利用温度植被干旱指数反演三峡库区土壤水分

土壤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,在地表与大气界面的水分和能量交换中起重要作用。传统的监测土壤水分的方法只能得到单点的数据,很难获得大范围地区的土壤湿度。遥感能够快速方便地获取大区域的地表信息,因此使用遥感监测土壤水分意义重大。主要利用了温度指标干旱指数对三峡库区进行土壤水分反演及其验证。利用TM6波段的亮温方程,计算得出地表温度（Ts）,以TM3、TM4波段计算得出归一化植被指数（NDVI）;把Ts和NDVI作为基本参数,根据Ts-NDVI特征空间的形状,取中间范围的NDVI,拟合干湿边方程,确定干湿边参数;根据温度植被干旱指数（TVDI）进行土壤湿度等级划分。结果表明,利用TVDI可以很好地反演出地表的土壤湿度信息。     

基于多源遥感数据协同反演森林地表土壤水分研究

土壤水分在土壤监测中是一项重要的指标,对于农业生产、生态环境以及水资源管理有着重要的影响。随着遥感建模与反演理论的不断成熟,其逐渐成为分析土壤指标的重要技术与手段。因此,利用光学影像与雷达影像数据,以大兴安岭地区漠河市为研究区域,分别建立以Landsat 8为数据源的土壤水分反演模型和由Landsat 8影像数据与GF-3卫星数据协同反演的土壤水分反演模型,将反演结果与实际测得数据进行对比验证,并评价所建立的反演模型。结果表明：①对研究区地温进行反演,利用地表温度（Ts）与归一化差异湿度指数NDMI构建Ts-NDMI特征空间,结合实测数据可以发现Ts-NDMI特征空间土壤水分反演模型的反演结果与实测土壤含水量为负相关性;②协同GF-3卫星数据和Landsat 8遥感影像数据所建立的土壤水分反演模型能得到质量较高的反演结果,且在高植被覆盖度地区,利用该协同反演模型得到的反演结果比利用单一光学数据源所建模型得到的反演结果精度高,为今后高植被覆盖度地区土壤湿度的研究提供了新途径。     

基于TESEBS模型估算高原地区地表蒸散发

为检验TESEBS(Topographical Enhanced Surface Energy Balance System)模型在高原地区的适用性,利用2014年高原9个站点的实测资料对TESEBS模型进行适用性检验,鉴于模型估算的感热通量偏差较大,提出利用地表温度—植被指数(LST-NDVI)特征空间法来确定蒸散发率,并将模型估算的卫星过境时刻瞬时蒸散发与实测值进行比较。结果表明:TESEBS模型估算高原不同下垫面的蒸散发与实测值之间的偏差较大;利用LST-NDVI特征空间法确定蒸散发率能很好地改善模型对蒸散发的估算精度,相关系数从0.65提高至0.83,均方根误差从144减小至80 W·m~(-2),相对误差从67%减小至39%。特征空间法引入后,TESEBS模型估算的地表蒸散发明显小于原模型的估算结果,且模型给出的研究区地表蒸散发分布特征与植被指数NDVI的分布特征相一致。     

基于Sentinel-1数据的黑河中游土壤水分反演

基于Sentinel-1合成孔径雷达 (SAR) 数据及相同时段的中分辨率成像光谱仪（MODIS）和Landsat 8两种归一化植被指数（NDVI）,构建变化检测模型以估算黑河中游的高分辨率土壤水分,并探讨模型中具体参数设置对估算精度的影响。结果表明：①在对后向散射系数时间序列的差值 ( \mathrm{\Delta } \sigma ) 和植被指数 ( \mathrm{V} \mathrm{I} ) 进行线性建模过程中,MODIS NDVI和Landsat 8 NDVI这两种植被产品所构建的模型在 \mathrm{\Delta } \sigma - \mathrm{V} \mathrm{I} 空间中所选取的采样点比例分别为2%和4%时,各自取得最优精度; ②以土壤水分反演为目标,使用Landsat 8 NDVI构建的变化检测模型略优于使用MODIS NDVI构建的变化检测模型,两种模型的均方根误差RMSE分别为0.040 m³/m³和0.044 m³/m³,相关系数R分别为0.86和0.83; ③对于变化检测方法的关键参数,若使用低分辨率的SMAP/Sentinel-1 L2_SM_SP土壤水分数据分别代替站点观测的土壤水分初始值和缩放因子 (即两个连续时相土壤水分变化的最大值 \mathrm{\Delta } M s_{max} ) 这两个参数,则土壤水分RMSE将分别增加0.01 m³/m³和0.04 m³/m³。即土壤水分缩放因子这一参数的误差对反演结果的影响大于土壤水分初始值误差对反演结果的影响,故采用高精度的缩放因子进行变化检测估算。研究结论对于利用新兴的Sentinel-1 SAR数据,通过变化检测算法准确获取高分辨率土壤水分信息具有实际参考价值。     

