基于MODIS TVDI和模糊数学方法的藏北地区旱情等级遥感监测

为了实现对藏北区域范围内春夏旱情的动态连续监测,基于温度植被干旱指数(TVDI)和模糊数学方法建立了遥感干旱的划分标准,研究时段为1980-2017年。首先利用MODIS产品数据计算TVDI,然后根据气象干旱等级监测结果,采用模糊数学法建立基于MODIS TVDI的干旱等级划分标准,并对监测结果进行精度验证,最后分析了近年来藏北地区旱情的时空变化特征。得到的主要结论:①基于归一化植被指数(NDVI)和增强植被指数(EVI)计算得到的温度植被干旱指数TVDIN和TVDIE,均与20 cm实测土壤水分含量在0.05的水平达到显著相关,TVDIE的决定系数更高;②基于TVDIE将旱情划分为无旱、轻旱、中旱、重旱、特旱5个等级,其中,据此标准获得的藏北地区旱情等级与气象干旱等级监测结果大体一致;③近年来藏北地区旱情整体不太严重,且总体趋缓,其中,2009年最严重,发生中旱及以上旱情的区域面积达24%,年内旱情在6月最严重。就旱情的空间分布特征而言,研究区西南部和中部干旱比较严重,北部和东南部相对较轻。研究成果可为藏北地区干旱监测提供数据支撑,遥感干旱等级的划分方法可为其他地区的干旱研究提供参考。     

基于温度植被干旱指数的黑龙江省旱情动态研究

2015年黑龙江省发生大面积干旱,为了对此旱情进行动态监测,采用6—9月的MODIS数据,计算温度植被干旱指数(TVDI);以过去15年(2000—2014年)的全省40个旱作农业站点以旬为单位的TVDI为研究对象,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,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%。结果显示:TVDI被分为5个等级,TVDI0.46为无旱,TVDI在0.46~0.57之间为轻旱,TVDI在0.57~0.76之间为中旱,TVDI在0.76~0.86之间为重旱,TVDI0.86为特旱,用此标准对黑龙江省2015年的旱情进行分析,能够较好地反映出黑龙江省整体的实际旱情。在监测中2015年7月份全省旱情最为严重,持续到8月中旬,到8月下旬省内各地陆续降雨,重旱区域减少,整体旱情减轻。     

基于MODIS TVDI和模糊数学方法的藏北地区旱情等级遥感监测

为了实现对藏北区域范围内春夏旱情的动态连续监测,基于温度植被干旱指数（TVDI）和模糊数学方法建立了遥感干旱的划分标准,研究时段为1980—2017年。首先利用MODIS产品数据计算TVDI,然后根据气象干旱等级监测结果,采用模糊数学法建立基于MODIS TVDI的干旱等级划分标准,并对监测结果进行精度验证,最后分析了近年来藏北地区旱情的时空变化特征。得到的主要结论：①基于归一化植被指数（NDVI）和增强植被指数（EVI）计算得到的温度植被干旱指数TVDIN和TVDIE,均与20 cm实测土壤水分含量在0.05的水平达到显著相关,TVDIE的决定系数更高;②基于TVDIE将旱情划分为无旱、轻旱、中旱、重旱、特旱5个等级,其中,据此标准获得的藏北地区旱情等级与气象干旱等级监测结果大体一致;③近年来藏北地区旱情整体不太严重,且总体趋缓,其中,2009年最严重,发生中旱及以上旱情的区域面积达24%,年内旱情在6月最严重。就旱情的空间分布特征而言,研究区西南部和中部干旱比较严重,北部和东南部相对较轻。研究成果可为藏北地区干旱监测提供数据支撑,遥感干旱等级的划分方法可为其他地区的干旱研究提供参考。     

基于Suomi NPP/VIIRS数据的青海省东部农业区夏季土壤水分监测模型的应用研究

土壤水分是量度干旱程度最重要的指标，如何对其有效监测与预警一直是各界致力解决的重大科学问题。基于Suomi NPP/VIIRS数据的温度植被干旱指数TVDI、归一化植被水分指数NDWI、植被状况指数VCI,分别构建了青海省东部农业区3种土壤水分监测模型，利用连续的野外定点观测数据及生态站点观测数据进行模型检验，并在2017年夏旱过程进行了应用检验。结果表明：2012—2016年模型回代检验中，TVDI指数模型表现最优(RMSE为4.4%),其次为VCI指数模型(RMSE为4.7%),NDWI指数模型表现最差(RMSE为5.2%);2018—2020年夏季互助遥感检验场定点观测检验中，TVDI指数模型表现最好(RMSE为3.8%),VCI指数模型次之(RMSE为5.0%),NDWI指数模型表现最差(RMSE为8.8%);2017年夏季干旱过程中，TVDI指数模型反演的旱情发展过程及分布范围与实际旱情情况相符，而NDWI指数模型反演的旱情分布范围明显偏小，VCI指数模型甚至不能反映旱情缓解、解除期的变化。     

