MODIS资料遥感监测土壤水分与干旱研究进展

干旱是威胁我国及世界农业发展的自然灾害之一,遥感技术已经成为监测土壤水分与旱情的重要手段.本文总结分析了近年来利用MODIS资料监测土壤水分和干旱的优势,回顾总结了目前利用MODIS资料监测土壤水分和干旱的方法,着重从光谱法、温度植被干旱指数(TVDI)空间法、植被水分监测法、水分亏缺指数法等几方面进行了重点介绍,并对未来的发展趋势进行了展望.     

基于遥感数据的宁夏地区土壤水分反演方法比较

利用MODIS产品数据MOD11A2和MOD13A2获取地表温度(TS)、昼夜温差(DST)、归一化植被指数(NDVI)、增强植被指数(EVI),构建宁夏区域2005年4、7、10月逢8、18、28日TS-NDVI、TS-EVI、DST-NDVI、DST-EVI特征空间,根据TS-NDVI、TS-EVI、DST-NDVI、DST-EVI特征空间建立了温度植被干旱指数(TVDI)、温度增强植被指数型干旱指数(TEDI)、温差植被干旱指数(DTVDI)、温差增强植被指数型干旱指数(DTEDI),并以这些干旱指数作为土壤水分监测指标,反演了宁夏区域2005年4、7、10月的土壤水分.利用实测10 cm土壤水分进行相关分析,结果表明DTEDI在宁夏土壤水分反演中表现较好,DTVDI表现略好.     

山东省干湿转换期土壤水分MODIS遥感监测

由于2012年春夏过渡时期山东省降水时空分布不均,前期全省大部分地区出现旱情,后期降水偏多。为及时掌握干旱分布及变化情况,利用MODIS地表温度数据(MOD11A2)和植被指数数据(MOD13A2),结合土壤水分自动站的实测数据,采用温度植被干旱指数法,构建了LST-NDVI、LSTEVI特征空间,反演了2012年6~7月山东省干湿转换期的土壤水分,分析了干旱空间分布及变化特征。结果表明:LST-NDVI特征空间反演精度为82.95%,LST-EVI特征空间反演精度为84.33%,精度提高了1.66%。前期山东省中南部、西部出现旱情并以轻旱为主,后期由于降水旱情明显缓解,干旱面积减少了65 427 km2。基于MODIS数据利用温度植被指数法在本区域进行干旱监测是可行的。     

青海高寒草地区曲麻莱县遥感干旱指数的适用性研究

利用2001—2016年MODIS产品数据和地面站点数据,在垂直干旱指数、归一化植被水分指数和植被状况指数与土壤水分数据相关分析基础上,筛选相关性较高的遥感干旱指数和适用时段,再结合典型干旱案例,确定青海南部典型高寒草地区曲麻莱县最优遥感干旱指数和适用时段,构建牧草生育期土壤水分估算模型,并再现2015年夏旱事件。结果表明:植被状况指数比较适合曲麻莱县夏旱监测,依据百分位法划分的土壤干旱分布区域与牧草长势较差的分布区域基本一致,旱情空间演变趋势与实际情况相符。该模型及基于百分位法的旱情评价方法能较好地满足日常干旱监测业务需求。     

省级MODIS植被指数序列的建立与应用

建立M OD IS植被指数序列是一项重要的基础性工作,有助于更加准确、有效地认知植被覆盖、土地利用和土壤水分的时空变化规律,更有效地监测干旱和植物生长。分析M OD IS植被指数的特点并与AVHRR植被指数进行对比,提出可业务化的M OD IS资料预处理方法,讨论了省级M OD IS植被指数序列的建立方法及其在农业遥感中的应用。     

利用MODIS资料监测和预警干旱新方法

为了提高遥感监测土壤水分和干旱的技术水平,在对常用遥感监测土壤水分和干旱方法进行评价的基础上,根据土壤热力学理论,提出了利用EOS/MODIS资料遥感监测农业干旱的新方法———能量指数模式。实际监测应用结果表明,能量指数模式更适合农作物土壤水分和干旱的监测,监测效果明显优于已经业务化的其它模式。农作物生长季节干旱的预警应当在土壤水分遥感监测的基础上,考虑未来预警期内的预报降水量和最高气温,并且把这个预报降水量和最高气温定量转化为土壤水分订正值,按照当地的标准划分成干旱预警等级。     