结合GLAS和TM卫星数据的江西省森林高度和生物量制图

针对光学遥感受云雨天气的影响,并存在植被指数饱和、穿透性差而难以到达森林冠层以下等问题,不能有效反映植被垂直结构信息,难以准确地反演森林地上生物量,以大光斑激光雷达GLAS数据、Landsat TM光学遥感影像数据以及野外实测数据为数据源,建立了江西省森林的平均冠层高度模型和森林生物量模型。结果表明:GLAS数据提取出波形特征参数、ASTER GDEM数据提取出地形特征参数与实测树高数据建立森林冠层高度模型,获取离散的林冠高度,可以较好消除地形对GLAS波形的影响;通过建立Landsat TM数据计算的NDVI与离散林冠高度之间的关系,可以进行大尺度连续森林冠层高度的制图;并利用林冠高度与森林生物量之间的幂函数关系估算森林生物量。因此,大光斑激光雷达GLAS数据与光学遥感数据联合,能充分发挥多源遥感的优势,实现连续冠层高度和森林生物量的反演。     

Radarsat-2/SAR和MODIS数据联合反演黄土高原地区植被覆盖下土壤水分研究

以黄土高原半干旱区定西为试验区,利用Radarsat-2/SAR和MODIS数据,将由MODIS NDVI估算的植被含水量(VWC)应用到微波散射Water-Cloud模型中校正植被的影响。采用交叉极化(VV/VH)组合方案对植被覆盖下土壤水分的反演进行初步探讨,结果表明:在植被影响校正前,模型反演土壤水分值出现明显低估现象;校正植被影响后,相关系数R由0.13提高到0.44,且通过α=0.01的显著性检验,标准差SD由5.02降低到4.30,有效提高了模型反演土壤水分的准确度。卫星反演的研究区土壤含水量大部分介于10%~30%之间,与实地考察情况一致,较好地反映出区域土壤湿度分布信息。表明,光学和微波协同遥感反演对于提高农田土壤水分遥感反演精度具有较大的应用潜力。     

基于劈窗算法的Landsat 8影像地表温度反演

陆地表面温度（LST）是表征地表能量交换和地面特征的重要指标,目前遥感技术逐渐成为区域和全球尺度上LST反演的一种便捷工具,而采样不同算法及不同影像的热红外遥感LST反演研究层出不穷,其中基于Landsat数据的反演成果尤为突出。文章利用劈窗算法对Landsat 8遥感影像进行地表温度反演,对比探讨了根据经验值与借助MODIS热红外数据两种不同方式的LST反演结果,并进行北京市热红外波段辐射亮度温度比较,针对地表温度分级进行统计,分析了当地地表温度分布趋势。结果表明：劈窗算法下Landsat 8数据的反演温度更接近实际温度,精度较高且优于MODIS产品;北京市地表温度空间分布格局受地物结构与反射率所制约,高温区主要集中分布于中东部,中低温区分布与林地及水体分布结构较为吻合。     

温度植被干旱指数时空融合模型对比

为实时准确地对新疆农业干旱程度进行反演监测,以新疆焉耆盆地为例,通过运用时空自适应反射率融合模型（Spatio Temporal Adaptive Reflectivity Fusion Model,STARFM）、增强型STARFM（Enhanced STARFM,ESTARFM）模型及灵活的时空数据融合模型（Flexible Spatio Temporal Data Fusion,FSDAF）这3种常见的模型对Landsat 8和MODIS数据进行融合,构建了温度植被干旱指数（Temperature Vegetation Dryness Index,TVDI）,并采用土壤相对湿度（Relative Soil Moisture,RSM）数据对TVDI反演结果进行了验证。结果表明：①3种数据融合模型所模拟预测的干旱因子（归一化植被指数和地表温度）与真实Landsat 8数据所反演的干旱因子相比,ESTARFM模型模拟预测的干旱因子判定系数（R²）和均方根误差（RMSE）均优于其他两种模型,归一化植被指数（NDVI）的R²和RMSE分别达到了0.924和0.076,地表温度（LST）的R²和RMSE分别达到了0.877和2.799;②3种数据融合模型模拟预测的TVDI通过与真实Landsat 8数据反演的TVDI及RSM数据进行对比验证,发现ESTARFM模型模拟预测的TVDI与上述两种数据之间的R²也均优于其他两种模型,分别达到了0.873和0.248。ESTARFM模型在一定程度上更能准确地模拟预测同时期Landsat 8影像的TVDI分布状况。     

