内容人员招聘与配置的内容项目成本控制的内容消防安全演练内容 ：作物识别、作物面积提取、作物长势分析。在这3方面内容综合的基础上，建立不同条件的多种估产模式，进行作物的遥感估产。 1)作物识别与作物面积提取： 作物识别与作物面积提取，往往是结合进行的。其基本过程包括： (1)遥感数据的采集与预处理 根据区域分布、作物类别、农学历等特点，选择空间、波谱、时间分辨率相对应的遥感图像数据。 *作物估产涉及的内容null (2)作物专题信息的提取 常采用植被指数法提取作物专题信息。植被指数中包含有多种作物类别与作物长势方面的信息，如植物叶面积指数、叶绿素含量、植物覆盖度、生物量等，那么就可以通过植被指数来反演与作物估产模型有关的各种参数，如NDVI与作物覆盖度关系密切，可以有效地提取面积信息；RVI反映作物长势，可以提取生物量信息；PVI有效地滤去土壤背景及大气的干扰等。 由于不同自然地理单元内，作物的生长条件(光照、温度、降水、土壤等)和生长状况(包括自然与人为因素)在空间上会有很大差异。为了提高遥感估产的准确性．常按照作物生长环境及作物产量的区域分异规律，进行影像的分区、分类，以尽量保证同一区域内作物生长环境的一致性，并在分区的基础上进行作物专题信息的提取。 (3)作物面积提取及精度评价 *null* 2)作物长势分析及估产 植被指数（VI：Vegetation Index）：基于植被叶绿素在红色波段的强烈吸收以及在近红外波段的强烈反射，通过红和近红外波段的比值或线性组合实现对植被信息状态的表达。 比值植被指数RVI(Ratio VI) 归一化植被指数NDVI（Normalized VI） 差值植被指数DVI（Difference VI) 正交植被指数PVI（Perpendicular VI) 将作物的V I 值以时间为横坐标排列起来, 便形成了作物生长的V I 动态迹线, 它以最直观的形式, 反映了作物从播种、出苗、抽穗到成熟收割V I 的变化过程。作物种类不同, 其V I 曲线具有不同的特征, 同类农作物生长环境和发育状况的变化也会造成V I 时间曲线的波动。因此, 通过对农作物V I 时间曲线的分析, 可以了解作物的生长状况, 进而为作物产量的计算提供依据。 null 通过以上的作物遥感识别、作物专题信息提取、作物长势分析，提取了作物生长及与产量有关的参数，则可以建立包括统计模型、半经验模型和物理模型在内的多种遥感估产模型。 (1)统计模型 a)建立多波段遥感数据生成的遥感参数——植被指数VI(如NDVI、PVI等)与作物单产的统计关系(线性回归模型)。各类VI经数学运算，信息，并可能部分消除了大气、土壤的干扰，可与产量直接统计相关。 b)建立遥感参数VI与主要农学参数(LAI)的关系。通过农学参数建立估产模型，一般是以作物叶面积指数LAI作为中间媒介，如建立垂直植被指数PVI与LAI与穗数—穗粒数—千粒重等农学参数之间的线性关系等。但事实上，无论比值类植被指数(NDVI、RVI)，还是差值类植被指数(PVI、DVI)，均与叶面积指数LAI，并非简单的线性关系。 *null (2)半经验模型 半经验模型侧重于研究作物产量与作物生理过程的关系，即描述作物光合作用、呼吸作用、蒸腾作用等与作物干物质积累的关系。由于作物的可见光与近红外光谱的变化(累积植被指数)与作物冠层吸收光合有效辐射(FAPAR)能力有关，而它们又与干物质生产有关，因而可用于遥感作物估产。研究表明：在一定条件下,植物群体光合作用产物与遥感植被指数之间可用线性或准线性关系表示。 *null (3)物理模型 以作物生长过程动力模型为例，利用作物生长过程的 观测资料和环境气象资料，来模拟作物生长发育的基本生理过程——光合作用、呼吸作用、蒸腾作用、干物质转移与分配等，最终模拟作物产量的形成和累积。*null旱灾： 农业旱灾的发生常伴有作物根部土壤水分的匮乏，造成作物蒸腾作用受到抑制，作物叶片气孔关闭、温度升高，作物叶片的叶绿素含量下降甚至枯萎。因此，地表温度、植被指数可以作为农业干旱的指示因子用来监测作物干旱情况。 温度植被指数和植被供水指数采用地表温度和植被指数相互比值进行农业旱情监测，两指数同时考虑了地表温度和植被指数，具有操作简单、物理意义明显的优点，是我国当前广为采用的农业干旱遥感监测的方法。 *null* 洪灾： 严重的洪涝灾害发生常伴有淹没农田现象，可以利用归一化植被指数（NDVI）实现水灾面积的遥感提取。由于水体在可见光和近红外波段的反射率远远低于土壤和植被，所以水体的NDVI一般为负值，植被和土壤的NDVI则为正值，通过设定阈值实现水体面积的提取。作物受到洪涝灾害影响后，其正常生长过程受到抑制，在形态学上表现出叶子发黄、萎蔫等现象而区别于正常生长的作物。