武大遥感应用模型课程综合实习.docx

武大遥感应用模型课程综合实习.docx

《武大遥感应用模型课程综合实习.docx》由会员分享，可在线阅读，更多相关《武大遥感应用模型课程综合实习.docx（16页珍藏版）》请在冰点文库上搜索。

武大遥感应用模型课程综合实习

武汉大学教学实验报告

遥感信息工程学院遥感科学与技术专业2013年12月8日

实验名称

遥感应用模型实习

指导教师

XXX萌

姓名

XXX

班级

10011

学号

XXXX

成绩

一、预习部分

1.实验目的

2.实验基本原理

3.主要仪器设备（含必要的元器件、工具）

1实验目的

《遥感应用模型实习》是一门综合设计型的实验教学课程，要求我们在学完《遥感应用模型》理论课的基础上，能够运用一些遥感模型的理论知识去解决实际具体的遥感应用问题。

通过运用遥感模型解决实际遥感应用问题的过程，锻炼我们发现问题、分析问题以及综合运用所掌握的遥感理论知识和技术解决实际问题的能力。

同时在实践中，加强对《遥感应用模型》课程知识的理解和深化,训练我们实际编程和操作能力，培养我们具体解决某一遥感应用实际问题的能力。

1.1大气气溶胶光学厚度定量反演实验目的

通过大气气溶胶光学厚度定量反演实习，加强对遥感应用模型课程理论知识的理解，增强用遥感方法解决实际问题的能力。

在了解熟悉MODIS数据的基础上，掌握数据准备、数据预处理、模型建立、数据处理、结果输出以及结果分析等操作过程。

具体要求如下：

1）能对MODIS数据进行格式转换，裁减，图层分离，像元合并，利用角度数据的处理；

2）能对无云的地区进行暗目标提取，并标记处按目标的行列号；

3）了解并熟悉6S模型，掌握气溶胶反演的原理，能建立查找表；

4）了解气溶胶定量反演的过程和步骤，学会对反演结果进行分析。

1.2气象因子与NDVI的相关性分析实验目的

1）了解MODIS数据的特点以及利用MODIS数据时需要进行的图像预处理工作；

2）通过MODIS影像，对冬春季小麦种植情况与气象因子的相关性进行分析，了解植被遥感概况和方法；

3）熟悉植被指数，尤其是NDVI，并分析NDVI与气象因子的关系；

4）掌握NDVI及各种遥感数据的处理方法，并在此基础上利用MatLab制作NDVI与气象因子相关性成果图。

2实验基本原理

2.1大气气溶胶光学厚度定量反演实验基本原理

大气气溶胶是指大气中悬浮的半径小于几十微米的固态或液态微粒。

气溶胶在大气辐射收支平衡和全球气候中扮演着重要的角色，是大气物理学中的重要研究对象。

气溶胶不仅影响全球变化，而且也是影响区域大气环境质量的主要因素。

它是重要的气象参数之一，也是进行大气校正的基础。

6S辐射传输模式是由法国大气光学实验室（Laboratoired’OptiqueAtmospherique）5S模式基础上发展而来的。

6S模型的适用范围是太阳的短波0.25um-4.0um，适合计算无云大气的辐射传输，在其程序中大气模型可以自己定义，也可以按程序中的大气模型定义，其中程序自带的大气模型与LOWTRAN中6种标准大气模型一致。

在大气气溶胶的反演中，就是利用6S模型来建立MODIS数据的第1波段和第3波段的查找表，其中包括了太阳天顶角、卫星天顶角、相对方位角、大气气溶胶光学厚度、地面反射率和表观反射率。

太阳天顶角、卫星天顶角和相对方位角分别可以从角度数据的3、4、7波段的余弦图像中利用反余弦函数获得。

表观反射率可以通过1、3波段图像，通过定标，乘以对应的定标系数获得。

由于第7波段是近红外波段，其通过定标后获得反射率即可以视作该波段的地表反射率。

根据如下公式：

（1）

（2）

其中，

表示第1波段的地面反射率，

表示第3波段的地面反射率，

表示第7波段的地面反射率。

根据式

（1）、

（2），可以很快的求出第1、3波段的地面反射率，因此结合第1、3波段的查找表，利用对应的五个参数来查找剩下的一个参数——光学厚度。

2.2气象因子与NDVI的相关性分析实验基本原理

MODIS数据虽然经过了定位和辐射定标处理，仍然存在着影像数据质量的问题。

在进行专业的定量计算分析之前，必须要对MODIS数据进行一系列的预处理工作：

1）由于MODIS采用“多元并扫”的探测方式，在图像显示上会产生条带噪声，表现为有规律的亮线，因此需要进行条带噪声的去除；2）MODIS影像在轨道两侧存在严重的影像重叠现象，即“蝴蝶结”现象，需要进行去除；3）太阳天顶角订正；4）几何校正；5）为了使图像数据和气象数据在空间上有较好的相关性，实验选用各气象站所在行政区划内经纬度15'*15'大小矩形区域，图像上103*103像素区域为NDVI均值计算区域，因此还需要对MODIS图像进行实验区域裁剪。

