基于作物缺水指数的农业干旱监测模型构建

农业干旱监测问题对农业生产具有重要影响,因此精确监测农业干旱具有现实意义。该研究基于MOD16A2全球蒸散产品,计算作物缺水指数（Crop Water Stress Index,CWSI）,结合地表温度、植被指数、降水量以及土壤湿度等多源遥感数据为自变量,3个月时间尺度的标准化降水蒸散指数（Standardized Precipitation Evapotranspiration Index,SPEI-3）为因变量,基于偏差校正随机森林算法构建山东省2000-2019年作物生长季（4-10月）的偏差校正随机森林干旱状况指数（Bias-corrected Random Forest Drought Condition Index,BRF-DCI）。并分析CWSI对于构建山东省农业干旱监测模型的影响。结果表明：加入CWSI后,所提出的BRF-DCI指数与SPEI-3观测指数的决定系数为0.72～0.85,优于未加入CWSI之前;加入CWSI后提高了干旱监测等级的准确率;BRF-DCI指数能较好地拟合各月份的SPEI-3指数,决定系数均在0.94以上;BRF-DCI指数能够准确反映山东省典型干旱年的干旱情况,有效监测山东省农业干旱情况。该研究对山东省农业旱情监测及旱灾防御具有较大的应用潜力。     

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...     

Y干旱指数在冀东春旱监测中的应用

利用唐山地区3个国家基准站1971—2000年的春季逐日降水、日最高气温资料,从干旱实时监测气象服务的需要出发,考虑了近期降水、土壤底墒（前期降水）和气温三种要素,计算Y干旱指数,并制定了干旱等级标准。对Y干旱指数与土壤湿度干旱指数、降水百分率干旱指数进行了同期对比分析;利用没有参加干旱指标划分的2006、2007年春季的土壤湿度资料对制定的干旱指标进行检验。结果表明,Y干旱指数对冀东春旱具有很好的监测能力,Y干旱指数能够客观的反映唐山地区春季各月的干旱状况,并填补了土壤湿度监测的盲区,能较好的划分唐山地区春季干旱趋势和等级;在一段时间内降水时空分布均匀的情况下,用降水距平百分率干旱指数进行监测,效果较好。在2006—2007年的检验中,Y干旱指数与土壤干旱指数表现一致,在没有土壤测墒的地区和时段,利用Y干旱指数可代替土壤湿度监测,实现干旱无缝隙监测。     

干旱严重程度指数(DSI)在山东省干旱遥感监测中的适用性

选择一个合适的干旱遥感监测指标,对于及时准确评估干旱对农作物生长影响有重要意义。本文综合植被指数和蒸散发指数,构成干旱严重程度的指数(DSI),并定量评价DSI在山东地区干旱监测的适用性,以期为该区干旱遥感动态监测提供科学依据。在定量分析DSI适用性的过程中,采用相关分析方法,针对基于标准化降水指数(SPI)长时间序列中的典型干旱时期,将月尺度的DSI、归一化干旱指数(NDDI)、温度植被干旱指数(TVDI)分别与SPI、土壤相对湿度(RSM)进行皮尔森相关关系分析。结果表明,SPI、RSM与DSI的相关系数分别在0.40、0.30左右,整体上高于SPI、RSM与NDDI和TVDI的相关性。此外,DSI表示的旱情时空分布准确地捕捉到了历史时期山东各地区的典型干旱事件的发生及其干旱的变化过程。DSI可以反映气象干旱和农业干旱,对山东干旱遥感监测有较好的适用性。     

农业旱情遥感指数验证与不确定性分析

以山西省太谷与山东省济宁试验为例,对极轨气象卫星农业旱情遥感监测指数进行验证,并对其不确定性进行分析。山西省太谷试验结果表明,旬温度条件指数(T),植被条件指数(V),植被健康指数(H)与土壤湿度有较高相关性(R2分别达到0.51,0.50,0.56),日部分指数相关性更高(R2分别达到0.58,0.45,0.60);山东省济宁日指数与土壤湿度相关性比太谷的高(T,V,H的R2分别达到0.93,0.66,0.97),但是两地区叶面缺水指数(W)与土壤湿度的相关性都很低,验证结果表明,利用H与T较适合农业旱情监测。另外在对比分析2个地区试验结果的基础上,从作物种植结构、监测时间尺度、植被生理状况,以及指数本身特性等角度分析了农业旱情监测中的不确定性。     

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。     

基于多源遥感数据的综合干旱监测模型构建

在全球气候变化越来越复杂的大背景下,准确监测华北粮食主产区的旱情对区域农业生产有重要的指导意义。以往的遥感干旱监测方法多侧重于监测土壤或植被等单一干旱响应因子,反映综合信息的能力较差,为此该研究使用中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)、热带降水测量计划(tropical rainfall measuring mission,TRMM)卫星等多源遥感数据,在综合考虑干旱发生发展过程中的土壤水分胁迫、植被生长状态和气象降水盈亏等因素的基础上,利用空间数据挖掘技术,构建综合干旱监测模型,并以山东省为例进行了试验验证。结果表明,模型监测出山东省近年来所经历的重大干旱过程与实际旱情一致,模型输出的旱情指标-综合干旱指数(synthesized drought index,SDI)与小麦的标准化作物单产变量的相关系数均大于0.7(P0.05);在小麦和玉米的生长期,综合干旱指数与作物受灾面积的相关系数在-0.67～-0.85之间,与标准化降水指数(standardized precipitation index,SPI)的相关系数在0.44～0.67之间,且通过了P0.01的极显著检验(3月份除外)。研究结果为综合评估区域干旱提供了一种新的方法。     

