DB51 T 1089-2010 《基于数据的草原地上生物量遥感估测技术规程》.pdf

《DB51 T 1089-2010 《基于数据的草原地上生物量遥感估测技术规程》.pdf》由会员分享，可在线阅读，更多相关《DB51 T 1089-2010 《基于数据的草原地上生物量遥感估测技术规程》.pdf（12页珍藏版）》请在麦多课文档分享上搜索。

1、ICS 65.020.30 DB51 备案号：28179-2010 四川省地方标准 DB 51/T 10892010 基于 MODIS数据的草原地上生物量 遥感估测技术规程 Technical Rules for Grassland above-ground Biomass Remote Sensing Monitoring base on MODIS Data 2010 - 06 - 01 发布 2010 - 07 - 01 实施四川省质量技术监督局 发布DB51/T 1089-2010 目 次 前言 II 1 范围 1 2 规范性引用文件 1 3 术语和定义 1 4 基本方法 2 5 前期

2、准备 2 6 地面调查 2 7 MODIS数据处理 . 3 8 植被指数合成 3 9 模型建立 4 10 结果计算与评价 . 4 附录A（资料性附录） 图A.1 应用MODIS数据进行生物量估测的技术流程 6 附录B（资料性附录） MODIS数据产品分级 . 7 附录C（资料性附录） 常用的MODIS植被指数 10 DB51/T 1089-2010 前 言 本标准中附录A、附录B、附录C、附录D为资料性附录。 本标准由四川省畜牧食品局提出并归口。 本标准由四川省质量技术监督局批准。 本标准起草单位：四川省草原工作总站。 本标准主要起草人：张绪校、周俗、唐川江、张新跃、侯众、严东海、鲁岩。 DB

3、51/T 1089-2010 基于 MODIS 数据的草原地上生物量遥感估测技术规程 1 范围 本标准规定了应用 MODIS 数据进行草原地上生物量估测的方法和技术要求。 本标准适用于应用 MODIS 数据开展天然草原产量的遥感监测工作。 2 规范性引用文件 下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅所注日期的版本适用于本文件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。 NY/T 12332006 草原资源与生态监测技术规程。 DB51/T 9392009 草原资源遥感监测地面布点与样方测定技术规程。 3 术语和定义 下列术语和定义适用于本标准。

4、3.1 MODIS数据 MODIS data 中分辨率成像光谱仪（MODIS）对地扫描生成的图像。 3.2 地上生物量 above-ground Biomass 草原地面以上所有植物植物体的总量。以下简称生物量。 3.3 数字地图 digital map 以数字形式表达的，可存储在磁盘、磁带、光盘等介质上的地图。 3.4 多时相数据temporal data 不同时间获取的同一地域的一组图像、地图或地理数据。 3.5 图像处理image processing 图像数字化、复原、几何校正、增强、统计分析和信息提取分类、识别等图像加工的各种技术方法的统称。 3.6 植被指数vegetation i

5、ndex, VI DB51/T 1089-2010 通过地表覆盖物在可见光波谱段的吸收和在近红外波谱段的反射特性，建立的用于描述植被数量和质量的参数。 3.7 植被指数合成vegetation ind ex composite 在多日植被指数中，按照一定标准和规则，选择其中一个植被指数的过程。 3.8 植被指数合成期vegetation i ndex composite period 用于实施合成的时间段。草原生物量监测中，植被指数合成期一般采用8天、16天、旬和月。 3.9 等距抽样systematic sampling 首先将总体中各单位按一定顺序排列，根据样本容量要求确定抽选间隔，然后随

6、机确定起点，每隔一定的间隔抽取一个单位的一种抽样方式。 4 基本方法 获取监测区MODIS遥感图像资料，经过计算机处理、识别、分类，提取植被指数信息；进行地面实测，获取草原样地数据；用地学和数理统计方法，通过植被指数与生物量的相关性分析，建立数学模型并进行验证和修正；利用模型估测生物量；对结果精度进行评价。 应用MODIS数据进行生物量估测的技术流程见附录A。 5 前期准备 5.1 本底资料 数字地图，包含行政区域、地形、道路、河流等要素，省级地图比例应1：100万，州（市）、县级地图比例应1：25万。 草原类型分布图，包含草原类、组、型的分布区域、面积等要素，地图比例应1：50万。 其它资料

