基于点扩散函数的条件植被温度指数降尺度转换方法

以陕西省关中平原为研究区域,基于MODIS数据反演的条件植被温度指数(VTCI)的定量化干旱监测结果(MODIS-VTCI)和基于Landsat数据反演的VTCI相对干湿监测结果(Landsat-VTCI),应用点扩散函数(PSF)将930 m空间分辨率的MODIS-VTCI降尺度转换至30 m,并对降尺度转换的VTCI进行定量化验证。结果表明,降尺度转换的VTCI与Landsat-VTCI间的相关系数和结构相似度均较大,降尺度转换的VTCI与累计降水量间的相关性和MODISVTCI与累计降水间的相关性相近,且均高于Landsat-VTCI与累计降水量间的相关性,说明降尺度转换的VTCI既考虑了Landsat-VTCI的空间变异,又保持了MODIS-VTCI较为准确的定量化干旱监测特性。     

应用中值融合模型的条件植被温度指数降尺度转换研究

为获得基于Landsat卫星遥感数据更为精确的定量化干旱监测结果,以陕西省关中平原为研究区域,基于Aqua MODIS数据反演的1 km空间分辨率的条件植被温度指数(VTCI)的定量化干旱监测结果(MODIS-VTCI)和Landsat OLI/TIRS数据反演的30 m空间分辨率的VTCI相对干湿监测结果(Landsat-VTCI),应用降尺度的中值融合模型(MFM)将基于MODIS数据反演的VTCI降尺度至30 m空间分辨率的VTCI定量化干旱监测,并对其结果进行验证。结果表明,应用降尺度的中值融合模型转换的VTCI定量化干旱监测结果(MFM-VTCI)与Landsat-VTCI的空间分布及纹理特征相似,两者间的相关系数和结构相似度均较大,均方根误差、差值影像及差值频数分布图所呈现的结果与定量化干旱监测结果和相对干湿监测结果间的系统误差相符,表明Landsat-VTCI与MFM-VTCI间的可比性较强。MFM-VTCI与累计降水间的相关性和MODIS-VTCI与累计降水间的相关性相近,均大于Landsat-VTCI与累计降水间的相关性,表明MFM-VTCI是定量化的干旱监测结果。     

基于VTCI空间尺度上推方法的干旱影响评估

基于关中平原Aqua MODIS条件植被温度指数(VTCI)的干旱监测结果,分别采用分布式和聚合式的主导类变异权重法(DCVW)、算术平均值变异权重法(AAVW)和中值变异权重法(MPVW)对市域单元内VTCI进行空间尺度上推,以获取冬小麦主要生育期聚合后的加权VTCI;以加权VTCI与冬小麦产量间的回归分析精度为参考,选择最为合适的空间尺度上推方法。结果表明:采用分布式获得的加权VTCI与冬小麦产量的回归分析结果整体优于聚合式获得的结果。在分布式的上推过程中,MPVW获得的加权VTCI与冬小麦产量间的回归分析精度较低,DCVW和AAVW的精度均较高,其中DCVW获得的加权VTCI与冬小麦产量间回归分析的决定系数R2达0.64,精度最高,说明采用分布式DCVW对市域单元内VTCI进行空间尺度上推得到的加权VTCI最为合理。     

基于加权算法的空-天遥感升尺度土壤含盐量监测模型

利用无人机-卫星遥感升尺度转换方法可以有效提高土壤含盐量监测精度。以内蒙古河套灌区沙壕渠灌域为研究区,4月裸土期表层土壤为研究对象,分别采用主导变异权重法、局部平均法和最邻近法将试验区无人机4波段影像(0.1m)升尺度至与GF-1卫星(16m)同一尺度,引入3种变量组合作为模型输入变量并利用多元线性回归模型（Multivariable linear regression,MLR）和BP神经网络模型（Back propagation neural networks,BPNN）构建不同数据源关于土壤含盐量的定量监测模型。在此基础上,采用波段比值均值法对GF-1卫星数据进行修正,实现基于卫星因子的研究区土壤盐分升尺度反演。结果表明,经统计指标评价后得出主导变异权重法在4块试验区针对4波段影像的尺度转换效果总体上优于其他2种转换方法;3种无人机-卫星遥感升尺度转换方法中,主导变异权重法监测效果最佳,局部平均法次之,最邻近法效果最差;对筛选得到的2个模型进行升尺度修正,得到验证效果最佳的监测模型为基于混合变量组的多元线性回归模型,其R2v为0.420,RMSEv为0.219%,比直接采用GF-1卫星数据得到的混合变量组多元线性回归模型R2v高0.217,RMSEv低0.013个百分点。本文研究结果可为卫星、无人机多光谱遥感一体化监测裸土期农田土壤含盐量提供参考。     

