9512.net
甜梦文库
当前位置:首页 >> 农林牧渔 >>

MODIS数据在农业领域中的研究进展


MODIS 数据在农业领域中的研究进展
隋学艳,朱振林,杨丽萍,杨洁,王勇
(山东省农业可持续发展研究所,济南 250100)

摘要: 摘要:新型高光谱分辨率传感器的出现,为我们提供了高空间、高精度的图谱合一 的遥感数据,使得对农业领域内的长势监测、作物估产等成为可能。MODIS 传感器的 应用预示着高光谱遥感作为对地观测的一项重要的前沿技术, 将在农业领域发挥越来越 重要的作用。 关键词: 关键词:MODIS , 农业, 遥感

The study development of the applying of MODIS data on agriculture
SUI Xue-yan, ZHU Zhen-lin, YANG Li-ping, Yang Jie, Zhang Yong, (Institute of Agriculture Sustainable Development, Jinan 250100)
Abstract: Along with new type sensor of high spectrum resolving power, people get high space and

precision remote sensing data of both picture and spectrum. Which makes it possible to monitor agricultural growing and estimate crop yield. The application of MODIS predicts high spectrum remote sensing as one important foreland technique monitoring land will show more and more important effect.
Key words: MODIS; Agriculture ; Remote Sensing

1 引言 遥感技术可以客观、准确、及时地提供作物生态环境和生长的各种信 息,是获得农田土壤和作物长势相关数据的重要来源 [1] 。美国宇航局 (NASA)将载有相同 MODIS 光谱仪的 Terra 和 Aqua 卫星分别于 1999 年 和 2002 年成功发射, 两台 MODIS 以 36 个相互配准波段、 中分辨率 (250m、 500m、1000m)交错对全球扫描,扫描幅宽 2330km,两颗星相互配合每 1-2 天可重复观测整个地球表面。所获数据将有助于我们深入理解全球陆 地、海洋和低层大气内的动态变化过程,并且数据全球免费共享 (http://www.nfiieos.cn/) ,与 NOAA、SPOT、CBER 等系列卫星相比在时 间分辨率、空间分辨率以及价格上都有一定的优越性,目前在农业领域中 得到了广泛的应用[2]。 2 利用 MODIS 数据进行农作物长势监测 数据进行农作物长势监测 农作物长势 由于植物叶片组织对蓝光(470nm)和红光(650nm)有强烈的吸收,对绿
1

光尤其是近红外有强烈反射。这样可见光只有绿光被反射,植物呈现绿色。 而叶片中心海绵组织细胞和叶片背面细胞对近红外辐射(700~1000 nm, NIR) 有强烈反射。由于植物叶绿素的光合作用对光的吸收,随着植物的生长, 反射的红光能量降低。反射的近红外波段的能量随着植物的生长而增加。 植被覆盖越高,红光反射越小,近红外反射越大[3]。但由于被植物叶冠反 射并到达卫星传感器的辐射量与太阳辐射、大气条件、非光合作用植物、 叶冠背景、叶冠结构和成分等许多因素有关,所以不可能使用单一的光谱 测量来量化植物生物物理参数。因此常采用两个或多通道辐射资料的组合 建立综合“植被指数”的方法来解决。任何强化Red和NIR差别的数学变换 都可以作为植被指数描述植被状况, 遥感传感器的波段设置就依此为基础。 MODIS的第一波段属于可见光的红色波段,为类胡萝卜素和叶绿素的吸收 区;第二波段属于近红外波段,是植被的高反射波段。1,2波段直接用于 NDVI计算,3波段用于大气气溶胶修正,4波段可用于解决植被指数饱和问 题。除了N DVI,MODIS数据植被指数产品还包括MODIS-EVI(Enhanced Vegetation Index增强型植被指数),在植被指数设计和合成算法方面均有很 大改进。 农作物长势监测,即针对作物苗情的生长状况及其变化的监测,这是 农作物监测中的核心任务。目前利用MQDIS监测作物长势主要采用两种方 法: (1)利用MODIS数据对叶面积指数等农作物生物物理量进行反演,从而 获取农作物的长势监测结果。叶面积指数是陆地生态系统的一个十分重要 的结构参数,它和植物的蒸腾作用、太阳光的截取、光合作用以及地表净 初级生产力等密切相关。叶面积指数同时也是一个农作物个体特征和群体 特征相关的综合指数。植物的生长离不开光合作用,因此叶面积指数具有 共性,这是叶面积指数监测长势的基础。目前,叶面积指数信息可以从两 个途径获取:①用植被指数NDVI及其平均叶角等参数进行推算;②用二向 反射率分布函数进行反演,前者简单,但是需要平均叶角或叶角分布数据,

2

后者的定量分布需要多角度的遥感数据。 吕建海等[4]在进行棉花长势监测中利用了以下函数关系: NDVI=f0 [ 1-f1×exp(-f2×LAI)] LAI=-(1/f2)ln[(f0-NDVI)/f1] (1) (2)

