基于温度植被干旱指数(TVDI)的甘肃省农业干旱监测方法研究

改进温度植被干旱指数(Temperature Vegetation Dryness Index,TVDI)并明确TVDI的农业干旱等级阈值,对提高TVDI指数监测农业干旱能力有重要意义。利用近19 a的MODIS(Moderate Resolu⁃tion Imaging Spectro-radiometer,MODIS)遥感数据,基于单时次和多时次方法构建NDVI(Normalized Difference Vegetation Index,NDVI)-LST(Land Surface Temperature,LST)、EVI(Enhanced Vegetation In⁃dex,EVI)-LST、RVI(Ratio Vegetation Index,RVI)-LST、SAVI(Soil-Adjusted Vegetation Index,SAVI)-LST等几种特征空间,讨论TVDI计算方法,分析TVDI在甘肃省农业干旱监测中的适用性,并明确甘肃省夏季TVDI农业干旱分级标准。结果表明:(1)基于多时次方法构建的SAVI-LST特征空间TVDI更适合甘肃省农业干旱监测,其对土壤相对湿度(Relative Soil Moisture,RSM)拟合的均方根误差(Root Mean Squared Error,RMSE)和平均绝对误差(Mean Absolute Error,MAE)比NDVI-LST特征空间TVDI对RSM拟合的RMSE和MAE下降1%~5%;(2)TVDI适用于夏季甘肃省半干旱区、半湿润区、湿润区等非干旱区浅层10、20 cm土壤深度的农业干旱监测,RMSE和MAE约15.6%和12.6%,拟合误差湿润区<半湿润区<半干旱区;(3)利用TVDI与RSM线性关系确定的TVDI农业干旱等级更有利于提高TVDI监测农业干旱的准确性。

基于温度植被干旱指数的关中地区旱情监测

及时准确地进行区域尺度的干旱监测对于保障农业生产和保护粮食安全具有重要指导意义。该研究基于2001—2020年的MOD11A2地表温度8 d合成产品与MOD13A1植被指数16 d合成产品,通过地表温度(land surface temperature,LST)和归一化植被指数(normalized difference vegetation index,NDVI)数据构建NDVI-LST特征空间,获取关中地区2001—2020年20 a时间序列的温度植被干旱指数(temperature vegetation dryness index,TVDI),分析关中地区干旱时空分布演变特征和干旱影响成因,探索其未来演变趋势。结果表明:1)关中地区近20 a来TVDI平均值为0.57,干旱类型整体上属于正常的干旱状态,82.00%的地区干旱变化状况为稳定不变,渭河冲积平原干旱程度较为严重,其次是渭北旱塬地区,南部秦岭地区较为湿润;2)关中地区未来干旱情况有所缓解,7.71%的研究区将持续变湿,36.24%的地区由干变湿;3)关中地区的TVDI值与海拔、坡度、降水量呈现负相关,与气温呈现正相关关系,林地、草地覆盖对缓解干旱具有积极意义。温度植被干旱指数从区域尺度上实现了干旱状况的定量化表征,在关中地区具有较好的适用性,遥感干旱监测结果可为关中地区抗旱对策的制定提供理论基础和科学依据。

基于温度植被干旱指数的衡邵干旱走廊监测分析

衡邵(衡阳-邵阳)干旱走廊是湖南省旱灾发生最频繁、最广泛、最严重的地区,干旱给衡邵地区人们的生活产生了巨大影响,对衡邵地区进行相关监测,这不仅与该地区社会经济和生态环境发展有关,也对保护我国南方地区生态环境起到了至关重要的作用。利用2016-2020年1月、4月、7月和11月的MODIS地表温度产品提取地表温度(LST)、植被指数产品提取归一化植被指数(NDVI),通过构建特征空间,得到温度植被干旱指数(TVDI)等级分布图。结果表明:(1)在空间分布上,衡邵干旱走廊地区东南部每年都会发生旱灾,南部受旱情影响大于北部;(2)在时间分布上,7月份旱情以重旱和中旱为主,其中重旱区域面积占18.56%,中旱区域面积高达50.28%。同时,用降水距平和温度插值进行验证,发现TVDI能较好地反映干旱情况。

