AMSR＿2微波植被指数在黄河流域的适用性对比与分析

微波数据具有全天候、穿透性强及不受云层影响等优势,使其在遥感研究领域得到越来越多的应用。利用2012年7月至2016年12月AMSR_2双极化亮温数据,反演微波穿透指数MVI与不同频率的微波极化差异指数MPDI18与MPDI36.5,对比黄河流域各微波植被指数与光学植被指数NDVI的差异,分析了微波植被指数在黄河流域的适用性。结果表明:微波穿透指数MVI与光学植被指数NDVI呈现显著负相关关系;微波极化差异指数MPDI18,MPDI36.5与光学植被指数NDVI呈显著正相关关系;其中,微波极化差异指数MPDI36.5与光学植被指数NDVI的逐月变化趋势几乎同步,相关系数达到了0.999。微波植被指数与光学植被指数对降雨、气温的响应大致相同。整体来说,微波穿透指数与微波极化差异指数在黄河流域均具有较好的适用性。     

植被指数-地表温度特征空间研究及其在旱情监测中的应用

植被指数—地表温度特征空间已被应用于多方面的研究。该文从区域旱情监测的角度分析了该特征空间的生态学内涵,指出地表温度是地表蒸散的函数,推导出了温度蒸散旱情指数(TEDI)的计算方法。利用NOAA数据,以河北省南部平原为研究区域,分别计算出了温度植被旱情指数(TVDI)与温度蒸散旱情指数(TEDI),通过地面实测土壤相对湿度指数(SHI)验证,结果表明温度蒸散旱情指数(TEDI)可以更准确地反映下垫面的土壤墒情状况。     

地表温度 植被指数特征空间时空尺度效应分析

利用遥感技术构建的地表温度-植被指数特征空间法(以下简称特征空间法)综合了这两个参数特有的生理生态意义,被广泛应用于区域旱情监测与蒸散估算。但是受前期降雨的影响,特征空间法的应用前提(研究区域存在极端干旱地区)很难满足;同时,多空间分辨率遥感数据对地面极端湿润或干旱状况识别程度不同,增加了特征空间法应用的不确定性。为探索特征空间法的时空尺度效应,本文利用MODIS数据对降雨后特征空间拟合边界的连续变化进行分析,利用Landsat 5 TM数据对不同空间分辨率下的特征空间参数及温度?植被干旱指数(TVDI)的变化进行研究。结果表明:拟合"干边"因受降雨影响,与理论"干边"存在较大差异,拟合"干边"的变化能够反映研究区域的墒情演变,要提高特征空间法的估算精度,必须正确对拟合"干边"在裸地处(NDVI=0.1)的数值进行动态赋值。遥感数据空间分辨率的降低使得拟合"干边"与"湿边"偏离理论边界,造成特征空间向中间压缩,导致TVDI指数向极端干旱和极端湿润区偏移。任何不符合特征空间法应用前提的畸变都可影响到最后的计算结果,应该从机理上对这些畸变进行校正或避开,特征空间法才能得到正确的应用。     

呼和浩特市不同植被指数与地表温度的定量遥感关系

利用Landsat 8影像数据,提取呼和浩特市地表温度（LST）、4种典型植被参数:归一化植被指数（NDVI）、修正土壤植被指数（MSAVI）、比值植被指数（RVI）及植被覆盖度（FV）,并结合研究区土地覆被信息,探讨了LST与4种典型植被参数的定量遥感关系,不同下垫面类型对地表温度—植被参数的影响及其二者之间的空间尺度效应。结果表明:地表温度—植被参数呈现出显著负相关关系,NDVI,RVI,MSAVI,FV每增加0.1,对应的LST分别下降:0.99℃,0.83℃,1.02℃,0.64℃;不同土地覆被类型中二者相关性差异显著,其中林地LST与4种植被参数相关性最强,RVI与LST相关性最稳定;在不同的空间尺度下（30～1 920 m）,地表温度—植被参数空间相关性呈现出先增大后减小的趋势,NDVI,FV,MSAVI,RVI与LST的空间相关性分别在120 m,240 m,60 m,120 m达到最高。     

