ENVI支持下的旱情监测方案
分享
-
2016-06-01
干旱作为一种缓变的现象，其严重程度也是逐渐积累的结果，这就为干旱的监测和早期的预警带来了方便和可能。干旱监测方法分为地面监测方法和空间监测方法。地面监测方法是利用地面点的数据，通过统计分析进行干旱监测，此类方法不能及时的对旱情信息进行快速、准确预报。空间监测方法是随着卫星遥感技术的发展而来并逐渐趋于成熟，不仅可以得到土壤湿度在空间上的分布状况和时间上的变化情况，而且可以进行长期动态监测，具有监测范围广，速度快，成本低等特点。遥感已经成为区域尺度旱情监测的主要手段
根据数据类型分为可见光/红外波段和微波波段的监测类型。在可见光/近红外波段，不同湿度的土壤具有不同的地表反照率，通常湿土的地表反照率比干土低。可见光/红外波段遥感正是利用地表温度获得土壤热惯量，从而进行估测土壤湿度。微波遥感是近代兴起来一项新技术，相对于可见光/红外波段的遥感，微波波段不受光照条件限制，具有全天候观测的能力。
1常见监测方法
基于可见光/红外通过测量土壤表面反射或发射的电磁能量，得到遥感获取的信息与土壤湿度之间的关系，从而反演出地表土壤湿度。较成熟、使用较广的方法可分为三类：植被指数法、温度法和综合法，详细如下表所示。
2技术流程与关键技术
旱情监测的技术流程大致可分为以下几个步骤：
图：旱情监测基本流程
目前，常用于旱情监测的数据有MODIS、NOAA（AVHRR）、风云气象卫星等低分辨率影像；Landsat、ASTER、CBERS02B、HJ-1A/B等中等分辨率影像。这类数据预处理的主要内容包括：数据读取、几何校正、大气校正等。
ENVI不仅支持主流卫星传感器的读取、几何校正、大气校正，还针对国产卫星的特点扩展了很多实用工具，包括FY-3A影像的几何校正工具、HJ-1A/B L2级数据预处理工具。图像自动配准工具可实现Landsat、CBERS02B、HJ-1A/B等之间的快速几何配准。基于MODTRAN 4+模型精确大气校正工具，可利用波谱响应函数完成对CBERS02B、HJ-1A/B等精确大气校正。
在图像预处理的基础上，根据选择的旱情监测模型计算相应的参数，如植被指数、地表真实温度、土壤指数等。
ENVI植被指数计算器能够根据影像信息自动列出能够计算的植被指数，并可自动进行植被指数计算，它提供了6类27种常用植被指数的计算。
波段运算 (Band Math)工具，能够执行图像中各个波段的加、减、乘、除、三角函数、指数、对数等数学函数计算，也可以直接使用IDL自带函数或自定义函数执行波段之间的运算，如线性代数函数、三角函数、微积分等数学函数。利用这个工具可以方便计算复杂的自定义参数模型。
比较常用的方式是分析相关参数之间的相关性或者空间特征，确定一种合适的模型。如构建地表温度LST和植被指数的散点图以分析两者之间的相关性。
比较简单的模型就是线性模型，常用的方式是选择一些离散的采样点，这些采样点包括坐标值，如果是野外采样点，还包括采样数据值（湿度、温度等），之后将这些采样点与其他参数值一一对应起来。如在ENVI的ROI Tool中，可以将文本格式储存的采样点坐标导入任意图像中，之后利用Output ROIs to ASCII工具将采样点对应的图像值导出。有了采样点与参数值对照表，就可以用线性回归的方式构建线性模型（如Excel表中的散点图功能）。
对于更复杂的模型，可基于IDL的函数获取，函数包括多线型回归、非线性最小二乘、梯度扩张法、列文伯格—马夸尔特法、奇异值分解法、多项式空间转换、最小二乘方多项式等；假设检验方法，如高斯正态分布、正态性检验等。利用这些函数可以方便的实现模型的曲线拟合、最优阈值选择、最优模型选择、置信度检验等模型的优化。
