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。     

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.     

秦巴山地植被绿度特征及其对地表水热的响应

地表水热通过影响土壤和大气间的水分交换以及植被生长用水对植被格局起关键作用。使用2000—2020年MODIS叶面积指数(Leaf area index, LAI)作为秦巴山地植被绿度的评价指标,基于遥感技术获取同时段地表温度(Land surface temperature, LST)和温度植被干旱指数(Temperature vegetation drought index, TVDI),用于指示地表水热状况。结合坡向和海拔等地形因素,使用均值和趋势法分析了秦巴山地植被绿度的时空特征;采用时滞相关性分析、主导因素分析探究了植被绿度与地表水热的相关关系,以及影响植被绿度变化的主导因素;借助广义可加模型,结合植被类型探讨了植被绿度与地表水热的非线性关系。结果表明：(1)秦巴山地LAI集中在1—5之间,LAI均值随海拔先增后减,不同坡向LAI差异较大,表现为大巴山北坡>大巴山南坡>秦岭南坡>秦岭北坡>西秦岭。秦巴山地LAI高值区与地表水热较好的地区在空间分布上具有一致性,LAI低值区与LST低值区或TVDI高值区较为一致。(2)秦巴山地LAI以由增变减趋势为主,变...     

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。     

植被-地温指数(NDVI-LST)在新疆干旱监测中的适用性

采用MODIS归一化植被指数(Normalized Difference Vegetation Index,NDVI)和地表温度(Land Surface Temperature,LST)产品数据分析新疆2000—2015年生长季3阶段NDVI与LST的时空变化特征及相关关系;利用多元线性回归方法分析不同时期影响NDVI-LST相关关系的气象因子;并按不同土地覆盖与土地利用(Land-Use and Land-Cover Change,LUCC)类型分析NDVILST相关关系时空变化特征。结果表明:(1)生长季3时期LST与NDVI均存在显著相关关系,可利用两者的特殊关系进行干旱评估。(2)不同时期气象因子对NDVI-LST相关关系影响程度不一;并且不同LUCC类型的NDVI-LST相关关系也存在明显差异。(3)在生长季中期利用植被健康指数(Vegetation Health Index,VHI)对新疆大部分地区的植被健康和干旱进行监测是可行有效的,而初期与末期的干旱评估需要利用其他干旱指数进行补充研究。     

新疆生态质量变化趋势遥感分析

新疆是我国西部生态环境问题比较突出的区域,开展生态状况调查评估、及时掌握生态质量状况及其变化特征是环境保护的一个研究重点。以遥感数据为基础,根据构建垂直干旱指数(Perpendicular Drought Index, PDI)的思想,改变土壤基线所经过的原点,提出表征土壤湿度的垂直湿度指数(Perpendicular Moisture Index,PMI)。基于代表绿度的垂直植被指数(Perpendicular Vegetation Index, PVI)、代表湿度的垂直湿度指数PMI和代表热度的地表温度(Land Surface Temperature, LST),利用空间几何原理创建了植被-湿度-温度生态指数(Vegetation-Moisture-Temperature Ecological Index, VMTEI)。利用MODIS数据计算了新疆2000—2018年的VMTEI,并进行趋势分析。结果表明:VMTEI集成了植被、湿度和热度的信息,能很好地反映新疆生态质量的空间分布和时间变化趋势。新疆生态质量状况总体空间分布格局变化不大,与植被分布特征比较一致,呈现出纬向伸展的变化,不同生态系统VMTEI均值差异明显,湿地生态系统生态质量状态最好,VMTEI均值为0.43左右,其次为森林生态系统;最差的是荒漠生态系统,VMTEI仅为0.28。近20年来,新疆生态状况总体上得到改善,其中,生态状况明显改善的区域占2.332%,主要集中在塔里木河干流、伊犁河、额敏河和天山北坡绿洲经济带,以农田、聚落生态系统为主,主要原因为三北防护林建设、风沙治理、城市绿地面积增加造成的生态质量状况改善;生态状况严重退化的区域占0.430%,主要集中在塔克拉玛干沙漠外围、博斯腾湖、艾比湖以及零星分布于新疆的不同地区,以湿地生态系统为主,主要由于人为因素和气候变化造成平原湖泊以及部分水库的生态退化。     

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。     

基于扰动指数的天水南部植被扰动时空序列研究

利用全球扰动指数(The MODIS Global Disturbance Index, MGDI)模型并以长时间序列的MODIS的增强型植被指数(Enhanced Vegetation Index, EVI)和地表温度(Land Surface Temperature, LST)数据作为数据源对天水南部地区2001—2016年植被扰动指数时空分布变化特征和驱动因子进行研究。结果表明: (1)16年来植被扰动指数的均值空间分布不均, 其值分布于0.66—1.09之间, 天水市南部地区的西北和西部部分地区植被扰动指数明显低于其它地区, 且主要为积极扰动。(2)植被扰动指数的年际变化呈降低趋势, 占总面积的89.58%, 其中研究区中农耕区减小的趋势最为明显。植被扰动指数的变异系数分析结果表明, 2001—2016年以来天水南部大部分地区植被扰动指数变化较稳定。其中, 西北部的农耕区扰动指数波动幅度较大, 而林区波动相对较小。(3)植被扰动情况受海拔和坡度、河流和道路的影响。空间分布上, 扰动主要发生在海拔相对较高、坡度较缓及近河流和道路地区。     

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.     

