基于地表温度-植被指数特征空间的区域土壤干湿状况

土壤干湿状况是监测土地状况的重要指标之一,在水文、气候和生态等多个领域有广泛应用.地表温度-植被指数特征空间(Ts/VI)综合了传感器从可见光到近红外波段的信息,能较好地反映区域土壤干湿状况.以华北平原作为研究区,选择了研究区的云量较少的16幅MODIS产品,包括每日500m地表反射率产品(MOD09GA),每日1km地表温度产品(MOD11A1),建立温度-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,改进了计算特征空间的干湿边的方法,并分析了干湿边参数随时间变化的趋势,比较了归一化植被指数(NDVI)和增强型植被指数(EVI)构建的地表温度-植被指数特征空间形状的差异.基于研究区107个土壤湿度站点的数据,讨论分别由Ts/NDVI和Ts/EVI特征空间计算得到的温度植被干旱指数(temperature vegetation dryness index,简称TVDI,分别为TVDIN与TVDIE)和土壤湿度的相关性,以此验证TVDI反映区域土壤干湿状况的能力.利用Ts/EVI空间计算得到的TVDI分析了研究区4个时期土壤湿度的5空间分布规律.同时在气象站点尺度上,讨论了TVDI与降水变化的相关性.研究结果表明,TVDI能够反映土壤表层的干湿状况;Ts/EVI空间计算得到的TVDI与土壤湿度的相关性比Ts/NDVI空间计算得到的TVDI与土壤湿度的相关性要高.降水随时间变化的规律和TVDI也有明显的相关性,即:每次连续降水以后TVDI值下降,表明土壤湿度升高;经过一段无降水的时间之后,TVDI值上升,土壤湿度降低.研究区不同时期的TVDIE图表明,TVDIE能够有效的反映土壤湿度的时空差异,是一种有效的实时监测土壤干湿状况的手段.     

TVDI模型的农业旱情时空变化遥感应用

温度植被干旱指数(TVDI)是一种通过反演土壤湿度来反映农业干旱状况的重要方法,其中能量平衡和植被指数的变化是影响TVDI模型精度的主要因子。在研究比值植被指数(RVI)、归一化植被指数(NDVI)、增强型植被指数(EVI)和修正土壤调节植被指数(MSAVI)和下垫面温度(Ts)的基础上,引入DEM数据并对Ts做地形校正,减少了地形起伏对能量平衡的影响,建立不同植被指数的Ts-Ⅵ特征空间,选择与土壤湿度相关性最好的温度植被干旱指数(TVDI),获取研究区2005年作物生长季(5—9月)的干旱状况,并用同步的气象信息对干旱状况进行验证。结果表明:根据不同时期采用不同植被指数的TVDI模型,经过地形校正后能够更好地反映研究区的农业干旱状况。     

基于温度植被干旱指数的土库曼斯坦典型绿洲干旱遥感监测

针对目前中亚地区广泛存在的农业干旱问题,选取土库曼斯坦典型绿洲为研究区,利用2幅MODIS影像和同期过境的Landsat影像,获取归一化植被指数(NDVI)和地表温度(Ts),构建NDVI-Ts特征空间,计算得到2001和2011年2种温度植被干旱指数TVDITM和TVDIMODIS.利用较高分辨率的Landsat TM数据对MODIS数据反演结果进行验证.结果表明:2001年、2011年TVDITM和TVDIMODIS的绝对误差分别为0.0178和0.0228;均方根误差分别为0.0226和0.0279;相关系数分别为0.949和0.922,说明TVDI可有效反映区域土壤干旱情况.研究区内干旱区域占总面积的60％以上,旱情由绿洲中心向外围逐步严重.近10年来,研究区内土壤湿度低值区呈现扩大趋势,湿润和正常所占比例下降了5.32％,干旱和重旱的比例上升了14％,旱情情况总体加剧.因此,利用MODIS影像的温度植被旱情指数可有效地监测中亚地区干旱情况.     

