VIIRS-TVDI法反演干旱区农田土壤湿度

在国内首次使用MODIS/AVHRR的后继VIIRS产品,依其每日地表反射率产品(GIGTO-VI1~5BO)计算NDVI,结合每日陆表温度产品(GMTCO-VLSTO),计算新疆农七师125团2015年6月29日~7月10日的TVDI结果,利用同期地面实测土壤含水率进行验证,R~2=0.846,两者之间不相关的双尾检验值0.001。结果表明,构建的土壤湿度模型对农田土壤含水率有较好的反应,并将该模型推广到全天山北坡经济带地区。利用VIIRS数据构建的TVDI特征空间表现优秀,拟合结果良好;该数据因其自身幅宽、高时间分辨率等优势,应用于新疆农田土壤湿度监测,具有一定优势,可弥补VIIRS产品在我国该领域使用的空白。     

VIIRS-TVDI法反演干旱区农田土壤湿度北大核心CSCD

在国内首次使用MODIS/AVHRR的后继VIIRS产品,依其每日地表反射率产品(GIGTO-VI1~5BO)计算NDVI,结合每日陆表温度产品(GMTCO-VLSTO),计算新疆农七师125团2015年6月29日~7月10日的TVDI结果,利用同期地面实测土壤含水率进行验证,R^2=0.846,两者之间不相关的双尾检验值<0.001。结果表明,构建的土壤湿度模型对农田土壤含水率有较好的反应,并将该模型推广到全天山北坡经济带地区。利用VIIRS数据构建的TVDI特征空间表现优秀,拟合结果良好;该数据因其自身幅宽、高时间分辨率等优势,应用于新疆农田土壤湿度监测,具有一定优势,可弥补VIIRS产品在我国该领域使用的空白。     

基于MODIS数据新疆土壤干旱特征分析

干旱是一种常见的自然灾害,严重影响着新疆的农业生产。利用中分辨率成像光谱仪MODIS影像MOD11A2数据和MOD13A2数据,数字高程模型(DEM)对Ts进行了纠正,提取归一化植被指数(NDVI)和地表温度(Ts)构建NDVI-Ts特征空间,并依据特征空间计算的温度植被干旱指数(TVDI)作为监测土壤湿度指标,反演了新疆2013年5、6、7三个月每16 d的土壤湿度。较好地反映地表图层土壤湿度,分析了新疆土壤湿度的时空分布特征,新疆北部地区土壤湿度高于南部,西部的土壤湿度高于东部,且土壤湿度由西北向东南逐步减小,依次表现为湿润>正常>轻旱>中旱>重旱>极旱;由5月到7月土壤湿度不断增大,这与新疆降水量分布和实地土壤含水率十分吻合,监测结果可信,能够为决策部门防旱抗旱提供有力的信息支持。     

基于TVDI的藏北地区土壤湿度空间格局

利用2010年DOY 209期的Terra/MODIS 16 d合成的植被指数(EVI)产品数据MOD13A2和8d天合成的地表温度(LST)产品数据MOD11 A2,构建LST-EVI特征空间,从而得到了条件温度植被干旱指数TVDI反映的藏北土壤湿度空间分布图.结合野外同步土壤表层水含量测试数据,二者表现出较好的相关...     

基于MODIS数据的青藏高原旱情监测研究

本文利用温度植被旱情指数（TVDI）和植被供水指数（VSWI）分别对2009、2010年3—10月青藏高原土壤湿度状况进行监测分析,同时利用气象台站实测地面降水资料进行了验证。利用MODIS资料提取的归一化植被指数（NDVI）和地表温度（T_S）,构建NDVI-T_S特征空间,依据该特征空间计算出的反映青藏高原土壤湿度的TVDI与同期累积降水相关性显著;VSWI计算过程简单,但所反映的土壤湿度与同期累积降水的相关性较差。因此,对青藏高原这种范围广、下垫面多变复杂区域而言,TVDI能够更好地反映土壤湿度状况,对干旱监测具有一定的科学意义。     