基于Sentinel-1及 Landsat 8数据的黑河中游农田土壤水分估算

土壤水分是陆地表层系统中的关键变量。利用主动微波遥感,特别是合成孔径雷达(Synthetic Aperture Radar,SAR)的观测,在监测和估计表层土壤水分时空分布方面已开展了诸多研究。然而,SAR土壤水分反演仍存在诸多挑战,特别是地表粗糙度和植被的影响。因此,本文提出了一种结合主动微波和光学遥感的优化估计方案,旨在同步反演植被含水量、地表粗糙度和土壤水分。反演算法首先在水云模型的框架下对模型中的植被透过率因子(与植被含水量密切相关)采用3种不同的光学遥感指数——修正的土壤调节植被指数(Modified Soil Adjusted Vegetation Index,MSAVI)、归一化植被指数(Normalized Difference Vegetation Index,NDVI)和归一化水体指数(Normalized Difference Water Index,NDWI)进行参数化估计,用于校正植被层的散射贡献。在此基础上,构造基于SAR观测和Oh模型的代价函数,利用复型洗牌全局优化算法进行土壤水分和地表粗糙度的联合反演。采用Sentinel-1 SAR和Landsat 8多光谱数据在黑河中游开展了反演试验,并利用相应的地面观测数据对结果进行了验证。结果表明反演结果与地面观测具有良好的一致性,其中基于NDWI的植被含水量反演效果最佳,与地面观测比较,土壤水分决定系数(R 2)在0.7以上,均方根误差(RMSE)为0.073 m^ 3/m^ 3;植被含水量R 2大于0.9,RMSE为0.885 kg/m 2,表明该方法能够较准确地估计土壤水分。同时发现植被含水量的估计结果,以及植被透过率的参数化方案对土壤水分的反演精度有一定的影响,在未来的研究中需要进一步探索。     

基于Landsat-5TM的洪河湿地地表温度估算方法对比研究

利用洪河湿地2008年5月15日过境的Landsat／TM图像和实测地面数据以及MODIS地表发射率数据,分别运用大气辐射传输模型、覃志豪的单窗算法和Jimenez—Munoz ＆ Sobrino的单波段算法估算洪河湿地的地表温度,并且对比了大气校正前后的NDVI、LSE以及各种算法估算地表温度的差异。分析估算结果表明,覃志豪的单窗算法与实测地面数据估算结果非常一致。指出在没有实时探空数据的情况下,应用只有一个热红外通道的Landsat／TM数据源,采用覃志豪的单窗算法估算的精度是可以接受的。     

HJ-1/CCD地表反照率估算及其与NDVI关系分析

参照TM地表反照率反演算法,建立了适用于HJ-1/CCD传感器估算地表反照率的算法。通过应用6S辐射传输模型建立查找表,对覆盖内蒙古自治区锡林浩特市的HJ-1/CCD数据进行大气校正,并根据反照率定义,回归分析得到可见光波段地表反照率;通过与地面实测数据进行对比分析,表明该算法估算得到的地表反照率精度较高,其最大相对误差为14.32%。同时,本文将估算结果与同时期NDVI进行拟合分析,得出地表反照率与NDVI存在较高的负相关关系。     

基于理论参数空间的遥感蒸散模型构建及验证

遥感数据提供了估算区域蒸散的重要数据源,基于VFC/LST参数空间构建了改进的遥感蒸散模型(EML)。在EML中,每个像元构建其专属的理论参数空间,并基于水分亏缺指数(WDI)实现目标像元的蒸散估算。使用SMACEX实验观测数据对模型进行评估,区域尺度的模型评估使用来自于Landsat 7ETM+的遥感参数。评估结果表明EML可以实现可靠的区域通量估算。潜热通量估算的平均绝对误差(MAD)和均方根误差(RMSD)分别为62.20和74.17 W/m~2,感热通量估算的MAD和RMSD分别为43.37和49.02 W/m~2。使用传统的梯形参数空间模型(TIM)与EML进行对比,结果表明EML模型克服了TIM模型的主观性和不确定性。研究结果表明:EML模型能够实现可靠的蒸散估算,且优于传统的梯形参数空间模型TIM,并适用于非均匀下垫面的蒸散估算。     