基于TVDI指数的冬小麦旱情动态研究——以河北省邢台市为例

以重大干旱年份2010年为例,采用冬小麦生长期的MODIS数据,提取邢台市归一化植被指数(NDVI)和地表温度数据(LST),计算温度植被干旱指数(TVDI),制定农业干旱监测等级,利用该指标对邢台市2010年重大旱情进行分析,并利用降水数据和20 cm土壤湿度数据进行结果验证。结果显示:利用MOD11A2数据反演的地表温度与实测地表温度对比平均误差为0.295℃,反演结果能够代替实地温度进行计算;利用实测20 cm深度土壤相对湿度数据与该地区计算的TVDI值做线性拟合,拟合度R2最高为清河县站点0.722,最低是任县站点0.598,整体效果较好;从验证结果来看,TVDI能够较好地反映出邢台市整体的实际旱情。邢台市2010年冬小麦主要生长阶段中返青拔节阶段整体旱情等级较高,而且出现大面积重旱区域,进入抽穗阶段重旱区域减少,正常或湿润区域范围扩大,整体旱情减轻。     

基于TVDI的渭干河-库车河三角洲绿洲植被生长期干旱遥感监测研究

渭干河-库车河三角洲绿洲是新疆重要农业生产区,频发的旱灾始终是制约农业可持续发展的障碍因素。因此,文中以渭干河-库车河三角洲绿洲为研究区,利用1989年和2011年植被生长期的两期TM影像提取的归一化植被指数(NDVI)和地表温度(Ts),构建Ts-NDVI特征空间,依据该特征空间设计的温度植被干旱指数(TVDI)作为旱情指标,找出适合研究区的旱情判别模式,并进行旱情对比分析。结果表明:1)在Ts-NDVI特征空间中,该绿洲1989年和2011年干旱遥感监测的干、湿边拟合方程分别为TSmax=-13.795NDVI+296.5,TSmin=5.3374NDVI+283.12和TSmax=-27.861NDVI+315.52,TSmin=4.4736NDVI+292.46。说明随着干边斜率增加,湿边斜率也增加,形成稳定的三角形形状,能较好的反映土壤干旱状况;2)从TVDI旱情等级分布图上可以得出等级为干旱的面积有所增加,且这一区域主要集中在绿洲外围,表明随着绿洲内部干旱的缓解,绿洲外围生态环境有所恶化。通过以上研究发现利用温度植被旱情指数(TVDI)法对渭干河-库车河绿洲地区进行夏季干旱动态监测是可行的。     

基于温度植被旱情指数的青海高寒区干旱遥感动态监测研究

利用MODIS资料提取的归一化植被指数(NDVI)和地表温度(Ts),构建NDVI-Ts特征空间,依据该特征空间设计的温度植被旱情指数作为旱情指标,对青海省东部浅山农业区2004年7月上旬的旱情进行了动态监测,同时利用各气象台站实测的地面数据进行了验证,结果表明利用温度植被旱情指数(TVDI)法对青海高寒区进行干旱动态监测是可行的。     

基于地形因子的TVDI修正——以陕西省为例

近年来,温度植被干旱指数(temperature vegetation drought index,TVDI)在遥感旱情监测中得到广泛的应用,但传统的TVDI没有考虑地形因子对指数精度的影响。本文以陕西省为例,利用DEM数据对地表温度做高程修正,同时引入归一化差值山地植被指数(normalized difference mountain vegetation index,NDMVI)代替归一化植被指数(normalized difference vegetation index,NDVI),以减弱地形起伏对植被指数的影响,进而构建新的TVDI。分别利用修正前后的地表温度以及NDMVI和NDVI构建了4种TVDI,并分析4种指数与土壤湿度及降水的关系,分析比较其监测农业干旱的精度。结果表明:高程与地形起伏对TVDI监测干旱的精度有较大的影响。经过修正后的TVDI与传统TVDI相比,其与土壤相对湿度的相关系数从-0.342提高至-0.711,且能更准确地体现降水的变化特征,说明修正后的TVDI能够更有效地反映区域土壤水分状况,可对农业干旱进行更加精确地监测。     

