专利名称：草原雪灾遥感监测与灾情评估系统及方法
草原雪灾遥感监测与灾情评估系统及方法技术领域
^"RW^RM^ MODIS (Moderate Resolution Imaging Spectrometer 中^!争 率成像光谱仪)和 AMSR-E (Advanced Microwave Scanning Radiometer-EOS 地球观测系 统-高级微波扫描辐射计)LlB数据进行草原雪灾遥感监测与灾情评估的技术，特别是涉及 利用MODIS和AMSR-E LlB数据融合对草原进行全天候积雪遥感监测与灾情评估的系统及 其方法。
背景技术：
中国草原面积占国土总面积的40 %左右，约4亿hm2，其中90 %以上又集中分布 在新疆、内蒙古、西藏和青海四省区，这些地区纬度高、海拔高，气候寒冷、干燥，自然灾害 频繁，其中尤以雪灾对牲畜越冬危害最重，每次雪灾发生，夺去牲畜轻则几十万头，重则几 百万头。长期以来，雪灾对我国草原地区农牧业生产的持续、稳定发展造成了极其严重的危 害。鉴于草原雪灾对我国草原畜牧业发展的严重影响，有必要全面、快速地监测雪灾成灾区 域、准确评估雪灾对草原地区造成的影响，以便最大限度地减少雪灾造成的损失。
目前基于遥感的方法进行草原雪灾的监测与灾情评估，主要包括积雪识别、积雪 深度反演、草群高度反演、雪灾等级评估等方法。
积雪识别可分为光学传感器积雪识别和被动微波传感器积雪识别。对于光学传 感器数据积雪识别，一般采用归一化差分积雪指数(Normalized DifferenceSnow Index, NDSI)算法，并结合多阈值的决策树方法。这种方法主要是依据积雪在可见光范围内较高 的反射率、在中红外区极低的反射率这种特征，采用比值和差值的积雪指数形式来识别积 雪，参照现有技术文献 1 (Dorothy K. HalliGeorge A. Riggs and Vincent V. Salomonsont. Development of Methods forMapping Global Snow Cover Using Moderate Resolution ImagingSpectroradiometer Data. Remote Sensing of Environment，1995，54 :127-140.)。 对于被动微波传感器积雪识别，一般采用多通道亮温差值法、多阈值决策树法等。这种 方法的依据是积雪对不同频率的微波辐射能量散射与吸收的不同。由于积雪颗粒对高 频能量的散射能力更强，这样造成低频与高频通道的亮温差为正值，参照现有技术文献 2 (Norman C. Grody, Alan N. Basist. GlobalIdentification of Snowcover Using SSM/ I Measurements. IEEE Transactions onGeoscience and Remote Sensing，1996，34 (1) 237-249.)。以上两种方法各有各的优点，光学传感器数据空间分辨率较高，同时识别精度 也较高，但其受天气(主要是云)的影响比较严重；被动微波传感器数据积雪识别精度比较 低，但其具有全天候工作的能力。
对于积雪深度遥感反演，目前采用的方法可分为物理模型法和统计模型法。物理 模型法是以理论为基础，研究微波在积雪中的传播规律，进而得到观测亮温与积雪参数之 间的关系。而统计模型法通常使用多波段亮温观测值与实测积雪深度值，采用统计模式来 求出最佳的反演因子。这种方法主要用于在不了解积雪物理特征的情况下，直接建立辐射 亮温与积雪深度之间的经验模型。物理模型法估算积雪深度精度较高，但是其模型复杂，同时模型中需要输入很多已知的积雪参数，因此在实际应用中，更多地使用相对简单的统 计模型方法，这里尤以双通道差值法应用最为广泛，参照现有技术文献3 (Α. T. C Chang, J. LFoster and D. K Hall. Nimbus 7SMMR derived global snow cover patterns. Annalsof Glaciology，1987,9 :39-44.)。
