1 引 言
地表土壤水分与水圈、大气圈和生物圈的能量交换密切相关,对陆地表面蒸散、碳循环以及水的运移起到强有力的控制作用。地表土壤水分对农作物的生长、土地的退化和植被的覆盖等影响巨大,研究区域和大尺度的地表土壤水分变化对改善和预报全球气候变化、监测旱涝灾害、评估农作物长势、分析和解决生态环境问题都具有重要的意义。而我国西南喀斯特地区是典型的生态脆弱区,喀斯特地区地表土壤水分是推动岩溶作用,影响土壤流失,造成喀斯特石漠化的重要因子,对生态地质环境安全及区域气候变化意义重大。
传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化。利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段。如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法。其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等。每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] 。极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准。作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高。TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用。Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低。因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演。目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化。Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型。Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好。王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系。地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究。因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据。
2 研究区域数据源
2.1 研究区概况
广西壮族自治区(下文简称广西)地处我国华南地区地理位置为104°26′—112°04′ E、20°54′—26°20′ N之间。广西处于云贵高原的东南,两广丘陵的西部,南朝北部湾,地形起伏较大,高程范围0—2 000 m,属亚热带季风气候区,大部分地区降水量丰富且降水不均匀,地上地下呈现二元结构。地貌总体是山地丘陵性盆地地貌,盆地大小相杂,丘陵错综,其中喀斯特地貌分布最广(图1 )。广西喀斯特地区地表土壤水分推动着岩溶作用,给养着岩溶区植被,影响着土壤流失,是典型的生态脆弱区。
图1
图1
广西喀斯特地貌集中区
审图号:GS(2019)3333号
Fig.1
Guangxi karst landform concentration area
2.2 数据源及预处理
(1)遥感影像。在2009—2010年广西发生了长时间、大范围的干旱。因此,本文采用2009—2010年MODIS地表温度和植被指数3级数据产品。12期LST数据,6期VI数据,每期数据由4景影像合成。其中MOD11A2是LST数据(时间分辨率为8 d、空间分辨率为1 km),MOD13A2是NDVI数据(时间分辨率为16 d、空间分辨率为1 km)。数据获取地址:https:∥code.earthengine.google.com/,并在GEE云平台(Google Earth Engine)上完成影像的投影、校正、坐标转换、拼接、裁剪等预处理工作。利用ENVI.5.3去除影像的背景值,并进行单位换算和有效值统计,然后把LST和NDVI转换为ASCII格式,并保存在EXCEL中。利用MATLAB编程读取ASCII格式的LST和NDVI数据,生成LST-NDVI的二维空间散点图并进行分析。
(2)DEM数据。目前有5种全球高程数据,本文采用SRTM雷达数据(平面精度±20 m,高程精度为±16 m,数据分辨率为90 m),经过掩膜、裁剪得到广西省的DEM的影像数据,以此对地表温度进行改正。DEM数据在GEE平台上进行预处理并下载。
(3)实测地表相对土壤湿度数据。本文采用的土壤含水量实测数据包含广西13个气象台站2009—2010年的10 cm土壤相对含水量旬值观测数据,数据来源于中国气象数据网(http:∥www.nmic.cn/),气象站点分布如图2 所示。
图2
图2
广西气象站点分布图