研究植被指数与生物物理参数（叶面积指数，叶绿素含量，植被覆盖度，生物量等）、植被指数与地表生态环境参数（气温、降水、蒸发量、土壤水分等）的关系，以提高植物遥感的精度，并深入探讨植被在地表物质能量交换中的作用，已经成为植物遥感的主要研究内容。

在这些植被指数中，通常选用对绿色植物（叶绿素引起的）强吸收的可见光红光波段（0.6μm-0.7μm）和对绿色植物（叶内组织引起的）高反射和高透射的近红外波段（0.7μm-1.1μm）。

这两个波段不仅是植物光谱、光合作用中最重要的波段，而且他们对同一生物物理现象的光谱响应截然相反，形成明显的反差，因此可以对它们用比值、差分、线性组合等方式来增强植被信息，同时使非植被信息最小化。

其中最常用的植被指数就是NDVI（归一化植被指数），其计算公式如下：

（3）

可能与植被指数有关的气象因子主要包括：

降水、气温、积温、日照时数以及相对湿度。

本实验统计的气象因子是积温和前5天、前10天、前15天的日照积累值。

积温是在一定时间段内影响到植物生长的累计温度，因此针对试验区主要作物为小麦的实际情况，将0℃以上的日平均气温累加，以每年1月1日为时间起点，获得对应日期的积温值。

而这些值，都是在气象站记录数值乘上0.1后的具有实际物理意义的量。

植物生长对日照的响应，同样具有延时效益，因此，对日照时数分别取时间点前5天、10天、15天累计值，来研究其与植被指数的相关性。

3主要仪器设备

在大气气溶胶光学厚度定量反演实验中，所提供的数据有1—2波段250m分辨率的MODIS数据、3——7波段500m分辨率的MODIS数据、8—36波段的1000m分辨率的MODIS数据、角度数据以及MODIS数据头文件。

其中，主要利用的是MODIS数据的第1、3、7波段，角度数据的3、4、7波段以及头文件。

所需要用到的软件有ERDAS9.2、ENVI4.7以及VC6.0。

在气象因子与NDVI的相关性分析实验中，所提供的数据有老河口、南漳、枣阳、随州、广水、宜城、钟祥和安陆八个地区03、04年冬春季的MODSI数据（包括了第一波段和第二波段），以EXCEL表格形式提供的03，04年的温度数据和日照值数据。

所需要用到的软件有ERDAS9.2、EXCEL、MatLab7.1。

二、实验操作部分

1.实验数据、表格及数据处理

2.实验操作过程（可用图表示）

3.结论

1实验数据、表格及数据处理

1.1大气气溶胶光学厚度定量反演

1.1.1实验数据、表格

在大气气溶胶光学厚度定量反演实验中，所提供的数据有1—2波段250m分辨率的MODIS数据、3——7波段500m分辨率的MODIS数据、8—36波段的1000m分辨率的MODIS数据、角度数据以及MODIS数据头文件。

其中，主要利用的是MODIS数据的第1、3、7波段，角度数据的3、4、7波段以及头文件。

1.1.2数据处理

对给定的MODIS数据进行预处理。

包括格式转换，裁剪，图层分离，像元合并（就是把MODIS的250米和500米分辨率的影象转化为1000米分辨率的影象，以便利用1000米分辨率的角度数据），角度数据的处理——把余弦值化为度数值。

1.2气象因子与NDVI的相关性分析

1.2.1实验数据、表格

在气象因子与NDVI的相关性分析实验中，所提供的数据有老河口、南漳、枣阳、随州、广水、宜城、钟祥和安陆八个地区03、04年冬春季的MODSI数据（包括了第一波段和第二波段），以EXCEL表格形式提供的03，04年的温度数据和日照值数据。

