实习7、地表反射率、温度的反演以及植被指数的计算

实习序号及题目地表反射率、温度的反演以及植被指数的计算实习人姓名专业班级及编号任课教师姓名实习指导教师姓名实习地点榆中校区实验楼A209实习日期时间2013-10-31实习目的初步掌握使用定量遥感方法反演地表反射率、地表温度和植被指数的方法，深入认识在ENVIFLAASH中MODTRAN算法的主要内容，获得常见的几种土地覆盖类型所具有的反射率、温度和植被指数的参数特征的认识。基本原理一)地表反射率是指地表物体向各个方向上反射的太阳总辐射通量与到达该物体表面上的总辐射通量之比。反照率可以通过遥感成像提供的辐射亮度值L或反照率p，二向性反射率分布函数BRDF来获得：地物反射率的光谱特征差异是从遥感影像中识别地表不同类型地物的基本依据，也是地表其他各种物理、生物物理参数反演的依据地表。地表反射率的计算步骤：1、辐射定标：根据遥感影像DN值计算到达传感器的各波段辐射亮度也就是将传感器记录的辐射量化值（DigitalNumber，DN）转换成绝对辐射亮度值、表观反射率，或者表观温度的过程。绝对定标：通过各种标准辐射源，建立辐射亮度值与辐射量化值（DN）之间的定量关系式中，辐射亮度值L的常用单位为W/(m2.μm.sr)，或者μW/(cm2.nm.sr)。1W/(m2.μm.sr)=0.1μW/(cm2.nm.sr)2、各波段表观反射率计算3、大气辐射校正（ENVIFLAASH/QUAC）绝对大气辐射校正：消除大气辐射衰减效应，将遥感影像的DN值转换为地表反射率、辐亮度、地表温度等的方法，此过程包含了辐射定标。相对大气辐射校正：将遥感影像的DN值转换为类似的整型数，同时消除大气辐射衰减效应。FLAASH是用数学建模辐射的物理行为，纠正波长在可见光至近红外和短波红外区域，最多3微米。（对于热地区，使用基本工具预处理校准工具热大气压校正菜单选项。）不同于预先计算模拟结果的数据库内插辐射传输特性许多其他大气校正程序，FLAASH采用了MODTRAN4辐射传输代码。MODTRAN4并入ENVIFLAASH的版本被修改，以校正在HITRAN-96水行参数的误差。可以选择任何一种标准MODTRAN大气模型和气溶胶类型，FLAASH还包括以下功能：校正邻近效应（像素混合是由于表面反射辐射的散射）计算场景的平均能见度（气溶胶/雾量）。FLAASH采用最先进的技术来处理特别强调的大气条件，比如云的存在。,,,,,,,,,iivviivviivvdLRdECirrus和不透明的云分类图可调光谱抛光的工件抑制。FLAASH可以纠正在垂直图像或斜观测几何变形二）植被指数是利用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数。植物叶面在可见光红光波段有很强的吸收特性，在近红外波段有很强的反射特性，这是植被遥感监测的物理基础，通过这两个波段测值的不同组合可得到不同的植被指数。差值植被指数又称农业植被指数，为二通道反射率之差，它对土壤背景变化敏感，能较好地识别植被和水体。该指数随生物量的增加而迅速增大。比值植被指数又称为绿度，为二通道反射率之比，能较好地反映植被覆盖度和生长状况的差异，特别适用于植被生长旺盛、具有高覆盖度的植被监测。归一化植被指数为两个通道反射率之差除以它们的和。在植被处于中、低覆盖度时，该指数随覆盖度的增加而迅速增大，当达到一定覆盖度后增长缓慢，所以适用于植被早、中期生长阶段的动态监测。蓝光、红光和近红外通道的组合可大大消除大气中气溶胶对植被指数的干扰，所组成的抗大气植被指数可大大提高植被长势监测和作物估产精度。种类1、比值植被指数（RatioIndex）表达式为它对于绿色植物叶绿素引起的红光吸收和叶肉组织引起的近红外光反射，使其R与NIR有较大的差异，RVI值高。而对于无植被的地面包括裸土、人工特征物、水体以及枯死或受胁迫（stressed）植被，因不显示这种特殊的光谱响应，故RVI值低。因此，比值植被指数能增强植被与背景裸土之间的辐射差异。裸土地区的比值接近1，而植被分布地区的比值高于2。它是绿色植物的一个灵敏的指示参数，它与叶面积指数（LAI）、叶干生物量（DM）、叶绿素含量相关性较高，被广泛用于估算和检测绿色植物生物量。在植被高密度覆盖情况下，它对植被十分敏感，与生物量的相关性最好。但当植被覆盖度小于50%时，它的分辨能力显著下降。此外，RVI对大气状况很敏感，大气效应大大降低了它对植被检测的灵敏度，尤其是当RVI值高时。因此，最好运用经大气校正的数据，或将红、近红外两波段的灰度值（DN）转换成反射率后再计算RVI，以消除大气对两波段不同非线性衰减的影响。2、归一化差值植被指数（NormalizedDifferentialVegetationIndex，NDVI）数学公式：对于陆地表面主要覆盖而言，如果根据地表实际的反射率来计算，则云、雪在可见光波段比近红外波段有较高的反射率，因而其NDVI值为负值，水体的NDVI接近0，岩石、裸土在两波段有相似的反射作用，因而其NDVI介于0与0.1之间。在有植被覆盖的情况下，NDVI介于0.1~1.0之间，且随植被覆盖度的增大而增加。几种典型的地面覆盖类型在大尺度NDVI影像上区分鲜明，植被得到有效的突出。因此，NDVI特别适用于全球或区域植被的宏观动态监测。NDVI是植被生长状态及植被覆盖度的最佳指示因子。NDVI可以与叶面积指数（LAI）、绿色植物净第一生产率（NPP）、植被覆盖度、光合作用等指标参数建立较好的数学关系式，并据以完成地表植被物理参数的反演。NDVI可以部分消除与太阳高度角、卫星观测角、地形、云/阴影和大气条件有关的辐照度条件变化（大气程辐射）等的影响。