基于Landsat 8影像的公园地表温度与植被指数时空变化特征研究--以武汉市青山公园为例

[目的]研究城市公园对环境温度的调节作用以及地表温度与植被覆盖的关系。[方法]以武汉市青山公园为研究对象,通过2013、2015、2018年夏季3期Landsat 8遥感影像反演出地表温度和归一化植被指数(NDVI),利用ArcGIS软件提取公园绿地对应的地理信息数据,对地表温度和NDVI的时空变化特征及相关性进行分析。[结果]2013—2018年青山公园NDVI从0.30下降至0.25,地表温度分级中温区减少,低温区和高温区增加,且地表温度和NDVI呈现出明显的负相关,其中2018年最为明显,回归函数为y=-17.229x+34.107(R^(2)=0.5605)。[结论]该研究为武汉及其他城市绿地规划管理提供理论依据。

基于地表温度-植被指数关系的地表温度降尺度方法研究

地表温度(Land Surface Temperature,LST)在空间上和时间上均存在很大的差异性。而通过卫星遥感技术来监测地表温度存在着空间分辨率和时间分辨率上的矛盾:空间分辨率高的卫星时间分辨率低,反之亦然。为了解决这个矛盾,首先利用TsHARP(An algorithm for sharpening thermal imagery)温度降尺度方法将LSTMODIS,1km(1km MODIS(Moderate-resolution ImagingSpectroradiometer)地表温度)图像(2004年9月9日上午)降尺度为LSTMODIS,500m(500m MODIS地表温度)图像。为了对降尺度LSTMODIS,500m图像进行验证,对研究区内同一天(2004年9月9日上午)的ETM图像的第6波段的辐亮度值升尺度到500m后,再利用Sobrino ETM(Enhanced Thematic Mapper)温度反演方法反演得到LSTETM,500m(500m ETM地表温度)图像,将LSTETM,500m图像作为当日地表温度的实测值,对降尺度LSTMODIS,500m图像的降尺度效果进行验证。对比结果表明降尺度LSTMODIS,500m图像更加精细刻画LSTMODIS,1km图像在空间上的分布格局;定量对比3种降尺度LSTMODIS,500m和LSTETM,500m的RMSE分别为0.786、1.002、0.754℃,降尺度结果达到预期效果。

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。

植被指数与地表温度定量关系遥感分析——以北京市TM数据为例

以北京市为研究区,在对Landsat-5 TM数据大气校正基础上,利用TM单窗算法定量反演地表温度,并估算了5种植被参数:归一化差值植被指数(NDVI)、比值植被指数(RVI)、绿度植被指数(GVI)、土壤调节植被指数(MSAVI)和植被覆盖度(fg)。结合地表温度(LST)空间分布,对比分析5种植被参数与地表温度的相关程度。分析结果显示,相对于上述4种植被指数f,g与地表温度有更好的负相关性,对地表温度空间分布的指示能力更佳。利用fg与地表温度关系定量分析了植被覆盖程度对热岛效应的影响,发现北京市区平均地表温度比近郊区和远郊区分别高1.6 K和5.3 K。

植被指数—地表温度特征空间研究及其在旱情监测中的应用

植被指数—地表温度特征空间已被应用于多方面的研究。该文从区域旱情监测的角度分析了该特征空间的生态学内涵,指出地表温度是地表蒸散的函数,推导出了温度蒸散旱情指数(TEDI)的计算方法。利用NOAA数据,以河北省南部平原为研究区域,分别计算出了温度植被旱情指数(TVDI)与温度蒸散旱情指数(TEDI),通过地面实测土壤相对湿度指数(SHI)验证,结果表明温度蒸散旱情指数(TEDI)可以更准确地反映下垫面的土壤墒情状况。

基于ETM植被指数和冠层温度差异遥感监测棉花冷害

大范围地、及时地遥感监测棉花的冻害状况及损失对安排救灾、灾后评估有着现实的意义。利用2001年6月7日、8月10日和2000年8月7日ETM影像，结合农业灾害和农作物生长发育统计数据，通过植被指数变化和冠层温度差异对新疆沙湾2001年8月初棉花结桃时发生的冷害进行遥感监测。结果表明：与往年未遭受冷害的同期棉花植被指数相比，棉花植被指数NDVI绝对差值降低区域占67．8％，其中下降0～O．2占51％，下降大于0．2占17％，降低百分比处于0～20％。植被指数和温度图像散点图呈现显著负相关，相关系数-0．63。其中未受冷害影响，植被指数增加，长势较好的棉花冠层温度平均为26．4℃，植被指数未变化区域为27．6℃，植被指数降低较多，冷害程度较重区域冠层温度约为29．3℃，冠层温度差异显著。基于ETM遥感影像植被指数变化幅度和冠层温度差异可用于冷害程度区域划分。

