北大定量遥感-定量遥感与农田干旱遥感监测模型0907

北大定量遥感-定量遥感与农田干旱遥感监测模型

定量遥感与农田干旱遥感监测模型北京大学地球与空间科学学院秦其明 2009-07-08

北大定量遥感-定量遥感与农田干旱遥感监测模型

报告内容

植被指数模型农田干旱遥感监测模型

北大定量遥感-定量遥感与农田干旱遥感监测模型

遥感器定标①发射前定标②发射后定标③在轨定标(遥感器场地外定标)

北大定量遥感-定量遥感与农田干旱遥感监测模型

大气纠正纠正方法：①基于定量的方法②直方图匹配法③黑暗目标法④对比度降低法⑤类型匹配法

北大定量遥感-定量遥感与农田干旱遥感监测模型

定量遥感模型定义：定量遥感模型是从抽取遥感专题信息的应用需要出发，对遥感信息形成过程进行模拟、统计、抽象或简化，最后用文字、数学公式或者其他的符号系统表达出来

分类：经验模型、物理模型、混合模型

趋势：①经验统计模型逐渐被基于物理机理的模型所替代②建立统计与物理模型相结合的混合模型

北大定量遥感-定量遥感与农田干旱遥感监测模型

混合像元与尺度效应遥感图像像元所对应的地表单元具有从小于1米到数千米的不同尺度的空间分辨率。这些不同尺度的像元，反映出的同一地表物体的信息量是不同的，其空间异质性程度因尺度不同而有明显差异。在某一个尺度上观测到的性质，总结的定理和定律，在另一个尺度上不一定有效，需要验证与修正。若像元只包含了一种类型，则为纯像元，像元中包括两种或两种以上地物类型，称为混合像元。从理论上说，陆地表面在任一空间分辨率像元尺度上总是混合像元，为了应用方便，人们往往把一种地物类型占绝对大比例的混合像元视为纯像元。

北大定量遥感-定量遥感与农田干旱遥感监测模型

混合像元与尺度效应尺度效应研究根据定量遥感反演需求确定不同的空间尺度，着重研究不同尺度信息的空间异质性的特点，尺度变化对信息量、信息分析模型和信息处理结果的影响，并进行尺度转换的定量描述。尺度转换方法：生尺度②降尺度①

北大定量遥感-定量遥感与农田干旱遥感监测模型

病态反演与数据同化反演是根据观测信息和物理模型，求解或推算描述地面实况的应用参数(或目标参数)由于地表太复杂，而遥感信息总是有限的，且估计出的参数值在物理意义上可能不相容，所以，定量遥感本质上是病态反演数据同化是融合多源数据，校正动态模型的一种方法。数据同化模型对提高时间和空间上观测对象的估算精度是有效的。

北大定量遥感-定量遥感与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模型实现

北大定量遥感-定量遥感与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,构建基于多维光谱

特征空间的农田干旱模型库

北大定量遥感-定量遥感与农田干旱遥感监测模型

北大定量遥感-定量遥感与农田干旱遥感监测模型

基于多维光谱特征空间的干旱建模

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)

北大定量遥感-定量遥感与农田干旱遥感监测模型

Nir-Red光谱空间分布特征

利用ETM+数据构建的NIR– Red光谱特征空间散点图呈典型的三角形分布

北大定量遥感-定量遥感与农田干旱遥感监测模型

Nir-Red光谱空间分布特征

水体

湿土

干土

北大定量遥感-定量遥感与农田干旱遥感监测模型

Nir-Red光谱空间分布特征

裸土壤

低植被覆盖

高植被覆盖

北大定量遥感-定量遥感与农田干旱遥感监测模型

Nir-Red光谱空间分布特征

B-C为土壤基线，并由B至C土壤渐干詹志明、秦其明、阿布都瓦斯提.吾拉木、汪冬冬.基于NIR-Red光谱特征空间的土壤水分监测新方法.中国科学(D辑:地球科学), 36 (11): 1020-1026.