基于MODIS数据的北京平原区旱情监测模型修订与应用研究

《基于MODIS数据的北京平原区旱情监测模型修订与应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、Y939G主9分类号t密级：絮目差≮犬普’硕士学位论文单位代码：10019学号：S030318基于MODIS数据的北京平原区旱情监测模型修订与应用研究DroughtMonitoringModelAmendingandApplyingBasedonMODISDatainBeijingPlainArea研究生：盐亚茔指导教师：陵熔住熬援申请学位门类级别：鳖理堂砸±专业名称：±丝瓷遂筻理研究方向：遥蹙霆±地遢查所在学院：资遂生娶境堂瞳2006年6月中国农业大学丽士学位论文摘薹摘要干旱是影响农业生产和人民生活的自然灾害之一，探讨一套宏观、动态、实时的于早监测方法，具有重要意义。遥感

2、手段为大面积旱情监测提供了基础和保证。用NOAA气象卫星监测土壤含水量的方法被大量的使用，目前此方法已经比较成熟。而利用最新的MODIS数据用于旱情监测还处于起步阶段，亟待从各个方面进行研究。MODIS影像中的“双眼皮”现象影响了数据的利用．本文利用插件Modistool成功地去除了“双眼皮”现象，取得了良好的效果。本文综合分析了国内外旱情监测的方法，筛选不同的植被指数，并结合地表温度和通过地面实验获得的实测土壤含水量数据，建立多元线性回归模型和BP、RBF神经网络模型，从而实现±壤含水量的遥感反演。本文在回归模型中采用双植被指数，在冬小麦和夏玉米的不同生长期，利用NDVI

3、、EVI以及3l波段的亮温为基本参量，分别建立线性回归模型。这两个模型都能够较好的描述土壤含水量的状况。另外我们还利用MODII的温度产品作了相同的模型，发现采用温度产品来替代亮温能更好的反演土壤水分。另外文中利用BP神经网络和RBF神经网络反演了土壤含水量，通过对预测结果的分析发现，这两种神经网络都能够反演土壤含水量，BP神经网络的应用效果更好。根据以上两种模型，结合土壤含水量指标．分别作出不同时期的旱情结果图，直观的反映了干旱的分布情况。关键词：干旱，土壤水分，多元线性回归模型，BP神经网络，RBF神经网络AbstractDroughtisoneofnaturaldis

4、asterswhichinfluencetheagriculturalproductionandpeople’slife．Itisimportanttostudyforamaeroscopical．dynamic，realtimemethodofdetectingdrought．RemoteSensingprovidesbasicsande／Lsl／reforthemassdrought-detecting．AlotoftechniquesdetectingofsoilmoisturebyNOAAweathersatellitearewidelyused，andatpres

5、entthismethodhasbeenmoresophisticate．Yet,usingMODISdatafordroughtdetectingisstillinthestartingphase．ItisurgenttousetheMODISdatatodetectdroulghtfromeveryview．Thephenomenonof‘'BOWTIE'’inMODISdatainfluencestheuseofdata．Inthispaper,weusetheModisToolsoftwaretoeliminamtheeffectof‘‘BoWllE”SUCCESS

6、fullyandobtalnagoodresult．Basedonthecompositiveanalysisofsoilmoistureremotesensinginformationmodelsinthispaper,theempiricalmodels。BPandRBFANNmodelsareestablishedusingtwoprincipalfactors，VIandlandsurfacetemperature，whicharederivedfromMODISdata,andthedataofsoilmoistureobtainedfromexperiments

7、．DoubleVIaleappliedinthemodels．Differentmulti·linealregressionmodelsarebuiltusingNDVI，EVIandbrightnesstemperatureof31bandasparametersduringthedifferentgrowthperiodsofwheatandmaize．Atthesametime，thedataofLSTproductionofMODl1isusedinthemodelsforcomparison，theres