基于TVDI的长江南源干旱时空动态变化监测

随着全球变暖,干旱成为全球危害最为严重的自然灾害之一,对农业等事关人类福祉的领域产生巨大影响。该文以重要农牧区——长江南源为研究区,基于地表温度数据和归一化植被指数数据计算出2000年以来长江南源温度植被干旱指数,并以该指数对长江南源植被生长季的干旱状况进行时空动态监测分析。结果表明,2000年以来,干旱和偏旱的区域在长江南源的北部、中部和东北部,占源区面积的33.33%;湿润和偏湿的区域在研究区域的南部、西南部,占源区面积的37.02%。长江南源56.41%的区域趋向干旱,41.96%的区域趋向湿润。湿润区域在2000—2004年间呈收缩态势,占长江南源的面积比重由42.54%下降到35.25%;2004—2011年,呈扩张态势,所占面积比重上升到38.84%,2011年后呈收缩态势,所占面积比重下降到36.79%。总体来看,TVDI有较强可靠性,可用于长江南源乃至三江源区干旱监测预警工作。

基于FY-3D_TVDI的黑龙江省生长季干旱监测评估

基于FY-3D气象卫星数据构建Ts-NDVI特征空间,计算温度植被干旱指数(TVDI),分析2020年生长季内黑龙江省主要农区干旱时空分布变化,并结合高程、坡度以及气象数据,分析TVDI变化影响因子。结果表明,2020年生长季黑龙江省农区TVDI空间分布具有较强的区域性差异,呈现北部、东部较湿润,西部、中部、南部较干旱趋势;东部农区TVDI主要分布于0.2~0.6属于正常或偏涝,其他农区有2次典型干旱事件的发生,干旱峰值位于5月中旬和9月上旬。以400 m高程为分界点,小于400 m高程区域的TVDI与高程呈正相关关系,大于400 m高程区域的TVDI与高程呈负相关关系;坡度分界点为3.5°,小于3.5°区域TVDI随坡度的增加逐渐增大,大于3.5°区域TVDI随坡度的增加缓慢下降。旬平均气温对TVDI的影响大于旬累计降水量,且平均气温对TVDI存在持续性的影响,持续时间可达1~2旬。

利用温度植被干旱指数(TVDI)方法反演杭州伏旱期土壤水分

利用MOD IS资料构建了杭州地表温度(Ts)-增强植被指数(EVI)的特征空间,拟合了特征空间中的干、湿边方程,计算了温度植被干旱指数(TVD I),并推导出利用TVD I和干、湿边土壤水分计算土壤含水量的方程。在计算TVD I的过程中,为了减少高程的影响,利用数字高程模型(DEM)对Ts进行了订正;利用同期野外实测土壤湿度数据计算了干边上的土壤水分值,从而反演杭州2006年伏旱期8月份每隔16d的平均土壤含水量。结果表明:①TVD I方法能反演杭州伏旱期土壤表层水分,实测值与预测值之间平均绝对误差在15个百分点左右。②高程校正后的TVD I能更好的反映土壤水分,与校正前相比,平均绝对误差减少5个百分点,基本满足业务需要。

2001—2020年渭北黄土台塬区农业干旱变化特征及影响因素分析

为明晰渭北黄土台塬区2001—2020年间农业干旱的时空变化特征及影响因素,利用MODIS遥感数据构建了Ts-NDVI特征空间,计算出温度植被干旱指数(TVDI),以揭示干旱的时空演变规律。同时,借助地理探测器分析了干旱与自然因素及人类活动之间的关联,确定了影响TVDI空间分异性的关键因子。结果表明:该区域平均每年有65.04%的区域遭受不同程度的干旱,多年平均TVDI值为0.52,整体处于中旱状态,且春季干旱尤为严重;2001—2020年,该区域TVDI值呈现波动下降趋势,并表现出强持续性特征,约有91.38%的区域干旱情况得到缓解或保持稳定;TVDI的空间分异性显著,主要受到高程、气温、人口密度和NDVI等多个因子的综合影响;在不同年份,影响TVDI的主导因子组合有所变化,这反映出自然因素和人类活动对干旱影响的复杂性。需综合运用气候监测、生态恢复、优化农业生产结构和提高水资源利用效率等措施,以更精准地预测和缓解干旱对区域农业生产和社会经济的影响。