基于TVDI的福州地区土壤干湿状况遥感监测

土壤干湿状况的监测对于区域生态资源环境具有重要意义．本研究选取福州地区为研究区,利用HJ-1BCCD／IRS遥感影像建立基于不同植被指数（NDVI和EV1）的地表温度一植被指数特征空间,分析和比较了2种特征空间差异,并计算得到2种地表温度一植被干旱指数TVDL将TVDI与同期野外采集的实测土壤湿度数据进行线性回归分析,结果表明这2种植被指数计算得到的TVDI在研究区进行表层土壤湿度监测具有一定的可行性,且TC/EW的监测精度更高,其能很好地反映区域表层土壤湿度状况,是一种有效的表层土壤湿度监测方法．     

基于改进型TVDI在干旱区旱情监测中的应用研究

干旱是全球范围内影响最为广泛的自然灾害之一，其所导致的土壤沙漠化、荒漠化和盐碱化给生态环境造成不可逆的危害。通过对MODIS数据进行投影转换、去云等预处理的基础上，利用地形校正对TVDI模型进行改进，构建了改进型的温度植被干旱指数（mTVDI）用于新疆干旱区旱情监测。利用土壤实测数据对mTVDI及传统的TVDI模型进行对比验证。研究结果表明：（1） 利用EVI与校正后的LST构建的mTVDI_E对干旱区旱情的敏感度最高，与实测土壤水分数据的相关性R²为0.74。（2） 从空间上看，新疆2015年旱情分布以塔里木盆地和准噶尔盆地为两个干旱中心，旱情状况由严重逐步向周围山区递减至湿润状态。从时间上看，新疆6月、7月和8月旱情最为严重。（3） 研究利用TRMM降水数据对基于mTVDI_E反演的新疆旱情时空分布特征进行对比分析，结果表明二者所表现出的旱情时空分布较为一致，不同时间段内的降水量与mTVDIE之间具有一定的相关性，且均通过了P<0.01显著性检验。综上，基于TVDI所提出的mTVDI_E 能够有效开展新疆干旱区旱情监测，且精度较高，从而为今后定量化开展大区域尺度旱情监测研究提供参考。     

基于遥感数据对毛乌素沙地腹部旱情等级的景观变化特征分析

目前遥感监测土壤含水率的方法较多,本次研究选取了稳定性较好、应用较为广泛且所需气象资料少的3种监测方法--SWEPDI指数法、能量指数法与TVDI指数法。以2016年4月和9月两期中高分辨Landsat8数据为数据源,分别将SWEPDI光谱法、能量指数法与TVDI指数法按不同时间、不同土层深度与对应时间的土壤含水率野外实测数据进行线性拟合,并进行各模型之间的比较,选择出更加适当的模型。同时利用景观指数在斑块类型上分析2时相土壤水分的变化趋势。结果表明：TVDI法效果明显优于SWEPDI光谱法和能量指数法,同时该方法还解决了其他方法不能连续监测土壤含水量的问题,适用于各种植被覆盖条件下以及各种土层深度的土壤水分反演。此外,选用6个景观指数分析了2016年4月与9月不同旱情等级干旱等级的景观格局变化,发现4月份PLAND指数达到了58.76%,而9月份轻旱等级的PLAND指数达到了44.16%,都占据优势地位,其中LPI、AREA_CV、AI指数的值也都达到了最大,其旱情状况有了明显的改善。     

梭梭柴林地蒸散量估算模型的研究

在前人工作的基础上选用Prietley和Taylor的湿润表面蒸发量与相对土壤湿度, 对1992~1994年新疆莫索湾治沙站蒸渗仪的实测资料, 用数理统计方法建立了梭梭柴林地蒸散量的估算模型, 并且检验了该模型的效果。该模型只需常规气象资料和土壤湿度资料, 计算简便, 具有较高的精度, 适应于干旱地区使用。     