基于遥感温度植被干旱指数的宁夏2000-2010年旱情变化特征

为了探讨近10 a来宁夏的旱情变化特征及演变趋势,利用MODIS的地表昼夜温度数据计算昼夜温差,结合归一化植被指数产品计算温度植被干旱指数(temperature vegetation dryness index,TVDI),对2000-2010年的逐月干旱进行了监测,并分析其与气象干旱和农业受旱灾情况的关系。研究结果表明,从空间上来看,宁夏干旱发生频率和强度最高的是中部干旱带,次之是南部丘陵山区,而较少发生干旱的是北部引黄灌区,其中南部六盘山和北部贺兰山林区也很少受干旱影响;在2000-2010年间有3次明显的极端干旱过程,分别是2000、2005和2009年;从旱情变化趋势来看,近10 a来宁夏平均干旱强度在减弱,但极端干旱事件有增强的趋势,且春、夏季显著增强,而秋、冬季显著减弱;宁夏TVDI的变化主要取决于降水量,年平均TVDI、年最大TVDI与降水量、标准化降水指数和标准化降水蒸散指数均呈负相关关系,除年平均TVDI与降水量(P=0.08)和标准化降水指数(P=0.06)的相关性未通过显著性检验外,其他均通过了P<0.05的显著性检验,但TVDI与气温关系不大,这与当地的土地利用格局及植被类型有关;农业受旱灾面积与年平均TVDI有关,二者相关关系为0.69(P<0.05),而与年内单次极端干旱强度关系不大;从不同季节来看,夏季干旱最容易导致宁夏农业减产,次之是春季和秋季干旱,而冬季干旱几乎对农业生产没有影响。该研究可为地方政府制定抗旱救灾和农业生产政策提供一定参考。

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。

温度植被干旱指数(TVDI)在草原干旱监测中的应用研究

以内蒙古锡林郭勒盟地区为研究对象,选取2010年研究区旱情发生显著变化的9、10月份的MODIS植被指数和陆地表面温度数据,构建草原地区NDVI-LST和EVI-LST特征空间,进而由此构建了草原地区的温度植被干旱指数(TVDI),并结合当地气象数据和野外同步实地测量得到的土壤含水量数据对该指数进行定量验证。结果表明:(1)基于EVI-TS特征空间构建的TVDI,同样适用于旱情研究;且在研究区植被覆盖度不高的条件下,基于NDVI-TS特征空间的TVDI更适用于干旱监测;(2)构建的NDVI-TS和EVI-TS特征空间,其散点图符合三角形的关系,与前人研究成果相符;(3)TVDI可以很好地反映研究区的旱情变化情况,可以对研究区进行旱情动态监测;(4)基于NDVI-TS及EVI-TS空间构建的TVDI均与实地同步野外采集的土壤含水量数据结果显著负相关。且通过对基于TVDI的干旱监测结果与研究区实际情况对比分析发现,两者在旱区分布范围、旱情强度等级、干旱发展进程等方面基本吻合,说明TVDI可以在时间上很好监测旱情变化,TVDI可以用来评价草原干旱状况。

使用温度植被干旱指数法(TVDI)反演新疆土壤湿度

利用MODIS合成产品数据MOD11A2和MOD13A2获取的归一化植被指数(NDVI)和陆地表面温度(Ts)构建Ts-NDVI特征空间,依据该特征空间计算的温度植被干旱指数(TVDI)作为土壤湿度监测指标,反演了新疆8、9两个月份每16d的土壤湿度。使用野外与卫星同步采样的土壤湿度数据进行验证,发现TVDI指标与实测土壤湿度数据显著相关,能够较好地反映表层土壤湿度,反映的新疆土壤湿度的空间分布与新疆的年降水量分布、年平均相对湿度分布很吻合;同时表明8、9两个月份期间新疆土壤湿度低的区域在不断扩大。

基于温度植被干旱指数的广东省旱情动态监测

广东省饱受季节性干旱的困扰,开展遥感旱情监测工作具有重要的现实意义。利用MODIS数据构建温度植被指数特征空间,采用线性拟合的方法提取干湿边,计算广东省2011年温度植被干旱指数(TVDI),以该指数为依据分析了广东省旱情的时空分布,得到了以下主要结论:1)随着EVI的增加,陆地表面最大温度减小,最大地表温度和最小地表温度差值呈减小趋势,且地面温度的最大和最小值与EVI呈近似线性关系。EVI-TS特征空间的季节变化明显,随着温度降低,EVI-TS特征空间明显萎缩。随着年内温度的变化,EVI-TS特征空间的干湿边截距也发生相应变化,即冬季截距较小,夏季截距较大。2)2011年广东省的冬旱非常严重,春季和秋季也有一定程度的干旱。其冬旱和春旱的地域分布相似,均呈现自北向南逐渐加重的趋势,且沿海地区重于内陆。秋旱的地区分布特点与冬春旱相反,大致呈自南向北逐渐加重的趋势。结合广东省历史气象资料对干旱监测结果进行评价,结果表明遥感监测结果与实际旱情较吻合。3)比较了TVDI与土壤湿度的相关性,结果表明TVDI可以体现土壤湿度状况,两者呈负相关关系。将TVDI和主要气象因子做了相关性分析,从结果可以看出,TVDI与降水量、温度和相对湿度间都呈负相关关系。从相关系数来看,TVDI与降水量之间的相关性最高。从气象站尺度来说,TVDI对降水的变化是敏感的,即连续降水可导致TVDI值下降,旱情得到缓解;持续无降水可使TVDI值增加,旱情加重。

