基于特征空间的遥感干旱监测方法综述
基于地表温度-植被指数特征空间的土壤干旱监测
基于地表温度-植被指数特征空间的土壤干旱监测李润林;董鹏程;王瑜;汪晓斌【摘要】以张掖市甘州区绿洲为研究区,采用5期遥感影像(2011~2015年),运用ENVI 5.2提取归一化植被指数(NDVI)、改进型土壤调节植被指数(MSAVI)和地表温度(Ts),构建Ts-NDV I和Ts-MSAVI特征空间,对比分析两种特征空间.结果表明,Ts-MSAVI特征空间的干边和湿边斜率均小于0,这与前人的研究干边斜率是负值,湿边斜率是正值的结论有所不同.Ts-NDVI和Ts-MSAVI这两种特征空间具有相同的趋势,其中2012、2013、2014年这3年两种特征空间系数r2较高,其余2年系数r2较低.整体而言,Ts-NDV I特征空间的干湿边系数相比Ts-MSAVI特征空间的干湿边系数要高,稳定性好.从TV DI旱情等级分布图上可以得出2012年的受旱面积最大,干旱和重旱面积占总面积的70.39%,2013年干旱情况最严重,重干旱面积为1611.972 km2,重旱面积占到总面积的43.5%,2014年干旱程度开始缓解,轻旱、干旱和重旱面积开始降低,湿润和正常面积开始增加,2015年干旱程度得到全面缓解,湿润和正常面积占到总面积的21.9%,但是干旱和重旱面积比重依然很大,说明张掖市甘州区绿洲旱情依然很严峻.%Selecting oasis of Ganzhou district as the study area in Zhangye city,using ENVI 5.2 software to extact normalized difference vegetation(NDVI),modified soil adjusted vegetation index(MSAVI)and temperature of surface(Ts),Ts-NDVI feature space and Ts-MSAVI feature space were built. The two feature spaces were compared and analyzed. The results showed that the slope of dry-edge and wet-edge of Ts-MSAVI feature space was less than 0,which was not consistent with the previous research. The previous research thinked the dry-edge slope was negative and the wet edge slope was positive. The feature space of Ts-NDVI and Ts-MSAVI had the same trend. The r2 coefficient of two feature spaces was higher in the three years of 2012,2013 and 2013,and the r2 coefficient of the other two years was lower. On the whole,the wet-edge coefficient of the Ts-NDVI feature space was higher than that of the Ts-MSAVI feature space,and the stability was good. From the TV DI drought severity map,it could be concluded that the drought area was the largest in 2012,the drought and heavy drought area accounted for 70.39% of the total area. In 2013,the drought was the most serious,the area of heavy drought was 1611.972 km2,the area of heavy drought occupied 43.5% of the total area and the degree of drought in 2014 was lightened. And heavy