基于MODIS的地表温度空间降尺度方法

针对卫星遥感技术监测地表温度(land surface temperature,LST)存在时空分辨率矛盾这一难题,以Ts HARP温度降尺度方法中的3种不同转换关系为基础,提出引入地表比辐射率ε和修正的土壤调节植被指数MSAVI的新转换关系,并用4种转换关系直接将原始1 km MODIS LST产品降尺度到250 m。为了验证4种降尺度转换关系的效果,以Landsat 8 TIRS反演的LST作为当日地表温度的参考值,从定性和定量两个角度评价了4种降尺度转换关系的精度。结果表明:4种转换关系在提高LST空间分辨率的同时又能较好地保持原始LST影像热特征的空间分布格局,消除了原始1 km影像中的"马赛克"效应;4种转换关系降尺度的250 m MODIS LST均值均接近于TIRS升尺度的LST均值,平均偏差的绝对值都小于1℃,降尺度结果非常接近真实地表温度,表明4种转换关系均能够达到较好的降尺度效果;原始转换关系1的降尺度结果虽然具有较高的空间变异性(SD较大),但与TIRS LST之间的RMSE是4种转换关系中最大的(2.375℃),而改进的转换关系4仅为1.252℃,并且转换关系4在描绘城市高温区和水体低温区方面具有明显的优势。     

基于Ts\|EVI特征空间的土壤水分估算

温度-植被指数特征空间耦合了地表温度和植被信息,是当前实现土壤水分遥感估算和农业旱情监测的重要方法.采用EOS-MODIS地表温度Ts和增强型植被指数EVI数据,研究Ts-EVI三角形特征空间中干边、湿边方程参数的确定方法,分析比较了温度植被干旱指数TVDI对不同土壤深度水分状况的估算能力,为利用特征空间法实现土壤水分监测提供理论依据.研究表明:特征空间中干边和湿边的确定以最大拐点处为始点进行线性拟合的常规方法并不完善,根据像元的分布频率,以采用能同时保留最大量有效信息和较高拟合精度的端点逼近法获取参数的效果较好;基于Ts-EVI特征空间构建的TVDI可以较好地估算土壤表层10、20cm和50cm土壤深度处土壤水分状况,其相关性均通过了α=0.001水平的t检验,但TVDI对表层土壤(20cm和10cm)水分的估算精度相对较高.     

基于植被/温度特征的黄土高原地表水分季节变化

地表水分是监测土地退化的一个重要指标,是气候、水文、生态、农业等领域的主要参数。选择陕北黄土高原地区作为研究区域,首先采用基于植被覆盖特征的植被状态指数（Vegetation Condition Index,简称VCI）和基于地表温度特征（Land Surface Temperature,简称Ts）的温度状态指数（Temperature Condition Index,简称TCI）分别评价了区域地表水分状况的季节变化。在此基础上分析了植被指数与地表温度特征线性关系的季节变化规律,计算了基于两者经验关系的地表干燥度指数（Temperature Vegetation Dryness Index,TVDI）。该指数对Ts／NDVI特征空间的生态特征的解释,对土壤和作物的水分含量具有综合的指示意义。文中利用该指数综合评价了研究区域地表水分状况的时空分布差异,进一步对VCI、TCI与TVDI相关关系的季节变化进行比较分析,并结合气候因子进行了相关验证,从而对不同指数的应用范围做出判定。研究结果表明,单独采用TCI或VCI表征地表水分会受到明显的季节影响,而TVDI能在不同季节综合体现植被覆盖和地表温度特征对地表水分的影响,从而能较好的反映区域地表水分状况的时空变化特征。各区域的TVDI值季节分布上皆为4—7月份高于10-翌年1月份,但各区TVDI值的季节变化则存在显著不同,而各流域内部TVDI值的空间变异性也存在季节差异,其中在10月份较为显著。     

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.     