一种基于ASAR数据的干旱监测方法

快速而准确的获取干旱信息对于抗旱救灾具有非常重要的指导意义。基于ENVISAT-ASAR数据对甘肃省黑河流域低植被覆盖区域干旱情况进行监测,利用基于改进型积分方程模型(AIEM)所得出的半经验模型准确的获取土壤的含水量信息。实验结果表明VV/VH极化数据与土壤含水量之间存在着较好的相关性,监测结果与成熟的光学监测方法垂直干旱指数(PDI)监测结果基本吻合,轻度干旱地区的监测结果相似度达到了92.8%,对于中度干旱和正常地区的监测分别达到了58.8%和66.4%,总体达到了90.7%,表明SAR数据在旱情监测中具有较大潜力。     

基于时间序列遥感数据的陕西省2004—2014年干旱变化特征分析

利用MODIS归一化植被指数（NDVI）产品MODLT1M和MODIS地表温度产品MODND1M,计算2004—2014年陕西省月温度植被干旱指数（TVDI）,基于TVDI采用一元线性回归、Theil-Sen Median趋势分析、Mann-Kendall检验等方法来研究陕西省11 a来干旱的空间分布特征、时间变化特征及干旱演变趋势,并结合气象数据进一步探究引起干旱变化的气象因素。研究表明： 11 a中陕西省干旱发生频率呈现北高南低的特点,陕北、关中、陕南三大区域干旱发生的频率分别为68.2%、53.8%、22.7%,且均以轻度干旱为主; 陕西省旱情主要出现在春季,11 a春季的平均TVDI值在0.6～0.7之间波动; 陕西省11 a中干旱情况整体呈减弱趋势,TVDI值减小、不变、增大的区域分别占55.38%、42.89%、6.20%; TVDI与湿润指数对干旱的表征具有一致性,且年均TVDI值与年降水量呈显著负相关关系（P=0.019）,降水是引起TVDI下降的一个重要气象因子。     

MODIS数据支持下的西藏干旱遥感监测

干旱的频繁发生已经成为影响西藏农业生产最严重的自然灾害之一,干旱给农业造成的巨大损失引起了各级政府部门的高度重视。对地观测卫星(EOS)中分辨率成像光谱仪(MODIS)传感器因其具有高时间分辨率、高光谱分辨率、适中的空间分辨率等特点,非常适合大范围、长时期、动态的干旱监测。文中利用MODIS数据提取归一化植被指数(NDVI)和地表温度(LST),构建NDVI-TS特征空间,依据该特征空间得到的温度植被干旱指数进行西藏的旱情分析。研究表明:此种方法适用于西藏旱情监测,同时它也是一种便捷、高效和近实时的适合大面积干旱监测的方法。     

基于温度植被干旱指数的松辽平原干旱时空特征

利用MODIS产品数据,采用[WTBX]TVDI[WTBZ]方法,分析基于生态地理区的松辽平原干旱时空分布变化特征,探讨不同土地利用类型与干旱程度关系,结果显示：利用[WTBX]TVDI[WTBZ]获取干旱情况与实际相符合,是进行干旱监测一种有效手段。反演结果与郑度等对此区域生态地理区划分一致：干旱年际变化差异较大,分布差异明显, 2009年干旱分布面积最广,而2004年干旱面积最小;从干旱统计来看,2005年比2004年更湿润。研究区总体呈湿润趋势,湿润面积占总面积的84.95%,主要集中在耕地、林地和草地。水体类型不能利用[WTBX]TVDI[WTBZ]方法进行干旱监测。     

柴达木盆地干旱时空变化特征

利用柴达木盆地气象站收集的降水和气温数据,计算了SPI和SPEI两种干旱指数,并用于评价研究区不同时间尺度的干旱特征。然而,由于测站分布稀疏,两种指数在区域干旱评价方面存在不足。在此基础上基于全球范围内的scPDSIpm数据集,并用PDSI指数分析了干旱演变特征及时空分布规律,研究发现：①温度在年际尺度对研究区的干旱情况影响较大,而在月尺度和半年尺度上对研究区干旱情况影响不明显;②PDSI指数与SPEI和SPI干旱指数的相关系数较高（0.7以上）,与两者具有较好的一致性,PDSI更适宜于无资料地区的干旱评价;③研究区中部干旱状况最为严重,东部边缘和西北部干旱频次相对较少,但2000年以来这种趋势得到改善。本研究对评价不同干旱指数的适用性及资料缺乏地区的干旱评价具有重要的指导意义。     

