利用植被指数-地表温度特征空间反演干旱区土壤干湿状况

土壤干湿状况是监测土地退化的重要指标之一,是植物物生长发育的关键因素;准确地估计土壤湿度在时空上的分布状况对理解生态系统有着重要的意义,且对干旱区农业生产及生态重建也具有重要价值。研究分析了两种植被指数(NDVI,MSAVI)构建的特征空间参数的特征;同时,在考察点尺度上,分析了旱情指数TVDI与土壤含水量的关系;并揭示了研究区TVDI的空间分布规律;结果表明:Ts/MSAVI空间和Ts/NDVI空间干边的拟合系数均大于0.90,湿边拟合的效果稍差,而Ts/MSAVI构成的特征空间其拟合的干湿边更易相交,与地表温度结合,更能表示地表湿度的变化情况;TVDIM与TVDIN同土壤含水量表现为极显著负相关,且TVDIM与土壤含水量的相关性大于TVDIN与土壤含水量的相关性;Ts/MSAVI特征空间和Ts/NDVI特征空间反演的旱情指数TVDI,在空间分布上是较为相似的。     

利用改进温度植被干旱指数反演农田表层土壤水分的研究

土壤水分作为土壤的重要组成部分,是气候、农业和生态系统的关键组成要素。快速、大面积和实时地监测土壤含水量,对旱情预报、农田灌溉和作物估产有着十分重要的作用。本文主要结合Landsat 8光学影像数据对地表土壤含水量进行反演,在温度植被干旱指数（TVDI）的地表温度－植被指数特征空间基础上引入分形覆盖度,构建地表温度－分形覆盖度特征空间,从而计算得到改进温度植被干旱指数（ITVDI）,采用研究区实测土壤含水量数据对计算的结果进行对比分析。为了分析TVDI和ITVDI与土壤体积含水量的关系,分别制作TVDI、ITVDI与土壤体积含水量的散点图并分析相关性。研究结果表明:在小麦拔节期内,研究区域大部分地区处于干旱状态,轻旱地区主要分布在研究区西部、北部以及中部的高植被覆盖地区;重旱地区主要分布在城市中心及部分裸露地面和小麦种植地区。TVDI和ITVDI与地表土壤含水量线性相关显著,两者均可表征研究区干旱的实际情况。但ITVDI引入分形植被覆盖度参数,在一定程度上避免干旱指数受到地表覆盖类型的限制,使得ITVDI与实测土壤含水量的相关性和反演精度都高于TVDI。因此,ITVDI能够更好地反映研究区域土壤含水量的状况,更适合高植被覆盖度地区土壤含水量反演。     

基于多源数据的土壤水分反演及空间分异格局研究

温度植被干旱指数(TVDI)是一种通过反演土壤水分来反映土壤干旱状况的重要方法。在TVDI的基础上引入数字高程模型(DEM)数据对地表温度进行校正,能够减少地形起伏对能量二次分配的影响。用阈值将研究区分割成不同土地利用类型,结合野外同步实测数据,用分段反演模型反演渭-库绿洲土壤水分分布图,并对渭-库绿洲土壤水分的空间格局和分异规律进行分析。结果表明:(1)地形校正后的TVDI能够更好地反映土壤水分状况;(2)土壤水分总体上从西至东,由北向南降低,在绿洲内部较为稳定,在交错带变化较为剧烈,土壤水分垂直变异系数呈现幂函数递减的整体变化趋势;(3)针对研究区不同土地利用类型用分段反演模型进行反演,有效地实现优势互补,总体上提高了土壤水分的反演精度,在区域土壤水分研究中值得关注和应用。     

基于温度植被旱情指数的徐州市郊干旱遥感监测

利用Landsat TM/ETM+数据,以徐州市郊为研究区,获取归一化植被指数(NDVI)、土壤调整植被指数(SAVI)和地表温度(Ts)信息,分别构建NDVI-Ts和SAVI-Ts特征空间,依据这两个特征空间计算出研究区2001年4月3日和2007年5月14日的温度植被旱情指数TVDI(NDVI)和TVDI(SAVI),并分别与地表温度(Ts)和降水量进行了相关评价.结果表明,TVDI可用于实现大范围的干旱监测,SAVI能够修正NDVI对土壤背景的敏感,基于SAVI的反演结果明显优于基于NDVI的反演结果,能够有效地运用于干旱监测.     

