基于温度植被干旱指数的印度和巴基斯坦干旱监测

针对印度和巴基斯坦近年干旱频发的问题,该文使用温度植被干旱指数对印巴地区2009~2014年干季(3~5月)实现遥感干旱监测,利用多年同期MODIS卫星数据构建印巴地区归一化植被指数-陆地表面温度的特征空间,拟合特征空间中的干、湿边方程,进一步反演温度植被干旱指数,对该区土地利用和地形作了统计与分析,对温度植被干旱指数划分等级,并利用印巴气象站点的实测降水量以及标准降水指数进行验证。结果表明:1)从干旱等级面积统计来看,印巴地区干季主要以中旱为主,其他等级面积所占比例较小;2)从土地利用类型来看,全区土地覆盖良好,温度植被干旱指数作为印巴地区旱情评价指标具有一定的合理性;3)从气象站点数据来看,归一化植被指数-陆地表面温度特征空间反演的温度植被干旱指数与降水具有密切相关性。     

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。     

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。     

温度植被旱情指数在吉林省干旱监测中的应用

遥感技术在干旱监测中具有其他技术不可替代的优势。利用2005年8~9月的MODIS产品,获取逐日地表温度数据和逐日植被指数数据,建立了LST\|NDVI特征空间,根据此特征空间建模,计算得出温度植被干旱指数作为表征干旱的监测指标,并结合2005年土壤湿度数据对该指标进行定量验证。在此基础上利用ArcGIS软件分析了2005年8~9月吉林省干旱时空分布特征。结果表明：吉林省干旱总体分布趋势从东南到西北呈现出湿润到正常-轻旱-中旱-重旱的变化规律,体现出吉林省旱情的多样性和复杂性,8月19日、8月25日、9月8日正常和轻旱分布区域面积所占总区域面积比例分别为26.84%和59.53%、41.31%和41.73%、40.40%和32.83%,9月中旬轻旱和中旱分布最广,其比例分别为38.27%和36.26%;重旱和中旱分布区主要位于白城和松原市,轻旱区主要分布在长春、四平和辽源市,正常分布区集中在吉林、通化和白山市境内,湿润分布区主要分布在延边市。     

海南岛干旱特征遥感识别及时空变化研究

海南岛是我国重要的湿热带宝地，受自然地理环境和条件等因素影响，岛上干旱频发，旱涝严重，对农业生产和人民生活造成了重大的经济损失。基于MODIS数据，计算了归一化植被指数NDVI和陆地表面温度LST，进而构建了植被供水指数模型VSWI，分析了海南岛2004—2020年干旱特征和时空变化分布演变规律，结论如下：①2004—2020年期间海南岛以2004、2005、2010、2015年整体干旱偏严重，2005年海南岛旱情最为严重，干旱面积分布可达总面积的56.76%，其中重旱、中旱、轻旱所占的面积比例分别为7.37%、20.75%、28.64%，旱情影响较为广泛。②海南岛VSWI年内指数变化整体呈现先减小后增加的单峰型趋势，1—5月呈下降趋势，干旱随着时间推移不断加重，4月和5月旱情达到高峰，6—12月受气候因素影响干旱略有缓解。2005年5月旱情最为严重，整个区域的84.27%均处于不同程度的干旱，受灾严重区域集中在西南部地区，儋州市受灾最为严重，特旱面积可达35.57%，无旱面积仅为2.31%，空间范围上广泛受灾。③受地理因子和气候因素影响，不同土地利用类型年内VSWI值变化趋于一致，林地和草地受干旱影响程度较轻，耕地和城镇因植被稀疏受干旱影响较强，月均值最小值皆在4月。④2004—2020年海南岛VSWI空间分布具有明显的季节性差异，海南岛主要以冬旱和春旱为主，夏旱和秋旱也时有发生，各市县干旱具有明显的地域差异和季节差异，沿海重于内陆，四周重于中间，南部重于北部，西部重于南部。⑤海南岛VSWI与降雨和气温因子关系较为密切，其中降雨与植被供水指数VSWI的相关性最高，且降雨因子影响所占的面积比例较大，因此，海南岛干旱主要受气象因子降雨的影响。研究结果可以为海南岛干旱预警提供参考依据。     

