草地资源调查方法4(遥感技术)课件

1、草地资源调查方法4(遥感技术)课件草地资源调查方法4(遥感技术)课件 遥感（RS） 遥感（RS）：不直接接触物体，通过各种探测仪器，从不同高度的平台上接受来自地球表面各类地物的电磁波信息，再将这些电磁波信息传输到地面进行加工处理，从而达到对不同地物及其特性进行远距离的探测和识别的全过程，这一过程称为遥感技术。 遥感（RS） 遥感（RS）：不直 地理信息系统（GIS） 地理信息系统（GIS）：是以地理空间数据库为基础，采用地理图形分析方法，适时提供多种空间的、动态的信息，以供分析和管理在一定地理区域内分布的各种地学、社会现象和过程，它具备数据输入、预处理、数据管理、空间查询和可视化表达输出等功能

2、。干旱监测沙尘暴信息火情信息积雪信息草地监测 地理信息系统（GIS） 干旱监测沙尘暴信息火情信 全球定位系统（GPS） 全球定位系统（GPS）：是由美国国防部开发的一套基于卫星的无线导航系统，这些卫星连续发送回精确的时间和其所在位置，通过GPS接收器接收，从而判断地面上或接近地面的物体的位置及其移动速度和方向等。 全球定位系统（GPS） 3S技术集成3S技术集成 二、遥感技术调查的工作程序与方法 1.准备工作 2.图像预判 3.建立解译标志4.成图5.现场验证6.总结 二、遥感技术调查的工作程序与方法 1.准备工作 1.准备工作 （1）遥感信息源的搜集与整理航空像片： 根据摄影时选用的方式和感

3、光材料的不同，有多种类型的航空像片。按像片的倾角分为水平相片和倾斜相片；按所用感光胶片分为全色片、黑白红外片、红外彩色片等。通过观察辨别所使用的航片类型。1.准备工作 （1）遥感信息源的搜集与整理航天影像： 航天影像依传感器、处理方式、光谱波段等划分方法，有不同的分类。常见的卫星遥感数据有：MSS；TM、ETM；SPOT；IRS；IKNOOS（艾科诺斯）；Quick Bird(快鸟）；MODIS；CBERS等。航天影像：MSS；TM、ETM；SPOT；IRS；IKNOO航天遥感信息点击各卫星图标进入LANDSAT 5LANDSAT 7RADARSAT-1ERS-1,2JERS-1CBERS-1

4、SPOTENVISAT-1IRS-P6IKONOSQUICK BIRDMODIS航天遥感信息点击各卫星图标进入LAN航天遥感信息演示北京故宫2002年2月11日QuickBird影像Credit: “DigitalGlobe”航天遥感信息演示北京故宫Credit: “DigitalGl航天遥感信息演示北京万泉河桥 图像采用Quickbird 全色+多光谱3、2、1融合结果制成，数据分辨率0.6m。航天遥感信息演示北京万泉河桥 航天遥感信息演示三峡2003年7月13日QuickBird影像Credit: “DigitalGlobe”航天遥感信息演示三峡Credit: “DigitalGlob航天

5、遥感信息演示中国南海 台风2003年8月24日MODIS影像 航天遥感信息演示中国南海 台风航天遥感信息演示意大利 红树林2002年 5月16日QuickBird影像航天遥感信息演示航天遥感信息演示Credit:”Space Imaging Eurasia”埃及阿斯旺大坝2002年7月29日IKONOS卫星影像航天遥感信息演示Credit:”Space Imaging 航天遥感信息演示巴格达 战前战后对比(Quick Bird影像)航天遥感信息演示巴格达 战前战后对比(Quick Bir航天遥感信息演示埃及金字塔航天遥感信息演示埃及金字塔航天遥感信息演示北京市紫竹桥地区IKONOS卫星影像不同

6、时期对比紫竹桥2001年5月紫竹桥2002年10月紫竹桥2003年10月航天遥感信息演示北京市紫竹桥地区IKONOS卫星影像不同时期航天遥感信息演示死海晒盐塘的扩展航天遥感信息演示死海航天遥感信息演示智利金、银、铜矿开采航天遥感信息演示智利航天遥感信息演示虾类养殖与红树林萎缩1989年5月2001年12月航天遥感信息演示虾类养殖与1989年5月2001年12月航天遥感信息演示调查农作物春夏长势及收割情况俄罗斯伏尔加河萨拉托夫地区航天遥感信息演示调查农作物春夏长势及收割情况航天遥感信息演示非洲撒哈拉地区 灌溉农业1999年10月31日2001年10月23日航天遥感信息演示非洲撒哈拉地区 灌溉农业

