基于TVDI的大范围干旱区土壤水分遥感反演模型研究_赵杰鹏
(毕业论文)利用TVDI反演地表含水量方法研究.doc

利用TVDI反演地表含水量方法研究利用MODIS资料构建了地表温度(Ts)-增强植被指数(EVI)的特征空间,拟合了特征空间中的干、湿边方程,计算了温度植被干旱指数(TVDI),并推导出利用TVDI和干、湿边土壤水分计算土壤含水量的方程。
在计算TVDI的过程中,为了减少高程的影响,利用数字高程模型(DEM)对Ts进行了订正;利用同期野外实测土壤湿度数据计算了干边上的土壤水分值,从而反演出帄均土壤含水量。
结果表明:①TVDI方法能反演土壤表层水分,实测值与预测值之间帄均绝对误差在15个百分点左右。
②高程校正后的TVDI能更好的反映土壤水分,与校正前相比,帄均绝对误差减少5个百分点,基本满足业务需要。
③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。
关键词:TVDI;土壤水分;MODIS;地表温度;DEM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。
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秉大。
20世纪80年代以来,以遥感监测地表辐射温度信息反演土壤水分的方法如应用于稀疏植被的热惯量法得到了广泛应用。
在多数情况下,地面一般为植被不完全覆盖,因此遥感探测到的地表温度必然受到植被覆盖度影响,较高的土壤背景温度会严重干扰旱情信息。
为了消除土壤背景的影响,将地表温度和反映植被覆盖度的植被指数联合考虑将会是提萬反演精度的右效途径。
Price、Carlson等人发现植被指数(NDVI)与地表温度(Ts)之间存在负相关关系,而且如果研宄区植被覆盖包含从裸土到全覆盖、土壤湿度从极干旱到极湿润的各种情况,以遥感资料获得NDVI和Ts为横、纵坐标的散点图呈三角形。
在这个三角形特征空间中,Goetz研究发现Ts与NDVI的斜率与土壤湿度之间为一元线性关系[1],Sandholt等进一步结合对该特征空间生态特征的解释,提出用温度植被早情指数(TVDI, Temperature-Vegetation Dryness Index) 估算土壤表层水分状况,取得了良好的效果:1°]。
基于TVDI_的河南省遥感土壤墒情反演研究

地球科学与环境工程河南科技Henan Science and Technology总第800期第6期2023年3月基于TVDI 的河南省遥感土壤墒情反演研究李艳(厦门大学嘉庚学院环境科学与工程学院,福建漳州363000)摘要:【目的目的】精准高效地监测土壤墒情是现代化农业发展的重要环节。
【方法方法】以我国农业大省河南省为研究区,基于MODIS 遥感数据,提取归一化植被指数(NDVI )和增强型植被指数(EVI )分别与地表温度和地表温差建立温度-植被指数特征空间和温差-植被指数特征空间。
通过研究区土壤水分站点的数据,讨论分别由Ts-NDVI 、Ts-EVI 、DT-NDVI 和DT-EVI 特征空间计算得到的温度植被干旱指数(TVDI )与土壤墒情站点的数据的相关性,以此验证基于MODIS 数据的TVDI 反演大区域土壤墒情的能力。
【结果结果】Ts-EVI 特征空间构建的TVDI 与实测土壤墒情具有较稳定的相关性。
【结论结论】TVDI 不仅能够反映土壤表层的干湿状况;还能有效的反映土壤湿度的时空差异,是一种有效的实时监测土壤干湿状况的手段。
关键词:土壤墒情;反演;遥感数据;温度植被干旱指数中图分类号:TV93;S127文献标志码:A文章编号:1003-5168(2023)06-0099-06DOI :10.19968/ki.hnkj.1003-5168.2023.06.020Remote Sensing Retrieval for Soil Moisture in Henan Province Based onTVDILI Yan(School of Environmental Science &Engineering,Xiamen University Tan Kah Kee College,Zhangzhou363000,China )Abstract:[Purposes ]Accurate and efficient retrieval of soil moisture is an important link in the develop⁃ment of modern agriculture.