对于草群高度的遥感估算，目前主要使用的方法是基辐射传输模型的单通道算 法和基于植被指数模型的统计算法。单通道算法通过观测不同草群高度下的二向性反射 分布函数(Bi-directional Reflectance Distribution Function, BRDF),进而通过使 用辐射传输模型，模拟可见光、近红外通道反射率与BRDF、以及草群高度之间的关系，最 后建立估算模型，参照非现有技术文献4(K0NDA ASAKO, ΥΑΜΑΜ0Τ0 HIROKAZU，KAJIWARA KOJI, H0NDAY0SHIAKI. A Study on Estimation of Grass Height based on BRDF Model usingSatellite Data. Journal of the Japan Society of Photogrammetry and RemoteSensing,2001,40 (6) :15-24.)。使用这种方法时，由于需要实测的BRDF，因此在实 际应用中会受到限制。当采用植被指数模型算法时，这相对简单，这时需要针对不同的草地 类型、草群生长期建立模型。
对于草原雪灾灾情等级评估，目前主要是基于层次分析法，使用最大积雪深度、最 低气温、降雪时间、积雪日数、低于多年月平均气温的延续天数以及降雪过程的降水总量等 相关因子，并综合考虑雪情、草情、畜情和气象等多方面的因子，进而构建草原雪灾等级以 及灾情评价指标体系。现有技术依据上述指标，提出了牧区雪灾等级国家标准，参照国家标 准文献1 (国家标准文献1 :GB/T 20482-2006，牧区雪灾等级)。发明内容
本发明所要解决的技术问题在于提供一种草原雪灾遥感监测与灾情评估系统及 方法，用于对草原积雪情况进行全天候动态监测，并能够根据草原雪灾等级做出预警。
为了实现上述目的，本发明提供了一种草原雪灾遥感监测与灾情评估系统，其特 征在于，包括
预处理�？椋糜诙寥〔⒋鞰ODIS LlB数据、AMSR-E LlB数据，得到MODIS反射 率、MODIS亮度温度数据、AMSR-E亮度温度数据；
积雪区域融合�？椋铀鲈ご砟？椋糜诟菟鯩ODIS反射率、所述 MODIS亮度温度数据进行MODIS积雪像元识别，根据所述AMSR-E亮度温度数据进行AMSR-E 积雪像元识别，并对得到的识别结果进行数据融合处理，得到单日积雪区域；
积雪深度估算模块，连接所述预处理�？椋糜诟菟鯝MSR-E亮度温度数据进 行AMSR-E积雪深度估算，得到单日积雪深度；
积雪覆盖率估算�？椋铀鲈ご砟？椋糜诟菟鯩ODIS反射率、所述 MODIS亮度温度数据进行MODIS积雪覆盖率估算，得到单日积雪覆盖率；
草群高度估算�？椋铀鲈ご砟？椋糜诟菟鯩ODIS反射率、所述 MODIS亮度温度数据进行MODIS草群高度估算，得到单日草群高度；
积雪合成�？椋铀龌┣蛉诤夏？�、所述积雪深度估算�？椤⑺龌└� 盖率估算模块、所述草群高度估算�？椋糜诟菟龅ト栈┣�、所述单日积雪覆盖 率、所述单日积雪深度、所述单日草群高度，对多日的总积雪区域、总积雪覆盖率、积雪深度、草群高度进行统计合成，得到积雪持续日数、平均积雪覆盖率、平均积雪深度、平均草群 高度；
雪灾等级评价�？椋铀龌┖铣赡？椋糜诟菟龌┏中帐⑺銎� 均积雪覆盖率、所述平均积雪深度、所述平均草群高度，对草原区域的雪灾等级进行评价。
为了实现上述目的，本发明还提供了应用上述系统的草原雪灾遥感监测与灾情评 估方法，其特征在于，包括
数据预处理步骤，读取并处理MODIS LlB数据、AMSR-E LlB数据，得到MODIS反射 率、MODIS亮度温度数据、AMSR-E亮度温度数据；
积雪区域融合步骤，根据所述MODIS反射率、所述MODIS亮度温度数据进行MODIS 积雪像元识别，根据所述AMSR-E亮度温度数据进行AMSR-E积雪像元识别，并对得到的识别 结果进行数据融合处理，得到单日积雪区域；
积雪深度估算步骤，根据所述AMSR-E亮度温度数据进行AMSR-E积雪深度估算，得 到单日积雪深度；
