基于改进温度植被干旱指数的农田土壤水分反演方法

基于植被指数-地表温度(VI-Ts)特征空间的温度植被干旱指数(TVDI)被广泛应用于土壤水分监测,但TVDI为土壤水分相对值,而且利用散点图确定干湿边会造成很大的不确定性。基于能量平衡方程和TVDI,该文提出一种定量干湿边选取方法和改进的TVDI模型——定量温度植被指数(Temperature Vegetation Quantitative Index,TVQI),以MODIS遥感数据为基础,实现了定量干湿边真实土壤水分的遥感估算。结果表明:TVQI估算结果与所观测土壤水分呈0.01水平显著相关,总体上的平均绝对误差小于0.02cm^3/cm^3,均方根误差RMSE小于0.035cm^3/cm^3;相对TVDI,TVQI克服了传统干边计算中对植被覆盖类型的限制,更能够准确反应土壤深度在0~10cm、10cm^20cm的土壤水分值,尤其与10cm^20cm土壤水分值更为贴近。

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。

基于条件植被温度指数的冬小麦主要生育时期干旱监测效果评价——Ⅱ.改进的层次分析法和变异系数法组合赋权

运用改进的层次分析法、变异系数法及主客观组合赋权法确定关中平原冬小麦越冬后主要生育时期干旱对产量的影响权重,建立关中平原五市2002—2009年每年的加权条件植被温度指数(VTCI)与冬小麦单产的一元线性回归模型,分析VTCI与产量间的线性关系。结果表明,变异系数法确定的加权VTCI与小麦单产的线性相关性不显著,渭南、咸阳及铜川的决定系数R2值均低于0.5;改进的层次分析法和组合赋权法确定的加权VTCI与小麦单产的线性相关性显著,除铜川外其余四市的R2值接近0.5,或者高于0.6,且组合赋权法的结果中西安的R2值达到0.7。基于改进的层次分析法和变异系数法的归一组合赋权法的结果优于其它主客观组合赋权法的结果,为最优赋权方法,可用于评价冬小麦主要生育时期的干旱监测效果。

地表温度-归一化植被指数特征空间干旱监测方法的改进及应用研究

地表温度-归一化植被指数(Ts-NDVI)特征空间干旱监测方法易受到监测期地表湿度、植被覆盖状况和卫星观测质量的影响,导致特征空间干、湿边不稳定,在基于长时间、大范围卫星观测资料的基础上对Ts-NDVI特征空间方法进行改进,将其称为通用特征空间方法。首先基于某观测时段,单独构建每年基于该单一年份单一时段卫星观测数据的Ts-NDVI特征空间,然后在已构建的各单一时段特征空间的干、湿边地表温度中,分别用最大值、最小值合成法提取各植被指数对应的多年最大、最小地表温度,分别构成各年通用的Ts-NDVI特征空间的干、湿边地表温度,最后通过线性拟合,获得通用特征空间的干、湿边方程。选择中分辨率成像光谱仪的归一化植被指数(NDVI)和地表温度(Ts)数据在中国主要粮食产区黑龙江省进行干旱监测试验,对改进前、后特征空间的植被温度状态指数进行对比分析,并用10、20cm土壤相对湿度和降水量进行检验。结果表明:通用特征空间方法合成的Ts-NDVI特征空间三角形结构特征显著,干、湿边明晰,比改进前更接近特征空间的理论边界,增强了特征空间干、湿边的稳定性,提高了干旱监测结果的精度,当单一时段特征空间稳定性较差时,改进效果最明显。通用特征空间对浅层土壤湿度更加敏感,与监测同期及前期总体降水都密切相关,且对降水的响应更敏感。

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。

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。

条件植被温度指数干旱监测方法的完善

应用NOAA-AVHRR多时段卫星遥感数据,以陕西省关中平原为研究区域,建立了条件植被温度指数干旱监测方法,讨论了植被指数和地表温度特征空间中冷边界和热边界的确定方法。通过气象网站的降水量资料验证了该研究区域1999年以来每年5月上旬的干旱监测结果,结果表明条件植被温度指数与降水量间的相关性随着累计时间的增加而降低,与最近月份降水量的相关性最好,证实了冷边界和热边界确定方法的合理性以及条件植被温度指数是一种可行的、近实时的干旱监测方法。

