麦田土壤水分NOAA/AVHRR遥感监测方法研究

本文立足于河南省农业遥感业务服务实际,在系统研究麦田土壤水分NOAA/AVHRR遥感监测理论、模型、资料处理、指标及应用技术的基础上,针对这一领域中存在的问题,在GIS技术的支持下,重点探讨了不同土壤质地和风速对遥感干旱监测的影响、用遥感表层土壤水分耦合深层土壤水分的方法与模型、用单时相遥感资料反演土壤水分的方法等,并最终建立了河南省冬小麦干旱遥感监测应用服务系统。     

一种利用土壤水分反演地下水位遥感方法

针对利用土壤水分在干旱地区反演一定植被覆盖下地下水位的局限性,采用遥感-数学-模型学融合的研究方法,以Landsat-8遥感图像作为数据源,提取改进型温度植被干旱指数,并与实测土壤水分建立土壤水分反演模型,然后结合土壤水分和地下水位的实验方程,引入土壤水分反演模型建立了一定植被覆盖条件下的地下水位分布遥感监测评价模型(GLDRS模型)。结果表明,土壤水分反演值和实测值的决定系数R2=0.65,均方根误差RMSE=3.22,能够达到实验精度要求;利用GLDRS模型对研究区地下水位反演结果取得较高精度,实测地下水位和反演地下水位的R2=0.81,RMSE=1.01。     

垂直干旱指数在高寒农区春旱监测中的应用研究

青海省东部农业区“十年九旱”,“春旱年年有”,对农业生产的影响非常严重,但该地区至今缺乏有效的春季干旱遥感监测方法。使用环境减灾卫星CCD数据提取青海省东部农业区农业气象观测站的垂直干旱指数(PDI),拟合其与不同深度土壤水分的关系模型,各模型的无偏相关系数均在0.7以上;其中PDI与0~20 cm土壤相对湿度关系模型(y=-489.00x+188.78)的拟合效果最好(无偏相关系数为0.7985)。该模型反演的湟源农业气象观测站固定观测地段的土壤水分时间变化序列与人工测量值的时间变化序列,在趋势变化上较为一致。2013年西宁农区的春季干旱监测中,该模型监测结果显示:发生干旱的地区主要出现在大通河谷地和湟水谷地,湟源农区的土壤旱情在整个西宁农区的土壤旱情发展中最为严重,监测结果与实际旱情分布地区一致。     

第九届SPIE亚太遥感大会

正第九届SPIE亚太遥感大会(the 9th SPIE Asia-Pacific Remote Sensing Symposium,APRS)将于2014年10月13~17日在中国北京国际会议中心举行,大会主题为"地球系统遥感和环境健康监测"。大会主席是施建成研究员(中国科学院遥感与数字地球研究所)和Upendra Singh教授(NASA Langley Research),亚太遥感大会是亚洲及太平洋地区最重要的遥感学术会议之一,每两年举办一次。大会主题     

中加联合举办遥感讨论班

我国国家遥感中心和加拿大国际发展研究中心(IDRC)于1987年9月14～25日在国家遥感中心技术培训部(北京大学遥感技术应用研究所)共同举办了一期“遥感资源调查与监测”国际讨论班,作为该两组织自1984年开始的“遥感图像处理人员培训”合作的最后一项活动。     

基于表层水分含量指数(SWCI)的土壤干旱遥感监测

土壤湿度和植被生长状况是干旱最重要和最直接的指标,对植被和土壤光谱特征的解译是进行旱情程度判断的重要因子。近期,基于水的光谱反射特性,提出的地表含水量指数(SWCI) 模型能较好地反映地表的含水量值及其变化,可用于大范围的快速的浅层土壤墒情遥感监测。通过与NDVI对比分析发现, 在对浅层(0~50 cm)土壤水分进行监测时,SWCI 比NDVI 更为敏感,这有助于在实时干旱动态监测中更好地采用不同的指数以提高监测精度。     