drought area began to decrease,wet and normal area began to increase. In 2015,the degree of drought had been fully relieved, wet and normal area accounted for 21.9% of the total area. But the proportion of drought and heavy drought area was still great, indicating that the drought of Ganzhou district oasis in Zhangye city was still very serious.【期刊名称】《湖北农业科学》【年(卷),期】2017(056)016【总页数】7页(P3060-3066)【关键词】干旱;归一化植被指数(TVDI);改进型土壤调节植被指数(MSAVI);地表温度;张掖市甘州区【作者】李润林;董鹏程;王瑜;汪晓斌【作者单位】农业部兰州黄土高原生态环境重点野外科学观测实验站,兰州730050;中国农业科学院兰州畜牧与兽药研究所,兰州 730050;农业部兰州黄土高原生态环境重点野外科学观测实验站,兰州 730050;中国农业科学院兰州畜牧与兽药研究所,兰州 730050;农业部兰州黄土高原生态环境重点野外科学观测实验站,兰州 730050;中国农业科学院兰州畜牧与兽药研究所,兰州 730050;农业部兰州黄土高原生态环境重点野外科学观测实验站,兰州 730050;中国农业科学院兰州畜牧与兽药研究所,兰州 730050【正文语种】中文【中图分类】TP79;X43干旱是世界上许多重大自然灾害之一，在各种自然灾害中，旱灾对农业生产的影响最大。
基于MODIS的农业干旱遥感指数在营口市的应用
基于MODIS的农业干旱遥感指数在营口市的应用摘要：利用MODIS遥感数据产品，计算营口市2022年土壤相对湿度分别与TVDI、CWSI、VSWI的相关系数，针对营口地区重新划分干旱指标阈值，并选取2022年4-5月干旱过程，通过反演土壤相对湿度，对历史个例进行检验。
研究结果表明：筛选出适用于营口市的指数为VSWI，相关系数为0.75，且通过了0.01置信度水平上的显著性检验，VSWI的线性拟合效果高于CWSI和TVDI，决定系数为0.57；重新将VSWI指数根据营口地区实际划分为5个干旱等级，其中<0.0195为无旱，0.0175~0.0195为轻度干旱，0.0155~0.0175为中度干旱，0.0135~0.0155为严重干旱，0~0.0135为极端干旱。
通过2022年4月下旬至5月中旬营口市的干旱个例对所选指数进行检验，结果表明VSWI能够较好地应用到营口市的土壤水分遥感监测业务中。
关键词：土壤湿度；MODIS数据；遥感指数；农业干旱1 引言干旱是一种非常复杂的全球性自然灾害，不仅导致农作物的大量减产绝收，而且也破坏了农业生产的正常运转。
我国农业及其生产对气象条件的依赖性很大，自20世纪80年代后期以来，我国旱灾呈进一步发展趋势，尤其以华北北部地区、东北西部地区、西北地区最为严重[1]。
长期严重的干旱将导致农作物产量大幅下降，影响粮食供需关系，导致粮食安全问题日益严重[2-4]。
土壤湿度是进行农业旱涝监测的重要指标，并与气候、环境有十分紧密的联系，利用遥感技术进行大区域土壤湿度监测是目前研究的重点。
基于气象站点的降水和测定土壤水分含量来评估干旱的严重程度等方法不仅测点少，代表性差，而且采样速度慢，消耗大量人力物力，监测范围有限，无法实现大面积、动态监测。
与传统地面观测法相比较而言，遥感技术能够快速地得到地表基本属性信息，此外还能够连续地监测地表的时间和空间演变规律，并且它能够免费获取、全球范围均可覆盖、时效性好且动态监测性强等多个优点，能够实现大范围的地表动态监测，目前遥感干旱监测指数已经被广泛地应用到农业干旱监测中[5-7]。
基于遥感技术旱涝灾害监测新方法
基于遥感技术旱涝灾害监测新方法一、遥感技术概述遥感技术是一种通过非接触的方式获取地球表面信息的技术手段。
随着科学技术的不断进步，遥感技术已广泛应用于农业、林业、城市规划、环境监测等多个领域。
特别是在自然灾害监测领域，遥感技术以其快速、准确、实时的特点，成为监测旱涝灾害的重要工具。
1.1 遥感技术的核心特性遥感技术的核心特性主要体现在以下几个方面：- 空间覆盖范围广：遥感技术可以覆盖大范围的地表区域，不受地形和气候条件的限制。