安徽省MODIS干旱监测技术研究

为了更有效地监测安徽省农业干旱,以安徽省半湿润区、过渡区为研究对象,利用MODIS资料,在对比分析了基于植被供水指数和温度植被干旱指数两种干旱监测方法基础上,结合已业务应用的农业干旱指标累积湿润指数,开展安徽省分时段的晴空遥感干旱监测研究,建立并确定了部分时段半湿润区、过渡区的MODIS植被供水指数和温度植被干旱等级标准,同时结合当地台站监测土壤墒情对干旱监测进行检验。结果表明,作物生长季节VSWI、TVDI与累积湿润指数存在相关性,两种方法建立指标和模型可以用来分时段进行区域干旱监测,得出了初夏旱TVDI更适合于研究区域的干旱监测。     

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。     

植被温度条件指数在土壤墒情遥感监测中的应用

利用多年极轨气象卫星遥感资料,在计算出植被条件指数和温度条件指数的基础上,计算了遥感监测土壤墒情的植被温度条件指数(TV)。通过实测土壤湿度和TV的散点图,可以得到土壤墒情遥感模型的干旱等级指标,可用于干旱等级定性监测;通过建立土壤湿度和TV的回归方程,可进行土壤墒情定量监测。该方法兼有植被条件指数和温度条件指数的优点,且计算简单,对地面气象要素依赖性小,实时性好,在作物生长旺盛期,其定量反演0~30 cm土壤墒情精度平均可达80%以上,可以替代作物缺水指数法。     

基于TVDI的西藏地区旱情遥感监测

西藏大部分地区属干旱或重干旱区,干旱发生较为频繁,是影响农牧业生产最严重的灾害之一。文章利用拉萨接收站的中分辨率成像光谱仪(MODIS)资料提取的归一化植被指数(NDVI)和地表温度(ST),构建ST-IND-VI特征空间,依据该特征空间设计的温度植被旱情指数作为旱情指标,找出适合该地区的旱情判别模式,以2005～2008年6～7月同时段西藏地区卫星资料、气象旱情监测结果以及土壤相对湿度观测数据为例,进行旱情对比分析。结果表明,利用温度植被旱情指数(TVDI)法对西藏地区进行夏季干旱动态监测是可行的。     

四川盛夏伏旱的MODIS遥感监测方法

本文利用2006～2010年7、8月的MODIS卫星遥感资料、土壤湿度观测资料和Ci综合气象干旱指数,讨论了NDVI-Ts特征空间干、湿边的拟合方法,建立了7～8月各旬的TVDI指数计算模型.根据31个农业气象站点的土壤相对湿度观测资料,获得了5种干旱等级的观测样本,并通过样本类内离散度、类间离散度,以及与土壤相对湿度和Ci指数相关性的比较,对比分析了TVDI和VSWI两种干旱遥感监测方法对四川盛夏伏旱的监测能力,结果表明:对于四川盛夏伏旱的遥感监测来说,用TVDI指数监测比用VSWI指数监测更合适,效果更好,TVDI指数监测到的干旱区比较可靠.     

西藏高原土壤水分遥感监测方法研究

土壤水分是植物生长、发育的必要条件,是研究农牧业干旱程度的重要指标,监测土壤水分对农业、旱情、气候等具有重要意义。本研究分析了西藏高原实测土壤湿度与同期MODIS植被供水指数和波段7反射率之间的关系。结果表明,MODIS第7波段单窗算法是较为有效和简便的西藏高原土壤水分监测方法,对高原中部植被生长季基于MODIS波段7的二次多项式监测模型较好,而对整个高原非生长季三次多项式监测模型效果较好,MODIS第7波段同样可以用于高原农田土壤湿度的遥感监测。      

基于MODIS数据的作物苗期干旱监测方法

针对苗期低植被覆盖情况,在原有的归一化植被指数基础上,增加了土壤调节植被指数,将其与条件温度指数结合,通过与地面实测土壤相对湿度进行相关分析,分别建立作物苗期的干旱监测模型,并与热惯量方法和供水植被指数方法进行对比分析,初步得出辽宁省范围内作物苗期进行大范围干旱遥感监测的最适宜模型为土壤调节植被指数一温度模型.     

