地表蒸散的遥感估算模型及其在农业干旱监测中的应用

蒸散是地表水热交换的主要过程,其空间特征差异明显,而遥感技术的发展与应用使得区域蒸散估算成为现实.本文介绍了基于能量平衡法的单层与双层遥感蒸散模型,并对这2类遥感模型的优缺点分别进行了评述和比较.重点综述了近年来得到发展和应用的大气-陆地交换反演模型(ALEXI),阐述其主要结构、特色和过程.该模型通过耦合双层能量平衡模型(TSEB)和简化边界层模型,减少以往模型对台站气象数据的依赖,明显提高区域蒸散估算精度.研究表明,基于该模型的蒸散胁迫指数(ESI)具有很强的区域干旱监测能力.在今后研究中,多元遥感数据融合技术、陆面数据同化系统与遥感蒸散模型的结合将成为该领域的研究热点.     

基于多源遥感数据的农业干旱监测模型构建及应用

干旱监测问题是干旱灾害模拟与预警及旱灾防灾减灾的关键。基于2001-2013年淮河流域40个气象站资料、28个土壤墒情站点和中分辨率成像光谱仪（MODIS）多源遥感数据,采用SEN趋势法和标准化降水蒸散指数（SPEI）等方法,综合了大气-植被-土壤相互作用等多元成因,构建了适用于淮河流域多源综合遥感干旱监测模型,探讨淮河流域干旱时空规律。研究表明：（1）基于多源数据构建综合干旱监测模型,利用土壤墒情和典型年份干旱监测对综合干旱监测模型适用性进行评价,通过了P < 0.01的显著性检验,构建的模型可综合反映出农业和气象干旱多源信息;（2）淮河流域干旱面积和干旱频率大都集中在4-5月和7-9月,9月份受旱面积最大。河南省是淮河流域受旱频率最高,其干旱面积占淮河流域多年平均干旱面积比重最大（38%）,其次是安徽（22%）,旱地受旱面积比重大于水田受旱面积比重;（3）淮河流域2、3和5月干旱有显著减弱趋势;而1、4和6月则有增强趋势。淮河流域小麦灌浆-成熟时期（4-6月）缺水对小麦粮食产量影响显著,综合淮河流域干旱趋势变化,需强化淮河流域4月份小麦的干旱监测与旱灾预警。     

农业旱情遥感监测的一种改进方法及其应用

从地表蒸散的角度出发,利用基于Priestley-Taylor公式与地表温度 植被指数(LST-VI)三角形特征空间的半经验蒸散模型,对农业干旱遥感监测方法进行改进,推导得到简化型蒸散胁迫指数(SESI).利用2008、2009年3-11月的MODIS陆地标准产品数据,构造了3种特征空间建模计算了SESI,对京津冀平原地区开展了农业旱情监测试验,并与温度植被干旱指数(TVDI)进行比较.结果表明: SESI有效地简化了基于地表蒸散估算的遥感干旱监测方法,对土壤表层水分(10、20 cm)有着良好的指示作用.该方法春、秋季监测效果优于夏季,且不同时相SESI的可比性优于TVDI.将SESI指数应用于大面积农业旱情连续监测具有一定可行性.     

作物缺水指数法的简化及在干旱遥感监测中的应用

从能量平衡原理出发,对潜在蒸散的计算进行了简化,从而对作物缺水指数法干旱遥感监测模型进行了简化、简化后的模型涉及因子减少,计算量明显降低,更接近于实际应用．利用该方法及NOAA/AVHRR卫星遥感资料和有关气象要素资料,对陕西省关中地区春季干旱进行了监测．结果表明,简化后的作物缺水指数法仍然充分考虑了下垫面的植被覆盖状况和地面风速、水汽压等气象要素,对该区春季干旱的监测效果好于使用植被供水指数法的监测效果．从简化后模型的计算量、时效响应和实际对比结果来看,该简化模型可以进行实际应用．另外,在计算过程中局部出现了CWSI>1的情况,这在实际中是不可能的,文中对此也进行了初步讨论．     

