论文部分内容阅读
该文从指导农业灌溉和精准农业管理需求出发,选用空间分辨率较高的2003年4月7日北京地区Landsat ETM+数据、2001年4月11日小汤山精准农业实验基地的OMIS高光谱影像数据作为遥感信息源,用烘干法同步获取的地面采样点土壤水分数据为建模和验证数据.借助于GPS定位仪,研究了空间分布的TVDI与土壤含水量之间的定量关系.经定量分析和实际验证,提出了在大气状况比较稳定、天空晴朗的情况下,用亮温代替地表真实温度,同NDVI构筑亮温(Tb)-NDVI特征空间,求算亮温植被干旱指数(BTVDI),用BTVDI估测土壤含水量同样达到比较好的效果.首先是温度反演问题.Landsat ETM+数据只有一个热红外通道,采用当日的地面气象资料、MODTRAN标准大气廓线和北京地区大气廓线资料,以及卫星影像资料等,分别进行大气透过率、大气平均作用温度、地面比辐射率的参数估计.采用单窗口算法,由ETM+热红外数据反演得到地表真实温度.OMIS高光谱数据有8个热红外通道,经过筛选,采用了其中数据质量比较高的两个通道,利用MODTRAN模拟数据,建立劈窗算法方程,反演得到地表温度.第二,Ts-NDVI特征空间的影响因素分析及代表性检验.TVDI指数提取的关键是温度、植被指数特征空间——散点图的构筑和干湿边的确定.以ETM+数据为例,探讨了特征空间的主要影响因素,诸如影像窗口大小、地物类型、地形起伏、云、地物比辐射率等因素之后.排除这些因素的干扰因素,选取ETM+影像窗口,并通过野外检验和影像特征分析,对基于ETM+影像窗口构筑的Ts-NDVI特征空间的代表性进行综合评价.第三,温度植被干旱指数的提取.分别用ETM+影像窗口数据和OMIS热红外数据反演的地表温度(Ts)、归一化著异植被指数(NDVI)建立Ts-NDVI特征空间.然后,分别用ETM+影像窗口数据及OMIS的亮温数据(Tb)代替反演的真实温度,构建Tb/NDVI特征空间.由各特征空间进行干湿边拟合,依次求算TVDI和BTVDI指数数据.第四,TVDI指数和BTVDI指数估测土壤水模型建立与验证.根据GPS定位坐标提取像元点的TDVI和BTVDI指数值,与地面同步采集的土壤重量含水量进行回归分析,建立TVDI和BTVDI估测土壤水的经验模型.经检验具有较好的可信度.第五,使用实测的数据,分析探讨了温度植被干旱指数估测土壤水模型的拓展问题.