遥感模型支持下的精河流域绿洲表层土壤水分时空分布特征

土壤水分对干旱区气候变化、生态环境稳定、绿洲农业发展有着重要的影响作用。以新疆精河流域绿洲为研究区,基于Landsat TM和ETM+影像,借助修正后的温度植被干旱指数(TVDIm),进而反演了研究区2002年和2011年春、夏、秋3季的表层土壤水分。结果表明:(1)野外同步实测数据精度验证R~2值为0.800 2,TVDIm能够较好反映绿洲土壤水分分布状况;(2)研究区表层土壤水分的季节性变化明显,即秋季夏季春季,近10年间土壤水分总体呈趋湿特征;(3)研究区绿洲内部的土壤水分状况明显优于过渡带及天然荒漠区;(4)土地利用叠加分析指示,人类活动对土壤水分的空间分布影响强烈。     

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。     

基于TVDI的山地平原过渡带土壤水分反演——以绵竹市为例

为了对生态脆弱的西部山地平原过渡带进行土壤水分监测研究。以绵竹市为例,利用Landsat8OLI/TIRS影像,获取了陆地表面温度(TS)和归一化植被指数(NDVI),通过温度植被干旱指数(TVDI)建立了土壤水分回归模型进行遥感水分反演,并通过野外采样数据对结果进行精度验证。结果表明:TVDI和土壤水分存在较强相关性(R=0.6553),能较好反映表层土壤湿度;土壤水分整体分布状况表现为西北山地地区高于东南平原地区,过渡带上山地向平原逐渐降低。因此,TVDI能较好反映过渡带土壤水分时空差异,对监测过渡带土壤干湿状况具有理论与现实意义。     

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。     

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）、归一化干旱监测指数（NPDI）和土壤湿度监测指数（SMMI）等四种干旱指数模型,探讨了上述模型在居延泽地区土壤水分含量反演中的精度与适用性,选取精度较优的TVDI模型反演了研究区2015年至2017年的土壤水分含量,并使用随机森林分类法将研究区分为沙地、盐碱地、裸地、植被和滩涂五种地类,探讨了不同地类的土壤水分含量差异。结果表明四种干旱指数均与土壤水分含量实测值呈负相关;从拟合精度看,四种干旱指数均与表层土壤水分含量具有最高的拟合精度,且随着土层深度的增加,拟合精度逐渐变劣。其中TVDI综合表现最优,尤其在表层,R2可达到0.76;研究区不同地类的土壤水分含量存在差异,呈现出从沙地、盐碱地、裸地、植被到滩涂依次升高的规律。     

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.     

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。     

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   

基于Landsat 8数据的荒漠土壤水分遥感反演

[目的]分析荒漠土壤水分变化特征,为南疆干旱区荒漠土壤水分遥感监测提供理论依据和方法支持。[方法]以Landsat 8数据构建干旱地区荒漠土壤水分建模指示因子,通过优选的26个光谱指数、地表温度(Ts)和地形数据(DEM)为建模因子,分别以偏最小二乘(PLSR)、支持向量机(SVM)和随机森林(RF)3种方法构建土壤水分反演模型,对模型进行验证和对比,选取最优模型反演空台里克土壤水分空间分布。[结果]①TVDI,NR,GLI等26个优选的光谱指数中,Ts和DEM与土壤水分均达极显著相关,可作为南疆干旱区荒漠土壤水分遥感建模的指示因子;②对比3种模型,RF模型建模集和预测集的R²分别为0.93,0.91,预测集RPD为3.90,各评价指标均为最高,PLSR模型精度次之,SVM模型精度最低;③以RF模型反演研究区表层土壤水分,在不同土地利用分类中土壤水分分布特征存在明显差异,特别在盐结皮区域的差异尤为突出。[结论]利用光谱指数、环境因子和地形数据构建的多因子、多指数综合的模型能较高精度地反演干旱区荒漠表层土壤水分,对研究该地区土地荒漠化和生态环境治理具有一定参考价值。     

土壤水分反演的特征变量选择研究综述

土壤水分是水、能量和生物地球化学循环中不可忽略的组成部分,土壤水分信息对水资源管理、农业生产以及气候变化等相关研究有着重要意义。基于遥感数据的土壤水分反演算法是获取土壤水分信息的重要手段,通过对影响土壤水分反演的因素进行梳理,将影响因素抽象为包括土壤特征,植被特征,以及气象特征在内的特征变量,并以此为主线对土壤水分的反演研究进行回顾与梳理。分析了利用不同特征变量反演土壤水分时存在的问题和发展趋势,指出土壤水分反演过程中存在特征变量理论研究不足、综合应用不深的问题,强调耦合使用各类特征变量以提高水分反演精度是未来的研究热点。     

基于实测高光谱指数与HSI影像指数的土壤含水量监测

为了探索土壤含水量与高光谱植被指数的内在关系,实现土壤含水量的快速且准确监测,以ASD光谱仪测定的研究区植被高光谱数据和环境卫星HSI高光谱影像数据为基础数据计算得到26种光谱植被指数,通过灰度关联分析法(grey relational analysis)对不同深度(0~10,10~30,30~50 cm)土壤含水量与实测光谱指数和影像光谱指数进行分析和筛选,确定了与土壤含水量相关性较高的5个光谱植被指数,采用多元线性回归法(multiple linear regression)分别构建了基于实测数据和影像数据的高光谱植被指数土壤含水量反演模型,并用实测高光谱植被指数模型对HSI影像植被指数模型进行校正。结果表明:2种土壤含水量反演模型对0~10 cm层的土壤含水量均有较高的拟合度,判定系数(R2)均高于0.589,并具有较好的稳定性;实测高光谱植被指数模型精度优于HSI影像植被指数模型,判定系数(R2)分别为0.668和0.589;经过校正的HSI影像土壤含水量反演模型精度有了较大的提高,判定系数(R2)从0.589提升到0.711,均方根误差(RMSE)为0.0014。该研究方法进行土壤含水量监测是可行的,为进一步提高土壤含水量定量遥感监测提供一定参考。     

光学与微波遥感协同反演藏北表层土壤水分研究

表层土壤水分是定量干旱监测的重要参量,对干旱区生态环境具有十分重要的意义。在采用归一化植被指数阈值法划分地表覆盖类型的基础上,利用MODIS数据选择适用的光学遥感算法估算土壤水分基准值,以及利用风云三号B星搭载的微波成像仪(Fengyun-3B/MicrowareRadiationImagery,FY3B/MWRI)数据采用微波遥感算法反演土壤水分日变化量,最后构建藏北表层土壤水分协同反演的遥感模型并应用于区域土壤水分的估算。结果表明:光学遥感与微波遥感协同反演的土壤水分含量与实测数据呈显著相关,决定系数达到0.89,均方根误差为0.97,协同反演模型具有较高的反演精度,并且协同反演的结果优于单一遥感源的反演结果。该模型可以较好地适用于藏北地区表层土壤水分的动态监测。     

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。