积雪覆盖率估算步骤，根据所述MODIS反射率、所述MODIS亮度温度数据进行 MODIS积雪覆盖率估算，得到单日积雪覆盖率；
草群高度估算步骤，根据所述MODIS反射率、所述MODIS亮度温度数据进行MODIS草群高度估算，得到单日草群高度；
积雪合成步骤，根据所述单日积雪区域、所述单日积雪覆盖率、所述单日积雪深 度、所述单日草群高度，对多日的积雪区域、积雪覆盖率、积雪深度、草群高度进行统计合 成，得到积雪持续日数、平均积雪覆盖率、平均积雪深度、平均草群高度；
雪灾等级评价步骤，根据所述积雪持续日数、所述平均积雪覆盖率、所述平均积雪 深度、所述平均草群高度，对草原区域的雪灾等级进行评价。
所述的草原雪灾遥感监测与灾情评估方法，其中，所述预处理步骤中，进一步包 括
以如下公式得到所述MODIS反射率
R = scale(Si-offset)
式中，R为MODIS反射率，scale，offset为比例系数，可从HDF属性数据中获得， SI为MODIS LlB数据中单个像元的灰度值；
以如下公式得到所述MODIS亮度温度数据
权利要求
1.一种草原雪灾遥感监测与灾情评估系统，其特征在于，包括预处理�？椋糜诙寥〔⒋鞰ODIS LlB数据、AMSR-E LlB数据，得到MODIS反射率、 MODIS亮度温度数据、AMSR-E亮度温度数据；积雪区域融合�？椋铀鲈ご砟？椋糜诟菟鯩ODIS反射率、所述MODIS亮 度温度数据进行MODIS积雪像元识别，根据所述AMSR-E亮度温度数据进行AMSR-E积雪像 元识别，并对得到的识别结果进行数据融合处理，得到单日积雪区域；积雪深度估算�？椋铀鲈ご砟？椋糜诟菟鯝MSR-E亮度温度数据进行 AMSR-E积雪深度估算，得到单日积雪深度；积雪覆盖率估算�？椋铀鲈ご砟？椋糜诟菟鯩ODIS反射率、所述MODIS 亮度温度数据进行MODIS积雪覆盖率估算，得到单日积雪覆盖率；草群高度估算�？椋铀鲈ご砟？椋糜诟菟鯩ODIS反射率、所述MODIS亮 度温度数据进行MODIS草群高度估算，得到单日草群高度；积雪合成�？椋铀龌┣蛉诤夏？�、所述积雪深度估算�？�、所述积雪覆盖率 估算�？�、所述草群高度估算�？椋糜诟菟龅ト栈┣�、所述单日积雪覆盖率、所 述单日积雪深度、所述单日草群高度，对多日的积雪区域、积雪覆盖率、积雪深度、草群高度 进行统计合成，得到积雪持续日数、平均积雪覆盖率、平均积雪深度、平均草群高度；雪灾等级评价�？椋铀龌┖铣赡？椋糜诟菟龌┏中帐�、所述平均积 雪覆盖率、所述平均积雪深度、所述平均草群高度，对草原区域的雪灾等级进行评价。
2.根据权利要求1所述的草原雪灾遥感监测与灾情评估系统，其特征在于，所述预处 理�？橐匀缦鹿降玫剿鯩ODIS反射率
3.根据权利要求2所述的草原雪灾遥感监测与灾情评估系统，其特征在于，所述积雪 区域融合�？榻徊桨∕ODIS云识别模块，用于根据所述MODIS反射率、所述MODIS亮度温度数据进行云识别， 区分无云、有云区域MODIS LIB数据；MODIS积雪像元识别�？椋铀鯩ODIS云识别�？椋糜诟菟鑫拊魄騇ODISLlB数据进行MODIS积雪像元识别，得到MODIS识别积雪区域；AMSR-E积雪像元识别�？椋糜诟菟鯝MSR-E亮度温度数据进行AMSR-E积雪像元 识别，得到AMSR-E识别积雪区域；数据融合�？椋铀鯩ODIS积雪像元识别�？�、所述AMSR-E积雪像元识别�？椋� 于对所述MODIS识别积雪区域、所述AMSR-E识别积雪区域进行多源数据融合，得到所述单 日积雪区域。
4.根据权利要求3所述的草原雪灾遥感监测与灾情评估系统，其特征在于，所述MODIS 云识别模块通过判断所述MODIS LlB数据中每个像元是否满足云识别条件获取所述无云区 域MODIS LlB数据，云识别条件的表达式为
5.根据权利要求1或2所述的草原雪灾遥感监测与灾情评估系统，其特征在于，所述积 雪深度估算�？榻徊桨ˋMSR-E积雪像元识别�？椋糜诟菟鯝MSR-E亮度温度数据进行AMSR-E积雪像元 识别，得到AMSR-E识别积雪区域；积雪深度计算�？椋铀鯝MSR-E积雪像元识别模块，用于根据所述AMSR-E识别积 雪区域进行AMSR-E积雪深度计算，得到所述单日积雪深度。
