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MODIS的河南省遥感干旱监测研究

基于遥感的大面积干旱监测发挥着重要作用,但多种不同的遥感干旱指数在不同区域的空间适应性研究相对较少。利用MODIS数据分别计算归一化植被指数、距平植被指数、植被状态指数和温度状态指数等,并结合传统气象干旱指数分析近10a来河南省的干旱情况。结果表明,2000—2009年有6a发生了不同程度的干旱,其中豫北和豫西地区的干旱程度严重,遥感干旱监测的结果与气象干旱指数基本一致;分析了河南省不同区域和时段内基于遥感的干旱指数与气象干旱指数的相关性,总结出4种基于遥感的干旱指数在时空格局中的适用性,为干旱监测提供技术支持。     

基于NOAA/AVHRR资料的四川省干旱监测方法初探

基于遥感资料的干旱监测方法具有范围广、时空分辨率高等特点,已在日常业务中发挥作用。目前一般使用热惯量法和植被供水指数法进行遥感干旱监测,但都受到一定客观条件的制约。本文以陆面温度一植被盖度为基础,使用2006年8月上旬NOAAl7资料,经过滤云处理,构建陆面温度一植被盖度特征空间,建立旱边、湿边方程,计算干旱指数,结合地面观测分析结果,确定干旱等级,然后使用ENVl4．0遥感分析软件,制作干旱遥感监测专题图。与地面干旱监测结果比较后发现,上述方法得出的干旱遥感监测结果与地面实况监测结果基本吻合,说明该方法在日常干旱监测业务中具有一定的实用性。     

干旱遥感监测模型在中国冬小麦区的应用

温度植被干旱指数（TVDI）和植被供水指数（VSWI）由于其物理意义明确,且数据易于获取,因此成为近些年在遥感旱情监测中应用较多的两个模型。为更好地完成遥感监测任务,提高精度,以全国冬小麦主产区为研究区域,利用EOS/MODIS数据,构建两个干旱指数模型,对2009年冬小麦作物主要生长时期进行干旱监测应用,并将其与不同深度土壤湿度进行相关分析、线性拟合比较及应用验证,认为两指数与10 cm深度土壤湿度相关性较好,TVDI大部表现为极显著相关,VSWI的相关性表现差于TVDI。基于土壤湿度的遥感旱情监测,TVDI比VSWI更能体现区域旱情变化趋势,其优势更明显。     

基于Landsat-8影像的干旱区土壤水分含量反演研究

土壤水分含量的精确监测对区域生态环境保护与可持续发展具有重要意义.本文以内蒙西部额济纳旗东南的居延泽地区为研究区,基于多期Landsat-8遥感影像和野外实测不同深度的土壤水分含量数据,构建了温度植被干旱指数(TVDI)、垂直干旱指数(PDI)、归—化干旱监测指数(NPDI)和土壤湿度监测指数(SMMI)等四种干旱指数...     

内蒙古典型草原区NDVI对气候变化的响应

气候变化对生态脆弱区的植被影响很大,草原植被极易受气候变化的影响。为了解草原区对气候变化的响应,保护该区植被健康生长,运用多个气候要素(温度、风速、降水)和SPEI指数进行突变分析和趋势分析,利用MODIS NDVI数据和温度、风速、降水及SPEI指数进行相关性研究,通过BP网络模型对NDVI产生响应的气象要素进行了预测。结果表明:19世纪后的典型草原区温度随年份变化有显著增加趋势,风速和SPEI指数有显著减小的趋势,20世纪后的降水有减小的趋势。降水、SPEI与NDVI相关性较高,说明降水量是影响典型草原植被生长的主要气候要素,干旱缺水对植物生长有着重要的影响,由于温度对干旱程度有影响,因此温度也影响着该区植物的生长。BP网络模型模拟2019—2038年温度和降水量与以往年份相比,波动不大且没有发生过大的趋势改变。     

水分亏缺指数在全国干旱遥感监测中的应用研究

水分亏缺指数(WDI)是建立在作物水分胁迫指数理论基础上,并假设陆地表面温度是冠层温度与土壤表面温度线性加权及土壤与植被冠层之间不存在感热交换的情况下,结合陆气温差与植被指数得到的区域干旱评价指标。本文利用MODISTerra陆地表面温度和植被指数数据产品,采用NDVITs空间法分别计算了2000年4月上旬和5月中旬气温空间分布的基础上,结合陆气温差和植被指数计算全国范围WDI,并与表层土壤含水量进行对比。结果表明:WDI能够比较合理地用来监测区域干旱,不仅适用于裸地条件,还能够有效地应用于完全植被或部分植被覆盖条件下的干旱监测,克服了CWSI只能应用于郁闭植被冠层的限制。     