审图号:GS(2019)3333号
Fig.2
Guangxi weather station distribution map
3 研究原理与方法
3.1 LST-VI特征空间原理
LST-VI特征空间的核心思想是:假设研究区内包含从裸土到全植被覆盖的足够多的像元,在去除水体和云的影响后,像元地表温度(LST)与植被指数指标(VI)的散点图汇聚成三角形或者梯形的空间分布,通过像元点在特征空间中的位置不同反映土壤水分的变化[18 -19 ] 。梯形空间法的理论极限边界条件的求解需要用到地面气象参数,相对复杂;三角形空间是梯形空间形式的一种简化研究。LST-VI特征空间的原理示意图如下:
图3 中A点代表干燥的裸土,B点代表饱和含水量的裸土,C点代表全植被覆盖的极限状态。图4 中A点代表干燥的裸土,B点代表饱和的裸土,C点代表全植被覆盖下受水分胁迫的状态(植被萎蔫点),D点代表饱和含水量的全植被覆盖状态。线段AC代表极限干边,线段BD(三角形空间中的BC)代表极限湿边。极限干边可以通过地表能量平衡方程解算或由回归函数拟合得出;极限湿边根据LST-VI的散点图利用回归函数进行拟合,也可以将研究区内的平均气温或水体表面温度等作为极限湿边[20 ] 。
图3
图3
LST-VI三角形特征空间示意图
Fig.3
Schematic diagram of LST-VI triangle feature space
图4
图4
LST-VI梯形特征空间示意图
Fig.4
Schematic diagram of LST-VI trapezoidal feature space
本文根据LST-VI的散点图通过线性回归拟合的方式得到极限干湿边。
3.2 特征空间归一化
为了使得不同时相的土壤水分在LST-VI特征空间内具有可比性,需要对LST-VI坐标框架进行统一。因此,需要对地表温度和植被指数进行归一化处理。
T * = L S T i - L S T m i n L S T m a x - L S T m i n (1)
其中:T * 为归一化的地表温度;L S T i 为任意像元的地表温度;L S T m i n 为地表温度最小值;L S T m a x 为地表温度最大值。
为了选取最佳的植被指数进行土壤水分反演,选用NDVI、EVI、SAVI、FVC 4种植被指数与LST构建散点图,分析散点图干湿边的拟合效果,选择最优的植被指数因子。
植被指数—NDVI:NDVI由红光波段与近红外波段反射率的线性组合计算得到,用来指示植被生长状态,应用较为广泛,其公式如下:
N D V I = ρ N I R - ρ R ρ N I R + ρ R (2)
其中:ρ N I R 为近红外波段的地表反射率;ρ R 为红色波段的地表反射率。对于MODIS影像数据,ρ N I R 与ρ R 分别对应于第2和第1波段的反射率。
增强植被指数—EVI:EVI克服了NDVI红色波段在高植被覆盖区易饱和的问题,减弱了土地利用类型和空气中气溶胶散射的影响,EVI值的范围(-1—1),一般绿色植被区的范围是(0.2—1)。EVI计算公式如下:
E V I = G ρ N I R - ρ R ρ N I R + c 1 ρ R - c 2 ρ B l u e + 1 (3)
其中: ρ B l u e 为蓝光波段的地表反射率;c 1 和 c 2 为红色、蓝色波段系数,指定系数c 1 =6、c 2 =7.5;G 代表植被冠层背景,取值G = 2.5 。
土壤调整植被指数—SAVI:SAVI引入土壤调节因子,使得在不同亮度土壤背景下求得的植被指数相等,从而消除背景地物的影响。S A V I 的计算公式如下:
S A V I = ρ N I R - ρ R ρ N I R + ρ R + L ( 1 + L ) (4)
其中: L 表示土壤亮度校正系数,取值范围0~1。当L=0 时,表示植被覆盖度也为0;当L=1时,表示植被覆盖度很高,土壤背景的影响为0;本文的实验中L取值为0.5。
植被覆盖度—FVC:利用遥感的方式计算植被覆盖度的方法有很多种,常用的方法是利用NDVI近似估算植被覆盖度(FVC),其表达式如下:
F V C = ( N D V I - N D V I s o i l N D V I v e g - N D V I s o i l ) n (5)
其中: N D V I s o i l 表示裸土的NDVI值,N D V I v e g 表示全植被覆盖像元的NDVI值;n 通常取2。N D V I s o i l 和 N D V I v e g 的计算公式如下:
N D V I s o i l = F V C m a x * N D V I m i n - F V C m i n * N D V I m a x F V C m a x - F V C m i n (6)
N D V I v e g = 1 - F V C m i n * N D V I m a x - ( 1 - F V C m a x ) * N D V I m i n F V C m a x - F V C m i n (7)