[Methods ]In this paper,Henan Province is taken as the study area.Based on MODIS remote sensing data,the normalized vegetation index (NDVI )and enhanced vegetation index (EVI )extracted from MODIS remote sensing data are respectively used to establish the surface temperature-vegetation index space and the temperature difference -vegetation index space.Through the data of soil moisture stations in the study area,the correlation between the temperature vegetationdryness index (TVDI )calculated from the Ts-NDVI 、Ts-EVI 、DT-NDVI and DT-EVI characteristic spaces and the data of soil moisture stations is discussed,so as to verify the ability of TVDI based onMODIS data to retrieve soil moisture in large regions.[Findings ]The results showed that the TVDI con⁃structed by Ts-EVI feature space has a stable correlation with the measured soil moisture.[Conclusions ]TVDI could not only reflect the dry and wet condition of soil surface;It can also effectively reflect the temporal and spatial differences of soil moisture,and is an effective means of real-time monitoring of soilmoisture status.Keywords:soil moisture;inversion;remote sensing data;TVDI收稿日期:2022-11-10基金项目:厦门大学嘉庚学院校级科研孵化项目(YY2022L05)0引言土壤墒情影响着农作物的生长状况,依据精准的土壤墒情可以准确制定作物生长灌溉用水计划,有助于现代化农业的发展[1]。
土壤水分遥感反演研究进展

土壤水分遥感反演研究进展一、本文概述Overview of this article随着遥感技术的快速发展,其在土壤水分监测方面的应用日益广泛,成为研究土壤水分动态变化的重要手段。
土壤水分遥感反演,即通过遥感手段获取地表土壤水分信息的过程,已成为遥感科学与农业科学交叉领域的研究热点。
本文旨在综述土壤水分遥感反演的研究进展,探讨不同遥感数据源、反演算法及其在实际应用中的优缺点,为进一步提高土壤水分遥感反演的精度和效率提供参考。
With the rapid development of remote sensing technology, its application in soil moisture monitoring is becoming increasingly widespread, becoming an important means of studying the dynamic changes of soil moisture. Remote sensing inversion of soil moisture, which is the process of obtaining surface soil moisture information through remote sensing methods, has become a research hotspot in the intersection of remote sensing science and agricultural science. This article aims to review the research progress of soil moisture remotesensing inversion, explore different remote sensing data sources, inversion algorithms, and their advantages and disadvantages in practical applications, and provide reference for further improving the accuracy and efficiency of soil moisture remote sensing inversion.本文首先介绍了土壤水分遥感反演的基本原理和方法,包括遥感数据源的选择、预处理、反演算法的设计与实施等。
