一种利用多源遥感数据监测旱情的方法技术

本发明专利技术公开了一种利用多源遥感数据监测旱情的方法，选取气象卫星中中分辨率成像光谱仪对监测区域遥感监测获取的植被指数、地表温度和TRMM降水数据并处理，通过空间距离回归方法对预处理后的数据建立干旱监测的iTVPDI指数；表示旱情程度，实现利用多源遥感数据监测旱情。该监测方法利用中分辨率成像光谱仪获取大气产品的地表温度、植被指数和TRMM降水数据，从温度

【技术实现步骤摘要】
Evapotr
‑
anspiration，PET)、实际蒸散发 (Evapotranspiration，ET)与土壤水分的关系建立了作物水分胁迫指数(Crop WaterStress Index，CWSI)，很好地监测了地表土壤水分状况。
[0004]尽管通过单一遥感指数和综合遥感指数的建立对干旱监测做出了很大的贡献，但是在指数构建中干旱的成灾原理复杂，是因为它受很多条件的制约。例如，长期降水收支失衡导致土壤含水量减少，河川径流、坑塘、水库容量减少，单一遥感干旱指数对干旱的监测不免存在片面性，因此建立综合遥感干旱指数可以很好的解决这一问题，与此同时，在建立综合遥感干旱指数时还需考虑到足够全面的致旱因素、构建指数选用的数据及指数构建的方法。

