基于植被指数和地表温度特征空间的农业干旱监测模型研究综述

遥感技术是监测区域农业旱情时空变化的主要手段,其反演的植被指数(NDVI)和地表温度(Ts)两个参数可以通过表征绿色植被对干旱胁迫生境的反应揭示土壤水分信息,反映作物受旱状况,但两者单独使用时均存在局限性。而基于植被指数和地表温度的二维特征空间综合了两个参数特有的生理生态意义,不仅可以指示作物受旱时的水热胁迫环境,同时揭示了作物在这种胁迫环境下表现出的症状,可有效提高农业干旱监测的精度和效率。本文在较为详细地阐述植被指数-地表温度特征空间评估农业旱情的原理基础上,综述了这方面有代表性的4个干旱监测模型,初步分析了影响这类模型特征空间的部分非土壤水分因子,并对它们在应用中的优缺点做了评述和总结,为今后此领域研究中需要关注的问题做了展望。

基于地表温度日较差-植被覆盖度特征空间的土壤含水量反演方法

土壤含水量是气候、水文和生态等研究的重要参数。地表温度-植被指数特征空间法是遥感监测土壤含水量的常用方法。以欧洲伊比利亚半岛为研究区,使用MSG-SEVIRI(Meteosat Second Generation-Spinning Enhanced Visible and Infrared Imager)晴空数据,构建地表温度日较差-植被覆盖度特征空间。在此特征空间上,结合研究区土壤质地数据,建立土壤含水量反演模型反演土壤体积含水量。利用西班牙REMEDHUS (REd de MEDiciòn de la HUmedad del Suelo)土壤含水量观测网络的实测数据对反演结果进行验证,均方根误差均在0. 05 m^3/m^3以内,具有较高的精度。与常用的地表温度-植被覆盖度特征空间的结果对比证明,以地表温度日较差替代地表温度,能够减小地表温度反演误差导致的土壤含水量估算误差,从而提高土壤含水量反演精度。

基于地表温度——植被指数三角/梯形特征空间的地表蒸散发遥感反演综述

地表蒸散发是地表水分循环和能量平衡的重要组成成分,其准确估算对农业灌溉与干旱监测、水资源管理、气候变化预估等研究至关重要。基于地表温度—植被指数三角/梯形特征空间开展地表蒸散发遥感反演及土壤蒸发/植被蒸腾分离是地表蒸散发定量遥感研究的国际热点与前沿课题之一。本文全面、系统、深入地综述了地表温度—植被指数三角/梯形空间反演地表蒸散发和分离土壤蒸发与植被蒸腾的国内外研究进展,详尽阐述了各干湿边确定方法和蒸散发反演建模方法的基本原理、优势与不足等,明晰了各方法的适用条件并梳理了待进一步解决的问题,最后指明了三角/梯形特征空间蒸散发遥感反演研究的未来发展方向。通过本文,有助于深化认识基于三角/梯形特征空间反演地表蒸散发的机理,为遥感反演地表蒸散发及分离土壤蒸发/植被蒸腾新方法的创立提供启迪,推动中国蒸散发定量遥感研究水平迈上新台阶。

基于条件温度植被指数的土壤水分反演研究

土壤水分是作物生长发育的基本条件,同时也是旱情监测的重要指标。以彰武县为研究区域,基于影像的Artist算法和二维特征空间模型算法,进行了环境减灾卫星数据的地表温度(LST)反演,提取了归一化植被指数(NDVI)和修正的土壤调节植被指数(MSAVI),并构建二维特征空间,提取干、湿边方程,分析了地表实测土壤水分和植被指数的线性关系。结果表明,鉴于彰武地区土质的多样化,修正的土壤调节植被指数可提高土壤墒情的反演精度,相关系数为R2=0.852,标准差为2.064,协方差为3.139,相关性较好。

基于温度植被干旱指数法的农业干旱研究

利用MODIS数据提取归一化植被指数(NDVI)和陆地表面温度(LST),构建温度植被旱情指数(NDVI-Ts)特征空间,依据该特征空间设计的温度植被旱情指数(TVDI)作为旱情指标,结合土地利用现状数据对重庆市梁平县2006年7月12-27日的旱情进行了研究.研究结果表明在2006年7月12-27日重旱区主要分布在梁平的东北地区,旱地受旱面积为67.32%,水田受旱面积达55.1%,林地、水田、旱地、其他用地四种用地类型,其受旱比例依次递减,所得数据与该时间段该区土壤墒情站所得的干旱数据基本符合,该研究结果较好地反映了本次干旱灾害的空间分布,为相关部门进行干旱灾情评估制定和实施抗旱减灾措施提供了科学依据.

