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。     

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。     

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。     

以植被为观测对象的遥感干旱监测——应用遥感技术监测干旱灾害的另一途径

介绍了两种以植被为观测对象的、利用遥感技术监测干旱的原理和方法,及其应用实例:(1)利用 NOAA 卫星的 AVHRR 数据及 NDVI 值监测干旱,这种方法在监测美国1988年特大干旱中获得成功;(2)利用 Nimbus-7卫星的 SMMR 37GHz 微波频率处的极化差亮温值监测干旱,非洲北部地区的应用实践证实了 SMMR 数据在干旱监测中的用途。     

祁连山不同森林植被类型对土壤微生物影响的研究

通过研究不同植被类型下土壤微生物区系、土壤酶活性和土壤生化作用强度,分析了祁连山不同森林植被类型土壤微生物的数量变化、垂直分布、土壤呼吸强度和纤维素分解能力等的变化规律和特征。     

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。     

南方丘陵区植被覆盖度遥感估算与时空变化研究——以福建省永定县为例

植被覆盖度是生态环境监测的重要指标,而复杂地形因素影响对山地植被遥感信息准确提取。基于Landsat-8OLI遥感数据,分别采用像元二分模型和线性混合光谱分解法,在对比分析植被覆盖度的地形敏感性基础上,选择山地植被指数(NDMVI)估算了1992、2002和2014年永定县的植被覆盖度,并分析其变化。结果表明:1基于山地植被指数(NDMVI)的覆盖度估算模型的地形敏感性最弱,更适合于南方丘陵山地的植被覆盖度遥感反演;2永定县总体植被覆盖度较高,平均植被覆盖度达77.99%以上,高覆盖度区占59.73%以上,22年内植被覆盖度经历了先提高再下降的过程;3在空间上,高坎抚、金丰和西部片区的植被覆盖度较低,动态变化较明显。永定县金丰片区植被覆盖度明显提高;而近12年内高坎抚片区因矿业开采活动对生态环境的破坏,植被覆盖度降低幅度大,且变化面积较大。     

基于垂直植被指数的湿地植被类型提取研究——以长江口九段沙湿地为例

针对潮滩湿地植被的特点,利用2005年5月7日的SPOT 5数据,结合自动提取土壤线算法和近红外一红外二维光谱特征空间,获取土壤线参数,并利用垂直植被指数对九段沙湿地典型试验区进行植被信息提取.计算结果表明,土壤线计算方法简单可靠,利用垂直植被指数进行分类其精度达到86.5％,相比最大似然分类方法提高了5.7％.     

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。     

Time and Space Fusion Model Comparison of Temperature Vegetation Drought Index

Drought is the first disaster affecting agricultural production. The annual precipitation in Xinjiang of China is scarce and the climate is dry. This is one of the major obstacles to the agricultural transformation and rural revitalization in Xinjiang. Therefore, timely and accurate monitoring of agricultural drought in Xinjiang is of great significance for safeguarding agricultural production. Yanqi Basin in Xinjiang was took as an example. Landsat8 and MODIS data were used. The Spatio Temporal Adaptive Reflectivity Fusion Model (STARFM), the Enhanced STARFM (Enhanced STARFM, ESTARFM) Model and Flexible Spatio Temporal Data Fusion (FSDAF) model were used to construct the Temperature Vegetation Dryness Index (TVDI). At the same time, the Relative Soil Moisture (RSM) was used to verify the TVDI inversion results. The results show that coefficient of determination (R²) and root mean square error (RMSE) of the drought factors(NDVI and surface temperature) simulated by the ESTARFM model were better than that by the other two models. And the R² and RMSE of NDVI simulated by the ESTARFM model reached 0.924 and 0.076. In addition, the R² and RMSE of surface temperature simulated by the ESTARFM model reached 0.877 and 2.799. Comparing with TVDI of the real Landsat8 data inversion and RSM data, it was found that the TVDI simulated by the ESTARFM model is better than the other two models, with 0.873 of R² and 0.248 of RMSE. The ESTARFM model can more accurately simulate the TVDI distribution of the Landsat8 images in the same period, so as to monitor the drought degree of the farmland in Xinjiang.     

