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)

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。干旱监测沙尘暴信息火情信息积雪信息草地监测

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。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。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）；QuickBird(快鸟）；MODIS；CBERS等。航天遥感信息点击各卫星图标进入●●●●●●LANDSAT5LANDSAT7RADARSAT-1ERS-1,2JERS-1CBERS-1SPOTENVISAT-1IRS-P6IKONOSQUICK

BIRDMODIS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。航天遥感信息演示三峡2003年7月13日QuickBird影像Credit:“DigitalGlobe”航天遥感信息演示中国南海台风2003年8月24日MODIS影像

航天遥感信息演示意大利红树林2002年5月16日QuickBird影像航天遥感信息演示Credit:”SpaceImagingEurasia”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巴格达——战前战后对比(QuickBird影像)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死海晒盐塘的扩展航天遥感信息演示智利金、银、铜矿开采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ETM1—5、7为30m×30mETM6为60m×60mETM8为15m×15mTM1—5、7为30m×30mTM6为120m×120m79m×79m20m×20m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昌吉市、呼图壁县遥感卫星影像图（2）图像的性质分析与处理①明确图像的性质影像的种类,波段的组合,摄影时间等。②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。

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。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。（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。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森林冰雪石质农田、居民区、水域、道路农田、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。（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5.现场验证

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）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。草地资源类型图草地资源配置图专题图件利用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季节草场分布示意图数字高程图曲面三维透视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。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。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）。在每个草地类型中选择有代表性的地段，测定1×1m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。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。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。5、由点及面的草地生物量反演根据动态估产模型，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。

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。

研究数据资料采用EOS/MODIS250米的卫星资料数据，通过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（maximumvaluecomposite）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(ＭＯＤＩＳ-ＮＤＶＩ)的时空变化特征。研究方法野外实测照片根据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）BasicTools中的BandMath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