农田土壤水分多源遥感协同反演研究

农田土壤水分多源遥感协同反演研究农田土壤水分多源遥感协同反演研究近年来,农业生产中的关键问题之一是如何准确测量和监测农田土壤水分。
农田土壤水分的变化对作物生长、灌溉和农业管理等方面都有重要影响。
因此,研究如何高效地监测和预测农田土壤水分变化,对于提高农田水资源利用效率、实现农业可持续发展具有重要意义。
传统地面监测方法如土壤样品采集和实地测量等,虽然准确性较高,但其在时间和空间上的限制也存在明显的不足。
近年来,随着遥感技术的快速发展,利用遥感数据反演农田土壤水分的方法逐渐成为研究的热点。
遥感技术通过利用卫星或无人机等载体获取大范围地表信息,并结合模型和算法对土壤水分进行反演。
然而,由于遥感数据本身的局限性,单一遥感源往往无法提供足够的信息来准确估计土壤水分。
因此,将多源遥感数据进行协同反演成为当今研究的趋势。
多源遥感协同反演是指利用多种遥感数据源,如光学、热红外、微波等数据,通过数据融合和模型组合的方法,以提高土壤水分反演的准确性和稳定性。
不同遥感数据源具有各自独立的特点和信息,相互协同可以弥补各自的不足,提高反演精度。
在多源遥感协同反演中,数据融合是一个重要的环节。
数据融合是指将不同遥感数据源的信息有机地结合在一起,形成更全面、更准确的地表信息。
主要的数据融合方法包括特征级融合、决策级融合和基于模型的融合等。
特征级融合是将不同遥感数据源的特征进行组合,形成新的特征量以提高反演精度。
决策级融合是将不同遥感数据源独立做出的反演决策进行组合,形成最终的反演结果。
基于模型的融合是将不同遥感数据源在模型中进行融合,通过模型的建立和优化来提高反演精度。
此外,模型的选择和优化也对多源遥感协同反演的结果产生重要影响。
不同的模型适用于不同的遥感数据源和土壤水分特征。
常用的模型包括物理模型和统计模型。
物理模型基于土壤水分与遥感数据之间的物理规律进行建模,可以更准确地反演土壤水分。
统计模型是基于大量观测数据进行统计分析和建模,可以快速实现反演,并具有一定的稳定性和适用性。
(完整版)土壤水分遥感反演

为什么要降尺度?
• 被动微波方法做土壤水分有着天然的优越性 • 但是其空间分辨率粗,所以只能用来做大尺度上
的观测。 • 而包括气象,水文,水资源管理和气候学在内的
一系列流域尺度上的研究都要求中高分辨率的土 壤水分观测据 • 流域尺度同化系统的需要
所以对土壤水分降尺度的研究很有必要
7
研究目标和内容
4
土壤水分的三种获取方式
• 地面实地定点观测(包括台站和便携仪器)
– 可以给出时间上的变化 – 难以描述空间变化,受条件限制多,花费成本高
• 模型模拟(土壤水动力学等)
– 能给出空间和时间上的变化 – 对输入参数要求高,不确定性较高
• 遥感
– 可以获取大范围的数据;速度快,周期短; – 地表信息,瞬时值
X TVDI ( space (1, 2), --- )
“TVDI 在空间上 可以…但在时间 上…”
TVDI (--- , DOY 200 ) TVDI (--- , DOY 201 ) TVDI (--- , DOY 202 ) TVDI (--- , DOY 203 )
?
18
三 研究方案和技术路线2:降尺度方法
报告人:曹永攀
2011-01-14
1
提纲
一 背景介绍 二 研究方案和技术路线1:TVDI 三 研究方案和技术路线2:降尺度方法 四 总结
2
引言
• 经典的牛顿力学只适用于宏观世界而不适 用于微观世界便是一个典型的尺度问题。
• 80年代后期,用AVHRR估算中国耕地面积 24亿亩(当时统计数据为15亿亩),成为 “笑柄”,其实这也是一个典型的尺度问 题。
• 地理学、生态学、水文学、气象学、物理 学、天文学和信息学等众多学科和领域都 存在尺度问题。
土壤水分反演与干旱监测

DT时代
从无序的、庞杂的海量数 据中挖掘有价值的信息甚 至知识
社会管理 智能电网 公共交通 智慧农业 医疗诊断 应
用
金融
电子商务 精准气象 新闻传媒
教育
基于气象数据的监测指数
优点: 方法成熟 数据精度高,时间序列长
缺点: 站点分布不均,不利于大 尺度的干旱监测
指数名称 帕尔默指数 作物水分指数 标准降雨指数 综合气象干旱指数
土壤水分和干旱监测的必要性
干旱是全球发生频率最高、持续时间最长、影响面积最广的自然灾害 造成重大经济损失,每年造成我国农业生产的直接经济损失多达4-7亿元 引起土地的荒漠化,沙漠化 影响人民生命安全和国家和谐稳定
全球气候变暖等因素导致我国干旱发生频 率显著增加、强度显著增强。(Dai A,2011) 深入研究干旱监测的技术方法,对提高干旱监测水平、提升政府防灾减 灾能力具有重要的意义!
