文档介绍：西南交通大学第五期大学生科研训练计划(SRTP)
遥感与气象观测数据耦合的地表干旱状态监测
结题报告
2010年4月至2011年4月
目录
目录 1
1 绪论 2
1. 1项目背景 2
1. 2项目介绍 3
1. 3 开源库GDAL与HDF文件格式介绍 4
2 数据源及GDAL库的配置 7
2. 1 数据源 7
2. 2 GDAL库的配置 9
3 数据处理原理及实现 10
3. 1 遥感数据处理 10
气象数据处理与降水空间插值法比较 20
3. 3 指数耦合 26
3. 4 程序设计 27
4 实验结果分析 27
5 不足与期望 29
6 项目感想 31
参考文献 32
附录1 程序主要源代码 34
绪论
1. 1项目背景
我国是一个旱灾非常严重的国家,旱灾给农业、农村和农民造成了巨大的损失。据统计,1950—1990年间,我国共有11年发生了重特大干旱,%,%。而1991—2009年间,我国共有8年发生重特大干旱,%。近年来,我均不到3年发生一次重特大旱灾,尤其经常发生区域性特大旱灾。同时我国旱灾分布面积广,过去,我国旱灾高发的区域主要在干旱缺水的北方地区,特别是西北地区。近几年,在传统的北方旱区旱情加重的同时,南方和东部多雨区旱情也在扩展和加重,目前旱灾范围已遍及全国。与此同时,旱灾影响范围已由传统的农业扩展到工业、城市、生态等领域,工农业争水、城乡争水、超采地下水和挤占生态用水现象越来越严重。因此实现对旱灾的监测,有利于实施抗旱措施,同时合理分配水资源,节约用水,对促进农业生产、保障粮食安全和区域可持续发展具有重要的现实意义胡其峰.《科学理性对待西南旱灾减灾需立足长远》.
。
传统的干旱监测采用气象数据,气象数据由气象站观测得到,通过建立区域气象站网同时辅以水文、社会和经济等数据实施干旱监测。这种方法应用十分广泛,在单点精度很高,但其性质是以点带面来监测,这样很难给出不同干旱区域的分界线,同时整体精度也相对较低,难以适应大范围的干旱监测。
随着卫星遥感技术的迅速发展,国内外已在借助遥感手段进行大范围的干旱监测方面开展了大量的研究和实际应用。基于遥感手段的干旱监测能频繁和持久的提供地表特征的面状信息,具有宏观,高时效,经济等特点,且点点俱到,适应大范围的干旱监测。当然,由于气象卫星运行特点和遥感传感器本身性能的限制,该方法也存在一定的缺点和问题,比如目前相应的基于遥感数据的一些反演模型不够成熟,并且其受大气影响较大,在很多有云的情况下,数据不能使用,其监测的结果在小范围内也不如传统的气象监测精确。
针对单一遥感数据在进行地表干旱状态监测时的不足,考虑降水对土壤水分的阶段性影响,我们应该把两种方法结合在一起考虑,形成地表温度、植被状态、空间降水等参数耦合的干旱监测模型。这样能提高干旱监测的准确性和及时性。
1. 2项目介绍
项目基于对地观测MODIS数据与气象站点实测资料,建立起多源数据耦合下的地表干旱监测方法与相关指标体系,在开源GDAL库的基础上,开发可用于大范围区域地表干旱状态监测的应用系统。
项目中涉及四个方面的内容:MODIS预处理算法程序设计、气象观测资料处理、热红外地表温度反演模型程序设计、多元数据耦合模型参数化方案及设计。其中,MODIS预处理算法程序设计部分包括HDF格式数据读取、MODIS几何校正与辐射标定处理。气象观测资料处理包括气象观测站点降水资料读取、空间插值与栅格化。热红外地表温度反演程序设计主要实现利用分裂窗法的地表温度反演模型。耦合模型部分则包括了地表温度参数与降水参数的耦合模型参数计算、模型程序实现。
本项目主要分为三个部分:遥感数据处理,气象数据处理以及干旱监测指数的耦合。
遥感数据处理:利用开源库GDAL提取MODIS 1B的数据,在此基础上利用MODIS数据中的相应波段反演地表温度(LST)和归一化植被指数(NDVI),得到遥感干旱监测因子作物供水指数(VSWI)。
气象数据处理:利用ArcGIS的二次开发平台ArcGIS Engine实现气象数据降雨量的多种空间插值算法。在比较不同空间插值算法误差的基础上,综合多年数据选取最佳的空间插值算法进行降雨量的插值运算,并计算出气象干旱监测因子综合降水距平指数(MSRI)。
干旱监测指数的耦合:建立作物供水指数和综合降水距平指数的耦合模型,得到农业旱情监测指数,并划分干旱等级。
项目流程图如图1所示:
遥感数据->MODIS1B数据
地面观测数据->降雨量
云检测
NDVI
LST
VSWI=NDVI/LST