可以采用洪涝灾害前后的NDVI 进行对比分析，得出受洪涝影响的作物分布情况。 null病虫灾害： 病虫害影响的作物光谱表现为绿光波段的反射峰向红光波段移动，在可见光波段的光谱反射率高于正常作物，而在近红外波段，受害作物的光谱反射率要比正常作物光谱反射率低，陡坡效应不明显或消失。病虫害影响的作物光谱反射率的变化特征是遥感监测作物病虫害的理论基础。 *null应用：农业旱灾监测评价方法研究null旱灾研究的重要性 目前国内外提出的旱情监测方法 农业部旱情监测及问题 原因分析与可能的改进 旱情监测方法的改进 监测结果比较null一、旱灾研究的重要性实际应用意义：旱灾是人类面临的重大自然灾害之一。旱灾损失巨大，直接威胁农业可持续发展、国家粮食安全和农民增收 科学价值：旱灾的形成与发展有其内在的规律，目前旱灾机理、旱灾监测评价、抗灾减灾等方面还有很多问题有等进一步研究null2006年夏季重庆大旱null2006年夏季重庆大旱nullnullnull二、目前国内旱情遥感监测方法农业干旱成因：农田土壤供水不能满足作物正常生长需要旱情监测： 地面监测－－农田土壤水分监测 卫星遥感监测－－各种不同的表征指数null1、作物供水指数法：CWSI＝NDVI/TS 其中：CWSI是作物供水指数 　　　　　　　　　NDVI是归一化植被指数 　　　TS是作物叶面温度 原理：相同植被密度情况下，叶面温度越高，作物表现出来的缺水情况越大，因此，通过植被绿度值与温度比值，可以大体上反映作物的缺水情度，即作物旱情。null申广荣和田国良(1998)提出了作物缺水指数来表示干旱监测， DI＝1-Ed/Ep 式中Ed和Ep分别是实际日蒸散和潜在蒸散。 缺水指数法农田作物的蒸发和蒸散（蒸散），受多种因素的作用，温度、作物品种、辐射强度、风速、湿度、供水程度等，较难快速、准确估计null2、热惯量法土壤热惯量定义为是单位土壤容量的温度变化所需要的热量，研究表明水分是土壤热惯量变化的最重要因素。因此，通过土壤热惯量可以估计土壤含水量，进而判断农田旱情。SM＝f(I)其中：I是土壤热惯量，c是单位土壤热容量，A是地表反射率，Tmax和Tmin是白天最大温度和夜晚最小温度，SM是土壤含水量。null其它方法：距平植被指数法 植被条件指数法 温度植被指数法 条件植被温度指数法 作物水分胁迫指数法 表观热惯量法 地表蒸发法 地表热平衡法 高光谱遥感：反射率倒数的一阶微分法 主动微波遥感：基于微波反射亮温的土壤水分线性反演模型 null三、农业部旱情监测及问题null第一部分 数据预处理子系统 1.1 文件子菜单，1.2 卫星轨迹模拟，1.3 手动作业 1.4 自动作业，1.5 设置，1.6 帮助 第二部分 土壤墒情监测分析子系统 2.1 文件，2.2 查看，2.3 区域投影 2.4 植被指数，2.5 干旱指数 2.6 设置，2.7 实用工具 2.8 快捷方式功能 ，2.9 帮助系统功能核心模块null核心模块工作流程null例子：原方法所做CWSI合成图2005年3月下旬null例子：2005年3月下旬降水量分布图null3月下旬旱情监测结果与当旬降雨量的比较干旱降雨较多null方法本身问题：作物供水指数法 参数计算问题：NDVI和TS的计算四、原因分析和可能的改进现有的方法主要是作物供水指数法，热惯量法由于技术复杂还没有实际应用。NDVI和Ts两个基本参数的计算还有待进一步提高精度。目前所用Ts是简单算法的温度，与真正的地表温度还有较大误差。null1、方法本身问题：　CWSI＝NDVI/Ts 　　其中：CWSI是作物供水指数 　　　　　　　　　　　NDVI是归一化植被指数 　　　　　Ts是作物叶冠温度在监测的旬内，NDVI相对稳定，TS则是随着时间而变化。一天之内Ts可能有15度以上的变化。而各天卫星监测的时间不是十分相同，前后相差有1多钟头。并且，同一景图像，东面的时间与西面的时间相差也达1个钟头。并且，现在的计算基本上是以星上亮温来代表真正的地表温度。这就造成了这个方法在计算作物供水指数方面存在很多技术上的问题，从而造成了CWSI值在各天之间不可比性，多天合成之后的问题。