5月在草甸样地上所得到的植被指数样地代号地理位置NDVIRVI平均鲜重143.459787.04170.53193.2727525243.477287.03670.46892.7654372.8343.456087.07440.51443.1184405.5443.452687.07340.53753.3239430.8543.453187.06590.50633.0513453.5643.462087.06540.52313.1935507743.465287.06530.48292.8676350843.459587.06570.54443.3896400.5943.461187.06670.45832.6923307.51043.470087.06700.56493.5962552.51143.477087.06200.46272.72223351243.467087.05100.52503.2105465.51343.460087.05200.55333.4776523.51443.456087.04900.49662.9730485.51543.446087.05000.50193.01564571643.446087.05300.50783.06353831743.445087.06700.51103.0897450.57月在草甸样地上所得到的植被指数样地代号地理位置NDVIRVI平均鲜重143.459787.04170.76397.4722868.5243.477287.03670.74526.8500759.0343.456087.07440.60254.0317583.8443.452687.07340.62154.2836636.5543.453187.06590.62134.2807610.5643.462087.06540.73526.5526676.3743.465287.06530.74076.7143801.0843.459587.06570.67295.1148671.3943.461187.06670.65874.8600645.81043.470087.06700.59433.9296571.01143.477087.06200.64324.6061643.81243.467087.05100.63934.5455588.51343.460087.05200.62474.3293638.31443.456087.04900.60744.0946598.51543.446087.05000.69365.5273648.81643.446087.05300.60854.1081623.01743.445087.06700.63684.5068647.59月在草甸样地上所得到的植被指数样地代号地理位置NDVIRVI平均鲜种143.459787.04170.46302.7241400243.477287.03670.46092.7101482343.456087.07440.51613.1333603443.452687.07340.55793.5238590.5543.453187.06590.48872.9118520643.462087.06540.52433.2041582.5743.465287.06530.53403.2917610.5843.459587.06570.53043.2593621.5943.461187.06670.55373.48156001043.470087.06700.49752.9800589.51143.477087.06200.47642.8194525.71243.467087.05100.55003.44446301343.460087.05200.50563.0455602.51443.456087.04900.48922.91555701543.446087.05000.49392.95164811643.446087.05300.51833445087.06700.46812.76004505月在草原样地上所得到的植被指数样地代号地理位置NDVIRVI平均鲜种143.493787.04370.48122.8551427.6243.512387.04170.40962.3874397.5343.524087.00860.48002.8462402.6443.526387.06020.42222.4615326.0543.532887.02180.41952.4455234.0643.580787.07900.35392.0957126.0743.519087.12400.34472.0519275.0843.515087.12600.48902.9140275.0943.511487.12770.47492.8085363.21043.510387.13060.50433.0345462.41143.509387.13540.50913.0741510.31243.513687.14000.35692.1102128.11343.522087.12400.36762.1628150.11443.528587.12210.37042.1765234.01543.531987.12220.30541.8793152.01643.530987.13690.42292.4661240.31743.528387.13090.38962.2764175.21843.527587.12730.39332.2966192.41943.520387.12040.45182.6481149.42043.522487.12070.47232.7900200.32143.525487.11950.35282.0903122.32243.531387.11570.32191.949375.32343.534787.11310.30141.8627253.02443.537087.11700.35752.1129134.32543.538087.12400.39952.3304195.02643.537087.13800.42092.4537210.32743.525087.13800.43912.5657279.42843.506087.13700.46922.7677340.52943.514087.12100.50893.0722400.33043.528087.10770.46742.7551283.83143.524087.10790.46242.7200398.57月在草原样地上所得到的植被指数样地代号地理位置NDVIRVI平均鲜种143.493787.04370.72116.17071072.0243.512387.04170.65634.8182656.0343.524087.00860.71766.0833985.5443.526387.06020.70125.6935876.0543.532887.02180.70675.8182956.0643.580787.07900.69455.5472814.0743.519087.12400.44152.5811381.5843.515087.12600.68345.3171610.0943.511487.12770.67855.2208551.01043.510387.13060.65894.8630518.51143.509387.13540.71075.9138813.01243.513687.14000.63004.4054480.01343.522087.12400.67335.1220523.01443.528587.12210.48632.8934292.51543.531987.12220.44162.5814193.71643.530987.13690.61644.2135521.51743.528387.13090.41972.4467260.71843.527587.12730.56503.5980246.71943.520387.12040.50293.0233206.72043.522487.12070.65614.8161512.02143.525487.11950.57233.6762260.02243.531387.11570.39532.3077250.02343.534787.11310.42652.4876372.02443.537087.11700.53283.2813431.02543.538087.12400.51903.1584324.52643.537087.13800.54853.4300343.02743.525087.13800.60654.0825418.52843.506087.13700.62234.2949357.72943.514087.12100.69335.5200552.03043.528087.10770.60874.1111339.03143.524087.10790.59823.9770450.09月在草原样地上所得到的植被指数样地代号地理位置NDVIRVI平均鲜种143.493787.04370.40912.3846369243.512387.04170.42182.4590427343.524087.00860.39822.3235352443.526387.06020.44652.6133499543.532887.02180.36102.1299309643.580787.07900.46862.7639597743.519087.12400.32671.9703138843.515087.12600.48922.9155633943.511487.12770.48102.85336071043.510387.13060.36762.16256701143.509387.13540.52533.21317801243.513687.14000.37852.2173331343.522087.12400.42092.45354071443.528587.12210.32281.95331771543.531987.12220.31291.91072481643.530987.13690.39072.28263871743.528387.13090.30261.86791361843.527587.12730.33782.02042391943.520387.12040.33992.03002632043.522487.12070.34802.06732422143.525487.11950.28271.78813622243.531387.11570.25471.68351732343.534787.11310.44932.63163802443.537087.11700.33752.01892622543.538087.12400.33532.00882312643.537087.13800.35202.08653002743.525087.13800.35332.09284252843.506087.13700.38752.26532462943.514087.12100.45452.66674833043.528087.10770.43892.56474483143.524087.10790.34382.0481345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。草甸相关系数样本数5月y=1804.6NDVI-486.980.6104*17y=212.75RVI-225.470.5943*177月y=1268.7NDVI-177.090.7916**17y=63.665RVI+338.170.834**179月y=1675.8NDVI-300.590.5939*17y=195.9RVI-52.850.5679*17

草原5月y=1480.7NDVI-349.920.5882*31y=258.42RVI-370.240.6239*317月y=1921.3NDVI-643.450.6332*31y=175.25RVI-240.930.7712**319月y=2013NDVI-398.780.6608**31y=368.82RVI-468.170.691**31注：**为通过0.01的极显著性检验;*为通过0.05的显著性检