7、，包括监测区自然条件、畜牧业生产、社会经济概况及草原灾害发生情况。 5.2 软硬件设备 硬件：运算速度较高的计算机；图形输入、输出设备等。 软件：如ENVI、ERDAS 等图像处理软件；ArcGIS 等地理信息软件；SPSS、Access等统计分析、数据库软件。 6 地面调查 进行地面调查，获取监测区内样地的草原类型、植被盖度、高度、生物量等信息。地面数据经计算机汇总和整理，转换成地理信息软件识别的空间数据，作为遥感监测的样本。 地面调查方法参照NY/T 1233 2006草原资源与生态监测技术规程、DB51/T 939 2009草原资源遥感监测地面布点与样方测技术规程。 DB51/T 108

8、9-2010 7 MODIS 数据处理 7.1 数据选用原则 覆盖监测区；成像时间与地面调查时间基本一致；优先选择近星下点，残存云、暗影、大气气溶胶少的图像；优先选择产品级别较高的图像。 7.2 图像预处理 根据MODIS数据产品级别，确定处理流程。MODIS数据产品分级见附录B。 利用地面接收系统接收到的MODIS数据为L1A原始数据，经过数据解包生成L1B HDF格式数据。对HDF数据进行辐射纠正、投影变换、几何纠正等预处理工作后，形成LD2文件。 7.3 几何精纠正 对于随机因素导致的图像畸变，主要通过野外实测、基于已有图像或者数字化地图获得地面控制点进行几何精纠正。控制点的数量根据图像

9、的大小和纠正模型参数来确定。精度要求均方误差在 1个像元以内。 7.4 图像增强 经预处理的MODIS图像需进一步增强、拉伸、不同分辨率融合、波段运算等，突出图像目标信息，使各图像分辨率、质量达到一致。 7.5 图像镶嵌与裁切 一景图像不能完全覆盖监测区时，需要对几景图像进行镶嵌。提取监测区或感兴趣区域（AOI）时，需要进行裁切。 8 植被指数合成 8.1 植被指数分类 草原生物量估测中，一般用标准的归一化植被指数（NDVI）和增强植被指数（EVI）。 MODIS波段分布和主要应用见附录C。 常见的植被指数见附录D。 8.2 植被指数计算 根据不同植被特征、土壤背景等因素选择适宜的植被指数，按

10、照计算公式进行波段运算。 8.3 植被指数合成 依照顺序，采用以下4种方法中的一种进行植被指数合成： 地物二向性反射（BRDF）合成：合成期内，晴天观测值超过30%，采用BRDF模型合成。 有限视角内的最大值合成（CVMVC）：合成期内，晴天观测值少于30%，且多于2天，选择其中视角最小的2个植被指数，取二者中最大值。 直接计算植被指数：合成期内，只有1天无云，直接使用这天的植被指数。 最大值合成（MVC）：合成期内所有观测全部有云，选取所有植被指数的最大值。 9 模型建立 DB51/T 1089-2010 通过对草原地上生物量与植被指数的相关性分析，建立数学模型。应考虑不同草原类型、地域以及

11、牧草生长期等条件的差异分类建模，选择适当的植被指数和模型方程。 9.1 提取灰度值 将各样地数据复合到植被指数图上，提取各样地在植被指数图上对应像元的灰度值。 9.2 建立模型 使用统计分析工具（软件），将像元灰度数值作为自变量（ x），将草原地上生物量当作因变量（ y），求回归方程，分析过程中可去掉不真实或异常的数据。选用不同类型曲线方程，根据其相关程度和拟合效果，选用相关系数高、F检验达到0.05显著水平以上的方程作为模型。 9.3 验证与修正 把模型反演值与调查值通过统计学方法进行比较，验证模型的可信度。当误差较大时，应分析误差产生的原因，检查图像处理、建模、计算等步骤是否正确，然后修改

12、参数或重新建模。 验证方法：从地面调查数据中按等距抽样方法抽取一定比例（10%20%）的数据（这些样地数据在建模前抽取，不参与建模过程）对模型进行验 证。或按总样地数的一定比例（5%10%）在反演结果图上随机抽取像元值和像元的位置，到实地验证。 10 结果计算与评价 10.1 生物量计算与统计 利用植被指数图和已建立的估产模型反演草原生物量，逐像元计算，统计不同草原类型、不同区域的生物量。 制作生物量分布图。 10.2 精度评价 结合本底资料、实测数据对生物量估测的精度进行评价。 精度评价：将估测值直接与地面调查数据进行比较，评价估测的精度。生物量估测值与真值（地面调查数据）的误差越小，精度越

