基于重构的Landsat 8时间序列数据和温度植被指数的区域旱情监测

为了快速且准确地估算大区域范围内土壤水分信息,实现松嫩平原北部区域旱情的监测。基于Landsat 8时间序列数据,计算归一化植被指数(NDVI)和地表温度指数(LST)的时间序列数据,在此基础上利用Savitzky-Golay(S-G)滤波对所得时间序列数据进行了重构,弥补因受云和大气影响而产生的噪声。然后根据重构后的NDVI和LST数据,求得温度植被指数(TVDI);探讨TDVI和土壤湿度之间的关系,构建土壤湿度反演模型,并结合野外实测数据对模型精度进行了验证。结果表明:(1)S-G滤波可以有效地弥补因受云和大气影响而产生的不足,提高Landsat 8时间序列数据的质量;(2)温度植被干旱指数可以有效地反映土壤湿度状况,经过S-G滤波处理后的数据反演精度更高(RMSE=2.14%);(3)经过S-G滤波处理后的Landsat 8数据可以更为精确实现大区域范围内时间序列的旱情监测,为区域旱情的监测提供借鉴。     

AMSR2缺失数据重建及其土壤湿度反演精度评价

新型传感器土壤湿度产品在水分循环、农业管理等领域应用之前,需要评价其在不同区域的反演精度与数据质量。该文针对目前全球空间分辨率最高的AMSR2(advanced microwave scanning radiometer 2)3级微波土壤湿度产品,实现了缺失数据重建及其反演精度评价目的。论文研究引入离散余弦函数表达的惩罚最小二乘回归(discrete cosine transformation-partial least square,DCT-PLS)方法,重建因卫星轨道等原因造成的缺失与异常值,以构建时空分布连续的土壤湿度数据;进而以山西省为例,采用1 km分辨率的MODIS光学波段数据对AMSR2微波产品进行降尺度处理,通过实测土壤湿度、温度植被干旱指数(temperature vegetation dryness index,TVDI)验证评价这2种不同尺度的微波土壤湿度数据质量。结果表明:DCT-PLS方法能够充分利用三维时空信息对缺失数据进行重建,重建后土壤湿度具有较高质量;10、1 km 2种尺度的土壤湿度与实测土壤湿度在空间分布上较为吻合,2个示例日期中降尺度土壤湿度与TVDI之间的相关性提高了0.352、0.4264,能够更为准确地反映土壤湿度空间分布细节;通过实测数据、TVDI指数的校验,降尺度前后的AMSR2土壤湿度数据表现出了较高的质量与可靠性。     

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.     

基于遥感温度植被干旱指数的小蠹虫害预警

针对小蠹虫对森林的危害隐蔽强,症状滞后性明显,在其早期发生时进行遥感识别非常困难。该文基于干旱和虫害存在一定的时滞相关性的假设,提出基于温度植被干旱指数(temperature vegetation dryness index,TVDI)预报小蠹危害的方法。以遭受大面积连续干旱和小蠹危害的云南省中部的石林县为案例区,利用Landsat数据,建立归一化植被指数(normalized difference vegetation index,NDVI)-地表温度(land surface temperature,Ts)特征空间,估算逐像元TVDI。基于地面小班调查的虫害等级数据(健康、轻度、中度和重度4个等级),比较不同虫害等级斑块TVDI差异。同时,以持续干旱2011年轻度受害区为例,结合受害前后云南松林NDVI差值(difference of NDVI before and after the forest attacked by bark beetles,d NDVI)表征实际受害程度的方法,建立TVDI与d NDVI的关系,对2012年进行预测。结果表明,2010-2015年,受害区整体呈下降趋势,TVDI由西向东逐渐变大。健康云南松林TVDI显著高于虫害云南松林(P0.05),且虫害越严重,TVDI越小;2011年,TVDI与d NDVI呈显著负相关(P0.05),可以用线性模型进行拟合,拟合决定系数R2为0.322。采用模型对2012年实际发生情况进行预测,得到预测与实测d NDVI均方根误差RMSE为0.237。在整体干旱的环境下,相对湿润的地方小蠹虫害更严重。因此,可以根据TVDI空间分布特征,找出TVDI相对较小的区域,作为虫害可能发生的重点关注区域,该研究对及时发布虫情监测信息有建设性的意义。     

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。     

土壤湿度农业干旱指数的改进及其适用性

准确监测农业干旱是保障粮食安全的基础。针对土壤湿度农业干旱指数(soil moisture agricultural drought index,SMADI)在干旱半干旱地区旱情监测不准确的问题,对SMADI进行了改进,同时修正了改进后的土壤湿度农业干旱指数(modified soil moisture agricultural drought index,SMADI_M)的干旱等级划分标准,并从全区与局部尺度、时间和空间尺度、以及对干旱响应的时效性三方面对SMADI_M的可靠性进行了验证。结果表明：SMADI_M改进了SMADI在低植被覆盖区存在的旱情高估的问题,弥补了SMADI的不足,可用于任意植被覆盖区的旱情监测;SMADI_M能够准确捕捉不同时间尺度(年、季、月)和空间尺度(全局、局部)的旱情信息,有效提高了农业干旱监测精度;与植被条件指数(vegetation condition index,VCI)和标准化降水蒸散指数(standardized precipitation evapotransp...     