j
Ts
Ts
Ti
i
Ts
TT
T
j
Ts
i
j
Ti Tj
极化指数
反演方程
SM 0.33 10.99947 * NDE18.7GHz 10.7GHz
563.80628NDE
2 18.7GHz
10.7GHz
微波指数与植被关系
NDVI与MPI关系 当NDVI≤0.1时,MPI≥0.04,在被动微波尺度下,可以认为像 元为裸地或者植被非常少,因此在土壤水分反演中可以不考 虑植被的影响;
不同地物的波谱曲线是不一样的,在近红外区域的水吸峰是 变化的;
同一种作物在不同的生长期波谱曲线也是变化的
大气水汽含量变化也是影响监测的主要原因,当大气水分含 量变化时,
基于TVDI的土壤干旱遥感监测分析

基于TVDI的土壤干旱遥感监测分析作者:袁田玉阁蔡迪来源:《科学导报·学术》2020年第18期摘 ;要:干旱作为一种全球性自然灾害,发生与发展规律较为复杂,且人们对其了解较少,而该自然灾害带来的影响却远超其他自然灾害。
据悉,我国自建国以来,平均每年受旱灾面积高达2100万公顷,占耕地面积20%左右,成灾面积达到870万公顷,干旱频率较高,持续时间较长,波及范围较广,为我国国民经济带来严重影响。
为解决该问题,文章通过TVDI 法对土壤干旱情况进行遥感监测,以此准确展现土壤干旱情况与旱情变化规律,及时预警土壤旱情,为缓解干旱问题提供支持。
关键词:TVDI;土壤干旱;遥感监测引言从古至今,旱灾一直是困扰我国农业发展的重要难题,即使科技不断发展,干旱问题带来的影响仍然存在。
尤其是环境污染,生态平衡被打破,旱灾的发生几率更是频繁,严重影响了农业生产。
在过往干旱监测中,主要通过气象站监测分析,却因经济条件等原因,气象站分布并不均匀,影响了干旱监测。
科技的不断发展,遥感技术的出现,实现了对土壤干旱的全天候、全面积监测,为干旱监测提供了条件[1]。
而TVDI作为NDVI、LST构建而成,能够准确展现干旱情况,下文对其在土壤干旱遥感监测内的应用展开探析。
1 遥感监测方法的简单概述在自然环境下,土壤内水分具有较大时空变动,在测量时,很难连续、规模性的精确测量其时空变化,而遥感技术的出现,能够有效监测区域内土壤的湿度情况、时空变化等。
因为,对土壤干旱遥感监测时,他主要通过土壤表面发射或者反射的电池辐射能,了解不同波段下土壤内水分特性。
经过多年发展,我国遥感监测方式越发多样化。
常见如下几类:其一,可见光红外遥感监测。
该方式主要通过植被指数、植被状态指数等对一个地区、一段时间内土壤干旱情况进行监测,得到定性结果[2]。
其中,常用的植被指数包括AVI、NDVI、VCI、植被,供水指数等。
其二,热红外遥感监测。
该方式追主要通过对土壤内水分对土壤表面温度、发射率等的依赖程度,以此了解土壤干旱情况。
ENVI土壤湿度遥感反演与干旱灾害监测

遥感建模与应用综合实习实验报告学期2017-2018学年第二学期姓名学号指导教师闵爱莲实验题目:土壤湿度遥感反演研究1.实验目的1.1熟悉遥感图像大气校正、几何校正的流程,掌握NDVI的计算及密度分割的过程。
1.2 学会利用TM热红外波段反演地表温度,了解TVDI的原理,制图输出黄骅市TVDI图像。
1.3 掌握基本的统计学评价指标(R2值、相关系数、线性拟合模型精度评价等),建立干旱指数TVDI和土壤相对湿度之间的关联模型。
2.实验要求2.1 大气校正,几何校正后NDVI计算并制图输出。
2.2地表温度反演;Ts-NDVI散点图制作;TVDI指数计算;除云、除水、除建筑物,保留植被区域的TVDI。
2.3建立TVDI和土壤相对湿度之间的关联模型。
模型精度评价。
土壤相对湿度制图。
3.实验数据TM200205图像、BASE IMAGE图像、研究区矢量边界图。
4.实验步骤:4.1图像预处理以及NDVI制图。
①大气校正。
