基于作物缺水指数的土壤含水量估算方法

为研究江苏省徐州市的土壤水分时空分布及动态变化,基于MODIS数据和站点气象数据,利用蒸散发双层模型和考虑土壤水分可供率的改进双层模型分别计算实际蒸散发量,利用Penman-Monteith模型计算区域潜在蒸散发量,计算获得作物缺水指数(crop water stress index,CWSI),并与2010年7月和11月的土壤相对含水量实测数据分别进行回归分析建模,得到了土壤含水量分布图。结果表明:基于蒸散发双层模型的土壤含水量估算结果与实测值的决定系数分别为0.53和0.72,平均相对误差分别为5.89%和9.6%;对双层模型进行改进后,土壤含水量估算结果与实测值的决定系数都为0.84,平均相对误差分别为3.47%和6.03%,利用改进后的双层模型对土壤相对含水量进行估算效果更好。     

可变模糊集的土壤含水量高光谱估测模型

针对土壤含水量高光谱定量反演中影响因素的多样性及实测数据划分上的模糊性问题,该文利用可变模糊集理论进行土壤含水量预测。以山东省泰安市的94个棕壤样本为研究对象,对室外光谱数据进行平方根的一阶微分变换;在此基础上,采用单相关分析法提取反演因子,即R669、R762、R1022、R1235、R2060;根据可变模糊集理论建立土壤含水量高光谱可变模糊集估测模型,用平均相对误差以及决定系数进行模型精度评价。实验结果表明,基于平方根的一阶微分变换的可变模糊集模型估测,18个检验样本的平均相对误差为2.761%,模型的决定系数R2=0.972。研究表明,利用可变模糊集进行土壤含水量高光谱估测是有效的,可以为土壤含水量的定量估测提供一种新的建模方法。     

黄河三角洲地区地下水埋深遥感反演

黄河三角洲地区地理位置特殊,水资源供需矛盾尖锐,为了研究其地下水分布状况,使用MODIS遥感数据、实测土壤相对含水量和地下水埋深数据,利用温度植被干旱指数(temperature vegetation dryness index,TVDI)和表观热惯量法(apparent thermal inertia,ATI)对研究区土壤相对含水量进行遥感估算;通过分析不同深度处土壤相对含水量与地下水埋深的相关性,建立了反演地下水埋深的线性方程,得到了研究区地下水埋深分布状况图.结果表明:利用地表10 cm深度处测得的土壤相对含水量反演地下水埋深的结果较为合理;在缺少土壤相对含水量数据时,可以用反映土壤相对含水量高低的因子估算地下水的埋深.     

基于HJ-1B数据和SEBAL模型的陆面蒸散发遥感估算

利用HJ-1B卫星数据和SEBAL模型,进行了淮河上游段的陆面蒸散发(ET)遥感估算。选取2010年4期少云的HJ-1B卫星影像,首先对ET估算中需要的中间变量——地表温度、地表反照率进行了反演,反演结果与MODIS产品结果基本一致;在此基础上,结合部分地面气象观测数据,基于SEBAL模型进行ET估算,并利用水文站点的实测蒸发皿数据对估算的日蒸散发结果进行验证,相对误差在10%之内。将ET估算值与土地利用覆盖类型、地形因子对比分析发现,不同土地覆盖类型的ET量不同,ET空间变异性与地形特征有一定关联。     

墒情遥感监测指数对比分析与灌区应用研究

以人民胜利渠灌区为研究区,在小麦拔节至成熟期利用MODIS数据逐旬构建PDI、VCI、VSWI和TVDI墒情遥感监测指数,与实测土壤含水量数据进行相关性分析,对比筛选适用于灌区的监测指数,并基于HJ卫星数据将最优指数应用于人民胜利渠灌区土壤墒情监测。结果表明:小麦拔节至成熟期,TVDI指数与实测土壤含水量的相关性最好,表现最为稳定,更适用于灌区土壤墒情监测;基于HJ卫星数据的TVDI土壤墒情监测模型能够快速有效地实现灌区土壤墒情遥感监测。     