中国遥感干旱指数时空特征及其对气候和地表覆盖变化的响应

干旱严重影响植被生长,威胁粮食安全,基于遥感计算的植被状态指数（Vegetation Condition Index,VCI）、温度状态指数（Temperature Condition Index,TCI）和植被健康指数（Vegetation Health Index,VHI）是常用的干旱指数,被广泛应用于干旱监测。为了探究近年来我国干旱特征及其对气候和地表覆盖变化的响应,分析了2003-2016年期间VCI、TCI和VHI的时空变化特征;采用最小二乘（OLS）和偏相关分析方法分析了这些指数对气候和地表覆盖变化的响应。基于上述干旱指数计算的干旱频率表明,中温带中部和南温带等地区干旱发生频率高,干旱指数变化趋势表明在2003-2016年期间中国大部分地区干旱缓解,但在中温带、南温带和高原气候区等局部地区干旱加剧;总体而言,干旱指数随着年平均温度的上升和年降水量的降低而减小,VHI与温度和降水量的相关性在不同气候区的一致性优于VCI和TCI;裸土的减少和植被的增加导致干旱指数增大,树木转变为低矮植被干旱指数降低。     

定量遥感反演作物水势的原理及其应用

在利用能量平衡原理估算蒸腾速率的基础上,结合大气水势和叶、气阻抗的估算,建立叶水势的遥感估算模型.应用CI-301光合作用仪观测的作物生理参数和气象参数,验证了叶水势的遥感反演精度,分析了叶水势对干旱-半干旱区气候干旱和作物生理干旱的响应敏感程度.结果表明:叶水势是反映作物干旱情况的较好指标,它不仅能够反映作物生理干旱特征,也能够反映气候干旱特征;叶水势反演结果的相对误差为3.2%～17.3%,说明遥感估算的叶水势可以用于干旱监测中,以评估作物水分胁迫.在甘肃省的干旱年份2005年,5月的叶水势为-2～-3 MPa, 6月的叶水势为-2 MPa左右,其反映的干旱程度与植物种类有关.     

基于标准化土壤湿度指数的滦河流域农业干旱评价

干旱是造成农业生产损失的主要灾害之一,及时、准确地监测农业干旱对于降低作物生产损失具有重要意义.本研究基于土壤含水量历史时间序列数据构建了标准化土壤湿度指数,分析了滦河流域2002-2019年干旱时空分布变化规律,并对农业干旱进行定量评价.结果表明:研究期间,滦河流域内大部分栅格单元土壤含水量在时间上以正态分布为主,少...     

基于实际蒸散构建的干旱指数在黄淮海地区的适用性

基于NOAH陆面模式模拟的实际蒸散产品,分析了2002—2010年黄淮海地区实际蒸散的时空分布特征.同时,结合MOD17潜在蒸散数据和MOD13 NDVI构建了2002—2010年的农业干旱指数——干旱敏感性指数(DSI),并以2002年1—12月为例,利用帕默尔干旱指数(PDSI)、冬小麦减产率以及实际旱情资料,分析了DSI在该地区干旱监测的适用性.结果表明: 黄淮海地区年均实际蒸散从西北向东南递增,最高值出现在研究区域东南部(800~900 mm),最低值出现在西北部(<300 mm);DSI、PDSI两种干旱指数的年际变化呈正相关(R²=0.61)和变化趋势的一致性,均在2002年达到最低(-0.61和-1.33),2003年最高(0.81和0.92),DSI与冬小麦减产率的相关性(R²=0.43)明显优于PDSI(R²=0.06),且表征干旱的空间分辨率较高,对区域农业干旱程度的判断和旱情的指示比较可靠.     

