条件植被温差指数干旱监测方法的研究与应用

地表昼夜温差(ΔT)与植被覆盖度和土壤含水量等密切相关。文中在条件植被温度指数(VTCI)干旱监测方法的相关研究成果的基础上,应用MODIS数据,通过引入ΔT探究条件植被温差指数(ΔT-VTCI)干旱监测方法的可行性。ΔT-VTCI既考虑了区域内NDVI的变化,又考虑了在NDVI相同的条件下ΔT的变化。陕西省关中平原2000-2011年每年4月上、中、下旬和5月上旬的干旱监测结果表明,ΔT-VTCI的干旱监测结果与VTCI的干旱监测结果基本相符,可用于研究干旱的时空变化特征。通过对比分析多年多旬VTCI和ΔT-VTCI的干旱监测结果,发现两种方法得到的干旱监测结果的散点主要分布在1:1对角线附近,且呈显著的线性相关关系,说明这两种方法得到的干旱监测结果具有可比性。     

条件植被温度指数干旱监测指标的等级划分

以每年3月下旬至5月下旬陕西渭北旱塬合阳、蒲城、澄城、永寿县和耀州区5个旱作农业站点以旬为单位的条件植被温度指数(VTCI)为研究对象,根据气象干旱指数的等级划分标准将VTCI分级。结果表明:VTCI被划分为4个等级。VTCI0.55为无旱,VTCI在0.46～0.55之间为轻旱,VTCI在0.37～0.46之间为中旱,VTCI0.37为重旱。通过气温、降水等气象资料对VTCI等级划分结果的验证表明,VTCI的干旱监测结果与当地基于气象资料的监测结果相一致,证实了该等级划分结果是可行的。     

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。     

不同时间尺度条件植被温度指数干旱监测方法的适用性分析

以陕西省关中平原为研究区域,选取2003—2013年3—5月的Aqua-MODIS遥感数据、降水量和土壤含水量数据,探究10 d、16 d、32 d和48 d时间尺度条件植被温度指数(VTCI)干旱监测方法的适用性。结果表明:随着时间尺度增大,VTCI与降水量和土壤含水量的相关性均逐渐减小,说明VTCI干旱监测方法的适用性随时间尺度的增大而减小,且48 d时间尺度VTCI不适用于监测某一地区的受旱程度。不同时间尺度VTCI干旱监测结果的对比分析表明,旬尺度VTCI干旱监测的准确性最高。     

基于加权马尔可夫模型的条件植被温度指数预测研究

条件植被温度指数(VTCI)是一种近实时的干旱监测指标。利用加权马尔可夫模型对陕西关中平原的条件植被温度指数(VTCI)时空变化序列进行了2步预测,并将预测结果与实际监测结果进行对比分析,结果表明,预测的干旱监测结果与实际的干旱监测结果空间分布特征基本一致,进一步的误差分析显示,2步预测的误差平均值分别为0.042和0.152。     

基于条件植被温度指数的干旱监测研究

以黑龙江军川农场为研究区域,应用Landsat TM卫星遥感数据计算和反演归一化植被指数和地表温度,采用条件植被温度指数(VTCI)的方法对该区域进行土壤表层水分监测.通过与同一时期的LST和NDVI模型的反演结果进行对比,结果表明:VTCI与该模型的纹理特征相似,干旱的分布规律几乎一致.应用土壤表层含水量数据对干旱监测结果进行验证,验证结果表明VTCI与土壤表层含水量有较好的线性相关性,进一步证实了VTCI是一种实时的干旱监测方法.     

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。     

基于条件植被温度指数的冬小麦主要生育时期干旱监测效果评价Ⅲ——干旱对冬小麦产量的影响评估

选取关中平原2002-2009年冬小麦越冬后每年3-5月9旬的条件植被温度指数（CVTI）遥感干旱监测结果,基于归一组合赋权法确定的冬小麦越冬后四个主要生育时期干旱对产量影响的最优权重,建立关中平原4市（不包括铜川）冬小麦每年的加权CVTI与单产间的一元线性回归模型,并对冬小麦的单产进行了估算。结果表明,2002-2009年关中平原冬小麦单产在波动中呈上升趋势,中部单产较高,西部次之,东部最低。基于关中平原4市的整体产量估算模型预测西安市部分区县2010年的单产,取得较好的结果,验证了关中平原4市的整体产量估算模型具有较好的精度,能够较准确地反映关中平原干旱对冬小麦产量的影响。     