7、1999年1航天遥感信息演示沙 尘 暴 监 测航天遥感信息演示沙 尘 暴 监 测 在草地资源调查中，使用的遥感影像主要有MSS、SPOT，TM，ETM，由于SPOT价格较贵，MSS图像分辨率低，基本被TM、ETM所取代。 ETM+、TM、MSS和SPOT影像比较表项目ETM+TMMSSSPOT波段个数8743空 间分 辨 率ETM15、7为30m30mETM6为60m60mETM8为15m15mTM15、7为30m30m TM6为120m120m79m79m20m20 m信息数据（兆字节/幅）约250约230约30约27草地资源调查常用遥感信息源 在草地资源调查中，使用的遥感影像主要有MSS、

8、SPO昌吉市、呼图壁县遥感卫星影像图昌吉市（2）图像的性质分析与处理明确图像的性质 影像的种类,波段的组合,摄影时间等。进行图像的处理（3）专题图件的搜集与整理遥感影像处理专题图件数字化地图信息提取遥感影像处理专题图件数字化地图信息提取2.图像预判 （1）阅读专业资料 明确影像与预判对象之间的生物物理学联系。 （2）预判 遵循从“已知到未知”，“先易后难”，“由宏观到微观”原则。 2.图像预判 （1）阅读专业资料 明确影像与预判对象之间的3.建立解译标志解译标志是图像解译分析的依据。利用目视解译时，可根据影像特征，即色调、阴影、图形、形状、纹理等与不同草地或地类之间的对应关系，建立相关解译标志

9、。利用计算机自动分析，一般是通过模式样地，建立解译标志，虽然在数字图像处理中有所应用，但在技术上尚未完全解决。3.建立解译标志（1）直接判读标志的应用 色调： 注意时间变化（春天秋天）、空间变化（生态地理区域差异）。 形状：农田、河流、道路、居民区、森林等。 纹理与图案：灌木草地斑点状纹理；受侵蚀作用草地勾纹状纹理；严重盐渍化草地絮团状纹理。 阴影：乔、灌木区分；山区复合体分布类型判读。（2）间接判读标志的应用 应用生态学、地学、草地类型学原理分析图形特征。（1）直接判读标志的应用草地类型判读解译标志草地类型地形地貌代表样地影像特征备注色彩色调形状大小影像结构草地类型判读解译标志草地类型判读解

10、译标志草地类型地形地貌代表样地影像特征备注森 林森 林冰雪石质冰雪石质农田、居民区、水域、道路农田、居民区、水域、道路农田、居民区、水域、道路2农田、居民区、水域、道路2密丛中禾草、杂类草型 密丛中禾草型 杂类草、密丛中禾草型 草地类型密丛中禾草、杂类草型 密丛中禾草型 杂类草、密丛中禾草型 草4 成图（1）解译方法 人工目视解译成图；人工目视解译+计算机辅助判读；人机交互解译成图。4 成图（1）解译方法（2）解译原则 用草地类型学原理指导解译； 区域生态自然地理分析； 相关信息规律分析； 草地季相与影像时相分析； 人类社会经济活动对草地影响的分析。（3）人机交互解译成图（2）解译原则5.现场

11、验证 现场验证工作与草地资源定性定量分析采样等工作结合起来进行。野外是对室内工作结果，拿到现场进行检查验证和解决判读中的疑难问题，以保证调查成果的可靠性的关键。 验证内容：边界、图斑内容。（采用抽样方法）5.现场验证 现场验证工作与草地资源定性定量分析采样6.总结（1）成图总结 以GIS软件为基础，以野外GPS定点调查为依据，对遥感信息解译结果进行进一步总结，并编绘出图。（2）数据整理 对野外调查的反映草地资源定性、定量的数据进行整理。 借助于计算机和GIS软件，创建草地资源数据库，达到各类图件、数据、文字等信息的优化管理。6.总结草地资源类型图草地资源类型图草地资源配置图草地资源配置图专题图