基于温度植被干旱指数的四川伏旱遥感监测与影响评估

利用2006年7～8月的NOAA/AVHRR数据，依据温度植被干旱指数(TVDI)对2006年四川伏旱进行监测与评估。采用了干旱监测合成滤云新技术，分析了Ts—NDVI特征空间属性和TVDI指数干旱监测能力，提出了四川伏旱TVDI计算模型、分级标准、和影响评估方法，结果表明：1)按最大地表温度原则得到的旬合成数据比按最大植被指数原则得到的旬合成数据具有更强的旱情监测能力；2)在Ts—NDVI特征空间中当NDVI较小时干湿边几乎同为水平直线，两者相差约45℃；3)TVDI指数因其大小不同而对旱情的监测能力也不一样，较小时说明没有干旱发生，较大时则一定有干旱发生，中间段对干旱的监测具有不确定性；4)2006年四川伏旱遥感监测与气候监测结果基本一致，农作物受旱面积与饮水困难人口数估算误差在10%以内。     

东北黑土区TDR测定农田土壤含水量的室内标定

土壤水分标定是利用TDR监测农田土壤水分过程中的必要环节.以东北黑土区农田土壤剖面深度上的4种典型介质（黑土层、母质层、过渡层、砂砾层）为试验对象,利用“由湿到干”的土柱试验方法,用烘干法对TDR进行室内标定研究.结果表明：1）TDR内置土壤标定曲线测定的含水量明显低于烘干法测量的含水量.在TDR法土壤含水量标定时,指数关系比线性关系具有更高的标定精度.2）单一介质的TDR法土壤含水量标定曲线对自身介质的标定精度高（最大绝对误差3.2％）.3）混合介质的TDR法土壤含水量标定曲线的标定精度较高（最大绝对误差6.6％）,可用于不同介质TDR法土壤含水量标定.本研究结果可用于研究区及类似区域修订TDR法含水量测定结果.     

HYDRUS模型与遥感集合卡尔曼滤波同化提高土壤水分监测精度

精确地估测干旱区土壤水分含量,对该区域的农业发展与水土保持具有重要意义。该文以MODIS与Landsat TM数据为数据源,利用其反演获得的条件温度植被指数(temperature-vegetation drought Index,TVDI)作为观测算子,将集合卡尔曼滤波(ensemble Kalman filter,En-KF)同化方法应用于水文模型(HYDRUS-1D),进行干旱区表层土壤水分的模拟。结果表明:遥感数据反演土壤水分所构建的二维特征空间TVDI与表层土壤水分有较好的一致性;En-KF同化方法对模型变量与观测算子的更新,与单纯使用HYDRUS模型相比,获得的表层土壤水分含量精度有了明显提高,其均方根误差缩小了1个百分点,平均误差缩小了5个百分点。可见,基于多源遥感数据对表层土壤水分的En-KF同化模拟在干旱区具有较大的潜力,是提高干旱区土壤水分含水量监测精度的有效手段。     

基于TVDI的艾比湖地区土壤水分时空变化分析

以艾比湖湿地为研究区,利用2003年5月和2013年5月Landsat遥感影像,提取了地表温度(Ts)和植被指数(NDVI)反演温度植被干旱指数(TVDI),并构建特征空间,分析了土壤水分的时空变化。试验结果表明:TVDI可有效反演区域土壤水分,且精度较高;自2003—2013年共10a的时间跨度下,艾比湖地区土壤水分空间分布由湖区向周边地区呈减少趋势;湿润、正常和轻旱面积减少,干旱和重旱面积增加,呈现"两增三减"的趋势。区域土壤水分分布情况不容乐观,仍需加强当地水资源管理,以保障区域生态系统的正常运转。     

非线性拟合LST/NDVI特征空间干湿边优于传统线性拟合方法的讨论

地表温度/植被指数特征空间在土壤含水率、蒸散发等定量遥感反演和旱情监测、水资源管理方面有着重要的应用,但其特征空间中干湿边的拟合方式的研究目前还相对缺乏。该文以美国俄克拉荷马州为例,针对地表温度/植被指数特征空间干边和湿边的最优拟合方式展开研究,分别采用线性、指数、对数、多项式和幂函数对干边和湿边进行拟合,并采用16个土壤墒情站点的5、25和60 cm不同深度的3组实测土壤含水率数据对拟合结果进行评估。结果表明:对于干边的拟合,指数函数、线性函数、对数函数和幂函数拟合的决定系数r~2分别为0.64,0.60,0.41,0.43,多项式函数拟合的r~2最高(0.67);对于湿边的拟合,指数函数、线性函数、对数函数和幂函数拟合的r~2分别为0.59,0.63,0.67,0.69,多项式函数拟合的r2最高,为0.70;多项式函数拟合干边和湿边构建特征空间计算结果的均方根误差(RMSE,root mean square error)和平均绝对误差(MAE,mean absolute error)值均最小,在5、25和60 cm深度下RMSE分别为0.29、0.27和0.28,MAE分别为0.26、0.23和0.25,表明采用多项式函数拟合干边和湿边计算的结果精度最高且对25cm深度的土壤含水率最为敏感。     

