基于遥感的土壤电阻率估算研究

以我国长江中下游的南京及其周边15个市(县)为例,采用野外测定、室内分析与遥感反演相结合的方法,开展了土壤电阻率估算研究.选用影响土壤电阻率的土壤水分、土壤温度、土壤可溶盐总量与土壤阳离子交换量等4个主要因子,遥感反演土壤水分和温度空间分布,以获取估算土壤电阻率所需要的主要参数;采用偏最小二乘二次多项式(PLSQM)模型对不同地表覆盖类型下的土壤电阻率进行估算,PLSQM估算模型的估算值与实测值的相关系数达到0.85,平均相对误差(MRE)为19.02%,均方根误差(RMSE)为7.79.结果表明,草地、农田、林地3种不同地表覆盖类型下土壤电阻率有明显差异,PLSQM模型实现了较高估算精度,具有较好的应用潜力.     

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。     

2007-2016年四川省土壤干旱时空动态分析

四川作为农业大省,旱灾是导致农业减产最主要的因素。通过遥感和GIS手段进行四川省土壤干旱程度的时空分析,提高干旱的空间可视化程度,加强干旱监测的时效性尤为重要。本研究基于四川省2007—2016年逐季度的MODIS数据和1961—2011年40个气象站的月降水资料,采用温度植被干旱指数(TVDI)计算得到四川省干旱等级分布情况,辅以标准化降雨指数(SPI)进行相关性分析,并通过线性回归、反距离权重空间插值、GIS空间分析模型重建等方法,分析近十年来四川省地区以季度为时间尺度的土壤干旱时空变化特征,制作各时相土壤干旱分布图展示其微变化。结果表明:(1)在月时间尺度上,SPI-1与TVDI呈中等至强负相关关系,即TVDI值越小,SPI值越大,干旱程度越轻;验证结果表明TVDI都能够较好地对四川省的干旱空间分布状况进行反映。(2)四川省各区域、各季节干旱分布不均:空间上,干旱频发的区域集中在四川盆地及攀西南部区域。时间上,在春季,四川盆地区域的土壤干旱程度大致呈现加剧—持续—减缓的趋势;夏季,四川盆地的干旱变化趋势是加剧—减缓—加剧;秋季,四川盆地的干旱变化趋势是加剧—减缓—持续减缓;冬季,全川干旱程度变化不明显。本文的研究结果对四川省开展农业防灾减灾,引导农业灌溉具有指导意义。     

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MODIS数据的西藏干旱自动监测系统实现的关键技术研究

干旱是一种危害较大的自然灾害, 影响范围大、持续时间长. 随着经济发展和人口的增加, 水资源短缺现象日益严重, 这也导致了干旱范围的扩大和干旱化程度加重. 为降低业务人员负担, 提高业务工作效率, 探讨了基于MODIS遥感数据的西藏干旱监测系统实现的关键技术. 首先, 阐述了MODIS 轨道数据快速投影处理的正向投影处理技术原理, 然后分析了温度植被干旱指数算法(TVDI)及其实现, 最后, 将干旱监测方法集成到业务系统软件, 最终实现西藏全区的干旱遥感监测业务工作. 通过与传统手工干旱监测方法进行对比, 发现干旱自动监测系统具有速度快、自动化等优点, 具有十分重要的实践意义.     

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。     

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。     

不同植被指数在基于TVDI方法反演土壤水分中的应用

研究增强型植被指数基于Landsat-8数据反演土壤水分的可行性及适用性,分析研究区土壤水分总体分布,提高该地区应对干旱灾害的能力。基于温度植被干旱指数方法,以淮河流域上游地区作为研究区,基于2017年2月的Landsat-8影像,分别计算了地表温度、归一化植被指数、增强型植被指数,基于TVDI构建了两种土壤水分反演模型。研究比较了:1) EVI在TM数据中的应用特点;2)研究区土壤含水率的空间分布特征;3)两种模型反演结果的差异。结果表明:1)基于TM数据计算的EVI总体明显低于NDVI,但不同时间段的结果并不总是低于NDVI;2)基于EVI的模型结果精度低于基于NDVI模型结果。3)两种模型结果与植被覆盖度、地表温度的关系均为负相关,其中,基于EVI的模型结果与地表温度的负相关程度极高,即基于EVI的模型结果受植被影响较小,受温度影响程度高。     

利用温度植被干旱指数反演伊犁博州地区土壤湿度

利用MODIS合成产品数据MOD11A2和MOD13A2获取的归一化植被指数（NDVI）和陆地表面温度（LST）构建Ts—NDVI特征空间,并把该特征空间计算的温度植被干旱指数（TVDI）作为土壤湿度指标。利用该指标反演伊犁博州地区6～8月3个月份每8d的土壤湿度。然后将土壤湿度分为5级,进而得到该时段伊犁博州地区土壤湿度空间分布特征。     

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。