基于FY-3 VIRR的温度植被干旱指数在陕西省的应用及其IDL实现

以FY-3可见光红外扫描辐射计（VIRR）L1数据为信息源,对FY-3 VIRR L1数据在陕西省云检测、地表温度、温度植被干旱指数（TVDI）等反演方法进行本地化研究,同时使用IDL程序语言研制了FY-3 VIRR L1数据预处理、云检测、地表温度反演、TVDI指数法反演土壤干旱程度等应用程序,以实现利用温度植被干旱指数（TVDI）对陕西省土壤干旱程度的监测,并对检测结果进行数据反演。反演结果表明,利用FY-3 VIRR L1数据生成的TVDI与20cm土壤相对湿度具有良好的负相关性,相关系数在-0.535左右;TVDI能较好地反映陕西省土壤干旱状况,在延安、关中、陕南的TVDI反演结果与实际旱情一致性较好,但在植被覆盖较差的榆林部分地区,反演结果与实际旱情差异较大。     

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。     

温度植被干旱指数反演全国土壤湿度的DEM订正

 用温度植被干旱指数(TVDI)反演土壤湿度的原理,是基于水分蒸发和植被蒸腾对地表温度的降低作用。随高程增加气温降低,气温影响地表温度,因而随高程增加气温对地表温度也有一定的降低作用。用数字高程模型(DEM)对地表温度t s进行订正,可以减少气温对地表温度的影响,使得经过DEM订正获取的TVDI,能更好地反映土壤湿度。订正前后结果的对比分析也表明,经过DEM订正获取的温度植被干旱指数,与实测值有更好的相关性,能更好地反映土壤湿度分布的实际情况。     

基于TVDI和Landsat-8的喀斯特峡谷区干旱监测

[目的]探索适用于喀斯特地表干旱遥感监测的技术方法,为石漠化治理监测以及抗旱减灾工作提供技术参考。[方法]运用大气校正法反演地表温度(Ts)和归一化植被指数(NDVI),构建花江峡谷区2013年、2014年和2015年旱季的温度—植被干旱指数(TVDI),并结合地面实测数据对TVDI作为旱情指标进行了验证。[结果](1)反演的TVDI与同时期实测的0—10cm土壤体积含水量数据呈显著的负相关关系(p0.05)。(2)3个时期的干旱等级以轻旱为主;轻旱、干旱和重旱累计面积占全区比重大,呈现2014年旱情重于2015年和2013年的特点。(3)3个时期的旱情在空间分布上,湿润和正常等级在地形上主要分布在海拔900～1 100m地带,15°～35°的斜坡和缓陡坡,以及阴坡和半阳坡;在石漠化等级上,主要分布在无石漠化区、轻度石漠化区和潜在石漠化区;在土地利用类型中主要分布在有林地、旱地、灌木林地和其他林地。轻旱、干旱和重旱在地形上主要分布在海拔500～900m,6°～25°的缓坡和斜坡,以及阳坡和半阳坡;在石漠化等级上,轻旱和干旱主要分布在轻度石漠化区、潜在石漠化区、中度石漠化区和强度石漠化区,重旱主要分布在非喀斯特区;在土地利用类型上,轻旱、干旱和重旱主要分布在旱地、园地和其他林地。[结论]TVDI可作为研究区的干旱监测指标,基于TVDI和Landsat-8数据的干旱监测方法在喀斯特峡谷区具有一定适用性。     

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.     