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-3VIRR 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-3VIRR 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-3VIRR 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黄河源区土壤表层含水量反演

为了对黄河源区的土壤表层含水量进行反演与时空分析,利用黄河源区2006年第65—321天MODIS温度和植被指数产品数据,计算了温度植被干旱指数(TVDI),构建了不同像元尺度窗口的LST/NDVI斜率与实测表层土壤相对含水量之间的线性关系,比较了不同尺度像元窗口的拟合效果。分析结果表明:9×9像元窗口的拟合效果(回归系数R2为0.65)优于其他像元窗口尺度;季节尺度的拟合精度(回归系数R2为0.76)优于长时间序列的拟合精度;夏季模拟值与实测值的均方根误差为0.09,模拟精度满足实验要求,可用于黄河源区短时间序列的土壤表层含水量反演。

利用温度植被干旱指数反演三峡库区土壤水分

土壤水分是监测土地退化的一个重要指标,是气候、水文、生态、农业等领域的主要参数,在地表与大气界面的水分和能量交换中起重要作用。传统的监测土壤水分的方法只能得到单点的数据,很难获得大范围地区的土壤湿度。遥感能够快速方便地获取大区域的地表信息,因此使用遥感监测土壤水分意义重大。主要利用了温度指标干旱指数对三峡库区进行土壤水分反演及其验证。利用TM6波段的亮温方程,计算得出地表温度(Ts),以TM3、TM4波段计算得出归一化植被指数(NDVI);把Ts和NDVI作为基本参数,根据Ts-NDVI特征空间的形状,取中间范围的NDVI,拟合干湿边方程,确定干湿边参数;根据温度植被干旱指数(TVDI)进行土壤湿度等级划分。结果表明,利用TVDI可以很好地反演出地表的土壤湿度信息。

FY-3A/MERSI与MODIS的温度植被干旱指数反演及对比分析

为了探讨近年来被广泛使用的MODIS数据以及我国的FY-3A/MERSI数据对同一地区同一时刻的旱情所得的温度植被指数的差异以及可比性,选择我国四川省旱灾频发的攀西地区为研究区,分别反演MODIS-TVDI和MERSI-TVDI,并探讨两者监测结果的特点以及可比性。结果发现:(1)MERSI数据的干湿边线性拟合系数要高于MODIS数据。(2)MODIS-TVDI与MERSI-TVDI的差值变化范围在-0.12到0.23,差值均值为0.11,MODIS数据的监测结果比MERSI数据的监测结果略大。(3)MODIS-TVDI与MERSI-TVDI在各类地物的反演结果上都具有较高的一致性,其中林地R2最高为0.944。(4)MODIS-TVDI、MERSI-TVDI与当前月份降雨量存在显著负相关,其线性相关系数分别为-0.83,-0.91,两者干旱监测结果是可信的。

基于温度植被干旱指数的兖州煤田煤炭开采影响边界遥感提取

为识别植被覆盖区煤炭开采的生态影响边界,该文以兖州煤田为研究区域,应用温度植被干旱指数TVDI(temperature vegetation drought index)反演沉陷积水区外围的土壤湿度空间分布特征,利用MATLAB拟合TVDI变化趋势并依据其趋于稳定的渐近线,反解煤炭开采活动对矿区生态的影响边界,将其与采用MSCS(mining subsidence prediction system,MSCS)软件预计获得的下沉10 mm沉陷边界进行对比。结果表明:不同距离的TVDI中位数随距积水区边缘距离的变化表现为先增加后趋于平稳、呈指数变化特征;基于TVDI分析得到的煤炭开采的非积水影响范围,仅相当于沉陷积水面积的2.07倍,预计沉陷非积水面积与预计沉陷积水面积之比为4.63倍。通过模型拟合遥感指数随距离的变化特征,能够获得煤炭开采的影响边界;兖州煤田基于TVDI获取的煤炭开采影响面积,相对小于预计的开采沉陷面积。该研究可为确定煤炭开采对生态影响的边界提供参考。