其中:NDVI是植被指数;LAI是叶面积指数;f0、 f1、f2是实验常数。 Cheng Qian等对水稻叶面积指数与MQDIS植被指数、红边位置之间关 系做了相关分析,发现红边位置和MODIS的EVI比NDVI对叶面积指数更敏 感。这同样是因为NDVI不能处理植被茂盛时的红边饱和问题导致的。 (2 )植被指数对比法;直接利用作物生长期内植被指数进行监测。依据 是作物生长形势及生长阶段可以用农作物的叶面积指数和生物量来表示, 且植被指数与作物的叶面积指数和生物量正相关。所以各时相间的植被指 数变化,则反映了农作物长势的动态变化。 3 利用 利用MODIS数据进行植被分类及面积估算 数据进行植被分类及面积估算 利用MODIS数据进行土地覆被分类和面积量算工作已经做了不少研究, 一般是通过非监督分类的方法。主要用统计方法对数据集中的像元进行分 类,是通过计算数据空间中均匀分布的类均值,然后用最小距离技术将剩 余像元迭代聚集。这种分类技术的精确性比较小,而且没有考虑混合像元 的问题。我国利用MODIS对单一作物如冬小麦面积信息的提取[5]已经取得了 一定的进展,主要对MODIS合成影像混合使用非监督分类和监督分类[6],然 后提取像元数乘以单个像元面积获取区域内冬小麦种植面积,精度可以达 到90%。 然而我国地形复杂多样,耕地地块碎小,农作物种植混杂,在作物面 积提取中会遇到大量混合像元问题,影响结果精度。目前为了解决这一问 题多采用MODIS与其它高空间分辨率遥感信息源(如TM,SPOT等)结合的方法 来有效地提取作物种植面积信息[7]。 另外, 植被指数时间序列谱法也可以有效的解决混合像元问题[4,5]。 主 要利用覆盖全年或者植物生长季节的植被指数数据生成植被指数时间序列

3

谱, 然后通过纯净像元指数(PPI)从时间序列谱中提取主要作物类型终端单 元(Endmember )。从而对地物进行分类并提取面积,进一步提高了结果精 度。另外随着农作物的生长.NDVI值逐渐增大,并在一定生育期达到最大值 后开始下降。由于不同作物具有不同的物候,NDVI峰值的大小、出现的时 问各不相同。依据这一原理,杨小唤等利用MODIS时序NDVI特征值提取了多 种作物的播种面积[8]。 王云秀等利用多时相MODSI遥感数据和冬小麦地面GPS定位调查信息, 充分考虑冬小麦的生长发育特征和下垫面的植被生长特征来剔除非麦区信 息。在测算冬小麦种植面积、解决混合像元问题时,改进了“麦土比”的 概念,提出了“像元麦土比”的新方法,将遥感知识、农学知识、地学知 识进行有机结合,形成一套计算机自动提取冬小麦种植信息系统[9]。为了 减少地形对面积提取的影响,数字高程DEM可作为一源信息与MODIS影像复 合可明显提高植被面积的估算精度[10]。 4 利用 利用MODIS数据进行旱情监测 数据进行旱情监测 数据进行旱情 地表温度是决定农业旱情和土壤墒情时空变化的重要因素。热红外遥 感通过探测地表热辐射强度来监测热量时空动态,在农业旱灾监测中已经 得到广泛应用。 覃志豪等利用MODIS影像的CH31和CH32数据为数据源,采 用分裂窗算法成功地对我国东中西部地区旱情进行了监测[11]。 齐述华利用MODIS植被指数NDVI为横坐标,陆地表面温度产品Ts、△T、 ATI为纵坐标建立全国3个农业气候区NDVI-Ts、NDVI-△T和NDVI-ATI3个空 间, 经研究指出由NDVI-Ts空间计算提取的温度植被干旱指数TVDI在应用于 大区域干旱监测中能取得很好的效果[12]。 张树誉等[13]利用CH1、CH2、CH3、CH4、CH8、CH9、CH10、CH11、CH14、 CH15、CH17、CH19, 12个通道的数据计算表观热惯量ATI,建立了土壤相 对湿度Y与ATI的线性模型:Y=A+B?ATI,根据中国气象局提供的旱情分级标 准,给出土壤干旱的绝对等级。 当作物供水正常时,卫星遥感的植被指数和作物冠层的温度在一定的

