基于温度植被干旱指数的曲靖市干旱监测研究

本研究利用MODIS归一化植被指数(NDVI)和地表温度(Ts)产品数据,构建Ts-NDVI特征空间,计算温度植被干旱指数(TVDI),分析评价云南曲靖市2010—2012年的干旱时空分布状况。结果表明,2010年曲靖市遭遇了非常严重的干旱灾害,受灾面积高达研究区总面积的80%以上,基于TVDI指数的旱情动态监测方法适合云南省曲靖干旱监测。本研究建立的温度植被干旱指数模型提高了干旱监测的实用性,在曲靖市干旱监测上具有很好的适应性,可以广泛应用到该地区干旱监测研究中,为曲靖的农业防灾减灾能力和可持续发展提供科学保障。     

全天候区域地表蒸散发反演——以黑河流域为例

【目的】蒸散发是生物圈、岩石圈、水圈、冰雪圈和大气圈中水分循环和能量传输的重要控制因素。为克服区域尺度方法的主观性和站点尺度方法难以反映气象因子空间异质性的局限,文章以中国境内黑河流域为研究区域,使用2012年6月1日至9月15日的MODIS数据与CLDAS格网气象数据探索区域尺度全天候蒸散发遥感反演。【方法】该文利用逐像元地表温度—植被指数特征空间方法和Penman-Monteith公式分别估算晴空像元和有云像元的地表蒸散发,实现了区域尺度全天候蒸散发遥感反演。在分析研究区CLDAS气象数据的精度基础之上,利用MODIS数据反演的短波辐射来替代CLDAS气象数据中的短波辐射,作为全天候地表蒸散发的输入参数。最后,利用黑河流域4个不同站点实测的地表蒸散发数据对反演值进行验证。【结果】利用MODIS短波辐射代替CLDAS气象数据中的短波辐射,能够显著提高蒸散发的反演精度,4个站点反演值与实测值之间的平均均方根误差为76.3 W/m2。【结论】利用MODIS数据和CLDAS数据可以获得区域尺度的全天候蒸散发。在缺乏短波辐射数据或短波辐射数据精度较低的情况下,利用MODIS数据反演得到的短波辐射作为蒸散发模型的参数输入,能较大地提高蒸散发的反演精度。     

地表组分温度遥感反演算法研究进展

【目的】地表组分温度是定量遥感反演的一个关键参数,在能量平衡过程模型和地表自然灾害监测中具有重要意义。【方法】过去的几十年中,国内外大量研究人员针对地表组分温度的反演提出了不同的方法和模型。文章系统回顾了现有的地表组分温度热红外遥感反演算法,包括多角度算法、多波段算法和时空信息算法,分析了各种反演算法的优缺点,评述了地表组分温度的验证方法。【结果 /结论】地表组分温度反演方法发展至今已经取得了阶段性进展,有些研究成果已得到广泛运用。由于地表结构复杂性、卫星传感器硬件技术及卫星发射成本等客观因素的影响,地表组分温度反演仍存在一些难点和亟待解决的问题,如有效比辐射率会随观测角度的变化而改变的问题、多角度和多波段数据的相邻角度和波段数据之间均存在相关性较高的问题、多角度传感器不同角度观测到的目标面积和观测时间不一致的问题等。未来地表组分温度遥感反演仍然是一个需要不断深入研究的内容。     

基于温度植被干旱指数的曲靖市干旱监测研究

本研究利用MODIS归一化植被指数(NDVI)和地表温度(Ts)产品数据，构建Ts-NDVI特征空间，计 算温度植被干旱指数(TVDI)，分析评价云南曲靖市 2010—2012 年的干旱时空分布状况。结果表明， 2010 年曲靖市遭遇了非常严重的干旱灾害，受灾面积高达研究区总面积的 80%以上，基于 TVDI 指数的 旱情动态监测方法适合云南省曲靖干旱监测。本研究建立的温度植被干旱指数模型提高了干旱监测的 实用性，在曲靖市干旱监测上具有很好的适应性，可以广泛应用到该地区干旱监测研究中，为曲靖的农 业防灾减灾能力和可持续发展提供科学保障。     

被动微波遥感植被指数在中国的应用研究

微波遥感具有全天候、全天时和穿透性强等特点,利用微波遥感数据提取的植被指数适用于植被的实时监测,文中试图找到一种适用于中国地区的被动微波遥感植被指数。首先利用2003-2011年中国地区每日的被动微波遥感数据(AMSR-E)计算了5种植被指数;然后选取落叶林、草地、农田三种典型植被区,分析5种植被指数随着季节变化的特征;最后在全国对5种植被指数与相应时间序列的归一化植被指数(NDVI)进行了相关性分析,并利用显著性检验对相关性分析结果进行了评价。结果表明:利用升轨微波遥感数据(36.5GHz)计算的微波极化差异指数(MPDI36.5)可以有效地监测中国地区的植被状况。     

