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法的河北省中南部地区的干旱监测

为大范围、实时动态监测河北省中南部地区的干旱状况,利用多年同期MODIS数据地表温度产品MOD11A2和植被指数产品MOD13A2,采用最大值、最小值合成法,合成通用特征空间干、湿边方程,构建基于Ts-EVI的TVDI干旱遥感监测模型,反演2015年3—6月河北省中南部地区干旱的空间分布。利用土壤墒情站10cm、20cm和50cm不同深度的土壤相对湿度验证TVDI模型。结果表明:TVDI与10cm、20cm和50cm不同深度土壤相对湿度的相关系数(R^2)分别为0.233、0.325和0.130,TVDI模型与20cm相关性最高,10cm次之,50cm最低。表明,TVDI模型对表层土壤相对湿度更为敏感。

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。

基于MODIS数据的京津唐地区干旱监测研究

京津唐地区由于降水量不均,常出现丰枯交替或连枯、连丰现象,近几十年来呈现涝年减少、旱年增多趋势。该文利用MODIS数据,采用温度植被干旱法,结合京津唐地区的地形植被覆盖条件,利用2010年6-7月共5d的归一化植被指数(NDVI)、增强植被指数(EVI),借助分裂窗法反演地表温度(Ts),构建NDVI-Ts和EVI-Ts特征空间,结合研究区域实际情况确定干、湿边方程,建立了基于温度植被干旱法(TVDI)的干旱监测模型,对京津唐地区的干旱情况进行分析,比较了TVDIN和TVDIE的敏感性。结果表明:利用TVDI法对京津唐地区进行遥感干旱监测是可行的,并且TVDIE比TVDIN监测效果更好,MODIS数据可很好地满足大范围实时动态监测要求。

温度植被干旱指数法(TVDI)在黄淮海平原土壤湿度反演中的应用研究

植被指数和地表温度是描述地表特征的两个重要参数,基于遥感植被指数和地表温度信息进行区域地表水分状况等陆表变化过程研究,是目前遥感和陆表过程研究中的前沿方向。利用MODIS数据产品MOD13A2和MOD11A2获取的归一化植被指数(NDVI)和地表温度(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,反演了黄淮海平原2004年冬小麦4～5月份和夏玉米7～10月份每16d的土壤湿度,并经相应的土壤湿度数据验证。结果表明:TVDI与土壤湿度显著相关(α=0.05),且反演的黄淮海平原土壤湿度的时空分布特征与农作物生育期规律、生长季总降雨量分布规律基本吻合;特别是0～10cm、10～20cm、20～40cm三个土层中,TVDI更能稳定反映和指示地表10～20cm土壤水分状况,因而TVDI方法适用于黄淮海平原作物生长季的土壤湿度动态监测。

一种基于TVDI模型的边界提取方法研究

提出一种基于TVDI模型的湿地边界信息提取方法,利用TM遥感影像建立地表温度(Ts)与归一化植被指数(NDVI)之间的二维特征空间,用IDL编程在特征空间内拟合温度植被干旱指数法(TVDI)需要的干、湿边方程,并反演出试验区的土壤干湿情况.利用野鸭湖湿地3m×3m植物样方,统计、分析、确定湿地生态系统的上边界.试验测得湿地边界的土壤水分含量阈值0.56,根据该阈值确定湿地边界信息,提取湿地边界.通过该方法提取的湿地核心区准确率达到72%,说明利用遥感方法反演土壤水分含量,提取湿地边界的方法可行.

科尔沁沙地土壤表层水分遥感反演模型研究

为了对三北防护林体系和科尔沁沙地的沙漠化进行监测,选择内蒙古翁牛特旗作为实验区,利用LandsatTM遥感数据对实验区进行了地表土壤水分反演。文中采用热惯量法、温度植被干旱指数法和BP神经网络法进行地表土壤水分的反演,3种算法均能较好地反映地表水分的空间分布趋势。并对三种反演算法建立的土壤含水量遥感信息模型进行了精度检验。统计结果表明:BP神经网络法建立的遥感信息模型精度最高;温度植被干旱指数法建立的遥感信息模型精度居中;基于热惯量法建立的土壤含水量遥感信息模型精度最低。实验结果为三北防护林和科尔沁沙地沙漠化监测奠定了部分数据基础。

基于TVDI的羌塘高原夏季土壤湿度变化分析

土壤湿度是生态系统的关键参数,实时、有效地监测土壤湿度有助于增强对区域气候与环境变化的理解。利用温度植被干旱指数法(TVDI)反演羌塘高原2000-2014年夏季土壤湿度,以2014年为例分析该年夏季土壤湿度空间分布并探讨2000-2014年土壤湿度的动态特征。结果表明:(1)2014年羌塘高原夏季土壤湿度空间分布表现为东南部偏湿润、西北部偏干旱。从东到西土壤湿度逐渐降低,南北干湿状况交替分布。土壤湿度干旱、偏干、正常、偏湿、湿润面积比分别为3.84%、27.17%、37.64%、29.63%、1.72%。(2)2000-2014年羌塘高原北部和中部地区夏季土壤湿度呈现显著变干的趋势,而南部大部分地区土壤湿度变化趋势不显著。15年间土壤干旱和湿润面积比例最小且波动小,偏干、正常、偏湿土壤面积均出现不同程度的波动。(3)降水量是影响TVDI的重要因子且具有一定的滞后性,而气温影响相对较小。