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。     

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.     

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．     

基于地表温度-植被指数特征空间的区域土壤水分反演

针对目前西北地区广泛存在的农业干旱问题,选取了新疆塔里木盆地北缘渭干河-库车河三角洲绿洲为研究区,选择云量较少的两幅TM影像,建立地表温度-植被指数特征空间。首先利用线性方程拟合了特征空间的上下边界,比较利用归一化植被指数(NDVI)建立的地表温度-植被指数特征空间Ts/NDVI和利用改进型土壤调整植被指数(MSAVI)构建的地表温度-植被指数特征空间Ts/MSAVI形状的差异,并计算得到两种温度植被干旱指数(Temperature vegetation dryness index-TVDI,分别为TVDIN和MTVDI)。对TVDI与同期野外不同深度的实测土壤重量含水量数据进行回归分析,建立TVDI估测土壤水分的经验模型并对模型进行验证。研究结果表明,TVDIN和MTVDI均能够反演表层土壤水分,其中MTVDI与土壤水分相关性比TVDIN与土壤水分相关性要高,MTVDI能够更好地反映区域土壤水分状况,是一种更有效的土壤水分监测方法,对农业干旱监测具有一定的科学依据。     

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。     

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。     

小花间流域旱情监测模型分析

利用2002年5月份的小花间流域的MOD IS数据提取归一化差值植被指数(NDVI)和陆地表面温度(LST),选取合适的NDVI提取窗口尺度,构建LST-NDVI特征空间,采取适宜的干边和湿边的斜率确定方法,计算温度植被干旱指数(TVDI),对小花间流域进行旱情监测,平均相对湿度进行定性验证。结果表明:采用多尺度的像元提取窗口,依据像元直方图确定干边和湿边,建立温度植被干旱指数(TVDI)进行小花间流域旱情监测能够较好反映当地旱情。基于旱情监测模型的生产需要,探讨旱情与地表温度以及归一化植被指数之间的关系,认为地表温度能够反映当地2002年5月份旱情,而归一化植被指数的作用较小。     

乌鲁木市PM2.5浓度与MODIS气溶胶光学厚度相关性分析

选择西北干旱区城市乌鲁木齐市为研究区,利用MODIS气溶胶产品（AOD）数据和地面监测站PM_2.5浓度数据进行相关性分析,结果表明：二者相关性良好,对AOD数据进行垂直订正和湿度订正后,发现相关性进一步提升（0.49～0.80,p<0.01）。对订正后AOD数据与地面PM_2.5浓度进行建模并选取最优模型,结果均为一元三次模型且模型R²在0.27～0.69之间,其中春秋两季模型R²较高,夏季较低。对模型精度进行验证结果,显示春季与秋季模型精度良好,夏季较差,说明MODIS气溶胶光学厚度数据可以用于反演干旱区地面PM_2.5浓度值,对卫星遥感在干旱区地面空气监测应用提供了新的方法和思路。     

基于MODIS数据的京津唐地区干旱监测研究

京津唐地区由于降水量不均,常出现丰枯交替或连枯、连丰现象,近几十年来呈现涝年减少、旱年增多趋势。该文利用MODIS数据,采用温度植被干旱法,结合京津唐地区的地形植被覆盖条件,利用2010年6-7月共5d的归一化植被指数(NDVI)、增强植被指数(EVI),借助分裂窗法反演地表温度(Ts),构建NDVI-Ts和EVI-Ts特征空间,结合研究区域实际情况确定干、湿边方程,建立了基于温度植被干旱法(TVDI)的干旱监测模型,对京津唐地区的干旱情况进行分析,比较了TVDIN和TVDIE的敏感性。结果表明:利用TVDI法对京津唐地区进行遥感干旱监测是可行的,并且TVDIE比TVDIN监测效果更好,MODIS数据可很好地满足大范围实时动态监测要求。     

