基于植被供水指数的山东省2013年春季旱情监测

春季是山东小麦生长的关键时期,若遇干旱胁迫将严重影响小麦产量和农民收益,因此,有效及动态监测此期干旱的发生和分布情况,对指导抗旱政策和方案的制定具有重要意义。本文利用MODIS数据计算归一化植被指数(NDVI)和陆地表面温度(Ts),进而构建植被供水指数(VSWI),检验VSWI与10、20 cm土壤相对湿度之间的相关性,结果显示,VSWI与土壤湿度相关性较高,可以准确反映干旱情况。运用VSWI分析山东省2013年4月上旬至6月上旬的旱情,结果显示,山东省2013年春季旱情,4月上旬最严重,之后明显好转,5月份相对稳定,6月上旬基本结束;西部和西南部地区旱情较轻,西北、东部和中部次之,东营市因土地盐渍化严重,土壤持水能力差,旱情最严重。     

植被指数对藏北高寒草甸干旱的敏感性分析

近几十年来,干旱事件的频繁发生已成为全球环境问题中最为严峻的问题之一,大多数植物遭受干旱逆境后的各个生理过程都会受到不同程度的影响。通过遥感手段获取的归一化差值植被指数(NDVI)、增强型植被指数(EVI)等与植被生长有关的植被指数被广泛用于干旱的监测与评估;然而,利用植被水分指数,例如地表水分指数(LSWI)等对干旱事件发生的响应及其严重程度评估的研究目前还较少。利用中分辨率成像光谱仪(MODIS)反射率数据,提取2004—2012年8年尺度的拉萨当雄高寒草甸观测站点中心像元的NDVI、EVI与LSWI,结合同时相内地面观测的降水数据与土壤湿度数据,分析植被指数对藏北高寒草甸干旱的敏感性。结果表明,研究区内年尺度上NDVI和EVI对降水的敏感性基本一致,LSWI的敏感性较NDVI与EVI略高,3种植被指数在干旱年份(2006年)减小幅度基本相同;月时间尺度上LSWI与降水的距平相关性最大,R~2达到0.32(P0.001),NDVI、EVI对降水的响应均存在滞后现象;健康植被的LSWI大于0,干旱植被的LSWI小于0,干旱年份植被生长季LSWI小于0的天数多于湿润年份;相比于NDVI、EVI,利用LSWI对干旱进行分级更适用于高寒草甸干旱的监测与评估。     

基于TVDI模型的山西省农业旱情监测

土壤湿度是反映农业干旱状况的重要方法之一,而温度植被干旱指数(TVDI)能够有效地反演土壤湿度方法。研究利用MOD13A2和MOD11A2获取的归一化植被指数(NDVI)和陆地表面温度(Ts)构建Ts-NDVI特征空间,依据该特征空间计算的温度植被干旱指数(TVDI)作为农业旱情监测指标,结合实测的土壤湿度数据反演了山西省2012年夏季7,8月的农业干旱状况,并结合同时间的气象信息对干旱状况进行验证;然后结合MCD12Q1和DEM数据分析了土地利用类型、海拔高度和地形坡度对农业旱情的影响。结果表明,海拔高度在800 m以下,地形坡度为15°以下,土地利用类型以城镇用地、耕地和草地为主的地区是农业旱情最为严重的地区。     

利用MODIS数据监测大面积土壤水分与农作物旱情研究

[目的]更好地利用MODIS数据监测大面积土壤水分与农作物旱情。[方法]在叙述MODIS传感器优点的基础上,介绍了几种MODIS数据监测土壤水分与农作物旱情的方法,讨论了土壤水分遥感监测中存在的问题和发展趋势。[结果]热惯量法适用于裸露的土壤或作物前期生长的地区土壤水分监测,温度植被干旱指数法(TVDI)适用于植被覆盖度比较大地区的土壤水分监测,光谱法使用MODIS数据进行大面积、多时相土壤湿度监测是可行的,该方法从叶片光合作用和冠层温度两个方面研究了作物对水分胁迫的响应。[结论]必须加强土壤水文模型和遥感模型、遥感反演方法和数字土壤工程的研究。     

基于TVDI指数的四平市梨树县夏玉米生育期干旱监测

利用2017年夏玉米主要生育期(5—8月)的Landsat-8遥感影像数据进行地表温度(LST)和植被指数(NDVI)的反演;利用LST-NDVI构建温度植被干旱指数模型(TVDI),作为表征干旱的监测指标,并依据2017年夏玉米实测样点的数据对模型精度予以验证。结果表明,四平市梨树县干旱总体分布趋势从东南到西北呈现出湿润-正常-轻旱-中旱-重旱的变换规律,体现了四平市梨树县旱情随地形、气候变化的规律性。四平市梨树县干旱主要集中在西北,吉林省的干旱分布规律亦是从东南湿润过渡到西北重旱,这种变化规律与吉林全省湿润气候过渡到半干旱气候的分布规律相吻合。由此可见,TVDI模型指数与土壤湿度具有明显的相关性,可以应用于农作物的旱灾检测。     

干旱影响石漠化地区植被生长的遥感观测

西南喀斯特石漠化区是国家重点治理的生态脆弱区域,该区尽管年降雨量大,但由于独特的水文特征,植被常因地质性缺水生长受到抑制.利用2000年至2004年中分辨率成像光谱辐射计(MODIS)归一化植被指数(NDVI)数据作为植被生长的指标参数,分析了石漠化发生后,植被对降雨变化的不同响应.结果表明:当年降雨量在900 mm以下时,降雨量(气候性干旱)是制约植被生长的主要因素;在900 mm以上,石漠化因素(地质性干旱)开始影响植被生长,石漠化地区NDVI与降雨量之间保持着较高的正相关性,主要集中在贵州的乌江上游、北盘江流域等石漠化典型的区域.     