基于温度植被干旱指数(TVDI)的云南干旱遥感监测

本文针对云南省气候干旱特点,选择基于温度植被干旱指数(TVDI)的遥感监测方法。主要是结合MODIS数据,通过数据处理提取归一化植被指数(NDVI),用分裂窗算法反演地表温度(Ts)从而建立特征空间。然后根据干边和湿边的散点图拟合干边方程和湿边方程,从而计算温度植被干旱指数。最后以TVDI作为干旱分级的指标得到云南地区的干旱等级并结合当地相关部门的监测数据对监测方法和结果进行验证。验证结果与实际干旱情况和区域都基本吻合,云南省全省范围内均有不同程度上的干旱,在空间分布上,重旱的主要集中区域基本一致。

基于温度植被干旱指数法(TVDI)的朝阳县干旱监测

利用Landsat 8数据,将归一化植被指数(NDVI)和地表温度(Ts)结合建立二维特征空间,依据二维特征空间分布图拟合干、湿边方程,进而计算温度植被干旱指数(TVDI),并对旱情分布进行分析和评价。利用土壤含水率实测值与反演的地表温度建立模型,并通过模型反演出土壤含水率与实测值进行精度检验。结果表明,随着归一化植被指数的增加,最大地表温度(Tsmax)随之减小,最小地表温度(Tsmin)基本上随之增大,Tsmin和Tsmax的趋势线交汇于一点组合成近似的三角形形状;2016年5—8月,朝阳县全县范围内基本都存在不同程度的旱情,其中6月份旱情最为严重;TVDI与不同深度的土壤含水率的相关性显著,可以较好的实现对旱情的监测。

基于TVDI的艾比湖地区土壤水分时空变化分析

以艾比湖湿地为研究区,利用2003年5月和2013年5月Landsat遥感影像,提取了地表温度(Ts)和植被指数(NDVI)反演温度植被干旱指数(TVDI),并构建特征空间,分析了土壤水分的时空变化。试验结果表明:TVDI可有效反演区域土壤水分,且精度较高;自2003—2013年共10a的时间跨度下,艾比湖地区土壤水分空间分布由湖区向周边地区呈减少趋势;湿润、正常和轻旱面积减少,干旱和重旱面积增加,呈现"两增三减"的趋势。区域土壤水分分布情况不容乐观,仍需加强当地水资源管理,以保障区域生态系统的正常运转。

融合无人机多光谱和热红外影像的蔗田土壤含水率监测研究

甘蔗作为广西、云南等地的主要农作物,极易受到干旱的影响。土壤含水率是评估甘蔗是否受到干旱影响的重要指标。以蔗田土壤含水率为研究对象,利用无人机搭载的热红外和多光谱传感器数据计算出甘蔗冠层的温度、重归一化植被指数RDVI等植被指数,采用人工测定的方法对无人机监测数据进行校正和率定,构建了甘蔗的温度植被干旱指数(TVDI)模型。结果表明,利用多光谱和热红外传感器计算的TVDI与蔗田苗期、分蘖期、伸长期和成熟期土壤含水率均具有高度相关性,决定系数R2分别为0.9066、0.8190、0.8529和0.9160。因此,TVDI模型最适合用于监测甘蔗苗期和成熟期的受旱情况。

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TVDI的沁水煤田地表土壤水分时空演变分析

温度植被干旱指数(Temperature Vegetation Dryness Index,TVDI)是表征地表干旱的有效指标,其时空格局分析是地表干旱与全球环境变化相互影响下的地表覆被变化的研究内容。以山西沁水煤田为研究区,结合2000—2010年MODND1M和MODLT1M数据,构建了NDVI-Ts特征空间并对干湿边拟合分析。结果表明:近11年来,沁水煤田年平均TDVI均大于0.4,且总体呈显著增加趋势,地表土壤湿度很低,部分区域处于中度和重度干旱之间。年度内,月平均TVDI处于0.5~0.7之间,且7月份TDVI存在明显波动。在空间上,研究区地表土壤湿度分布与地表植被分布基本一致。煤田南部和东部以干旱和极干旱为主,西北山区地带以正常或湿润为主,矿区密集区土壤湿度含量明显低于其他地区,矿井分布附近较其他区域地表干旱现象突出。

