A Modified Temperature-Vegetation Dryness Index(MTVDI)for Assessment of Surface Soil Moisture Based on MODIS Data

Spatio-temporal dynamic monitoring of soil moisture is highly important to management of agricultural and vegetation eco-systems.The temperature-vegetation dryness index based on the triangle or trapezoid method has been used widely in previous studies.However,most existing studies simply used linear regression to construct empirical models to fit the edges of the feature space.This requires extensive data from a vast study area,and may lead to subjective results.In this study,a Modified Temperature-Vegetation Dryness Index(MTVDI)was used to monitor surface soil moisture status using MODIS(Moderate-resolution Imaging Spectroradiometer)remote sensing data,in which the dry edge conditions were determined at the pixel scale based on surface energy balance.The MTVDI was validated by field measurements at 30 sites for 10 d and compared with the Temperature-Vegetation Dryness Index(TVDI).The results showed that the R^(2) for MTVDI and soil moisture obviously improved(0.45 for TVDI,0.69 for MTVDI).As for spatial changes,MTVDI can also better reflect the actual soil moisture condition than TVDI.As a result,MTVDI can be considered an effective method to monitor the spatio-temporal changes in surface soil moisture on a regional scale.

基于MTVDI与DDI二元回归模型对毛乌素沙地腹部土壤表层水分的研究

采用温度植被干旱指数法(MTVDI)与荒漠化指数法(DDI),利用2016年4月、9月的Landsat数据对毛乌素沙地腹部的土壤水分进行反演,并与实测的土壤水分进行对比检验,将所反演的土壤含水量图划分为4个等级,基于此分析了2个时期毛乌素沙地腹部的旱情土壤水分分布变化。结果显示:(1)4月份MTVDI指数与0～10 cm、10～20 cm、20～30 cm土层土壤含水量的R^2值分别为0.656、0.646、0.637,整体高于9月份R^2值0.457、0.436、0.431,MTVDI能够较好地反映毛乌素沙地腹部土壤表层水分,且精度较高;(2)荒漠化指数DDI与MTVDI结合建立二元线性回归模型监测区域土层0～10 cm深度含水量,平均相对误差为10.95%;(3)4月份,研究区0～10 cm表层土壤含水量5%～10%区域占总面积的53.72%以上,达到了6 256 km^2,含水量偏低,需要加强当地水资源管理。

基于支持向量机回归算法的土壤水分光学与微波遥感协同反演

利用遥感技术反演土壤水分对于我国西北地区农业干旱问题研究具有重要意义。该文以新疆焉耆盆地为研究区域,分别利用微波遥感数据(Sentinel-1ASAR)和光学遥感数据(Landsat8)计算土壤后向散射系数(σ0soil)和改进型温度植被干旱指数(MTVDI),并将σ0soil和MTVDI参数作用于支持向量机(SVM)回归算法,探讨了不同参数条件下SVM模型在土壤水分反演中的适应性。实验结果表明,相比只用单因子(σ0soil或MTVDI)作为模型参数,以σ0soil和MTVDI两者共同作为SVM模型输入参数时,土壤水分监测精度显著提高,其建模集决定系数R2=0.81,均方根误差RMSE=3.16%;验证集R2=0.89,RMSE=3.15%。最后,利用最优模型对研究区土壤水分进行了反演,并对不同土地类型含水量进行了评价,可为光学遥感与微波遥感协同反演土壤水分提供参考。

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。

基于SMOPS降尺度的蒸发比估算研究

针对研究区土壤湿度观测资料匮乏、无法准确估算区域蒸发比的问题,提出一种完全基于遥感数据的陆面蒸发比模拟估算方法,选取美国南大平原地区2019年52个晴天的MODIS和SMOPS数据,利用特征空间框架下的地表能量平衡原理计算了M_(MTVDI),同时对SMOPS数据进行了粗分辨率的像元降尺度,最终得到1km分辨率下的土壤水分和蒸发比,并与站点数据进行了对比验证。结果表明,该方法可有效模拟出蒸发比的空间分布,并解释了蒸发比与其他影响因素之间的关系。