共查询到20条相似文献，搜索用时 531 毫秒
1.
关中平原干旱遥感监测指数对比和应用研究 总被引：1，自引：0，他引：1
采用2000-2016年5月份MODIS数据,构建NIR-Red特征空间,对比分析基于该特征空间的垂直干旱指数(Perpendicular Drought Index,PDI)、改进型垂直干旱指数(Modified Perpendicular Drought Index,MPDI)、土壤湿度监测指数(Soil Moisture Monitoring Index,SMMI)及改进型土壤湿度监测指数(Modified Soil Moisture Monitoring Index,MSMMI)这四种干旱监测指数的有效性,并与实测土壤湿度进行相关性分析;最后采用精度最高的SMMI分析关中平原的旱情时空分布特征和规律。结果表明:(1) PDI、MPDI、SMMI及MSMMI均与10cm深土壤湿度存在负相关关系,可决系数R2分别为0.60、0.40、0.64、0.40,表明PDI、MPDI、SMMI及MSMMI均可作为旱情监测指标,且SMMI略优于其它三种监测指数;(2)关中平原东部、中部、西部部分地区旱情严重,西南部地区旱情较轻,且旱情呈年际波动显著的特征;(3) SMMI与月平均气温呈正相关关系区域占75.66%,与月降水量呈负相关关系区域占74.34%,其中通过90%显著性检验区域分别占总面积的27.36%、17.26%,说明降雨和温度不是导致旱情变化的主要影响因子。 相似文献
2.
将多源观测数据同化到生态模型中,可以更好地估计土壤水分,然而如何准确估计土壤水分遥感观测值的误差空间分布一直是数据同化中的难点。文中研究通过SPSI(Shortwave Infrared Perpendicular WaterStress Index)反演的土壤湿度作为观测值,分析SPSI反演土壤水分的原理,提出了基于地表植被覆盖程度,分级反演土壤水分的方法,给予观测值不同的误差方差估计。文中选择中国的宁夏作为研究区,将分级反演的观测值与生态过程模型模拟的土壤水分进行数据同化。结果表明:这种方法能够有效地避免SPSI指数本身对植被覆盖度低或植被生物量小的地区的土壤水分估计误差较大而导致的同化结果的偏差,提高区域土壤水分同化结果的精度。 相似文献
3.
《干旱地区农业研究》2021,(1)
以陕西省夏季干旱过程监测为例,采用风云系列最新极轨气象卫星FY-3D/MERSⅠ-Ⅱ数据,利用其250 m空间分辨率红光和近红外通道构建NIR-Red特征空间,建立垂直干旱指数(PDI)、改进型垂直干旱指数(MPDI),并与综合气象干旱指数(CI)进行相关性分析。结果表明:FY-3D/MERSⅠ-Ⅱ数据在陕西省的干旱遥感监测中具有良好的适用性,PDI、MPDI与CI呈显著负相关,相关系数分别为-0.135和-0.110,达到显著水平,PDI在陕西省夏季旱情动态监测中表现更好;2019年陕西省夏季旱区主要集中在榆林北部和渭北旱腰带,5月下旬的干旱过程最为严重,对冬小麦产量有较大影响;相较于国际气象卫星和陆地卫星数据,国产FY-3D/MERSⅠ-Ⅱ数据具有更高的时空分辨率,在进行农业干旱动态监测方面具很大潜力。 相似文献
4.
通过高分卫星遥感影像计算植被供水指数来反演亚高寒草甸土壤水分含量,结合高分辨率遥感影像(GF-2)和中分辨率的遥感影像(Landsat-7)进行土壤水分反演模型建模验证,揭示高分遥感影像结合植被供水指数法在青藏高原东北缘亚高寒草甸草原上的适用性,同时分析研究区土壤水分分布及其影响因素。基于高分二号（GF-2）、Landsat-7影像数据,以甘南藏族自治州当周草原为研究区,利用植被供水指数（VSWI, vegetation supply water index）构建土壤水分反演模型得到研究区土壤水分含量反演图,通过半方差函数及主成分分析法探索研究区土壤水分空间分布及影响因素。结果表明：研究区土壤水分含量分布状态呈现出一定程度的空间变异,体现在整个研究区内以及各个地块之间,土壤水分含量主要介于0.11%~60.44%之间;土壤水分含量与坡度、海拔、坡向、NDVI、地表温度均呈正相关关系,分布主要受NDVI、坡向、坡度、海拔的影响。综上,利用植被供水指数法结合高分遥感影像监测土壤水分含量是可行的,基于GF-2遥感影像所建立的模型拟合度最优,较Landsat-7遥感影像更具优势。 相似文献
5.
