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。     

MODIS数据支持下的西藏干旱遥感监测

干旱的频繁发生已经成为影响西藏农业生产最严重的自然灾害之一,干旱给农业造成的巨大损失引起了各级政府部门的高度重视。对地观测卫星(EOS)中分辨率成像光谱仪(MODIS)传感器因其具有高时间分辨率、高光谱分辨率、适中的空间分辨率等特点,非常适合大范围、长时期、动态的干旱监测。文中利用MODIS数据提取归一化植被指数(NDVI)和地表温度(LST),构建NDVI-TS特征空间,依据该特征空间得到的温度植被干旱指数进行西藏的旱情分析。研究表明:此种方法适用于西藏旱情监测,同时它也是一种便捷、高效和近实时的适合大面积干旱监测的方法。     

内蒙古干旱监测评估方法综合应用研究

在内蒙古土壤墒情和干旱监测评估服务中,通过土壤含水量地面观测与卫星遥感监测的有机结合,达到优势互补,使内蒙古的干旱服务工作达到准确及时。利用土壤相对湿度划分干旱等级,方法简单精确,容易业务化;卫星遥感监测在春季(6月1日以前)采用热惯量法,夏季(6~8月)利用植被指数法,秋季以地面监测服务为主。另外,卫星遥感受监测时间和植物生长特性的影响,监测结论难免出现滞后,尤其对干旱初期的判断就更加模糊,卫星遥感监测更适合在连续大旱的情况下对干旱的动态进行监测评估服务。     

冬小麦生物量遥感监测模型的研究

本文利用１９９２－１９９４年乌兰乌苏农业气象试验站观测农学资料、光谱资料以及同步接收的ＮＯＡＡ／ＡＶＨＲＲ资料，计算了冬小麦生物量与比值植物指数（ＲＶＩ）和归一化差值植被指数（ＮＤＶＩ）的相关系数，并建立了冬小麦生物量的光谱监测模型和气象卫星遥感监测模型，为冬小麦长势的动态监测提供了理论依据。     

基于MODIS干旱指数与RBFNN方法的江苏冬小麦需水关键期土壤水分遥感监测应用

利用遥感指数反演土壤水分已成为监测干旱的重要手段之一,而单一的遥感干旱指数对于反演土壤水分存在一定局限,本研究从7种不同MODIS遥感干旱监测指数中选取适宜的5种并结合径向基函数神经网络（RBFNN）协同反演江苏省2018年冬小麦需水关键期的土壤相对湿度。结果表明：与单一的遥感干旱指数相比,协同RBFNN的遥感干旱指数反演的模型效果更好,与10 cm和20 cm深度的实测土壤相对湿度的相关系数分别达到0.5161和0.4307,能综合多种通道的遥感信息反映当地土壤水分的变化;同时研究利用RBFNN对2017年5月江苏冬小麦10 cm深度土壤相对湿度进行反演,得到的土壤相对湿度分布图与实测土壤墒情结果较为接近,说明利用RBFNN反演模型有效。研究结果提高了土壤湿度的反演精度,为当地农业干旱的实时监测提供了新思路。     

基于Terra-MODIS和NOAA-AVHRR数据的条件植被温度指数干旱监测及其对比分析

以陕西省关中平原为研究区域,选取2000-2009年每年4月上、中、下旬和5月上旬Terra-MO-DIS和NOAA-AVHRR遥感数据,应用条件植被温度指数(VTCI)方法,探究在两种遥感数据源、相同时间尺度下VTCI干旱监测结果的特点和可比性。通过对比分析多年同一旬的VTCI结果发现,两种数据的监测结果反映出的旱情分布规律相同,并且符合实际的干旱情况。尽管两种遥感数据在过境时间、波段数等方面均有所不同,但是两种数据的VTCI结果散点分布呈现出明显的线性相关关系,说明两种数据得到的VTCI干旱监测结果是具有可比性的。     

基于混合型线性双源遥感蒸散模型的南疆绿洲地区干旱研究

利用MOD16蒸散产品数据以及2001—2014年新疆气象站点数据,基于混合型线性双源遥感蒸散模型估算南疆绿洲地区地表蒸散,并对比验证MOD16蒸散产品、反演蒸散量与研究区气象站蒸发皿实测蒸发量之间的关系。定义了蒸散干旱指数EDI,计算EDI距平,分析绿洲地区干旱分布特点,同时对比降水距平来检验干旱监测的准确程度。结果表明:MOD16蒸散产品蒸散量、模型估算蒸散量与蒸发皿实测蒸发量数据的相关性较好,说明利用MOD16蒸散产品数据估算蒸散量可行,也说明估算的蒸散量可信度高;由于绿洲地区北部水分供应更充足,EDI值空间上由南至北呈减小趋势,EDI值年际变化明显且均大于0.6;EDI距平与EDI同向变化,与降水距平反向变化;南疆绿洲地区在2001、2007、2008、2009、2014年的EDI值大于0.66。因此,EDI距平定义了干旱轻重程度界限:EDI临界值为0.66;EDI值越大,EDI距平越大,降水距平越小,干旱程度越严重。     

基于多源遥感数据的温度-土壤湿度-降水干旱指数(TMPDI)的构建与应用

干旱在全球范围内产生了深远的社会和经济影响,可靠的干旱监测对防旱抗旱工作具有重要指导意义.由于在植被覆盖度和农作物种植率较低区域使用植被状态或单因子进行干旱监测时精度较低,故本文采用地表温度(LST)、降水量(P)和土壤湿度(SM)数据,基于三维欧氏几何空间中欧氏距离方法构建了一种新的干旱指数:温度-土壤湿度-降水干旱...     