基于SLIC和区域生长的目标分割算法

传统区域生长算法的分割结果依赖于种子点的选取,且图像自身的噪声以及灰度值不均匀等问题易在分割目标过程中形成分割空洞,针对以上问题提出了基于超像素的改进区域生长算法。采用拉普拉斯锐化,增强待分割目标边界,之后根据像素灰度相似的特征采用SLIC（简单线性迭代聚类算法）超像素分割将原始图像分割成若干不规则区域,建立不规则区域间的无向加权图,选取种子区域,根据无向加权图以分割好的不规则区域为单位进行区域生长,最后在分割目标边缘处以像素为单位做区域生长,细化边界。对比于传统区域生长算法,改进后的算法在分割结果上受种子点选取影响较小,且能有效地解决分割空洞等问题。对比于聚类分割,Otsu（最大类间方差）阈值分割法等典型算法,该算法在分割精度上具有明显优势。     

基于Landsat-5 TM的洪河湿地地表温度估算方法对比研究

利用洪河湿地2008年5月15日过境的Landsat/TM图像和实测地面数据以及MODIS 地表发射率数据,分别运用大气辐射传输模型、覃志豪的单窗算法和Jimenez\|Munoz & Sobrino 的单波段算法估算洪河湿地的地表温度,并且对比了大气校正前后的NDVI、LSE以及各种算法估算地表温度的差异。分析估算结果表明,覃志豪的单窗算法与实测地面数据估算结果非常一致。指出在没有实时探空数据的情况下,应用只有一个热红外通道的Landsat/TM数据源,采用覃志豪的单窗算法估算的精度是可以接受的。     

基于改进温度植被干旱指数的农田土壤水分反演方法

基于植被指数 地表温度（VI Ts）特征空间的温度植被干旱指数（TVDI）被广泛应用于土壤水分监测,但TVDI为土壤水分相对值,而且利用散点图确定干湿边会造成很大的不确定性。基于能量平衡方程和TVDI,该文提出一种定量干湿边选取方法和改进的TVDI模型——定量温度植被指数（Temperature Vegetation Quantitative Index,TVQI）,以MODIS遥感数据为基础,实现了定量干湿边真实土壤水分的遥感估算。结果表明：TVQI估算结果与所观测土壤水分呈0.01水平显著相关,总体上的平均绝对误差小于0.02cm3/cm3,均方根误差RMSE小于0.035cm3/cm3;相对TVDI,TVQI克服了传统干边计算中对植被覆盖类型的限制,更能够准确反应土壤深度在0～10cm、10cm～20cm的土壤水分值,尤其与10cm～20cm土壤水分值更为贴近。     

利用NDVI-T特征空间法进行广东省土壤旱情监测研究

详细介绍了利用Landsat ETM 影像反演陆地表面温度(LST),并计算温度植被旱情指数(TVDI)的方法,并在此基础上利用ERDAS的空间建模功能设计了一个半自动化的,基于地表温度和归一化植被指数(NDVI)的旱情指数特征空间模型.该模型的运算结果包括NDVI、陆地表面温度及研究区内相应NDVI的最大和最小陆地表面温度表格,用这些中间结果来计算旱情指数.最后通过该模型在珠江三角洲地区的应用,证明TVDI旱情指数能够较好地反映广东省地区表层土壤旱情出现及分布情况,有助于对该地区春、秋旱的预防和指示.     

青藏高原1982~2015年FPAR时空变化分析

植被吸收利用太阳光合有效辐射比率反映了植被固碳释氧能力,根据青藏高原GIMMS NDVI3g（1982~2015年）和MODIS NDVI（2001~2015年）数据,采用非线性半理论半经验模型进行FPAR反演及时空变化分析。结果表明：①2001~2015年GIMMS NDVI3g和MODIS NDVI反演FPAR在空间分布上具有较高的一致性,相关系数为0.82（P<0.01）,年际变化趋势一致至少6年的区域占80%;②青藏高原FPAR受坡度和海拔影响较大,其中15~35坡度FPAR变化最快,700~2 100 m海拔区间FPAR值最大;不同坡向对应的FPAR除南坡方向偏低外其他方向差异不大。③1982~2015年青藏高原四季FPAR时空变化研究中,冬季FPAR年际变化最明显,约78.5%的区域表现为增长趋势;秋季FPAR下降区域最多,但超过71.5%区域变化不显著;④基于MODIS NDVI和GIMMS NDVI两数据反演的所有植被类型的FPAR都在2012年间出现小幅度下降趋势,且不同植被类型FPAR的年际变化趋势各不相同。     

