基于MODIS数据的滁州市冬小麦长势遥感监测研究

目录
摘要 1
1 引言 2
1.1 选题背景与意义 2
1.2 研究现状 2
1.3 研究目标、研究内容及技术路线 3
1.3.1 研究目标 3
1.3.2 研究内容 3
1.3.3 技术路线图 4
2 研究数据与研究方法 4
2.1 研究区域概况 4
2.2 数据来源 4
2.2.1 冬小麦生育期数据 4
2.2.2 遥感数据 5
2.2.3 非遥感数据 6
2.3 研究方法 6
2.3.1 对MODIS数据的处理 6
2.3.2 植被指数计算 7
2.3.3 作物长势遥感监测 8
3 冬小麦长势监测结果与分析 10
3.1 冬小麦长势年际变化特征 10
3.2 冬小麦长势空间变化特征 11
3.3 基于差值模型的冬小麦长势监测 12
4 冬小麦产量估算 15
4.1 冬小麦估产模型建立 15
4.2 模型精度检验 18
5 结论与展望 19
5.1 实验结论 19
5.2 问题与展望 19
参考文献 21
致谢 22
附录：关键程序代码 23
1.3 研究目标、研究内容及技术路线
1.3.1 研究目标
本文主要的目标为利用250m分辨率的MODIS数据对滁州市地区的冬小麦进行长势的监测以及产量的估测，在农作物产量这一方面提供预警。
1.3.2 研究内容
本研究选择滁州市作为研究区，采用MODIS数据和冬小麦生育期数据，用植被指数年际间的差值模型对冬小麦的生长情况进行实时监测以及分析，并对其进行估产，主要内容如下：
（1）确定研究范围，选定研究时间
本文研究的主要是滁州市地区的冬小麦长势，因此，需要通过查阅资料，来获取冬小麦一个生长周期内的生长发育情况，确定其生长的关键期，以便接下来对遥感数据进行获取。
（2）收集、处理数据
确定好冬小麦的生长关键期之后，收集所需数据，使用ENVI5.1、ARCGIS10.1和MRT等软件对遥感影像进行预处理，再将研究区内冬小麦种植范围数据作为矢量数据来裁剪前面的栅格数据，计算研究区的NDVI值。
（3）冬小麦的长势监测
计算2013年至2018年间滁州市地区的MODIS数据的NDVI值,得到一个时间序列函数，再利用NDVI时间序列曲线进行冬小麦生长状况的评价与分析；最后使用差值模型计算出2018年滁州市各个生育期的长势差值图，对作物长势进行等级划分。
（4）冬小麦的产量预估
通过SPSS软件，利用冬小麦关键生长期的NDVI与相应年份的产量信息进行回归分析，建立冬小麦产量估算的回归模型，使用2019年滁州市冬小麦实际产量来对模型的估产精度进行验证对比分析。

import osdef modis_mosaic():#设置MRT的data目录环境变量os.environ['MRT_DATA_DIR'] = "D:\ModisTools\MRT\data"#设置mrt的bin路径mrtpath = r"D:\ModisTools\MRT\bin"#指定mrt的mosaic.exe的路径mrtmosaic = os.path.join(mrtpath,"mrtmosaic.exe")#MRT的mrtmosaic模块的全路径以‘/’连接mrtmosaic = mrtmosaic.replace("\\","/")#文件数据目录datadir = r'E:\modis'os.chdir(datadir)#os.chdir()方法用于改变当前工作目录到指定的路径#指定要输出的波段SPECTRAL_SUBEST = "1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0"#指定输出路径并以/连接outpath = r'E:\modis\Result'outpath = outpath.replace("\\","/")#获取当前文件夹下所有hdf文件allFiles = os.listdir(datadir)#创建allDays空列表，存储所有天数allHDFfiles = []allDays = []#从文件中获取天数信息for eachFiles in allFiles:if os.path.splitext(eachFiles)[1] == ".hdf":#分离文件名和扩展名allHDFfiles.append(eachFiles)day = eachFiles.split('.')allDays.append(day[1])print("所有的hdf文件如下：")print(len(allHDFfiles))print("     " + "\n     ".join(allHDFfiles))#列表转为无重复的集合类型 保存了天数信息 即A2013091 A2013099allDays = set(allDays)#循环拼接每一天的数据for eachDay in allDays:try:#调用cmd获取同一天的hdf数据文件getFiles = "dir *{0}.*.hdf/a/b/s > MOSAICNPUT.TXT".format(eachDay)os.system(getFiles)#使用cmd调用MRT拼接图像mosaicFiles = '{0} -i MOSAICNPUT.TXT -s "{1}" -o {2}.hdf'.format(mrtmosaic,SPECTRAL_SUBEST,eachDay)os.system(mosaicFiles)moveFile = 'move {0}.hdf {1}'.format(eachDay,outpath)os.system(moveFile)print(eachDay + " has finished")except:print(eachDay + " was wrong")moveLogFile = 'move {0} ../'.format("resample.log")os.system(moveLogFile)moveInputsFile = 'move {0} ../'.format("MOSAICNPUT.TXT")os.system(moveInputsFile)print("ALL has Done")