本实验选择黑暗像元法进行大气校正。
打开TM200205,快速统计图像DN值,记录7个波段每个波段的黑暗像元。
本实验选择DN值像元个数为十位数时对应的DN值作为黑暗像元DN值。
所有像元均减去此黑暗像元的DN,达到校正目的。
所依据原理为认为黑暗像元的辐射记录值为0,且认为图像各处大气影响一致,之所以不为0是由于大气程辐射的影响,减去此DN,即为整体消除大气程辐射的影响。
②几何校正。
加载并打开base image和TM200205图像,基于Map下的图像到图像校正方法进行几何校正。
以base image为基准图像,以TM200205为待校正图像。
本实验选择20个地面同名地物点作为控制点,总的均方根误差为0.8257个像元,选择的原则是:控制点要分布均匀,图像边缘部分要多选取。
选择大桥桥头、河流拐弯处、道路交叉口、机场等易于区分且不易随时间变化太大的地物。
几何位置变换公式为多项式变换,二次多项式。
重采样方法为线性插法。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
征空间呈梯形的基 础 上 , 从理论上计算梯形4个顶 结果表明 , 在不同的植被覆盖度条件下 , 点坐标 , T s - 随植被覆盖度而 N D V I特征空间的最低温度 ( T s m i n) 我们将 T 不同 。 在此 , s D V I特 征 空 间 简 化 处 理 -N 为三角形 的 同 时 , 对T s s m a x和 T m i n同 时 进 行 线 性 拟 ) , 合, 如式 ( 1 a、 b 可以从 T s D V I特征 空 间 的 干 边 -N , 拟合 得 到 T s a b D V I T s m a x= 1+ 1 ·N m a x相 当 于 相 同 , N D V I像 元 下 的 最 高 温 度 ; T s a b D V I m i n= 2+ 2 ·N T s D V I像 元 下 的 最 低 温 度 。 像 元 m i n相 当 于 相 同 N 点的 TV 之 间, 湿 边 的 TV D I取值在 [ 0, 1] D I最 小 , 为 0, 土壤含水量接近田间持水量 ; 干 边 的 TV D I最 大, 为 1, 土壤含水量接近萎蔫系数 。
1] 。 国内外用遥感技 衡量土壤干旱程度的重要指标 [
分反演的 算 法 。 热 惯 量 法 反 演 土 壤 水 分 的 模 型 研
1 0] , 究, 从土壤热 惯 量 的 解 析 式 计 算 [ 到热量平衡与 1 1] , 热传导方程的化简与计算 [ 建立 了 许 多 热 惯 量 模
式用于土壤水分的遥感反演模型
[ ] 赵杰鹏 , 张显峰 , 廖春华 , 等. 基于 TV 遥感技 D I的大范围干 旱 区 土 壤 水 分 遥 感 反 演 模 型 研 究 [ J . ( ) : ] 术与应用 , 2 0 1 1, 2 6 6 7 4 2 7 5 0. -
1 引 言
在地 球 系 统 中 , 土壤水分是陆地和大气能量交 换过程中的重要因子 , 并对陆表蒸散 、 水的运移和碳 循环有控制作用 , 也是大气 、 水文 、 生态 、 农业等领域
术监测土壤水分的 主 要 方 法 包 括 : 基于光学遥感的 热惯量法
[ ] 2 3 -
、 ) 基于光 学 遥 感 的 植 被 指 数 ( 与 N D V I
[ 4]
) 地表温度 ( 法 T s
及基于微波的反演方法
[ ] 5 6 -
。目
[ ] 前微波遥感反演 地 表 含 水 量 的 方 法 有 N o k u 等 5-7 j 建立的基于 AMS R- E 传感器的迭代算法和回归算 ] 8 9 - 法及其改进 。 在国内 , 毛克彪等 [ 也通过对被动微
第2 6卷 第6期 2 0 1 1年1 2月