基于改进型温度植被干旱指数的旱情监测研究

在温度植被旱情指数的基础上,利用MODIS数据提取改进型调整植被指数(MSAVI)和地表温度(Ts),构建MSAVI-Ts特征空间,并定义该旱情指标为改进型温度植被旱情指数(MTVDI),介绍了该监测模型构建的方法。综合利用MODIS多波段数据对湖北省2005年10月10日的旱情监测结果表明,MTVDI能较好的反映区域相对旱情的空间差异;对MTVDI随MSAVI和Ts变化的敏感性评价结果表明,以地表温度为基础的旱情指标相对比以植被指数为基础的旱情指标更合理。

植被指数-地表温度构成的特征空间研究

植被指数和地表温度是描述陆表过程的重要参数,综合通过遥感手段得到的植被指数和地表温度信息,来分析地表的各种植被覆盖、水分含量等变化过程,有助于更好地认知和评价陆表变化过程,是目前遥感和陆表过程研究中比较前沿的一个方向.文中试图解释清楚归一化植被指数(NDVI)和地表温度(Ts)的各种存在关系及其相互转换过程,尤其是根据NDVI和LAI、地表蒸散的关系,利用LAI-Ts构成的三角形特征空间,解释NDVI达到饱和以后的情况,以便更有效地进行应用.

基于地表温度与植被指数特征空间反演地表参数的研究进展

遥感反演的地表温度(Ts)和植被指数(VI)构成的特征空间结合模型分析可以对显热通量、潜热通量及土壤含水量等地表参数进行估算。这种方法比较实用,且不过多地依赖地面观测数据。随着研究的深入,许多学者在Ts/VI特征空间基础上提出了更加丰富的空间变量。基于此,以不同空间变量为标准,分类介绍在Ts/VI特征空间的基础上对地表能量通量及土壤水分等参数的反演。其中包括在Ts/NDVI特征空间基础上提出温度植被干旱指数和条件植被温度指数来监测干旱;利用Ts/albedo特征空间反演蒸发比;用DSTV/VI特征空间反演蒸散量;用地气温差/植被指数特征空间反演蒸散量等。并介绍了Ts/VI特征空间与微波遥感结合反演地表含水量等相关研究的进展情况,最后提出未来研究的发展方向。

基于植被覆盖度-地表温度的深层土壤湿度遥感反演

利用MODIS影像数据,在地表温度和植被覆盖度(Ts/Fr)特征空间基础上反演了江苏省仪征地区2004年5月、9月和11月40 cm土壤湿度。反演结果显示,5月土壤湿度值最大,9月次之,11月最小。5月土壤湿度高值区主要位于南部靠近长江沿岸地区和北部谷底平原地区,低值区主要位于中部缓岗丘陵地区。利用实测资料进行模型检验表明,本研究反演出的土壤湿度精度较高,遥感反演的40 cm土壤湿度的平均相对误差达7.6%。

北京城区道路系统路网空间特征及其与LST和NDVI的相关性

城市道路系统是人类活动最为频繁的场所之一,研究路网空间特征与相关环境指标的关系,可为定量分析城市建设过程对城市生态环境的影响以及为城市基础设施规划管理提供方法。对北京市五环内各级道路抽样调查及面向对象的高分辨率遥感影像识别,建立道路空间信息数据库,运用TM影像反演获得地表温度(LST)及归一化植被指数(NDVI),研究4种不同分析网格下城市路网特征与两者的空间相关性。结果表明,在较大分析网格下(4×4),路网空间指标与LST mean及NDVI mean相关性显著;中等网格下,除LST与NDVI的平均值外,路网空间指标还可与两者最小值建立相关性;在较小窗口下(32×32),除平均值与最小值,还可建立特定道路指标与LST max及NDVI max的联系;各路网指标中,单位面积道路总长与LST及NDVI相关性最强;加权道路结点数在8×8和32×32网格分析中,与NDVI的相关性高于该指标未加权值,而结点指标均不适合与LST max建立联系;在各分析网格下,4项道路指标均与NDVI mean呈极显著负相关,表明道路绿地建设规模还不足以对NDVI的强度及分布产生较大影响。

