SRTP结题报告.docx

SRTP结题报告.docx

《SRTP结题报告.docx》由会员分享，可在线阅读，更多相关《SRTP结题报告.docx（39页珍藏版）》请在冰豆网上搜索。

SRTP结题报告

西南交通大学第五期大学生科研训练计划（SRTP）

遥感与气象观测数据耦合的地表干旱状态监测

结题报告

2010年4月至2011年4月

1

绪论

1.1项目背景

我国是一个旱灾非常严重的国家，旱灾给农业、农村和农民造成了巨大的损失。

据统计，1950—1990年间，我国共有11年发生了重特大干旱，发生频次为26.83％，因干旱造成粮食损失占粮食总产量的4.02％。

而1991—2009年间，我国共有8年发生重特大干旱，因干旱造成粮食损失占粮食总产量的6.09％。

近年来，我国年年有干旱，平均不到3年发生一次重特大旱灾，尤其经常发生区域性特大旱灾。

同时我国旱灾分布面积广，过去，我国旱灾高发的区域主要在干旱缺水的北方地区，特别是西北地区。

近几年，在传统的北方旱区旱情加重的同时，南方和东部多雨区旱情也在扩展和加重，目前旱灾范围已遍及全国。

与此同时，旱灾影响范围已由传统的农业扩展到工业、城市、生态等领域，工农业争水、城乡争水、超采地下水和挤占生态用水现象越来越严重。

因此实现对旱灾的监测，有利于实施抗旱措施，同时合理分配水资源，节约用水，对促进农业生产、保障粮食安全和区域可持续发展具有重要的现实意义。

传统的干旱监测采用气象数据，气象数据由气象站观测得到，通过建立区域气象站网同时辅以水文、社会和经济等数据实施干旱监测。

这种方法应用十分广泛，在单点精度很高，但其性质是以点带面来监测，这样很难给出不同干旱区域的分界线，同时整体精度也相对较低，难以适应大范围的干旱监测。

随着卫星遥感技术的迅速发展，国内外已在借助遥感手段进行大范围的干旱监测方面开展了大量的研究和实际应用。

基于遥感手段的干旱监测能频繁和持久的提供地表特征的面状信息，具有宏观，高时效，经济等特点，且点点俱到，适应大范围的干旱监测。

当然，由于气象卫星运行特点和遥感传感器本身性能的限制，该方法也存在一定的缺点和问题，比如目前相应的基于遥感数据的一些反演模型不够成熟，并且其受大气影响较大，在很多有云的情况下，数据不能使用，其监测的结果在小范围内也不如传统的气象监测精确。

针对单一遥感数据在进行地表干旱状态监测时的不足，考虑降水对土壤水分的阶段性影响，我们应该把两种方法结合在一起考虑，形成地表温度、植被状态、空间降水等参数耦合的干旱监测模型。

这样能提高干旱监测的准确性和及时性。

1.2项目介绍

项目基于对地观测MODIS数据与气象站点实测资料，建立起多源数据耦合下的地表干旱监测方法与相关指标体系，在开源GDAL库的基础上，开发可用于大范围区域地表干旱状态监测的应用系统。

项目中涉及四个方面的内容：

MODIS预处理算法程序设计、气象观测资料处理、热红外地表温度反演模型程序设计、多元数据耦合模型参数化方案及设计。

其中，MODIS预处理算法程序设计部分包括HDF格式数据读取、MODIS几何校正与辐射标定处理。

气象观测资料处理包括气象观测站点降水资料读取、空间插值与栅格化。

热红外地表温度反演程序设计主要实现利用分裂窗法的地表温度反演模型。

耦合模型部分则包括了地表温度参数与降水参数的耦合模型参数计算、模型程序实现。

本项目主要分为三个部分：

遥感数据处理，气象数据处理以及干旱监测指数的耦合。

遥感数据处理：

利用开源库GDAL提取MODIS1B的数据，在此基础上利用MODIS数据中的相应波段反演地表温度（LST）和归一化植被指数（NDVI），得到遥感干旱监测因子作物供水指数（VSWI）。