基于TVDI的羌塘高原夏季土壤湿度变化分析

土壤湿度是生态系统的关键参数,实时、有效地监测土壤湿度有助于增强对区域气候与环境变化的理解。利用温度植被干旱指数法(TVDI)反演羌塘高原2000-2014年夏季土壤湿度,以2014年为例分析该年夏季土壤湿度空间分布并探讨2000-2014年土壤湿度的动态特征。结果表明:(1)2014年羌塘高原夏季土壤湿度空间分布表现为东南部偏湿润、西北部偏干旱。从东到西土壤湿度逐渐降低,南北干湿状况交替分布。土壤湿度干旱、偏干、正常、偏湿、湿润面积比分别为3.84%、27.17%、37.64%、29.63%、1.72%。(2)2000-2014年羌塘高原北部和中部地区夏季土壤湿度呈现显著变干的趋势,而南部大部分地区土壤湿度变化趋势不显著。15年间土壤干旱和湿润面积比例最小且波动小,偏干、正常、偏湿土壤面积均出现不同程度的波动。(3)降水量是影响TVDI的重要因子且具有一定的滞后性,而气温影响相对较小。     

半干旱区土壤湿度遥感监测方法研究

针对西北半干旱地区缺水问题,探讨了一种适合半干旱地区简便、易行的土壤湿度提取方法。该研究借鉴植被供水指数法(VSWI)和温度植被干旱指数法(TVDI)的研究思想,同时考虑到半干旱地区植被覆盖度较低,采用改进型土壤调整植被指数(MSAVI)代替NDVI,以降低土壤背景对植被指数的影响,从而对两种方法进行修正。利用改进前后的指数提取土壤湿度,对比分析表明,用修正后的指数研究该区的土壤湿度效果更好。     

一种基于TVDI模型的煤田温度异常区面积提取方法研究北大核心CSCD

选用Landsat 8资料构建了地表温度(Ts)与归一化植被指数(NDVI)的Ts-NDVI特征空间,计算了温度植被干旱指数(TVDI)。利用MODIS温度产品数据和实地野外采样数据进行精度验证确定煤田火区TVDI阈值。通过对遥感影像的地表热异常信息进行定性与定量分析继而对煤田温度异常区边界信息进行挖掘。结果表明:(1)利用野外实测土壤相对含水量进行验证,反演值与实测值的相关系数R~2=0.66,表明干旱指数的反演精度较高,相关性较好。(2)TVDI模型对温度呈现出较高的敏感性,二维散点图集中在1∶1线上,对NDVI的敏感性较低,有利于识别温度异常区。(3)利用MVC最大合成法,建立TVDI-MVC作为精度验证数据,火区面积为5.03 km~2,其中TVDI-SC提取火区精度最大为98.50%,TVDI-SW_2提取火区精度最小为88.98%。可见煤田温度异常区范围较广,潜在的灾情恶化较严重。     

适用于河北坝上地区的农田风蚀经验模型

目前,中国缺少一种被广泛认可、普遍适用于中国自然条件的农田风蚀模型。本研究利用多年的野外风沙观测数据和风洞模拟实验结果,建立了一种基于河北坝上地区自然环境的农田风蚀经验模型。该模型涵盖风力侵蚀因子、粗糙干扰因子和土壤抗蚀因子三大风蚀影响因子,包括起沙风速、地表粗糙度、土壤可蚀性和土壤含水率四大风蚀影响要素,可对各种农田地表的风蚀量进行定量计算和预测。应用该模型对坝上地区2013年风蚀季农田风蚀量进行定量计算。结果表明,翻耕耙平地的平均风蚀量为39.45 t·hm^-2·a^-1,莜麦留茬地的平均风蚀量为14.08 t·hm^-2·a^-1,与采用其他方法得到的结果比较接近。在更广泛地区对模型进行验证和修订,促进该风蚀模型与“3S”技术融合是下一步的重点工作。     