基于中国气象卫星数据的乌克兰农作物长势监测

【目的】 利用我国第二代风云极轨卫星（FY-3C与FY-3D）的归一化植被指数（NDVI）数据,对乌克兰农作物长势进行持续监测,为及时且准确掌握乌克兰作物生长状况提供科学依据。【方法】 文章基于当旬NDVI值与过去多年历史平均值构建的NDVI差值模型、以及当旬NDVI值与历史平均值绘制的时间序列曲线,动态监测2022年3—7月乌克兰冬季作物生长状况。基于NDVI差值模型,从3月上旬开始,以旬为尺度绘制作物长势分布图,并根据NDVI差值模型计算结果,将作物长势划分为5个等级：差、较差、正常、较好和好。同时,乌克兰全境,尤其是俄罗斯相邻的北部和东部5个州的NDVI平均值被用于绘制作物生长时间序列曲线。【结果】 结果显示,2022年3—7月初,乌克兰的农作物长势呈“前期较差,后期较好”的状态,整体优于多年均值。生成的NDVI时间序列曲线显示,4月上升略有滞后,4月底到6月底逐步升高,7月初NDVI值略有下降,但仍高于过去多年的平均值。【结论】 上述结果证明乌克兰冬季作物的生长状况并未因俄乌冲突的发生和持续受到严重影响。     

近地表气温遥感反演方法综述

【目的】在农业研究中,近地表气温是影响作物发育速度的关键因子。尤其是在全球气温变暖趋势下,对区域尺度气温进行实时监测具有十分重要的科学意义和实用价值。文章对目前常用近地表气温遥感反演方法进行回顾和总结,对未来近地表气温遥感反演方向进行展望。【方法】随着遥感技术的不断发展,遥感近地表气温反演已成为目前获取高时间/空间分辨率区域气温的最有效方法。该文采用文献综述的方法,回顾和总结了近年来国内外近地表气温遥感反演研究进展,将其归纳为4类:大气廓线外推方法、地表温度—植被指数方法、基于数据统计的方法以及基于地表能量平衡的方法。最后对这些方法的优缺点进行评述和展望。【结果】近地表气温主要受辐射、湍流及平流等多种因素影响。因此,准确获取近地表气温十分困难。尽管目前已有多个行之有效的遥感反演方法,但这些方法大多依赖地面辅助数据,尤其是在有云情况下,由于无法有效获取诸如地表温度和地表反照率等气温反演的重要参量,目前的方法很难有效得到应用。【结论】国内外学者针对近地表气温遥感反演开展了大量研究,但是目前仍然缺乏独立于地面辅助数据的普适性方法。建议未来在有云条件和不同地形条件下大气辐射传输过程以及大气流动对气温影响的量化建模等方面加强研究,以提升近地表气温遥感反演精度和适用性。     

基于Sentinel-1A数据的冬小麦种植面积提取

【目的】 利用2018—2019年冬小麦生长季的雷达数据对河南省驻马店市上蔡县、正阳县、平舆县、汝南县的冬小麦种植面积进行提取，为雷达数据在冬小麦种植面积提取研究提供参考。【方法】 文章在对冬小麦生长关键物候期多时相Sentinel-1A SAR（Synthetic Aperture Radar，合成孔径雷达）数据中VV极化和VH极化影像的后向散射系数进行分析的基础上，利用最大似然法开展了河南省驻马店市上蔡县、正阳县、平舆县、汝南县4个“产粮大县”的冬小麦种植面积提取研究，并通过统计年鉴数据对VV极化和VH极化的冬小麦提取结果进行了初步评价。利用2018年12月22日，2019年3月28日和2019年4月21日的SAR时间序列影像数据进行冬小麦分类提取。【结果】 从整个研究区来看VV极化方式的提取结果为4 461.14 km²，VH极化的结果为4 277.22 km²，与统计数据相比，VV极化的误差为13.17%，VH极化的误差为8.51%，VV极化的提取误差要大于VH极化的提取误差。各个县的结果显示，VH极化的提取误差均小于VV极化的结果，误差最小的为利用VH极化提取的正阳县的结果，误差仅为1.85%，误差最大的为利用VV极化提取的平舆县的结果，误差为19.72%。【结论】 基于冬小麦生长关键物候期多时相Sentinel-1A的后向散射系数，能够实现较高精度的冬小麦种植面积提取。