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。

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。

基于条件温度植被指数(VTCI)的中国北方地区土壤水分估算

利用中国北方13省2000-2008年的Terra-MODIS归一化植被指数(NDVI)和地表温度(LST)数据,以及相同时间段农业气象观测站点的0～10 cm表层土壤水分资料,建立基于条件温度植被指数的表层土壤水分遥感估算模型,计算出2000-2008年北方13省各月份表层土壤水分,主要结论有:(1)空间分布上,表层土壤水分最高的是分区一和分区四,平均值均达到了0.2以上,表层土壤水分最低的是新疆沙漠地区,低于0.05,土壤水分空间分布基本呈"南高北低,东高西低"的趋势;(2)受降雨量和农作物需水的影响,年内月份之间,7、8两月表层土壤水分最高,4、5、9、10月表层土壤水分最低;(3)年际变化上,2000-2001、2001-2002、2005-2006年北方大部分区域表层土壤水分增加,增加区域面积分别占总面积的79.2%、59.3%和71.4%,而2002-2003、2004-2005年大部分区域表层土壤水分减少,减少区域面积分别占总面积的53.9%和64.1%;(4)降水是影响土壤水分时空分布的一个重要因素。误差分析结果表明,基于条件温度植被指数的土壤水分遥感反演达到了较好的效果,能够较准确地反映北方地区干旱的分布及变化状况。

植被指数-地面温度特征空间的生态学内涵及其应用

植被指数与地面温度是描述土地覆盖特征的重要参数 ,对两种数据的综合分析 ,可以衍生出更丰富、更清晰的地表信息 ,有助于更加准确、有效地认知土地覆盖 /土地利用的时空变化规律。本文探讨了植被指数与地面温度构成的二维向量空间的物理意义与生态学内涵 ,以基于 NOAA AVHRR的时间序列数据为本底 ,分析了不同土地覆盖类型在该特征空间上的时序变化规律 ,并以黄淮海地区主要农作物冬小麦为例 ,研究了植被指数-地面温度指标与干旱、半干旱地区农作物产量之间的响应关系。

应用地表温度与植被指数梯形空间关系估算陆面蒸散量

提出了以Priestley-Taylor方程为基础,综合利用地面气象观测数据与卫星遥感观测数据的陆面蒸散量估算方法。其基本思路是:基于地表能量平衡原理,利用遥感观测与地面气象观测数据,计算给定气温条件下全植被覆盖与祼土地面在极湿、极干状况下的地表温度,构建每个像元的地表温度(Ts)与植被指数(VI)的理论梯形空间,进而根据该象元Ts-VI坐标点在该梯形中的位置,计算其Priestley-Taylor系数,并利用Priestley-Taylor方程估算像元的蒸散比。利用美国一个半干旱地区的地面观测数据进行了精度验证,结果表明该方法具有较理想的精度,蒸散量估算的平均绝对误差约为35.5%。

利用温度和植被指数进行地物分类和土壤水分反演

首先利用地物表面温度和植被指数 ,成功地对北京精准农业示范区内生长旺盛小麦、稀疏小麦、池塘水体、水草、淤泥和裸露土壤等 6种地物进行了分类 .其次 ,利用地物表面温度 (LST)和归一化植被指数 (NDVI)作为坐标系 ,建立LST—NDVI三角形分布的散点图 ,分析了散点图的地物特征分布及其物理意义 .与植被的红外和近红外两个特征波段构造的散射图相比 ,同类样本的离散度更小 ,不同类别样本之间的距离更大 .最后 ,提出了植被指数—表面温度的土壤水分反演模型 ,结合地面采样数据 。

基于地表温度和植被指数特征空间的农业干旱遥感监测方法研究综述

遥感技术以其便捷、反映迅速、大范围监测等优点在农业旱情监测中得到广泛使用。通过遥感资料反演的地表温度(Ts)和植被指数(NDVI)不仅可以表征绿色植被的生理和生长状况,还能揭示植被土壤水分信息,反映作物受旱状况,但两者单独使用时存在缺陷。而基于地表温度和植被指数特征空间的干旱监测方法有利于统一定量标准来判别植被干旱情况,同时还解决了植物在受水分胁迫时短期内仍能保持原有绿色的时间滞后的问题,提高了旱情监测的准确度和实用性。该文以地表温度和植被指数特征空间干旱监测方法为基础,较为详细地阐述了各个方法的基本原理和适用范围,并结合实例归纳总结了与之相关的四种方法的优、缺点,进一步探讨了今后研究的重点。