气象数据处理：

利用ArcGIS的二次开发平台ArcGISEngine实现气象数据降雨量的多种空间插值算法。

在比较不同空间插值算法误差的基础上，综合多年数据选取最佳的空间插值算法进行降雨量的插值运算，并计算出气象干旱监测因子综合降水距平指数（MSRI）。

干旱监测指数的耦合：

建立作物供水指数和综合降水距平指数的耦合模型，得到农业旱情监测指数，并划分干旱等级。

项目流程图如图1所示：

遥感数据->MODIS1B数据　

地面观测数据->降雨量

云检测

NDVI

LST

VSWI＝NDVI/LST

单日数据内插

旬合成

当旬降水量距平

综合降水距平指数

旬合成

综合旱情监测指数

几何校正

图1-1项目流程图

1.3开源库GDAL与HDF文件格式介绍

1.3.1GDAL库介绍

在MODIS数据的处理中，我们没有选用HDFGroup开发的HDF函数库，而是选用了十分流行的开源库GDAL。

因为开源库GDAL在处理栅格图像格式有很大优势，其不仅读取数据较快，而且能够把结果转换成任一其支持的栅格格式。

1998年末，加拿大的FrankWarmerdam开始了GDAL（GeospatialDataAbstractionLibrary）项目的编写工作。

该项目得到了许多个人和团队的支持。

GDAL是一个在X/MIT许可协议下的开源栅格空间数据转换库。

它利用抽象数据模型来表达所支持的各种文件格式。

它还有一系列命令行工具来进行数据转换和处理。

OGR是GDAL项目的一个分支，功能和GDAL类似，只不过他提供对矢量数据的支持。

因此GDAL能同时提供栅格和矢量数据的操作。

有很多著名的GIS类产品包括ESRI的ARCGIS，GoogleEarth和跨平台的GRASSGIS系统都使用了GDAL/OGR开源库的若干模块。

利用GDAL/OGR库，可以使基于Linux的地理空间数据管理系统提供对矢量和栅格文件数据的支持。

GDAL提供对多种栅格数据的支持，包括Arc/InfoASCIIGrid（asc），GeoTiff（tiff），ErdasImagineImages（img），ASCIIDEM（dem）等格式。

提供读取、写入、转换、处理各种栅格数据格式（有些特定的格式对一些操作如写入等不支持）操作。

GDAL使用抽象数据模型（AbstractDatamodel）来解析它所支持的数据格式，抽象数据模型包括数据集（Dataset），坐标系统，仿射地理坐标转换（AffineGeoTransform），大地控制点（GCPs），元数据（Metadata），栅格波段（RasterBand），颜色表（ColorTable），子数据集域（SubdatasetsDomain），图像结构域（Image_StructureDomain），XML域（XML:

Domains）。

GDAL库采用ANSIC和C++语言编写，能通过所有c/c++编译器的编译。

其核心类框架如图2所示

图12GDAL核心类框架

其中：

GDALMajorObject类：

带有元数据的对象。

GDALDataset类：

通常是从一个文件中提取的相关栅格波段数据的集合，以及其相关元数据。

GDALDriver类：

文件格式驱动类。

GDALDriverManager类：

文件格式驱动管理类。

GDALRasterBand类：

栅格波段数据类。

1.3.2HDF文件格式

HDF（Hierarchicaldataformat）格式是美国国家高级计算机应用中心为了满足各种领域研究需求而研制的一种高效存储和分发科学数据的层次数据格式，主要用来存储由不同计算机平台来产生的各种类型科学数据，便于在不同的计算机平台上扩展。

