利用 ENVI 和 MODIS 影像评估干旱状况
20171 为本文评分:
3.0
利用 ENVI 和 MODIS 影像评估干旱状况
匿名 2015年7月28日，星期二
卫星遥感可以帮助我们监测大范围的干旱。在本文中，我将展示如何使用 ENVI 来查看加利福尼亚州在 2011 年（正常降水年份）和 2014 年（干旱年份）与干旱相关的光谱指数。
自 2013 年底至今，加利福尼亚州因降水稀少和气温高于平均水平而面临严重的缺水问题。2014 年春季，美国干旱监测图显示，整个加利福尼亚州都处于“严重干旱”或更高等级。至今，加利福尼亚州部分地区仍在经历严重干旱状况。
加利福尼亚州干旱严重程度图，由美国干旱监测中心提供 (http://droughtmonitor.unl.edu)
我们通常认为干旱是一段异常低降雨量的时期；然而，实际情况比这更为复杂。多种环境因素可导致干旱。当土壤和植被向大气释放水分（这一过程称为蒸散发），同时降水量随时间减少时，可供植被吸收的水分就会减少。在农业地区，这会严重影响依赖作物的牲畜和人民。
由于干旱与植被健康状况相关，因此常用植被指数来评估干旱状况。一个常用的指数是归一化植被指数。NDVI 不是干旱的直接指标，但它有助于揭示因水分吸收不足而导致的受胁迫植被的光谱响应。
NDVI 遥感图像可在区域到全球范围内获取。MODIS/Terra 图像非常理想，因为它们提供了大地理区域内地表状况的视图。凭借 500 米的空间分辨率，MODIS NDVI 数据可以揭示县级或流域级别的植被健康状况模式。
我使用了“16天全球500米植被指数产品”（MOD13A1），该产品包含 NDVI 和增强型植被指数图像，均为 16 天周期的平均值。我从 NASA Reverb/ECHO 网站 下载了一系列覆盖加利福尼亚州大部分地区的 MOD13A1 图像瓦片，时间范围是 2011 年（正常降水年份）和 2014 年（干旱年份）的 4 月至 6 月。
我使用 ENVI API 编写了一个简短的批处理脚本，为每个季节的图像执行以下步骤：
- 提取 NDVI 波段
- 将单个瓦片从正弦投影重投影到地理 WGS-84 投影
- 将瓦片拼接成镶嵌图
- 定义一个仅包含加利福尼亚州和内华达州西部的空间子集
- 构建这些镶嵌图的时间序列
我在 ENVI 中显示 NDVI 图像并对其应用了颜色表。以下是一些缩略图，显示了 2011 年和 2014 年的季节时间序列：
2011 年和 2014 年之间最显著的差异之一出现在早春时节中央山谷的南部地区：
我还阅读了 Zhang 等人（2013 年）的一篇期刊文章，该文章比较了从 MODIS 地表反射率数据衍生的与干旱相关的光谱指数。其中之一是表面水容量指数（SWCI，Du 等人，2007 年），它突出了表层土壤湿度。使用 MODIS 反射率波段，SWCI 公式如下所示：
SWCI = (波段 6 - 波段 7) / (波段 6 + 波段 7)
我很好奇这与 NDVI 图像相比会如何。我用 ENVI API 编写了另一个批处理脚本，利用 MODIS 反射率数据（MOD09A1）进行波段运算，推导出 SWCI 图像的时间序列。在 ENVI 中显示图像并应用颜色表后，我可以看到 2011 年和 2014 年土壤湿度的一些差异，包括以下示例：
利用遥感研究干旱是一项复杂的任务，本文仅使用光谱指数浅尝辄止。我们可以更进一步，构建一个植被状况指数（VCI），该指数随时间对 NDVI 进行逐像素归一化。另一种选择是构建温度状况指数（TCI），该指数随时间对 MODIS 地表温度测量值进行归一化。这些任务在使用 ENVI 的 API 和图像分析工具时都非常简单。
参考文献：
Du, X., S. Wang, Y. Zhou, and H. Wei. “Construction and Validation of a New Model for Unified Surface Water Capacity Based on MODIS Data.” Geomatics and Information Science of Wuhan University 32, No. 3 (2007): 205-207.
Karnieli, A., N. Agam, R. Pinker, M. Anderson, M. Imhoff, G. Gutman, N. Panov, and A. Goldberg. “Use of NDVI and Land Surface Temperature for Drought Assessment: Merits and Limitations.” Journal of Climate 23 (2010): 618-632.
Mu, Q., F. Heinsch, M. Zhao, and S. Running. "Development of a Global Evapotranspiration Algorithm Based on MODIS and Global Meteorology Data." Remote Sensing of Environment 111 (2007): 519-536.
Zhang, N., H. Hong, Q. Qin, and L. Zhu. “Evaluation of the Visible and Shortwave Infrared Drought Index in China.” International Journal of Disaster Risk Science 4, No. 2 (2013): 68-76.
MODIS 数据由位于南达科他州苏福尔斯美国地质调查局/地球资源观测和科学中心的陆地过程分布式活动档案中心分发。http://lpdaac.usgs.gov.