基于同化数据的标准化土壤湿度指数监测农业干旱的适宜性研究

农业干旱是导致作物减产的主要灾害之一,及时、准确地监测农业干旱状况有助于制定区域减灾策略,降低灾害损失。标准化土壤湿度指数(SSMI)是基于历史土壤湿度时间序列构建的一种农业干旱指数,目前分析该指数监测农业干旱的适宜性研究十分缺乏。本文以黄淮海平原为研究区,利用数据同化的根区土壤湿度数据构建SSMI,并通过与标准化降水蒸散指数(SPEI)、农业干旱灾害记录数据的对比以及与冬小麦产量的关系分析,综合评价SSMI监测农业干旱的适宜性。结果表明,SSMI与SPEI具有良好的一致性,二者之间具有极显著相关关系(P0.001);利用SSMI识别的农业干旱与农气站点干旱灾害记录是基本一致的,SSMI能够有效反映干旱发生、发展直至减轻的演变过程;冬小麦生长季SSMI与减产率显著相关,利用SSMI识别的农业干旱发生区域与基于统计数据计算的减产区域基本相符,SSMI能够对农业干旱引起的冬小麦减产起到一定的指示作用。综上所述,基于同化数据构建的SSMI能够反映黄淮海平原的农业干旱状况,利用SSMI监测区域农业干旱状况是适宜的。研究可为基于土壤湿度的农业干旱监测业务化运行提供依据,为黄淮海平原的抗旱减灾提供科学参考。     

三种干旱指数在干旱区沼泽湿地土壤水分遥感反演中的应用

湿地水文条件对湿地生态系统结构和功能起着关键作用。借助卫星遥感技术,以干旱区疏勒河中下游沼泽湿地为研究对象,基于Landsat8 OLI遥感影像的温度植被干旱指数(TVDI)、垂直干旱指数(PDI)和归一化干旱监测指数(NPDI)3种干旱监测方法,结合野外湿地实测土壤水分数据进行比较和验证。结果表明:(1)TVDI、PDI和NPDI3种干旱指数在不同土层中均与土壤实测水分呈显著负相关(P0.01),且NPDI指数与表层土壤水分的拟合效果最好。不同土层中,3种干旱指数与土壤水分的拟合优度大小均为NPDITVDIPDI;(2)研究区同一湿地类型不同土层的土壤水分存在显著差异(P0.05),且不同湿地类型的土壤水分总体上表现为随着土壤深度的增加呈递增态势;(3)研究区同一土层不同湿地类型的土壤水分差异显著(P0.05),且不同土层中土壤水分的大小均为:沼泽化草甸草本沼泽季节性咸水沼泽内陆盐沼。     

华北地区2001-2014年植被变化对SPEI气象干旱指数多尺度的响应

近年降水量的减少以及全球气候变暖的影响导致我国华北区域干旱程度加剧,影响植被生长状况,使得区域生态环境恶化。基于华北地区2001-2014年的TRMM及MODIS数据,以归一化植被指数NDVI、净初级生产力NPP、植被状态指数VCI作为植被状况表征指数,以标准化降水蒸散指数SPEI作为气象干旱表征指数,对华北地区近年的气象干旱及植被状况时空变化进行评价,并分析植被对干旱的多尺度响应。结果表明：（1）华北地区干旱在西南部地区呈明显加重趋势,东北部地区干旱状况有所好转;针对不同时间尺度的SPEI表示干旱的变化趋势,得出月份尺度干旱呈现干湿交替特征,选取SPEI时间尺度越长,干旱化趋势越明显;（2）NDVI与NPP所反馈的植被长势空间分布略有差异,总体而言华北地区植被状况大部分地区呈好转趋势,但研究区中部部分地区及部分沿海地区植被状况转差;（3）植被状况指数与SPEI指数在大部分地区呈正相关,NPP与SPEI的相关性强于NDVI与SPEI的相关性,且相关程度在草原地区及中高海拔地区最高,林地对干旱的敏感度最弱;各植被类型在植被生长季的多数月份对SPEI-3响应最明显,且在夏季相关程度最高,夏季及其前期的季尺度干旱更易影响植被生长状况,SPEI-12对植被的影响主要表现为影响植被生长季初期的植被状态。     

