基于LAI-Ts特征空间的河南省冬小麦返青-成熟期旱情监测

以河南省返青-成熟期冬小麦为研究对象,利用研究区2000、2005、2010及2015年每年2月26日-6月1日MODIS产品叶面积植被指数（LAI)和地表温度（Ts)数据,探讨当NDVI未达到饱和时,基于LAI-Ts特征空间的温度叶面积干旱指数（TLDI）能否用于旱情监测,并利用气象站实测10cm土壤湿度数据进行精度验证,进而应用该指数对河南省冬小麦旱情进行监测。结果表明：TLDI与实测土壤湿度之间存在显著负相关关系（P＜0.05）,相关系数大小在0.5212～0.7467。当NDVI未达到饱和时,基于LAI-Ts特征空间的TLDI可作为干旱监测指标,补充拓展基于植被指数和地表温度的旱情监测方法。在冬小麦返青期即植被覆盖度较低时LAI-Ts特征空间呈三角形,随着植被覆盖度的提高逐渐演变为梯形。河南省旱情主要分布在中西部、西南部以及北部地区,每年3月上旬及5月为旱情频发期,分别处于冬小麦返青期和开花-灌浆期。     

条件植被温度指数在云南干旱监测中的应用

对干旱进行监测,有助于各级政府及时了解旱情,采取积极有效的防旱、抗旱措施,促进水利设施建设与合理布局,确保农业生产发展与粮食安全。该文采用MODIS多时相归一化植被指数与地表温度遥感影像产品,分析研究区归一化植被指数—地表温度特征空间,应用条件植被温度指数对云南省2009年9月－2010年3月干旱的时间、空间特性进行监测。监测结果表明云南省旱情随时间有所波动,但整体旱情呈发展趋势;监测期内云南省旱情分布较广,受灾面积超过70%,仅西北角小片地区受干旱影响较小,特旱区主要分布于云南省中部、东部和南部地区。应用相关研究成果对干旱监测结果进行验证,结果表明监测结果可信,能够为防灾减灾相关部门提供有力的信息支持。     

基于FY-3 VIRR的温度植被干旱指数在陕西省的应用及其IDL实现

以FY-3可见光红外扫描辐射计（VIRR）L1数据为信息源,对FY-3 VIRR L1数据在陕西省云检测、地表温度、温度植被干旱指数（TVDI）等反演方法进行本地化研究,同时使用IDL程序语言研制了FY-3 VIRR L1数据预处理、云检测、地表温度反演、TVDI指数法反演土壤干旱程度等应用程序,以实现利用温度植被干旱指数（TVDI）对陕西省土壤干旱程度的监测,并对检测结果进行数据反演。反演结果表明,利用FY-3 VIRR L1数据生成的TVDI与20cm土壤相对湿度具有良好的负相关性,相关系数在-0.535左右;TVDI能较好地反映陕西省土壤干旱状况,在延安、关中、陕南的TVDI反演结果与实际旱情一致性较好,但在植被覆盖较差的榆林部分地区,反演结果与实际旱情差异较大。     

基于MODIS数据的山东省2014-2016年干旱监测分析

针对近年频发的干旱情况不能准确及时监测评估的问题,以山东省为研究区,基于温度植被干旱指数方法（TVDI）,利用S-G加权滤波对MODIS地表温度产品MOD11A2和植被指数产品MOD13A2数据进行了重建,根据重建后的数据计算2014—2016年山东省的温度植被干旱指数,在比较NDVI-LST与EVI-LST构建的温度植被指数干旱模型（TVDI）的基础上,利用效果更好的EVI-LST构建的TVDI模型反演山东省2014—2016年的干旱情况,最后利用气象站观测数据对TVDI结果进行了相关性分析。研究表明,山东省在2014—2015年全年平均干旱面积占比分别为37.62%,41.7%,2016年基本无旱情发生。气象站观测的降水、温度与TVDI的相关性均在0.32以上,且均通过显著性检验,说明植被覆盖信息和陆地表面温度信息相结合反演的TVDI空间和时间分布能够较好地反映表层土壤水分变化趋势,其作为旱情评价指标是合理的。     