HDF被设计为：

自述性：

对于一个HDF文件里的每一个数据对象，有关于该数据的综合信息。

通用性：

许多数据类型都可以被嵌入在一个HDF文件里。

灵活性：

HDF允许用户把相关的数据对象组合在一起，放到一个分层结构中，向数据对象添加描述和标签。

它还允许用户把科学数据放到多个HDF文件里。

扩展性：

HDF极易容纳将来新增加的数据模式，容易与其他标准格式兼容。

跨平台性：

HDF是一个与平台无关的文件格式。

HDF文件无需任何转换就可以在不同平台上使用。

目前HDF有两个版本，即HDF4和HDF5，两个版本的数据结构模型变化不大，但其具体实现方法变化很大，因此这两个版本是不兼容的。

由于GDAL库采用一个抽象的数据模型来支持遥感栅格图像，因此使用GDAL读取这两个版本的HDF数据的方法基本相同。

一个HDF文件包括一个文件头，至少一个数据描述块以及若干个数据元素（图1-3）。

HDF文件像一本带目录的书，数据描述块可以看成书的目录，而书的每一章内容则是HDF文件的数据元素。

图13HDF文件格式

本项目采用的MODIS1B数据采用HDF文件格式储存。

图1-4是通过HDFView软件浏览器查看某MODIS1km分辨率的文件列表示意图。

图14HDF（MODIS）文件列表示意图

2数据源及GDAL库的配置

2.1数据源

2.1.1遥感数据源

中等分辨率成像光谱仪MODIS数据采用HDF（Hierarchicaldataformat）数据格式存储元数据，提供36个波段的地球综合信息，分布在0.4~14μm的电磁波谱范围内，对开展自然灾害与生态环境监测、全球环境和气候变化研究以及进行全球变化的综合性研究等有重要意义。

MODIS仪器的地面分辨率为250m、500m和1000m，扫描宽度为2330km。

在对地观测过程中，每秒可同时获得6.1兆比特的来自大气、海洋和陆地表面信息，每日或每两日可获取一次全球观测数据。

本项目研究的数据来源于NASA公开下载的MODIS1B数据。

本研究中用1000m分辨率的数据，主要在于1000m分辨率的数据包含了36个波段全部数据，而且其分辨率大小适中。

所获取的数据是2009年8月1日到2009年8月30日白天数据，范围覆盖四川省。

2.1.2气象数据源

气象数据主要有四川省12个降雨量观测站2000年到2009年每月3旬的气象观测数据，站点分布如下图所示：

图2-1气象数据站点分布图

2.1.3其它数据源

四川省省界来源于国家基础地理信息中心（NationalGeomaticsCenterofChina），另外还有中国区域的数字高程模型（DEM，分辨率为1km，来源于NASA）、投影全部采用埃尔伯斯等积圆锥投影（AlbersConicalEqualArea），这些基础数据用于生成旱情监测系统的基础数据库。

2.2GDAL库的配置

GDAL库默认不支持项目所用的HDF文件格式。

要获得支持HDF文件格式的GDAL，需要向GDAL源代码中，添加HDF文件驱动重新编译。

配置过程如下：

a）从官网下载开源库GDAL（1.6版本）和HDF4函数库（42r4版本）。

HDF4函数库放在”C:

\GDAL1.6\HDF4”目录下。

b）打开gdal文件夹下的nmake.opt，修改GDAL_HOME="C:

\GDAL1.6"，把路径改到需要把gdal安装的地方。

c）添加HDF4驱动。

编辑gdal根目录下的nmake.opt，找到“#UncommentthefollowingandupdatetoenableNCSAHDFRelease4support.”这一行。

把下面两行前面的#去掉，然后改成：

HDF4_DIR=C:

\GDAL1.6\42r4-win\

HDF4_LIB=$（HDF4_DIR）\dll\hd424m.lib$（HDF4_DIR）\dll\hm424m.lib\

.$（HDF4_DIR）\lib\hd424.lib$（HDF4_DIR）\lib\hm424.lib

完成后保存并关闭。

d）打开控制台，输入:

”D:

\ProgramFiles\MicrosoftVisualStudio.NET2003\Vc7\bin\vcvars32.bat"注册vc的编译环境。

依次运行：

nmake/fmakefile.vc

nmake/fmakefile.v