遥 感 技 术 与 应 用 REMOTE S EN S I NG TE CHNOLOGY AND AP P L I CAT I ON
V o l. 2 6 N o. 6 D e c. 2 0 1 1
基于 T V D I的大范围干旱区土壤水分 遥感反演模型研究
, , , 引 用 格 式: Z h a o J i e e n Z h a n X i a n f e n L i a o C h u n h u a e t a l. TV D I b a s e d S o i l M o i s t u r e R e t r i e v a l f r o m R e - p g g g [ ] , : m o t e l S e n s e d D a t a o v e r L a r e A r i d A r e a s J . R e m o t e S e n s i n T e c h n o l o a n d A l i c a t i o n 2 0 1 1, 2 6( 6) 7 4 2 7 5 0. - y g g g y p p
) 的原理 2 温度植被干旱指数 ( TV D I
温度 植 被 干 旱 指 数 是 利 用 T s D V I特 征 空 间 -N 提取的水分胁迫指标来估算陆面表层土壤水分的一
[ ] 2, 1 2 1 3 -
。 互关系的重要手 ) 、 段, 研究表明 , 标准的植被光谱指数( 植被状 S V I ) 等都与土壤湿度有一定关 系 。 当 作 物 况指数 ( V C I 缺水 , 受水分胁迫作物的生长将受到影响 , 植被指数
] 1 4 1 5 - 。国内学者也利用 V 将会降低 [ C I研究了土壤 湿度状况 , 应用 V 对干 C I 结 合 常 规 资 料 综 合 分 析, ] 1 6 1 8 - 。 旱状况进行宏观动态监测 [
3 0] , 差[ 从而导致 TV 这种 D I模 型 反 演 精 度 的 下 降 ,
3 TV D I模型的改进
首先对 MO D I S 地表温度产 品 进 行 云 掩 膜 拓 展 利 用 连 续 两 期 MO 和1 6d 平均 值 合 成 ( D I S 的 8d 平均值陆面温度产 品 进 行 均 值 合 成 得 到 ) 来降低云 然 后, 对 于 由 地 势 起 伏、 经向太阳辐 对反演的影响 , 射和大气背景条件差异以及干边拟合问题所引起的 以提高 TV 误差进行了消除 , D I模型的反演精度 。 3. 1 降低云对反演结果的影响 3. 1. 1 对 MO D I S 云掩膜产品加以扩展 对于可见光 、 热红外通道获取 的 大 范 围 遥 感 数 据来说 , 云的 影 响 往 往 是 不 可 避 免 的 , 对 TV D I模 云的存在使得到达地 面 各 个 像 元 的 型的影响包括 : 太阳总辐射不 均 衡 , 大气背 景 条 件 存 在 差 异; 云的 并 最 终 影 响 TV 存在影响地表温 度 的 反 演 精 度 , D I 模型的精度 。 对云的影响大致有两 种 处 理 : 一种是 去云处理 , 把一些受到稀薄 云 层 影 响 的 数 据 恢 复, 消除云的影响 ; 另一种是检 测 云 的 存 在, 并用掩膜 处理掉 , 不参 与 计 算 。 大 部 分 情 况 , 为了保证反演 需要把有云的地方掩 膜 处 理 , 比 如 MO 的精度 , D I S 陆面温度产 品 。 但 在 很 多 情 况 下 云 的 面 积 大 小 会 被低估 , 利用 TV D I反演土壤含水量 的 精 度 在 某 些 边缘区域 , 精度 会 因 为 T s的 反 演 误 差 而 降 低。 本 文的解决办法是对云掩膜产品向外 扩 展 几 个 像 元 。 , 图1 为 2 其 中, 0 0 9年5月1 2 日 计 算 的 TV D I ( ) 、 ( , 图1 分别为校正前后的 TV 其中空白区 a b) D I 域为受 云 影 响 而 做 的 掩 膜 , 对 于 MO D I S产品而 言, 如果不进行 云 掩 膜 的 扩 展 , 在云掩膜周围的区 域会产生错 误 的 低 值 , 如 图 1( 中白色区域外围 a) 去 除 这 些 区 域 后 再 进 行 TV 的绿 色 区 域, D I的 计 算, 可以提高 T s 的反演精度 。
