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Ts-EVI特征空间的土壤水分估算

温度-植被指数特征空间耦合了地表温度和植被信息,是当前实现土壤水分遥感估算和农业旱情监测的重要方法。采用EOS-MODIS地表温度Ts和增强型植被指数EVI数据,研究Ts-EVI三角形特征空间中干边、湿边方程参数的确定方法,分析比较了温度植被干旱指数TVDI对不同土壤深度水分状况的估算能力,为利用特征空间法实现土壤水分监测提供理论依据。研究表明:特征空间中干边和湿边的确定以最大拐点处为始点进行线性拟合的常规方法并不完善,根据像元的分布频率,以采用能同时保留最大量有效信息和较高拟合精度的端点逼近法获取参数的效果较好;基于Ts-EVI特征空间构建的TVDI可以较好地估算土壤表层10、20cm和50cm土壤深度处土壤水分状况,其相关性均通过了α=0.001水平的t检验,但TVDI对表层土壤(20cm和10cm)水分的估算精度相对较高。

基于MODIS数据的湖南省旱情监测研究

干旱的发生不仅影响到当地的农业生产,还极大的破坏了当地的生态环境。采用MODIS数据以条件植被温度指数(VTCI)作为旱情指标,对湖南省2005年7月下旬的旱情分布进行了监测。综合考虑了归一化植被指数(NDVI)和增强型植被指数(EVI)的优劣性之后,以EVI代替NDVI构建了EVI-Ts特征空间,其中采用分裂窗算法对陆地表面温度进行了反演,最终得到了与实际旱情大致相符的旱情分布图。研究表明:此种方法适用于湖南省的旱情监测,同时它也是一种便捷、高效的大面积与近实时监测方法。

基于Ts-EVI特征空间的春旱遥感监测——以河北省为例

春季干旱是影响我国农业生产的重要自然灾害。以河北省为研究区,采用Ts-EVI构建的特征空间,以温度植被干旱指数TVDI作为土壤水分估算因子对2005年4～5月的春旱发生与发展进行遥感监测,主要得出以下结论:(1)表层土壤相对湿度RSM_(10)与TVDI的相关性均通过了α=0.001水平的置信度的t检验而表现出显著相关性,基于Ts-EVI特征空间构建的TVDI可以较好地估算土壤表层水分状况。(2)TVDI与不同土壤深度RSM的相关性在不同时期存在一定的差异,4月上旬～4月中旬以10 cm深度处的相关性最高,20 cm处次之;4月下旬～5月下旬以20 cm土壤深度处的相关性最好,10 cm处次之。(3)在不统计云覆盖地区旱情的情况下,2005年4月上旬河北省春旱面积为15 014.4 km^2;4月中旬～5月下旬的春旱面积分别为43 350.4 km^2、13 889.3km^2、71 664.3 km^2、12 864.8 km^2和44381.5 km^2。

基于Ts-EVI时间序列谱的冬小麦面积提取

冬小麦是中国重要的粮食作物,利用遥感技术准确获取冬小麦分布面积对于从宏观上实现冬小麦生长状况和病虫害监测预警等田间精细管理以及产量预测具有十分重要的意义。采用NASA提供的2005年2～6月MYD09A1和MYD11A2数据产品,结合冬小麦生育期形态变化特征,以Ts和EVI构建的时间序列谱对河北省冬小麦种植面积的提取方法进行了研究。结果表明:冬小麦在Ts-EVI特征空间中具有独特的序列谱相特征,返青期后冬小麦的Ts在整体上表现为逐渐升高,EVI在开花期后下降,灌浆后期快速降低;对Ts-EVI空间信息的一维化处理后,采用主成分分析方法对时间信息降维,以ISODATA非监督分类方法实现冬小麦分离提取结果的样点验证精度为91.20%;Ts-EVI时间序列谱反映的作物生长过程的生理意义明确,采用Ts-EVI时间序列谱的遥感分类方法可以较好地实现冬小麦的遥感分类提取,具有较好的可行性。

基于Ts-EVI模型的干旱监测研究

采用MODIS温度成品数据和植被指数数据构建Ts-EVI特征空间,对四川省2007年7—10月的旱情进行监测.监测结果表明:Ts-EVI特征空间在旱情监测上有一定的优越性,能准确监测四川省2007年7—10月的旱情变化;当年四川省境内旱情严重,中旱和重旱面积占全省总面积的50%以上,川东旱情较川西高原严重,且不同区域的旱情发展态势不同;对比ECMWF土壤水体积数据,两者相关性较高.

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。