SMAP(Soil Moisture Active Passive,SMAP)产品空间分辨率低的特征限制了在地表高异质性的干旱区沙漠稀疏植被区的适用性。考虑到干旱区沙漠植被区特殊的环境特征,在地表温度(Land Surface Temperature,LST)、归一化植被指数(Normalized Difference Vegetation Index,NDVI)、数字高程模型(Digital Elevation Model,DEM)等传统降尺度因子的基础上,增加了与荒漠地表土壤水分关联性更强的增强型修改土壤植被指数(Enhanced Modified Soil-Adjusted Vegetation Index,EMSAVI)与比值沙地亮度指数(Ratio Sand Brightness Index,RSBI)分别作为反映研究区植被盖度和裸沙分布状况的降尺度因子,利用随机森林算法(Random Forest,RF),构建了干旱区土壤水分降尺度模型。结果表明:(1)由相关性分析可知,EMSAVI(r干=-0.37,r湿=-0.34)、RSBI... 相似文献
6.
土壤水分是量度干旱程度最重要的指标，如何对其有效监测与预警一直是各界致力解决的重大科学问题。基于Suomi NPP/VIIRS数据的温度植被干旱指数TVDI、归一化植被水分指数NDWI、植被状况指数VCI,分别构建了青海省东部农业区3种土壤水分监测模型，利用连续的野外定点观测数据及生态站点观测数据进行模型检验，并在2017年夏旱过程进行了应用检验。结果表明：2012—2016年模型回代检验中，TVDI指数模型表现最优(RMSE为4.4%),其次为VCI指数模型(RMSE为4.7%),NDWI指数模型表现最差(RMSE为5.2%);2018—2020年夏季互助遥感检验场定点观测检验中，TVDI指数模型表现最好(RMSE为3.8%),VCI指数模型次之(RMSE为5.0%),NDWI指数模型表现最差(RMSE为8.8%);2017年夏季干旱过程中，TVDI指数模型反演的旱情发展过程及分布范围与实际旱情情况相符，而NDWI指数模型反演的旱情分布范围明显偏小，VCI指数模型甚至不能反映旱情缓解、解除期的变化。 相似文献
7.
利用遥感指数反演土壤水分已成为监测干旱的重要手段之一，而单一的遥感干旱指数对于反演土壤水分存在一定局限，本研究从7种不同MODIS遥感干旱监测指数中选取适宜的5种并结合径向基函数神经网络（RBFNN）协同反演江苏省2018年冬小麦需水关键期的土壤相对湿度。结果表明：与单一的遥感干旱指数相比，协同RBFNN的遥感干旱指数反演的模型效果更好，与10 cm和20 cm深度的实测土壤相对湿度的相关系数分别达到0.5161和0.4307，能综合多种通道的遥感信息反映当地土壤水分的变化；同时研究利用RBFNN对2017年5月江苏冬小麦10 cm深度土壤相对湿度进行反演，得到的土壤相对湿度分布图与实测土壤墒情结果较为接近，说明利用RBFNN反演模型有效。研究结果提高了土壤湿度的反演精度，为当地农业干旱的实时监测提供了新思路。 相似文献
8.
干旱是影响东北地区粮食安全的主要农业气象灾害之一,遥感技术是一种可便捷进行大范围干旱监测的手段。针对目前遥感干旱指数在作物生长发育过程中监测干旱的局限性和适用性等问题,以东北地区玉米和大豆等主要大田作物发育期为切入点,基于FY-3D/MERSI卫星遥感数据和地面土壤相对湿度实测数据,开展不同作物发育阶段干旱监测指数适用性分析,结合径向基神经网络方法,构建全时期和分时期土壤相对湿度反演模型,利用实测土壤相对湿度数据开展精度验证与对比分析。结果表明：风云三号MERSI传感器数据在干旱监测中具有可行性,表观热惯量(ATI)在低植被覆盖或裸土时效果较好,适用于作物冻土期、裸土期和播种～拔节期;水分指数(WI)适用于播种～拔节期、拔节～抽雄期和成熟期等植被生长时期;分时期土壤相对湿度反演模型精度高于全时期土壤相对湿度反演模型,前者监测精度在80.0%以上,比全时期模型精度提高了10%～25%,尤其在冻土期(3月),分时期模型反演精度达到了92.6%。基于作物生长时期和形态差异,选择最适宜遥感干旱指数建立分时期土壤相对湿度反演模型,提高了干旱监测的准确性和可靠性。 相似文献
9.
