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。     

仪征地区农田深层土壤湿度遥感反演初探

利用MODIS合成产品数据MOD11A2和MOD13A2获取的陆地表面温度(Ts)和归一化植被指数(NDVI)构建Ts/NDVI特征空间,依据该特征空间计算温度植被干旱指数(TVDI),进而反演了仪征地区不同季节的40 cm土壤相对湿度。使用野外同步实测数据进行验证,结果显示,总体平均相对误差为11.83%,2004年11月误差最小,为4.30%。遥感反演的仪征地区土壤湿度分布图表明该地区存在两个土壤湿度高值区,分别位于仪征南部的长江冲积平原和西北部的谷底平原地带,并且土壤平均相对湿度越大,其高值区与低值区之间的差异越小。     

基于TVDI河北省干热风同期土壤湿度监测研究

干热风是高温低湿型的灾害性天气。河北省是干热风易发地区,进行干热风易发期土壤湿度监测研究,对于评估干热风的影响与危害具有重要意义。选用2010年河北省干热风同期5~6月Terra/MODIS8期地表反射率产品MOD09A1和地表温度(LST)产品MOD11A2,通过构建LST\|EVI特征空间,得到温度植被干旱指数(TVDI)反映的河北省各时段的土壤湿度空间分布图。另外分析TVDI值与对应气象站点降水数据变化的趋势关系和二者的定量相关关系,发现降水数据变化与TVDI有较显著的负相关性,通过α=0.05显著性检验。基于研究结果可快速有效地反映研究区土壤湿度等级与空间分布变化状况,与及时更新的气象数据(风速、气温、降水等)相结合,在根据已有指标监测到干热风发生的基础上,评估干热风的影响与危害。     

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。     

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.     

植被类型对温度植被干旱指数(TVDI)的影响研究-以黑河绿洲区为例

温度植被干旱指数（TVDI）是进行干旱研究的有效指标，是反演土壤湿度的重要方法。植被覆盖类型是影响TVDI大小的重要因素。利用修正的土壤调整植被指数MSAVI替换NDVI，以便最小化土壤背景影响和提高对密植被的光谱敏感性，并在此基础上，比较基于植被分类计算的TVDI与基于传统方法计算的TVDI的大小，来研究植被类型对TVDI提取结果的影响。对比分析表明，阔叶林、灌丛和密草地的平均值与传统方法计算的差别较大，变化分别是+7.2%、-5.5%和-6.6%，产生平均值偏移主要是由于植被类型的冠层结构和光学属性的差异带来的LST-MSAVI空间特征干湿边的变化引起的。因此，在应用TVDI指数进行大范围干旱化研究和土壤湿度反演时，不同植被类型不能一起作LST-MSAVI空间特征来计算TVDI指数，需要考虑植被类型等影响因素，达到提高土壤湿度反演精度的目的。     

基于MODIS和AMSR-E遥感数据的土壤水分降尺度研究

微波传感器获得的土壤水分产品空间分辨率一般都很粗,而流域尺度上的研究需要中高分辨率的土壤水分数据。用MODIS逐日地表温度产品MOD11A1和逐日地表反射率产品MOD09GA构建温度-植被指数特征空间,并计算得到TVDI(Temperature Vegetation Dryness Index)指数,它与土壤水分呈负相关关系,能够反映土壤水分的空间分布模式,但并不是真实的土壤水分值。在AMSR-E像元尺度上求得TVDI与土壤水分的负相关系数,进而对VUA AMSR-E土壤水分产品进行降尺度计算得到0.01°分辨率的真实土壤水分值。经NAFE06(The National Airborne Field Experiment 2006)试验地面采样数据验证,降尺度后的土壤水分均方根误差平均值为6.1%。     