2、参数本身问题：null五、旱情监测方法的改进方法改进的基本思路：遥感监测＋降雨因素 (一) 遥感监测：作物供水指数法的改进 (二) 降雨因素：降雨距平指数的改进改进目标：保证旱情监测基本趋势准确 改进原则：在现有基础上改进，方法不要太复杂，具有实际可操作性，能快速实现监测null(一) 作物供水指数法的改进： 1、供水指数与干旱程度：NDVI与干旱程度 2、作物供水指数的 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 化 3、温度：真正的地表温度450.820TsNDVI干旱湿润正常nullNDVITsCWSI=100＊NDVI/Ts湿润正常轻旱中旱重旱1、NDVI、Ts与旱情的关系分析null2、作物供水指数与农业旱情联系SDI是表示干旱情度的标准化作物供水指数，0-100 CWSId是最旱时的CWSI，取0.2 CWSIw是最湿润时的CWSI，取40100湿润重旱null3、温度：MODIS地表温度产品算法现有的算法：简单算法，假定大气和地表影响为常量 Ts=1.0346T31+2.5779(T31-T32)-10.05改进的算法：两因素分裂窗模型，假定大气和地表影响随观测时间不同而变化的分裂窗算法，大气透过率参数和地表比辐射率参数从同一景MODIS图像其它波段中反演这两个算法之间相差达2－3°C，从而使CWSI的计算有达半个到一个数量级的差异，例如从轻旱到正常。null Ts=A0+A1T31-A2T32 MODIS地表温度反演的两因素分裂窗算法3个参数：亮度温度 Ti，大气透过率i和地表比辐射率inull*亮度温度 Tinull*大气透过率inull*地表比辐射率inullMODIS地表温度产品的计算过程null(二) 降雨因素的考虑1、根据降雨计算干旱程度指数：降雨距平指数SRI是降雨距平指数，SRI越大越湿润 R是该旬降雨量 Rw是该旬多年平均降雨量 R＞2Rw时，取SRI＝100null不仅考虑当旬，而且还考虑最近8旬（3个月）的降雨影响 MSRI=A0*SRI0+A1*SRI1+ A2*SRI2+A3*SRI3+ 　　　　a4*SRI4+….+ a8*SRI8 MSRI是考虑降雨因素的干旱指数，0-100 SRI0和A0是当旬的降雨距平指数及其权重 当SRI0＝100时，取MSRI＝SRI0，当旬降雨相当多2、历史降雨因素的考虑null各旬降雨距平指数的权重null（三）两指数耦合与旱情划分农业旱情指数：作物供水指数和降雨距平指数的耦合DI＝B1*SDI+B2*MSRI其中：DI是农业旱情指数，0－100表示非常干旱到非常湿润 SDI是当旬多日合成的标准化作物供水指数， B1是其权重，取0.5 MSRI是考虑多旬降雨因素的干旱指数，B2是其权重，取0.5null六、监测结果比较2005年5月下旬降水距平分布图null遥感影像合成图（原方法2005年5月下旬）问题：云南不旱，贵州四川旱，与实际不符null遥感影像合成图（改进的方法）null2005年5月下旬监测结果图null2005年农业旱情监测结果null2005年3月null2005年4月null2005年5月null2005年6月null2005年7月null2005年8月null2005年9月null2005年10月null*城市遥感null*1 制作城市图像 2 城市土地利用现状调查 3 城市人口普查 4 城市环境质量调查 null*1 制作城市图像 包括卫星遥感图像制作、航空像片镶嵌、计算机制图及彩红外正射影像图研制等。利用遥感资料使用光学或计算机技术可制作不同种类、各种比例尺的专题图或影像图，以满足不同使用者的需求。 2 城市土地利用现状调查 当前，城市用地共分为十个大类，分别是: 居住用地、 公共设施用地、工业用地、仓库用地、对外交通用地、道路广场用地、市政公用设施用地、绿地、特殊用地、水域和其他用地。 3 城市人口普查 在定性、定量、定位的调查了城市各种土地利用现状后，可迅速而准确地获得城市的总建筑密度、住宅房屋密度等城市用地特征参数。而城市居住建筑密度与人口分布密度往往有着某种必然的联系，因此，可以以住房密度作为变量用于人口普查、人口统计学等方面的研究。 null*4 城市环境质量调查 4.1 固体废弃物调查 由于固体废弃物自身的物理化学分解作用，其温度一般比周围地面的温度要高，所以在航空热红外图像上表现出明显的色调特征，从而可以利用遥感图像对固体废弃物进行有效的调查。 4.2 热污染调查 城市热污染主要包括由于臭氧层被破坏致使的“温室效应”和表现为城市市区温度高于郊区的“热岛效应”。利用热红外遥感，对城市的热辐射进行白天和夜间扫描，通过影像判读分析，可以查明城市热源、热场位置和范围，并对城市热岛的分布规律、形态特征等进行研究。 4.3 水污染调查 由于溶解或悬浮于水中的污染物成分、浓度不同，使水体的颜色、密度、透明度、温度产生差异，导致水体反射率的变化，因而在遥感图像上表现出色调、灰阶、纹理特征等方面的差别。例如，工厂中排出的冷却污水比环境水温高，在多光谱图像和热红外图像中有明显的反映，密度分割后即可确定热水污染的范围。油膜反射率和水的反射率不同，且主要差别发生在0.30微米和0.45微米之间，所以利用一般彩色或紫外航空航天摄影资料可获得最佳效果，计算出油污染的面积。