河北省土壤干湿状况遥感监测指数比较

选用河北省2010年5月Terra/MODIS地表反射率产品MOD09A1计算得到了增强植被指数（EVI）,结合同期MOD11 A2地表温度LST数据,计算得到河北省TVDI（温度植被干旱指数）和VSWI（植被供水指数）,比较分析TVDI和VSWI监测河北省土壤干湿状况的适宜性.两种指数与同期8d平均降水量数据的定性分析表明TVDI与降水量数据间具有明显的相反趋势,VSWI与降水量数据间趋势关系不明显;定量的相关分析表明,TVDI与降水量数据间表现出较显著的负相关性（P＜0.05）,而VSWI与降水量数据间的相关不显著.可见,在所选取研究时段内,TVDI指数较VSWI指数监测河北省土壤湿度更为适宜.     

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Landsat-8影像的干旱区土壤水分含量反演研究

土壤水分含量的精确监测对区域生态环境保护与可持续发展具有重要意义.本文以内蒙西部额济纳旗东南的居延泽地区为研究区,基于多期Landsat-8遥感影像和野外实测不同深度的土壤水分含量数据,构建了温度植被干旱指数(TVDI)、垂直干旱指数(PDI)、归—化干旱监测指数(NPDI)和土壤湿度监测指数(SMMI)等四种干旱指数...     

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。     

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。     

卫星遥感信息在贵州干旱监测中的应用

应用ＮＯＡＡ气象卫星ＡＶＨＲＲ资料探讨了监测贵州干旱的３种方法,即植被指数法,第４通道遥感下垫面亮温法和植被供水指数法。结果表明,植被供水指数与地面干旱指标数相关性最好,其空间分布与地面旱情分布基本一致。     

典型农业干旱遥感监测指数的比较及分类体系

面对多种多样的农业旱情遥感监测指数,如何进行选取是目前遥感指数应用所面临的主要难题。该文以MODIS产品为遥感数据源,比较分析了13种典型的农业干旱遥感监测指数,建立了农业干旱遥感监测指数的分类体系,阐述了不同指数类型的适用范围。结果表明,多种遥感干旱指数对农业干旱的描述并非完全一致。不同指数利用不同的地表特征变化来描述农业干旱程度,是造成这种不一致的主要原因。据此,研究将典型农业干旱遥感监测指数分为4大类:土壤水分变化类、冠层温度变化类、植被水分变化类和作物形态及绿度变化类。其中第1类指数比较适宜于农业旱情预警及土壤干旱型农业旱情的监测,这类指数中修正的垂直干旱指数MPDI可以较好地反映表层土壤水分的变化,并适宜于时序变化监测。第2类指数不仅适宜于旱情预警,更适宜于旱情监测,这类指数中推荐选择基于LAI-LST特征空间的温度植被干旱指数TVDI;第3、4类指数,较适宜于农业旱灾的预警以及灾后评估,该文为农业干旱遥感监测指数的选取提供参考。     

MODIS干旱指数结合RBFNN反演冬小麦返青期土壤湿度

土壤湿度是农业干旱信息最重要的表征因子,它的反演对区域乃至全球农业干旱监测及预报都具有重要意义。该文基于MODIS遥感干旱监测指数构建了冬小麦返青期土壤湿度的评价指标体系,在此基础上,结合径向基函数神经网络(RBFNN)协同反演农地土壤湿度。首先,针对单一利用遥感干旱指数反演土壤湿度具有一定的局限性问题,选取监测土壤含水量、作物需水形态变化、冠层含水量、冠层温度等参量的遥感干旱监测指数作为综合评价指标;并利用实测土壤湿度作为验证标准,从原始遥感干旱监测指数中选取出适宜的指标集;然后,以选取的评价指标集为输入层,以实测土壤湿度作为输出层的输出,构建RBFNN的农地土壤湿度反演模型。研究结果表明:应用在河南省冬小麦返青期时,基于MODIS遥感干旱监测指数与RBFNN协同反演的土壤湿度模型具有较好的反演效果;模型的评价指标集与10 cm深度的土壤湿度相关性更好,而且能综合多通道遥感信息来反映土壤湿度的变化;模型的平均预测精度达到93.27%,与BP-NN和线性回归反演模型相比,反演精度分别提高了2.92和9.97百分点;模型回归分析相对1:1斜线的偏差最小;相关系数为0.846 49,回归决定系数为0.862 6。研究结果可为区域土壤湿度的遥感反演提供新的案例参考。     

藏北高原土壤湿度MODIS遥感监测研究

利用Terra与Aqua两颗卫星的MODIS地表温度和植被指数数据,分别构建LST-NDVI与LST-EVI共四种不同组合的Ts-VI特征空间,并依据该特征空间提取温度植被干旱指数(TVDI)作为反映土壤干湿状况的指标,探讨一种合适的遥感监测藏北高原土壤湿度的方案,并基于同步的实地土壤表层含水量采样数据进行验证评价。研究表明,四种数据组合方案提取的TVDI分布图均能较好反映藏北土壤湿度,且Terra MODIS LST-EVI构建的特征空间提取TVDI指标效果最佳。在此基础上获得的藏北高原土壤湿度分级图表明,从东南到西北土壤湿度逐渐降低,并呈现明显的空间分异规律。     