- 信息获取速度快：遥感技术能够在短时间内获取大量地表信息，为灾害监测提供及时的数据支持。
- 多时相观测：遥感技术可以进行连续的时相观测，有助于分析灾害的发展趋势。
- 多光谱分析：遥感技术通过不同波段的光谱分析，可以获取地表的多种物理和生物特性。
1.2 遥感技术的应用场景遥感技术在旱涝灾害监测中的应用场景主要包括：- 旱情监测：通过分析地表植被指数、土壤湿度等指标，评估旱情的严重程度。
- 洪水监测：利用遥感技术监测水体面积的变化，判断洪水的发生和扩散情况。
- 灾害预警：结合气象数据和地表信息，预测旱涝灾害的发生，为防灾减灾提供决策支持。
二、基于遥感技术的旱涝灾害监测方法基于遥感技术的旱涝灾害监测方法，是利用遥感数据进行灾害特征提取、分析和预警的过程。
这些方法包括但不限于以下几种：2.1 地表温度反演地表温度是旱涝灾害监测的重要指标之一。
通过遥感数据反演地表温度，可以评估地表的热状况，进而判断旱涝灾害的发生。
2.2 植被指数分析植被指数（如归一化植被指数NDVI）可以反映植被的生长状况和健康状况。
在旱涝灾害监测中，植被指数的变化可以作为旱情和涝情的指示。
2.3 土壤湿度监测土壤湿度是旱涝灾害监测的另一个关键指标。
利用遥感技术监测土壤湿度，可以评估旱情和涝情对土壤的影响。
2.4 水体面积变化监测水体面积的变化是洪水发生和扩散的直接表现。
通过遥感技术监测水体面积的变化，可以及时了解洪水的动态。
基于LST_LAI特征空间的农田干旱监测研究
Ｎ Ｄ Ｖ Ｉ 饱和的缺陷 ， 提出 以 Ｌ Ａ Ｉ 代替 Ｎ Ｄ Ｖ Ｉ ， 构 建基于 Ｌ Ｓ Ｔ 和Ｌ ＡＩ 特征空间的温度叶面积 干旱监测 指数 ＴＬ Ｄ Ｉ ，并 利用
实地观测 的土壤 墒情 和气 象观 测数 据验证 该 指数 的监测 精
度。 尽管 Ｌ Ａ Ｉ 的值普遍偏低 ， 但是本研究主要利用 Ｌ Ａ Ｉ 可以
品进行区域环境变化 的监测 。杨曦等［ １ ０ ］ 基于 ＭＯ ＤＩ Ｓ的 Ｌ Ｓ Ｔ
１ 实验部分
１ ． １ 研究 区与数据 研究 区为 宁 夏雨 养 农 业 区 （ １ ０ ４ 。 １ ０ Ｅ～ １ ０ ７ 。 ３ ０ Ｅ ，３ ５ 。
２ ５ Ｎ ＿ 一３ ９ 。 ２ ５ Ｎ） ，处于西北地区东部 的气候 敏感带上 ，降水 量少且季 节差 异大 ，旱灾 频 繁 。研究 中使用 的遥感 数 据为
摘
要
农 田干旱具有范 围广且对农业生产影响 巨大 的特 点 ，对农 田干旱 的遥感实 时动态 监测是 目前公认
的难题 。 利用 ＭＯＤ Ｉ Ｓ的地表温度 （ Ｌ ｓ Ｔ ） 产 品和 叶面积指数 （ Ｌ ＡＩ ） 产品， 构建 Ｌ Ｓ Ｔ － Ｌ ＡＩ 光谱特征 空间 ， 提 出 温度一 叶面积干旱指数 （ ｔ ｅ ｍｐ ｅ ｒ ａ ｔ ｕ ｒ ｅ Ｌ ＡＩ ｄ ｒ ｏ ｕ ｇ ｈ ｔ ｉ ｎ ｄ ｅ ｘ ， ＴＬ Ｄ Ｉ ） 监测农 田水 分含量 ，并利 用宁夏 实测的 Ｏ ～ １ ０ ｃ ｍ 平均土壤含水量验证该指数 的精 度 ， 结果表 明 ： 它们 之间具 有 良好 的相关性 ， Ｒ 的变化范 围为 ０ ． ４ ３
基于 Ｌ Ｓ Ｔ ＿ Ｌ Ａ Ｉ 特 征 空 间的农 田干旱 监 测研 究
随欣欣 ， 秦其明 ， 董 恒 ， 王金 梁 ， 孟庆野 ， 刘 明超
干旱等农业灾害遥感监测PPT课件
含水量/％ 含水量/％ 含水量/％
覆盖度
C1
-18.7829 -17.9802 20.5077 20.5341 20.8783
0.238
C2
-17.2482 -17.049 21.1721 20.9426 21.3273
0.277
C2-2
-17.0986 -14.2271 21.9446
21.666
从农业生产考虑，干旱是在水分胁迫下，作物及其生 存环境相互作用构成的一种旱生生态环境。
应用遥感技术监测干旱则属于面上的监测，并 且充分地利用了地物表面的光谱、时间、空间 和方向信息。
干旱监测理论基础
由于从植被指数反演出的地表绿度与植物的生长状态及 其密度密切相关，因此，被植指数可用于监测对作物生 长不利的环境条件，尤其是对在干旱环境的监测。
17
数据介绍
18
ASAR数据预处理
1）滤波处理
使用gamma滤波对影像进行滤波处理
