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。     

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。     

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.     

城市地表温度与NDVI空间相关性的尺度效应

城市地表温度与NDVI的空间相关性已被广泛研究,但是其尺度效应常常被忽略,给研究结果带来不确定性。本文以郑州市为例,基于四幅Landsat8影像,经辐射传导法反演地表温度(LST),运用半变异函数识别地表温度的空间相关性分析尺度,并结合空间相关指数Moran's I,从多尺度、多季节、多邻接范围3个方面对地表温度与植被覆盖的空间相关性的尺度效应进行了探讨,结果表明：①LST和NDVI的单变量空间自相关和双变量空间相关尺度均在300 m左右;②300 m相关尺度内,单变量空间自相关性存在显著尺度效应,相比之下双变量空间相关性尺度效应较为微弱;③LST和NDVI的单变量空间自相关性和双变量空间相关性尺度效应均表现出明显的季节差异;④随着邻接范围增大,LST和NDVI的空间自相关性减弱,尺度效应更明显。因此度量LST和NDVI的空间相关性要考虑时空尺度效应,本文研究结果有助于进一步认识LST和NDVI间空间相关性的尺度效应。     

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。     

NDVI、NDMI与地表温度关系的对比研究

通过研究归一化植被指数(NDVI)、归一化水汽指数(NDMI)与地表温度(LST)的相关关系,对比NDVI和NDMI定量分析LST的适宜程度。以Landsat 8遥感影像为数据源,以郑汴都市区为例,反演LST,计算NDVI和NDMI。从整体、分区、像元等不同层面分析NDVI和NDMI与LST的相关关系,并利用GEO-Da软件,分析150 m、300 m、450 m三种不同采样间隔数据的NDVI、NDMI与LST的空间相关性。主要结论为：①NDVI与LST的线性拟合度较差,而NDMI与LST具有很强的线性关系,剖面分析显示NDMI与LST呈显著负相关关系。②缓冲区分析结果表明,随着距城市中心距离的增加,用地类型增多,LST和NDMI之间的相关性逐渐增强。③在Moran's I空间相关性分析中,不同采样间隔下两指数与LST的负相关关系均比较明显,但由于水体在2个指数中数值的差异,使NDMI与LST表现出更强的空间负相关性,而NDVI与LST空间相关性则相对较弱。因此,总的来说NDMI是热环境研究的有效指标,与NDVI相比,NDMI与LST的负相关关系更强、更稳定,也更适宜于对LST的定量分析。     

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。     

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。     

秦巴山区MODISLST时序数据重建及特征分析

地表温度(LST)是大气—地表水热平衡的重要参数,但受云等大气状况影响,MODIS LST时间序列产品存在大量缺失数据,限制了LST数据使用。该文以陕南秦巴山区为研究区,从LST与高程、归一化植被指数(NDVI)、经度和纬度的相关性特征出发,首先,针对不同的相关性特征自适应确定重建因子;然后,设计了以时点重建模型为主算法、总重建模型为备用算法的LST时间序列重建流程;最后,对研究区的地温特征进行分析。结果表明,高程与LST呈较为稳定的负相关关系,NDVI随植被的物候期变化与LST的相关性呈周期性变化,纬度与LST白天时点以正相关为主,夜晚则呈负相关特征;白天重建数据的平均绝对误差(MAE)变化范围较大,夜晚的变化范围小且平均值较低;71.8%的白天重建数据和78.2%的夜晚重建数据的误差可控制在3℃以内;研究区内平均地温随着高程的升高而下降,海拔1~2km区域的年均地温比海拔低于1km区域低2.0℃,海拔大于2km区域的年均地温比海拔1~2km区域低2.6℃。     

基于Ts-EVI特征空间的春旱遥感监测——以河北省为例

春季干旱是影响我国农业生产的重要自然灾害。以河北省为研究区,采用Ts-EVI构建的特征空间,以温度植被干旱指数TVDI作为土壤水分估算因子对2005年4～5月的春旱发生与发展进行遥感监测,主要得出以下结论:(1)表层土壤相对湿度RSM_(10)与TVDI的相关性均通过了α=0.001水平的置信度的t检验而表现出显著相关性,基于Ts-EVI特征空间构建的TVDI可以较好地估算土壤表层水分状况。(2)TVDI与不同土壤深度RSM的相关性在不同时期存在一定的差异,4月上旬～4月中旬以10 cm深度处的相关性最高,20 cm处次之;4月下旬～5月下旬以20 cm土壤深度处的相关性最好,10 cm处次之。(3)在不统计云覆盖地区旱情的情况下,2005年4月上旬河北省春旱面积为15 014.4 km~2;4月中旬～5月下旬的春旱面积分别为43 350.4 km~2、13 889.3km~2、71 664.3 km~2、12 864.8 km~2和44381.5 km~2。     