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。     

基于综合干旱指数的毛乌素沙地腹部土壤水分反演及分布

为了克服单一干旱监测指数在复杂覆盖类型的适用性问题,以复杂覆盖类型的毛乌素沙地腹部乌审旗为例,在传统归一化干旱指数(normalized difference drought index,NDDI)、土壤湿度监测指数(soil moisture monitoring index,SMMI)、温度植被干旱指数(temperature vegetation drought index,TVDI)3个单一干旱监测指数的基础上,通过层次分析法确定各指数的权重,结合野外不同覆盖类型实测的土壤含水率数据,分别进行回归分析,建立多指数综合干旱监测模型,基于此模型分析研究区表层土壤水分的空间分布。结果表明:3个单一干旱指数在一定程度上均能客观反映旱情特征,与表层土壤含水率呈现不同程度的负相关,温度植被干旱指数相关性最好为0.604。引入结合多指数的综合干旱监测指数模型,在8月、9月草地和沙地与表层土壤含水率指数模型的决定系数R2均在0.7以上,高于基于单一指数模型的拟合精度。基于该模型,研究区研究区表层土壤含水率整体较低,体积含水率不高于0.15 cm~3/cm~3的面积分别占96.47%(8月)和94.8%(9月)。总体上从东到西,由北到南土壤含水率逐渐降低,与实测表层土壤样本的描述性统计结果有较好的空间一致性。     

能量指数法在黑龙江干旱监测中的适用性研究

基于MODIS产品资料,结合土壤墒情实测数据,就能量指数法在黑龙江省农业干旱遥感监测中的适用性展开研究。结果表明:能量指数法的监测效果明显优于热惯量法和植被供水指数法,同时该方法还解决了其他方法不能连续监测土壤含水量的问题,适用于各种植被覆盖条件下以及各种土层深度的干旱监测。同时,运用多年资料分时、分层建立了基于能量指数法的土壤水分反演模型,模型的拟合效果在50cm深度时最好,20cm深度次之,10cm深度稍差。此外,模型在2009年黑龙江省干旱监测应用中的效果表明,反演结果与实际情况基本一致,能较好地反映黑龙江省旱情的空间分布和发展过程。     

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。     

土地利用数据在TVDI干旱监测方法中的应用研究——以甘肃省河东地区为例

温度植被干旱指数（Temperature Vegetation Dryness Index,TVDI）因其物理意义明确而被广泛应用。然而不同土地利用类型的植被指数（Ⅵ）、陆地表面温度（LST）存在一定的差别,这种差别可能在利用TVDI监测干旱时带来一定的影响。以甘肃省河东地区为例,探讨了TVDI方法在研究区的适用性及土地利用类型对TVDI指数监测干旱的影响。结果表明:（1）TVDI对河东地区的庆阳、平凉、临夏、定西北部、甘南等地土壤相对湿度（RSM）有一定的指示作用,但对定西市南部地区、陇南地区、天水市的指示相对较差;（2）用不同土地利用类型的遥感数据建立的特征空间,能够提高TVDI对RSM指示的准确性和合理性。一方面,农地类型的TVDI值有所下降而林地、草地类型的TVDI值有所升高,这在陇东及甘南局部地区取得较好的改进作用;另一方面,历史TVDI各区间站次统计表明,经过土地利用类型数据的改进,TVDI值的分布范围得以扩大,从0.5～0.9扩大为0.2～0.9,这与实际RSM的分布特征有更好的对应,有利于区分不同干旱等级的RSM。     

基于TVDI的沁水煤田地表土壤水分时空演变分析

温度植被干旱指数（Temperature Vegetation Dryness Index,TVDI）是表征地表干旱的有效指标,其时空格局分析是地表干旱与全球环境变化相互影响下的地表覆被变化的研究内容。以山西沁水煤田为研究区,结合2000—2010年MODND1M和MODLT1M数据,构建了NDVI-Ts特征空间并对干湿边拟合分析。结果表明:近11年来,沁水煤田年平均TDVI均大于0.4,且总体呈显著增加趋势,地表土壤湿度很低,部分区域处于中度和重度干旱之间。年度内,月平均TVDI处于0.5~0.7之间,且7月份TDVI存在明显波动。在空间上,研究区地表土壤湿度分布与地表植被分布基本一致。煤田南部和东部以干旱和极干旱为主,西北山区地带以正常或湿润为主,矿区密集区土壤湿度含量明显低于其他地区,矿井分布附近较其他区域地表干旱现象突出。     

利用温度植被干旱指数（TVDI）方法反演杭州伏旱期土壤水分

利用MODIS资料构建了杭州地表温度（Ts）-增强植被指数（EVI）的特征空间,拟合了特征空间中的干、湿边方程,计算了温度植被干旱指数（TVDI）,并推导出利用TVDI和干、湿边土壤水分计算土壤含水量的方程。在计算TVDI的过程中,为了减少高程的影响,利用数字高程模型（DEM）对Ts进行了订正;利用同期野外实测土壤湿度数据计算了干边上的土壤水分值,从而反演杭州2006年伏旱期8月份每隔16d的平均土壤含水量。结果表明：①TVDI方法能反演杭州伏旱期土壤表层水分,实测值与预测值之间平均绝对误差在15个百分点左右。②高程校正后的TVDI能更好的反映土壤水分,与校正前相比,平均绝对误差减少5个百分点,基本满足业务需要。