温度植被干旱指数（TVDI）在草原干旱监测中的应用研究

以内蒙古锡林郭勒盟地区为研究对象,选取2010年研究区旱情发生显著变化的9、10月份的MODIS植被指数和陆地表面温度数据,构建草原地区NDVI-LST和EVI-LST特征空间,进而由此构建了草原地区的温度植被干旱指数（TVDI）,并结合当地气象数据和野外同步实地测量得到的土壤含水量数据对该指数进行定量验证。结果表明：（1）基于EVI-TS特征空间构建的TVDI,同样适用于旱情研究;且在研究区植被覆盖度不高的条件下,基于NDVI-TS特征空间的TVDI更适用于干旱监测;（2）构建的NDVI-TS和EVI-TS特征空间,其散点图符合三角形的关系,与前人研究成果相符;（3）TVDI可以很好地反映研究区的旱情变化情况,可以对研究区进行旱情动态监测;（4）基于NDVI-TS及EVI-TS空间构建的TVDI均与实地同步野外采集的土壤含水量数据结果显著负相关。且通过对基于TVDI的干旱监测结果与研究区实际情况对比分析发现,两者在旱区分布范围、旱情强度等级、干旱发展进程等方面基本吻合,说明TVDI可以在时间上很好监测旱情变化,TVDI可以用来评价草原干旱状况。     

温度植被干旱指数(TVDI)与多因子关系研究

利用EOS/MODIS数据,采用归一化植被指数(NDVI)和地表温度(LST)构建NDVI-Ts特征空间,依据该特征空间计算温度植被干旱指数(TVDI)。通过对2009年6期冬小麦数据比较和多因子相关分析,认为TVDI与LST为极显著正相关关系,与NDVI相关性次之。气象因子中降水量(JSL)因子与TVDI相关性较为显著,在作物生长中后期,降水距平(JSJP)因子影响日趋明显;其它气象因子及海拔、灌溉与否等因子作用不显著,在进行大尺度干旱监测时基本可以忽略。如将TVDI与影响较为明显的因子组合建立新的指标或许是一个更好的监测方法。     

一种基于TVDI模型的煤田温度异常区面积提取方法研究

选用Landsat 8 资料构建了地表温度（Ts）与归一化植被指数（NDVI）的Ts-NDVI特征空间,计算了温度植被干旱指数（TVDI）。利用MODIS温度产品数据和实地野外采样数据进行精度验证确定煤田火区TVDI阈值。通过对遥感影像的地表热异常信息进行定性与定量分析继而对煤田温度异常区边界信息进行挖掘。结果表明：（1）利用野外实测土壤相对含水量进行验证,反演值与实测值的相关系数R²=0.66,表明干旱指数的反演精度较高,相关性较好。（2）TVDI模型对温度呈现出较高的敏感性,二维散点图集中在1∶1 线上,对NDVI的敏感性较低,有利于识别温度异常区。（3）利用MVC最大合成法,建立TVDI-MVC作为精度验证数据,火区面积为5.03 km²,其中TVDI-SC提取火区精度最大为98.50%,TVDI-SW2提取火区精度最小为88.98%。可见煤田温度异常区范围较广,潜在的灾情恶化较严重。     

TVDI用于干旱区农业旱情监测的适宜性

基于地表温度/植被指数(T_s/VI)特征空间建立的温度植被干旱指数(TVDI)受诸多因素的影响,其中一个重要的影响因素是植被指数,该指数在高、低植被覆盖时的敏感性不同,从而导致TVDI对旱情监测的准确度不同.针对这一问题,以新疆塔里木盆地北缘渭干河-库车河三角洲绿洲为研究区,选择2011年4月、8月两景TM影像,利用归一化植被指数(NDVI)和比值植被指数(RVI)分别建立T_s/VI特征空间,线性拟合特征空间的上、下边界,计算得到两种温度植被干旱指数(TVDI-NDVI、TVDI-RVI).用TVDI与同期野外实测的土壤含水量数据进行回归分析.结果表明:(1)植被指数、地表温度、土壤水分之间有显著互动关系,以不同植被指数计算得到的两种TVDI与表层土壤水分相关性较好,均能够反映区域土壤干旱状况;(2)由于植被指数对植被探测的敏感性,在4月低植被覆盖时,TVDI-NDVI与表层土壤水分的相关性较高,为0.4299,8月高植被覆盖时,TVDI-RVI与表层土壤水分的相关性较高,达到0.5791;(3)在低植被覆盖区域,NDVI较RVI敏感,而在高植被覆盖区域,RVI敏感性较高.RVI适用于高植被覆盖时反演土壤湿度,NDVI则更适用于中、低植被覆盖时.     