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。     

基于同化叶面积指数和条件植被温度指数的冬小麦单产估测

应用数据同化方法将遥感信息与作物生长模型融合,是估测区域作物产量的重要方法之一。以2008—2014年越冬后的冬小麦为研究对象,选择与作物长势、产量及水分胁迫信息密切相关的叶面积指数(LAI)和条件植被温度指数(VTCI),采用粒子滤波算法对CERES-Wheat模型模拟和遥感数据观测的LAI和VTCI实施同化,分别基于观测LAI和VTCI、同化LAI和VTCI构建冬小麦单产估测模型。结果表明,同化LAI变化趋势更加符合关中平原冬小麦的实际生长状况,同化VTCI能更好地反映冬小麦的水分胁迫程度。应用观测LAI和VTCI构建的估产模型决定系数为0.402,而单独应用LAI或VTCI单变量构建的估产模型决定系数分别为0.279和0.339,说明应用LAI和VTCI双变量构建的估产模型的精度优于单独应用LAI或VTCI单变量的精度。相比于观测LAI和VTCI构建的估产模型,基于同化LAI和VTCI构建的估产模型的决定系数从0.402提高到0.547。表明基于同化LAI和VTCI构建的估产模型的精度明显提高。     

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。     

基于广西岩溶和非岩溶地貌的干旱遥感监测模型研究

根据MODIS植被指数和陆面温度,建立植被状态指教(VCI)、温度条件指数(TCI)和植被-温度指数(DI)模型;采用广西2004年10～11月数据,利用相关系数、全距和变异系数对3个干旱监测模型应用于广西岩溶区和非岩溶区大范围干旱监测的适用性进行了论证分析,结果表明:植被-温度指数模型(DI)最适用,温度条件指数(TCI)次之,植被状态指数(VCI)则较难胜任.并使用植被-温度指数DI模型监测了广西2005年秋旱,经与干旱实况对比,干旱指数DI的监测结果与实况相符,表明植被-温度指数遥感监测模型能准确反映出广西岩溶和非岩溶地貌环境的干旱时空变化特征,适用于广西大范围的干旱监测.     

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。     

基于MODIS资料的遥感干旱监测业务化方法研究

MODIS在波段设置和探测精度方面较AVHRR有较大的优势,如何将传统的基于AVHRR数据的遥感干旱监测模型转移到MODIS数据平台是遥感干旱监测领域非常关注的问题。我们从可业务化的角度,在借鉴陕西省农业遥感信息中心近年研究开发的NOAA/AVHRR遥感干旱监测业务化模型的基础上,结合陕西的地形、气候、植被覆盖特征,建立了基于MODIS数据的区域性干旱遥感监测的业务化模型和资料处理流程,并在陕西2005年3-5月发生的较严重的春旱过程中进行了监测试验。结果表明:使用基于MODIS数据的热惯量和植被供水指数两种模型进行区域性遥感干旱监测是可行的,修改后的植被供水指数模型在干旱面积估算精度和图像的可视化效果方面有了明显提高。     

基于多元逐步回归分析的葡萄园干旱监测模型

为明确葡萄园区干旱评价标准,制定了一种具有区域适用性的干旱指数,通过在渭南市临渭区葡萄研究所葡萄试验田进行干旱胁迫对比试验,得出一种结合植物生长图像与环境要素的干旱监测模型;使用逐步回归分析法,计算出土壤湿度与众多影响因素间的关系,得到干旱监测模型。试验结果表明：回归方程的确定系数（R-square）可达0.91,模型精确,拟合效果较好。搭建了一个干旱监测与预警平台,可以实时监控作物的生长状况,为精准灌溉提供决策。     

基于相空间重构与RBF神经网络模型的面上干旱预测研究

条件植被温度指数(VTCI)是一种适合关中平原的近实时定量化的干旱监测方法,在前期基于以旬为单位的VTCI样本点上相空间重构与RBF神经网络干旱预测研究的基础上,进一步进行了VTCI遥感面上的干旱预测研究。通过分析样本点VTCI时间序列的延迟时间和重构维数,确定整个面上VTCI时间序列相空间维数为7,从而对面上VTCI数据进行了相空间重构。对重构后的VTCI数据应用RBF神经网络模型预测得到了2009年4月上旬到5月中旬的VTCI预测结果。结果表明,多旬预测结果都较好地反映了监测结果的特征,各旬预测结果的绝对误差频数分布主要集中在-0.2到0.2之间。应用Kappa系数评价预测结果与监测结果的一致性程度：5月中旬为显著,4月上旬和中旬为中度,4月下旬和5月上 旬的一致性为弱,但阳性一致率较高。该模型的面上预测精度较好,适合关中平原的干旱预测研究。     

基于多源卫星数据的3种干旱遥感监测效果比较

基于MODIS/TERRA、FY-3B/MERSI和HJ/CCD监测数据,结合研究区同步土壤湿度实测资料,利用垂直干旱指数（PDI）,对比分析了各传感器在干旱时空动态中对旱情响应的敏感性和可靠性。结果显示：在黄土高原半干旱区各遥感卫星监测到的PDI指数与土壤相对湿度呈显著负相关,与0～20 cm相对湿度相关最为密切;MODIS的PDI监测信息与实际春旱发展前期状况最为接近,HJ的PDI监测信息对干旱后期效应性相对较差, HJ、MODIS和FY3B的PDI监测信息都能够比较真实的反映干旱缓解后的实际情况。     

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。