遥感数字图像处理：从入门到精通——作物旱情遥感监测（完整版：基于TVDI插件和无插件）

一、实验要求

根据实验数据提取实验区作物干旱指数（TVDI），生成实验区旱情等级分布图，并分析土壤旱情和降水量的关系。

二、数据说明

TVDI_main.sav:ENVI插件，主要功能为VI-LST的散点图生成、干湿边方程的拟合、TVDI影像的计算和生成；

RegLST10：2010年8月诺尔盖地区地表温度（LST）数据，空间分辨率为1km，单位为开氏温度（K）；

RegEVI10：2010年8月诺尔盖地区增强型植被指数（EVI）数据，空间分辨率为1km；

RegNDVI10：2010年8月诺尔盖地区归一化植被指数（NDVI）数据，空间分辨率为1km；

RegPC10：若尔盖地区2010年年降水量插值数据。

三、实验过程

（一）基于TVDI插件的作物旱情遥感监测

1.获取图像干湿边方程与拟合决定系数

（1）在ENVI里面打开实验数据，如图所示：

（2）在Toolbo中，Extensions > TVDI_main，在弹出的对话框中进行以下设置：

EVI拟合结果如图所示：

（3）同样的操作步骤，生成NDVI的拟合结果，如图所示：

结论：R2越接近1，说明线性拟合效果越好。从图中可知，NDVI-LST 组合的 R2（干季 R2=0.253941、湿季 R2=0.636746）显著高于 EVI-LST 组合的 R2（干季 R2=0.00891473、湿季 R2=0.480163），因此 NDVI 与地表温度（LST）的线性拟合效果更优，选择 NDVI 作为输入参数计算 TVDI（温度植被干旱指数）。

（2）获取干湿边方程

利用Band Math工具，输入表达式a1*NDVI+b1，结果如图：

利用Band Math工具，输入表达式a2*NDVI+b2，结果如图：

计算TVDI，利用Band Math工具输入表达式：(LST-TSmin)/(TSmax-TSmin)，结果如图：

获取TVDI的有效值，TVDI的取值范围应在0到1之间，利用Band Math工具，输入下述表达式，输出结果如图：

（4）重分类

将上一步输出的TVDI保存成tiff格式，在ArcMap中进行重分类，ArcToolbox > Spatial Analyst工具，进行以下设置：

输出结果，并添加图名、比例尺、指北针等，如图所示：

（5）不同干旱等级平均降水量统计表，如表1。

生成等值线,即arctoolbox-spatial analyst工具-表面分析-等值线，如图所示：

ArcToolbox > Spatial Analyst 工具> 区域分析 > 分区统计以表格显示,进行以下设置：

表1 不同干旱等级平均降水量统计表

（二）无插件实现作物旱情遥感监测

1.获取图像干湿边方程与拟合决定系数

（1）使用Python代码直接计算干湿边方程及拟合系数

代码如图所示：

剩下的操作同上。

（2）获取干湿边方程

利用Band Math工具，输入表达式a1*NDVI+b1，结果如图：

利用Band Math工具，输入表达式a2*NDVI+b2，结果如图：

计算TVDI，利用Band Math工具输入表达式：(LST-TSmin)/(TSmax-TSmin)，结果如图：

获取TVDI的有效值，TVDI的取值范围应在0到1之间，利用Band Math工具，输入下述表达式，输出结果如图：

（4）重分类

将上一步输出的TVDI保存成tiff格式，在ArcMap中进行重分类，ArcToolbox > Spatial Analyst工具，进行以下设置：

输出结果，并添加图名、比例尺、指北针等，如图所示：

（5）不同干旱等级平均降水量统计表，如表1。

生成等值线,即arctoolbox-spatial analyst工具-表面分析-等值线，如图所示：

ArcToolbox > Spatial Analyst 工具> 区域分析 > 分区统计以表格显示,进行以下设置：

表1 不同干旱等级平均降水量统计表