农业旱涝指标及在江淮地区监测预警中的应用

该文提出了一个可业务应用的农业旱涝监测预警气象指标———累积湿润指数。该指标以相对湿润度指数为基础, 用作物需水量取代参考作物蒸散量, 并考虑前期旱涝程度对当前旱涝状况的累积影响, 具有农业意义。为方便农业气象业务应用, 采用FAO Penman-Monteith模型的简化方法计算参考作物蒸散量, 用气温资料对简化式进行校准, 将误差减小到可满足应用要求; 通过求算不同区域农田作物系数的加权平均值, 得到宏观农田作物需水量, 并确定了该指标分区域的旬旱涝等级标准。该指标用于旱涝监测, 与土壤墒情的定性符合率为80%~90%, 定量符合率为60%~70%, 在旬时间尺度比土壤墒情指标更符合旱涝实况; 用于下一旬旱涝预警, 尽管受到中期降水量预报准确度影响, 但由于含有前期旱涝实况信息, 预警趋势大体正确, 提高了旱涝预警的准确度。     

Assessing Drought Conditions in Cloudy Regions Using Reconstructed Land Surface Temperature

Temperature vegetation dryness index (TVDI) in a triangular or trapezoidal feature space can be calculated from the land surface temperature (LST) and normalized difference vegetation index (NDVI), and has been widely applied to regional drought monitoring. However, thermal infrared sensors cannot penetrate clouds to detect surface information of sub-cloud pixels. In cloudy areas, LST data include a large number of cloudy pixels, seriously degrading the spatial and temporal continuity of drought monitoring. In this paper, the Remotely Sensed Daily Land Surface Temperature Reconstruction model (RSDAST) is combined with the LST reconstructed (RLST) by the RSDAST and applied to drought monitoring in a cloudy area. The drought monitoring capability of the reconstructed temperature vegetation drought index (RTVDI) under cloudy conditions is evaluated by comparing the correlation between land surface observations for soil moisture and the TVDI before and after surface temperature reconstruction. Results show that the effective duration and area of the RTVDI in the study area were larger than those of the original TVDI (OTVDI) in 2011. In addition, RLST/NDVI scatter plots cover a wide range of values, with the fitted dry-wet boundaries more representative of real soil moisture conditions. Under continuously cloudy conditions, the OTVDI inverted from the original LST (OLST) loses its drought monitoring capability, whereas RTVDI can completely and accurately reconstruct surface moisture conditions across the entire study area. The correlation between TVDI and soil moisture is stronger for RTVDI (R = −0.45) than that for OTVDI (R = −0.33). In terms of the spatial and temporal distributions, the R value for correlation between RTVDI and soil moisture was higher than that for OTVDI. Hence, in continuously cloudy areas, RTVDI not only expands drought monitoring capability in time and space, but also improves the accuracy of surface soil moisture monitoring and enhances the applicability and reliability of thermal infrared data under extreme conditions.     

安徽省农业干旱综合监测技术及其业务试用

针对安徽省农业干旱业务服务需求,利用已业务应用的农业干旱指标:土壤墒情、累积湿润指数、植被供水指数,配合阶段降水量和降水日数,进行农业干旱综合监测指标和方法研究.综合指标中各因子权重的确定采用层次分析法.根据安徽省气候过渡区下垫面地表特征差异和云天状况,分别确定了湿润区、半湿润区的晴空和云覆盖4种状态下的各因子权重序列,均通过了一致性检验;建立了相应的农业干旱综合监测模型;确定了4要素和5要素农业干旱监测等级标准.综合模型概括了各单指标主体监测结果,有利于对农业旱情的综合判断,监测模型检验效果良好,可业务应用.     

华北干旱综合评估和预警技术研究

论述了根据热惯量理论,利用气象卫星ＡＶＨＲＲ资料,对华北平原的土壤墒情进行动态监测的方法。并在分析土壤墒情、降水量、气温和未来降水趋势对干旱综合影响的基础上,提出了适用华北地区农作物生长季节干旱的综合评估和预警指标。根据这种指标研制的干旱综合评估和预警系统其灵敏性和稳定性均有显著的提高。     

我国温度植被旱情指数TVDI的应用现状及问题简述

植被指数和地表温度是2类常见的遥感干旱监测方法,它们分别利用植被受旱时植被指数降低和植被冠层温度升高这2种重要的生理表现来监测干旱。但植被指数对干旱指示具有一定滞后性,地表温度监测干旱时易受土地背景等影响。基于特征空间的温度植被旱情指数(TVDI)综合了植被指数和地表温度监测干旱的特点,物理意义明确,克服部分单独使用植被指数或地表温度的缺点,是目前干旱研究和业务应用中使用最广的遥感干旱指数之一。本文介绍了TVDI的原理、计算方法、应用中的改进及TVDI干旱监测方法,旨在为TVDI的研究及应用提供一些参考。