基于TVDI的西藏“一江两河”地区干旱监测研究

利用MODIS合成产品数据集MOD11A2和MOD13A2获取的归一化植被指数（NDVI）和陆地表面温度（LST）来构建Ts-NDVI特征空间。依据特征空间设计的温度植被干旱指数（TVDI）作为干旱监测指标,对2000~2011年夏季＂一江两河＂地区旱情进行监测分析,并利用研究区气象站地面温度数据进行相关度分析。结果表明：2000~2011年夏季＂一江两河＂地区重旱区主要分布在南部和沿江河谷一带,北部干旱程度较轻,大部分地区TVDI≥0.6,处于干旱区域;近12年TVDI值变化趋势为下降,年际变化显著;TVDI空间分布特征与降水空间分布非常一致,与传统气候干旱监测结果总体上表现一致;实测地表温度与TVDI两者具有较好的线性正相关性。由此可见,温度植被干旱指数（TVDI）作为高原地区大范围干旱监测反演模型具有一定的科学性和参考性。

基于TVDI和Landsat-8的喀斯特峡谷区干旱监测

[目的]探索适用于喀斯特地表干旱遥感监测的技术方法,为石漠化治理监测以及抗旱减灾工作提供技术参考。[方法]运用大气校正法反演地表温度(Ts)和归一化植被指数(NDVI),构建花江峡谷区2013年、2014年和2015年旱季的温度—植被干旱指数(TVDI),并结合地面实测数据对TVDI作为旱情指标进行了验证。[结果](1)反演的TVDI与同时期实测的0—10cm土壤体积含水量数据呈显著的负相关关系(p<0.05)。(2)3个时期的干旱等级以轻旱为主;轻旱、干旱和重旱累计面积占全区比重大,呈现2014年旱情重于2015年和2013年的特点。(3)3个时期的旱情在空间分布上,湿润和正常等级在地形上主要分布在海拔900～1 100m地带,15°～35°的斜坡和缓陡坡,以及阴坡和半阳坡;在石漠化等级上,主要分布在无石漠化区、轻度石漠化区和潜在石漠化区;在土地利用类型中主要分布在有林地、旱地、灌木林地和其他林地。轻旱、干旱和重旱在地形上主要分布在海拔500～900m,6°～25°的缓坡和斜坡,以及阳坡和半阳坡;在石漠化等级上,轻旱和干旱主要分布在轻度石漠化区、潜在石漠化区、中度石漠化区和强度石漠化区,重旱主要分布在非喀斯特区;在土地利用类型上,轻旱、干旱和重旱主要分布在旱地、园地和其他林地。[结论]TVDI可作为研究区的干旱监测指标,基于TVDI和Landsat-8数据的干旱监测方法在喀斯特峡谷区具有一定适用性。

基于TVDI的甘肃黑方台土壤湿度分布及影响因素分析

灌溉是黑方台滑坡诱发因素之一,也是浅层黄土湿度主要影响因子,研究该区土壤湿度动态变化及灌溉等影响因素具有重要意义。利用归一化植被指数(NDVI)和地表温度(LST)构建特征空间,通过温度植被干旱指数(TVDI)法反演黑方台2017年3月—2019年11月20 cm、30 cm土壤深度处土壤湿度分布格局和变化特征,选取自然和人为因素来探讨其中关键的影响因素。以TVDI为指标分析表明:(1)由于黑方台规律的农业灌溉,导致土壤湿度呈现出台塬内高于台塬外的空间分布格局,月均TVDI值表明,春初和冬季土壤湿度高于其他月份;(2)TVDI变化率分析表明,台塬西北区域土壤湿度呈减小的趋势,除黑台中部小片区域土壤湿度变大外,台塬其余区域土壤湿度变化不明显;(3)在土壤湿度影响因子中发现,月均气温和月蒸发量与土壤湿度有较高的负相关关系,因此尽管夏季灌溉量较多,但蒸发量随着温度的上升也在增大,导致夏季土壤湿度相对较小,反之春初和冬季土壤湿度相对较高。蒸发量作为灌溉量损耗的部分,在研究灌溉量对滑坡影响过程中是不可忽视的因素。

