基于AMSR-E的微波温度植被干旱指数的应用

以热带常绿阔叶林为主的亚马逊流域在全球气候变化的背景下频繁遭受干旱胁迫。但是对于该地区实施长时间序列的干旱监测一直是难点和热点。基于Liu等2017年提出的微波温度—植被干旱指数（Microwave Temperature-Vegetation Drought Index,MTVDI）,对亚马逊流域进行了2003—2008年长时间序列的干旱监测,并采用饱和水汽压差（Vapor Pressure Deficit, VPD）、帕尔默干旱指数（Palmer Drought Severity Index, PDSI）、陆地地下水储量（Terrestrial Water Storage, TWS）、气象水分亏缺（Climatological Water Deficit, CWD）对MTVDI进行验证。结果表明：对于整个研究区而言,MTVDI与VPD （R=0.72）和CWD （R=-0.57）相关性较显著,但与TWS和PDSI相关性较弱。总体上,MTVDI能够较好地反映亚马逊地区干旱的季节动态。     

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。     

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。     

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。     

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。     

基于MODIS数据的水热指数及其DEM订正

利用MODIS L1B数据对福州市的水热状况进行了分析,并对其做了DEM订正。通过对订正前后地水热分布进行了对比分析,得出反演的水热指数基本反映了研究区的概况。而且经过DEM订正的水热指数体现了地形条件的影响。     

干旱对灌溉和雨养农田生态系统生产力的影响对比分析

灌溉是农作物应对干旱等极端气候条件的有效调节机制,在全球气候变化的背景下,未来干旱等极端气候事件发生的频率和严重程度预估会增加,定量分析灌溉和雨养条件下干旱对农田生态系统农作物生长的影响有助于更好地评估人类应对极端气候事件对生态系统的消极影响的能力,为制定合理有效的生态系统保护措施提供依据.以中国北方干旱区为研究区,基...     

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。     

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Landsat 8卫星数据的解放闸灌域灌溉面积监测研究

准确监测灌区灌溉面积及其干旱情况等信息是灌区管理的基础,设立监测站点等传统方式已经不能满足应用与研究的需要,而遥感成为水资源管理的有力技术手段。基于Landsat 8数据,以内蒙古解放闸灌域为研究区,计算了温度植被干旱指数（Temperature Vegetation Dryness Index,TVDI）和改进的垂直干旱指数（Modified Perpendicular Drought Index,MPDI）并分析其分布和变化;根据两干旱指数灌溉前后差异,引入阈值法构建灌溉面积提取模型,确定阈值以进行灌溉面积的提取。结果表明：在2017年7月～8月,解放闸灌域得到了较大规模的灌溉;将利用两种干旱指数差异阈值提取的灌溉面积与实际灌溉面积进行对比,TVDI和MPDI监测面积精度分别为82.96%和74.01%;同时选取Google Earth高分辨率数据作为真实数据对灌溉地提取结果进行混淆矩阵计算,结果显示MPDI提取总体精度为94.17%,优于TVDI的58.90%。两种精度验证结果表明了利用遥感技术计算干旱指数用于灌区旱情监测和灌溉面积提取的可行性,但在受灌溉地区的空间分布上,相比T...     

基于小波变换的气温趋势和分形特征分析

将小波变换、多重分形和R/S分析法相结合,选择db4小波函数进行小波变换,利用分解与重构算法,从分形维数、非周期循环长度、奇异性指数、多重分形谱等方面探讨合肥市近54年来气温系统的动力学分形特性和演化规律,分析合肥市气温趋势的持续性、长期记忆性、统计自相似性和多重分形性。分析结果表明,合肥市气温变化过程是一个层次分明的过程,具有多标度结构且1月、8月、11月的分形维数较高,气温不规则程度高,复杂性高。     

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。     

基于Hurst指数方差分析的DDoS攻击检测方法

研究分布式拒绝服务(DDoS)攻击对网络自相似性的影响,提出一种通过计算Hurst指数方差检测DDoS攻击的方法,通过使用MIT的林肯实验室数据进行试验,得出DDoS攻击的判决条件。实验表明,该方法能检测DDoS攻击引起的Hurst指数方差的变化,其检测率比传统的特征匹配方法高出8%,误报率比自相似性检测方法低了3%。     

基于神经网络参数优化的热失控状态温度预测研究

为提高夹杂热失控现象的微波干燥褐煤过程中神经网络预测温度精度,提出一种基于二次滤波及粒子群寻优的神经网络参数优化算法。该方法先引入小波分析对训练数据进行软阈值滤波处理,使温度数据在描述变化趋势的同时突出非平稳特征,而后使用粒子群算法寻找该趋势特征对应的神经网络最优的隐层节点数、学习率及最佳训练次数的组合,最后在预测中使用前向均值阈值滤波处理输入数据配合该最优网络进行预测。实验结果表明,该方法能同时提高热失控和非热失控状态下温度预测精度,使预测平均绝对误差下降59.2%。     

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.     

基于微波植被离散散射模型的小麦双站散射和辐射特征研究

J.M.Stile于1996年提出了草类植被的一阶离散相干散射模型,模型虽然从双站散射的角度出发,但是Stile仅对模型的后向散射形式进行了详细的讨论.本文的研究重点是该模型的双站散射形式,首先经过公式推导得到了双站散射模型的具体表达式,然后通过能量守恒定律发展了基于该草类植被散射模型的辐射模型,最后模拟了小麦的双站散射系数和亮度温度,并对模拟结果进行了分析.