SRTP结题报告.docx

西南交通大学第五期大学生科研训练计划（ SRTP）
遥感与气象观察数据耦合的地表干
旱状态监测
结题报告
，且点点俱到，适应大范围的干旱监测。 自然，因为气象卫星运转特色和遥感传感器自己性能的限制，该方法也存在必定的弊端和问题， 比方当前相应的鉴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，在好多有云的状况下，数据不可以使用，其监测的结果在小范围内也不如传统的气象监测精准。
1 胡其峰 .《科学理性对待西南旱灾减灾需立足长久》 . 光明天报 .
'.
.
针对单调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，我们应当把两种方法联合在一同考虑， 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。这样能提升干旱监测的正确性和及时性。
2 项目介绍
项目鉴于对地观察 MODIS 数据与气象站点实测资料，成立起多源数据耦合
下的地表干旱监测方法与有关指标系统， 在开源 GDAL 库的基础上， 开发可用于
大范围地区地表干旱状态监测的应用系统。
项目中波及四个方面的内容： MODIS 预办理算法程序设计、 气象观察资料办理、热红外处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。
此中， MODIS 预办理算法程序设计部分包含 HDF 格式数据读取、 MODIS 几何校订与辐射标定办理。 气象观察资料办理包含气象观察站点降水资料读取、 空间插值与栅格化。热红外处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。耦合模型部分则包含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：遥感数据办理，气象数据办理以及干旱监测指数的耦合。
遥感数据办理：利用开源库 GDAL 提取 MODIS 1B 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）。
气象数据办理： 利用 ArcGIS 的二次开发平台 ArcGIS Engine 实现气象数据降雨量的多种空间插值算法。 在比较不一样空间插值算法偏差的基础上， 综合多年数据选用最正确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：成立作物供水指数和综合降水距平指数的耦合模型，获取农业旱情监测指数，并区分干旱等级。
项目流程图如图 1 所示：
'.
.
遥感数据 ->MODIS1B 数据 地面观察数据 ->降雨量
单日数据内插
云检测
旬合成
NDVI LST
当旬降水量距平
VSWI ＝ NDVI/LST
综合降水距平指数
几何校订 旬合成
综合旱情监测指数
图 1-1 项目流程图
3 开源库 GDAL 与 HDF 文件格式介绍
3. 1 GDAL 库介绍
在 MODIS 数据的办理中，我们没有采纳 HDF Group 开发的 HDF 函数库，而是采纳了十分流行的开源库 GDAL。因为开源库 GDAL 在办理栅格图像格式有很大优势，其不单读取数据较快， 并且能够把结果变换成任一其支持的栅格格式。
1998 年终，加拿大的 Frank Warmerdam 开始了 GDAL(Geospatial Data Abstraction Library) 项目的编写工作。该项目获取了很多个人和团队的支持。 GDAL 是一个在 X/MIT 同意协议下的开源栅格空间数据变换库。 它利用抽象数据模型来表达所支持的各样文件格式。 它还有一系列命令行工具来进行数据变换和办理。OGR是 GDAL 项目的一个分支， 功能和 GDAL 近似，只可是他供给对矢量数据的支持。所以 GDAL 能同时供给栅格和矢量数据的操作。有好多有名的 GIS 类产品包含 ESRI 的 ARCGIS，Google Earth 和跨平台的 GRASS GIS系统都使用了
GDAL/OGR 开源库的若干模块。利用 GDAL/OGR 库，能够使鉴于 Linux 的地理
空间数据管理系统供给对矢量和栅格文件数据的支持。
'.
.