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。     

利用改进温度植被干旱指数反演农田表层土壤水分的研究

土壤水分作为土壤的重要组成部分,是气候、农业和生态系统的关键组成要素。快速、大面积和实时地监测土壤含水量,对旱情预报、农田灌溉和作物估产有着十分重要的作用。本文主要结合Landsat 8光学影像数据对地表土壤含水量进行反演,在温度植被干旱指数（TVDI）的地表温度－植被指数特征空间基础上引入分形覆盖度,构建地表温度－分形覆盖度特征空间,从而计算得到改进温度植被干旱指数（ITVDI）,采用研究区实测土壤含水量数据对计算的结果进行对比分析。为了分析TVDI和ITVDI与土壤体积含水量的关系,分别制作TVDI、ITVDI与土壤体积含水量的散点图并分析相关性。研究结果表明:在小麦拔节期内,研究区域大部分地区处于干旱状态,轻旱地区主要分布在研究区西部、北部以及中部的高植被覆盖地区;重旱地区主要分布在城市中心及部分裸露地面和小麦种植地区。TVDI和ITVDI与地表土壤含水量线性相关显著,两者均可表征研究区干旱的实际情况。但ITVDI引入分形植被覆盖度参数,在一定程度上避免干旱指数受到地表覆盖类型的限制,使得ITVDI与实测土壤含水量的相关性和反演精度都高于TVDI。因此,ITVDI能够更好地反映研究区域土壤含水量的状况,更适合高植被覆盖度地区土壤含水量反演。     

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四川伏旱遥感监测与影响评估

利用2006年7～8月的NOAA/AVHRR数据,依据温度植被干旱指数(TVDI)对2006年四川伏旱进行监测与评估。采用了干旱监测合成滤云新技术,分析了Ts—NDVI特征空间属性和TVDI指数干旱监测能力,提出了四川伏旱TVDI计算模型、分级标准、和影响评估方法,结果表明：1)按最大地表温度原则得到的旬合成数据比按最大植被指数原则得到的旬合成数据具有更强的旱情监测能力;2)在Ts—NDVI特征空间中当NDVI较小时干湿边几乎同为水平直线,两者相差约45℃;3)TVDI指数因其大小不同而对旱情的监测能力也不一样,较小时说明没有干旱发生,较大时则一定有干旱发生,中间段对干旱的监测具有不确定性;4)2006年四川伏旱遥感监测与气候监测结果基本一致,农作物受旱面积与饮水困难人口数估算误差在10%以内。     

基于被动微波遥感的中国干旱动态监测

目前用于中国干旱监测的遥感方法大多是可见光和热红外指数法,受云雨、植被和地形的影响较大,不能满足中国南方地区干旱监测的需求。该研究基于被动微波辐射传输方程,首先构建了基于AMSR-E（advanced microwave scanning radiometer-EOS）数据的地表温度反演模型,R2=0.79,RMSE（root mean square error）为2.54℃,实现了中国地表温度的被动微波遥感监测。然后,拟合了不同下垫面归一化植被指数（normalized difference vegetation index,NDVI）与微波极化差异指数（microwave polarization difference index,MPDI）的关系。在此基础上改进了植被供水指数（vegetation supply water index,VSWI）,构建了基于AMSR-E数据的被动微波遥感气象干旱指数,并以中国2009年的旱情为例进行实例验证。研究表明,该干旱指数与AMSR-E L3土壤湿度数据有着显著的负相关关系（R2=0.75）,且能基本表征2009年中国实际的气象干旱状况。     

基于MODIS数据的湖南省旱情监测研究

干旱的发生不仅影响到当地的农业生产,还极大的破坏了当地的生态环境。采用MODIS数据以条件植被温度指数(VTCI)作为旱情指标,对湖南省2005年7月下旬的旱情分布进行了监测。综合考虑了归一化植被指数(NDVI)和增强型植被指数(EVI)的优劣性之后,以EVI代替NDVI构建了EVI-Ts特征空间,其中采用分裂窗算法对陆地表面温度进行了反演,最终得到了与实际旱情大致相符的旱情分布图。研究表明:此种方法适用于湖南省的旱情监测,同时它也是一种便捷、高效的大面积与近实时监测方法。     