技术实现思路

[0005]本专利技术的目的是提供一种有效的利用多源遥感数据监测旱情的方法，解决了现有技术中干旱监测的约束性，更加全面、准确的监测干旱。
[0006]为实现上述目的，本专利技术所采用的技术方案是：一种利用多源遥感数据监测旱情的方法，按以下步骤进行：1）选取气象卫星中中分辨率成像光谱仪对监测区域遥感监测获取的植被指数、地表温度和TRMM降水数据；2）对选取的植被指数、地表温度和TRMM降水数据进行处理：对于植被指数和地表温度：调用MRT软件批量处理工具，对原始影像进行影像拼接，投影变换选择Albers投影，文件转换成tif格式、通过使用ArcGIS工具进行重采样至1km分辨率，再运用Arcpy工具批量剔除无效值并还原影像真实值，得预处理后的数据；对于TRMM降水数据：通过ENVI将原始数据进行影像旋转、头文件编辑和坐标定义，得预处理后的数据；3）通过空间距离回归方法对预处理后的数据建立干旱监测的iTVPDI指数：选取能够表征整个时间序列内降水亏缺、土壤水分亏缺和植被生长状况的降水量、地表温度、植被指数作为主要输入变量，建立降水
‑
地表温度
‑
植被指数三维空间，利用空间距离回归模型，构建时序性iTVPDI指数，表示旱情程度，实现利用多源遥感数据监测旱情。
[0007]本专利技术监测方法利用中分辨率成像光谱仪（Moderate Resolution Imaging Spectroradiometer，MODIS）获取大气产品的地表温度、植被指数和TRMM降水数据，从温度
‑
降水
‑
植被三个方面监测干旱，监测精度高、空间范围广、考虑因素较多、多方位监测干旱，具有全面性，监测效果优于其他方法。
[0008]本专利技术监测方法具有以下优点：1）使用空间距离回归方法，使合成的指数范围为0～1，更方便于分级设色，方便下定论。
[0009]2）所使用的遥感数据分辨率控制在1km，提高精度便于更好的监测干旱状况。
[0010]3）从植被、温度、降水三个因素进行分析，大大提高了干旱监测的准确性。
附图说明
[0011]图1是空间距离回归模型图。
[0012]图2是2001
‑
2020年1月
‑ꢀ
12月iTVPDI均值空间分布图。
[0013]图3是iTVPDI与TVDI和CWSI相关分析图。
[0014]图4是iTVPDI与SPI相关趋势分析图。
[0015]图5是iTVPDI与GPP的相关性分析图。
[0016]图6是iTVPDI与土壤含水量的相关性分析图。
[0017]图7是iTVPDI与粮食单产的相关性分析图。
具体实施方式
[0018]下面结合附图和具体实施方式对本专利技术进行详细说明。
[0019]干旱监测方式一般分为两种，第一种是基于气象站点数据进行干旱监测：该方法获取数据周期短、数据精度高，对站点覆盖地区监测效果好。由于干旱发生时具有区域性，而站点所覆盖的范围有限，在空间上无法对干旱范围进行全方位覆盖。基于气象站点的气象干旱监测还需大量的人力、财力以实现观测站点的布施、定时获取数据、建立复杂的数据库、管理已获取的气象数据等较复杂的需求。第二种是基于遥感数据进行干旱监测：遥感数据具有时效性好、分辨率高、观测范围可覆盖全球、数据易于获取和处理等优点。
[0020]本专利技术提供了一种有效的利用多源遥感数据监测干旱的方法，具体按以下步骤进行：1）选取气象卫星中中分辨率成像光谱仪（MODIS）对选定监测区域遥感监测获取的植被指数（MOD11A2）、地表温度（MOD13A3）和TRMM降水数据；选取的植被指数（MOD11A2）、地表温度（MOD13A3）和TRMM降水数据使用ArcGIS中的最大值合成法（时间）与重采样法（空间）在时空上进行统一，时间精度为月尺度，空间分辨率为1km。
[0021]2）对选取的植被指数、地表温度和TRMM降水数据进行处理：对于植被指数和地表温度：调用MRT软件批量处理工具，对原始影像进行影像拼接，投影变换选择Albers投影，文件转换成tif格式、通过使用ArcGIS工具进行重采样至1km分辨率，再运用Arcpy工具批量剔除无效值并还原影像真实值，得预处理后的数据；对于TRMM降水数据：通过遥感图像处理平台（ENVI）将原始数据进行影像旋转、头文件编辑和坐标定义，得预处理后的数据；3）通过空间距离回归方法对预处理后的数据建立干旱监测的iTVPDI指数；建立iTVPDI指数的具体方法：选取能够表征整个时间序列（整个时间序列即研究时段）内降水亏缺、土壤水分亏缺和植被生长状况的降水量、地表温度（LST）、植被指数（NDVI）作为主要输入变量，建立降水
‑
地表温度
‑
植被指数三维空间，如图1所示，利用空间距离回归模型，构建时序性iTVPDI指数；图1中，以O点为坐标原点，建立三维直角坐标系，如图1a。在该三维直角坐标系内，X轴表示植被指数、Y轴表示地表温度、Z轴表示降水量，如图1b；根据选取的降水量、地表温
度和植被指数，在该三维直角坐标系内建立三维空间，该三维空间为长方体，该长方体的一个顶点与坐标原点重合，该长方体中的相交于与坐标原点重合的顶点的三条棱分别位于X轴、Y轴和Z轴上。Y轴上距离坐标原点O最远的D点为最干点；该长方体中距离D点最远的点为位于XOZ平面内的W点，W点为最湿点。线段DW表示干湿边，是用来判断干湿状况的一个指标，距离W点越近为湿边，表示湿润；距离D点越近为干边，表示干旱。在创建的空间回归模型中，单位边长为1，相应的存在干湿边DW的取值范围为0～；由于是一个无限循环小数不利于干旱指数的分级。为将干旱指数分级控制在整数区间内，通过[(实际值
‑
最小值)/(最大值
‑
最小值)]×
的归一化方法将该指数的取值范围控制在0～1之间（公式1～3），处理后使干旱指数的分级标准化为整数，便于下定论，具体公式如下：式中，Normalized表示归一化后的值，记为N（C），C在不同的公式中分别表示的是NDVI、LST、TRMM；min表示最小值，max表示最大值。
[002本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用多源遥感数据监测旱情的方法，其特征在于，该监测方法按以下步骤进行：1）选取气象卫星中中分辨率成像光谱仪对监测区域遥感监测获取的植被指数、地表温度和TRMM降水数据；2）对选取的植被指数、地表温度和TRMM降水数据进行处理：对于植被指数和地表温度：调用MRT软件批量处理工具，对原始影像进行影像拼接，投影变换选择Albers投影，文件转换成tif格式、通过使用ArcGIS工具进行重采样至1km分辨率，再运用Arcpy工具批量剔除无效值并还原影像真实值，得预处理后的数据；对于TRMM降水数据：通过ENVI将原始数据进行影像旋转、头文件编辑和坐标定义，得预处理后的数据；3）通过空间距离回归方法对预处理后的数据建立干旱监测的iTVPDI指数：选取能够表征整个时间序列内降水亏缺、土壤水分亏缺和植被生长状况的降水量、地表温度、植被指数作为主要输入变量，建立降水
‑
地表温度
‑
植被指数三维空间，利用空间距离回归模型，构建时序性iTVPDI指数，表示旱情程度，实现利用多源遥感数据监测旱情。2.如权利要求1所述的利用多源遥感数据监测旱情的方法，其特征在于，所述步骤1）中，选取的植被指数、地表温度和TRMM降水数据使用ArcGIS中的最大值合成法与重采样法在时空上进行统一，时间精度为月尺度，空间分辨率为1km。3.如权利要求1所述的利用多源遥感数据监测旱情的方法，其特征在...

【专利技术属性】
技术研发人员：魏伟，周俊菊，周亮，张昊延，庞素菲，闫彭，王继平，张星，
申请(专利权)人：西北师范大学，
类型：发明
国别省市：