此次实验中选择以下3个公式进行对比：a)(b4-b3)/(b4+b3)b)fix((float(b4)-b3)/(b4+b3)*1000)RNIRRNIRRVIDNDNRVI或者RNIRRNIRRNIRRNIRNDVIDNDNDNDNNDVIc)fix((float(b4)-b3)/(float(b4)+b3)*1000)三）陆面温度反演陆面温度（LandSurfaceTemperature，LST）是根据辐射温度理论，利用热红外波段的遥感数据反演计算获得的地表亮度温度，又称表皮温度（skintemperature）陆面温度反演算法有：1、单窗算法（mono-windowalgorithm）：依据Planck定律2、基于Landsat7ETM+数据的陆面温度反演算法3、分裂窗（劈窗）算法（split-windowalgorithm）基本假设：LST与两个热辐射波段线性相关，基于两个波段的差别吸收以显著消除热红外波段的大气衰减效应基本形式：代表性算法：Price(1984)，采用NOAAAVHRR4、5波段Becker&Li（1995），采用NOAAAVHRR4、5波段Wan&Dozier(1996)，采用MODIS31、32波段数据准备LandsatTM/ETM+全景影像，含元数据文件操作方法及过程1.打开ENVI软件，加载含有元数据的LandsatTM/ETM+影像数据，进行影像目视分析，通过有关工具（卫星影像元数据、SRTM和GoogleEarth）记录影像的如下信息：影像获取日期和时间（GMT）ACQUISITION_DATE=2007-05-20研究区中心坐标PRODUCT_SAMPLES_REF=83811231.190956110()exp(1.43879/)1vvvvdLLBdvBTvT其中，v为波数，单位为cm-1，它与中心波长λ的关系为v=10000𝜆其中，波长单位为μm。21ln1KTKLT=卫星接收有效温度(K)𝐾1、𝐾2=定标系数L=光谱辐射(watts/(m2*ster*µm)012sijTaaTaT44455455.53.330.754.5sTTTTT4545022sTTTTTAPM3132123123313222313231321122sTTTAAABBBTTCPRODUCT_LINES_REF=7301PRODUCT_SAMPLES_THM=4191PRODUCT_LINES_THM=3651研究区海拔高度2571m影像适用的MODTRAN气溶胶反演模式2.遥感影像辐射定标，获得LandsatTM/ETM+影像的辐亮度（可见光/近红外）和辐照度（热红外）通过地理信息添加影像加载数据file|openexternalfile|Landsat|geotiffofmetadata，加载432假彩色合成组合方式显示，辐射定标操作：basictools|preprocessing|calibrationutilities|Landsatcalibration，选择有六个波段的MTL.txt文件，加载1-5和7波段影像，点击ok。设置参数，卫星传感器为Landsat5TM，影像获取的时间默认为2007年5月20日，太阳高度角为65.14，选择定标类型为radiance（辐射），点击ok，选择储存位置，命名与点击ok3.遥感影像数据格式转换，从BSQ转换为BIL格式加载辐射定标后的数据，basictools→convertdata(BSQ、BIL、BIP)，选择进行辐射定标后的影像，选择输出类型为BIL，convertinplace选择NO，（选择NO表示重新储存为另外的文件，选择YES代表替换原BSQ文件），选择储存位置，命名与点击ok，加载变化后影像，在BIL影像上右击→editheader查看行列信息，发现samples为8381，lines为7301，因此中心行列号为4191、3651。右击影像→pixellocator，输入4191、3651，点击apply，查看到显示Lat显示为36、3、24.73、Lon显示为102、59、44.90，这些就是中心坐标。4.使用FLAASH进行大气辐射校正，得到可见光、近红外各个波段的地表反射率主菜单下spectral→FLAASH。Inputradianceimage加载BIL文件，弹出窗口，其中第一项为每个波段对应着不同的因子，第二个为每个波段对应相同的因子，选择第二个，因子输入10.0000；outputreflectancefile选择保存位置，outputdirectoryFLAASHfiles选择辅助信息保存位置，rootnameforFLAASHfile选择辅助信息命名前缀。Scenecenterlocation，影像中心定位我们首先查看影像，在BIL上右击→editheader查看行列信息，发现samples为8381，lines为7301，因此中心行列号为4191、3651。右击影像→pixellocator，输入4191、3651，点击apply，查看到lat显示36、3、24.73；Lon显示为102、59、44.90，这些就是中心坐标。将这些信息输入Scenecenterlocation。传感器选择，我们选择多光谱中的landsatTM5，平均海拔高度，因为查询得知，兰州地区的平均高程大概为2571m，因此这里我们输入2.571；时间我们通过头文件查看得知为2007年5月20日，3点38分36秒；大气模型我们选择sub-arcticsummer，亚极地夏季，水汽含量默认为1；气溶胶模型选择rural乡村模型。然后点击Multispectralsetting，selectchanneldefinitions选择GUI，打开选项卡第二项，assigndefaultvalues…选择overlandretrievalstandard（660:2100nm），之后下面亮相KT高值自动选择第七波段，KT低值自动选择第三波段，其他选项默认；advancedsettings这