典型旱年农业干旱遥感监测指标在东北地区生长季的表现

以8d为时间尺度,以土壤相对湿度（RSM）为参考指标,采用相关分析方法,分析评估典型旱年2009年作物生长季内分别表征降水、土壤和作物的3个类别10种农业干旱遥感监测指数在东北地区的适用性。结果表明：（1）生长季中、后期,综合考虑冠层温度和植被特征的温度植被干旱指数（TVDI）与RSM的相关系数绝对值在0.5左右,对土壤湿度变化较敏感,可用于该生长阶段的农业干旱监测;（2）考虑作物前期缺水的累积作物缺水指数（ACWSI）是与RSM相关性较好的指数之一,在生长季前期和后期与RSM的相关系数绝对值在0.47以上,表现良好,但应用过程中需注意累积效应的时间尺度;（3）表观热惯量（ATI）更适于生长季前期干旱监测,改进型能量指数（MEI）适用于各种植被覆盖条件,但存在一定不稳定性;（4）考虑前期累积降水的APCI指数比仅考虑8d降水的条件降水指数PCI更能反映土壤湿度状况,特别是在生长季中、后期,可作为其它监测指数的补充;（5）条件植被指数（VCI）、归一化差异水分指数（NDWI）与RSM相关性较低,对现时土壤湿度的反映不敏感,不适于研究区内短时间尺度的农业干旱监测。研究结果可为东北地区开展农业干旱监测选取合适指标提供参考,也可为农业干旱指数的广泛应用构建可行性框架。     

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。     

土壤水分遥感监测的研究进展

土壤水分是土壤的重要组成部分,在地—气界面间物质、能量交换中起着重要的作用,是农作物生长发育的基本条件和农作物产量预报的重要参数。遥感技术具有大面积同步观测,时效性、经济性强的特点,为大面积动态监测土壤水分提供了可能。简述了到目前为止出现的几种主要的土壤水分遥感监测方法,如热惯量法、作物缺水指数法、归一化植被指数法、植被指数距平法、植被供水指数法、植被状态指数法、温度状态指数法、温度植被干旱指数法、高光谱法、微波遥感法,并分析了各种方法的原理和特点,最后展望了土壤水分遥感监测方法的发展趋势。     

基于GWR模型降尺度模拟蒙古高原地区TRMM降水数据

以多年月平均NDVI值高于0.1为阈值,对蒙古高原进行“植被区”与“非植被区”的子区域划分。在分析“植被区”植被对降水响应时滞性和“非植被区”陆地表面温度不同数据值与降水量相关性的基础上,子区域分别构建了TRMM3B43降水数据与海拔、坡度、坡向数据、归一化植被指数（NDVI）/陆地表面温度（LST）数据的地理加权回归（GWR）模型,得到区内2006-2015年每年5-10月1km空间分辨率的月降水量降尺度模拟数据,并利用区内141个气象站点数据对降尺度模拟数据进行精度验证。结果表明：（1）蒙古高原“植被区”植被对降水响应存在时滞性,约为一个月;“非植被区”多数月份白天与夜晚陆地表面温度差（LST＿D＿N）与降水量的相关性最显著。（2）降尺度模拟数据与气象站点数据具有较好的一致性,月尺度相关系数为0.83,各站点相关系数介于0.42～0.98。（3）在生长季、月平均尺度上,降尺度模拟数据具有较高精度,其中9月和10月数据精度优于TRMM 3B43数据。降尺度模拟数据整体精度较高,加之对原始数据在50°N以上未覆盖地区的填补以及空间分辨率的提高,可为区内水循环变化、农牧业生产、干旱监测等...     