基于NDVI时间序列数据的施肥方式遥感识别方法

农产品生产过程时空动态监测是有机/绿色农产品认证亟待解决的问题,不同施肥方式的时空精准识别是解决该问题的关键。本文以美国加州大学戴维斯分校长期定位实验为基本材料,利用时间序列Landsat8和Sentinel-2影像研究长期施肥实验下不同施肥处理轮作地块的植被指数时间序列,对比分析不同施肥处理NDVI的差异以及NDVI与产量的相关性。结果表明:1)不同施肥处理下的NDVI时间序列曲线总体趋势相似,有机肥与化肥处理NDVI时间序列曲线差异较大;2)不同施肥处理NDVI随作物生长期呈现规律变化,生长初期和后期有机肥处理NDVI均值高于化肥处理,生长中期化肥处理高于有机肥处理;3)不同施肥处理下的NDVI与产量之间相关系数随作物生长期有规律变化,应用植被指数进行遥感估产需要考虑不同施肥处理的影响。研究成果初步探讨了利用不同施肥处理NDVI时间序列差异、NDVI与产量相关性差异区分有机肥与其他施肥方式,有望为有机/绿色农业的时空动态监测与认证提供遥感技术支持,深化遥感技术在农业领域应用。     

农业干旱遥感监测指标及其适应性评价方法研究进展

在利用遥感数据进行长时间、大范围农业干旱遥感监测过程中,如何针对不同区域、不同作物生长阶段选取最合适的监测指标,对于及时、准确地评估干旱对作物生长的影响,实现合理水资源调度和有效抗旱减灾决策都具有重要意义。该文以遥感监测农业干旱的适应性为论述主线,对常用的农业干旱遥感监测指标及其适应性评价方法,从4个方面进行了系统归纳总结:1)国内外农业干旱监测适用的遥感卫星数据源;2)监测农业干旱适用的光谱敏感波段;3)农业干旱遥感监测指标自身的适用性与局限性;4)农业干旱遥感监测指标适应性的评价方法。在此基础上,指出今后在农业干旱遥感监测指标及其区域适应性研究中,需综合考虑作物与其生长环境之间的关系;增加光谱信息,降低遥感数据获取过程中的信噪比;选择农业干旱遥感监测指标适宜的时空尺度;重点解决部分植被覆盖时,如何选择合适的监测指标;加强高光谱技术在精细农业干旱遥感监测指标反演中的研究;进一步在机理上发掘监测指标自身的敏感性和适应性等6个方面的问题及发展趋势。     

基于多时相遥感数据的吉林西部土地覆被分类提取

为深化计算机自动提取土地覆被类型在遥感分类研究中的应用,以吉林西部的镇赉县为试验区,利用Landsat8多时相遥感数据的季节变化信息、地表植被、水体与土壤等特征参量,构建多维分类特征数据集对试验区进行土地覆被分类研究,提取了11种地表覆被类型。结果表明:1)多维变量组合方案的总体分类精度为95.50%,Kappa系数为0.9504。该方案自动提取地类达到了一个比较理想的分类结果,方案有效可行;2)方案中,3个主要特征分类变量的引入能很好改善易混淆地类的可分性,尤其,地表植被季节变化信息和土地信息的引入能明显提高土地覆被的分类精度;3)实际情况表明,引入的分类特征量不是越多越好,只有将多种分类特征有效结合才能够提高土地覆被分类精度。该文为农牧交错带上的土地覆被遥感监测提供了一个可行的方案,该方案有效可行。     