很多旱情监测模型得到的结果是一个相对量，如LST/NDVI值，需要根据实际情况确定阈值范围内与土壤水分之间的关系。确定好了关系表，如利用ENVI下的Density Slice工具很容易将监测结果分类。
3业务化遥感平台及案例
旱情遥感监测与其他遥感应用相比有本身的一些特点，如数据源要求可见光/近红外/热红外波段，单景覆盖范围大，重返周期短等；数据预处理流程比较固定，使用遥感图像处理功能较少；同时需要使用较复杂的差值算法、数学公式等。因此，非常有必要在通用遥感平台的基础上进行二次开发，去除不用功能，增加专业模型，同时对操作方式进行业务化改造等。
ENVI是使用IDL语言编写的完整遥感图像处理平台，架构非常灵活，提供一个功能全面的函数库（API），可以满足用户的个性化需求。此外，可以与ArcGIS平台进行无缝的一体化开发，实现真正的GIS与遥感一体化集成系统。
下面介绍几个典型是旱情监测业务化平台。
(1) 全国旱情遥感监测系统
此系统有中国科学研究院遥感应用研究所，利用IDL作为开发语言，基于ENVI的基础上开发的一套应用系统。它集影像预处理、分析、旱情反演、监测、统计等功能为一体。
图： 系统主界面
图：旱情统计界面
图：旱情监测等级制图
(2) 珠江流域片旱情遥感监测处理系统
由珠江水利科学研究院遥感与地理信息工程研究所研发。根据珠江流域干旱监测业务流程，利用ENVI/IDL二次开发实现了图像镶嵌、投影变换、植被指数、影像旬合成、影像掩模、温度植被指数计算、云监测等集成处理系统。
图：旱情遥感监测业务流程
图：业务化系统主界面
(3) 基于TM-5影像的VTCI干旱监测系统
由中国农业大学信息与电气工程学院的朱钟正、欧文浩、李琰民、蒲晓君研发，系统采用Visual studio 2005和ENVI/IDL平台，基于IDL强大的数据处理功能和ArcGIS Engine的人性化制图功能，系统界面框架上采用第三方控件DevComponents.DotNetBar实现灵活的系统框架和美观友好的用户界面。
文章来源：http://blog.sina.com.cn/s/blog_764b1e9d0100sakk.html
根据数据类型分为可见光/红外波段和微波波段的监测类型。在可见光/近红外波段，不同湿度的土壤具有不同的地表反照率，通常湿土的地表反照率比干土低。可见光/红外波段遥感正是利用地表温度获得土壤热惯量，从而进行估测土壤湿度。微波遥感是近代兴起来一项新技术，相对于可见光/红外波段的遥感，微波波段不受光照条件限制，具有全天候观测的能力。
1常见监测方法
基于可见光/红外通过测量土壤表面反射或发射的电磁能量，得到遥感获取的信息与土壤湿度之间的关系，从而反演出地表土壤湿度。较成熟、使用较广的方法可分为三类：植被指数法、温度法和综合法，详细如下表所示。
2技术流程与关键技术
旱情监测的技术流程大致可分为以下几个步骤：
图：旱情监测基本流程
- 数据预处理
目前，常用于旱情监测的数据有MODIS、NOAA（AVHRR）、风云气象卫星等低分辨率影像；Landsat、ASTER、CBERS02B、HJ-1A/B等中等分辨率影像。这类数据预处理的主要内容包括：数据读取、几何校正、大气校正等。
ENVI不仅支持主流卫星传感器的读取、几何校正、大气校正，还针对国产卫星的特点扩展了很多实用工具，包括FY-3A影像的几何校正工具、HJ-1A/B L2级数据预处理工具。图像自动配准工具可实现Landsat、CBERS02B、HJ-1A/B等之间的快速几何配准。基于MODTRAN 4+模型精确大气校正工具，可利用波谱响应函数完成对CBERS02B、HJ-1A/B等精确大气校正。
- 相关参数计算
在图像预处理的基础上，根据选择的旱情监测模型计算相应的参数，如植被指数、地表真实温度、土壤指数等。