基于TM遥感影像的陕北黄土区结构化植被因子指数提取

根据结构化植被因子指数的概念,以TM影像为信息源,探讨了利用遥感技术提取陕北黄土区结构化植被因子指数（C_s）的途径与方法.结果表明：在陕北黄土区,C_s能更好地描述植被群落的水土保持效益,其与绿度植被指数（归一化植被指数NDVI、修正土壤调整植被指数MSAVI）和黄度植被指（归一化差异衰败指数NDSVI、归一化耕作指数NDTI）等单一的遥感植被指数虽然均存在良好的相关关系,但用绿度与黄度植被指数相结合可综合反映植被的水土保持功能,能较好地克服单一指数在描述植被控制水土流失中的不足;MSAVI、NDTI分别是基于遥感影像提取C_s较为理想的绿度和黄度植被指数;根据群落结构化植被因子指数与遥感植被指数的关系推算区域尺度上的结构化植被因子指数是可行的,但由于不同地区植物物候期的差异,要使该方法在其他地区适用,仍需开展相应的率定和验证工作.     

近17年新疆干旱时空分布特征及影响因素

新疆是我国西北区重要的粮食和商品棉生产基地,受地理环境的影响,干旱频发,给社会经济及农业生产造成了巨大的损失。基于MODIS遥感数据和气象数据,估算温度植被干旱指数(Temperature Vegetation Dryness Index, TVDI),分析新疆2000—2016年干旱的年际、年内时空变化特征及其与气象因子的关系,结果表明:1)TVDI可以有效地描述新疆的干旱状况,适用于对该地区进行干旱监测;2)2000—2016年间新疆TVDI空间分布具有较强的地域分异性,呈现为天山山脉以北及昆仑山脉地区较湿润,塔里木盆地地区较干旱,新疆TVDI多年均值为0.751,整体上处于中旱状态。年内TVDI季节空间分布差异显著,不同季节的干旱程度大小为:夏季春季秋季冬季;3)新疆各地州TVDI年内月变化整体上呈现为先增加后降低的趋势,最小值在1月(0.267),最大值在6月(0.930),在14个地州中,伊犁哈萨克、阿勒泰和博尔塔拉多年间基本处于无旱状态;4)17年间不同土地利用类型干旱程度表现为林地草地建筑用地耕地,干旱类型转移的主要特点为无旱类型转入和轻旱类型、中旱类型、重旱类型、特旱类型转出;5)新疆干旱动态变化与地形、气温、降雨量以及太阳辐射等因子密切相关,其中非气象因子影响所占比例最大,降雨量与气温综合影响占面积较小,气象因子中降雨量影响所占面积较大,因此,在气象因子中新疆干旱主要受降雨的影响。     

Drought footprint on European ecosystems between 1999 and 2010 assessed by remotely sensed vegetation phenology and productivity

Drought affects more people than any other natural disaster but there is little understanding of how ecosystems react to droughts. This study jointly analyzed spatio‐temporal changes of drought patterns with vegetation phenology and productivity changes between 1999 and 2010 in major European bioclimatic zones. The Standardized Precipitation and Evapotranspiration Index (SPEI) was used as drought indicator whereas changes in growing season length and vegetation productivity were assessed using remote sensing time‐series of Normalized Difference Vegetation Index (NDVI). Drought spatio‐temporal variability was analyzed using a Principal Component Analysis, leading to the identification of four major drought events between 1999 and 2010 in Europe. Correspondence Analysis showed that at the continental scale the productivity and phenology reacted differently to the identified drought events depending on ecosystem and land cover. Northern and Mediterranean ecosystems proved to be more resilient to droughts in terms of vegetation phenology and productivity developments. Western Atlantic regions and Eastern Europe showed strong agglomerations of decreased productivity and shorter vegetation growing season length, indicating that these ecosystems did not buffer the effects of drought well. In a climate change perspective, increase in drought frequency or intensity may result in larger impacts over these ecosystems, thus management and adaptation strategies should be strengthened in these areas of concerns.     

