利用高分辨率ETM+数据进行区域旱情监测的研究

在植被指数相同的条件下,地面肤面温度可用于对土壤旱情的监测。通过植被指数——地面肤面温度特征空间分析了利用遥感进行旱情监测的原理,将传感器温度作为地面肤面温度,对干旱指数的计算进行了详细论述。利用栾城县的Landsat7 ETM+卫星数据进行了旱情监测与分析。     

植被指数-地表温度特征空间研究及其在旱情监测中的应用

植被指数-地表温度特征空间已被应用于多方面的研究。本文从区域旱情监测的角度分析了该特征空间的生态学内涵，指出地表温度是地表蒸散的函数，推导出了温度蒸散旱情指数（TEDI）的计算方法。利用NOAA数据，以河北省南部平原为研究区域，分别计算出了温度植被旱情指数（TVDI）与温度蒸散旱情指数（TEDI），通过地面实测土壤相对湿度指数（SHI）验证，结果表明温度蒸散旱情指数（TEDI）可以更准确地反映下垫面的土壤墒情状况。     

旱灾灾情监测中的遥感应用综述

旱灾是我国影响范围最广的农业自然灾害。遥感是对干旱进行大面积、实时动态监测的有效技术手段。对遥感技术在干旱旱情监测中的传统方法进行了概括和汇总,应用较多的干旱旱情遥感监测方法主要有热惯量法、蒸散法、植被指数法,其中植被指数法又分为距平植被指数、条件植被指数、植被指数差异、植被供水指数、温度植被干旱指数等方法。分析了不同方法的优缺点以及它们各自的适用范围,结合当前研究的热点问题,指出随着干旱机理和MODIS数据的应用,干旱旱情的遥感监测将得到更广泛、更深入的应用。     

TVDI在冬小麦春季干旱监测中的应用

应用冬小麦春季生长期的NOAA/AVHRR资料,反演归一化植被指数（NDVI）、土壤调整植被指数（SAVI）和下垫面温度（T_s）,分析了植被指数和下垫面温度空间特征,采用温度植被旱情指数（TVDI）,研究了河北省2005年3~5月的冬小麦旱情状况。结果表明：基于SAVI的温度植被旱情指数与土壤表层相对湿度的相关性好于基于NDVI的温度植被旱情指数。通过与气象站土壤水分观测资料进行相关性分析,表明温度植被旱情指数与10 cm土壤相对湿度关系最好,20 cm次之,50 cm较差。因此,基于SAVI的温度植被旱情指数更适于监测冬小麦春季的旱情。     

MODIS-TVDI指数监测新疆干旱动态

针对近年频发的干旱情况不能准确及时监测评估的问题,该文以新疆为研究区域,基于温度植被干旱指数方法,利用2007年到2012年3月~8月MODIS合成产品数据获取归一化植被指数和陆地地表温度,构建LST-NDVI特征空间,得到全区的温度植被干旱指数和旱情等级空间分布图,分析了新疆干旱变化趋势,验证了温度植被干旱指数和降水因子的关系。结果表明:2007年~2012年新疆的干旱面积逐年趋于平稳,空间上表现为南疆旱情高于北疆,春季旱情高于夏季,降水量是影响温度植被干旱指数的重要因子。该研究为政府部门对新疆旱情严重地区治理提供了有效数据保证。     

通用温度-植被指数特征空间农田干旱遥感监测

针对单一时段温度-植被指数特征空间干、湿边不稳定的问题,提出利用通用温度-植被指数特征空间改进TVDI指数进行农田干旱遥感监测的方法。利用2006—2015年各年单一时段特征空间干、湿边构建通用特征空间,拟合得到旬通用特征空间干、湿边。采用通用特征空间计算TVDI,结合实测数据进行旬土壤含水量反演模型率定和结果验证,并在河南省小麦种植区进行干旱监测应用分析。结果表明,与单一时段特征空间相比,基于通用特征空间的TVDI与实测数据的相关性更高,指数稳定性更强,土壤含水量估算绝对误差小于10%,均方根误差小于11%,能够有效监测农田旱情。     