基于重构的Landsat 8时间序列数据和温度植被指数的区域旱情监测

为了快速且准确地估算大区域范围内土壤水分信息,实现松嫩平原北部区域旱情的监测。基于Landsat 8时间序列数据,计算归一化植被指数(NDVI)和地表温度指数(LST)的时间序列数据,在此基础上利用Savitzky-Golay(S-G)滤波对所得时间序列数据进行了重构,弥补因受云和大气影响而产生的噪声。然后根据重构后的NDVI和LST数据,求得温度植被指数(TVDI);探讨TDVI和土壤湿度之间的关系,构建土壤湿度反演模型,并结合野外实测数据对模型精度进行了验证。结果表明:(1)S-G滤波可以有效地弥补因受云和大气影响而产生的不足,提高Landsat 8时间序列数据的质量;(2)温度植被干旱指数可以有效地反映土壤湿度状况,经过S-G滤波处理后的数据反演精度更高(RMSE=2.14%);(3)经过S-G滤波处理后的Landsat 8数据可以更为精确实现大区域范围内时间序列的旱情监测,为区域旱情的监测提供借鉴。     

地表温度-植被指数特征空间干旱监测方法的改进

Ts-NDVI特征空间干旱监测方法易受地表及卫星观测状态的影响,干、湿边不稳定,该文提出了用多年同期卫星观测数据改进的方法,首先,针对某观测期,分别构建每年的仅基于当年卫星数据的单一时段特征空间,然后,分别用最大、最小值合成法,在已构建的各年单一时段特征空间的干、湿边中提取不同植被指数应对的最大、最小地表温度,合成各年通用的Ts-NDVI特征空间的干、湿边。用TERRA-MODIS数据、降水量及SPI进行试验和验证,表明该改进方法不改变像素的实际观测值,不依赖地面辅助数据,增强了Ts-NDVI特征空间的稳定性,比改进前特征空间能更准确的反映地表干湿状态,与监测同期及前期总体降水都密切相关。     

应用地表温度与植被指数梯形空间关系估算陆面蒸散量

提出了以Priestley-Taylor方程为基础,综合利用地面气象观测数据与卫星遥感观测数据的陆面蒸散量估算方法。其基本思路是:基于地表能量平衡原理,利用遥感观测与地面气象观测数据,计算给定气温条件下全植被覆盖与祼土地面在极湿、极干状况下的地表温度,构建每个像元的地表温度(Ts)与植被指数(VI)的理论梯形空间,进而根据该象元Ts-VI坐标点在该梯形中的位置,计算其Priestley-Taylor系数,并利用Priestley-Taylor方程估算像元的蒸散比。利用美国一个半干旱地区的地面观测数据进行了精度验证,结果表明该方法具有较理想的精度,蒸散量估算的平均绝对误差约为35.5%。     

利用植被指数-地表温度特征空间反演干旱区土壤干湿状况

土壤干湿状况是监测土地退化的重要指标之一,是植物物生长发育的关键因素;准确地估计土壤湿度在时空上的分布状况对理解生态系统有着重要的意义,且对干旱区农业生产及生态重建也具有重要价值。研究分析了两种植被指数(NDVI,MSAVI)构建的特征空间参数的特征;同时,在考察点尺度上,分析了旱情指数TVDI与土壤含水量的关系;并揭示了研究区TVDI的空间分布规律;结果表明:Ts/MSAVI空间和Ts/NDVI空间干边的拟合系数均大于0.90,湿边拟合的效果稍差,而Ts/MSAVI构成的特征空间其拟合的干湿边更易相交,与地表温度结合,更能表示地表湿度的变化情况;TVDIM与TVDIN同土壤含水量表现为极显著负相关,且TVDIM与土壤含水量的相关性大于TVDIN与土壤含水量的相关性;Ts/MSAVI特征空间和Ts/NDVI特征空间反演的旱情指数TVDI,在空间分布上是较为相似的。     