雷达遥感数据有别于光学遥感数据的一个重要特征是影像 上存在着更明显的斑点噪声，其主要表现为图像灰度的剧 烈变化, 即在同一片均匀区域, 有的分辨单元呈亮点, 而 有的单元呈暗点。斑点噪声 降低了图像的空间分辨率和信 噪比, 严重影响图像的判读性和可解译性, 甚至可能导致 地物特征的消失。因此，斑点噪声的消除对ASAR 图像的应 用是十分重要的。由于Gamma自适应滤波同时考虑了斑点的 特点和地物目标散射特征的统计规律，在平滑斑点的同时 能很好保持图像纹理
干旱监测理论基础
植物冠层温度升高是植物受到水分胁迫和干旱发生的最初 表征。因此，土地表面温度可用于干旱监测。
干旱监测（植被指数）
距平植被指数（Anomaly Vegetation Index, AVI） 分析NDVI的变化与短期的气候变化之间的关系
遥感变化检测技术及其应用综述
2007年8月第5卷第4期地理空间信息ＧＥＯＳＰＡＴＩＡＬＩＮＦＯＲＭＡＴＩＯＮＡｕｇ．，２００７Ｖｏｌ．５，Ｎｏ．４遥感变化检测技术及其应用综述吴芳，刘荣，田维春，曾政祥（东华理工学院地球科学与测绘工程学院，江西抚州344000）摘要：从遥感变化检测前的准备工作和技术流程入手，对变化检测技术及应用现状作了简要介绍，综述了近些年来常用的几种遥感变化检测方法，即图像差值法、图像比值法、主成分分析法、植被指数法、分类后比较法。
分析了遥感变化检测在国土资源、森林火灾、海洋、军事等方面发挥的重要作用。
关键词：遥感；变化检测；多源数据；检测方法Technology for Remote Sensing Chang Detection and Its Application WU Fang，LIU Rong，TIAN Weichun，ZENG Zhengxiang(East China Institute of Technology,Fuzhou344000,China)Abstract：This paper presents the preparatory work and work flow of remote sensing change detection.The change detection technique and its applications are also introduced.Varieties of useful methods of change detec-tion of recently years were summarized in this paper such as image differencing,image ratio method,principal component analysis,NDVI,post-classification comparison and so on.Has analyzed the important function of change detection in the fields of national land resources、forest-fire、sea and military.Key words：remote sensing；change detection；multi-source data；detective method从１９７２年美国发射第一颗陆地资源卫星以来，对地观测卫星发展迅速，应用领域得到不断扩大，应用成效也得到不断提高［１］。
基于遥感技术的干旱监测方法研究
基于遥感技术的干旱监测方法研究一、遥感技术概述遥感技术是一种通过飞机、卫星或其他载体，利用传感器远距离感知地表特征的技术。
它在环境监测、资源管理、灾害评估等领域发挥着重要作用。
干旱作为一种严重的自然灾害，对农业生产、水资源管理和生态环境保护等方面产生深远影响。
因此，基于遥感技术的干旱监测方法研究具有重要的实际意义。
1.1 遥感技术的核心原理遥感技术的核心原理是通过传感器接收地表反射或辐射的电磁波，将这些电磁波信号转换为数字图像或数据，进而分析地表的物理、化学和生物特性。
遥感技术具有覆盖范围广、时效性强、成本相对较低等优点。
1.2 遥感技术的应用领域遥感技术的应用领域非常广泛，包括但不限于以下几个方面：- 土地利用和土地覆盖变化监测：通过遥感技术可以监测土地利用类型的变化，评估土地资源的利用效率。
- 植被状况监测：利用遥感技术可以评估植被覆盖度、生物量和生长状况，为生态保护和林业管理提供数据支持。
- 水资源监测：遥感技术可以监测地表水体的分布和变化，评估水资源状况和水文循环过程。
- 灾害监测与评估：遥感技术可以快速获取灾害发生区域的信息，评估灾害影响范围和程度。
二、干旱监测方法研究干旱监测是遥感技术应用的一个重要方向。
干旱监测方法的研究旨在提高干旱识别的准确性和时效性，为干旱预防、缓解和应对提供科学依据。