基于MODIS数据的滁州市冬小麦长势遥感监测研究相关推荐

基于Modis数据的地表温度反演
基于Modis数据的北京市地表温度反演评论区有下载原文和相关资料的链接,自己翻找即可. 操作平台 ENVI 5.5 ArcGIS 10.2 数据源 MODIS B1产品(包含1km 热红外波段) 数 ...
实现：基于NDVI 加权指数的冬小麦种植面积遥感监测
遥感加油站注:该文提出一种NDVI加权指数评估冬小麦的方法,使用的是GF1数据. 1 研究区研究区主要位于安平县及其周边地区,安平县隶属河北省衡水市. 2 数据获取 GF1数据: 数据 ...
envi反演水质参数_ENVI5.2中基于MODIS数据的海表温度反演
劈窗算法最初是为反演海面温度开发的,具体地说是针对NOAA/AVHRR的4和5通道设计的,后来也被用来反演地表温度,这种算法较成熟,精度也高.劈窗算法以地表热辐射传导方程为基础,利用10~13μm 大 ...
基于MODIS数据的NDVI与LST相关性分析（IDL代码实现）
1 数据预处理 (1)数据提取我们可以选取2018年5月初华东地区MODIS中的MOD11A2和MOD13A2的16天合成LST和NDVI产品数据,下载地址:MODIS数据下载网站下载数据需要注册 ...
基于Modis数据监测森林火灾
2月10日凌晨,四川省凉山州木里县三桷桠乡里铺村和高房子村交界处发生森林火灾.坐标为101°29′21.47″E,28°04′20.40″,明火于12日9时26分全部扑灭. 为对此次灾害进行监测分析, ...
基于MODIS数据的秸秆焚烧遥感监测
一.理论部分 1.研究背景秸秆燃烧的危害: 2.数据介绍: 3.使用数据介绍:
基于MODIS数据的大气水汽反演
1.下载MOD05_L2数据登陆网址Find Data - LAADS DAAC (nasa.gov) 登录.选择MODIS:Terra.选择MOD05_L2 选择时间.添加时间选择地区:全球.全 ...
基于环境小卫星的湖泊水质遥感监测
一.理论部分 1.本研究数据用的环境小卫星数据,可以换成哨兵数据.Landsat数据.高分数据等只要包含红色.近红外波段 2.流程图二.实践部分 1.图像配准
【电信学】【2009.06】基于实验数据的参考MIMO天线构型性能研究
本文为芬兰赫尔辛基理工大学(作者:Mònica Salicrú Cortés)的硕士论文,共87页. 近年来,多输入多输出(MIMO)系统的性能已经从理论上得到了很好的验证.通过在无线链路的两端引入一 ...

基于MODIS数据的滁州市冬小麦长势遥感监测研究

基于MODIS数据的滁州市冬小麦长势遥感监测研究相关推荐

最新文章

热门文章