为了进行气象因子与NDVI相关性的分析，还需要我们利用EXCEL，生成对应于各NDVI图像的气象数据统计值，制作成表格。

1.2.2数据处理

在利用MODIS数据之前，需要对MODIS数据进行预处理，包括了去条带噪声、去“蝴蝶结”、太阳天顶角订正、几何校正和影响裁剪等。

由于所给的MODIS数据已经进行了以上处理，因此在实习中我们可以直接利用MODIS数据进行实验。

2实验操作过程

2.1大气气溶胶光学厚度定量反演实验步骤

（一）数据预处理

格式转换：

用ERDAS的Import模块中，选择GenericBinary，把格式为BIN的250m、500m和1000m的MODIS数据转换为IMG格式，利用在弹出的对话框中设置参数，把数据格式设为BSQ，数据设为Unsignedint16bit；对于角度数据，数据格式也设置为BSQ，把数据类型设为IEEE32BitFloat。

在下面的Rows和Cols中根据附给的Readme文件中的数据来设置。

在Bands中输入波段数，250米的有两个波段，500米的有5个波段，1000米的有29个波段。

然后点OK完成格式转换。

像元合并：

用Interpreter模块下的Utilities->Degrade来完成像元合并。

像元合并是把250米和500米分辨率的数据转化为1000米分辨率的数据。

在像元合并时，在XScale和YScale中设置把多少个像元合并为一个像元。

对于250米，都设为4，对于500米都设为2，点击OK即可以完成像元的合并。

裁剪：

是用DataPrep模块下SubsetImage来完成裁剪，裁剪重要的是知道要裁剪的区域范围。

由于格式转换后的IMG文件没有头文件，不能用地理位置数据来裁剪，裁剪是根据老师给的已经裁剪好的数据反算得到裁剪的范围。

图层分离：

由于1、2波段为250m分辨率，3—7波段为500m分辨率，需要从250米和500米分辨率的数据提出1波段、3波段、7波段数据。

用Interpreter模块下的Utilities->LayerStack来完成图层分离。

选择250m分辨率图像的第一个图层，即第1波段，选择500m分辨率图像的第一和第五个图层，即第3波段和第7波段。

角度数据，分别分离出3、4、7三个波段，即相对方位角、卫星方位角和太阳方位角的余弦值数据。

角度数据的处理：

用Model模块下的ModelMaker来把余弦值转化为度数。

新建一个模型，把输入文件设为裁剪并分离后的角度文件。

对于3、4波段数据，模型里面的公式是用Functions下面的ACOS（），在下面的输入模型的框中输入：

ACOS（）/3.1415926*180，其中为要计算的图层数据；对于第7波段的角度数据，模型应该选择180-ACOS（）/3.1415926*180。

图像定标：

图像上显示的数据为DN值，还需要我们将DN值乘以每个波段的定标系数值，从而转换为表观反射率。

每个波段的具体的定标系数可以从Readme文件中获取。

同样，我们可以利用Model模块下的ModelMaker工具，直接对1、3、7波段的数据进行定标。

图像数据转化为二进制数据：

为了便于在程序设计中进行图像数据的读取，可以在ERDAS软件中，选择Import->Export，将IMG格式的图像文件转换为BIN格式的文件。

（二）暗目标的提取

暗目标的提取是用像元合并后的1000米分辨率的第7波段后的数据来进行波段的提取。

将像元值乘上它的波段系数2.67215e-05，即进行图像定标。

如果得到的值在0.036与0.044之间的话，就是暗目标。

在暗目标的提取过程中，把是暗目标所在的行号和列号输出来，以便进行下一步分析。

（三）查找表的建立

建立1波段和3波段的查找表。

查找表是用太阳天顶角、卫星天顶角、相对方位角、光学厚度、气溶胶类型、地表反射率来等参数来计算表观反照率。

建立的查找表只考虑气溶胶光学厚度在0.1-1.0之间的值，考虑到内插精度问题，每间隔0.1；太阳天顶角考虑62.00-63.00，每间隔0.20；卫星天顶角考虑40.00-40.80，每间隔0.20；相对方位角26-34，每间隔1；地面反射率0.018-0.022，每间隔0.001。

以上参数用于6S所需要的输入参数，进行查找表的运算，得到查找表。

（四）气溶胶厚度反演

根据上面建立的1、3波段的查找表，以及暗目标提取时得到的行号和列号，以及行列号对应的太阳天顶角、卫星方位角、相对方位角、地表反射率，表观反照率来进行查找表的查询得到各个波段的气溶胶光学厚度。