12、件 利用3S技术编绘各种专题图件。草场围栏建设示意图草场承包示意图专题图件 利用3S技术编绘各种专题图件专题图件季节草场分布示意图专题图件季节草场分布示意图数字高程图数字高程图曲面三维透视图曲面三维透视图三维遥感影像图三维遥感影像图属性数据管理 以GIS软件为开发平台，进行草地资源信息管理系统软件的开发与研制，对各种空间数据库与属性数据库链接，达到图文一体化，实现草地资源高效的数字化管理。属性数据管理 以GIS软件为开发平台，进行草地资源三、草地遥感估产监测技术 工作目标（1）明确监测区草地植物群落季节、年季动态变化特征；（2）建立监测区动态遥感监测的估产模型。三、草地遥感估产监测技术 工作目

13、标工作内容（1）现场测定研究区样方内草地植物的生物量、高度、盖度，明确植物群落动态变化特征。（2）收集遥感资料的数据，校正后获得GPS点下的各植被指数的值。（3）结合地面数据和遥感资料的数据，应用数学方法分析生物量、高度、盖度与植被指数的关系，建立动态估产模型。（4）应用实例验证模型，提出草地动态遥感监测的估产模型。工作内容工作思路MODIS卫星资料获取影像校正植被指数的计算实地测定地面数据整理建立估产模型野外验证精度评价验证模型动态估产模型垂直带草地生物量反演工作思路MODIS卫星资料获取影像校正植被指数的计算实地测定工作方法1、地面监测 对草地类型进行地面定点、定时（15天1次）。在每个草

14、地类型中选择有代表性的地段，测定11m的样方20-30个，测定内容包括：植物种类：记录样方内出现的所有植物名称。生物量：将样方内各种植物按照种类齐地面剪下，分别装袋称重。高度：每种植物随机测量10株自然高度。盖度：用针刺法，每个样方测定100次。工作方法1、地面监测2、遥感数据的获取及处理 收集MODIS数据，在EOS/MODIS投影（星地通公司）软件的支持下对影像数据进行预处理、云检测、等面积投影、云识别、区域挖图，按照公式：NDVI=（CH2-CH1）/（CH2+CH1）和RVI=CH2/CH1 （其中CH2与CH1分别是近红外通道与红光通道的反射率）计算归一化植被指数（NDVI）和比值植

15、被指数（RVI），再将地面监测的经纬度数据转化成Mapinfo的格式后叠加在NDVI图和RVI图上，获得GPS点下的各植被指数的值。2、遥感数据的获取及处理3、建立估产模型光学模型：Gj=gj（CH1，CH2），Y=Yg（g1,g2） 式中j=1，2两种算法模式；CH1、CH2分别为地面实测光谱通道1，2；Gj为第j种算法模式计算的地面光谱绿度值；Y为地面实测产草量，g1=RVI,g2=NDVI4、数理统计分析 运用SPSS统计软件对测定数据及各植被指数进行统计分析、相关性分析，对于每种实测数据和遥感数据筛选出相关性好的模型作为该种草地的估产模型。3、建立估产模型5、由点及面的草地生物量反演

16、根据动态估产模型，再从点的监测数据推算到一定区域，分析区域内草地植被生长动态，建立生长季内月份间植被指数产量分区图，对垂直带草地生物量进行反演。5、由点及面的草地生物量反演 2004年4月至10月EOS/MODIS卫星数据1：10万的草地类型图草原和草甸两草地类型的典型样地的生物量实测数据4 处理软件：国家卫星中心星地通公司的“MODIS资料接收处理系统；遥感图像处理软件ENVI4.0；国产地理信息系统软件MAPGIS6.5；美国ADOBE公司的PHOTOSHOP7.1。 研究数据资料 2004年4月至10月EOS/MODIS卫星数据研究数 采用EOS/MODIS 250米的卫星资料数据，通过

