搜索
植被指数与植被指数与农田干旱遥感监测模型农田干旱遥感监测模型北京大学地球与空间科学学院北京大学地球与空间科学学院秦其明秦其明20082008--0707--0808报告内容报告内容zz植被指数模型植被指数模型zz农田干旱遥感监测模型农田干旱遥感监测模型绿色植物的光谱反射率曲线绿色植物的光谱反射率曲线土壤－植被的光谱反射率曲线土壤－植被的光谱反射率曲线土壤－植被的主要光谱反射特点土壤－植被的主要光谱反射特点植被植被叶绿素在叶绿素在0.50.5——0.70.7μμｍ可见光波段有ｍ可见光波段有22个强吸个强吸收谷收谷,,其反射率较小其反射率较小((一般小于一般小于20%);20%);在在0.70.7——1.31.3μμｍ的近红外波段ｍ的近红外波段,,反射率较大反射率较大,,可达可达60%60%土壤土壤在可见和近红外波段内，土壤的反射率一般在可见和近红外波段内，土壤的反射率一般都是随波长的增加而增加都是随波长的增加而增加植被指数植被指数::按所用波段划分按所用波段划分两个波段的植被指数两个波段的植被指数SRSR，，NDVINDVI，，MSRMSR，，SAVISAVI…………三个波段的植被指数三个波段的植被指数ARVIARVI，，SARVISARVI，，RSRRSR…………()()ρρρρnrnr−+ρρnrρρρρnrnr−+11ρρρρnrnr−+ρρnra−⋅ansoilrsoil=ρρ,,NameFormulaReferenceNDVIRouseetal.,1974SRJordan,1969MSRChen,1996RDVIRoujeanandBreon,1995WDVI,Clevers,1989两个波段的植被指数两个波段的植被指数()()()ρρρρnrnrLL−+++1L=05.()()()LLrnrn+++−ρρρρ1LNDVIWDVI=−⋅⋅1212.()()ρρρρnnnr+−+−−050522..()()()ηηρρ102501251−⋅−−−..rr()ηρρρρρρ=−++++215050522nrnrnr...()()ρρρρnrnr22−+NameFormulaReferenceSAVI,Huete,1988SAVI1,Qietal.,1994SAVI2GEMI,Pinty&Verstraete,1992NLIGoel&Qin,1994两个波段的植被指数两个波段的植被指数()()rbnrbnρρρρ+−)(rbrrbρργρρ−−=()()()LLrbnrbn+++−ρρρρ1L=05.())5.761(5.2brnrnρρρρρ−++−())1()(minmaxminssssrnrnρρρρρρρρ−−−+−)1(minmaxminssssrnρρρρρρ−−−NameFormulaReferenceARVIKaufmanandTanre,1992SARVI,LiuandHuete,1995SARVI2Hueteetal.,1996MNDVINemanietal.,1993RSRBrownetal.,1999三个波段的植被指数三个波段的植被指数距离植被指数比值植被指数角度植被指数PVI，DVIWDVIRVINDVIRDVISAVIMSAVIARVISAVI2TSAVISARVI，MSARVIEVIMVIMODIS非线性植被指数GEMIAVI植被指数植被指数::按发展历程划分按发展历程划分农田干旱遥感监测模型农田干旱遥感监测模型农田干旱遥感监测建模思路农田干旱遥感监测建模思路主要的农田干旱监测遥感模型主要的农田干旱监测遥感模型基于多维光谱特征空间干旱建模基于多维光谱特征空间干旱建模模型实现模型实现农田干旱遥感监测建模思路农田干旱遥感监测建模思路农田干旱是指农田生态系统水循环中，水分收农田干旱是指农田生态系统水循环中，水分收入量小于支出量，水分亏缺使农田供水量在一入量小于支出量，水分亏缺使农田供水量在一定的时间段内不能满足作物需水量的现象定的时间段内不能满足作物需水量的现象农田干旱会在遥感影像上呈现独特的光谱特征农田干旱会在遥感影像上呈现独特的光谱特征从可见光、近红外、热红外和微波波段中提取从可见光、近红外、热红外和微波波段中提取能够表征农田生态特征的遥感信息能够表征农田生态特征的遥感信息,,构建基于多构建基于多维光谱特征空间的农田干旱模型库维光谱特征空间的农田干旱模型库Red-Nir垂直植被指数（PDI）改进的垂直植被指数（MPDI）植被条件反照率干旱指数（VCADI）短波红外垂直干旱指数（SPDI）基于多维光谱特征空间的干旱建模基于多维光谱特征空间的干旱建模NirNir--RedRed光谱空间分布特征光谱空间分布特征利用利用ETM+ETM+数据构建数据构建的的NIRNIR––RedRed光谱光谱特征空间散点图呈特征空间散点图呈典型的三角形分布典型的三角形分布NirNir--RedRed光谱空间分布特征光谱空间分布特征干土干土湿土湿土水体水体高植被覆盖高植被覆盖低植被覆盖低植被覆盖裸土壤裸土壤NirNir--RedRed光谱空间分布特征光谱空间分布特征BB--CC为土壤基线，并由为土壤基线，并由BB至至CC土壤渐干土壤渐干NirNir--RedRed光谱空间分布特征光谱空间分布特征詹志明、秦其明、阿布都瓦斯提詹志明、秦其明、阿布都瓦斯提..吾拉木、汪冬冬吾拉木、汪冬冬..基于基于NIRNIR--RedRed光谱特征空间光谱特征空间的土壤水分监测新方法的土壤水分监测新方法..中国科学中国科学(D(D辑辑::地球科学地球科学),36),36(11):(11):10201020--10261026..垂直干旱指数垂直干旱指数（（PerpendicularDroughtIndex,PDIPerpendicularDroughtIndex,PDI））在在NirNir--RedRed光谱特征空间光谱特征空间上，过原点作土壤线的垂线上，过原点作土壤线的垂线LL，，从任何一个点到直线从任何一个点到直线LL的距离可以说明地表的干旱的距离可以说明地表的干旱情况，即离情况，即离LL线越远地表越线越远地表越干旱，反之亦然。