MODIS数据处理平台在旱情监测中的应用研究

研究基于MODIS(中分辨率成像光谱仪)数据和降水信息,结合地面实测数据进行区域的旱情监测。搭建了基于网格技术的MODIS数据处理平台,对遥感数据进行前期加工,利用水文气象信息,通过分析和选取合适的干旱因子构建遥感干旱综合监测模型。建立了干旱综合监测数据处理系统,初步实现了MODIS数据自动处理和旱情分析的过程。     

大范围旱情遥感监测的分带计算

遥感技术在旱情监测中得到了广泛应用。针对常用的温度植被旱情指数法, 利用NOAA/AVHRR 数据, 分析了大范围旱情监测中下垫面因纬度、地形等因素造成的空间物候差异, 指出了旱情指数分带计算的必要性。通过分纬度计算, 提高了温度植被旱情指数法中旱边与湿边拟合方程的准确度, 与整体计算方法相比, 温度植被旱情指数与各层土壤相对湿度实测值的相关性均得到明显改善, 提高了大范围旱情遥感监测的准确性。     

苏丹遥感干旱指数及其适用性

针对苏丹地区利用遥感手段进行旱情监测的研究相对缺乏这一问题,该文利用MODIS归一化植被指数和地表温度计算植被条件指数、温度植被干旱指数和归一化植被供水指数,利用AMSR-E土壤湿度数据与3种干旱指数进行相关性分析,选取与土壤湿度相关性最好的干旱指数作为干旱监测的指标,对苏丹典型干湿年份的干旱进行监测。定量分析与实验结果表明:归一化植被供水指数与土壤湿度相关性最高,且与降水量存在滞后关系,3种典型植被覆盖类型下归一化植被供水指数的滞后期均为1个月;苏丹干旱主要发生在北部的撒哈拉沙漠及其边缘地区,且干旱分布受季节变化影响显著,其中春季和冬季是干旱发生的高峰期。     

遥感旱情监测方法的比较与分析

比较和分析了目前旱情监测中运用较为广泛的3种模型：土壤热惯量法（ATI）、作物缺水指数法（CW-SI）和温度植被指数法（TVDI）的适用条件,并利用IDL编程实现。以黄河三花间流域为例,利用MODIS影像和气象数据对3种模型进行了计算,并将成果与SEBAL模型计算的蒸散发进行相关分析。结果表明,CWSI和蒸散发的相关性最高,其次是TVDI、ATI。在分析各方法特点的基础上,结合流域特征得到：CWSI和TVDI较适用于研究区域。     

An investigation of drought prediction using various remote-sensing vegetation indices for different time spans

Iran is a country in a dry part of the world and extensively suffers from drought. Drought is a natural and repeatable phenomenon definable at specified time and area. In addition, social and economic issues can be affected by drought. Information such as intensity, duration, and spatial coverage of drought can help decision makers to reduce the vulnerability of the drought-affected areas, therefore lessen the risks associated with drought episodes. Lack of long-term meteorological data for many parts of the country is one of the most important problems for drought monitoring in Iran. One of the useful ways for gathering information about soil and vegetation conditions is using satellite-based imagery. In this study, remotely sensed image data were applied in order to forecast and model the drought. To this end, SPI (standardized precipitation index) drought indicator was used to represent the drought and its intensity in different time spans (1, 3, 6, 9, 12, and 24 months). Some vegetation indices (VIs) including normalized difference vegetation index, temperature condition index, vegetation condition index, and normalized difference vegetation index deviation were extracted using Advanced Very High Resolution Radiometer sensor imagery. These indices were plugged into the model to calculate the SPI. A unique Support Vector Machine classifier improved for all types of the SPI by applying various remotely sensed VIs. The best vegetation index for each kind of SPI was determined. In this framework, meteorological stations were clustered based on their land cover extracted from satellite-based indices before insertion to the model.     

A remote sensing-based method for drought monitoring using the similarity between drought eigenvectors

ABSTRACT

The land surface temperature (LST) and vegetation growth status are two direct indicators of drought. In this study, we selected the LST index and vegetation index to construct drought eigenvectors, then proposed a new remote sensing drought index to assess the drought severity by calculating the similarity between the drought eigenvector of the target pixel and the drought eigenvector under an extremely wet state. Considering the different responses of various objects to drought, the drought eigenvectors of different land cover types were established. The results showed that the Temperature-Vegetation Water Stress Index (T-VWSI) were highly correlated with the measured relative soil moisture (RSM). The correlation coefficients (r) between the T-VWSI and 20-cm RSM reached 0.81, 0.77, and 0.78 in May, June, and July, respectively. Therefore, the T-VWSI is a promising drought index that will play an important role in drought monitoring.     