基于TVDI的黄土高原地表干燥度与土地利用的关系研究

基于地表温度和植被指数的经验关系构建地表干燥度指数。该指数对Ts/NDVI特征空间的生态特征的解释,对土壤和作物的水分含量具有一定的指示意义。通过对地表干燥度进行分级,分析陕北黄土高原区地表含水状况的空间差异,进而结合该地区的主要土地利用类型,探讨各类型的干燥度情况,并对不同地表干燥度条件下各土地利用类型对地表水分的保持能力差异进行分析,结果表明,在该区相对湿润环境中,林地以及疏林地的水分保持能力优于农地和草地,但在干旱的环境下,草地则好于林地及疏林地。建议根据不同土地利用类型的保水能力,在湿润区域增加林地的面积比例,在偏湿润区域增加疏林地的面积,在干旱区域增加草地的比例,减少农地开垦。     

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。     

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。     

植被NDVI对城市扩展及气候变化的响应——以西安及其附近区域为例

植被 NDVI 对城市扩展及气候变化响应研究,对于科学评估区域生态环境变化及调整与约束人类活动具有重要理论和现实意义。以西安及其附近区域为例,基于区域土地利用、MODIS NDVI、气温和降水数据,分析了植被 NDVI 对城市扩展及气候变化的响应,结果表明：（1）2000-2014 年研究区植被 NDVI 变化过程划分为2000-2007 年的显著增加阶段和2007-2014 年的显著减少阶段,前者主要分布于区域北部黄土高原、南部秦岭北坡,后者主要分布于区域中部关中平原尤其是西安及其附近区域。（2）2000-2015 年研究区建设用地增加1 428.27 km² ,建设用地增加区域植被 NDVI 呈显著减少趋势。（3）研究区植被 NDVI 与年降水量的相关性高于年平均气温,同时西安及其以南区域植被 NDVI 与年平均气温、年降水量均呈负相关关系,反映出城市扩展等人类活动对植被 NDVI 变化的影响超过了气候变化的影响。研究结果表明植被 NDVI 总体受气候变化控制,但局部受人类活动影响更为严重,并且植被 NDVI 对气候变化的响应表现出波动性,而对城市扩展表现出线性减少趋势性,为通过植被 NDVI 变化区分自然因素与人为因素对环境影响提供了可能。     

Modeling Aboveground Biomass Using MODIS Images and Climatic Data in Grasslands on the Tibetan Plateau

Accurate quantification of aboveground biomass of grasslands in alpine regions plays an important role in accurate quantification of global carbon cycling. The monthly normalized difference vegetation index (NDVI), enhanced vegetation index (EVI), mean air temperature (Ta), ≥5℃ accumulated air temperature (AccT), total precipitation (TP), and the ratio of TP to AccT (TP/AccT) were used to model aboveground biomass (AGB) in grasslands on the Tibetan Plateau. Three stepwise multiple regression methods, including stepwise multiple regression of AGB with NDVI and EVI, stepwise multiple regression of AGB with Ta, AccT, TP and TP/AccT, and stepwise multiple regression of AGB with NDVI, EVI, Ta, AccT, TP and TP/AccT were compared. The mean absolute error (MAE) and root mean squared error (RMSE) values between estimated AGB by the NDVI and measured AGB were 31.05 g m^-2 and 44.12 g m^-2, and 95.43 g m^-2 and 131.58 g m^-2 in the meadow and steppe, respectively. The MAE and RMSE values between estimated AGB by the AccT and measured AGB were 33.61g m^-2 and 48.04 g m^-2 in the steppe, respectively. The MAE and RMSE values between estimated AGB by the vegetation index and climatic data and measured AGB were 28.09 g m^-2 and 42.71 g m^-2, and 35.86 g m^-2 and 47.94 g m^-2, in the meadow and steppe, respectively. The study finds that a combination of vegetation index and climatic data can improve the accuracy of estimates of AGB that are arrived at using the vegetation index or climatic data. The accuracy of estimates varied depending on the type of grassland.