基于综合干旱指数的毛乌素沙地腹部土壤水分反演及分布

为了克服单一干旱监测指数在复杂覆盖类型的适用性问题,以复杂覆盖类型的毛乌素沙地腹部乌审旗为例,在传统归一化干旱指数(normalized difference drought index,NDDI)、土壤湿度监测指数(soil moisture monitoring index,SMMI)、温度植被干旱指数(temperature vegetation drought index,TVDI)3个单一干旱监测指数的基础上,通过层次分析法确定各指数的权重,结合野外不同覆盖类型实测的土壤含水率数据,分别进行回归分析,建立多指数综合干旱监测模型,基于此模型分析研究区表层土壤水分的空间分布。结果表明:3个单一干旱指数在一定程度上均能客观反映旱情特征,与表层土壤含水率呈现不同程度的负相关,温度植被干旱指数相关性最好为0.604。引入结合多指数的综合干旱监测指数模型,在8月、9月草地和沙地与表层土壤含水率指数模型的决定系数R2均在0.7以上,高于基于单一指数模型的拟合精度。基于该模型,研究区研究区表层土壤含水率整体较低,体积含水率不高于0.15 cm~3/cm~3的面积分别占96.47%(8月)和94.8%(9月)。总体上从东到西,由北到南土壤含水率逐渐降低,与实测表层土壤样本的描述性统计结果有较好的空间一致性。     

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。     

藏北高原土壤湿度MODIS遥感监测研究

利用Terra与Aqua两颗卫星的MODIS地表温度和植被指数数据,分别构建LST-NDVI与LST-EVI共四种不同组合的Ts-VI特征空间,并依据该特征空间提取温度植被干旱指数(TVDI)作为反映土壤干湿状况的指标,探讨一种合适的遥感监测藏北高原土壤湿度的方案,并基于同步的实地土壤表层含水量采样数据进行验证评价。研究表明,四种数据组合方案提取的TVDI分布图均能较好反映藏北土壤湿度,且Terra MODIS LST-EVI构建的特征空间提取TVDI指标效果最佳。在此基础上获得的藏北高原土壤湿度分级图表明,从东南到西北土壤湿度逐渐降低,并呈现明显的空间分异规律。     

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。     

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。     

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。     

基于NDVI分区的全国草地生态系统覆盖区土壤水分遥感反演

为了建立土壤水分遥感反演模型,反演2016年全国草地生态系统土壤水分并分析其时空变化特征,通过结合表观热惯量(ATI)和温度植被干旱指数(TVDI)的混合模型反演2016年全国草地生态系统的土壤水分,并在实测数据与反演结果精度验证的基础上确定归一化植被指数(NDVI)阈值。结果表明:(1)NDVI≤0.2的像元区域,采用ATI模型反演精度较高; NDVI≥0.78的像元上,基于增强型植被指数(EVI)的TVDI反演精度较高; 0.2相似文献   

利用温度植被干旱指数（TVDI）方法反演杭州伏旱期土壤水分

利用MODIS资料构建了杭州地表温度（Ts）-增强植被指数（EVI）的特征空间,拟合了特征空间中的干、湿边方程,计算了温度植被干旱指数（TVDI）,并推导出利用TVDI和干、湿边土壤水分计算土壤含水量的方程。在计算TVDI的过程中,为了减少高程的影响,利用数字高程模型（DEM）对Ts进行了订正;利用同期野外实测土壤湿度数据计算了干边上的土壤水分值,从而反演杭州2006年伏旱期8月份每隔16d的平均土壤含水量。结果表明：①TVDI方法能反演杭州伏旱期土壤表层水分,实测值与预测值之间平均绝对误差在15个百分点左右。②高程校正后的TVDI能更好的反映土壤水分,与校正前相比,平均绝对误差减少5个百分点,基本满足业务需要。     

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和气象数据的陕西省春季旱情时空分析

陕西省居于中国腹地,受干旱影响严重,开展遥感旱情监测工作,认识旱情的时空特征具有重要的现实意义。利用MODIS产品MOD11A2和MOD13A2构建NDVI-Ts特征空间,获取陕西地区温度植被干旱指数(Temperature Vegetation Dryness Index,TVDI),在利用土壤湿度和气象指数验证了TVDI反映旱情有效性的基础上,以TVDI为干旱指标分析了2000—2015年陕西省春季(2—5月)旱情的时空变化特征。结果表明:(1)土壤相对湿度和降水量与TVDI均呈负相关,TVDI对降水量存在一定的滞后性;(2)近16年来,陕西省年年有旱,但春季旱情总体呈逐年减轻的趋势,年内2—5月旱情会逐渐加重;(3)空间上,近16年来陕西省春旱较为严重的地区主要分布在陕北北部以及关中东北部,而陕北南部、关中西南部及陕南地区旱情较轻。