为了准确地获取2013—2015年关中平原冬小麦主要生育期土壤含水量(0~20 cm)的时空信息,基于Landsat-8遥感数据反演条件植被温度指数(CVTI),并结合CVTI和实测土壤水分间的线性相关性构建土壤水分反演模型。应用粒子滤波(PF)算法同化基于CVTI反演的和CERES-Wheat模型模拟的土壤水分,得到以天为步长的土壤水分同化值,利用土壤水分实测值分别检验土壤水分模拟值、反演值和同化值的精度。结果表明,CVTI和实测土壤水分间的线性相关性显著,尤其在小麦拔节期和抽穗~灌浆期,其相关性达到极显著水平(P0.01);土壤水分同化值和实测值间的线性相关性(r=0.96,P0.001)大于土壤水分模拟值和实测值间的相关性(r=0.71,P0.01)以及土壤水分反演值和实测值间的相关性(r=0.89,P0.001);土壤水分同化值的均方根误差(RMSE)和平均相对误差(MRE)比土壤水分模拟值的RMSE和MRE分别降低了0.025 cm~3·cm~(-3)和2.70%,比土壤水分反演值的RMSE和MRE分别降低了0.016 cm~3·cm~(-3)和4.15%,同化过程提高了时间序列土壤含水量的估测精度。因此,基于CVTI和PF算法能够较为准确估测关中平原小麦主要生育期的土壤含水量。 相似文献
10.
为了实现对藏北地区土壤水分和干旱情况的动态监测,基于藏北植被光谱、实测20 cm土壤水分以及FY-3A/VIRR数据,利用相关性筛选出对土壤水分敏感的植被光谱波段构建植被指数,并以此建立土壤水分估算模型,再结合FY-3A/VIRR L1B数据将建立的模型应用于藏北地区的土壤水分估算,通过比较决定系数和RMSE,确定精度较高的藏北地区土壤水分遥感估算模型。研究表明:NDVI(620,850)、EVI(450,620,850)、NDWI(850,1 330)和RVI(850,1 330)与实测20 cm土壤水分的决定系数分别为0.232、0.256、0.537和0.554,都能较好地表征土壤水分,分别利用每个指数建立的二次模型所获得的土壤水分估算结果与实测数据的RMSE均较小;以FY-3A/VIRR数据为基础,模型M_(NDVI)和M_(EVI)能够有效的估算藏北土壤水分,模拟值与实测值的相关系数r分别为0.50和0.51,RMSE分别为0.13和0.11,模型都可实现对藏北地区土壤水分的估算。研究可为掌握藏北地区土壤水分状况和制定农牧业发展决策提供依据。 相似文献
11.
基于广西岩溶和非岩溶地貌的干旱遥感监测模型研究 总被引：2，自引：1，他引：1
根据MODIS植被指数和陆面温度,建立植被状态指教(VCI)、温度条件指数(TCI)和植被-温度指数(DI)模型;采用广西2004年10～11月数据,利用相关系数、全距和变异系数对3个干旱监测模型应用于广西岩溶区和非岩溶区大范围干旱监测的适用性进行了论证分析,结果表明:植被-温度指数模型(DI)最适用,温度条件指数(TCI)次之,植被状态指数(VCI)则较难胜任.并使用植被-温度指数DI模型监测了广西2005年秋旱,经与干旱实况对比,干旱指数DI的监测结果与实况相符,表明植被-温度指数遥感监测模型能准确反映出广西岩溶和非岩溶地貌环境的干旱时空变化特征,适用于广西大范围的干旱监测. 相似文献
12.