13、高。 相对误差计算公式为： = （1） 式中： 相对误差； 真值； x 生物量估测值。 精度计算公式为： p（1 ）100% （2） 式中： p 精度； （1）式计算的相对误差。 DB51/T 1089-2010 AA 附 录 A （资料性附录） 图 A.1 应用 MODIS 数据进行生物量估测的技术流程 DB51/T 1089-2010 BB 附 录 B （资料性附录） MODIS 数据产品分级 MODIS 标准数据产品根据内容的不同分为 0 级、 1 级数据产品，在 1B 级数据产品之后，划分 2 级4 级数据产品，包括：陆地标准数据产品、大气标准数据产品和海洋标准数据产品等三种主要标准数

14、据产品类型，总计分解为 44 种标准数据产品类型。 L0 数据是对卫星下传的数据报解除 CADU 外壳后，所生成的 CCSDS 格式的未经任何处理的原始数据集合，其中包含按照顺序存放的扫描数据帧、时间码、方位信息和遥测数据等。 L1A 数据是对 L0 数据中的 CCSDS 包进行解包所还原出来的扫描数据及其他相关数据的集合。 L1B 数据是对 L1A 数据进行定位和定标处理之后所生成，其中包含以 SI(Scaled Integer)形式存放的反射率和辐射率的数据集。 L2L4 是对 L1B 数据进行各种应用处理之后所生成的特定应用数据产品。其中编号 MOD13 为陆地 2 级标准数据产品，内容

15、为栅格的归一化植被指数和增强型植被指数（NDVI/EVI），空间分辨率 250m。 DB51/T 1089-2010 CC 表C.1 （资料性附录） 表 C.1 MODIS 波段分布和主要应用 主要应用 波段 波长( m) 对应光谱 光谱辐射率 (Wm-2m-1sr-1) 星下点分辨率(m)1 0.6200.670 红 21.8 250 陆地/ 云的分界线 2 0.8410.876 近红外 24.7 250 3 0.4590.479 蓝/ 青 35.3 500 4 0.5450.565 绿 29 500 5 1.2301.250 5.4 500 6 1.6281.652 7.3 500 陆地/

16、 云的属性 7 2.1052.155 近红外 1 500 海洋颜色/ 水体表 8 0.4050.420 紫 44.9 1000 9 0.4380.448 蓝 41.9 1000 10 0.4830.493 青 32.1 1000 11 0.5260.536 27.9 1000 12 0.5460.556 绿 21 1000 13 0.6620.672 9.5 1000 14 0.6730.683 8.7 1000 15 0.7430.753 红 10.2 1000 层性质/ 物化学 16 0.8620.877 6.2 1000 17 0.8900.920 10 1000 18 0.9310.9

17、41 3.6 1000 大气水蒸汽 19 0.9150.965 近红外 15 1000 20 3.6603.840 0.45 1000 21 3.9293.989 2.38 1000 22 3.9293.989 0.67 1000 地表/ 云温度 23 4.0204.080 0.79 1000 24 4.4334.498 0.17 1000 大气温度 25 4.4824.549 中红外 0.59 1000 卷云 26 1.3601.390 6 1000 27 6.5356.895 1.16 1000 28 7.1757.475 2.18 1000 水蒸汽 29 8.4008.700 9.58

18、1000 臭氧 30 9.5809.880 近红外 3.69 1000 31 10.78011.280 9.55 1000 地表/ 云温度 32 11.77012.270 8.94 1000 33 13.18513.485 4.52 1000 34 13.48513.785 3.76 1000 35 13.78514.085 3.11 1000 云顶高度 36 14.08514.385 远红外 2.08 1000 DB51/T 1089-2010 DD 附 录 C （资料性附录） 常用的 MODIS 植被指数 D.1 差值植被指数 差值植被指数DVI （difference vegetatio

19、n index ）为近红外光波段与红光波段的差。若DVI 等于 0，则代表裸地，负值代表水，正值代表植被。S nir为近红外光波段，red为红光波段，以下同。 DVIS nir redD.2 比值植被指数 比值植被指数 RVI（ratio vegetation index ）为近红外光波段反射率除以红光波段反射率，目的是减少图像反照率的影响。图像反照率指图像整体的平均反射水平，它与土壤的关系最为密切；如果图像中植被覆盖多，植被对图像反照率的贡献也会增加，消除图像反照率的影响事实上是尽可能地扩大地物反射之间的差异水平。 RVI 对大气影响敏感，而且当值被覆盖度较低时（小于 50%），它的分辨能力

