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。     

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TVDI的艾比湖地区土壤水分时空变化分析

以艾比湖湿地为研究区,利用2003年5月和2013年5月Landsat遥感影像,提取了地表温度(Ts)和植被指数(NDVI)反演温度植被干旱指数(TVDI),并构建特征空间,分析了土壤水分的时空变化。试验结果表明:TVDI可有效反演区域土壤水分,且精度较高;自2003—2013年共10a的时间跨度下,艾比湖地区土壤水分空间分布由湖区向周边地区呈减少趋势;湿润、正常和轻旱面积减少,干旱和重旱面积增加,呈现"两增三减"的趋势。区域土壤水分分布情况不容乐观,仍需加强当地水资源管理,以保障区域生态系统的正常运转。     

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。     

基于遥感温度植被干旱指数的小蠹虫害预警

针对小蠹虫对森林的危害隐蔽强,症状滞后性明显,在其早期发生时进行遥感识别非常困难。该文基于干旱和虫害存在一定的时滞相关性的假设,提出基于温度植被干旱指数(temperature vegetation dryness index,TVDI)预报小蠹危害的方法。以遭受大面积连续干旱和小蠹危害的云南省中部的石林县为案例区,利用Landsat数据,建立归一化植被指数(normalized difference vegetation index,NDVI)-地表温度(land surface temperature,Ts)特征空间,估算逐像元TVDI。基于地面小班调查的虫害等级数据(健康、轻度、中度和重度4个等级),比较不同虫害等级斑块TVDI差异。同时,以持续干旱2011年轻度受害区为例,结合受害前后云南松林NDVI差值(difference of NDVI before and after the forest attacked by bark beetles,d NDVI)表征实际受害程度的方法,建立TVDI与d NDVI的关系,对2012年进行预测。结果表明,2010-2015年,受害区整体呈下降趋势,TVDI由西向东逐渐变大。健康云南松林TVDI显著高于虫害云南松林(P0.05),且虫害越严重,TVDI越小;2011年,TVDI与d NDVI呈显著负相关(P0.05),可以用线性模型进行拟合,拟合决定系数R2为0.322。采用模型对2012年实际发生情况进行预测,得到预测与实测d NDVI均方根误差RMSE为0.237。在整体干旱的环境下,相对湿润的地方小蠹虫害更严重。因此,可以根据TVDI空间分布特征,找出TVDI相对较小的区域,作为虫害可能发生的重点关注区域,该研究对及时发布虫情监测信息有建设性的意义。     

基于TVDI和Landsat-8的喀斯特峡谷区干旱监测

[目的]探索适用于喀斯特地表干旱遥感监测的技术方法,为石漠化治理监测以及抗旱减灾工作提供技术参考。[方法]运用大气校正法反演地表温度(Ts)和归一化植被指数(NDVI),构建花江峡谷区2013年、2014年和2015年旱季的温度—植被干旱指数(TVDI),并结合地面实测数据对TVDI作为旱情指标进行了验证。[结果](1)反演的TVDI与同时期实测的0—10cm土壤体积含水量数据呈显著的负相关关系(p0.05)。(2)3个时期的干旱等级以轻旱为主;轻旱、干旱和重旱累计面积占全区比重大,呈现2014年旱情重于2015年和2013年的特点。(3)3个时期的旱情在空间分布上,湿润和正常等级在地形上主要分布在海拔900～1 100m地带,15°～35°的斜坡和缓陡坡,以及阴坡和半阳坡;在石漠化等级上,主要分布在无石漠化区、轻度石漠化区和潜在石漠化区;在土地利用类型中主要分布在有林地、旱地、灌木林地和其他林地。轻旱、干旱和重旱在地形上主要分布在海拔500～900m,6°～25°的缓坡和斜坡,以及阳坡和半阳坡;在石漠化等级上,轻旱和干旱主要分布在轻度石漠化区、潜在石漠化区、中度石漠化区和强度石漠化区,重旱主要分布在非喀斯特区;在土地利用类型上,轻旱、干旱和重旱主要分布在旱地、园地和其他林地。[结论]TVDI可作为研究区的干旱监测指标,基于TVDI和Landsat-8数据的干旱监测方法在喀斯特峡谷区具有一定适用性。     