基于线性光谱混合模型的荒漠草地覆盖度估测

为了解决草地混合像元对草地植被覆盖度监测的影响,该研究以Landsat TM为数据源,探讨线性光谱混合模型进行混合像元分解的关键问题,分析混合光谱模型获得的不同组分分量与植被覆盖度之间的关系,以期建立适合天山北坡荒漠草地覆盖度监测模型。结果表明:通过光谱混合模型获得植被、沙丘以及盐碱化土壤3个基本组分,其中植被组分与覆盖度拟合效果较好(R2=0.62),与植被指数法估测草地覆盖度相比,决定系数R2均高于比值植被指数、归一化植被指数、土壤调节植被指数及修正土壤调整植被指数MSAVI。通过对所获模型精度检验,均方根误差RMSE为1.28,结果较为理想。因此,利用线性光谱混合模型解析混合像元估测天山北坡荒漠草地覆盖度具有可行性。     

基于空间信息的高光谱遥感植被分类技术

高光谱数据常带有噪声,传统的仅考虑光谱信息的遥感植被分类方法效果不佳,融入空间信息进行植被分类显得尤为重要。以NDVI阈值法提取植被信息后,采用最小噪声变换对Hyperion高光谱影像进行压缩处理,取前60个分量数据,并采用一种空间与光谱信息相结合的高光谱影像植被分类法,完成研究区植被分类。结果表明,对各植被类型的平均分类精度达90.3%,而最大似然法的平均分类精度仅为70.0%。融入空间信息的高光谱遥感植被分类方法能有效地削弱噪声,在一定程度上提高了分类精度,在实际应用中有一定的参考价值。     

基于MODIS的河南省遥感干旱监测研究

基于遥感的大面积干旱监测发挥着重要作用,但多种不同的遥感干旱指数在不同区域的空间适应性研究相对较少。利用MODIS数据分别计算归一化植被指数、距平植被指数、植被状态指数和温度状态指数等,并结合传统气象干旱指数分析近10a来河南省的干旱情况。结果表明,2000—2009年有6a发生了不同程度的干旱,其中豫北和豫西地区的干旱程度严重,遥感干旱监测的结果与气象干旱指数基本一致;分析了河南省不同区域和时段内基于遥感的干旱指数与气象干旱指数的相关性,总结出4种基于遥感的干旱指数在时空格局中的适用性,为干旱监测提供技术支持。     

基于多时相遥感数据的农田分类提取

为深化遥感解译在农田类型自动提取研究中的应用,了解研究区内农业资源的现状,该文以镇赉县为试验区,设计了基于多时相遥感数据的农田分类提取方案。该方案通过计算地表植被指数时序变化的变程(主要分类变量),结合研究区影像纹理局部方差、修正土壤调整指数和地表水体指数构建多维特征空间数据,对研究区内的水田和旱地进行分类提取。结果表明:1)该算法的总体分类精度为94%,Kappa系数为0.87:2)水田的遥感提取精度为98.3%,旱地为98%;3)水田占全区总面积的13.26%,旱地为20.12%,旱地是研究区内的主要农田类型。该文研究成果为未来农业发展的政策和规划提供一定的参考依据。     

基于4种植被指数TVDI模型的三江平原土壤湿度反演

利用遥感手段监测土壤湿度有利于分析大尺度区域的土壤干湿状况。比对分析不同植被指数计算的温度植被干旱指数（TVDI）的精度能够提高TVDI反演土壤湿度的实际应用价值。以三江平原为研究区,基于2013年5—9月的四期MODIS影像,利用归一化植被指数（NDVI）、增强型植被指数（EVI）、修正土壤调节植被指数（MSAVI）、比值植被指数（RVI）分别计算TVDI,并以地面实测土壤湿度数据及降水数据进行精度验证。结果表明:（1）4种植被指数计算的TVDI与土壤湿度数据均具有一定的负相关关系,即TVDI值越高,土壤湿度值越低;（2）不同植被指数计算的TVDI在5月、6月、9月与土壤湿度回归分析的R²数值相近,均适合用来反演这3个时间段的土壤湿度,在7月份,相较于NDVI和RVI计算的TVDI结果（R²均在0.15左右）,基于EVI和MSAVI计算的TVDI （R²均在0.35左右）更适合反演该时期的土壤湿度;（3）5—9月期间,干旱现象主要发生在三江平原的中部及西南部,干旱程度主要为轻旱,东部及东北部在不同时期基本保持在正常或轻微湿润状态。     

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。