基于Landsat 8 OLI遥感影像的天山北坡草地地上生物量估算

利用Landsat 8OLI遥感数据获得NDVI、RVI、DVI、EVI、GNDVI和SAVI等6种常用植被指数,同时结合研究区草地地面实测数据,再根据坡向将研究区划分为阴坡和阳坡两类,利用统计分析方法分别建立紫泥泉牧场阴坡和阳坡的草原生物量遥感估算模型,并进行生物量空间反演和验证。相关分析结果表明:所选植被指数与牧场生物量显著相关,依据坡向分类后数据与未分类数据相关性存在较大差异,其中NDVI相关性最高,EVI相关性最低;紫泥泉草场生物量最优反演模型为基于SAVI的二次多项式模型,精度达80%。利用该模型反演得到2015年紫泥泉牧场草原平均鲜草产草量为113g/m2,折合干草产草量41.85g/m2。研究表明:坡向是影响生物量分布变化的重要因素;利用遥感数据、地面实测生物量数据并结合研究区阴阳坡地形特征,提出的生物量估算模型精度较高,可为该牧区草原生物量合理估算和草地放牧管理提供科学依据。     

典型地表对长沙主城区地表温度的影响分析

城市热岛是一种城市地区温度比郊区温度高的现象,它可改变城市的自然和社会过程,引发一系列环境问题。利用Landsat 8 TIRS10波段的单通道算法（TIRS10_SC算法）反演了长沙主城区2013年7月、2016年3月、7月和11月4景Landsat 8影像的地表温度,并进一步分析了地表温度的时空分布特征,建设用地、绿地、河流以及不同材质的屋顶等典型地表对主城区地表温度的影响。结果表明：①长沙火车站沿线、高桥大市场和部分工厂在各个时期均为高温区。2016年7月浏阳河周边区域热岛效应相对于2013年7月有所缓解,主要由天气情况的不同以及拆迁改变地表覆盖性质等造成。3月建设用地中比率最大的为中温, 7月建设用地中比率最大的为次高温。3月和7月,绿地中比率最大的为次低温,水体中比率最大的为低温。而11月,建设用地和绿地中比率最大的为中温,水体中比率最大的次高温。②河流周边120 m范围内,由陆地向河流每减少30 m,7月建设用地平均温度减少0.93~1.26 ℃,绿地平均温度减少0.57~0.99 ℃;3月建设用地平均温度减少0.51~0.78 ℃,绿地平均温度减少0.3~0.57 ℃。河流的降温强度与河水温度和距离河流120 m以上的地表温度的差值大小有关。③负的MNDWI（非水体）与地表温度呈正相关关系,正的MNDWI（水体区域）与地表温度3月和7月呈负相关关系,11月呈正相关关系。④地表比辐射率对地表温度反演的结果影响显著,利用NDVI估算地表比辐射率难以区分高反射率的屋顶与其他类型的建设用地。因此,针对高反射率屋顶对地表比辐射率的影响有待进一步研究,以提高城区地表温度的反演精度,为减缓城市热岛效应提供参考依据。     

玉米叶面积指数与高光谱植被指数关系研究

探讨以不同的植被指数建立的高光谱模型对玉米叶面积指数LAI的反演精度。实测不同水肥耦合作用下，玉米冠层的高光谱反射率与叶面积指数（Leaf Area Index）数据，采用高光谱红光波段（631~760 nm）与近红外波段（760~1 074 nm）逐波段构建NDVI、RVI、DVI、TSAVI、PVI植被指数，分别找出与LAI具有最佳相关性波段组合的植被指数，建立玉米LAI估算模型。结果显示，与LAI具有佳相关性的波段组合分别是NDVI（R760，R990）、RVI（R760，R1001）、DVI（R677，R1070）、TSAVI（R 760，R 975）、PVI（R658，R966），它们反演玉米LAI的确定性系数分别：R²>0.72、R²>0.74、R²＝0.95、R²>0.79、R²>0.95。结果表明，在玉米的整个生长季的47个样本中，通过PVI和DVI方式建立的遥感估算模型能够较为准确地估算玉米LAI，TSAVI次之，NDVI、RVI稍差。