20、很弱，只有在植被覆盖浓密的情况下效果最好。 rednir=RVID.3 归一化差异植被指数 归一化差异植被指数 NDVI（normalized difference vegetation Index ）为近红外光波段的反射率差值除以两者之和。 NDVI 对绿色植被表现敏感，它可以对农作物和半干旱地区降水量进行预测，常用来进行区域和全球的植被状态研究。当背景亮度增加时， NDVI 也系统性的增加；在植被覆盖为中等且为潮湿的土地类型时，NDVI 对土壤背景较为敏感。 rednirrednir+=NDVID.4 大气阻抗植被指数 大气阻抗植被指数 ARVI（atmosphere resistance

21、 vegetation index ）是在 NDVI 的基础上提出的，目的是消除大气对可见光区间红波段与近红外相比过多的散射，具体做法是将 NDVI 中的红波段反射率用蓝波段反射率及参数 进行修正。 rdnirrdnirARVI+=其中 =rdred （blue red ） D.5 近红外百分比值植被指数 近红外百分比值植被指数 IPVI（infrared percentage vegetation index ）旨在用这个植被指数减少运算NDVI 的时间，因为 IPVI 与 NDVI 之间存在线性关系，此外， IPVI 的数值介于 0 和 1 之间又可避免 NDVI的负值。 )1(21IPV

22、I +=+= NDVIrednirnirDB51/T 1089-2010 D.6 垂直植被指数 相对于比值植被指数，垂直植被指数 PVI（perpendicular vegetation index ）主要特点是受土壤亮度的影响较小。其中 为土壤反射率线与近红外光轴间的夹角。 PVI=sinnir cos nir D.7 土壤调整植被指数 土壤调整植被指数 SAVI（soil adjusted vegetation index ）可用来适当描述土壤- 植被系统的简单模型。L 为土壤调整因子（soil adjustment factor ），代表了土壤调节下植被的密度，植被郁闭度越大 L 值越小

23、，理论上讲植被密度很低的地区， L=1，植被密度介于中间时， L=0.5，对于植被密度很高的地区， L=0.25。当 L=0 时，SAVI 等于 NDVI。一般情况下，L 为 0.5。 )L1(LPVI +=+=rednirrednirID.8 修正土壤调整植被指数 修正土壤调整植被指数 MSAVI（Modified Soil Adjusted Vegetation Index ）可减小 SAVI 中的裸土影响，MSAVI 可以直接从卫星图像资料或近地面光谱辐射观测资料得到，对于从卫星图像直接求解区域中的植被指数较为方便又可以消除土壤的影响。 2)(8)12(12MSAVI2rednirnir

24、nir +=D.9 转换型土壤调整植被指数 TSAVI（transformed soil adjusted vegetation index ）为 SAVI 的转换形式，也与土壤线有关。土壤线的参数参加该指数的运算，而且具有全球的特性。 TSAVI 又进行改进，通过附加一个“ X”值，将土壤背景亮度的影响减小到最小值。 SAVI 和 TSAVI 在不依赖传感器类型的情况下，描述植被覆盖和土壤背景之间的关系，因而在数据的可比性方面有较大的优势。在半干旱地区的土地利用制图中，TSAVI 已被证明能够应用于低覆盖度植被的分析。由于裸土土壤线的作用，TSAVI 比 NDVI 对于低覆盖度植被有更好的指

25、示作用。s 为土壤背景的线性方程的斜率。X 为使土壤背景减到最小的调整因子，一般情况下为 0.8。 )1()(TSAVI2sXssrednirrednir+=D.10 增强型植被指数 增强型植被指数EVI （enhanced vegetation index ）可以同时减少来自大气和土壤噪声的影响，G 为增益因子（gain factor ）， C1为大气阻抗红光修正系数，C2为大气阻抗蓝光修正系数，L 为土壤调整因子（soil adjustment factor ），一般情况下G =2.5， C1=6， C2=7.5， L=1。 NDVI与EVI 图像的对比， EVI能够更好的反映植被信息，在植被覆盖度低的区域， EVI能够较好的消除土壤背景的影响，准确地反映植被信息。 LEVI21+=bluerednirrednirCCG