基于温度植被干旱指数(TVDI)的土壤干湿反演

【目的】快速准确监测大面积区域土壤水分,提高遥感监测土壤水分的效率。【方法】采用Landsat 8 OLI影像构建了地表温度(Ts)-植被指数(NDVI)特征空间,拟合了特征空间的干湿边方程,并根据干湿边方程计算的温度植被干旱指数(TVDI)与同期野外不同深度的实测土壤含水率进行了回归分析与验证。【结果】遥感影像反演所得的TVDI与野外实测土壤湿度显著相关(α=0.05);0~10、10~20、20~30 cm土层中,TVDI与10~20 cm土层土壤湿度相关性最高(r=0.79);遥感影像反演的土壤湿度时空分布变化特征与作物分布生长情况以及气候变化规律基本吻合。【结论】根据温度植被干旱指数法反演监测区域土壤湿度是切实可行的,尤以10~20 cm土层土壤湿度的反演监测最为精准与可靠。

基于ATI和TVDI模型的河北平原土壤湿度遥感反演

为了进一步提高河北平原土壤湿度时空变化的监测精度,本文以MODIS数据和实测土壤相对湿度数据为数据源,按照优势互补的设计思想,联合应用表观热惯量模型(ATI)和温度植被干旱指数模型(TVDI)反演河北平原地区的土壤相对湿度。在3—5月、10—11月采用基于NDVI=0.2阈值分区分方案的反演方法反演河北平原地区的土壤相对湿度,其中在每旬NDVI>0.2的区域采用TVDI模型,NDVI≤0.2的区域采用ATI模型,而6—9月单独使用TVDI模型来反演土壤相对湿度值。在1—2月和12月,由于植被覆盖度较低和实测土壤相对湿度数据缺测,采用ATI模型。模拟模型全部通过0.01的显著性检验。研究结果表明,河北平原地区的土壤相对湿度在年内时间变化上呈现两个由升到降的变化周期,第1个周期为12月—翌年6月,其中,12月—翌年3月为上升,3—6月为下降,3月为峰值;第2个周期为6—12月,其中,6—8月上升,8—12月下降,8月为峰值;全年土壤相对湿度的平均最大值出现在8月,最小值出现在6月。土壤相对湿度的空间分布主要受降水、人工灌溉和土地利用方式的影响,冀东和沧州滨海平原同期的土壤相对湿度值高于平原其他部分,春季太行山山前平原和燕山山前平原的土壤相对湿度值相对较高。对3个代表性月份(5月、7月和10月)进行的点对点验证表明,各月遥感反演结果的平均相对误差分别为21.4%、19.25%和22.22%。可见,遥感反演的土壤相对湿度和实测土壤相对湿度具有良好的相关性。将本文研究结果和全部用ATI模型和全部用TVDI模型反演的结果进行对比发现,联合应用ATI和TVDI模型分区反演模型反演的土壤相对湿度的平均相对误差均小于其他两种单一反演模型。

贵州温度植被干旱的指数(TVDI)特征及其遥感干旱的监测应用

基于遥感技术的温度植被干旱指数(TVDI)综合了遥感陆面温度或遥感植被指数两类土壤水分检测方法的长处,有效地减小了植被覆盖度的影响,提高了遥感干旱监测的准确性。应用TVDI法和贵州2006年7月和8月,2007年8月的EOS/MODIS遥感资料,分析并揭示了山区复杂独特的NDVI-Ts空间结构特征,反演了贵州表层土壤干旱情况,并与同期当地气象站土壤湿度观测数据进行定量验证,证明TVDI与土壤湿度显著相关。该方法适宜于较大区域、复杂地形的干旱检测与预警。

基于TVDI的玛曲土壤湿度时空变化及其影响因素

玛曲位于青藏高原东缘,是黄河重要的水源涵养区,也是生态脆弱地区,研究土壤湿度动态变化及其影响因素,对青藏高原区水资源、生态安全保障具有重要的现实意义。利用温度植被干旱指数法(TVDI)反演玛曲2000—2015年土壤湿度,分析土壤湿度空间分布和时间变化特征,并采用多元线性回归模型探讨了影响土壤湿度的关键要素。研究表明:1)2000—2015年玛曲地区土壤湿度整体呈现下降趋势,呈旱化的现象,土壤湿度的空间分异特征和季节变化规律显著。其中:土壤湿度空间分布格局为从西北向东南逐渐减少,总体干湿等级以正常为主(0.5<TVDI≤0.6);在季节尺度上,随着时间的推移,春季表层土壤湿度在逐渐减小,趋于旱化,而夏季表层土壤湿度较大并稳定保持,这与夏季降水的补给有直接关系;因冬季降水的减少,冬季整体土壤湿度最低并持续下降,并进一步导致了春季冰雪融水的减少。2)土壤湿度的空间格局和变化是由多个影响因素共同作用形成的,其中净初级生产力、年降水量、高程、坡度以及GDP对土壤湿度具有显著的正向效应,而年平均气温、人口对土壤湿度呈显著的负向效应,故应该控制人口的增长、增加植被覆盖度、积极应对气候的变化以减少气温等对土壤湿度的不利影响等,使玛曲表层土壤湿度保持在一个良好的状况,为黄河的径流量提供一定的保障。这些研究结论可为黄河源区水资源与生态环境研究提供重要的参考信息。