基于NDVI-Albedo特征空间的陕西省干旱与荒漠化遥感监测

旱情与荒漠化遥感监测有助于了解时空分布特征并及时采取相应措施。以2000-2016年MODIS NDVI和地表反照度(Albedo)数据为基础,构建NDVI-Albedo特征空间,计算荒漠化差值指数(DDI)和植被条件反照度干旱指数(VCADI),利用气象站点实测10cm土壤湿度数据进行相关性验证,并利用DDI和VCADI分别分析17a间陕西省荒漠化和旱情的时空分布特征和规律;其次,利用一元线性回归和变异系数法分析陕西省荒漠化和旱情的变化趋势和稳定性;最后从降雨量、温度等自然因素和人为因素2个方面分析了陕西省荒漠化和旱情变化的原因。结果表明,DDI与土壤湿度呈正相关关系,相关系数为0.49～0.58,且通过了95%显著性检验;VCADI与土壤湿度呈负相关关系,相关系数为-0.36～-0.48,且通过了90%显著性检验,DDI和VCADI分别可作为土地荒漠化和旱情监测指标;陕西省旱情及荒漠化主要分布在关中东北部、西安市周边以及陕北黄土高原地区,呈现为自南向北逐渐加重的趋势;17a间陕西省旱情及荒漠化均呈逐渐减轻和减弱的趋势,旱情及荒漠化减轻和减弱的比例分别为67.94%、81.93%,主要分布在陕北黄土高原地区;DDI和VCADI变异系数<0.4所占比例分别为98.31%和84.05%,旱情及荒漠化呈较稳定状态,受干扰强度较小;DDI、VCADI分别与年降水量、年平均气温之间呈显著相关性的地区占陕西省面积比例均<20%,表明降水量、平均气温不是影响旱情与荒漠化变化的主导因素。     

基于多源遥感数据的TVDI方法在荒漠草原旱情监测的应用

为探讨近年来广泛使用的低空间分辨率的MODIS数据以及高空间分辨率的Landast 8数据对同一地区的旱情状况,选择内蒙古自治区干旱频发的乌审旗荒漠草原为研究区,借助分裂窗算法反演地表温度(Ts),获取归一化植被指数(NDVI),建立温度植被干旱指数(TVDI)的干旱监测模型,分别反演MODIS-TVDI和Landast8-TVDI,并与同期野外实测的不同深度土壤含水量进行回归分析。结果发现,基于MODIS和Landast8 2种遥感数据计算得到的TVDI与各层的土壤水分线性相关显著,两者都能表征地表的干旱分布,且Landast8-TVDI与各层土壤含水量的相关性大于MODIS-TVDI与各层土壤含水量的相关性,其中0~10 cm表层土壤含水量的相关性要好于0~20 cm、0~30 cm的相关性。因此Landast8-TVDI能够更好地反映乌审旗荒漠草原的土壤水分状况,更适宜于旱情监测。     

基于MODIS数据的河套灌区遥感干旱监测

基于MODIS数据,以河套灌区为研究对象,计算灌区2000—2018年作物主要生育期内(5—8月)4种遥感干旱指数、温度植被干旱指数(TVDI)、植被供水指数(VSWI)、植被状态指数(VCI)、温度状态指数(TCI),并分析了4种干旱指数与0～20cm土壤相对含水量、降水量、灌区引水量相关性以及4种干旱指数之间的相互关系。结果表明:经过相关分析,TVDI与土壤相对含水量的相关性优于其他3种遥感干旱指数;在灌溉水量较多的灌区,遥感干旱指数与降雨量相关性较小而与灌区引水量呈现一定的相关关系。本研究发现TVDI在河套灌区有着良好的适用性。此外,在干旱监测中综合利用多种干旱指数进行分析对提高监测精度,科学合理地预报旱情具有重要意义。     

不同植被指数对旱情监测的敏感性比较

选择巢湖流域为研究区,基于2008—2015年6—9月的月合成MODIS产品分别计算归一化植被指数(NDVI)、距平植被指数(AVI)和条件植被指数(VCI),并以降水距平百分率(Pa)作为判别植被指数监测旱情敏感性的标准,利用Pa分析了流域内的干旱情况,以干旱期间为例开展了干旱期间不同植被指数与降水距平百分率的相关性分析。结果显示,2009年和2013年发生了较为严重的干旱,其中9月为6—9月内较易发生干旱的月份;在2009年9月和2013年9月干旱期间,NDVI与Pa的空间分布相关性表现不明显,AVI和VCI与Pa的分布有明显的一致性规律,且VCI和Pa的相关性最高,表明其对旱情监测的敏感性最高。