干旱，反之亦然。一般来说，最接近一般来说，最接近LL线的线的空间都是水体或较湿区域空间都是水体或较湿区域分布。远离分布。远离LL线的空间都线的空间都是较干旱的区域。是较干旱的区域。21()1rednirPDIRMRM=++利用利用NirNir--RedRed特征空间上的任意一点到直线特征空间上的任意一点到直线LL的距离的距离来描述干旱的状况，建立一个基于来描述干旱的状况，建立一个基于NirNir--RedRed光谱空间光谱空间特征的干旱监测模型，即垂直干旱指数特征的干旱监测模型，即垂直干旱指数PDIPDI。。式中，式中，MM是是NirNir--RedRed特征空间土壤线的斜率，特征空间土壤线的斜率，RRredred和和RRnirnir分别表示特征空间任一点红光和近红外波分别表示特征空间任一点红光和近红外波段的反射率。段的反射率。AbduwasitAbduwasitGhulamGhulam,,QimingQimingQin,Qin,ZhimingZhimingZhan.(2007).DesigningoftheZhan.(2007).Designingoftheperpendiculardroughtindex.perpendiculardroughtindex.EnvironmentalGeologyEnvironmentalGeology,52(6):1045,52(6):1045--1052.1052.以宁夏回族自治区为研究区域以宁夏回族自治区为研究区域,,选择选择20052005年年66月月1818日日1km1km分辨率分辨率MODISlevelMODISlevel--1B1B影像影像,,计算计算PDIPDI比较了同步实测的比较了同步实测的00～～20cm20cm平均土壤湿度数据和平均土壤湿度数据和对应的干旱因子对应的干旱因子TCITCI和和NDVI/LSTNDVI/LST（（TVXTVX）及）及PDIPDI之间的相关关系之间的相关关系发现发现PDIPDI和和00～～20cm20cm平均土壤湿度相关关系最好平均土壤湿度相关关系最好Q.Qin,etal.,EvaluationofMODISderivedperpendiculardrougQ.Qin,etal.,EvaluationofMODISderivedperpendiculardroughtindexforhtindexforestimationofsurfacedrynessovernorthwesternChina.estimationofsurfacedrynessovernorthwesternChina.InternationalJournalInternationalJournalofRemoteSensingofRemoteSensing,,29(7):198329(7):1983--19951995以宁夏回族自治区MODISMODIS影像（影像（20052005年年66月月66日）为例，计算日）为例，计算PDIPDI指指数；根据干旱分级指标，制作旱情分布图数；根据干旱分级指标，制作旱情分布图旱情分布图与当年的气象资料相对比，表明由与当年的气象资料相对比，表明由PDIPDI评价的干旱分布评价的干旱分布和实际干旱情况基本一致和实际干旱情况基本一致PDI具有简单实用，易于操作和获取的优点，在实际应用中，基于Nir－Red光谱特征空间构建的PDI可以快速对农田干旱进行监测与评估在PDI的基础上，针对植被对土壤含水量的影响，引入植被覆盖度fv，构建了改进的PDI指数－MPDIMPDI（ModifiedPerpendicularDroughtIndex,PDI）veg1()1vvMPDIPDIfPDIf=−−gg多维光谱特征空间干旱建模多维光谱特征空间干旱建模基于albedo-NDVI特征空间，构造了植被条件反照率干旱指数（VegetationConditionAlbedoDroughtIndex,VCADI）,min,max,min,iiiiiNDVINDVINDVINDVIAAVCADIAA−=−多维光谱特征空间干旱建模多维光谱特征空间干旱建模Explorationofthespectralspacebasedonvegetationindexandalbedoforsurfacedroughtestimation.JournalofAppliedRemoteSensing,Vol1,013529基于NIR-SWIR特征空间，构造了短波红外垂直干旱指数（ShortwaveInfraredPerpendicularDroughtIndex,SPDI）SWIRNIR21()1SPDIRMRM=++多维光谱特征空间干旱建模多维光谱特征空间干旱建模全覆盖植被冠层水分遥感监测的一全覆盖植被冠层水分遥感监测的一种方法－短波红外垂直失水指数种方法－短波红外垂直失水指数,,中中国科学（国科学（DD辑：地球科学）辑：地球科学），，37(7):95737(7):957--965.965.在多维光谱特征空间干旱建模的基础上，构建了农田干旱遥感监测模型库,实现作物全生长期农田干旱的动态监测:多维光谱特征空间干旱建模多维光谱特征空间干旱建模植被生长初期：PDI指数植被部分覆盖时期：MPDI指数或VCADI指数植被完全覆盖时期：SPDI指数Modifiedperpendiculardroughtindex(MPDI):areal-timedroughtmonitoringmethod.ISPRSJournalofPhotogrammetryandRemoteSensing,62:150–164.EstimatingcropwaterstresswithETM+NIRandSWIRdata.AgriculturalandFor