N D V I s o i l 和N D V I v e g 是计算植被覆盖度的关键,当研究区内的植被覆盖度可近似认为是F V C m a x =100%,F V C m i n =0%,此时公式(5)则变为:
F V C = ( N D V I - N D V I m i n N D V I m a x - N D V I m i n ) 2 (8)
其中:N D V I m a x 为研究区内的最大NDVI值;N D V I m i n 为研究区内的最小NDVI值;为了排除遥感影像噪声的影响,N D V I m a x 和N D V I m i n 按一定置信度区间取值,置信区间依影像实际情况而定。
3.3 土壤水分指标M0
在三角/梯形空间中,对于一定的植被覆盖度,地表土壤水分随地表温度的增加而减少;植被覆盖度越低,地表土壤水分随地表温度的变化程度就越大,形成一个以 x 轴为植被指数,y 轴为地表温度的二维空间散点图。有效地表土壤水分可由地表温度与植被指数关系的斜率表示。在LST-VI特征空间中,有些学者认为土壤水分指标从裸土到全植被覆盖呈非线性变化,为了计算简便,大多数学者则假设土壤水分指标从裸土到最大植被覆盖呈线性变化[20 -23 ] 。
对于特定的植被覆盖度,土壤水分指标M0 表示为最大地表温度减去某像元点的地表温度值与最大温度与最小温度值之差的比值。在广西喀斯特地区最大地表温度和最小地表温度在干、湿边上与植被覆盖度总体呈线性关系。具体表示如图5 和公式(11)所示。
图5
图5
T* -VI特征空间示意图
Fig.5
T* -VI feature space diagram
在图5 中,A点代表干燥的裸土,B点代表饱和的裸土,C点代表全植被覆盖下受水分胁迫的状态(植被萎蔫点),D点代表饱和含水量的全植被覆盖状态。线段AC代表极限干边,线段BD代表极限湿边。地表土壤水分指标M 0 表示如下:
T m a x * = a 1 + b 1 * V I (9)
T m i n * = a 2 + b 2 * V I (10)
M 0 = m p m n = T m a x * - T i * T m a x * - T m i n * (11)
其中:T m a x * 和T m i n * 分别表示在相同VI条件下对应的归一化地表温度的最大值和最小值;a 1 和 b 1 、a 2 和 b 2 表示干边和湿边的拟合系数;VI表示不同的植被指数。
公式(11)中,T i * 表示某一像元归一化后的地表温度。M0 的值在0—1之间变化,M0 越小,越靠近干边,说明土壤水分含量越少;相反,M0 越大,越靠近湿边,说明土壤水分含量越高。但是,M0 是表征地表土壤含水量多少的指标,并不是实际地表土壤含水量。
4 数据处理与分析
4.1 样本点选取与数据采集
为了分析不同大气强迫下M0 随时间的变化特征,研究选取广西区域内的喀斯特山区、森林以及农田三种典型下垫面的多个像元进行分析,图6 绘制了实验所选取像元点的分布情况。像元点分布覆盖广西东西南北以及中部地区。像元点P2、P3、P6与P17分布在隆林县、河池、桂林与玉林地区;像元点P1、P4、P5、P7、P8、P10、P11、P14与P16分布在百色、南宁、桂林、贵港、崇左与北海等地区;像元点P9、P12、P13与P15分别位于上林县大明山、桂平铜锣冲、贺州三杀冲与北海市青山岭,其中大明山像元点海拔约1 600 m,植被茂盛。上述各像元点的分布类型和位置、植被以及土壤性质具有典型性和代表性。
图6
图6
土壤水分变化分析试验像元点分布
审图号:GS(2019)3333号
Fig.6
Experimental points distribution for soil moisture change analysis
4.2 数据处理流程
首先,在地表土壤水分反演中,为了能有效消除太阳辐射和大气背景差异的影响,利用地形(DEM)对地表温度进行改正,本文参照Yan等[16 ] 提出的方法,得到改正后的地表温度,按-3.7 ℃/km。然后将改正后的LST数据进行归一化处理得到T* ,并结合4种植被指数NDVI、EVI、SAVI、FVC的对比分析,将归一化的地表温度T* 和优选后的植被指数VI建立归一化T* -VI特征空间,利用公式(9)—(11)计算得到土壤水分指标M0 ,并采用实测相对土壤湿度数据对反演结果进行验证。重点研究喀斯特山区、农田、森林3种不同下垫面土壤水分随时间变化的规律,以及土壤水分空间分布变化及成因。具体数据处理流程如图7 所示。
图7
图7
数据处理流程
Fig.7
Flow chart of data processing
4.3 结果分析
4.3.1 植被指数的适用性分析
LST-VI特征空间中,植被指数最常用的是NDVI,但NDVI对高植被区域具有较低的灵敏度。为了提高LST-VI特征空间在喀斯特地区反演地表土壤水分的精度,利用NDVI、EVI、SAVI、FVC 4种植被指数与地表温度构建散点图,并利用Tang等[24 ] 线性回归函数拟合LST-VI特征空间干湿边,消除伪干点和伪湿点的影响,然后比较其干湿边拟合优度。基于地表温度与4种植被指数构建的LST-VI特征空间如图8 所示。