黄土高原植被日光诱导叶绿素荧光对气象干旱的响应

随着气候变化的加剧,干旱的频率、持续时间以及发生范围都越来越严重,探索植被光合对干旱的响应以及气象因子对植被光合的影响对于人们如何应对干旱具有重要意义。基于遥感的日光诱导叶绿素荧光(SIF)具有对干旱条件下区域植被光合作用进行早期监测和准确评估的潜力。本研究基于星载SIF和标准化降水蒸散发指数(SPEI)研究了黄土高原地区2001—2017年生长季内(4—10月)植被光合作用对干旱的响应关系及其受气象因子的影响程度。结果表明: 黄土高原地区植被生长季内SIF与SPEI呈显著正相关关系的区域占比为87.8%,其中,半干旱地区植被光合对干旱的响应较敏感,半湿润地区敏感性较低。不同类型植被光合对干旱的响应存在差异,草地对干旱响应的敏感性最高,响应最强的SPEI时间尺度为3～4个月;林地的敏感性最低,SPEI时间尺度为3～10个月。气象因子与SIF存在显著的相关关系,其中,温度和降雨是影响黄土高原植被光合的重要影响因子,光合有效辐射的影响模式与温度相似。黄土高原地区生长季内不同的气候和植被类型条件下,植被光合所受干旱及各气象因素的影响存在较大差异。     

1988-2013年基于BP神经网络的植被叶面积指数遥感定量反演

叶面积指数（Leaf Area Index,LAI）高度综合了植被水平覆盖状况和垂直结构,以及枯枝落叶层厚薄和地下生物量多少,是植被影响土壤侵蚀的主要方面。区域尺度的时间序列叶面积指数揭示了区域土壤侵蚀的演化过程。因此,及时准确地掌握区域尺度上长时间序列的植被LAI,对研究土壤侵蚀动态变化与植被的关系至关重要。选择南京市1988-2013年10期遥感影像,基于反向传播（Back Propagation,BP）神经网络构建LAI反演模型,进行了长时间序列的叶面积指数反演。结合2009和2010年LAI实测值,验证与探讨了该模型的评价精度与适应性。结果表明：（1）该模型拟合度较高,2009和2010年平均相对误差、均方根误差、相关系数分别是0.2395和0.2174,0.2962和0.2581,0.7713和0.6844,各项精度评价指标均较好;（2）统计分析去除耕地后全市LAI变化,低植被覆盖（LAI<2）面积不断增加,高植被覆盖区（LAI>3）面积先减少后增加,耕地面积不断减少,符合南京市的发展变化规律;（3）主城区LAI年际变化与其他学者得到的南京市植被盖度变化趋势一致,反演结果的时序性较高。本文提出的基于反向传播神经网络模型反演长时间序列LAI是可行的,为区域尺度土壤侵蚀定量遥感监测提供新途径。     

Spectral response of the seagrass Zostera noltii with different sediment backgrounds

The efficiency of vegetation indices (VIs) to estimate the above-ground biomass of the seagrass species Zostera noltii Hornem. from remote sensing was tested experimentally on different substrata, since terrestrial vegetation studies have shown that VIs can be adversely influenced by the spectral properties of soils and background surfaces. Leaves placed on medium sand, fine sand and autoclaved fine sand were incrementally removed, and the spectral reflectance was measured in the 400–900 nm wavelength range. Several VIs were evaluated: ratios using visible and near infrared wavelengths, narrow-band indices, indices based on derivative analysis and continuum removal. Background spectral reflectance was clearly visible in the leaf reflectance spectra, showing marked brightness and spectral contrast variations for the same amount of vegetation. Paradoxically, indices used to minimize soil effects, such as the Soil-Adjusted Vegetation Index (SAVI) and the Modified second Soil-Adjusted Vegetation Index (MSAVI₂) showed a high sensitivity to background effects. Similar results were found for the widely used Normalized Difference Vegetation Index (NDVI) and for Pigment Specific Simple Ratios (PSSRs). In fact, background effects were most reduced for VIs integrating a blue band correction, namely the modified specific ratio (mSR₍₇₀₅₎), the modified Normalized Difference (mND₍₇₀₅₎), and two modified NDVIs proposed in this study. However, these indices showed a faster saturation for high seagrass biomass. The background effects were also substantially reduced using Modified Gaussian Model indices at 620 and 675 nm. The blue band corrected VIs should now be tested for air-borne or satellite remote sensing applications, but some require sensors with a hyperspectral resolution. Nevertheless, this type of index can be applied to analyse broad band multispectral satellite images with a blue band.