近20年黄河流域植被净初级生产力时空分布及其对极端天气变化的时空响应

为探究黄河流域植被净初级生产力(Net Primary Productivity, NPP)变化及对极端天气指数的响应情况,利用MODIS NPP数据和极端气候数据,辅以斜率法和偏相关分析法分析了2000—2019年黄河流域植被NPP时空动态及其对极端降水指数和极端温度指数的响应情况。结果表明：(1)近20 a黄河流域植被NPP呈从北向南增加的趋势,大面积上表现为增加趋势。(2) NPP与极端降水指标以显著和极显著正相关为主。其中,除最长连续湿润天数呈显著正相关和极显著正相关的像元占比为16.5%,其他几种指标均在25%以上。(3)极端降水事件的水量和强度呈显著增加趋势,极端温度事件中与偏冷相关指标总体呈下降趋势,与变暖有关的事件呈明显上升趋势,其变化存在显著空间异质性,年际差异大。(4)日最高气温的最大值、日最低气温的最大值、冷夜日数、冷昼日数、冰冻天数和霜冻天与植被NPP以负相关为主,日最高气温的最小值、日最低气温的最小值、暖夜日数、暖昼日数、气温日较差和暖期与植被NPP以正相关为主。近20 a黄河流域植被NPP时空变化存在显著地域性差异,其中在干旱和半干旱地区极端降水增多在一定程...     

呼和浩特市不同植被指数与地表温度的定量遥感关系

利用Landsat 8影像数据,提取呼和浩特市地表温度（LST）、4种典型植被参数:归一化植被指数（NDVI）、修正土壤植被指数（MSAVI）、比值植被指数（RVI）及植被覆盖度（FV）,并结合研究区土地覆被信息,探讨了LST与4种典型植被参数的定量遥感关系,不同下垫面类型对地表温度—植被参数的影响及其二者之间的空间尺度效应。结果表明:地表温度—植被参数呈现出显著负相关关系,NDVI,RVI,MSAVI,FV每增加0.1,对应的LST分别下降:0.99℃,0.83℃,1.02℃,0.64℃;不同土地覆被类型中二者相关性差异显著,其中林地LST与4种植被参数相关性最强,RVI与LST相关性最稳定;在不同的空间尺度下（30～1 920 m）,地表温度—植被参数空间相关性呈现出先增大后减小的趋势,NDVI,FV,MSAVI,RVI与LST的空间相关性分别在120 m,240 m,60 m,120 m达到最高。     

条件植被温度指数在云南干旱监测中的应用

对干旱进行监测,有助于各级政府及时了解旱情,采取积极有效的防旱、抗旱措施,促进水利设施建设与合理布局,确保农业生产发展与粮食安全。该文采用MODIS多时相归一化植被指数与地表温度遥感影像产品,分析研究区归一化植被指数—地表温度特征空间,应用条件植被温度指数对云南省2009年9月－2010年3月干旱的时间、空间特性进行监测。监测结果表明云南省旱情随时间有所波动,但整体旱情呈发展趋势;监测期内云南省旱情分布较广,受灾面积超过70%,仅西北角小片地区受干旱影响较小,特旱区主要分布于云南省中部、东部和南部地区。应用相关研究成果对干旱监测结果进行验证,结果表明监测结果可信,能够为防灾减灾相关部门提供有力的信息支持。     

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.     

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。     

中国草地NDVI时空动态对多尺度干旱的响应

草地对干旱的响应较其他植被类型更为敏感,且不同草地类型在不同气候区干旱的响应具有较大差异,因此分气候区探究不同草地类型对干旱的响应机制对草地资源保护具有重大意义。基于植被Normalized Difference Vegetation Index(NDVI)、草地覆被及标准化蒸散指数(SPEI)数据,分析1982—2015年中国不同气候区不同草地类型植被NDVI的时空动态及其与SPEI的关系,并确定NDVI与SPEI指标最大相关系数所对应的干旱时间尺度,结合气象数据探究气温、降水及水平衡因素对草地干旱响应的影响状况。结果表明:中国草地NDVI呈现出极显著增加趋势(0.004/a)。草地NDVI呈显著增加的比例为15.62%,集中在华北平原地区、四川、云南、广西及西藏的东南部地区。草地SPEI值呈不显著增加趋势(0.05/10 a),其中显著变干的区域集中在内蒙古中部和宁夏地区。草地NDVI与SPEI指数呈显著正相关的区域集中在内蒙古、青海省南部及新疆北部地带。内蒙古、新疆、青海省北部及西藏南部地区的草地NDVI对干旱响应的时间尺度较短,而青海东南部及西藏中部草地NDVI对干旱响应的时间尺度较长。高山亚高山草甸和草甸区域植被NDVI与SPEI的相关性最强,且对干旱的响应时间尺度较长,而荒漠草地对干旱的响应时间尺度较短; 与湿润区域相比,干旱区域草地NDVI与SPEI的相关性更强,且对干旱响应的时间尺度更短。降水是草地响应干旱的最主要因素,水平衡次之,而气温的影响较小。     