非线性拟合LST/NDVI特征空间干湿边优于传统线性拟合方法的讨论

地表温度/植被指数特征空间在土壤含水率、蒸散发等定量遥感反演和旱情监测、水资源管理方面有着重要的应用,但其特征空间中干湿边的拟合方式的研究目前还相对缺乏。该文以美国俄克拉荷马州为例,针对地表温度/植被指数特征空间干边和湿边的最优拟合方式展开研究,分别采用线性、指数、对数、多项式和幂函数对干边和湿边进行拟合,并采用16个土壤墒情站点的5、25和60 cm不同深度的3组实测土壤含水率数据对拟合结果进行评估。结果表明:对于干边的拟合,指数函数、线性函数、对数函数和幂函数拟合的决定系数r^2分别为0.64,0.60,0.41,0.43,多项式函数拟合的r^2最高(0.67);对于湿边的拟合,指数函数、线性函数、对数函数和幂函数拟合的r^2分别为0.59,0.63,0.67,0.69,多项式函数拟合的r2最高,为0.70;多项式函数拟合干边和湿边构建特征空间计算结果的均方根误差(RMSE,root mean square error)和平均绝对误差(MAE,mean absolute error)值均最小,在5、25和60 cm深度下RMSE分别为0.29、0.27和0.28,MAE分别为0.26、0.23和0.25,表明采用多项式函数拟合干边和湿边计算的结果精度最高且对25cm深度的土壤含水率最为敏感。

基于LAI-T_s特征空间的河南省冬小麦返青-成熟期旱情监测

以河南省返青-成熟期冬小麦为研究对象,利用研究区2000、2005、2010及2015年每年2月26日-6月1日MODIS产品叶面积植被指数(LAI)和地表温度(Ts)数据,探讨当NDVI未达到饱和时,基于LAI-T_s特征空间的温度叶面积干旱指数(TLDI)能否用于旱情监测,并利用气象站实测10cm土壤湿度数据进行精度验证,进而应用该指数对河南省冬小麦旱情进行监测。结果表明:TLDI与实测土壤湿度之间存在显著负相关关系(P<0.05),相关系数大小在0.5212~0.7467。当NDVI未达到饱和时,基于LAI-T_s特征空间的TLDI可作为干旱监测指标,补充拓展基于植被指数和地表温度的旱情监测方法。在冬小麦返青期即植被覆盖度较低时LAI-T_s特征空间呈三角形,随着植被覆盖度的提高逐渐演变为梯形。河南省旱情主要分布在中西部、西南部以及北部地区,每年3月上旬及5月为旱情频发期,分别处于冬小麦返青期和开花-灌浆期。

特征空间法与墒情监测应用分析

详细论述了旱情遥感监测中特征空间法的技术原理及应用方法,通过大量遥感数据资料分析,阐述了地面温度—植被指数特征空间与土壤湿度的相互关系及实际应用方法。

基于LST-VI特征空间的喀斯特地区土壤水分时空变化研究

地表土壤水分是陆地系统地气能量交换的关键参数,而喀斯特地区地表土壤水分是推动岩溶作用,影响土壤流失,造成喀斯特石漠化的重要因子,准确确定喀斯特地区地表土壤水分的分布及其动态变化对喀斯特地区生态地质环境安全及区域气候变化意义重大。以广西典型喀斯特地貌区为研究对象,利用MODIS地表温度数据和植被指数数据,构建LST-VI特征空间,首先比较不同植被指数(NDVI、EVI、SAVI、FVC)在喀斯特地区的适用性,得出FVC为研究区LST-VI特征空间的最优植被指数因子,而后在归一化的T^(*)-FVC特征空间内分析得出森林、农田和喀斯特山区3种典型的下垫面类型下土壤水分指标M_(0)随时间的运动轨迹和规律,以及其空间分布变化及原因。结果表明:相同的下垫面类型下土壤水分指标M_(0)在T^(*)-FVC特征空间中随时间的运动轨迹和规律相似,说明下垫面类型是影响土壤水分变化的重要因素。空间分布上,广西M_(0)值域分布具有夏季小于冬季,西南部小于东北部,喀斯特地区小于非喀斯特地区的特征,农田M_(0)季节变化较明显。总体上,利用归一化的T^(*)-FVC特征空间实现了喀斯特地区土壤水分的时空动态变化监测。