6.根据权利要求5所述的草原雪灾遥感监测与灾情评估系统，其特征在于，所述积雪 深度计算�？橥ü菇ɑ┥疃确囱菽Ｐ偷玫剿龅ト栈┥疃龋没┥疃确囱菽Ｐ偷� 表达式为
7.根据权利要求2、3、4、5或6所述的草原雪灾遥感监测与灾情评估系统，其特征在于， 所述积雪覆盖率估算�？榻徊桨∕ODIS云识别模块，用于根据所述MODIS反射率、所述MODIS亮度温度数据进行云识别， 区分无云、有云区域MODIS LIB数据；积雪覆盖率计算�？椋铀鯩ODIS云识别�？椋糜诟菸拊魄騇ODIS LlB数据 进行MODIS积雪覆盖率计算，得到所述单日积雪覆盖率。
8.根据权利要求7所述的草原雪灾遥感监测与灾情评估系统，其特征在于，所述积雪 覆盖率计算�？橥ü菇ㄒ訬DSI为变量的多项式拟合模型得到所述单日积雪覆盖率，该 多项式拟合模型的表达式为SF = aXNDSI+b 或 SF = cXNDSI2+dXNDSI+e式中，SF为单日积雪覆盖率，a、b系数的取值分别为1. 21和0. 06，c、d、e系数取值分 别为 0. 26,0. 37 和 0. 18。
9.根据权利要求2、3、4、6或8所述的草原雪灾遥感监测与灾情评估系统，其特征在于， 所述草群高度估算模块进一步包括MODIS云识别�？椋糜诟菟鯩ODIS反射率、所述MODIS亮度温度数据进行云识别， 获取无云区域MODIS LlB数据；草群高度计算�？椋铀鯩ODIS云识别�？椋糜诟菟鑫拊魄騇ODIS LlB数 据进行MODIS草群高度计算，得到所述单日草群高度。
10.根据权利要求9所述的草原雪灾遥感监测与灾情评估系统，其特征在于，所述草群 高度计算�？橥ü齆DVI统计模型法得到所述单日草群高度，NDVI统计模型的表达式为如 下任一种
11.一种草原雪灾遥感监测与灾情评估方法，应用于上述权利要求1 10中任一项所 述的系统，其特征在于，包括数据预处理步骤，读取并处理MODIS LlB数据、AMSR-E LlB数据，得到MODIS反射率、 MODIS亮度温度数据、AMSR-E亮度温度数据；积雪区域融合步骤，根据所述MODIS反射率、所述MODIS亮度温度数据进行MODIS积雪 像元识别，根据所述AMSR-E亮度温度数据进行AMSR-E积雪像元识别，并对得到的识别结果 进行数据融合处理，得到单日积雪区域；积雪深度估算步骤，根据所述AMSR-E亮度温度数据进行AMSR-E积雪深度估算，得到单 日积雪深度；积雪覆盖率估算步骤，根据所述MODIS反射率、所述MODIS亮度温度数据进行MODIS积 雪覆盖率估算，得到单日积雪覆盖率；草群高度估算步骤，根据所述MODIS反射率、所述MODIS亮度温度数据进行MODIS草群 高度估算，得到单日草群高度；积雪合成步骤，根据所述单日积雪区域、所述单日积雪覆盖率、所述单日积雪深度、所 述单日草群高度，对多日的积雪区域、积雪覆盖率、积雪深度、草群高度进行统计合成，得到 积雪持续日数、平均积雪覆盖率、平均积雪深度、平均草群高度；雪灾等级评价步骤，根据所述积雪持续日数、所述平均积雪覆盖率、所述平均积雪深 度、所述平均草群高度，对草原区域的雪灾等级进行评价。
全文摘要
本发明公开了一种草原雪灾遥感监测与灾情评估系统及方法，其中该系统包括预处理�？椋糜诙寥〔⒋鞰ODIS L1B数据、AMSR-E L1B数据，得到预处理结果；积雪区域融合�？椋糜诟菰ご斫峁惺萑诤洗恚玫降ト兆芑┣颍换┥疃裙浪隳？椋糜诘玫降ト栈┥疃龋换└哺锹使浪隳？椋糜诘玫降ト兆芑└哺锹剩徊萑焊叨裙浪隳？椋糜诘玫降ト詹萑焊叨龋换┖铣赡？椋糜诘玫交┏中帐�、平均积雪覆盖率、平均积雪深度、平均草群高度；雪灾等级评价模块，用于对雪灾等级进行评价。本发明能够对草原积雪情况进行全天候动态监测，并能够根据草原雪灾等级做出预警。
文档编号G01S7/48GK102034337SQ20091009397
公开日2011年4月27日 申请日期2009年9月25日 优先权日2009年9月25日
发明者徐斌, 曹云刚, 朱晓华, 杨秀春, 王道龙 申请人:中国农业科学院农业资源与农业区划研究所