基于地表温度和植被指数特征空间的农业干旱遥感监测方法研究综述

遥感技术以其便捷、反映迅速、大范围监测等优点在农业旱情监测中得到广泛使用。通过遥感资料反演的地表温度（Ts）和植被指数（NDVI）不仅可以表征绿色植被的生理和生长状况,还能揭示植被土壤水分信息,反映作物受旱状况,但两者单独使用时存在缺陷。而基于地表温度和植被指数特征空间的干旱监测方法有利于统一定量标准来判别植被干旱情况,同时还解决了植物在受水分胁迫时短期内仍能保持原有绿色的时间滞后的问题,提高了旱情监测的准确度和实用性。该文以地表温度和植被指数特征空间干旱监测方法为基础,较为详细地阐述了各个方法的基本原理和适用范围,并结合实例归纳总结了与之相关的四种方法的优、缺点,进一步探讨了今后研究的重点。     

以地表温度-植被指数特征空间为基础基于MODIS数据进行土壤水分监测研究

Soil moisture has been considered as one of the main indicators that are widely used in the fields of hydrology, climate, ecology and others. The land surface temperature-vegetation index （LST-VI） space has comprehensive information of the sensor from the visible to thermal infrared band and can well reflect the regional soil moisture conditions. In this study, 9 pairs of moderate-resolution imaging spectroradiometer （MODIS） products （MOD09A1 and MODllA2）, covering 5 provinces in Southwest China, were chosen to construct the LST-VI space, and then the spatial distribution of soil moisture in 5 provinces of Southwest China was monitored by the temperature vegetation dryness index （TVDI）. Three LST-VI spaces were constructed by normalized difference vegetation index （NDVI）, enhanced vegetation index （EVI）, and modified soil-adjusted vegetation index （MSAVI）, respectively. The correlations between the soil moisture data from 98 sites and the 3 TVDIs calculated by LST-NDVI, LST-EVI and LST-MSAVI, respectively, were analyzed. The results showed that TVDI was a useful parameter for soil surface moisture conditions. The TVDI calculated from the LST-EVI space （TVDIE） revealed a better correlation with soil moisture than those calculated from the LST-NDVI and LST-MSAVI spaces. From the different stages of the TVDIE space, it is concluded that TVDIE can effectively show the temporal and spatial differences of soil moisture, and is an effective approach to monitor soil moisture condition.     

基于MODIS温度/植被指数的东北地区土地覆盖分类

该文采用MODIS NDVI时序数据对东北区土地覆盖分类进行研究,以验证MODIS区域土地覆盖制图的可靠性。通过试验发现经过Savizky-Golay滤波处理能有效去除云、缺失数据及异常值的影响,使得NDVI时序曲线能更好的反映植被季相变化特征,分类结果表明NDVI时序数列能较好的区分植被与非植被、草本(一年生)与木本(多年生)覆盖类型。但研究区内一年一熟的农作物与高盖度草地、落叶针叶林与落叶阔叶林具有相似的物候特征,混分现象比较严重。该研究通过添加地表温度(land surface temperature, LST)数据解决这一问题,利用所得温度/植被指数TVI对研究区进行土地覆盖分类。所得结果用363个野外调查样区进行验证,NDVI及TVI时序数据的分类精度分别为62.26％与71.63％。结果表明TVI比NDVI对土地覆盖类型中的植被类型识别更有效。     

基于BA-SVM的冬小麦旱情表型分析与诊断

提升作物水分表型诊断精度和时效性是当前智慧灌溉领域研究的难点和热点之一。该研究针对以上难点提出了一种改进机器视觉算法的冬小麦旱情智能诊断方法。在测坑试验系统中设置了适宜水分处理（CK）、中度干旱处理（T1）、重度干旱处理（T2）,通过数码相机获取冬小麦早期RGB高清图像,利用HSV色彩空间改进的K-means聚类算法对小麦图像分割敏感区域,提取图像颜色和纹理特征数据并开展主成分分析,辨别出累计贡献率达到97.2%的前3维主成分。采用蝙蝠算法优化支持向量机（bat algorithm-support vector machine,BA-SVM）惩罚因子$ (c=5) $和核参数(σ=0.1),建立了基于蝙蝠算法优化的冬小麦旱情感知支持向量机模型,运用主成分分析降维后的识别精度优于其他特征组合,识别正确率为96.5%。明显高于GA-SVM（6.5%）和SVM（9.3%）,运行时间分别缩短7、14 s。构建了冬小麦旱情智能诊断方法,可为实时诊断冬小麦旱情和智慧灌溉决策提供可靠方法。     

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.     