基于多源干旱指数的黄淮海平原干旱监测

黄淮海平原是我国重要的粮食基地,由于季风、气候等的影响,干旱频发,严重影响了粮食生产,实时监测黄淮海平原的干旱情况,对于合理制定农业政策、指导农业生产具有重要意义。基于MODIS反射率产品、温度产品和气象站点降雨数据等,采用改进归一化水指数(MNDWI)、植被健康指数(VHI)和标准化降水指数(SPI),对黄淮海平原2001~2012年干旱情况进行监测,分析其空间、季节、年际变化规律及其潜在原因,并根据结果确定3个指数的使用条件。结果发现:黄淮海平原燕山山麓和太行山山麓受西伯利亚冬季风的影响,同时由于春天植被覆盖少,水份蒸发较快,易发生春旱;农作物区在海拔25~100m之间比其他地区要干旱;12年间2003年干旱最弱。所采用遥感指数由于对水分温度敏感适用于实时监测,而气象指数SPI适用于长时间序列的干旱变化监测,亦可用于干旱预测。     

Vegetation,water and thermal stress index for study of drought in Nepal and central northeastern India

Drought is the degradation of land in arid, semi-arid and dry sub-humid regions caused primarily by human activity and climatic variations. The present study is the first attempt to identify and monitor drought using a vegetation index, a vegetation-water index and land surface temperature (LST) data for Nepal and central northeastern India. We propose a Vegetation Water Temperature Condition Index (VWTCI) for monitoring drought on a regional scale. The VWTCI includes the Normalized Difference Water Index (NDWI), which measures the water status in vegetation, the Normalized Difference Vegetation Index (NDVI) and LST data. To validate the approach, the VWTCI was compared with the Vegetation Temperature Condition Index (VTCI) and Tropical Rainfall Measuring Mission (TRMM) 3B31 Precipitation Radar (PR) data. The study revealed a gradual increase in the extent of drought in the central part of the study area from 2000 to 2004. Certain constant drought areas were also identified and the results indicate that these areas are spreading slowly towards the northeast into the central part of the study area. Comparison of the drought areas also shows a decrease in rainfall in June and July from 2000 to 2004.     

基于LST-EVI特征空间的土壤水分含量反演

干旱是人类历史上的重大自然灾害之一,而土壤水分是干旱监测最重要的指标。利用遥感手段反演地表土壤水分,可以充分反映土壤水分的时空变化特征,适合进行大范围动态监测。研究基于Landsat TM数据,运用普适性单通道算法得到地表温度(LST,Land Surface Temperature),然后选用增强型植被指数(EVI,Enhanced Vegetation Index),构建了LST\|EVI特征空间,计算出温度植被干旱指数(TVDI,Temperature\|Vegetation Dryness Index)。在对实测土壤含水量数据和对应TVDI值进行回归分析的基础上,反演出2010年6月14日黄骅市自然地表20 cm深度处的体积含水量。结果表明:TVDI方法在该研究区是完全可行的,拟合精度较高;研究区自然地表土壤体积含水量分布差异明显,中等含水量地区面积最大,西南和部分北部地区含水量较低,而含水量高的区域主要分布在苇洼和沿海地区。     

基于Landsat-5 TM数据的河南省白沙灌区地表温度反演研究

地表温度是土壤水分和植被水分状态的指示计,在干旱遥感监测中有重要作用。应用Landsat-5 TM遥感数据和气象资料,利用归一化植被指数(NDVI)区分地表覆盖类型,采用Van de Griend的经验公式法结合典型地表赋值法计算出地表比辐射率。用单窗算法和单通道算法分别对河南省白沙灌区地表温度进行反演,结果表明:两种方法均能较好地将白沙灌区地表温度分布趋势反映出来,单窗算法的反演精度较高,绝对误差为1.1 ℃,更适宜白沙灌区的地表温度反演,进而可以提高灌区旱情遥感监测精度。