2.1 干旱监测的遥感指标干旱监测的遥感指标主要包括以下几个方面：- 植被指数：如归一化植被指数(NDVI)、增强型植被指数(EVI)等，可以反映植被的生长状况和健康状况。
- 土壤湿度：通过分析土壤的微波辐射特性，可以估算土壤水分含量，作为干旱监测的重要指标。
- 地表温度：地表温度的异常升高可能指示地表水分的减少，是干旱发生的一个信号。
- 植被覆盖度：植被覆盖度的减少可能是干旱影响的结果，可以用来评估干旱的严重程度。
2.2 干旱监测的遥感技术方法干旱监测的遥感技术方法主要包括以下几个方面：- 多时相遥感数据对比：通过对比不同时间的遥感数据，可以发现干旱发生和发展的过程。
遥感技术在防汛抗旱中的具体应用
遥感技术在防汛抗旱中的具体应用摘要：遥感技术是水利信息化和水利现代化中必不可少的一种技术，也是空间信息中最主要的一种获取手段，遥感技术本身也能够在行业内部有非常广泛的运用。
在防汛抗旱的过程中，90%以上的数据都属于空间数据，能够有效地提供空间信息和技术的支持，从而最终在防汛抗旱中发挥着很重大的作用。
本文主要从遥感技术在防汛抗旱中的具体应用进行全面透彻的分析，希望能够给大家更好的参考性意见。
关键词：遥感技术；防汛抗旱；应用技术；具体方法引言自从上世纪九十年代开始，遥感技术就已经很早开始运用于洪涝灾害的调查。
中国科学院、测绘局和其他单位进行合作，之后再在我国包括黄河、洞庭湖和其他地区进行全面的防洪试验。
并在这个过程中建立了准时的全天候防洪系统。
国家的遥感中心早就利用卫星进行信息的获取，之后再连续、及时和准确地将洪灾的情况上报给中央和地方的防汛部门[1]。
并通过对不同的卫星数据进行融合，再通过综合利用能够各自的优势，清晰地反映出洪灾的态势，而这对我国的防汛抗旱工作有着相当大的意义。
1.遥感技术的概念作为现代地球空间信息探测的重要手段，遥感技术一直都发挥着非常重要的作用，在水利行业一直都发挥着很重要的前景，特别能够为防汛抗旱减灾提供有效的空间信息和技术支持。
与传统的信息获取手段相比，遥感技术拥有更大的监测范围和更短的监测周期，能够方便我们在不受天气和其他因素影响的条件下进行全方位的工作。
并且在用遥感技术监测的过程中，尤其能够在有能力的情况下进行不断地发展。
目前，遥感技术已经进入全新的飞速发展时代，而且本身也已经能够全方位地为防汛抗旱提供更加全面的动态，本身这种技术也是一种快速、多取向和高分辨率的监测平台。
2.遥感技术在防洪减灾中的应用2.1洪涝灾害监测评估对水体面积的监测和当灾害时水体面积和水体本底的面积之差就被称之为受淹面积。
在水体提取的过程中，可以基于水体在可见光波段的反射率随着波长的增大而不断下降，之后再将红外波段的反射率更好地降到最低。
- 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)。
第27卷第1期长 江 科 学 院 院 报Vol .27 No .1 2010年1月Journal of Yangtze River Scientific Research I nstitute Jan .2010 收稿日期:2009207202基金项目:农业科技成果转化资金项目(05EF N216800404);长江科学院博士启动课题(YJJ0910/KJ02)作者简介:李 喆(19802),男,湖北监利人,工程师,理学博士,博士后,主要从事水旱灾情监测、生态环境监测与评估、数字流域、“3S ”技术在水利中的应用研究工作,(电话)027*********(电子信箱)lizhe@mail .crsri .cn 。
文章编号:1001-5485(2010)01-0037-05基于特征空间的遥感干旱监测方法综述李 喆1,2,谭德宝2,秦其明3,崔远来1(1.武汉大学水利水电学院,武汉 430070;2.长江科学院空间信息技术应用研究所,武汉 430010;3.北京大学地球与空间科学学院,北京 100871)摘要:遥感干旱监测是干旱监测中一个很有潜力的发展方向,其中研究比较多的是遥感特征空间法。
为此介绍了几种具有代表性的遥感特征空间方法,并将其分为3大类,即LST 2NDV I 特征空间法、N I R 2Red 特征空间法和N I R 2S W I R 特征空间法。
深入地分析它们的基本原理、方法和适用范围,对各类干旱监测方法存在的问题和发展趋势进行了探讨,指出下一步的研究方向。
关 键 词:特征空间;干旱监测;遥感中图分类号:TP79 文献标识码:A1 概 述干旱主要分为气象干旱、农业干旱、水利干旱和社会经济干旱,其中最为基础的是农业干旱。