基于地形校正TVDI的地下水位埋深反演

在干旱、半干旱地区,地下水是陆生植被生存的重要水源,而传统的地下水位监测方法费时费力,及时获取大尺度高精度的地下水位埋深显得十分重要。在温度植被干旱指数(TVDI)的基础上,分别提取三期Landsat 8遥感数据的归一化植被指数(NDVI)、修正土壤调节植被指数(MSAVI)、比值植被指数(RVI)、差值植被指数(DVI)和增强型植被指数(EVI)和地表温度(Ts),并引入DEM数据对Ts进行地形校正,减少地形起伏对能量二次分配的影响,并选择最佳TVDI反演地下水位埋深状况,结果表明:(1)在传统TVDI的基础上引入DEM进行地形校正,分析校正前后TVDI与地下水位埋深的决定系数,R~2从0.4381提高到0.5053,这说明地形校正能够有效地提高地下水位埋深的反演精度;(2)通过三期影像对比分析了五种不同的TVDI值分别与其对应栅格点的地表土壤湿度和地下水位埋深的决定系数,总体上都是Ts-MSAVI较好,最高R~2分别为0.5547、0.5202;(3)在实测土壤含水量缺失的情况下,可以根据反映土壤湿度高低的因子(TVDI)间接地反演地下水埋深分布状况。     

基于FY-3D/MERSI-II数据的陕西农业干旱遥感监测应用研究

以陕西省夏季干旱过程监测为例，采用风云系列最新极轨气象卫星FY-3D/MERSI-II数据，利用其250 m空间分辨率红光和近红外通道构建NIR-Red特征空间，建立垂直干旱指数（PDI）、改进型垂直干旱指数（MPDI），并与综合气象干旱指数（CI）进行相关性分析。结果表明：FY-3D/MERSI-II数据在陕西省的干旱遥感监测中具有良好的适用性，PDI、MPDI与CI呈显著负相关，相关系数分别为-0.135和-0.110，达到显著水平，PDI在陕西省夏季旱情动态监测中表现更好；2019年陕西省夏季旱区主要集中在榆林北部和渭北旱腰带，5月下旬的干旱过程最为严重，对冬小麦产量有较大影响；相较于国际气象卫星和陆地卫星数据，国产FY-3D/MERSI-II数据具有更高的时空分辨率，在进行农业干旱动态监测方面具很大潜力。     

基于WOFOST模型的辽宁省春玉米干旱灾损风险评估

利用锦州农业气象试验站的作物生长发育和土壤实测数据对WOFOST模型水分胁迫模块进行了调参，适用性验证表明，WOFOST模型适用于辽宁省春玉米生长发育和产量的模拟，辽宁省春玉米受干旱的影响可以利用WOFOST模型较敏感地反映出来。利用调参后的WOFOST模型模拟了全生育期及出苗~拔节、拔节~抽雄、抽雄~乳熟和乳熟~成熟各阶段发生轻、中、重旱情景对辽宁省春玉米产量的影响，并根据模拟结果确定了不同干旱风险等级下辽宁省东、中、西部玉米生产的灾损范围。结果表明：不同生育期发生干旱对产量的影响不同，总体上，抽雄~乳熟期发生干旱的影响最大，其次是拔节~抽雄期，而出苗~拔节期和乳熟~成熟期发生干旱对产量的影响较小，全省春玉米在抽雄~乳熟期发生重旱的减产风险达30%~70%；在相同干旱水平下，不同区域受影响程度也不同，在全生育期及各生育阶段发生轻、中、重旱情景下，干旱导致的减产率总体上表现为由东部向西部地区逐渐加重的趋势，在全生育期重旱情景下，辽宁省东部的春玉米减产率为40%~75%，中部为60%~90%，西部达65%~95%。     

山西高粱品种(系)的花后抗旱性评价

以22份山西历年审定(鉴定、登记)的高粱品种及预登记的高粱品种为参试材料,通过自然干旱(DS)和正常灌溉(NI)两种处理方式,采用大田自然鉴定法,调查农艺性状、品质性状和光合性状3类主要性状指标。结合隶属函数(U)和干旱敏感指数(S)的聚类分析法及热图法对材料进行分类,对抗旱指标进行综合评价。结果表明：在干旱胁迫下,高粱品种除了穗柄伸出长平均增长5.26 cm和单宁含量平均增加0.09%,其余性状指标均出现下降;除净光合速率外,其余性状指标之间均存在一定程度的相关性。利用以上两种方法,筛选出极抗品种3份(S9、S10和S7即晋杂108、晋杂22号和晋杂101),极弱品种1份(S17即晋杂4号)。根据干旱敏感指数计算,主成分分析为9个性状,主成分累计贡献率84.662%,产量和单穗粒重是决定第一主成分的主要性状,贡献率为17.999%。干旱胁迫对高粱品种(系)花后主要性状指标均有显著影响。不同高粱材料间抗旱性差异显著,应用两种抗旱性评价方法,可以较为准确地评价参试高粱品种(系)的抗旱性。产量、单穗粒重、株高和倒二叶叶宽可以作为评价高粱花后抗旱性的主要形态指标。