甘肃省河东地区干旱遥感监测指数的对比和应用

干旱是影响甘肃省河东地区农业生产的主要气象灾害之一。如何在众多的干旱遥感监测指数中选择适宜的指数是干旱遥感监测工作面临的主要问题。利用研究区30个农业气象站观测的不同深度土壤相对湿度和对应的MODIS数据,分析了7种典型干旱遥感监测指数(AVI、NDWI、VCI、PDI、MPDI、VSWI和MEI)的构建原理和模拟结果,并选择适宜的干旱遥感监测指数对2006年甘肃省河东地区干旱情况的时空分布做了动态监测。结果表明:7种干旱遥感监测指数均能反映研究区土壤湿度的时空变化特征;各干旱遥感监测指数对土壤水分监测的最佳深度为20 cm,其次为10 cm。从相关系数来看,PDI、MPDI指数对春季,VSWI、NDWI指数对夏季的土壤相对湿度有较好的监测结果;MEI指数对秋季土壤相对湿度模拟效果较差,其余指数对秋季模拟效果均较好;根据各指数与20 cm处土壤相对湿度的相关系数,结合各指数的构成原理,春季选择PDI和MEI,夏季选择VSWI和NDWI,秋季选择PDI和MPDI,分别对2006年甘肃省河东地区干旱情况进行监测。通过考虑各等级出现的频率,同时兼顾土壤相对湿度,评定各指数干旱等级。监测结果显示,庆阳市北部连续出现春旱、春末夏初旱、伏旱和秋旱,陇中北部和庆阳市北部旱情严重。     

基于CiteSpace国内干旱遥感监测的知识图谱分析

利用CiteSpace软件对1995—2017年中国知网的"SCI来源期刊"、"EI来源期刊"、"核心期刊"以及"CSSCI来源期刊"数据库中有关干旱遥感监测研究的642篇文献进行可视化分析得到知识图谱。结果表明:国内经历了传统基于站点的干旱监测、小范围的干旱遥感监测试验到大范围干旱遥感监测及应用三个阶段;干旱遥感监测主要从"干旱监测"、"遥感监测"、"温度植被干旱指数"、"土壤湿度"、"地表温度"以及"归一化植被指数"等方向展开;王鹏新、张树誉、张强等是主要的发文作者;中国科学院、中国气象局、中国农业大学等是主要的发文机构。基于多源信息的干旱综合监测模型、大范围干旱监测评估、预警以及决策支持系统、干旱遥感监测技术在社会服务方面的应用以及加强国内学者与机构之间的交流合作是未来国内干旱监测研究几个重要方面。     

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。     

干旱指标在陕西省应用的敏感性分析

利用陕西省1961—2005年各气象站旬气象资料、33个农气旬报站土壤相对湿度及2001年6月13日NOAA-16极轨气象卫星资料,分析了降水距平百分率、Z指数、Palmer干旱指数、土壤相对湿度对干旱的发生、发展、变化的敏感性,描述干旱发生的范围、程度的差异,并将反映出的旱情与同时段用遥感监测得到的旱情进行比较。结果表明:降水距平百分率、Z指数对旱情的变化具有很高的敏感性,各干旱指标都能反应出区域内干旱的发生,但各指标反映出的干旱程度和范围不同;与同时段遥感监测得到的旱情相比,遥感监测的旱情更加细致,并与地表状况有关。干旱是一个累积过程,同时与影响对象有密切关系,使用干旱指标分析旱情时需要根据受旱对象选用不同的干旱指标,综合考虑前期的水分状况与旱情发生、发展有关的因素。     

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。     

Response Differences of MODIS-NDVI and MODIS-EVI to Climate Factors

To evaluate and provide an appropriate theoretical direction for research into climate-vegetation interactions using meteorological station data at different time scales, we examined differences between the Normalized Difference Vegetation Index (NDVI) and Enhanced Vegetation Index (EVI) and their responses to climate factors. We looked for correlations between data extracted from MOD13Q1 remote sensing images and meteorological station data for the two indexes. The results showed that even though NDVI and EVI are derived from the same remote sensing image, their response to climate factors was significantly different. In the same meteorological station, the correlation coefficients for NDVI, EVI and climate factors were different; correlation coefficients between NDVI, EVI and climate factors varied with meteorological station. In addition, there was a lag effect for responses of NDVI to average minimum temperature, average temperature, average vapor pressure, minimum relative humidity, extreme wind speed, maximum wind speed, average wind speed and average station air-pressure. EVI had a lag only for average minimum temperature, average vapor pressure, extreme wind speed, maximum wind speed and average station air-pressure. The lag period was variable, but most were in the -3 period. Different vegetation types had different sensitivities to climate. The correlation between meteorological stations and vegetation requires more attention in future research.     

归一化水汽指数与地表温度的关系

城市热岛的遥感研究,传统上主要利用归一化植被指数作为指标来评估地表温度-植被之间的关系。本研究探讨了以归一化水汽指数作为评估其与地表温度关系的适应性,比较了归一化水汽指数和归一化植被指数在表达城市热岛效应方面的效力。利用"单窗算法"和3个不同时段的TM/ETM+数据获取了珠江三角洲核心区域的地表温度分布图,分析了两种指数与地表温度之间的关系。对局部区域逐像元和对区域总体分析的结果表明:不同时段的地表温度与归一化水汽指数之间均存在较强的线性关系,而地表温度与归一化植被指数之间的线性关系相对较弱。说明在城市化的环境下,与传统上常用归一化植被指数作为指标来定量分析地表温度相比,归一化水汽指数提供了一种互补的、甚至更加有效的衡量指标。