基于植被指数和地表温度的干旱监测方法的对比分析

以陕西省关中平原和渭北旱塬为研究区域,应用1999—2005年每年5月上旬的AVHRR卫星遥感数据,对比分析了基于归一化植被指数(NDVI)和地表温度的几种干旱监测方法:包括条件植被指数(VCI)、条件温度指数(TCI)、距平植被指数(AVI)和条件植被温度指数(VTCI)等,研究了VTCI与其他干旱监测方法的优缺点及其在研究区域的适用性.从研究区域旱情分布来看,VCI的干旱监测结果不符合研究区域干旱的分布规律.从监测结果的影像纹理特征来看,VTCI和AVI可能适合于研究区域的旱情监测.通过进一步对比分析遥感干旱监测结果与累计降水量的监测结果,得出了VTCI更适合于研究区域的干旱监测.

呼和浩特市不同植被指数与地表温度的定量遥感关系

利用Landsat 8影像数据,提取呼和浩特市地表温度（LST）、4种典型植被参数：归一化植被指数（NDVI）、修正土壤植被指数（MSAVI）、比值植被指数（RVI）及植被覆盖度（FV）,并结合研究区土地覆被信息,探讨了LST与4种典型植被参数的定量遥感关系,不同下垫面类型对地表温度—植被参数的影响及其二者之间的空间尺度效应。结果表明：地表温度—植被参数呈现出显著负相关关系,NDVI,RVI,MSAVI,FV每增加0.1,对应的LST分别下降：0.99℃,0.83℃,1.02℃,0.64℃;不同土地覆被类型中二者相关性差异显著,其中林地LST与4种植被参数相关性最强,RVI与LST相关性最稳定;在不同的空间尺度下（30-1 920m）,地表温度—植被参数空间相关性呈现出先增大后减小的趋势,NDVI,FV,MSAVI,RVI与LST的空间相关性分别在120m,240m,60m,120m达到最高。

典型植被指数与地表温度空间特征分析——以桂林市为例

以桂林市为研究区,利用TM卫星影像数据提取3种典型植被指数(NDVI、RVI、TNDVI),并反演研究区的地表温度(LST);从不同土地利用类型和城市空间上分析各个参数的统计学特征,同时定量分析植被指数与地表温度之间的线性关系。研究结果表明:在整个区域上,以林地和农田地物为主体的城市郊区具有较高的植被指数值,不透水层比例大的城市建成区则具有较高的地表温度。另外,典型植被指数与地表温度相关性分析揭示,各植被指数与地表温度都呈较显著的线性负相关。相对于城市郊区,下垫面性质改变与植被覆盖密度偏低是导致城市建成区"热岛效应"形成的重要原因。

基于植被指数-地表温度特征空间的伊河流域蒸散发量估算

利用MODIS卫星遥感植被指数(VI)和地表温度(Ts)产品,通过构建VI-Ts特征空间计算Priestlay-Taylor系数,并改进较为常用的三角形方法(VI的平滑除噪、Ts的高程订正、蒸发比及地表通量参数计算的优化),进而基于Priestlay-Taylor方程进行陆面蒸散发量估算。将改进的三角形方法应用于黄河重要支流伊河流域蒸散发量估算,估算结果与参考作物蒸散发量及土壤湿度状况的对比分析取得了较好的模拟效果,同时,利用该方法估算的陆面蒸散发量合理地反映了不同土地利用类型间蒸散发量的差异和季节性变化特征。

多时间尺度温度-植被指数特征空间旱情监测的差异性

采用2011年5月28日MODIS多时间尺度数据产品和土壤相对含水量RSM数据,对河北省多时间尺度Ts-EVI特征空间旱情遥感监测的差异性进行了研究,结果表明:1多时间尺度Ts-EVI特征空间的TVDI与土壤表层RSM具有较高的相关性,1 d尺度Ts和1 d、8 d尺度EVI构建的RSM-TVDI决定系数较高,8 d尺度的Ts和8d、16 d尺度EVI的RSM-TVDI决定系数较低。2多时间尺度Ts-EVI特征空间的旱情监测结果在空间分布上具有较好的一致性,但其面积存在一定的差异;旱情监测应用中Ts-EVI特征空间构建应首选1 d时间尺度的Ts和EVI,其次是1 d尺度的Ts和8 d尺度的EVI,再次为8 d尺度的Ts和8 d尺度的EVI。

基于温度植被指数法的运城市干旱监测

利用EOS/MODIS资料,通过温度植被指数法,在运城市开展了遥感干旱监测研究。研究发现,监测结果比实测墒情更加细致,与实测墒情趋势基本吻合,能在很大程度上弥补由于测站少而造成的土壤墒情监测的真实性不足。