基于综合干旱指数的淮河流域土壤含水量反演

为了方便快捷地得到大范围的土壤含水量产品,以MODIS数据为数据源,淮河流域为研究区域,结合表观热惯量模型和植被供水指数模型的适用性特点,根据地表植被覆盖度的不同,建立综合干旱指数(comprehensive drought index,CDI)模型,对土壤含水量进行反演;然后,将反演的CDI结果与地表实测数据进行相关性建模,得到CDI与实测数据间的最佳拟合模型,利用该模型把CDI结果转化为最终的土壤含水量值;最后,通过实测含水量数据来验证反演结果的可靠性和精度。结果表明,反演得到的土壤含水量与实测土壤含水量相关性较高,相关系数R~2均在0.7左右,该方法对于高效地获取大面积土壤含水量信息具有较好的应用价值。     

分布式MODIS植被供水指数生产模型研究与实现

遥感监测已成为旱情监测的重要手段,其中植被供水指数（vegetation supply water index,VSWI）产品是进行遥感旱情监测的重要参考依据,但其生产涉及的数据量大,处理周期长,严重影响监测数据处理的及时性。面向分布式计算环境,提出了一种基于开放服务网关协议（open services gateway initiative,OSGI）的分布式中分辨率成像光谱仪（Moderate-Resolution Imaging Spectroradiometer,MODIS）植被供水指数产品生产模型（OSGI-based VSWI distributed production model,ODPM）,通过该模型将MODIS影像的植被供水指数产品生产算法转化成OSGI的Bundle组件,使其能够在分布式OSGI的平台中进行动态的部署与安装,充分利用局域网内的计算资源,实现快速的遥感数据处理与监测产品生产。利用中国7大流域数据对模型的稳定性进行实验,结果表明,相对传统的单机处理模式,该模型的运算速度提升3倍左右,内存占用减少大约2/3倍,并具有良好的计算稳定性。ODPM模型在提升数据处理部门的工作效率方面具有重要意义,可在海量遥感数据处理、大范围遥感监测产品生产领域发挥显著的作用。