最后的气溶胶光学厚度是上面得到的1、3波段的气溶胶光学厚度的平均值，在0—1之间。

为了将气溶胶显示为图像，还需进行线性拉伸，将气溶胶的值的范围从0—1拉伸到0—255。

以上的步骤仅得到了暗目标点上的气溶胶光学厚度，为了得到整幅图像的气溶胶光学厚度，还要进行气溶胶光学厚度的内插，得到暗目标周围不是暗目标的点的气溶胶光学厚度，从而获取气溶胶光学厚度的分布图。

内插过程可以选择ERDAS软件的CreateSurface模块来进行。

最后，所有点光学厚度的平均值即为实验区域的光学厚度。

2.2气象因子与NDVI的相关性分析实验步骤

（1）数据预处理

在利用MODIS数据之前，需要对MODIS数据进行预处理，包括了去条带噪声、去“蝴蝶结”、太阳天顶角订正、几何校正和影响裁剪等。

由于所给的MODIS数据已经进行了以上处理，因此在实习中我们可以直接利用MODIS数据进行实验。

（2）NDVI均值统计

根据公式（3），利用ERDAS软件的Modeler模块进行归一化植被指数的计算。

选择Modeler->ModelMaker，建立计算模型：

（$n1_PROMPT_USER

（2）-$n1_PROMPT_USER

（1））*1000/（$n1_PROMPT_USER

（2）+$n1_PROMPT_USER

（1）），但是在实际的操作中，可能会出现分母为零的现象，为了避免这一现象，我们在分母项上加上一个较小的值0.0001，从而保证了NDVI的计算。

在输出的NDVI图像上，利用ERDAS窗口打开，然后查看其对应的Mean项，从而获得该图像的NDVI均值。

依次统计每一张图像的均值，将时间与NDVI值对应起来，输入到EXCEL表格中。

（3）气象数据整理

实习数据中，EXCEL表格给出了实验区03年、04年的每天的平均温度和日照数据，需要我们进行统计。

对于温度数据，首先在查找有NDVI值的时间，然后从这一年的1月1日起，利用EXCEL的SUM函数，累加温度值至有NDVI值的这一天，作为积温数据，填入到对应的NDVI数据的后。

温度数据乘以0.1后，是具有物理意义的，因此我们将积温值那一列均乘上0.1，作为具有物理意义的温度数据。

对于日照数据，需要分别统计前5天、前10天和前15天的数据。

在统计时，同样首先找到有NDVI值的时间，然后以这一天为起点，分别用SUM函数计算前5、10、15天的日照累计值，并记录到对应的NDVI值之后。

在统计的过程中，可能有一些是无效的，例如03年12月16号和03年12月27号的积温值，因为这两个数据之前是没有温度数据的；03年1月1号和03年1月3号等时间的日照积累值也是无效的。

因此我们需要将这一些特殊的统计值标记出来，在相关性分析时剔除掉。

（4）NDVI与气象因子相关性分析

利用Matlab对NDVI与气象因子关系进行分析，并制作成图。

（1）打开Matlab，在CommandWindow中输入相应数据，格式为x=[i,j,……,k]；回车，y=[m,n,……,q]；回车。

（2）用“Start”->“Toolboxes”->“CurveFitting”->“CurveFittingTool”制作平均NDVI与积温和日照时数之间的关系曲线：

单击“Data”，在XData中选择对应的x，YData中选择对应的y，然后点击“CreatedataSet”，再在已出现点数据的窗口上方点击“Fitting”，选择“NewFit”，再在拟合模式中积温图选择“quadraticpolynomial”->“Apply”,日照时数则选择为“linearpolynomial”->“Apply”,即NDVI与积温之间的关系曲线拟合为二次函数拟合，为曲线，而与日照时数之间的关系曲线拟合为一次函数拟合，为直线。

3结论

3.1大气气溶胶光学厚度定量反演

在找出暗目标点后，记录下暗目标点的行列号。

将暗目标点对应点的灰度值赋为255，非暗目标点对应的灰度值赋为0，得到的暗目标分布图如图1所示，其中像元总数为5151个，暗目标点共计1112个，约占总像元数的21.6%。

图1暗目标点分布图

利用在查找表中查找到的1、3波段的气溶胶光学厚度值，将其线性拉伸到0—255之间，在ERDAS中进行内插得到的1、3波段的气溶胶光学厚度分布图分别如图2、图3所示。

其中，第1波段的像元灰度均值为130.717，气溶胶光学厚度约为0.513；第3波段的像元灰度均值为81.726，气溶胶光学厚度约为0.32。

图2波段1气溶胶光学厚度分布图

图3波段3气溶胶光学厚度分布图

将1、3波段得到的暗目标点上的气溶胶厚度值取平均值，作为实验区域对应点上最终的气溶胶光学厚度，然后在ERDAS中进行线性内插，得到了实验区域的气溶胶光学厚度分布图，如图4所示，其中像元灰度均值为105.451，线性压缩到0—1的值为0.41。