阿拉尔灌区棉田蒸散量计算模型

根据2000年阿克苏水平衡站有底测坑试验资料，分析了土壤水分有效性函数与土壤相对有效含水率，作物生物学特性函数，与群体叶面积指数的关系，结果表明：（1）土壤水分有效性函数与土壤相对有效含水率呈直线函数关系；（2）作物生物学特性函数与群体叶面积指数呈指数函数关系。选用20cm蒸发器水面蒸发量、作物生物学特性函数和土壤水分有效性函数，应用数理统计方法建立了阿拉尔灌区棉田蒸散量计算模型。该模式仅需常规气象与土壤湿度资料，计算简便，精度较高，便于在缺乏实测资料的地区使用。     

基于多时相SAR的IEM和Oh模型地表土壤含水率反演与融合

基于水云模型分析植被后向散射系数的影响,采用考虑组合粗糙度定标的积分方程模型(IEM)与Oh模型,在不利用实测土壤含水率的前提下,建立基于多时相多极化SAR影像的IEM和Oh模型地表土壤含水率反演方法,以2004年5期Walnut Gulch流域ENVISAT-ASAR影像为例,采用加权平均、算术平均两种融合方法对两种模型的3期反演结果进行融合.结果表明:1)流域植被覆盖度低,各地类在植被去除前后的土壤含水率差值多期均值多在0.002 cm3/cm3以下,植被对反演结果的作用不显著;2)基于IEM、Oh模型反演的0720期、0805期、0824期土壤含水率的时空分布较一致,基于IEM模型反演的0714期与0818期土壤含水率较低,基于Oh模型的反演方法受影像极化方式制约,0714期、0818期土壤含水率的空间连续性差;3)基于IEM模型反演结果的均方根误差(RMSE)与偏差(Bias)低于Oh模型,其中0805期土壤含水率存在低估,而Oh模型反演结果在各期存在不同程度高估;4)考虑数据权重的加权平均方法优于算术平均方法,两种方法融合后的RMSE值降低了0.003～0.065 cm3/cm3,0720期、0805期两种方法的融合结果均改进了IEM模型反演结果偏低、Oh模型反演结果偏高的不足.该研究可为基于多时相SAR的多模型/方法土壤含水率反演以及多时相高精度土壤含水率获取提供参考.     

夏季不同土壤湿度和天气背景条件下绿洲土壤温湿特征的个例分析

 利用在甘肃省酒泉金塔地区开展的“绿洲沙漠能量和水分循环观测试验(JTEX)”获得的2005年5—7月的补充观测资料,分析了在不同土壤湿度和天气背景条件下的夏季绿洲农田土壤温、湿场特征。结果表明：一般来说,对于5—40 cm深度的土壤,随着深度的增加其湿度也随之增加。5 cm、10 cm的土壤湿度具有明显的日变化,且在中午时最为湿润;20 cm土壤湿度的日变化幅度小于上两层,变化趋势却与5 cm的相反;40 cm土壤湿度的日变化不明显。晴天浅层的土壤湿度日变化大于阴天。晴天个例中,土壤湿度较大时,5 cm土壤在白天比10 cm的湿润;当土壤较为干燥时,全天浅层土壤湿度都小于较深层的。各层土壤温度在一个中心值周围分布, 40 cm深度以上土壤温度均具有明显的日变化;土壤温度的极值出现时间滞后于地表温度,离地面的距离越大,峰值出现的时间比地表温度滞后的越长,且变化幅度越小。晴天的土壤湿度越小,浅层土壤湿度日变化幅度就越大,各层土壤温度也就越高。土壤深层基本不受天气情况的影响,但受灌溉的影响较大。