4

生长期内保持在一定范围内,如果遇到干旱,作物供水不足生长受到影响 时,卫星遥感植被指数降低,这时作物没有足够的水分供给叶子表面蒸发, 被迫关闭一部分气孔,导致作物冠层的温度升高。植被供水指数VSWI综合 考虑了作物受到干旱影响时在红外、近红外、热红外波段的反映,计算结 果给出了干旱的相对等级,通过多元统计的方法建立VSWI与实测土壤水分 的相关关系,从而拟和植被供水指数与土壤含水量的关系。 5 利用 利用MODIS数据进行火情监测 数据进行火情监测 根据斯蒂芬波尔兹曼定律:E=σΤ4 其中:E——绝对黑体表面的总放射能力,W/m2; Τ——绝对黑体的表面温度,K(绝对温度); σ——斯蒂芬—波尔兹曼常数(5.67×10-8 W/m2?K 4)。 由公式可知,黑体温度的微小变化,就能引起辐射的很大变化。林火、地 表火等高温热源目标会引起辐射的急剧变化,这种变化将十分有利于高温 热源的判识。 根据维恩位移定律:Τ×λmax=2897.8 式中:Τ——黑体温度,K; λmax——辐射峰值波长,um 。 黑体温度Τ和辐射峰值波长λmax成反比,即温度愈高,辐射峰值波长愈小, 常温(约300K)时,地表辐射峰值波长在10um左右,而火焰温度一般在 500K~700K以上,其热辐射峰值波长在3um ~5um。根据普朗克辐射公式, 可计算出不同温度的黑体光谱辐射率与波长,物体的温度越高,辐射能力 就越强,反映在卫星图像上是温度越高颜色越深。地表火(火焰温度 400K~600K)辐射峰值在3um~6um之间,在通道CH20~CH25中有明显的反 映[14]。在火点判断过程中,有些裸土区特别是沙漠及城市热岛,白天地表 的亮度温度可能会达到50℃以上,如果单纯考虑辐射能力,就可能造成误 判,因此跟据火灾监测的经验只有植被覆盖度超过一定值的地表才可能是 火点。 所以高懋芳等利用MODIS数据1、 2波段构造的植被指数NDVI, 对MODIS

5

数据进行去云处理之后将NDVI值小于0.3的地区先去除, 有效地减小了误判 率[15]。周小成对2004~2005年9起森林火灾进行研究认为MODIS CH21、CH22、 CH31通道RGB合成,并经过线性拉伸的影像可以凸现林火热点,是发现热异 常点最快的方法。林火有别于噪声点在CH21和CH22的亮温值差别小,据此 可以滤除噪音[16]。目前许多森林火灾因为烟雾太浓,下层与上层同时燃烧 形成立体火等现象很难被检测出,所以算法有待于进一步完善。 6 结论 MODIS数据属于高光谱遥感数据,信息量丰富,且时间分辨率高适于动 态观测,具有一定的综合性。目前全国已经建立近20个地面接收站,数据 覆盖范围广,综合利用农学、地学、气象学、数学等知识,充分挖掘MODIS 数据的信息,必将促进农业的快速发展。
参考文献
[1] 梅安新主编.遥感导论[M].高等教育出版社,2001. [2] http://www.nfiieos.cn/. [3] 浦瑞良,宫鹏.高光谱遥感及其应用[M].高等教育出版社,2000. [4] 吕 建 海 , 陈 曦 , 王 小 平 , 等 . 大 面 积 棉 花 长 势 的 MODIS 监 测 分 析 方 法 与 实 践 [J]. 干 旱 区 地 理,2004,27(1):118-123. [5] 方 墨 人 , 田 庆 久 . 基 于 MODIS 的 LAI 时 间 序 列 谱 的 地 物 分 类 方 法 研 究 [J]. 国 土 资 源 遥 感,2004,61(3):5-7. [6] 张红,舒宁,刘刚.多时相组合分类法在土地利用动态监测中的应用[J].武汉大学学报?信息科 学版,2005,30(2):131-134. [7] 余 钧 辉 , 张 万 昌 , 乐 通 潮 . 基 于 小 波 变 换 的 MODIS 与 ETM 数 据 融 合 研 究 [J]. 应 用 技 术,2004,(4):39-42. [8] 杨小唤,张香平,江东.基于 MODIS 时序 NDVI 特征值提取多作物摘种面积的方法[J].资源科学 2004,26(6):17-22. [9] 王云秀,张文宗,姚树然,等.利用MODIS数据监测河北省冬小麦种植信息[J].遥感技术与应 用,2006,21(2):149-153.

6

[10]程乾,王人潮.数字高程模型和多时相MODIS数据复合的水稻种植面积遥感估算方法研究[J].农 业工程学报,2005,21(5):89-92. [11]覃志豪,高懋芳,秦晓敏,等.农业旱灾监测中的地表温度遥感反演方法——以MODIS数据为例 [J]. 自然灾害学报,2005,14(4):64-71. [12]齐述华,李贵才,王长耀,等.利用 MODIS 数据产品进行全国干旱监测的研究[J].水科学进 展,2005,16(1):56-61. [13]张树誉,杜继稳,景毅刚. 基于 MODIS 资料的遥感干旱监测业务化方法研究[J]. 干旱地区农业 研究,2006,24(3):1-6. [14]刘玉洁,杨忠东. MODIS遥感信息处理原理与算法[M], 北京:科学出版社,2001.245-267. [15]高懋芳,覃志豪,刘三超.MODIS数据在林火监测中的应用[J],国土资源遥感,2005,(2):60-63. [16]周小成,汪小钦.MODIS林火识别算法的验证分析[J].火灾科学,2006,15(1):31-37.

7


赞助商链接

更多相关文章:
更多相关标签:

All rights reserved Powered by 甜梦文库 9512.net

copyright ©right 2010-2021。
甜梦文库内容来自网络,如有侵犯请联系客服。zhit325@126.com|网站地图