地表温度合成方式对TVDI预测精度影响

针对目前干旱指数(temperature vegetation dryness index,TVDI)构建过程中地表温度(land surface temperature,LST)合成方式的不确定性问题,探讨了LST合成方式对TVDI预测精度的影响,提出了预测效果较好的LST合成方式。以巢湖流域为研究区,利用2013年6月的MODIS LST数据和归一化植被指数数据,构建TVDI预测模型,并结合降水数据对该模型预测结果进行定量验证。从不同时间尺度上(旬、月),探讨LST合成方式对于TVDI预测精度的影响。研究结果表明:(1)LST平均值合成构建的干旱指数TVDI与降水距指数(precipitation anomaly,PA)相关性在不同时间尺度上表现出现较大差异,上旬和中旬TVDI与PA均不存在相关性,下旬和全月TVDI与PA存在显著负相关性(p<0.01),相关系数分别为-0.31和-0.34;(2)LST最大值合成构建的干旱指数TVDI与PA在不同时间尺度上均存在显著负相关性(p<0.01或p<0.05),上旬、中旬、下旬及全月相关系数分别为-0.29、-0.25、-0.31、-0.41。综合分析发现,在月尺度上采用LST最大值合成方式构建TVDI指数对干旱预测效果更好。

基于TVDI的天山新疆段土壤湿度时空分布及影响因素分析

利用遥感数据反演土壤湿度对农作物干旱、生态系统保护及能量循环有重要的指导作用。文中以天山新疆段为研究区,利用MODIS地表温度(Ts)数据和归一化植被指数(NDVI)数据构建Ts-NDVI特征空间,并建立温度植被干旱指数(TVDI)模型,探究天山新疆段土壤湿度的时空分布格局,进一步分析土地利用类型和高程对TVDI的影响。结果表明,构建的Ts-NDVI特征空间,其散点符合三角形关系,TVDI与土壤相对湿度数据呈负相关关系,该地区,除了水体外,永久性冰川雪地土壤湿度最高,沙地最低;高程越高TVDI越小,土壤湿度越高。总体而言,TVDI应用在天山新疆段可以较好地反映该区域的土壤湿度状况,研究结果可为天山新疆段土壤湿度动态监测和水资源提供理论依据和实践参考。

黑龙江省2000-2021年干旱变化特征及影响因素分析

黑龙江省是我国粮食主产区,20世纪气温上升较明显,且降雨分布不均,易受干旱灾害影响。为了解黑龙江省不同地区耕地干旱多年变化特征、发生频率、发展趋势及引起干旱变化的气象因素,基于温度植被干旱指数(TVDI),结合趋势分析方法,探究黑龙江省2000-2021年来干旱变化和发展趋势特征,并探讨引起省内干旱变化的主要气象因素之间的关系。结果表明,2000-2010年黑龙江省大兴安岭、三江平原、张广才岭、松嫩平原4个区的TVDI值较高,较易发生干旱,2013和2019年属于湿润年,其中松嫩平原多年处于干旱状态;按月份分析,5月和9月易处于干旱状态,特别是松嫩平原区,7月常处于湿润状态,表明省内春秋易发生干旱,夏季较湿润;从干旱发生频率分析,大兴安岭、三江平原、张广才岭和松嫩平原干旱发生频率分别为70.00%、80.91%、85.45%和92.73%,强度以轻旱和中旱为主,研究时间段内仅有松嫩平原有10%概率的重旱发生,该地春季干旱发生频率和强度最大;黑龙江省22年来干旱趋势呈基本稳定偏减少,其中东部有干旱趋势轻度增加像元;月干旱趋势中,6月有明显增加的趋势,面积占比达61.08%,5月、7月、8月、9月以基本稳定趋势为主。黑龙江省TVDI变化主要取决于降雨量,年TVDI与年降雨量呈极显著负相关关系,TVDI与气温关系不显著。