基于垂直植被指数的东北黑土区玉米LAI反演模型研究 总被引：2，自引：0，他引：2
本文旨在探讨以不同波段组合垂直植被指数所建立的高光谱模型对玉米叶面积指数(Leaf Area Index,LAI)的反演精度。在不同水肥耦合作用条件下,实测玉米冠层的高光谱反射率与叶面积指数数据以及裸土的高光谱反射率数据,在高光谱红光波段(631~760 nm)与近红外波段(760~1050 nm)逐波段构建土壤线,并在此基础上构建垂直植被指数(Perpendicolar Vegetation Index,PVI),找出与LAI具有最佳相关性波段组合PVI,建立玉米LAI估算模型。结果显示,采样波段间隔越窄,反演精度越高,在采样波段间隔1.4 nm的PVI(R677,R918)反演2004年的玉米LAI模型中,最佳回归方程是指数函数,精度达91.1%,标准差为0.1997,RMSE=0.0399,通过了0.01极显著验证。采用高光谱数据构建的PVI植被指数对玉米LAI的估算可以取得较高的精度。 相似文献
13.
基于MTVDI与DDI二元回归模型对毛乌素沙地腹部土壤表层水分的研究 总被引：1，自引：0，他引：1
采用温度植被干旱指数法(MTVDI)与荒漠化指数法(DDI),利用2016年4月、9月的Landsat数据对毛乌素沙地腹部的土壤水分进行反演,并与实测的土壤水分进行对比检验,将所反演的土壤含水量图划分为4个等级,基于此分析了2个时期毛乌素沙地腹部的旱情土壤水分分布变化。结果显示：(1)4月份MTVDI指数与0~10 cm、10~20 cm、20~30 cm土层土壤含水量的R2值分别为0.656、0.646、0.637,整体高于9月份R2值0.457、0.436、0.431,MTVDI能够较好地反映毛乌素沙地腹部土壤表层水分,且精度较高;(2)荒漠化指数DDI与MTVDI结合建立二元线性回归模型监测区域土层0~10 cm深度含水量,平均相对误差为10.95 %;(3)4月份,研究区0~10 cm表层土壤含水量5%~10%区域占总面积的53.72%以上,达到了6 256 km2,含水量偏低,需要加强当地水资源管理。 相似文献
14.
基于微波遥感技术的干旱监测指数及其应用研究——以三江源区为例 总被引：1，自引：0，他引：1
以三江源区为研究区,基于AMSR-E的亮度温度数据获得了微波极化差异指数(MPDI)、比值干旱指数(DI)和多时相微波干旱指数(PI),并分别对这3种指数进行了干旱监测有效性检验。为了获得研究区全区监测效果更好的干旱指数,对MPDI、DI和PI指数进行融合,最终获得的综合微波干旱指数(SDI)与土壤湿度数据和降水数据都存在很好的相关性,对比单个指数时监测干旱的有效性也得到了提高。最后,应用SDI指数对三江源区21世纪以来的干旱情况进行了监测研究。结果表明:基于AMSR-E的综合微波干旱指数(SDI)能有效的对干旱进行监测,充分发挥了被动微波遥感数据的优势,具有一定的应用价值,为后续利用多源的多传感器的微波遥感数据监测干旱的相关研究奠定了基础。 相似文献
15.
以陕西省夏季干旱过程监测为例，采用风云系列最新极轨气象卫星FY-3D/MERSI-II数据，利用其250 m空间分辨率红光和近红外通道构建NIR-Red特征空间，建立垂直干旱指数（PDI）、改进型垂直干旱指数（MPDI），并与综合气象干旱指数（CI）进行相关性分析。结果表明：FY-3D/MERSI-II数据在陕西省的干旱遥感监测中具有良好的适用性，PDI、MPDI与CI呈显著负相关，相关系数分别为-0.135和-0.110，达到显著水平，PDI在陕西省夏季旱情动态监测中表现更好；2019年陕西省夏季旱区主要集中在榆林北部和渭北旱腰带，5月下旬的干旱过程最为严重，对冬小麦产量有较大影响；相较于国际气象卫星和陆地卫星数据，国产FY-3D/MERSI-II数据具有更高的时空分辨率，在进行农业干旱动态监测方面具很大潜力。 相似文献
16.
陕西关中地区生态需水量的初步估算 总被引：2，自引：1，他引：1
生态需水量的计算是水资源优化配置的前提和基础。通过分析生态需水的概念和分类,将陕西关中地区的生态需水划分为3类:河道外的生态需水、河道内的生态需水和城市生态需水。详细界定了3种生态需水的内涵和计算方法。植被生态需水量的计算采用直接计算法,即各种植被面积和植被蒸散发量的乘积求和;人工水域生态需水量的计算采用多年平均蒸发量与降水量的差值乘以水域面积;河流基本生态基流量以早期未遭到人类破坏的河流(渭河1963-1983年)最小月平均实测径流量的多年平均值作为基准;河流输沙需水量以多年平均输沙量与多年最大月平均含沙量的平均值的比值来计算。结合现有的数据,对关中地区的生态需水量进行了估算,现状水平年(2005年)生态需水量是45.73×108m3。由于生态需水是一定经济技术条件下的产物,可以根据现状水平年生态需水量来计算其他年份的生态需水量。 相似文献
17.