三种Ts/VI指数在UCLA土壤湿度降尺度法中的效果评价

微波遥感土壤湿度产品是目前在大尺度水资源或气候变化研究中比较常用的地表土壤湿度数据,但其空间分辨率一般都较粗,不能满足区域或流域尺度相关研究要求.因而,在这些尺度的相关研究中需要对土壤湿度产品进行空间降尺度.UCLA法是一种土壤湿度降尺度方法,该方法使用地表温度和植被指数特征空间指数(Ts/VI指数)作为降尺度因子.本文以AMSR-E土壤湿度产品作为土壤湿度粗分辨率数据,使用MODIS地表温度产品(MYD11A1)和植被指数产品(MYD13A2)计算3种指数——土壤湿度指数(SW)、温度植被干旱指数(TVDI)和条件温度植被指数(VTCI),对比了3种Ts/VI指数分别作为UCLA法降尺度因子的效果.这3种指数均能得出合理的降尺度结果,但使用TVDI和VTCI的降尺度结果稍优于SW,说明TVDI和VTCI更适合作为UCLA法的降尺度因子.最后讨论了UCLA法的误差来源,如粗分辨率土壤湿度产品的测量误差、降尺度因子的计算误差以及UCLA法自身的误差,并对未来的研究做出展望.     

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。     

中国北方草地与农牧交错带植被的NDVI-Ts空间的年内变化特征

利用多时相或时序植被指数(normalize difference vegetation index,NDVI)数据进行地表覆盖研究已取得了大量成果.随着陆地表面温度(1and surface temperature,Ts)遥感反演精度的不断提高,将Ts与NDVI结合起来进行地表植被动态变化的监测已成为可能.本文主要包括以下三部分内容:1)介绍了基于卫星遥感数据的NDVI、Ts和Ts/NDVI计算方法.2)讨论NDVI、Ts和Ts/NDVI数据对植被覆盖信息表达的差异,并分析了中国北方草地与农牧交错带植被在NDVI-Ts空间的年内变化特征.3)利用信息熵和平均梯度,定量分析了NDVI、Ts和 Ts/NDVI数据在信息表达丰富度方面的差异,并对在不同地表植被覆盖下,Ts/NDVI数据对信息提高程度的敏感性进行了讨论.     

中国北方草地与农牧交错带植被的NDVI-Ts空间的年内变化特征

利用多时相或时序植被指数(normalize difference vegetation index,NDVI)数据进行地表覆盖研究已取得了大量成果。随着陆地表面温度(1and surface temperature,TS)遥感反演精度的不断提高,将Ts与NDVI结合起来进行地表植被动态变化的监测已成为可能。本文主要包括以下三部分内容：1)介绍了基于卫星遥感数据的NDVI、Ts和Ts／NDVI计算方法。2)讨论NDVI、Ts和Ts／NDVI数据对植被覆盖信息表达的差异,并分析了中国北方草地与农牧交错带植被在NDVI-TS空间的年内变化特征。3)利用信息熵和平均梯度,定量分析了NDVI、Ts和Ts／NDVI数据在信息表达丰富度方面的差异,并对在不同地表植被覆盖下,Ts／NDVI数据对信息提高程度的敏感性进行了讨论。     

基于MODIS与Landsat 8的艾比湖湿地旱情时空变化及其影响因素分析

对干旱区艾比湖湿地旱情进行多源遥感监测,分析干旱对艾比湖湿地的生态安全与农业生产的影响,为水资源合理配置与干旱预警提供依据。选用2013年5月到2016年5月的MODIS温度和植被指数产品数据反演TVDI指数,并构建二维特征空间,分析土壤水分的时空分布特征,结果表明:TVDI可以有效地反演土壤水分,且精度较高;通过分析,艾比湖湿地土壤水分格局呈现由"极湿润-湿润-正常"面积减少,"干旱-极干旱"面积增加的趋势;在此基础上分析了影响艾比湖干旱变化的影响因素,近年来随着温度升高,风速与蒸发量增加,降水量减少,使艾比湖湿地旱情急剧恶化。利用多源遥感能很好的实现大面积、长时间、高精度的旱情监测,在四年间艾比湖湿地的旱情有所加剧,湖水面积与冰川萎缩变化较为严重,可见艾比湖湿地旱情情况较为不乐观,需加强水资源管理,开展艾比湖旱情监测对于干旱区湖泊生态有重要的理论与实际意义。     