基于温度植被干旱指数的江苏淮北地区农业旱情监测

为实现江苏省淮北地区农业旱情监测,利用Savitzky—Golay(S-G)滤波方法,对2011—2012年江苏省淮北地区1-5月MODIS的归一化植被指数(normalized difference vegetation index,NDVI)和地表温度(land Surface temperature,LST)8 d产品进行重构,去除原8 d数据的噪声,填补受云影响而缺失的数据。基于重建后的NDVI和LST数据,计算温度植被干旱指数(temperature vegetation dryness index,TVDI);分析TVDI和土壤湿度之间的关系,构建土壤湿度反演模型。最后,利用另外1组数据验证所建土壤湿度模型的精度。研究结果表明:1)S-G滤波方法能够提高MODIS LST和NDVI数据质量,并能对缺失数据进行填补;2)TVDI方法能够实现试验区土壤湿度反演,所建模型在试验区具有一定的普适性,反演精度较高(R2=0.575,RMSE=2.59%);3)TVDI方法在江苏省淮北地区干旱监测中得到了较好的应用,能够成功地监测出江苏淮北地区2011年和2012年春旱。该研究可为农业旱情的快速监测提供借鉴。     

基于MODIS的湖南省地表温度动态变化研究

陆地表面温度是地表能量平衡中的一个非常重要的参数,它在地表与大气相互作用过程中起着重要的作用。以MODIS数据资料研究湖南省地表温度动态变化规律,旨在为研究湖南省城市热岛效应的影响积累资料,为自然资源监测、保护及其相关领域提供理论数据,为相关部门制定决策提供科学依据。在总结和分析当前常用地表温度反演算法的基础上,采用分裂窗算法来反演地表温度,并利用卫星过境当天地面观测站观测的最高温度对反演结果进行验证。研究表明:在热量分布方面,由西北向东南递增,以武陵山、雪峰山东麓为界将全省分成2个区,东部丰富、西部偏少。温度反演结果与地面实测日最高温度曲线走势基本一致,符合实际情况。     

基于GIS的浙江省土地利用/覆盖与地表温度的关系

利用MODIS数据的分裂窗算法,获取了浙江省各地2008年一整年的地表温度数据,综合利用遥感、地理信息系统(GIS)技术,研究了地表温度的时空分布特征、地表温度与不同土地覆盖类型间的关系以及地表温度与归一化差值植被指数(NDVI)的定量关系。结果表明:①地表温度在空间分布的高度异质性,一方面是由区域内海拔高度差异较大造成的,另一方面与下垫面类型有关;②不同土地覆盖类型间地表温度的月季变化趋势基本一致,但各类别间的地表温度高低存在显著差异,年平均地表温度总体表现为建设用地耕地林地水体;③植被对地表温度的影响受下垫面类型的制约,分析夏季NDVI与地表温度的关系可见,林地、耕地和建设用地的NDVI与地表温度呈显著负相关;水体的NDVI与地表温度呈正相关。研究结果可为当地高温热浪、低温冻害等灾害的动态监测提供新的途径,具有重要的应用价值,对政府土地合理规划和利用及防灾减灾具有重要指导意义。     