17、对数据进行信息提取、预处理、几何校正、太阳高度角订正等；结合前人得出的植被指数的经验公式，计算了典型区域草地不同季节的NDVI、RVI，同时结合实测数据利用统计回归的方法，建立不同草地类型在不同季节的植被指数模型；在此基础上，利用植被指数最大值合成法MVC（maximum value composite）制作了乌鲁木齐地区植被指数专题图与植被指数变化趋势图，分析了乌鲁木齐地区草地植被指数(-)的时空变化特征。研究方法 采用EOS/MODIS 250米的卫星资野外实测照片野外实测照片 根据2004年5月、7月、9月实测数据，选取这一时段内实测区无云、无掉包的MODIS数据，运用（ENVI）Bas

18、ic Tools中的 Band Math命令对图像进行运算，具体运算公式： 其中ch2和ch1分别代表近红外波段和红波段 同时对所得到的植被指数影像上定义与实测点相对应的子区，记录各点所对应的数值，此数值为所要求的植被指数值。典型区植被指数的提取 根据2004年5月、7月、9月实测数据，选取这一 5月在草甸样地上所得到的植被指数样地代号 地理位置 NDVI RVI 平均鲜重1 43.4597 87.0417 0.5319 3.2727 5252 43.4772 87.0367 0.4689 2.7654 372.83 43.4560 87.0744 0.5144 3.1184 405.54 4

19、3.4526 87.0734 0.5375 3.3239 430.85 43.4531 87.0659 0.5063 3.0513 453.56 43.4620 87.0654 0.5231 3.1935 5077 43.4652 87.0653 0.4829 2.8676 3508 43.4595 87.0657 0.5444 3.3896 400.59 43.4611 87.0667 0.4583 2.6923 307.510 43.4700 87.0670 0.5649 3.5962 552.511 43.4770 87.0620 0.4627 2.7222 33512 43.4670

20、87.0510 0.5250 3.2105 465.513 43.4600 87.0520 0.5533 3.4776 523.514 43.4560 87.0490 0.4966 2.9730 485.515 43.4460 87.0500 0.5019 3.0156 45716 43.4460 87.0530 0.5078 3.0635 38317 43.4450 87.0670 0.5110 3.0897 450.5 5月在草甸样地上所得到的植被指数样地代号 7月在草甸样地上所得到的植被指数样地代号 地理位置 NDVI RVI 平均鲜重1 43.4597 87.0417 0.7639 7

21、.4722 868.52 43.4772 87.0367 0.7452 6.8500 759.03 43.4560 87.0744 0.6025 4.0317 583.84 43.4526 87.0734 0.6215 4.2836 636.55 43.4531 87.0659 0.6213 4.2807 610.56 43.4620 87.0654 0.7352 6.5526 676.37 43.4652 87.0653 0.7407 6.7143 801.08 43.4595 87.0657 0.6729 5.1148 671.39 43.4611 87.0667 0.6587 4.860

22、0 645.810 43.4700 87.0670 0.5943 3.9296 571.011 43.4770 87.0620 0.6432 4.6061 643.812 43.4670 87.0510 0.6393 4.5455 588.513 43.4600 87.0520 0.6247 4.3293 638.314 43.4560 87.0490 0.6074 4.0946 598.515 43.4460 87.0500 0.6936 5.5273 648.816 43.4460 87.0530 0.6085 4.1081 623.017 43.4450 87.0670 0.6368 4

23、.5068 647.57月在草甸样地上所得到的植被指数样地代号 地理位置 9月在草甸样地上所得到的植被指数样地代号 地理位置 NDVI RVI 平均鲜种1 43.4597 87.0417 0.4630 2.7241 4002 43.4772 87.0367 0.4609 2.7101 4823 43.4560 87.0744 0.5161 3.1333 6034 43.4526 87.0734 0.5579 3.5238 590.55 43.4531 87.0659 0.4887 2.9118 5206 43.4620 87.0654 0.5243 3.2041 582.57 43.4652

24、87.0653 0.5340 3.2917 610.58 43.4595 87.0657 0.5304 3.2593 621.59 43.4611 87.0667 0.5537 3.4815 60010 43.4700 87.0670 0.4975 2.9800 589.511 43.4770 87.0620 0.4764 2.8194 525.712 43.4670 87.0510 0.5500 3.4444 63013 43.4600 87.0520 0.5056 3.0455 602.514 43.4560 87.0490 0.4892 2.9155 57015 43.4460 87.0