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SPEI和TVDI的河南省干旱时空变化分析

近年来干旱在中国频发且影响不断加剧,因此监测干旱对气候变化、农业生产都有重要意义。基于1961-2016年56年的气象资料,利用标准化降水蒸散指数(SPEI)定量地分析了河南省不同时间尺度(1、3、6和12个月)的干旱发生的时空变化特征和强度;另外采用温度植被干旱指数(TVDI)分析了河南省的区域面积上的干旱空间变化,并探讨了SPEI和TVDI的相关性。结果表明:1961-2016年56 a间,SPEI值在各时间尺度上都呈微弱的湿润化,随着时间尺度的增大,SPEI值波动幅度减小;河南省各地区干旱分布不均匀,发生干旱年的是1961、1965、1966、1968、1972、1976、1978、1981、1986、1988、1997、2001、2013共13年,与实际情况较为一致。在月时间尺度上,SPEI与TVDI的相关性分析表明,SPEI-1与TVDI呈负相关关系,即TVDI越小,SPEI的值越大,干旱程度越轻;TVDI越大,SPEI的值越小,干旱程度越严重。研究结果可为河南省干旱影响评估提供参照标准。     

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。     

基于温度植被干旱指数的黑龙江省20年干旱时空特征研究

为了探讨2000—2019年黑龙江省的干旱时空变化特征,通过利用MODIS的归一化植被指数和地表温度产品计算温度植被干旱指数(TVDI),对20 a的5—9月农业干旱进行了监测。结果表明：(1)从时间上来看,2000—2006年干旱较严重、2007—2013年干旱减弱、2014—2019年干旱震荡减弱,其中2006年、2009年和2015年极端干旱情况最重,年平均干旱有显著减弱趋势而极端干旱未通过显著性检验分析。年内5月是全省干旱最严重时期,6月和9月干旱次之,7月和8月干旱较弱。(2)从空间上来看,根据干旱频率高低强度大小将全省划分为重风险区、中风险区和低风险区,年干旱特征为讷河市、甘南县、齐齐哈尔市、龙江县、林甸县、泰来县、大庆市、肇源县和杜尔伯特县属重风险区,西部地区和宝清县、富锦市、友谊县、集贤县、勃利县和宁安市属中风险区,北部、中部和东北部地区属低风险区。(3)逐月干旱空间特征表现为西部地区、宁安市、勃利县、鸡东县、友谊县、宝清县和集贤县等地区5月干旱发生频率高、强度大,西部部分地区6月持续高频率高强度干旱,大庆市周边及泰来县、龙江县、甘南县、齐齐哈尔市、讷河市等地区9月干旱...     

利用SPOT数据进行干旱监测的应用研究

植被状态与环境干湿程度密切相关,而归一化植被指数(NDVI)是植被状态的最直接表现.利用NOAA/AVHRR对植被生长环境的干旱监测研究已较成熟,并积累了一些如距平植被指数等快速、便捷的干旱监测方法.利用比利时佛莱芒技术研究所提供的1998-2006年SPOT VGT数据,采用距平植被指数干旱监测方法,对宁夏回族自治区2000年春末夏初遭遇的特大干旱进行监测,并用1998-2005年平均分布于全区的各气象监测点观测数据进行验证.结果表明,利用SPOT VGT数据能够较准确地监测出干旱发生的范围和相应的干旱程度,基于SPOT VGT数据的距平植被指数干旱监测模型可以作为一种快速、便捷的干旱监测方法,在实践部门进行推广应用.     

基于MODIS数据温度植被干旱指数干旱监测指标的等级划分

采用2000—2014年每年6—9月的黑龙江省MODIS数据,计算温度植被干旱指数（TVDI）。以过去15 a的全省40个旱作农业站点以旬为单位的土壤相对湿度为研究对象,与MODIS数据得到的TVDI相对应,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。结果显示:TVDI被分为5个等级,TVDI < 0.46为无旱,TVDI在0.46~0.57为轻旱,TVDI在0.57~0.76为中旱,TVDI在0.76~0.86为重旱,TVDI≥0.86为特旱。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%。证实了该等级划分结果的准确性。     

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。     

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TVDI和气象数据的陕西省春季旱情时空分析

陕西省居于中国腹地,受干旱影响严重,开展遥感旱情监测工作,认识旱情的时空特征具有重要的现实意义。利用MODIS产品MOD11A2和MOD13A2构建NDVI-Ts特征空间,获取陕西地区温度植被干旱指数(Temperature Vegetation Dryness Index,TVDI),在利用土壤湿度和气象指数验证了TVDI反映旱情有效性的基础上,以TVDI为干旱指标分析了2000—2015年陕西省春季(2—5月)旱情的时空变化特征。结果表明:(1)土壤相对湿度和降水量与TVDI均呈负相关,TVDI对降水量存在一定的滞后性;(2)近16年来,陕西省年年有旱,但春季旱情总体呈逐年减轻的趋势,年内2—5月旱情会逐渐加重;(3)空间上,近16年来陕西省春旱较为严重的地区主要分布在陕北北部以及关中东北部,而陕北南部、关中西南部及陕南地区旱情较轻。