不同植被覆盖下土壤水分遥感监测方法的比较研究

为了研究不同植被覆盖程度下多种土壤水分遥感监测模型的适用性,提高大面积土壤水分遥感监测的可行性和精度,本研究利用辽宁省52个气象站2008—2010年土壤相对湿度人工观测资料以及对应时段的卫星遥感资料,采用热惯量、能量指数、植被供水指数法进行土壤水分的遥感监测,在低、中、高植被覆盖条件下对比3种定量反演土壤水分的遥感模型,并与人工观测资料建立线性、指数、对数拟合。结果表明：在中低植被覆盖期,热惯量法最适合,与0~20 cm的平均土壤相对湿度的对数相关最好;高植被覆盖期,能量指数法稍好于植被供水指数法,与0~10 cm的平均土壤湿度的对数相关最好。     

基于MODIS数据的海南岛干呈监测研究

利用NASA提供的MODIS陆地产品NDVI和LST,采用植被供水指数法对海南岛2010年1～4月的地表干旱情况进行遥感监测,将监测结果与同期的综合气象干旱指数对比分析。结果表明:对于植被覆盖度较高的热带岛屿海南岛,利用植被供水指数进行干旱的动态监测是可行的,MODIS数据可很好地满足大范围的实时动态监测。2010年1～4月间VSWI遥感监测分析显示海南岛地表干旱存在着明显的区域差异,西南沿海比中东部严重,在此期间干旱有持续加重的发展趋势。     

淮河流域干旱的时空分布特征

淮河流域是我国农作物主要种植区,为了深入认识淮河流域干旱现状及其特征、探究干旱发生规律,减少干旱对农作物造成的不利影响。以淮河流域为研究区域,选取土壤相对湿度作为干旱评价指标,以2010-2019年MODIS数据为数据源,计算出表观热惯量指数(ATI)和植被供水指数(VSWI),根据地表植被覆盖度的不同,筛选出合适的ATI和VSWI指数,然后分别与实测土壤相对湿度数据分别进行回归建模,得到拟合方程,最后,通过反演得到的土壤相对湿度数据来阐述淮河流域干旱的时空分布特征。结果表明:①干旱一年四季都会发生,干旱笼罩面积大小关系为:冬季>秋季>春季>夏季;②淮河流域冬小麦生长季较夏玉米生长季发生干旱的范围广;③从空间上来看,淮河流域东部、东北部、西南部的干旱范围较广,干旱的覆盖范围大小具体有:西南部和东北部>西北部和东南部,东北部>东南部,西南部>西北部。     

基于不同植被指数的VSWI在河南省春季干旱监测中的应用分析

干旱是一种常见的自然灾害,严重影响着我国的农业生产,而河南省的春旱发生最为频繁。因此,以河南省为研究区,在分析河南省春季归一化植被指数（NDVI）、增强型植被指数（EVI）以及修正土壤调节植被指数（MSAVI）变化规律的基础上,构建其相应的遥感植被供水指数（VSWI）,分析比较了这3种植被指数构建的VSWI在反映土壤干湿状况时的差异,讨论了VSWI_N、VSWI_E以及VSWI_M与长时间序列降水的相关性。结果表明：VSWI与河南春季土壤相对湿度具有一定的正相关关系,VSWI_E、VSWI_M较VSWI_N更适合监测表层水分变化信息,总体来说,VSWI_E效果最好,而且,通过比较春季降水距平百分率（PA）发现,2000年是近30年春季最旱的一年。因此,选择利用EVI构建的VSWI监测2000年河南省春季干旱的时空演变规律,利用EVI构建的VSWI_E总体上更适用于监测河南省的春季干旱。     