基于MODIS数据的山东省2014-2016年干旱监测分析

针对近年频发的干旱情况不能准确及时监测评估的问题,以山东省为研究区,基于温度植被干旱指数方法（TVDI）,利用S-G加权滤波对MODIS地表温度产品MOD11A2和植被指数产品MOD13A2数据进行了重建,根据重建后的数据计算2014—2016年山东省的温度植被干旱指数,在比较NDVI-LST与EVI-LST构建的温度植被指数干旱模型（TVDI）的基础上,利用效果更好的EVI-LST构建的TVDI模型反演山东省2014—2016年的干旱情况,最后利用气象站观测数据对TVDI结果进行了相关性分析。研究表明,山东省在2014—2015年全年平均干旱面积占比分别为37.62%,41.7%,2016年基本无旱情发生。气象站观测的降水、温度与TVDI的相关性均在0.32以上,且均通过显著性检验,说明植被覆盖信息和陆地表面温度信息相结合反演的TVDI空间和时间分布能够较好地反映表层土壤水分变化趋势,其作为旱情评价指标是合理的。     

河北省土壤干湿状况遥感监测指数比较

选用河北省2010年5月Terra/MODIS地表反射率产品MOD09A1计算得到了增强植被指数（EVI）,结合同期MOD11 A2地表温度LST数据,计算得到河北省TVDI（温度植被干旱指数）和VSWI（植被供水指数）,比较分析TVDI和VSWI监测河北省土壤干湿状况的适宜性.两种指数与同期8d平均降水量数据的定性分析表明TVDI与降水量数据间具有明显的相反趋势,VSWI与降水量数据间趋势关系不明显;定量的相关分析表明,TVDI与降水量数据间表现出较显著的负相关性（P＜0.05）,而VSWI与降水量数据间的相关不显著.可见,在所选取研究时段内,TVDI指数较VSWI指数监测河北省土壤湿度更为适宜.     

基于4种植被指数TVDI模型的三江平原土壤湿度反演

利用遥感手段监测土壤湿度有利于分析大尺度区域的土壤干湿状况。比对分析不同植被指数计算的温度植被干旱指数（TVDI）的精度能够提高TVDI反演土壤湿度的实际应用价值。以三江平原为研究区,基于2013年5—9月的四期MODIS影像,利用归一化植被指数（NDVI）、增强型植被指数（EVI）、修正土壤调节植被指数（MSAVI）、比值植被指数（RVI）分别计算TVDI,并以地面实测土壤湿度数据及降水数据进行精度验证。结果表明:（1）4种植被指数计算的TVDI与土壤湿度数据均具有一定的负相关关系,即TVDI值越高,土壤湿度值越低;（2）不同植被指数计算的TVDI在5月、6月、9月与土壤湿度回归分析的R²数值相近,均适合用来反演这3个时间段的土壤湿度,在7月份,相较于NDVI和RVI计算的TVDI结果（R²均在0.15左右）,基于EVI和MSAVI计算的TVDI （R²均在0.35左右）更适合反演该时期的土壤湿度;（3）5—9月期间,干旱现象主要发生在三江平原的中部及西南部,干旱程度主要为轻旱,东部及东北部在不同时期基本保持在正常或轻微湿润状态。     