基于可见光红外成像辐射仪数据的地表温度反演

地表温度是农业旱灾和作物估产模型的重要参数。该文针对可见光红外成像辐射仪(visible infrared imager radiometer suite,VIIRS)传感器缺乏水汽通道的特点,联合Aqua卫星搭载的中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)数据提出了基于分裂窗算法的VIIRS地表温度反演方法。对地表发射率和大气透过率这2个关键参数的获取进行了详细分析,选取了处于作物生长期的2013年6月4日VIIRS数据进行实例验证分析。结果表明,与全国气象数据比较该文算法在大尺度上能够较好地获取中国地表温度;与MODIS数据温度产品在高温产粮区比较,该文算法与MODIS温度产品精度较一致,两者差值小于1 K。使用MODTRAN(moderate resolution transmission)软件对算法的精度进行了模拟评价验证,分析表明:在一定的水汽和地表发射率条件下,算法反演精度一般保持在1 K内,平均误差为0.431 K,误差标准偏差为0.247 K。能够为农业干旱、作物长势等农情信息监测提供所需的地表温度数据。     

基于MODIS数据的黑河流域地表温度反演研究

基于MODIS数据,运用毛克彪的劈窗算法反演了具有冰雪、冻土地表类型的黑河流域2009年9月23日的地表温度。结果表明：沙漠和戈壁的温度最高,永久积雪/冰川的温度最低,能够客观地反映黑河流域9月下旬白天的气候特点。将反演结果与流域内9个气象站点的实测数据对比分析,得出反演的地面温度与实测的地面温度平均误差为0.82℃,在当前遥感反演地表温度的误差之内。因此,该算法适合大面积的地表温度快速反演。     

基于遥感的沿海土地利用变化及地表温度响应

该文基于两期时相接近的高分辨率遥感影像数据,利用遥感分类和定量反演技术,提取两期土地利用/土地覆盖（LUCC）信息和对应的地表温度信息,结合山东省莱州湾沿岸近20 a来海水入侵研究成果,分析LUCC对地表温度影响的空间格局和变化规律。经研究发现：在海水入侵影响下,研究区域土地覆盖以旱地、盐碱地、建设用地和盐田为主,未利用土地覆盖类型（盐碱地、滩涂）占很高的比例,随着距海的远近,土地利用程度变化显著。在沿海经济发展和LUCC影响下,整个研究区域水面覆盖和植被覆盖面积增加,使研究区域的地表温度降低：研究区域1987年平均地表温度为30.8℃,2000年平均地表温度为29.2℃;2000年相对1987年,研究区域的地表温度降低了1.62℃。海水入侵显著地影响了土地覆盖空间格局和变化,土地覆盖的显著变化进而明显地影响了沿海区域地表温度的空间分布和变化,沿海区域的地表温度变化与地表覆盖变化密切相关。该研究可为沿海湿地生态环境保护和滩涂开发提供科学参考。     

基于地表温度的干旱平缓区土壤属性制图

环境变量是数字土壤制图的重要支撑。在平原等地形平缓区,地形、植被等易于观测获取的环境变量与土壤条件的协同程度通常比较低,难以用其推测土壤空间分布。如何探索开发新的环境协同变量是平缓地区土壤制图的一个重要研究问题。不同的土壤条件往往具有不同的热量过程和特征。基于这一点,本文探讨了遥感获取的地表温度能多大程度上揭示土壤条件空间差异的问题。选取西北干旱区的黑河下游额济纳旗平原为研究区,基于MODIS传感器获取的地表温度资料和野外土壤调查样点,一方面对地表温度和土壤多要素属性的相关性进行了分析,另一方面建立随机森林模型对土壤有机碳、砂粒与粉粒含量进行空间推测制图,采用留一交叉法验证制图精度,并比较了仅用地形变量或地表温度变量、地形变量加上地表温度变量三种变量组合方案的土壤制图效果。结果显示,地表温度变量与土壤有机碳和土壤质地均具有较好的相关性,地表温度可解释研究区土壤条件空间变异的33～40%,其中,有机碳为41%,粉粒含量为37%,砂粒含量为33%。这表明,地表温度变量能够较大程度上有效地揭示土壤条件的空间差异,这为进一步对地表温度数据进行提炼,研发更为有效的环境变量,提高平缓区数字土壤制图的准确性提供了基础。