国产HJ-1B卫星数据的地表温度及湿度反演方法——以呼伦贝尔草原伊敏露天煤矿区为例

草原露天煤矿的土壤湿度遥感监测可以反映露天开采活动对生态环境的扰动程度。选择国产环境卫星(HJ-1B)多光谱及热红外光谱数据,探讨HJ-1B数据在中国北部呼伦贝尔草原伊敏露天煤矿区地表温度及湿度的反演模型及适宜性,对比分析JMS,Qin和Artis算法在研究区温度反演中的精度及适用性;进一步利用归一化植被指数和地表温度(NDVI-LST)的特征空间反演温度植被干旱指数(temperature vegetation dryness index,TVDI);通过野外实测土壤湿度数据对NDVI–LST特征空间中的干边模型进行修正。结果表明:基于Qin算法反演的温度数据精度最高;干边纠正系数为0.3时,TVDI与实测土壤含水量相关性最高,"湿边"呈现剖物线特征,"干边"呈现线性规律。反演结果能够很好地反映露天煤矿区内不同地物的地表干旱状况及空间异质性,可为草原露天煤矿区的长周期陆面演变监测提供基础数据。     

基于RS的淮河流域土壤含水量估算方法

运用MODIS等数据,建立了基于能量平衡与水量平衡的地表土壤含水量遥感反演模型。模型验证结果表明,山东半岛地区实测值与模拟值相关性R2为0.63,沂沭泗流域R2为0.6,淮河地区R2为0.65,适合研究区域不同季节不同分区土壤含水量预测。对将RS用于土壤含水量估算有一定参考价值。     

遥感估算地表蒸散发真实性检验研究进展

地表蒸散发是连接土壤—植被—大气连续体的纽带,结合遥感技术估算地表蒸散发已成为获取区域乃至全球尺度时空连续地表蒸散发量的有效手段。由于遥感估算地表蒸散发容易受到地表空间异质性和近地层气象条件复杂性的影响,在模型机理与变量参数化方案、输入数据和时间尺度扩展等方面存在不确定性,影响了其准确度的提高和应用范围的拓展,因此需要开展真实性检验。本文综述了当前遥感估算地表蒸散发(包括植被蒸腾和土壤蒸发)真实性检验研究的相关成果,重点归纳并总结了应用于遥感估算地表蒸散发真实性检验的直接检验法和间接检法的主要原理、适用性和优缺点,在此基础上阐述了当前遥感估算地表蒸散发真实性检验研究所面临的挑战。分析表明：由于地表空间异质性的普遍存在,遥感估算地表蒸散发真实性检验研究在理论和方法方面还受到诸多挑战,今后应打破地表蒸散发遥感产品真实性检验局限在均匀地表的传统思路,发展非均匀地表遥感估算地表蒸散发真实性检验的理论框架,包括地表水热状况空间异质性的度量、非均匀地表验证场的优化布设、非均匀下垫面地表蒸散发的多尺度观测试验、卫星像元/区域尺度地表蒸散发相对真值的获取、验证过程中的不确定性分析以及遥感估算地表蒸散发的实证研究等,并构建一个多源、多尺度、多方法、多层次的真实性检验技术流程,以期把遥感估算地表蒸散发真实性检验作为突破口,提升相应遥感产品的应用水平,推动定量遥感科学的发展。     

基于Penman-Monteith Leuning模型的遥感蒸散发估算——以四川省马尔康县为例

蒸散发作为地表水分消耗和参与水文生态循环的重要参数,是生态应用研究的重点.尤其对于植被恢复和水资源管理的领域而言,区域蒸散发估算的准确性十分重要.本文以野外实测(气象和蒸散发)数据为基础,利用实测数据对遥感PML模型进行参数优化,基于Landsat-8遥感影像数据对四川省马尔康县蒸散发进行估算.研究结果表明:马尔康县模...     

不同尺度反演土壤重金属铜含量研究

采用实测土壤高光谱遥感数据和多光谱遥感影像数据采用单元回归分析法对土壤重金属铜含量建立反演预测模型。利用单元回归分析法分别建立模型,得出高光谱的最佳预测波段是R_(942),模型决定系数R2=0.634,多光谱最佳预测波段为B2,模型决定系数R2=0.625。通过显著性检验,均达到显著水平。结果表明多光谱遥感影像数据在本研究区内具有预测重金属铜含量的能力。     