基于温度植被干旱指数的云南干旱遥感监测

土壤水分是干旱监测的一个重要指标,应用中分辨率成像光谱仪(MODIS)数据,利用归一化差值植被指数(NDVI)和分裂窗法反演的地表温度建立的NDVI-Ts特征空间中,得到温度植被干旱指数(TVDI),很好地表征了土壤水分的空间分布,从而实现干旱的监测。对云南省2009年1月、3月和2010年1月、4月干旱的时间、空间特性进行监测,监测结果表明冬春季旱情分布比较广,受旱面积均超过70%,其中重旱主要发生在滇西南和滇中北部,并且从冬季到春季,整个旱情均出现由南向北发展的趋势,发生干旱总面积在减少,但旱情等级在提高,春季重旱比冬季重旱面积大。应用相关研究成果对干旱监测结果进行验证,结果表明利用温度植被干旱指数(TVDI)进行干旱监测,干旱发生范围与实际干旱发生情况是基本吻合的,其中重旱的主要集中区域在空间分布上是基本一致的,监测结果可信,能够为相关决策部门提供有力的信息支持。

基于温度植被干旱指数法(TVDI)的朝阳县干旱监测

利用Landsat 8数据,将归一化植被指数(NDVI)和地表温度(Ts)结合建立二维特征空间,依据二维特征空间分布图拟合干、湿边方程,进而计算温度植被干旱指数(TVDI),并对旱情分布进行分析和评价。利用土壤含水率实测值与反演的地表温度建立模型,并通过模型反演出土壤含水率与实测值进行精度检验。结果表明,随着归一化植被指数的增加,最大地表温度(Tsmax)随之减小,最小地表温度(Tsmin)基本上随之增大,Tsmin和Tsmax的趋势线交汇于一点组合成近似的三角形形状;2016年5—8月,朝阳县全县范围内基本都存在不同程度的旱情,其中6月份旱情最为严重;TVDI与不同深度的土壤含水率的相关性显著,可以较好的实现对旱情的监测。

基于温度植被干旱指数的湖南省林地干旱反演研究

湖南省森林资源丰富,森林覆盖率达47.77%,但森林资源质量不高,抗逆能力较差;旱灾和因旱灾引发的次生灾害可能会成为湖南林业发展的最大威胁。以MODIS数据为数据源,提取林地干旱遥感监测因子的植被指数(NDVI)与地表温度(LST),利用温度植被干旱指数(TVDI)模型,并进行湖南省2013—2015年森林植被生长季的林地干旱反演,分析得到2013年湖南全境林地旱情从3月到8月发生不同程度的加重的现象,生长季前期干旱区域分布在湘南,湘西北地区出现干旱的程度较低;生长季后期洞庭湖区及湘中地区干旱程度较为严重。进一步反演2014年和2015年每年3—5月林地干旱时空分异特点,在时间尺度上,2015年3—5月旱情有逐月加重趋势,与2014年相比,其同比月份的干旱程度较高。在空间分布上,旱情较为严重的区域多分布在湘南和湘中的局部区域。将2013年8月湖南省气象局发布的干旱等级监测数据,与依照干旱反演得出的TVDI值所确定的干旱等级进行比较,干旱等级的一致率达81.4%,由此,随着湖南省卫星减灾应用工程不断完善,可以成为林地干旱监测预警的有效实现途径之一。

基于MODIS的温度植被干旱指数在四川盆地盛夏干旱监测中的适用性研究

基于卫星资料的温度植被干旱指数（TVDI）已被广泛应用于干旱监测,地表温度依赖于海拔高度,在地形复杂的四川省,如何将该指数更好的应用到业务干旱监测中,需进一步研究。本文利用MODIS数据,分析四川盆地2014年7月12~27日平均地表温度、植被指数、TVDI和100站土壤湿度的空间分布,并对比了它们之间的异同。研究结果表明,TVDI的空间分布主要由地表温度的空间分布决定,TVDI不仅可用于监测四川盆地较大范围的干旱状况,也可用于监测局地的干旱状况。当前自动站土壤湿度观测值与TVDI之间在有限点上不存在显著的线性相关,如何对TVDI进行干旱分级仍需深入研究。

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15a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。

利用温度植被干旱指数反演伊犁博州地区土壤湿度

利用MODIS合成产品数据MOD11A2和MOD13A2获取的归一化植被指数(NDVI)和陆地表面温度(LST)构建Ts-NDVI特征空间,并把该特征空间计算的温度植被干旱指数(TVDI)作为土壤湿度指标。利用该指标反演伊犁博州地区6—8月3个月份每8d的土壤湿度。然后将土壤湿度分为5级,进而得到该时段伊犁博州地区土壤湿度空间分布特征。

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,TVDI<0.46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,TVDI>0.86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。