几种干旱监测模型在宁夏的对比应用

利用MODIS资料和地面自动气象站观测数据反演地表温度（LST）,结合MODIS-EVI试验研究改进型温植被旱情指数（MTVDI）。用通道2和LST试验研究改进型能量指数（MEI）,用通道1和通道2,引入植被覆盖度,试验研究改进型垂直干旱指数（MPDI）。结合农业气象常规业务地面取土测墒资料,建立各指数与土壤含水率的统计函数关系,均通过0.01显著性检验。将所建模型用于宁夏干旱监测业务,结果表明：MTVDI、MPDI在作物生长季监测效果显著,MEI、PDI对裸露或稀疏植被地表旱情监测比较有效。几个模型各有优劣,综合运用才能在实际监测业务中发挥最佳效果,精度可达90%左右。     

气候变化背景下房县干旱的响应

在气候变化背景下,利用房县50a(1961-2010年)的降水和气温资料,计算干旱指数,并用其来探讨房县干旱的变化情况及其对农业生产的影响。结果表明:作物生长季和冬前生长季的干旱指数变化呈上升趋势,且这种变化趋势的主要原因是温度变化呈上升趋势,降水变化呈减少趋势。夏季的干旱指数变化呈减小趋势,且这种变化趋势的主要原因是温度变化呈下降趋势,降水变化呈增加趋势。干旱及其变化对房县的粮食作物总产、小麦和水稻产量有一定的影响。研究结果可为农业应对气候变化的不利影响提供科学依据。     

黄土高原植被变化对气象干旱多尺度响应特征与机制

基于黄土高原1983—2015年间的植被状况指数(VCI)与1~48个月尺度的标准化降水蒸散发指数(SPEI)和标准化降水指数(SPI),利用Pearson相关系数法、线性回归法和Mann-Kendall趋势检验法等方法研究了黄土高原地区植被对气象干旱的多时间尺度时空响应特征。结果表明:(1)1983—2015年,黄土高原植被状况整体趋于改善,但黄土高原整体干湿状况变化趋势不大。(2)黄土高原绝大部分区域植被变化与气象干旱指数呈现显著正相关关系,表明植被活动受到水分的限制较强。但是,过去几十年,黄土高原地区植被受到水分限制的影响程度有逐渐减轻的趋势。(3)黄土高原植被对短时间尺度的水分盈亏变化相对敏感,尤其是耕地和草地对1~4个月的SPEI更为敏感,而林地对SPEI的响应时间尺度较为分散。黄土高原VCI与SPEI、SPI的最大相关系数均主要出现在生长季(4—10月),表明水分条件在生长季对植被活动的影响较为显著。     

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。     

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。     

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。     

农业干旱遥感监测指标及其适应性评价方法研究进展

在利用遥感数据进行长时间、大范围农业干旱遥感监测过程中,如何针对不同区域、不同作物生长阶段选取最合适的监测指标,对于及时、准确地评估干旱对作物生长的影响,实现合理水资源调度和有效抗旱减灾决策都具有重要意义。该文以遥感监测农业干旱的适应性为论述主线,对常用的农业干旱遥感监测指标及其适应性评价方法,从4个方面进行了系统归纳总结:1)国内外农业干旱监测适用的遥感卫星数据源;2)监测农业干旱适用的光谱敏感波段;3)农业干旱遥感监测指标自身的适用性与局限性;4)农业干旱遥感监测指标适应性的评价方法。在此基础上,指出今后在农业干旱遥感监测指标及其区域适应性研究中,需综合考虑作物与其生长环境之间的关系;增加光谱信息,降低遥感数据获取过程中的信噪比;选择农业干旱遥感监测指标适宜的时空尺度;重点解决部分植被覆盖时,如何选择合适的监测指标;加强高光谱技术在精细农业干旱遥感监测指标反演中的研究;进一步在机理上发掘监测指标自身的敏感性和适应性等6个方面的问题及发展趋势。     

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。     

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MODIS数据温度植被干旱指数干旱监测指标的等级划分

采用2000—2014年每年6—9月的黑龙江省MODIS数据,计算温度植被干旱指数（TVDI）。以过去15 a的全省40个旱作农业站点以旬为单位的土壤相对湿度为研究对象,与MODIS数据得到的TVDI相对应,根据土壤相对湿度的农业干旱等级划分标准,制定TVDI的干旱监测等级。结果显示:TVDI被分为5个等级,TVDI < 0.46为无旱,TVDI在0.46~0.57为轻旱,TVDI在0.57~0.76为中旱,TVDI在0.76~0.86为重旱,TVDI≥0.86为特旱。利用2011年实地测取土壤相对湿度数据对该等级进行验证,结果表明,验证结果准确度达到83%。证实了该等级划分结果的准确性。