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。     

A remote sensing-based agricultural drought indicator and its implementation over a semi-arid region,Jordan

The objective of the study was to develop a remote sensing(i.e., Landsat-8 and MODIS)-based agricultural drought indicator(ADI) at 30-m spatial resolution and 8-day temporal resolution and also to evaluate its performance over a heterogeneous agriculture dominant semi-arid region in Jordan. Firstly, we used principal component analysis(PCA) to evaluate the correlations among six commonly used remote sensing-derived agricultural drought related variables. The variables included normalized difference water index(NDWI), normalized difference vegetation index(NDVI), visible and shortwave drought index(VSDI), normalized multiband drought index(NMDI), moisture stress index(MSI), and land surface temperature(LST). Secondly, we integrated the relatively less correlated variables(that were found to be NDWI, VSDI, and LST) to generate four agricultural drought categories/conditions(i.e., wet, mild drought, moderate drought, and severe drought). Finally, we evaluated the ADI maps against a set of 8-day ground-based standardized precipitation index values(i.e., SPI-1, SPI-2, …, SPI-8) by use of confusion matrices and observed the best results for SPI-4(i.e., overall accuracy and Kappa-values were 83% and 76%, respectively) and SPI-5(i.e., overall accuracy and Kappa-values were 85% and 78%, respectively). The results demonstrated that the method would be valuable for monitoring agricultural drought conditions in semi-arid regions at both a reasonably high spatial resolution(i.e., 30-m) and a short time period(i.e., 8-day).     

Development of a large-scale remote sensing ecological index in arid areas and its application in the Aral Sea Basin

The Aral Sea Basin in Central Asia is an important geographical environment unit in the center of Eurasia.It is of great significance to the ecological protection and sustainable development of Central Asia to carry out dynamic monitoring and effective evaluation of the eco-environmental quality of the Aral Sea Basin.In this study,the arid remote sensing ecological index(ARSEI)for large-scale arid areas was developed,which coupled the information of the greenness index,the salinity index,the humidity index,the heat index,and the land degradation index of arid areas.The ARSEI was used to monitor and evaluate the eco-environmental quality of the Aral Sea Basin from 2000 to 2019.The results show that the greenness index,the humidity index and the land degradation index had a positive impact on the quality of the ecological environment in the Aral Sea Basin,while the salinity index and the heat index exerted a negative impact on the quality of the ecological environment.The eco-environmental quality of the Aral Sea Basin demonstrated a trend of initial improvement,followed by deterioration,and finally further improvement.The spatial variation of these changes was significant.From 2000 to 2019,grassland and wasteland(saline alkali land and sandy land)in the central and western parts of the basin had the worst ecological environment quality.The areas with poor ecological environment quality are mainly distributed in rivers,wetlands,and cultivated land around lakes.During the period from 2000 to 2019,except for the surrounding areas of the Aral Sea,the ecological environment quality in other areas of the Aral Sea Basin has been improved in general.The correlation coefficients between the change in the eco-environmental quality and the heat index and between the change in the eco-environmental quality and the humidity index were–0.593 and 0.524,respectively.Climate conditions and human activities have led to different combinations of heat and humidity changes in the eco-environmental quality of the Aral Sea Basin.However,human activities had a greater impact.The ARSEI can quantitatively and intuitively reflect the scale and causes of large-scale and long-time period changes of the eco-environmental quality in arid areas;it is very suitable for the study of the eco-environmental quality in arid areas.     

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。     

归一化水体指数用于河南省干旱监测适用性分析

利用30 m分辨率的归一化植被指数（NDVI）图像信息熵对河南省气象站周边地表异质性进行分析,选取观测站周围地表较为均匀的站点实测土壤水分数据,通过计算归一化水体指数（NDWI）与实测土壤水分之间的相关系数,分析比较NDWI用于干旱监测的适用性。研究表明：信息熵方法可有效地对土壤水分观测数据进行筛选;在时间序列上,各站点实测值与NDWI具有负相关关系,在增强型植被指数EVI>0.4时相关性更高,说明在植被覆盖高的区域NDWI对土壤水分的反演更为敏感;空间上,根据地形将河南省分为北部、中部、南部和西部4个区域并选取第121、201、313天的土壤水分数据来分析与NDWI之间的相关性,在地形较为平坦的中北部地区NDWI与土壤水分之间负相关性最稳定且相关系数较高。根据NDWI空间分布可知,2014年河南省大部分地区均遭受了干旱,且干旱地区大部分位于平原,特别是北方地区受灾严重。总体来说,NDWI用于平原地区对作物进行干旱监测精度较高,并可预测干旱发展趋势及程度。     

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。     

基于热红外遥感的小麦条锈病菌越夏区精准勘界

为减少小麦条锈病菌越夏区勘界的人力作业成本和劳动强度,实现大尺度、精准勘界,本研究采用一套基于卫星和地理信息技术的新方法进行小麦条锈病菌越夏区勘界,利用2009年7月的Landsat-5卫星图像,截取甘肃省陇南地区热红外遥感影像,利用辐射传输方程对影像进行地表温度反演,通过反演温度实现对该区域的小麦条锈病菌越夏区精准勘界。结果表明:辐射传输方程L_λ=[ε·B(T_s)+(1-ε)L↓]·f+L能较好地反演Landsat-5卫星的热红外遥感影像,建立辐射温度与气温温度的拟合方程t=0.81T-216.52,拟合度较好,R~2为0.61。使用ENVI和Google Earth软件能将反演的温度和地理信息实现图层叠加,并能精准定位到小麦条锈病菌越夏区范围内的村庄及田块。这一技术可实现跨省份、跨地区大面积的遥感监测与调查,并且不受时间、空间限制。随着卫星技术和信息技术的发展,这一方法能使与温度相关的勘界调查精度更高。