MODIS/FAPAR在呼伦贝尔草原区的精度验证与分析

验证MODIS/FAPAR产品在温性草原地区的精度，以提高NPP估算精度，为区域碳平衡监测及合理安排草地畜牧业生产提供服务。该文选取两块2 km×2 km温性草甸类草地设计和进行FAPAR实测试验。以分辨率为32 m的北 京-1号卫星遥感数据对样地进行异质性分析，然后进行尺度上推，利用地面实测数据对1km的MODIS/FAPAR草原地区产品进行验证。结果表明，在草地生长季，MODIS/FAPAR产品的草地FAPAR季节变化与实测FAPAR季节变化趋势基本一致，但总体要比实测FAPAR要高，针茅样地MODIS/FAPAR值比实测值要高约13.7%，羊草样地为18.7%。MODIS/FAPAR算法对于局部区域过于粗糙，对草地类型多样的中国来说，需更多的野外试验资料，以反演适合不同草地类型的FAPAR算法。     

基于双参数和粒子滤波同化算法的夏玉米单产估测

为了提高河北省中部平原夏玉米的估产精度和进一步验证粒子滤波同化算法对农业作物估产的适用性,采用粒子滤波算法同化CERES-Maize模型模拟和MODIS数据反演的叶面积指数(Leaf area index,LAI)、条件植被温度指数(Vegetation temperature condition index,VTCI),应用随机森林回归算法确定夏玉米不同生育时期LAI和VTCI的权重,构建单产估测模型。结果表明,无论是单点尺度还是区域尺度,同化的LAI和VTCI均能较好地响应外部观测数据,同化LAI可减缓CERES-Maize模型模拟LAI的剧烈变化;同化VTCI结合模型模拟和遥感观测,更能反映夏玉米对水分胁迫的敏感性。利用2015年河北省中部平原各县(区)夏玉米产量对较优估产模型进行精度验证,结果表明,同化前后夏玉米产量模拟结果与统计产量间的归一化均方根误差由12.71%下降到10.50%,平均相对误差由12.57%下降到8.43%,说明基于同化LAI和VTCI构建的双参数单产估产模型可用于区域夏玉米单产估测。     

基于温度植被干旱指数的云南干旱遥感监测

土壤水分是干旱监测的一个重要指标,应用中分辨率成像光谱仪(MODIS)数据,利用归一化差值植被指数(NDVI)和分裂窗法反演的地表温度建立的NDVI-Ts特征空间中,得到温度植被干旱指数(TVDI),很好地表征了土壤水分的空间分布,从而实现干旱的监测。对云南省2009年1月、3月和2010年1月、4月干旱的时间、空间特性进行监测,监测结果表明冬春季旱情分布比较广,受旱面积均超过70%,其中重旱主要发生在滇西南和滇中北部,并且从冬季到春季,整个旱情均出现由南向北发展的趋势,发生干旱总面积在减少,但旱情等级在提高,春季重旱比冬季重旱面积大。应用相关研究成果对干旱监测结果进行验证,结果表明利用温度植被干旱指数(TVDI)进行干旱监测,干旱发生范围与实际干旱发生情况是基本吻合的,其中重旱的主要集中区域在空间分布上是基本一致的,监测结果可信,能够为相关决策部门提供有力的信息支持。     