图4实验区域气溶胶光学厚度分布图

3.2气象因子与NDVI的相关性分析

将得到的03、04两年的NDVI值与积温数据、前5天的日照时长积累值、前10天的日照时长积累值以及前15天的日照时长积累值用MATLAB进行拟合，其中NDVI与积温数据的相关性用二次函数拟合为曲线，与日照时长的积累值的相关性用一次函数拟合为直线。

拟合的结果图分别如图5—图12所示：

图503年NDVI与积温值关系图

图604年NDVI与积温值关系图

图703年NDVI与前五天日照关系图

图804年NDVI与前五天日照关系图

图903年NDVI与前十天日照关系图

图1004年NDVI与前十天日照关系图

图1103年NDVI与前十五天日照关系图

图1204年NDVI与前十五天日照关系图

根据图5—图12的拟合结果，得到各气象因子与NDVI的相关关系，如表1所示：

气象因子

R-square

AdjustedR-square

03年积温值

0.9275

0.9179

04年积温值

0.7241

0.6628

03年前五天日照时长

0.01113

-0.05067

04年前五天日照时长

0.03329

-0.06338

03年前十天日照时长

0.2598

0.2135

04年前十天日照时长

0.0443

-0.05126

03年前十五天日照时长

0.002094

-0.07467

04年前十五天日照时长

0.0006272

-0.09931

表1NDVI与气因子关关系表

1大气气溶胶光学厚度定量反演实验效果分析

在大气气溶胶光学厚度定量反演实习中，通过1、3波段的气溶胶光学厚度的均值，得到了实验区域的气溶胶光学厚度。

第1波段的气溶胶光学厚度为0.513，第3波段的气溶胶光学厚度为0.32，取平均值得到了最终的光学厚度0.41。

在整个气溶胶光学厚度反演中，对反演精度有着决定性作用的是1、3波段的光学厚度在6S模型产生的查找表中的查找算法。

不同的查找算法，会获得不同的气溶胶厚度值。

我采用的查找算法是：

在与第一波段和第三波段的查找表LUT1和LUT3进行对比时，采用的查找条件是各波段待查找的暗目标点的五个参数与对应的查找表中的五个参数的归一化距离（即将对应的距离取绝对值后除以该参数的最大值与最小值的差）之和最小，将这个最小值所对应的查找表中的光学厚度作为该待查找点的气溶胶光学厚度值。

通过验证，采用归一化条件的查找算法可以达到较高的精度，具有比较好的可靠性，并且避免了多层循环和判断，从而使得程序的运行速度比较快。

为了与6S程序生成的查找表进行对比，分别生成了1、3波段的参数列表，其中参数依次表示暗目标的行号、列号、太阳天顶角、卫星天顶角、相对方位角、地表反射率、表观反射率，这样方便与查找表进行比较得到气溶胶厚度。

同时，利用ERDAS软件进行插值时，需要将有效数据的范围设为1—255，这样就避免了非暗目标点的像元值也被用来插值运算。

在插值时，可以选择线性插值和非线性插值，经过实验分析，这两个插值算法对气溶胶的光学厚度反演结果并没有太大的影响。

由于在图像的边缘处暗目标分布十分少，因此造成了图像边缘处气溶胶数据的缺乏，在插值时，图像的边缘处呈现为黑色，即空白值。

2气象因子与NDVI的相关性实验效果分析

从表1的统计结果可以看到，NDVI与积温值的相关性系数比较大，均在0.65以上，说明了积温值与NDVI的相关性比较大；然而，NDVI与日照时长的累计值相关性系数比较小，均在0.3以下，其中前15天的日照时长值与NDVI相对于其他时长值而言比较大，但仍然小于0.3，这说明了日照时长与NDVI的相关性比较小。

所以，并不是所有的气象因子都与NDVI具有较好的相关性，不同的区域气象因子与NDVI的相关关系也可能不同。

成

绩评定

项目

得分

文字正确、语句通顺，内容充实、详略得当（10分）

原理叙述清楚（10分）

方法设计正确（20分）

过程清楚、步骤详细（20分）

对实验结果分析恰当、能分析方法的优点和不足，并叙述正确（20分）

成果验收答辩讲叙清楚、回答问题正确（20分）

发现有拷贝、雷同、抄袭（视情况扣大于30分）

总成绩

忽略此处..