基于NDVI_Ts特征空间的中国土地覆盖分类研究

 归一化植被指数（NDVI）与地表温度（Ts）是描述地表覆盖特征的两个重要参数, 其构成的NDVI_Ts特征空间具有丰富的地学和生态学内涵。该文在NOAA/AVHRR连续时间序列数据反演Ts的基础上,通过主成分分析、非监督分类和基于DEM的分类后处理等方法,以Ts/NDVI为指标对中国土地覆盖进行分类。结果表明,Ts/NDVI对中国较大尺度上不同土地覆盖类型的差异具有较强的敏感性,其对中国土地覆盖分类结果的野外抽样检验精度比传统的单独利用NDVI时间序列进行非监督分类提高了3.3%,Kappa系数提高了0.020 2;在综合其它反映植被特征及其环境的指标（如气候、地形等）的基础上,利用Ts/NDVI将有可能较为准确 地提取中国植被或土地覆盖的信息,有利于对其进行分类和变化监测,具有深远的研究潜力 和应用价值。     

中国东部温带植被生长季节的空间外推估计

利用地面植物物候和遥感归一化差值植被指数（NDVI）数据,以及一种物候-遥感外推方法,实现植被生长季节从少数站点到较多站点的空间外推。结果表明：（1）在1982～1993年期间,中国东部温带地区植被生长季节多年平均起讫日期的空间格局与春季和秋季平均气温的空间格局相关显著;（2）在不同纬度带和整个研究区域,植被生长季节结束日期呈显著推迟的趋势,而开始日期则呈不显著提前的趋势,这与欧洲和北美地区植被生长季节开始日期显著提前而结束日期不显著推迟的变化趋势完全不同;（3）北部纬度带的植被生长季节平均每年延长1．4～3．6d,全区的植被生长季节平均每年延长1．4d,与同期北半球和欧亚大陆植被生长季节延长的趋势数值相近;（4）植被生长季节结束日期的显著推迟与晚春至夏季的区域性降温有关,而植被生长季节开始日期的不显著提前则与晚冬至春季气温趋势的不稳定变化有关;（5）在年际变化方面,植被生长季节开始和结束日期分别与2～4月份平均气温和5～6月份平均气温呈负相关关系。     

Beyond Precipitation: Physiographic Gradients Dictate the Relative Importance of Environmental Drivers on Savanna Vegetation

Background

Understanding the drivers of large-scale vegetation change is critical to managing landscapes and key to predicting how projected climate and land use changes will affect regional vegetation patterns. This study aimed to improve our understanding of the role, magnitude and spatial distribution of the key environmental factors driving vegetation change in southern African savanna, and how they vary across physiographic gradients.

Methodology/Principal Findings

We applied Dynamic Factor Analysis (DFA), a multivariate times series dimension reduction technique to ten years of monthly remote sensing data (MODIS-derived normalized difference vegetation index, NDVI) and a suite of environmental covariates: precipitation, mean and maximum temperature, soil moisture, relative humidity, fire and potential evapotranspiration. Monthly NDVI was described by cyclic seasonal variation with distinct spatiotemporal patterns in different physiographic regions. Results support existing work emphasizing the importance of precipitation, soil moisture and fire on NDVI, but also reveal overlooked effects of temperature and evapotranspiration, particularly in regions with higher mean annual precipitation. Critically, spatial distributions of the weights of environmental covariates point to a transition in the importance of precipitation and soil moisture (strongest in grass-dominated regions with precipitation<750 mm) to fire, potential evapotranspiration, and temperature (strongest in tree-dominated regions with precipitation>950 mm).

Conclusions/Significance

We quantified the combined spatiotemporal effects of an available suite of environmental drivers on NDVI across a large and diverse savanna region. The analysis supports known drivers of savanna vegetation but also uncovers important roles of temperature and evapotranspiration. Results highlight the utility of applying the DFA approach to remote sensing products for regional analyses of landscape change in the context of global environmental change. With the dramatic increase in global change research, this methodology augurs well for further development and application of spatially explicit time series modeling to studies at the intersection of ecology and remote sensing.     

青藏高原植被生长对PDO响应的季节分异

利用卫星遥感观测的区域尺度归一化植被指数(NDVI)和格点气候数据,借助Spearman相关分析及基于多变量回归分析的结构方程模型,研究了1982—2015年青藏高原植被生长季节变化对太平洋10年际涛动(PDO)的响应格局及机理过程.结果表明:青藏高原生长季(4—10月)平均NDVI与PDO指数存在显著的负相关关系,但是PDO与不同季节NDVI之间的关系呈现出明显的季节分异,具体表现为PDO与秋季NDVI的负相关关系强于夏季,且冬季PDO显著影响次年青藏高原夏季植被生长.另外,PDO对青藏高原植被生长的调控过程在季节间存在明显分异,夏季表现为PDO对温度和降水的共同调控,而秋季则以对温度调控为主.