森林生物量遥感降尺度研究

森林生物量是评价全球碳氧平衡、气候变化的重要指标。目前已有基于星载激光雷达数据的全球森林生物量产品,但空间分辨率较低,不能很好地满足小区域森林调查和动态监测的需要。针对这一现状,以美国马里兰州两个森林分布状况不同的区域为研究区,基于CMS(Carbon Monitoring System)30 m分辨率和GEOCARBON 1 km分辨率森林地上生物量产品以及TM等数据源,通过升尺度模拟低分辨率生物量数据和直接使用低分辨率产品两种方式,分别尝试建立了多光谱地表参数和低分辨率森林地上生物量之间的统计关系,以此作为降尺度模型实现了森林地上生物量空间分辨率从1 km到30 m的转换,并对降尺度结果进行精度评价和误差分析。结果表明:模拟数据降尺度后的30 m分辨率森林地上生物量空间分布和CMS森林地上生物量分布状况大致相同,RMSE=59.2—65.5 Mg/hm~2,相关系数约为0.7;其降尺度结果优于GEOCARBON产品直接降尺度结果RMSE=75.3—79.9 Mg/hm~2;相较于线性模型,非线性模型能更好地呈现森林地上生物量和地表参数间的关系;总体上,降尺度生物量呈现高值区低估,低值区高估的现象。     

基于地表温度-植被指数关系的地表温度降尺度方法研究

地表温度(Land Surface Temperature, LST)在空间上和时间上均存在很大的差异性。而通过卫星遥感技术来监测地表温度存在着空间分辨率和时间分辨率上的矛盾:空间分辨率高的卫星时间分辨率低,反之亦然。为了解决这个矛盾,首先利用TsHARP (An algorithm for sharpening thermal imagery)温度降尺度方法将LST_MODIS,1km(1km MODIS(Moderate-resolution Imaging Spectroradiometer)地表温度)图像(2004年9月9日上午)降尺度为LST_MODIS,500m(500m MODIS地表温度)图像。为了对降尺度LST_MODIS,500m图像进行验证,对研究区内同一天(2004年9月9日上午)的ETM图像的第6波段的辐亮度值升尺度到500m后,再利用Sobrino ETM(Enhanced Thematic Mapper)温度反演方法反演得到LST_ETM,500m(500m ETM地表温度)图像,将LST_ETM,500m图像作为当日地表温度的实测值,对降尺度LST_MODIS,500m图像的降尺度效果进行验证。对比结果表明降尺度LST_MODIS,500m图像更加精细刻画LST_MODIS,1km图像在空间上的分布格局;定量对比3种降尺度LST_MODIS,500m和LST_ETM,500m的RMSE分别为0.786、1.002,0.754℃,降尺度结果达到预期效果。     

温度植被干旱指数在2000-2015年松嫩平原土壤湿度中的应用

选取了时间序列良好的MODIS影像,对松嫩平原2000-2015年逐月的温度植被干旱指数（TVDI）进行计算,并结合农业气象站点的相对土壤湿度数据进行对比验证,发现TVDI和相对土壤湿度数据具有良好的相关关系,表明TVDI可以作为表示土壤含水量的指标。重建1 km分辨率的松嫩平原作物生长季（4-10月）表层土壤湿度空间信息数据集,引入集合经验模态分解分析方法探究了松嫩平原土壤湿度的时空变化特征及变化趋势,并探讨了松嫩平原土壤湿度变化对农作物产量的影响。结果表明,近16年来松嫩平原土壤湿度的时间变化趋势是逐渐变湿,土壤湿度的空间变化趋势是由西南向东北逐渐变湿,极端土壤缺水事件频率呈现出增高的趋势。松嫩平原粮食产量和年均土壤湿度水平显著相关说明粮食产量受到年平均土壤湿度的影响显著,不同季相的土壤湿度对粮食产量的影响程度差异较大,夏季土壤湿度对粮食产量的影响尤为明显。