基于TVDI的矿区土壤湿度反演及地形因子影响分析

为给我国西部资源开发、生态保护及旱灾预警等领域提供科学依据,以神东矿区为研究区,探索矿区土壤湿度变化。根据2000—2018年的MODIS长时间序列遥感影像,提取归一化植被指数（NDVI）和地表温度（Ts）,构建NDVI-Ts二维光谱特征空间,计算研究区的温度植被干旱指数,绘制矿区的地表土壤湿度等级分布图,从矿区尺度上给出地表土壤湿度的时空变化趋势,分析矿区的地形因子对地表土壤湿度的影响。结果表明：1）TVDI法能够较好的反演出矿区的土壤湿度;2）矿区土壤湿度呈现从西北部向东南部逐渐增加的趋势;3）高程、坡度和坡向3种地形因子在不同范围内,均对地表土壤湿度有着不同程度的影响。整体来看,2000—2018年,神东矿区土壤湿度有增有减,呈微弱上升的趋势,矿区环境得到改善。     

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。     

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。     

Estimating soil moisture using Temperature–Vegetation Dryness Index (TVDI) in the Huang-huai-hai (HHH) plain

Soil moisture is an important indicator to describe soil conditions, and can also provide information on crop water stress and yield estimation. The combination of vegetation index (VI) and land surface temperature (LST) can provide useful information on estimation soil moisture status at regional scale. In this paper, the Huang-huai-hai (HHH) plain, an important food production area in China was selected as the study area. The potential of Temperature–Vegetation Dryness Index (TVDI) from Moderate Resolution Imaging Spectroradiometer (MODIS) data in assessing soil moisture was investigated in this region. The 16-day composite MODIS Vegetation Index product (MOD13A2) and 8-day composite MODIS temperature product (MOD11A2) were used to calculate the TVDI. Correlation and regression analysis was carried out to relate the TVDI against in-situ soil moisture measurements data during the main growth stages of winter wheat/summer maize. The results show that a significantly negative relationship exists between the TVDI and in-situ measurements at different soil depths, but the relationship at 10–20 cm depth (R ²?=?0.43) is the closest. The spatial and temporal patterns in the TVDI were also analysed. The temporal evolution of the retrieved soil moisture was consistent with crop phenological development, and the spatial distribution of retrieved soil moisture accorded with the distribution of precipitation during the whole crop growing seasons. The TVDI index was shown to be feasible for monitoring the surface soil moisture dynamically during the crop growing seasons in the HHH plain.     

基于TVDI的大范围干旱区土壤水分遥感反演模型研究

温度植被干旱指数TVDI(Temperature Vegetation Dryness Index)是一种基于光学与热红外遥感通道数据进行植被覆盖区域表层土壤水分反演的方法。当研究区域较大、地表覆盖格局差异显著时,利用TVDI模型来反演陆表土壤水分,精度通常较低。对Sandholt的TVDI土壤水分反演模型进行了改进:利用云掩膜校正和多天平均温度合成来减少云的影响;同时对研究区域地形起伏、覆盖类型差异的影响进行了消除;对TVDI模型干边的模拟方法进行了改进。最后,使用铝盒采样等方法利用新疆地区观测得到的地面数据来拟合改进后的模型参数,并对2009年5月和8月的土壤水分进行了反演实验。与实测数据的比较分析表明,该模型能基本满足大区域土壤水分反演的要求,改进后的模型对新疆地区的土壤水分估算精度有较显著的提高。     

库布齐沙漠典型沙地人工林蒸散对比分析

人工造林使库布齐沙漠的生态快速逆转,深入理解沙地人工林的蒸散特征,对改善现有人工林的经营管理和开展人工林建设具有重要意义。利用Landsat 8、MODIS产品、气象观测资料等数据,通过基于能量平衡的SEBAL模型和MODIS MOD16蒸散产品获取库布齐沙漠典型林场2014年7月14日、7月30日、8月15日、9月7日的地表蒸散量,并采用波文比系统相关数据对估算的结果进行验证。得到以下结果：与波文比观测系统的蒸散相比,SEBAL模型反演的蒸散整体偏大,日蒸散分别多1.06、1.71、1.19、2.65 mm,两者的决定系数达0.827;MODIS MOD16产品的蒸散整体偏小,日蒸散分别少0.13、0.32、0.18、0.95 mm,两者的决定系数达0.823;在沙漠人工林斑块区域且植被类型较单一的情况下,MODIS MOD16的蒸散结果要好于SEBAL模型反演的蒸散,两者在空间分布上基本保持一致;林场蒸散较大的区域主要分布在中部和南部,而北部区域蒸散相对较小。研究结果可为其他沙地斑块人工林获取蒸散提供参考。     