情况在诸如新疆地 区 面 积 大 、 垂直分带明显的地区 尤为明显 ; D I模型对干边的模拟过于简 ③ 通常 TV
[9] 单, 虽然 S 在 地 表 蒸 散 反 演 中, 对干边的 t i s e n等 2
但用于土壤水分反演的 估算进 行 了 初 步 的 改 进 , 这 也 使 得 TV TV D I模型中的 研 究 还 很 少 , D I模 型 在反演地表土壤水分时存在不足 。
其 中 TV 壤水分等方面都有 所 应 用 , D I方 法 应 用 最 广泛
[ ] 2 4 2 9 -
。 但是 , TV D I模 型 在 估 算 较 大 区 域 的 土
壤水分时 , 由于统计 特 征 空 间 区 域 内 太 阳 总 辐 射 不 主 均和大气背景条件 不 一 致 而 导 致 反 演 精 度 降 低 , 要问题有 : ① 遥感云掩膜产品通常对云的去除不彻 底, 导致边 缘 像 元 的 土 壤 水 分 反 演 结 果 误 差 较 大 ; 南 北 纬 度 跨 距 较 大 时, 如沙 ② 研究区内地形 起 伏 、 漠与山地毗邻 , 垂直分带明显 , 会因为各像元接受的 太阳总辐射和大气背景的差异带来 TV D I计算的误
第 6 期 赵杰鹏等 : 基于 TV D I的大范围干旱区土壤水分遥感反演模型研究 7 4 3 ) ) 了植被指数 ( 与地表温度 ( 进行干旱监测 N D V I T s ) 、 比如温度植被指数 ( 植被供水指 的综合模型 , TV I
[ ] [ 1 9 2 0 2 1] - ) 、 ) 、 数( 水分亏缺指数 ( 条件植被 V SW I WD I [ 2 2] ) 温度指 数 ( 和温度植被干旱指数( VT C I TV - [ 4, 2 3] ) 等 。 这些方法在反演植被生长状况 、 地表土 D I
赵杰鹏 , 张显峰 , 廖春华 , 包慧漪
( ) 北京大学遥感与地理信息系统研究所 , 北京 1 0 0 8 7 1 ( 摘要 : 温度植被干旱指数 TV 是一种基于光学与热红 D I T e m e r a t u r e V e e t a t i o n D r n e s s I n d e x) p g y 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 TV 精 度 通 常 较 低。对 S D I模型来反 演 陆 表 土 壤 水 分 , a n d h o l t的 TV D I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 覆盖类型差异的影响进行了消除 ; 对 TV 使用铝 起伏 、 D I模型干边的模 拟 方 法 进 行 了 改 进 。 最 后 , 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 2 0 0 9 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 。 ; 关 键 词: 土壤水分 ; 植被覆盖 ; 干边模型 ; 云掩膜 TV D I ( ) 中图分类号 : T P 7 9 文献标志码 : A 文章编号 : 1 0 0 4 0 3 2 3 2 0 1 1 0 6 0 7 4 2 0 9 - - -