基于MODIS数据的渭河流域土壤水分反演

利用MODIS产品数据MOD11A1、MOD13A2和MOD15A2获取地表温度(TS)、昼夜温差(TSD)、表观热惯量(ATI)、归一化植被指数(NDVI)、增强植被指数(EVI)、叶面积指数(LAI),构建渭河流域2006年8月1日、8月6日的TS-NDVI、TS-EVI、TS-LAI、TSD-NDVI、TSD-EVI、TSD-LAI、ATI-NDVI、ATI-EVI、ATI-LAI特征空间,根据TS-NDVI、TS-EVI、TS-LAI、TSD-NDVI、TSD-EVI、TSD-LAI、AI-NDVI、ATI-EVI、ATI-LAI特征空间建立了温度归一化植被指数型干旱指数(TNDI)、温度增强植被指数型干旱指数(TEDI)、温度叶面积指数型干旱指数(TLDI)、温差归一化植被指数型干旱指数(DTNDI)、温差增强植被指数型干旱指数(DTEDI)、温差叶面积指数型干旱指数(DTLDI)、表观热惯量归一化植被指数型干旱指数(ANDI)、表观热惯量增强植被指数型干旱指数(AEDI)、表观热惯量叶面积指数型干旱指数(ALDI),并以这些干旱指数作为土壤水分监测指标,反演了渭河流域2006年8月1日、8月6日的土壤水分.利用TDR实测10cm土壤水分进行相关分析表明: TEDI、TNDI、TLDI在高植被覆盖的地区、低植被覆盖的地区进行土壤水分反演和干旱监测都能取得较好的效果,其中TEDI效果最好;DTNDI、DTEDI、DTLDI、ANDI、AEDI、ALDI比较适合在低植被覆盖的地区进行土壤水分反演和干旱监测,但在高植被覆盖的地区效果较差,不适合进行土壤水分反演和干旱监测.     

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0.02cm~3/cm~3,均方根误差RMSE小于0.035cm~3/cm~3;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。     

RS、GIS、GPS在西北农业大开发中的应用前景

遥感(RS)、地理信息系统(GIS)和全球定位系统(GPS)作为三大高新技术(“3S”技术),可以 独立地,也可以相互补充地为农业生产和开发提供强大的技术支撑。它们能快速准确地获取农业生 产系统的多维信息,尤其是时间维的信息,能综合性地管理和处理属性数据和空间数据,并能为农 业生产的决策提供相应的技术服务,进而精确地指导农业生产,促进生态环境的良性发展。论述了 “3S”技术在西北地区农业开发中的应用前景,着重于土壤水分的遥感反演以及干旱和荒漠化的动 态监测。     

考虑下垫面类型的干旱指数比较研究

干旱作为常见的自然灾害,在世界各地发生的频率日渐增加,已对经济发展、农业生产和人类生活等方面产生了严重影响。但是干旱的类型较多,包括气象干旱、土壤干旱、水文干旱、农田干旱等,无法用单个干旱指数对不同类型的干旱进行监测。按照干旱发生类型,利用气象干旱指数(Standardized Precipitation Index SPI)、土壤水分干旱指数(Soil Moisture Index, SMI)和蒸发压力干旱指数(Evaporative Stress Index,ESI)对美国的旱情进行监测。研究结果表明:不同干旱指数之间呈显著相关,相关系数R在0.7以上。ESI整体监测精度较高,它能够真实反映地表水分盈亏状况,同时与遥感数据结合,可以实现从田块到全球不同尺度干旱实时监测。不同植被类型覆盖下垫面对不同类型干旱响应存在较大差异,草地下垫面对不同类型的干旱响应较为一致,但是随着地上生物量的增加,不同干旱指数监测结果之间差异逐渐增大。因此,在干旱监测时需要考虑植被的结构特征,植被与气候之间的相互作用,才能具体分析不同下垫面的受灾情况,进一步考虑更适合的方法以及干旱指数监测不同下垫面的干旱情况。     

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。     

基于CCI土壤水分产品的干旱指数精度评价及其对东北地区粮食产量的影响

土壤水分是监测作物旱情的基本因子,以欧空局1978~2014年微波遥感土壤水分产品、中国经济与社会发展统计数据库以及气象数据为基础,结合土壤水分亏缺指数（Soil Water Deficit Index, SWDI）分析东北地区的干旱程度与玉米亩产的关系。结果表明：①东北三省干旱程度空间上呈现自东北向西南逐渐加重的空间分布模式;②基于CCI (Climate Change Initiative)土壤水分产品计算的SWDI干旱指数与降雨量和气温有良好的相关关系,可用于评估干旱发生的严重程度;③玉米生长季关键需水期——7月的SWDI与玉米产量的相关性最好,二者在黑龙江、吉林和辽宁省的R2分别为0.43、0.78和0.38,非常适合用于评估干旱对玉米单产的影响。该结论对于研究大范围土壤水分含量对农作物产量的影响以及相关农业决策具有重要指导意义。     