西南地区综合干旱监测模型构建与验证

在全球极端天气事件越来越多的大背景下,准确监测西南干旱对区域农业可持续发展具有重要的现实意义。该文选取降水距平百分率(percentage of precipitation anomaly index,Pa)、标准化降水指数(standard precipitation index,SPI)、相对湿润指数(relative moisture index,MI)等3种气象类干旱监测模型以及植被供水指数(vegetation water supply index,VWSI)与归一化植被指数(normalized differential vegetation index,NDVI)等2种遥感类干旱监测模型,并分别与实测土壤湿度作相关分析,在此基础上选取相关系数最高的相对湿润指数与归一化植被指数为自变量建立综合干旱监测指数(comprehensive drought monitoring index,DI)。结果表明,综合干旱指数与土壤水分实测值有较好的相关性,监测精度可达88.38%;在不同海拔高度内,综合干旱指数的拟合效果比单一指数效果更好,精度更高;在分析2009-2010年西南特大干旱旱情发展的时空演变过程中,综合干旱监测结果与实际干旱情况有较好的空间一致性,监测效果佳。研究成果为西南丘陵山区干旱监测提供了一种新的方法。     

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。     

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。     

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。     

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   

土地利用数据在TVDI干旱监测方法中的应用研究——以甘肃省河东地区为例

温度植被干旱指数（Temperature Vegetation Dryness Index,TVDI）因其物理意义明确而被广泛应用。然而不同土地利用类型的植被指数（Ⅵ）、陆地表面温度（LST）存在一定的差别,这种差别可能在利用TVDI监测干旱时带来一定的影响。以甘肃省河东地区为例,探讨了TVDI方法在研究区的适用性及土地利用类型对TVDI指数监测干旱的影响。结果表明:（1）TVDI对河东地区的庆阳、平凉、临夏、定西北部、甘南等地土壤相对湿度（RSM）有一定的指示作用,但对定西市南部地区、陇南地区、天水市的指示相对较差;（2）用不同土地利用类型的遥感数据建立的特征空间,能够提高TVDI对RSM指示的准确性和合理性。一方面,农地类型的TVDI值有所下降而林地、草地类型的TVDI值有所升高,这在陇东及甘南局部地区取得较好的改进作用;另一方面,历史TVDI各区间站次统计表明,经过土地利用类型数据的改进,TVDI值的分布范围得以扩大,从0.5～0.9扩大为0.2～0.9,这与实际RSM的分布特征有更好的对应,有利于区分不同干旱等级的RSM。     

基于NDVI-LST模型对辽宁月尺度土壤水分的反演

利用MODIS卫星数据集中的归一化植被指数NDVI(Normalized Difference Vegetation Index,NDVI)与地表温度LST(Land Surface Temperature,LST)数据建立NDVI-LST模型,对辽宁省2015年5-8月的土壤水分进行反演,建立土壤水分与干边斜率的相关关系,得到该模型反演下的土壤水分。结果表明:(1)该时间段的NDVI-LST实际模型能够形成类似"三角"的特征空间,与理论模型吻合,利用该模型反演的5-8月土壤水分含量与地面实际监测结果相关性较高,除8月外,相关系数均在0.8以上,反演结果空间布局与地面实际土壤水分基本一致;(2)8月土壤水分反演结果不理想,相关系数为0.48,反演和地面实际空间特征差异也较大,其原因是8月NDVI对7月降水极少的响应时间的延后。整体而言,NDVI-LST模型反演土壤水分的试验结果较理想,可为利用卫星遥感手段快速反演辽宁月尺度的土壤水分、干旱灾害防御评估等决策工作提供一种新思路。     

基于支持向量机的土壤湿度模拟及预测研究

基于中山大学珠海校区气象观测站日平均风速、日平均气温、日平均空气湿度、日平均水汽压、日平均总辐射量、日平均地表温度、日平均降雨量、日平均蒸发量以及日平均10 cm、20 cm、30 cm土层土壤的含水量,利用支持向量机方法建立气象因子与土壤湿度统计关系,并以此为基础建立土壤湿度模拟与预测模型.结果表明,土壤湿度对气象因子有一定滞后相关性,不同土层土壤湿度对气象因子的滞后相关性不同.研究发现考虑滞后相关性的预测模型在精度上要高于不考虑滞后相关性的预测模型.此外,利用气象因子对地下10 cm的土壤湿度模拟与预测精度较高,而对地下20 cm、30 cm的土壤湿度模拟精度较低.利用地下10 cm与20 cm、20 cm与30 cm的土壤湿度相关性大的特点,可以考虑利用支持向量机方法以10 cm土壤湿度模拟与预测20 cm的土壤湿度,以20 cm的土壤湿度模拟与预测30 cm的土壤湿度,分析结果表明模拟精度较高.