MODIS time-series imagery for forest disturbance detection and quantification of patch size effects

The Moderate Resolution Imaging Spectroradiometer (MODIS) 250 m single day surface reflectance (MOD09GQK) and 16-day composite gridded vegetation index data (MOD13Q1) were used to detect forest harvest disturbance between 2000 and 2004 in northern Maine. A MODIS multi-date Normalized Difference Vegetation Index (NDVI) forest change detection map was developed from each MODIS data set. A Landsat TM/ETM+ change detection map was developed as a reference to assess the effect of disturbed forest patch size on classification accuracy (agreement) and disturbed area estimates of MODIS. The MODIS single day and 16-day composite data showed no significant difference in overall classification accuracies. However, the 16-day NDVI change detection map had marginally higher overall classification accuracy (at 85%), but had significantly lower detection accuracy related to disturbed patch size than the single day NDVI change detection map. The 16-day composite NDVI data achieved 69% detection accuracy and the single day NDVI achieved 76% when the disturbed patch size was greater than 20 ha. The detection accuracy increased to approximately 90% for both data sets when the patch size exceeded 50 ha. The R² (range 0.6 to 0.9) and slope (range 0.5 to 0.9) of regression lines between Landsat and MODIS data (based on forest disturbance percent of township) increased with the mean disturbed patch size of each township. The 95% confidence intervals of forest disturbance percent estimate for each township were narrow with less than 1% of each township at the mean MODIS forest disturbance level.     

Accuracy assessment of the MODIS 16-day albedo product for snow: comparisons with Greenland in situ measurements

The accuracy of the Moderate Resolution Imaging Spectroradiometer (MODIS) 16-day albedo product (MOD43) is assessed using ground-based albedo observations from automatic weather stations (AWS) over spatially homogeneous snow and semihomogeneous ice-covered surfaces on the Greenland ice sheet. Data from 16 AWS locations, spanning the years 2000-2003, were used for this assessment. In situ reflected shortwave data were corrected for a systematic positive spectral sensitivity bias of between 0.01 and 0.09 on a site-by-site basis using precise optical black radiometer data. Results indicate that the MOD43 albedo product retrieves snow albedo with an average root mean square error (RMSE) of ±0.07 as compared to the station measurements, which have ±0.035 RMSE uncertainty. If we eliminate all satellite retrievals that rely on the backup algorithm and consider only the highest quality results from the primary bidirectional reflectance distribution function (BRDF) algorithm, the MODIS albedo RMSE is ±0.04, slightly larger than the in situ measurement uncertainty. There is general agreement between MODIS and in situ observations for albedo <0.7, while near the upper limit, a −0.05 MODIS albedo bias is evident from the scatter of the 16-site composite.     

TM验证MODIS过火面积产品精度分析——以黑龙江省重大森林火灾为例

鉴于准确估测森林的过火面积对森林火灾的损失评估和过火区植被的恢复所具有的重要作用,选取了2006年～2010年黑龙江省51个重大森林火灾记录,分别利用MODIS的MOD14A2（Terra）火产品数据和TM遥感影像数据估算过火面积,并利用Kappa指数分析过火面积在数量和空间位置上的一致性。结果表明：在单个火场尺度上,小于3.72km2的森林火灾不适于利用MOD14A2产品来估算过火面积,而年过火总面积的相对误差小于15%。MOD14A2火产品可以有效地估测年度尺度上森林的过火面积;数量Kappa指数明显大于位置Kappa指数和标准Kappa指数,位置Kappa指数较低,这可能是由于MODIS数据的空间分辨率较低、林火记录坐标位置不够准确等原因造成的,有待进一步研究。