为了实现对藏北地区土壤水分和干旱情况的动态监测,基于藏北植被光谱、实测20 cm土壤水分以及FY-3A/VIRR数据,利用相关性筛选出对土壤水分敏感的植被光谱波段构建植被指数,并以此建立土壤水分估算模型,再结合FY-3A/VIRR L1B数据将建立的模型应用于藏北地区的土壤水分估算,通过比较决定系数和RMSE,确定精度较高的藏北地区土壤水分遥感估算模型。研究表明：NDVI（620,850）、EVI（450,620,850）、NDWI（850,1 330）和RVI（850,1 330）与实测20 cm土壤水分的决定系数分别为0.232、0.256、0.537和0.554,都能较好地表征土壤水分,分别利用每个指数建立的二次模型所获得的土壤水分估算结果与实测数据的RMSE均较小;以FY-3A/VIRR数据为基础,模型M（NDVI）和M（EVI）能够有效的估算藏北土壤水分,模拟值与实测值的相关系数r分别为0.50和0.51,RMSE分别为0.13和0.11,模型都可实现对藏北地区土壤水分的估算。研究可为掌握藏北地区土壤水分状况和制定农牧业发展决策提供依据。 相似文献
18.
以AMSR-2亮温数据,SPOT归一化植被指数为数据源,采用ω-模型和基于Qp模型的双通道反演算法,建立适用于蒙古高原表层土壤水分的反演模型。将该模型应用于2013年蒙古高原植物生长期(4—10月)表层土壤水分反演,同时分析其时空变化特征。结果表明:土壤水分反演值与实测值的Pearson相关系数为0.825,均方根误差达到了0.031 6 cm~3·cm~(-3),反演模型具有较高精度;蒙古高原表层土壤水分平均介于0.047~0.234 cm~3·cm~(-3),土壤水分总的空间分布格局表现出由北向南,由东北向西南逐渐减少趋势;在蒙古国北部以及内蒙古大兴安岭森林-森林草原区,土壤水分与整个研究区相比差异较大,同时在时间序列上该区域土壤水分波动较为显著。 相似文献
19.
土壤水分是干旱沙区人工植被系统格局和过程的驱动力,而大规模人工植被的建设同样影响土壤水分的时空分布格局.文中以腾格里沙漠东南缘的沙坡头人工固沙植被体系为例,采用地统计学及数值模拟方法,对不同植被类型下的土壤水分垂直变异进行研究,以期揭示干旱沙区不同人工植被建设对土壤水分的影响.结果表明:1)不同植被分布显著影响土壤水分... 相似文献
20.
黑河流域土壤含水量遥感反演及不同地类土壤水分效应分析 总被引：2，自引：1，他引：1
利用NASA提供的MOD IS数据产品和黑河流域的野外实测数据,在充分考虑研究区的下垫面特征、数据的时间特性和遥感反演土壤含水量的模型与算法的基础上,采用了热惯量法,计算了表观热惯量,并与实测数据进行回归分析建模,反演了整个黑河流域的土壤含水量。随后构建了三个区域土壤水分效应评价指标:土壤水分单元权重指数、区域土壤水分单元权重指数和土壤水分效应贡献度,结合黑河流域的土地利用状况,定量评价了不同土地利用类型的土壤水分效应。研究表明:利用MOD IS数据产品,反演参量获取简单,可降低反演土壤含水量的复杂性,有利于大、中尺度的实际应用;利用当地积累的季节标准日变化曲线将温差修正到最大值,使反演的表观热惯量更接近真实,可提高模型精度;用多个地面采样点的土壤含水量均值与一个像元对应建模,能改善因MOD IS数据空间分辨率低而存在大量混合像元致使反演精度降低的问题;在黑河流域,中覆盖度草地、有林地、高覆盖度草地、水田等用地类型的土壤水分效应最为明显,贡献最大。 相似文献