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。

条件植被温度指数及其在干旱监测中的应用

应用NOAA -AVHRR数据 ,在用条件植被指数、条件温度指数和距平植被指数进行年度间相对干旱程度监测的基础上 ,提出了条件植被温度指数的概念 ,它适用于监测某一特定年内某一时期 (如旬 )区域级的相对干旱程度。条件植被温度指数的定义既考虑了区域内归一化植被指数的变化 ,又考虑了在归一化植被指数值相同条件下土地表面温度的变化。陕西省关中平原地区 2 0 0 0年 3月下旬干旱的监测结果表明 ,条件植被温度指数能较好地监测该区域的相对干旱程度 ,并可用于研究干旱程度的空间变化特征 ,对干旱的监测结果与用土壤热惯量模型反演的土壤表层含水量的结果基本吻合。

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。

条件植被温度指数在云南干旱监测中的应用

对干旱进行监测,有助于各级政府及时了解旱情,采取积极有效的防旱、抗旱措施,促进水利设施建设与合理布局,确保农业生产发展与粮食安全。该文采用MODIS多时相归一化植被指数与地表温度遥感影像产品,分析研究区归一化植被指数—地表温度特征空间,应用条件植被温度指数对云南省2009年9月-2010年3月干旱的时间、空间特性进行监测。监测结果表明云南省旱情随时间有所波动,但整体旱情呈发展趋势;监测期内云南省旱情分布较广,受灾面积超过70%,仅西北角小片地区受干旱影响较小,特旱区主要分布于云南省中部、东部和南部地区。应用相关研究成果对干旱监测结果进行验证,结果表明监测结果可信,能够为防灾减灾相关部门提供有力的信息支持。

基于植被指数和土地表面温度的干旱监测模型

干旱是一种周期性发生的自然现象,其发生过程中有关参数如地表覆盖度、温度和土壤表层含水量等可以通过遥感的途径进行定量反演,而这些参数客观地反映了地表的综合特征。综述了运用遥感反演产品———土地表面温度和归一化植被指数在干旱监测中的应用前景和进展,分析了距平植被指数、条件植被指数、条件温度指数和归一化温度指数等干旱监测方法的优缺点,在前人研究的基础上,提出了条件植被温度指数的干旱监测模型,探讨了其应用前景。

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。

基于地表温度和植被指数的农业干旱遥感监测方法

农业旱灾是人类面临的最主要自然灾害之一,对我国农业生产影响非常大。土壤含水量是农业干旱监测的重要指标,通过遥感地表温度(LST)与植被指数(NDVI)结合,可以估算土壤湿度,监测农作物旱情。重点研究了LST/NDVI特征空间中干湿边的提取方法,通过14年全国NOAA/AVHRR的8km合成数据集分析发现,在LST/NDVI特征空间中,曲线斜率与实测土壤湿度显著相关(R=0.78,P<0.01),干边的截距和斜率与湿边有比较稳定的关系,但干湿边存在较大的空间和时间变异性。将全国分为6个区,分别确定LST/NDVI特征空间,根据特征空间干湿边参数反演土壤湿度,在土壤湿度分布图和全国耕地分布图基础上,进行旱情分级,得到全国耕地旱情分布图,可以为农业抗旱救灾提供快速宏观的信息服务。

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。

温度植被干旱指数(TVDI)在复杂山区干旱监测的应用研究

对地观测卫星(EOS)中分辨率成像光谱仪(MODIS)传感器因具有高时间分辨率、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。本文选取云南省红河州地区为研究对象,利用MODIS植被指数和陆地表面温度产0品建立高原多山地区NDVI- T_s空间,并由此建立了复杂山区的温度植被干旱指数(TVDI)。利用该方法检测2006年3、4两个月的云南省红河地区的地表干旱情况,同时结合当地气象局信息和野外同步观测的表层土壤温度、湿度数据对该指标进行定量验证,结果表明,TVDI与土壤湿度显著相关,该方法可以用来对大区域干旱进行检测,能很好的用于山区的干旱预警与监测。

条件植被温度指数在华北平原干旱监测中的应用

以华北平原部分地区为研究区域,应用MODIS多时段卫星遥感数据进行了归一化植被指数和地表温度的计算和反演,应用条件植被温度指数对研究区域2003—2006年每年5月上旬的干旱进行了监测.以监测结果为基础,在时间和空间分布上分析了研究区域的旱情.应用降水量数据和土壤表层含水量数据对干旱监测结果进行了验证,结果表明VTCI与最近1个月的降水量具有显著的线性相关性,VTCI与土壤表层含水量有较好的线性相关性,验证了VTCI是一种近实时的干旱监测方法.