土壤重金属铬含量高光谱灰色关联度估测

快速、准确地测定土壤重金属含量,对防治土壤重金属污染、改善土壤环境和保障食品安全有着重要意义。以山东省烟台市采集的70个土壤样本为基础,首先分析土壤重金属铬含量的分组光谱特性;然后利用6种变换方法对土壤光谱反射率进行变换,根据极大相关性原则选取反演因子;最后利用灰色关联度模型初步估测铬含量,并对估测结果进行修正,采用决定系数和平均相对误差评价模型的有效性。结果表明,土壤光谱反射率随铬含量的升高而降低,二者呈负相关性;利用灰色关联度模式识别方法对重金属铬含量进行估测后的决定系数为R~2=0.656,平均相对误差为16.590%,而利用灰色关联度修正模型对估测值进行修正后,决定系数为R~2=0.912,平均相对误差为6.632%。研究表明,利用灰色关联度修正模型定量估侧土壤重金属铬含量有效。     

克里雅河流域中游绿洲蒸散发的时空演变与驱动因素分析

蒸散发是评估荒漠绿洲水热循环的关键因素,其时空变化监测及驱动力研究可为水资源的精准调控与生态环境保护提供科学依据。以克里雅河流域中游绿洲地区为研究区域,本文基于Landsat遥感影像与SEBS模型分析了2010—2022年蒸散发的时空变化,通过蒸发皿实测数据和Penman-Monteith模型进行了估算结果的精度验证,并进一步探讨了蒸散发的影响因素。结果表明：(1)蒸散发的SEBS模拟值与蒸发皿观测值的相关系数和R²分别为0.93和0.87,RMSE为0.96 mm/d;与彭曼公式观测值的相关系数和R²分别为0.90和0.81,RMSE为0.64 mm/d。(2)2010—2022年的实际蒸散发呈下降趋势,其变化速率为14.75 mm/a;在春季、夏季和秋季呈下降趋势,在冬季则呈上升趋势。(3)蒸散发的空间异质性明显,高值主要集中在克里雅河沿岸附近,低值则分布在绿洲边缘地区的沙地;近13年整个研究区约有70.2%的像元呈无显著下降趋势,10.4%的像元呈显著下降趋势。(4)蒸散发与气温、气压、日照时数、地表温度和NDVI呈显著相关关系,与风速...     

土壤蒸发和植被蒸腾遥感估算与验证

地表蒸散发是土壤—植被—大气系统中能量和水循环的重要环节,它包括土壤、水体和植被表面的蒸发,以及植被蒸腾。随着地表参数多源遥感产品的快速发展,利用不同地表参数遥感产品估算地表蒸散发以及其组分土壤蒸发和植被蒸腾成为日常监测越来越便利,监测尺度已从单站扩展到田块、区域乃至全球。目前地表蒸散发双层遥感估算模型按照建模机理的不同可分为:系列模型、平行模型、基于特征空间的模型、结合传统方法的模型以及数据同化方法。本文从模型构建物理机制、模型驱动数据以及模型输出结果验证等方面总结了上述模型的发展历史和现状,并指出在模型结构与参数化方案的优化、高分辨率模型驱动数据的发展、土壤蒸发和植被蒸腾像元尺度"地面真值"的获取等方面都仍需进一步完善。     

基于环境星CCD数据的冬小麦叶面积指数遥感监测模型研究

以山东禹城为研究区,利用我国自主研发的环境星数据,计算了4种植被指数,即归一化植被指数(NDVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)及增强型植被指数(EVI);结合同步观测数据,将植被指数与实测叶面积指数(LAI)进行回归分析,比较各种植被指数模型对冬小麦LAI的估测精度。结果表明,4种植被指数与LAI均具有较高的相关性,其中,比值植被指数(RVI)对LAI反演精度最高,即LAI=2.967 lnRVI-1.201是估算冬小麦LAI的最优模型。使用2009年5月冬小麦LAI观测数据对模型进行验证,平均相对误差为19%。     

三温模型与MODIS影像反演蒸散发

提出三温模型结合MODIS数据反演区域蒸散发的方法,在内蒙古草原开展案例研究,以2008年植被生长季(7—10月)的波文比系统观测数据为标准,对该方法进行检验。结果表明:三温模型反演的蒸散发量,平均值、最大、最小值分别为4.58mm/d、9.03mm/d、1.28mm/d;蒸散发反演结果在空间上分布较均匀,与草原的均一性相吻合,在时间上蒸散发的数值先逐渐增大,8月后逐渐减小,与观测结果相一致;三温模型反演的蒸散发量与观测值之间的最小、最大绝对误差分别为0.11mm/d、1.64mm/d,平均绝对误差为0.58mm/d、平均相对误差为17.10%。三温模型在1km空间尺度的反演精度较理想。     