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。     

Early cotton production assessment in Greece based on a combination of the drought Vegetation Condition Index (VCI) and the Bhalme and Mooley Drought Index (BMDI)

A new methodological approach is presented for quantifying the meteorological effects on cotton production during the growing season in Greece. The proposed Bhalme and Mooley Vegetation Condition Index (BMVCI) is based on the Vegetation Condition Index (VCI) extracted by National Oceanic and Atmospheric Administration (NOAA) Advanced Very High Resolution Radiometer (AVHRR) data. In this approach the VCI data is processed with the Bhalme and Mooley methodology to assess the accumulated meteorological effects on cotton from April to August. The resulting index is at the same scale as the Z-Index, which is the classification of the Palmer Drought Severity Index (PDSI) extensively used for drought monitoring. For this study 16 years of data are examined to illustrate that the weather development as identified from satellite data with the use of BMVCI confirm unfavourable conditions for cotton production. For the validation of BMVCI an empirical relationship between the cotton production and the BMVCI values is derived. The resultant high correlation coefficient refers to very encouraging results and confirms the usefulness of the proposed integrated methodological approach as an effective tool for early assessment of the cotton production in Greece.     

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。     

植被指数遥感定量研究--以民勤绿洲为例

研究以我国西北干旱区的代表性绿洲一民勤绿洲为例，使用法国CE313光谱仪，对典型样区植被反射率进行了野外测定，计算常用的6种植被指数，通过对降低土壤背景影响的效果和不同植被指数提取植被信息的能力进行分析，遴选出适宜于干旱区民勤绿洲的植被指数估算模型。定量研究了民勤绿洲近20年来植被覆盖空间变化过程，对预测生态环境的变化和防治绿洲沙漠化具有重要意义。     

利用NDVI估算云覆盖地区的植被表面温度研究

干旱监测等实际应用都需要全面掌握地表温度(LST)的空间分布,而云覆盖是这种应用的重要阻碍。试图根据地表温度变化与地表植被之间的相互关系,研究遥感影像中云覆盖区域植被表面温度的估算方法。由于植被的蒸腾作用,植被茂密程度对其表面温度的空间分布有较大影响。这种影响不仅在晴朗无云区域存在,同样适用于云覆盖区域。因此,首先分析云覆盖区域周边无云植被像元的LST与植被指数NDVI之间的关系,建立方程式,然后再利用NDVI在短时间内相对稳定的特点用另一幅图像来获取云覆盖区域的NDVI值,最后根据NDVI与LST之间的关系估计云覆盖植被像元的表面温度。将这一方法应用到山东省聊城市的Landsat ETM+图像,结果表明：当云覆盖范围≤2 000个像元(约1.72 km²)时,通过NDVI来估计云覆盖区域植被表面温度的平均绝对误差<0.7 ℃,均方根误差<1.2 ℃。为了验证其实用性,又将该方法应用于安徽省蚌埠地区的TM图像,云覆盖范围在300个像元以下时,平均绝对误差小于0.1 ℃。因此,可以认为,当云覆盖范围不是很大时,利用NDVI估算云覆盖地区的植被表面温度,具有一定的可行性。     

辽宁东部山区几种主要森林植被类型土壤矿质层蓄水能力分析

对辽宁东部山区具有代表性的油松林、落叶松林、红松林、柞木林、杂木林及灌丛6种植被类型的土壤蓄水能力及其影响因素进行了比较研究。结果表明 ,各植被类型80cm土层的总蓄水能力为362.0～422.2mm,平均值为387.2mm ;80cm土层的有效蓄水能力为102.4～182.2mm,平均值为156.5mm,都表现为阔叶林大于针叶林,灌丛居于中间。棕壤和暗棕壤无论是总蓄水能力还是有效蓄水能力都表现出阔叶林大于针叶林。植被类型、土壤种类及土壤层次对非毛管孔隙度有显著影响。植被类型对非毛管孔隙度的作用特点是阔叶林大于针叶林,灌丛居于中间 ;土壤类型的作用特点是棕壤大于暗棕壤 ;土壤层次的作用特点是A层>B层>C层。本研究对于科学地评价该地区水源涵养林的水文效益,指导水源涵养林体系建设具有重要意义