ENVI植被指数计算器能够根据影像信息自动列出能够计算的植被指数，并可自动进行植被指数计算，它提供了6类27种常用植被指数的计算。
波段运算 (Band Math)工具，能够执行图像中各个波段的加、减、乘、除、三角函数、指数、对数等数学函数计算，也可以直接使用IDL自带函数或自定义函数执行波段之间的运算，如线性代数函数、三角函数、微积分等数学函数。利用这个工具可以方便计算复杂的自定义参数模型。
- 模型构建
比较常用的方式是分析相关参数之间的相关性或者空间特征，确定一种合适的模型。如构建地表温度LST和植被指数的散点图以分析两者之间的相关性。
比较简单的模型就是线性模型，常用的方式是选择一些离散的采样点，这些采样点包括坐标值，如果是野外采样点，还包括采样数据值（湿度、温度等），之后将这些采样点与其他参数值一一对应起来。如在ENVI的ROI Tool中，可以将文本格式储存的采样点坐标导入任意图像中，之后利用Output ROIs to ASCII工具将采样点对应的图像值导出。有了采样点与参数值对照表，就可以用线性回归的方式构建线性模型（如Excel表中的散点图功能）。
对于更复杂的模型，可基于IDL的函数获取，函数包括多线型回归、非线性最小二乘、梯度扩张法、列文伯格—马夸尔特法、奇异值分解法、多项式空间转换、最小二乘方多项式等；假设检验方法，如高斯正态分布、正态性检验等。利用这些函数可以方便的实现模型的曲线拟合、最优阈值选择、最优模型选择、置信度检验等模型的优化。
- 旱情定量分析
很多旱情监测模型得到的结果是一个相对量，如LST/NDVI值，需要根据实际情况确定阈值范围内与土壤水分之间的关系。确定好了关系表，如利用ENVI下的Density Slice工具很容易将监测结果分类。
3业务化遥感平台及案例
旱情遥感监测与其他遥感应用相比有本身的一些特点，如数据源要求可见光/近红外/热红外波段，单景覆盖范围大，重返周期短等；数据预处理流程比较固定，使用遥感图像处理功能较少；同时需要使用较复杂的差值算法、数学公式等。因此，非常有必要在通用遥感平台的基础上进行二次开发，去除不用功能，增加专业模型，同时对操作方式进行业务化改造等。
ENVI是使用IDL语言编写的完整遥感图像处理平台，架构非常灵活，提供一个功能全面的函数库（API），可以满足用户的个性化需求。此外，可以与ArcGIS平台进行无缝的一体化开发，实现真正的GIS与遥感一体化集成系统。
下面介绍几个典型是旱情监测业务化平台。
(1) 全国旱情遥感监测系统
此系统有中国科学研究院遥感应用研究所，利用IDL作为开发语言，基于ENVI的基础上开发的一套应用系统。它集影像预处理、分析、旱情反演、监测、统计等功能为一体。
图： 系统主界面
图：旱情统计界面
图：旱情监测等级制图
(2) 珠江流域片旱情遥感监测处理系统
由珠江水利科学研究院遥感与地理信息工程研究所研发。根据珠江流域干旱监测业务流程，利用ENVI/IDL二次开发实现了图像镶嵌、投影变换、植被指数、影像旬合成、影像掩模、温度植被指数计算、云监测等集成处理系统。
图：旱情遥感监测业务流程
图：业务化系统主界面
(3) 基于TM-5影像的VTCI干旱监测系统
由中国农业大学信息与电气工程学院的朱钟正、欧文浩、李琰民、蒲晓君研发，系统采用Visual studio 2005和ENVI/IDL平台，基于IDL强大的数据处理功能和ArcGIS Engine的人性化制图功能，系统界面框架上采用第三方控件DevComponents.DotNetBar实现灵活的系统框架和美观友好的用户界面。
文章来源：http://blog.sina.com.cn/s/blog_764b1e9d0100sakk.html