遥感干旱指数在洛川苹果干旱监测中的适用性分析

目前对苹果干旱研究较少且主要运用站点数据,对空间信息表征有限,遥感干旱指数可用于大范围干旱时空动态监测,但在苹果干旱监测中的适用性还有待研究。基于2014~2018年MODIS反射率、地表温度以及地表覆被数据,结合土壤湿度数据和野外调查资料,分析洛川苹果区温度植被干旱指数（TVDI）、归一化植被水分指数（NDWI）、植被供水指数（VSWI）与10 cm深度土壤湿度（SM）的一致性,探索遥感干旱指标对土壤干湿状况表征能力,并进一步研究遥感干旱指标对干旱响应敏感时段。结果表明：①由增强型植被指数（EVI）计算的VSWI与SM的时空一致性最好,其在2014、2017年表现出的干旱特征与实际旱情相符;②VSWI（EVI）和TVDI（EVI）与SM的相关性分别高于VSWI（NDVI）和TVDI（NDVI）与SM的相关性,使用EVI能提高VSWI和TVDI对干旱的表征能力;③TVDI、NDWI、VSWI对SM存在不同时间的反应滞后,滞后3时相（24 d）的VSWI（EVI）与SM的相关性最高,而NDWI对SM滞后时间短,对干旱响应较及时,结合VSWI（EVI）和NDWI可能更有利于监测苹果干旱;④在不同苹果生育期,遥感指标对土壤湿度敏感性不同,VSWI在不同生育期敏感性差异最明显：新梢旺长期（5、6月）对土壤湿度敏感性高于萌芽开花期、果实膨大期、成熟期;该结果符合洛川县苹果不同生育期需水规律和洛川降水、干旱发生特征。研究结果可为遥感监测苹果干旱提供参考依据。     

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。     

NDWI与NDVI指数在区域干旱监测中的比较分析——以2003年江西夏季干旱为例

植被水分指数NDWI是基于短波红外（SWIR）与近红外（NIR）的归一化比值指数。与NDVI相比，它能有效地提取植被冠层的水分含量；在植被冠层受水分胁迫时，NDWI指数能及时地响应，这对于旱情监测具有重要意义。结合2003年夏季MODIS影像数据和地面气象数据，以江西省内一片农田和一片林地为试验区域，分析比较了NDWI与NDVI距平值在短期旱情监测中的有效性。监测结果表明， NDWI对植被冠层水分信息比NDVI更为敏感；在短期干旱监测中，NDWI指数能准确地反映旱情的时空变化。     

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。     

基于层次分析法的加权VTCI和小麦产量分析

针对干旱对农业生产的影响,选取关中平原冬小麦时间序列的条件植被温度指数(VTCI)遥感干旱监测结果,采用层次分析法确定了冬小麦不同生育期旱情对产量影响的权重系数,计算加权VTCI,并应用一元线性回归分析了加权VTCI指数与县域尺度单产统计数据间的相关关系。通过对关中地区5市2000年~2007年主要生育期的VTCI和单产分析,表明关中大部分地区加权VTCI和单产有着较好的线性相关关系,同时验证了用VTCI监测关中的旱情是可行的。     

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。     

基于MODIS数据的农业干旱监测方法对比分析

利用2004年4月～6月上旬的MODIS影像数据,结合实测的土壤墒情数据,对比不同深度及不同拟合方式下土壤湿度的估算精度。另外,分别选用植被供水指数(VSWI)、基于EVI的植被供水指数(E-VSWI)、归一化多波段干旱指数(NMDI)与对应的土壤湿度数据进行回归分析,并在此基础上利用最优指数实现研究区土壤湿度的估算及旱情监测。结果表明:在华北平原中部地区冬小麦生长季节,利用MODIS数据进行土壤湿度估算的最佳深度是10cm;最佳拟合方式是线性拟合方式;植被供水指数(VSWI)在研究区整个时间序列具有最好的稳定性,可为今后大区域作物生长期的干旱监测提供一个简单方法。     

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。     

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。     

使用温度植被干旱指数法(TVDI)反演新疆土壤湿度

利用MODIS合成产品数据MOD11A2和MOD13A2获取的归一化植被指数(NDVI)和陆地表面温度(Ts)构建Ts—NDVI特征空间，依据该特征空间计算的温度植被干旱指数(TVDI)作为土壤湿度监测指标，反演了新疆8、9两个月份每16d的土壤湿度。使用野外与卫星同步采样的土壤湿度数据进行验证，发现TVDI指标与实测土壤湿度数据显著相关，能够较好地反映表层土壤湿度，反映的新疆土壤湿度的空间分布与新疆的年降水量分布、年平均相对湿度分布很吻合；同时表明8、9两个月份期间新疆土壤湿度低的区域在不断扩大。     

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.     

使用温度植被干旱指数法(TVDI)反演新疆土壤湿度

利用MODIS合成产品数据MOD11A2和MOD13A2获取的归一化植被指数(NDVI)和陆地表面温度(Ts)构建Ts-NDVI特征空间,依据该特征空间计算的温度植被干旱指数(TVDI)作为土壤湿度监测指标,反演了新疆8、9两个月份每16 d的土壤湿度。使用野外与卫星同步采样的土壤湿度数据进行验证,发现TVDI指标与实测土壤湿度数据显著相关,能够较好地反映表层土壤湿度,反映的新疆土壤湿度的空间分布与新疆的年降水量分布、年平均相对湿度分布很吻合;同时表明8、9两个月份期间新疆土壤湿度低的区域在不断扩大。     

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。     

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。     

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。