基于NDVI的喀斯特地区植被对气候变化的响应研究——以贵州省六盘水市为例

利用1999—2010年SPOT-VGT NDVI数据,采用基于像元的相关分析方法,分析了贵州省典型喀斯特区域植被对气候变化的响应。结果表明,1999—2010年研究区气候变化呈冷干趋势,植被NDVI呈恢复趋势;从区域尺度分析,研究区植被NDVI与气候要素间呈不显著相关关系;从像元尺度分析,植被NDVI与年均气温和降水量均具有较强的负相关性,且年均气温的影响力大于年降水量;由于植被NDVI与气候要素存在负相关,所以气候冷干的变化趋势有利于区域整体植被NDVI的恢复;植被NDVI与气候要素的相关性在空间上存在较强的地域性,进一步证明了植被NDVI对气候变化的响应受到地形的强烈影响。     

基于深度学习算法的京津冀地区综合干旱评估模型构建

及时准确的干旱评估对社会经济发展和农业生产具有重要的指导意义,当前的干旱评估指标通常仅考虑植被或降水等单方面影响因素,在实际干旱评估中存在一定的局限性。本研究综合考虑降水、温度、地形等多个干旱致灾因子,以主要产粮基地京津冀地区为例,基于2007-2017年地表温度（Land Surface Temperature,LST）、归一化植被指数（Normalized Difference Vegetation Index,NDVI）以及降水等多源数据,利用深度学习框架Tensorflow构建以标准化降水蒸散发指数（Standardized Precipitation Evapotranspiration Index,SPEI）为目标值的综合干旱评估模型。利用决定系数（R2）和均方根误差（RMSE）对模型进行测试;利用站点标准化降水指数（Standardized Precipitation Index,SPI）、土壤相对湿度数据以及2016年京津冀地区的气象灾害数据,从时间和空间上对模型的可靠性进行验证。结果表明：模型的训练集和测试集在不同月份上均表现较好（R2均大于0.5而RMSE均小于0.55）。模型输出的综合干旱指数（Comprehensive Drought Index,CDI）在密云站上与SPI和SPEI接近,变化趋势基本一致,并且与站点SPI和土壤相对湿度的相关系数分别大于0.7和0.4,均通过了0.01水平的显著性检验。空间上,相较于SPEI,CDI计算的2016年3-7月京津冀地区干旱事件结果与实际情况符合度更高,表明该模型适用于京津冀地区干旱评估。     

2001-2013年宝鸡地区植被NDVI对气温和降水量的季节响应特征

[目的]研究2001-2013年陕西省宝鸡地区植被变化与气温和降水量的时空变化特征及其相关性,为区域农业发展和区域生态文明建设提供有力支撑.[方法]基于2001-2013年宝鸡地区气温和降水量数据,利用MODIS NDVI数据和11个气象站点实测数据,结合实际调查,采用一元线性回归、标准化处理、相关分析等方法,基于季尺度、参照年尺度分析宝鸡地区植被覆盖季节时空变化及其与气温和降水量的相关性.[结果]夏季植被NDVI增加趋势最为明显,其次为秋季,冬季植被覆盖最差;宝鸡地区四季标准化值NDVI与气温、降水量的变化趋势相接近,其最大值点的出现时间与气温和降水量基本对应.同一季节NDVI与气温的相关系数均高于NDVI与相应季节降水量的相关系数(除夏季);春季NDVI与冬季气温(-0.592)、夏季NDVI与春季降水量(0.640)之间显著相关,表明近13 a来春季植被覆盖变化与冬季气温、夏季植被覆盖与春季降水量的变化较为一致,NDVI与降水之间的滞后关系为0～3个月.[结论]2001-2013年宝鸡地区年均、季NDVI整体均呈增加趋势,8月植被覆盖变化与降水量的变化较为一致,降水量较气温对8月植被生长影响强烈.