决定农业干旱的一个重要因素是土壤水分。
土壤水分是描述地气能量变换和水循环的重要参数,也是研究地表植被水分供应正常与否的关键变量。
土壤水分的时空分布及其变化对地表水热平衡、蒸散发、土壤温度、农业墒情和区域干旱状况等都会产生显著的影响。
干旱监测一直是科学界公认的难题。
常规观测方法多采用基于测站的定点监测,需要投入大量的人力、物力和财力,而且只能获得少量的点上观测信息,难以及时地获得大面积土壤水分和作物长势信息,使得大范围旱情监测和评估缺乏时效性和代表性。
遥感技术具有覆盖范围广、空间分辨率高、重访周期短、数据获取快捷方便等优点,已经成为干旱监测领域一个很有潜力的研究方向。
根据土壤在不同光谱波段呈现不同的辐射特性,遥感干旱监测主要分为可见光2近红外、热红外和微波遥感3大类型,出现了众多的模型和方法。
可见光2近红外方法借助于土壤反射率随土壤水分增加而降低的特点,综合考虑植被生长状况和水分胁迫状况估算土壤含水量,得到了距平植被指数法[1]、土壤水分光谱法[2]等。
由于土壤光谱特征容易受到表面粗糙度、土壤质地结构、有机质含量等的影响,该类方法监测精度十分有限。
热红外遥感依据水分平衡与能量平衡的基本原理,通过土壤表面发射率(比辐射率)和地表温度之间的关系估算土壤水分,得到了热惯量法[325]、植被蒸散法[6]和作物缺水指数法[7]等。
这类方法需要较多的地面同步气象观测资料,而且容易受到地表植被状况、地形地貌等因素的干扰,计算复杂。
微波遥感基于土壤介电常数、后向散射系数和土壤水分含量之间的关系,数理模型严密,监测精度较高,可以穿透云层遮挡进行全天时、全天候观测,但容易受到地形坡度坡向、地表粗糙度、植被生长状况等干扰,监测成本非常高[8]。
陆地表面温度(LST )、归一化差值植被指数(NDV I )和反照率(albedo )等是反映地表生态物理状况的重要参数,这些要素的综合应用能够准确地反映地表干旱和水分状况。
因此,可见光2近红外、热红外和微波遥感相结合是目前农业干旱遥感监测的一个重要发展方向[9]。
其中,研究较为深入的是遥感特征空间法。
本文综述了几种具有代表性的遥感特征空间方法,将其分为3大类:LST 2NDV I 特征空间法、N I R 2Red 特征空间法和N I R 2S W I R 特征空间法,深入分析它们的基本原理、方法和适用范围,对各类干旱监测方法存在的问题和发展趋势进行了探讨,指出下一步的研究方向。
2 LST 2NDV I 特征空间法2.1 温度植被干旱指数在LST 2NDV I 特征空间的基础上,Price[10]提出 长江科学院院报 2010年 温度植被干旱指数(te mperature vegetati on dryness index,T VD I )为T VD I =T s -T s,m in T s,max -T s,m in=T s -T s,m ina +b NDV I -T s,m in,(1)其中,T s,m in =a 1+b 1NDV I,T s,max =a 2+b 2NDV I 。
式中:T s 为任意像元的地表温度;T s,m in 和T s,max 分别为地表最低和最高温度,T s,m in 和T s,max 可以通过线性回归分析提取湿边(wet edge )和干边(dry edge )获取,a 1,a 2,b 1,b 2分别为待定系数。
图1所示的LST 2NDV I 三角形特征空间中,完全缺水的干边之上的像元干旱指数为1;干边和湿边之间的像元干旱指数在0～1之间;任意数据点(NDV I,T s )的像元干旱指数为T VD I =A /B。
图1 温度植被干旱指数(TV D I)F i g .1 Te m pera ture veget a ti on dryness i n dex Price [10]认为LST 2NDV I 特征空间呈梯形分布,并采用数学方法建模,进行地面蒸散量的分析。
齐述华[11]构建了全中国3个农业气候区的NDV I 2LST,NDV I 2T 和NDV I 2ATI 空间,分别建立了温度植被干旱指数(T VD I )、温差植被干旱指数(DT VD I )和表观热惯量植被干旱指数(AVD I )3个干旱指标评价全国干旱分布,并利用实测土壤湿度对于3个指标进行检验评价。