25、500 0.4939 2.9516 48116 43.4460 87.0530 0.5183 3.1522 49017 43.4450 87.0670 0.4681 2.7600 450 9月在草甸样地上所得到的植被指数样地代号 地理位置 5月在草原样地上所得到的植被指数样地代号 地理位置 NDVI RVI 平均鲜种1 43.4937 87.0437 0.4812 2.8551 427.62 43.5123 87.0417 0.4096 2.3874 397.5 3 43.5240 87.0086 0.4800 2.8462 402.64 43.5263 87.0602 0.4222 2.46

26、15 326.05 43.5328 87.0218 0.4195 2.4455 234.06 43.5807 87.0790 0.3539 2.0957 126.07 43.5190 87.1240 0.3447 2.0519 275.08 43.5150 87.1260 0.4890 2.9140 275.09 43.5114 87.1277 0.4749 2.8085 363.210 43.5103 87.1306 0.5043 3.0345 462.411 43.5093 87.1354 0.5091 3.0741 510.312 43.5136 87.1400 0.3569 2.110

27、2 128.113 43.5220 87.1240 0.3676 2.1628 150.114 43.5285 87.1221 0.3704 2.1765 234.015 43.5319 87.1222 0.3054 1.8793 152.016 43.5309 87.1369 0.4229 2.4661 240.3 17 43.5283 87.1309 0.3896 2.2764 175.218 43.5275 87.1273 0.3933 2.2966 192.419 43.5203 87.1204 0.4518 2.6481 149.420 43.5224 87.1207 0.4723

28、2.7900 200.321 43.5254 87.1195 0.3528 2.0903 122.322 43.5313 87.1157 0.3219 1.9493 75.323 43.5347 87.1131 0.3014 1.8627 253.024 43.5370 87.1170 0.3575 2.1129 134.325 43.5380 87.1240 0.3995 2.3304 195.026 43.5370 87.1380 0.4209 2.4537 210.327 43.5250 87.1380 0.4391 2.5657 279.428 43.5060 87.1370 0.46

29、92 2.7677 340.529 43.5140 87.1210 0.5089 3.0722 400.330 43.5280 87.1077 0.4674 2.7551 283.831 43.5240 87.1079 0.4624 2.7200 398.55月在草原样地上所得到的植被指数样地代号 地理位置 7月在草原样地上所得到的植被指数样地代号 地理位置 NDVI RVI 平均鲜种1 43.4937 87.0437 0.7211 6.1707 1072.02 43.5123 87.0417 0.6563 4.8182 656.03 43.5240 87.0086 0.7176 6.0833

30、 985.54 43.5263 87.0602 0.7012 5.6935 876.05 43.5328 87.0218 0.7067 5.8182 956.06 43.5807 87.0790 0.6945 5.5472 814.07 43.5190 87.1240 0.4415 2.5811 381.58 43.5150 87.1260 0.6834 5.3171 610.09 43.5114 87.1277 0.6785 5.2208 551.010 43.5103 87.1306 0.6589 4.8630 518.511 43.5093 87.1354 0.7107 5.9138 8

31、13.012 43.5136 87.1400 0.6300 4.4054 480.013 43.5220 87.1240 0.6733 5.1220 523.014 43.5285 87.1221 0.4863 2.8934 292.515 43.5319 87.1222 0.4416 2.5814 193.716 43.5309 87.1369 0.6164 4.2135 521.517 43.5283 87.1309 0.4197 2.4467 260.718 43.5275 87.1273 0.5650 3.5980 246.719 43.5203 87.1204 0.5029 3.02

32、33 206.720 43.5224 87.1207 0.6561 4.8161 512.021 43.5254 87.1195 0.5723 3.6762 260.022 43.5313 87.1157 0.3953 2.3077 250.023 43.5347 87.1131 0.4265 2.4876 372.024 43.5370 87.1170 0.5328 3.2813 431.025 43.5380 87.1240 0.5190 3.1584 324.526 43.5370 87.1380 0.5485 3.4300 343.027 43.5250 87.1380 0.6065

33、4.0825 418.528 43.5060 87.1370 0.6223 4.2949 357.729 43.5140 87.1210 0.6933 5.5200 552.030 43.5280 87.1077 0.6087 4.1111 339.031 43.5240 87.1079 0.5982 3.9770 450.07月在草原样地上所得到的植被指数样地代号 地理位置 9月在草原样地上所得到的植被指数样地代号 地理位置 NDVI RVI 平均鲜种1 43.4937 87.0437 0.4091 2.3846 3692 43.5123 87.0417 0.4218 2.4590 4273