2006年重庆特大干旱期间的遥感监测应用研究

本文根据MODIS数据,基于植被供水指数法（VSWI）,通过对2006年6月10-9月21日期间的12个时相的全市干旱空间分布状况分析,得到了2006年重庆特大干旱期间从旱情发生-旱情加重-局部缓解-旱情再次加重-旱情彻底缓解的整个演变过程。为了验证VSWI方法对2006年重庆特大干旱监测的准确性,结合全市同时期170土壤墒情监测站的土壤湿度资料,对此次监测过程进行了验证。结果表明：基于MOIDS数据的植被供水指数法可以对重庆市夏季干旱进行实时监测和有效反馈,VSWI与土壤湿度有较好的负相关关系,同时VSWI指数与土壤墒情数据的相关性与高程有一定的相关关系。     

基于VSWI的重庆市农业干旱评价研究

利用植被供水指数法,采用土壤实测含水量数据、地表温度和归一化植被指数数据对重庆市2006年特大干旱的时间和空间变化进行评价研究,结果表明：干旱分为3个阶段,其中旱情发生初期（6月26～7月11日）有6．27％和1．21％面积的区域分别处于轻旱和中旱状况,没有重旱的情形;干旱中期（8月13～8月28日）轻旱、中旱和重旱的比例分别为44．80％、13．65％和26．79％;干旱解除期（8月29～9月13日）83．07％的土壤含水量恢复了正常,仅有15．34％处于轻旱,0．88％处于中旱,0．10％处于重旱。空间分布上,在干旱发生的初期,东南部受旱最严重,有20％的区域面积受旱;到干旱中期,旱情向西部发展,西北部受旱最严重,受旱面积高达98％,其次是西南部,其受旱面积达95％;在旱情解除期,东南部和东北部恢复得最快。     

基于MODIS的四川省干旱遥感监测不同方法的比较

针对四川省干旱的特点,以中分辨率成像光谱仪(MODIS)数据为基础,选择温度植被干旱指数法(TVDI)、植被供水指数法(VSWI)、温差植被干旱指数法(DTVDI)三种算法进行比较。首先对数据进行预处理,获取指数信息和地表温度信息,然后利用获取的信息进行分析与计算,最后将这三种方法的干旱指标与实测土壤含水量进行线性相关分析,得到最适合四川省的干旱遥感监测算法。结果表明,TVDI的效果最好,DTVDI和VSWI次之。     

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.     

干旱遥感监测模型在中国冬小麦区的应用

温度植被干旱指数（TVDI）和植被供水指数（VSWI）由于其物理意义明确,且数据易于获取,因此成为近些年在遥感旱情监测中应用较多的两个模型。为更好地完成遥感监测任务,提高精度,以全国冬小麦主产区为研究区域,利用EOS/MODIS数据,构建两个干旱指数模型,对2009年冬小麦作物主要生长时期进行干旱监测应用,并将其与不同深度土壤湿度进行相关分析、线性拟合比较及应用验证,认为两指数与10 cm深度土壤湿度相关性较好,TVDI大部表现为极显著相关,VSWI的相关性表现差于TVDI。基于土壤湿度的遥感旱情监测,TVDI比VSWI更能体现区域旱情变化趋势,其优势更明显。     

FY-3C/MERSI数据应用于陕西省干旱时空动态监测研究

基于FY-3C/MERSI 1 km遥感数据,分别利用植被供水指数模型(VSWI)、归一化干旱指数模型(NDDI)、多波段干旱指数模型(MBDI),对陕西省2014年夏季的干旱过程进行动态监测,结合研究区同时段10 cm土壤相对湿度资料,对3种干旱遥感监测模型的准确性和稳定性进行评价。结果表明:3种遥感监测模型对陕西省2014年夏季干旱过程监测的准确性均有较好表现,其中VSWI的动态监测稳定性更好;MBDI与VSWI对干旱中期干旱程度的反演结果准确性相当,但对于干旱前期与后期,VSWI结果的准确性更好。基于VSWI监测结果,将陕西省分为陕北、关中和陕南地区进行讨论,结果表明FY-3C/MERSI具备对陕西省这次干旱过程进行时空动态监测的能力。