基于主成分分析和Copula函数的干旱影响评估研究

干旱是关中平原主要的农业灾害之一,准确地评估干旱的影响,对抗旱减灾及作物稳产具有重要意义。基于关中平原2008—2013年冬小麦主要生育期旬尺度的条件植被温度指数(VTCI)干旱监测结果,将Copula函数用于评估冬小麦主要生育时期干旱对其产量的影响。针对多元变量导致Copula函数参数求解困难的问题,采用主成分分析法(PCA)提取主要生育时期的VTCI的主成分因子,形成新的相互独立的指标,进而结合Copula函数建立PCACopula法,确定关中平原主要生育时期的综合VTCI,并构建其与冬小麦单产间的线性回归模型,评估干旱对产量的影响。结果表明,应用PCA-Copula法得到的综合VTCI与单产间的相关性达到极显著水平(P0.001),所建回归模型的拟合度与熵值法的结果相比有所提高,决定系数由0.39提高到0.49,且对应模型的估测单产与实测单产间的均方根误差较熵值法的结果降低了30.2 kg/hm2,平均相对误差降低了0.66%,表明PCA-Copula法能较好地应用于评估冬小麦主要生育时期干旱对其产量的影响。     

基于条件植被温度指数的夏玉米生长季干旱预测研究

为验证条件植被温度指数(VTCI)在夏玉米生长季干旱预测中的适用性,以河北中部平原为研究区,应用求和自回归移动平均(ARIMA)模型及季节性求和自回归移动平均(SARIMA)模型,对该地区VTCI时间序列数据进行分析建模预测。首先基于49个气象站点所在像素的VTCI时间序列数据,选取不同长度时间序列建立ARIMA模型,并分析时间序列长度与预测精度间关系,以期为时间序列长度选择提供依据;然后选择理想长度的VTCI时间序列数据,分别建立ARIMA模型和SARIMA模型,用于研究区域2017年夏玉米生长季VTCI预测,并分析评价两模型预测精度;最后采用性能较好的ARIMA模型逐像素建模预测,得到2016-2018年9月上旬至下旬VTCI预测结果。结果表明:基于ARIMA模型的VTCI预测精度与时间序列长度未呈现明显的相关关系,但随时间序列长度增加,模型预测精度逐渐趋于稳定;ARIMA模型对干旱的预测精度高于基于SARIMA模型,其1步、2步、3步VTCI预测结果均方根误差较SARIMA模型分别降低0. 06、0. 07、0. 09;ARIMA模型在不同年份夏玉米生长季VTCI1~3步的预测精度稳定性较好,2016-2018年1步、2步和3步VTCI预测结果绝对误差绝对值大于0. 20的像素平均百分比分别为5. 84%、6. 38%、8. 72%。     

基于4D-VAR和条件植被温度指数的冬小麦单产估测

条件植被温度指数(VTCI)综合了地表主要参数——归一化植被指数(NDVI)和地表温度(LST),能够较为准确地对干旱进行监测,可为抗旱救灾、作物估产等提供科学依据。为了提高VTCI的区域估产精度,以陕西省关中平原为研究区域,将遥感反演的VTCI与CERES-Wheat小麦生长模型模拟的土壤浅层含水率相结合,通过四维变分(4D-VAR)同化算法实现2008—2014年冬小麦主要生育期旬尺度VTCI的同化。将同化和未同化的VTCI分别运用改进的层次分析法、熵值法及两者组合赋权法建立冬小麦单产估测模型,选择最优估测模型对2011年关中平原各县(区)进行单产估测和精度评价,并分析2008—2014年关中平原冬小麦单产的时空分布特征,结果表明:无论是在单点尺度还是区域尺度,同化的VTCI均能更好地响应外部观测数据,区域VTCI纹理性更好,更符合VTCI的先验知识。与未同化VTCI构建的估测模型相比,应用同化的VTCI所建的估测模型的估测精度明显提高,相关系数达到0.784(P0.001)。应用最优估测模型对2011年关中平原29个县(区)估产结果中,有16个县(区)的估测单产相对误差小于10%,28个县(区)的估测单产相对误差小于15%,总体平均相对误差为8.68%,均方根误差为421.9 kg/hm~2。近年来关中平原的冬小麦单产呈现个别年份波动、总体增长的年际变化规律,且呈现出中部单产最高、西部次之、东部最低的空间分布特征,与实际情况符合。