基于Landsat影像的江苏省土壤水分反演

土壤水分是土壤监测中的一项重要指标,监测土壤水分对区域生态环境保护与可持续发展具有重要意义。本文基于Landsat-8遥感影像数据,构建地表温度与植被指数的Ts/NDVI特征空间,对特征空间的干、湿边方程采用线性、指数、对数、多项式和幂函数拟合,通过决定系数R²对拟合结果进行评估,在选取最适合江苏省的干湿边拟合方程后,计算TVDI对江苏省的土壤水分进行反演。反演结果表明,全省土壤水分空间分布较为均匀,在降水较少的冬季,淮北及江淮局部地区易显露旱象。     

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。     

小麦生物量和真实叶面积指数的高光谱遥感估算模型

利用大田小麦的参数数据和冠层光谱数据,基于光谱一阶微分技术和光谱响应函数,构建等效MODIS植被指数,建立小麦生物量(本文指总干生物量,下同)和真实叶面积指数的高光谱遥感估算模型.结果表明:①小麦生物量与冠层光谱在552 nm,721 nm处呈现最显著相关关系,叶面积指数与冠层光谱的相关性在400～1100 nm范围内较显著;②红边位置与生物量的关系最为显著,相关系数R为0.818;③6种等效MODIS植被指数中,增强型植被指数对生物量最为敏感;④红边位置估算小麦总生物量的指数模型最优,决定系数R2为0.829;⑤增强型植被指数与小麦叶面积指数的指数模型拟合度最强,决定系数R2为0.94.利用实测光谱模拟MODIS等效反射率构建植被指数反演小麦参数的方法,可为利用卫星数据进行大面积、无破坏和及时获取地面植被信息研究提供重要手段.     

多源卫星观测的全球海洋次表层温度异常信息提取

基于表层卫星遥感观测的中深层海洋遥感对于了解海洋内部异常及其动力过程有重要意义。如何从现有的海洋表层遥感观测资料提取海洋内部关键动力环境信息场是具有挑战性的海洋遥感技术前沿。本文采用支持向量回归(SVR)方法,通过卫星遥感观测获取的多源海表参量(海表高度异常(SSHA)、海表温度异常(SSTA)、海表盐度异常(SSSA)和海表风场异常(SSWA)),选择最优参量输入组合,感知海洋次表层温度异常(STA),并用实测Argo数据作精度验证。结果表明SVR模型可准确估算全球尺度的STA(1000 m深度以浅);当SVR输入变量为2个(SSHA、SSTA)、3个(SSHA、SSTA、SSSA)、4个(SSHA、SSTA、SSSA、SSWA)时对应的平均均方差(MSE)分别为0.0090、0.0086、0.0087,平均决定系数(R2)分别为0.443、0.457、0.485。因此,除了SSHA和SSTA外,SSSA与SSWA的输入对SVR模型的估算有积极影响,有助于提高STA的估算精度。在全球增暖与减缓背景下,该研究可为从表层卫星遥感观测提取海洋内部热力异常信息研究提供重要技术支持,有利于拓展卫星对海观测范围。     

一种基于无人机多光谱数据的生物量估算方法研究

在多光谱数据中,两数据点间连线的斜率能够大致反映数值的变化规律。为探究斜率能否作为参数估算地上生物量（above ground biomass, AGB）,且保持与红边的高线性相关性。本研究使用两个无人机多光谱数据集,利用简单线性回归（simple linear regression,SLR）估算AGB,用决定系数（R2）与均方根误差（root mean squares error,RMSE）来评估线性相关性进而评定其作为估算AGB的能力。结果表明：直接使用斜率进行线性回归时,斜率在不同波长表现不同,在680 nm处的斜率线性相关性最高。在构建的植被指数（vegetation indexes,VIs）中,由红边处斜率参与构建的植被指数同样有着高的线性相关性,并且表现出了比反射率计算的植被指数有更高的线性相关性。