遥感草地、小麦、地壤水分,取得巨大效益

农业是新疆腾飞的依托 ,现有耕地 480 0万亩 ,而可供开垦的荒地尚有 70 0 0万亩。现有草埸 7.6亿亩。由于干旱、半干旱的气候 ,以土壤含水定地是其先决条件。为此 ,新疆科委重点立项研究卫星遥感监测草地、小麦、土壤水分 ,并得到国家自然科学基金的资助。承担该任务的新疆气象局 ,中科院新疆生物土壤沙漠研究所 ,新疆草原研究所和新疆气象科研所联手攻关 ,经过四年的努力 ,终于成功 ,取得了巨大的效益。遥感草地、小麦、地壤水分,取得巨大效益@任干生     

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。     

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。     

遥感监测土壤水分的理论、方法及研究进展

对国内外遥感监测土壤水分的发展情况进行了回顾,简单总结了国内外常用的遥感监测土壤水分的方法及其原理,对目前遥感监测土壤水分领域的研究重点和未来发展方向进行了评述。以改进的热惯量法和植被缺水指数法等为主要代表的土壤水分遥感监测方法日臻成熟,可以投入业务运行|随着成本的不断降低,微波遥感是监测土壤水分的最有希望的方法之一。     

第三十届亚洲遥感大会网站现已开通

第三十届亚洲遥感大会拟于2009年10月18日～23日在北京会议中心召开。主题为Asiaonward Space Age的第三十届亚洲遥感大会由亚洲遥感委员会与中国遥感委员会共同主办，中国科学院遥感应用研究所、中国科学院对地观测与数字地球科学中心、国土资源部航空物探遥感中心联合主办，中国遥感委员会各专业委员会共同承办。     

中国用遥感方法进行干旱监测的研究进展

运用遥感技术进行干旱监测具有不可替代的优势，我国近年来在此领域做了不少的探索和研究。本文根据各种遥感干旱监测方法的特点，将其归纳为：基于土壤热惯量的方法，基于区域蒸散量计算的方法，基于植被指数和温度的方法以及基于土壤水分光谱特征的方法等五类，分别介绍了我国利用遥感技术进行干旱监测的主要方法及其进展。总结了遥感技术在干旱监测领域发挥的重要作用及其在实际运用中存在的问题。     

亚洲区域AMSR2与SMOS土壤水分产品对比研究

遥感反演土壤水分(SM)产品越来越多地应用于农业、气象、水文等研究,而微波土壤水分数据产品的区域适用性分析是其合理使用的必要前提。使用MERRA-2(Modern Era Retrospective-analysis for Research and Applications,Version 2)模拟土壤水分为参考数据,运用传统统计方法(原始数据相关性、距平相关性、偏差以及无偏均方根差)和TC(Triple-Collocation)不确定性误差模型分析的方法,对亚洲区域2012年7月～2016年7月两种被动微波土壤水分SMOS-L3-SM(Soil Moisture and Ocean Salinity,L3)和AMSR2-LPRM-SM(The Advanced Microwave Scanning Radiometer 2,Land Parameter Retrieval Model Product)进行对比评估。结果表明:①空间上SMOS-L3较AMSR2-LPRM数据与参考数据MERRA-2土壤水分的相关性较好,表现为SMOS-L3-SM具有较好的空间连续性,且在亚洲大多数地区有较小的无偏均方根差;②湿季条件下遥感土壤水分与参考值的相关性比干季条件下的相关性更好,且干季出现高纬地区(约55°)缺失值较多的情况;③两遥感土壤水分的TC误差呈现相似的分布,区域TC平均误差两者均为0.076 m~3/m~3。总之,SMOS-L3-SM和AMSR2-LPRM-SM在空间相关性及TC误差评价方面都具有合理性,为遥感土壤水分在农业、气象、水文等方面的应用提供参考。