2.2 条件植被干旱指数王鹏新等[12]提出条件植被温度指数(vegetati on te mperature conditi on index,VT C I ):VTC I =LST NDV I i ,max -LST NDV I I LST NDV I i ,max -LST NDV I i ,m in ,(2)其中,LST NDV I i ,max =a 1+b 1NDV I i ,LST NDV I i ,m in =a 2+b 2NDV I i 。
式中:LST NDV I i ,max ,LST NDV I I ,m in 分别为当NDV I i 值等于某一特定值时的土地表面温度的最大值和最小值。
a 1,a 2,b 1,b 2为待定系数,可通过NDV I 2LST 特征空间散点图线性回归而获得(图2)。
图2 条件植被温度指数(VTC I)F i g .2 Veget a ti on te m pera ture cond iti on i n dex 王鹏新等[12]综述了土地表面温度和归一化植被指数在干旱监测中的应用前景和进展,分析了距平植被指数、条件植被指数、条件温度指数和归一化温度指数等干旱监测方法的优缺点,提出了条件植被温度指数的干旱监测模型,并探讨了其应用前景。
王鹏新、孙威等[13]以陕西省关中平原和渭北旱塬为研究区域,应用199922005年每年5月上旬的AVHRR 卫星遥感数据,对比分析了条件植被指数(VC I )、条件温度指数(TC I )、距平植被指数(AV I )和条件植被温度指数(VTC I )等,结果认为:VC I 的干旱监测结果不符合研究区域干旱的分布规律,VTC I 更适合于研究区域的旱情监测。
2.3 模型评述温度植被干旱指数(T VD I )和条件植被温度指数(VT C I )都是斜率比值,其主要缺点是必须保证LST 2NDV I 特征空间具有区域代表性,即地表覆盖从裸土变化到植被完全覆盖,土壤表层含水量从凋萎系数到田间持水量的变化,因此需要研究区气象条件、地表覆盖类型、土壤属性、水系分布和灌溉状况以及作物栽培等相关背景数据[12-14]。
同时,构建LST 2NDV I 特征空间时,需要通过重采样处理统一NDV I 和LST 的空间分辨率,损失了可见光、近红外波段的一些信息;而且,陆地表面温度的反演方法比较复杂,包含了一定的误差,加大了旱情估算的不确定性。
3 N I R 2Red 特征空间法3.1 垂直干旱指数詹志明等[14]利用N I R 2Red 三角形特征空间中任意一点E (R red ,R nir )到土壤基线L 的垂直距离作为表征区域干旱状况的指标(图3),提出了垂直干旱指数(per pendicular dr ought index,P D I ),其表达式为PD I =1M 2+1(R red +M R nir ),(3)83第1期李 喆等 基于特征空间的遥感干旱监测方法综述其中,R nir =M R red +I 。
式中:R red ,R nir 分别为经过大气校正的红光和近红外波段反射率;M ,I 分别为土壤基线的斜率和截距,可以通过NDV I 2LST 特征空间中土壤基线散点图线性回归而获得。
图3 垂直干旱指数(P D I)F i g .3 Perpend i cul ar drought i n dex 詹志明[14]基于ET M +数据构建N I R 2Red 特征空间计算P D I,并以北京顺义为实验区,并使用0～20c m 平均土壤水分观测数据进行模型验证,取得较好的成果。
吾拉木[15]利用宁夏固原地区为实验区,分别选择0～10c m 和10～20c m 平均土壤水分观测数据进行模型对比,结果认为:P D I 与1～20c m 平均土壤水分观测数据的相关度最高。
同时,P D I 模型本质上是针对裸露土壤的遥感监测。
3.2 改进型垂直干旱指数针对P D I 模型的缺点,吾拉木[15]引入植被覆盖度的概念,分解混合像元以获取与旱情有关的纯净土壤信息,提出改进的垂直干旱指数(modified per 2pendicular dr ought index,MP D I ),即M PD I =R red +M R nir -f v (R red ,v +M R nir ,v )(1-f v )M2+1,(4)其中,R i,s =(R i -f v R i,v )/(1-f v )。
式中:R red ,R nir 分别为经过大气校正的红光和近红外波段反射率;f v 为植被覆盖度;M 为土壤基线的斜率,可以通过NDV I 2LST 特征空间中土壤基线散点图线性回归而获得;R i,v 和R i,s 为i 波段经过大气校正的混合像元中植被和土壤的反射率部分。