34、 43.5240 87.0086 0.3982 2.3235 3524 43.5263 87.0602 0.4465 2.6133 4995 43.5328 87.0218 0.3610 2.1299 3096 43.5807 87.0790 0.4686 2.7639 5977 43.5190 87.1240 0.3267 1.9703 1388 43.5150 87.1260 0.4892 2.9155 6339 43.5114 87.1277 0.4810 2.8533 60710 43.5103 87.1306 0.3676 2.1625 67011 43.5093 87.1354 0

35、.5253 3.2131 78012 43.5136 87.1400 0.3785 2.217 33313 43.5220 87.1240 0.4209 2.4535 40714 43.5285 87.1221 0.3228 1.9533 17715 43.5319 87.1222 0.3129 1.9107 24816 43.5309 87.1369 0.3907 2.2826 38717 43.5283 87.1309 0.3026 1.8679 13618 43.5275 87.1273 0.3378 2.0204 23919 43.5203 87.1204 0.3399 2.0300

36、26320 43.5224 87.1207 0.3480 2.0673 24221 43.5254 87.1195 0.2827 1.7881 36222 43.5313 87.1157 0.2547 1.6835 17323 43.5347 87.1131 0.4493 2.6316 38024 43.5370 87.1170 0.3375 2.0189 26225 43.5380 87.1240 0.3353 2.0088 23126 43.5370 87.1380 0.3520 2.0865 30027 43.5250 87.1380 0.3533 2.0928 42528 43.506

37、0 87.1370 0.3875 2.2653 24629 43.5140 87.1210 0.4545 2.6667 48330 43.5280 87.1077 0.4389 2.5647 44831 43.5240 87.1079 0.3438 2.0481 3459月在草原样地上所得到的植被指数样地代号 地理位不同季节植被指数模型 通过以上计算得到的草甸和草原的NDVI，RVI，以每个像素点所对应的实际位置的植被的鲜重(g)为因变量，在MODIS传感器所得到的NDVI、 RVI为自变量，在EXCELL2000中拟合出相关系数最大的植被指数相关方程。 不同季节植被指数模型 通过以上计算得到

38、的草草甸 相关系数 样本数5月 y=1804.6NDVI-486.98 0.6104* 17 y=212.75RVI-225.47 0.5943* 177月 y=1268.7NDVI-177.09 0.7916* 17 y=63.665RVI+338.17 0.834* 179月 y=1675.8NDVI-300.59 0.5939* 17 y=195.9RVI-52.85 0.5679* 17草原5月 y=1480.7NDVI-349.92 0.5882* 31 y=258.42RVI-370.24 0.6239* 317月 y=1921.3NDVI-643.45 0.6332* 31 y=

39、175.25RVI-240.93 0.7712* 319月 y =2013NDVI-398.78 0.6608* 31 y=368.82RVI-468.17 0.691* 31注：*为通过0.01的极显著性检验;*为通过0.05的显著性检验草甸 5.1.3 实测值与反演值的对比分析 为了模型的应用精度，我们将野外实测草甸和草原的地上生物量数据与模型预测数据进行了比较。草甸实测值与估测值曲线图 草原实测值与估测值曲线图 5.1.3 实测值与反演值的对比分析 为了5.2 植被指数的时间变化特征 草甸4-10月归一化植被指数折线图草原4-10月归一化植被指数折线图 通过对4 -10月的实测样点NDVI值的提取并分析后可以看出，随着季节的变化，草甸和草原NDVI最大平均值出现在7月份，其值分别为0.6594、0.5931。从图中也可看出草甸和草原植被指数的随着时间序列变化,值的变化呈季节性变化: 无论在草甸草地还是在草原上，牧草植物经4月、5月中旬返青植被指数逐渐增长，生物量也逐渐增加，7月达到最大值,8月随着牧草的结实,9月果实成熟等生长期季节变化,植被指数开始逐渐减小， 10月明显下降,进入枯黄期和休眠期，植被指数降低，牧草产量、质量也均下降。 5.2 植被指数的时间