以地表温度-植被指数特征空间为基础基于MODIS数据进行土壤水分监测研究

Soil moisture has been considered as one of the main indicators that are widely used in the fields of hydrology, climate, ecology and others. The land surface temperature-vegetation index （LST-VI） space has comprehensive information of the sensor from the visible to thermal infrared band and can well reflect the regional soil moisture conditions. In this study, 9 pairs of moderate-resolution imaging spectroradiometer （MODIS） products （MOD09A1 and MODllA2）, covering 5 provinces in Southwest China, were chosen to construct the LST-VI space, and then the spatial distribution of soil moisture in 5 provinces of Southwest China was monitored by the temperature vegetation dryness index （TVDI）. Three LST-VI spaces were constructed by normalized difference vegetation index （NDVI）, enhanced vegetation index （EVI）, and modified soil-adjusted vegetation index （MSAVI）, respectively. The correlations between the soil moisture data from 98 sites and the 3 TVDIs calculated by LST-NDVI, LST-EVI and LST-MSAVI, respectively, were analyzed. The results showed that TVDI was a useful parameter for soil surface moisture conditions. The TVDI calculated from the LST-EVI space （TVDIE） revealed a better correlation with soil moisture than those calculated from the LST-NDVI and LST-MSAVI spaces. From the different stages of the TVDIE space, it is concluded that TVDIE can effectively show the temporal and spatial differences of soil moisture, and is an effective approach to monitor soil moisture condition.     

冬小麦旱情监测中土壤水分估算模型的互补性——以河北省为例

旱灾是影响我国农业最大的气象灾害。频发的冬春旱尤其是春旱恰逢冬小麦生长的关键阶段,对我国的冬小麦生产造成了严重影响,利用遥感技术实现冬小麦旱情监测成为当前农业旱情管理的一个重要发展方向。采用2005年EOS/MOD IS数据产品,对春季不同时段内河北省旱情监测遥感信息模型的互补性进行了研究,得出以下结论:(1)在冬小麦生长的不同时期,ATI模型与TVD I模型之间具有较好的互补性,3月冬小麦旱情遥感监测应选取ATI遥感信息模型;(2)4月~5月表层土壤的RSM-TVD I、RSM-ATI的拟合方程均通过了置信度α=0.001水平的t检验且相关性较好,TVD I和ATI均可以用来估算4月~5月土壤表层土壤水分;(3)4月~5月RSM-TVD I、RSM-ATI的相关性与误差分析结果表明:4月上旬和4月中旬可选择ATI模型或TVD I模型进行冬小麦旱情遥感监测,但以4月上旬选择ATI模型、4月中旬选择TVD I模型为佳,4月下旬~5月下旬TVD I模型是比较合适的冬小麦旱情遥感监测模型。     

基于TVDI的沁水煤田地表土壤水分时空演变分析

温度植被干旱指数（Temperature Vegetation Dryness Index,TVDI）是表征地表干旱的有效指标,其时空格局分析是地表干旱与全球环境变化相互影响下的地表覆被变化的研究内容。以山西沁水煤田为研究区,结合2000—2010年MODND1M和MODLT1M数据,构建了NDVI-Ts特征空间并对干湿边拟合分析。结果表明:近11年来,沁水煤田年平均TDVI均大于0.4,且总体呈显著增加趋势,地表土壤湿度很低,部分区域处于中度和重度干旱之间。年度内,月平均TVDI处于0.5~0.7之间,且7月份TDVI存在明显波动。在空间上,研究区地表土壤湿度分布与地表植被分布基本一致。煤田南部和东部以干旱和极干旱为主,西北山区地带以正常或湿润为主,矿区密集区土壤湿度含量明显低于其他地区,矿井分布附近较其他区域地表干旱现象突出。     

基于改进作物散射模型的陕西杨凌区麦田土壤水分反演研究

本文提出一种改进作物散射模型反演麦田土壤水分,该模型根据冬小麦等低矮植被的散射特性,在原模型的基础上保留植被层直接散射部分以及植被与地表相互耦合作用的信息,同时加入裸土地表的直接散射部分,并根据经验权重将两部分信息分离开,构建出适用于冬小麦等低矮植被的后向散射模型,并结合RADARSAT-2雷达数据以及陕西杨凌农田试验区的地面实测数据,计算得到改进模型的经验参数,进而对模型进行验证分析。研究结果表明：改进作物散射模型的模拟精度相对于未改进的作物散射模型有显著的提高,R_²在HH和VV极化下都达到80%以上。为了验证改进的作物散射模型算法及土壤水分反演的有效性,本研究将改进作物散射模型与TVDI光学指数模型、简化的MIMICS模型的土壤水分反演结果进行对比分析,改进的作物散射模型反演精度比TVDI和简化的MIMICS模型要好,R_²达到84.3%,均方根误差为0.028 cm_³/cm_³,简化的MIMICS模型反演结果比TVDI要好,但是精度不高,R_²为66.9%,均方根误差为0.043 cm_³/cm_³。改进的作物散射模型对地表植被比较敏感,可以有效的将冬小麦对雷达信号散射影响和裸土层散射贡献区分开,为植被覆盖下地表土壤水分的反演创造条件,给大面积大范围的地表土壤水分反演提供强有力的技术支撑。