图8
图8
地表温度与4种植被指数的特征空间
Fig.8
Characteristic space of surface temperature and four vegetation indices
通过图8 可以看出,NDVI、FVC、SAVI 3种指数与地表温度构建的散点图基本呈现梯形分布,但其指数数据分布聚集区域不同,NDVI在0.3至0.8之间,FVC在0.05至0.8之间,SAVI集中在0.15至0.4之间,而EVI指数没有呈现梯形特征。为了提高特征空间干湿边的拟合优度,需要消除伪干点和伪湿点对干湿边确定的影响。因此,在解译观测干湿边与理论干湿边差异的基础上,使用干边温度“存高去低”的筛选思路,然后通过阈值(由遥感地表温度反演的不确定性和统计学中的异常值确定)设定和迭代计算消除伪干点和伪湿点,基于线性拟合技术构建地表温度与4种植被指数的特征空间,如图9 所示。干湿边拟合方程及决定系数见表1 所示。
图9
图9
剔除异常值后的地表温度与4种植被指数的特征空间
Fig.9
Feature space of surface temperature and four vegetation indices after removing outliers
通过图9 和表1 可以看出,LST-NDVI和LST-FVC特征空间干湿边的拟合效果相当,干边拟合的R 2 明显高于湿边,消除伪干湿点后,干湿边拟合决定系数都有所增加,说明干湿边的拟合优度提高了。而LST-EVI和LST-SAVI特征空间干湿边的拟合效果较差,即使经过消除伪干湿点,LST-EVI干边拟合的R 2 也只有0.21。LST-SAVI干边拟合的R 2 在0.90左右,但是湿边拟合的R 2 很小,并且SAVI的植被指数的值域区间较小,不能真实反映植被覆盖度情况。因此,EVI和SAVI这两种植被指数在研究区效果不理想。由于FVC对植被生长变化情况更敏感,能较好地区分植被和土壤,与LST组成的二维特征空间散点图分布更为合理。因此,采用FVC与LST构成的特征空间来反演土壤水分指标M0 。
4.3.2 不同下垫面土壤水分随时间变化规律
为了分析不同大气强迫下M0 随时间的变化特征,选取广西地区不同下垫面进行分析。在所有像元点中选取典型的喀斯特山区像元点P2(位于百色,24°28′ N,105°22′ E)、P6(位于桂林,25°02′ N, 110°23′ E),典型的农田像元点P4(位于桂林龙脊梯田,25°45′ N,110°06′ E)、P14(位于崇左,属于旱地,22°04′ N,107°49′ E),以及典型的森林像元点P9(位于南宁上林的大明山,23°31′ N, 108°25′ E)、P15(位于北海,21°39′ N, 109°18′ E),根据像元点的归一化地表温度T* 、植被覆盖度FVC以及计算的土壤水分指标M0 ,利用Matlab编写程序提取出这些不同下垫面类型像元点在T* -FVC二维特征空间中随时间运动的轨迹图(20090117→20090407→20090610→20090930→20091117→20100218),如图10 所示。
图10
图10
森林、农田、喀斯特山区M0 随时间变化轨迹图
Fig.10
Trajectory of M0 with time in forest, farmland, and karst mountains
图10 (a)和图10 (b)是喀斯特山区像元点的时间轨迹图,图10 (a)位于P2百色,图10 (b)位于P6桂林;图10 (c)和图10 (d)是农田像元点的时间轨迹图,图10 (c)位于P4桂林龙胜,图10 (d)位于P14崇左;图10 (e)和图10 (f)是森林像元点的时间轨迹图,图10 (e)位于P15北海,图10 (f)位于P9南宁上林。总体来看,T* 和FVC具有年周期变化的特征。不论下垫面类型如何变化,地表温度6月份(夏季)最高,冬季最低。FVC的变化因下垫面类型不同而异。在喀斯特山区、原始灌木林区FVC轨迹变化较为相似,从1月到4月再到6月FVC逐渐增大,6月时达到最大,然后进入9月下旬(秋季),由于植被开始衰败枯萎,FVC表现出逐渐减小的趋势。农田因耕种方式和收割时间的差异FVC变化不尽相同。2009年1月和2010年2月T* 和FVC的互差总体较小,温度T* 相互差值最大为0.11(图10 (d)),FVC相互差值最大为0.08(图10 (a)),M0 相互差值最大为0.23(图10 (c)),说明2009年1月与2010年2月T* 、FVC及M0 的数值基本一致。虽然是不同的年度与月份,但同属冬季,其参数的变化较小。结合4、6、9月与11月份的参数数值变化,可以得知T* 、FVC及M0 3个参数具有明显的年周期性变化,这也符合季节变化的实际。
由图10 (a)和图10 (b)可以看出,喀斯特山区的T* 、FVC轨迹变化图与原始灌木林地区相似。纬度相近的喀斯特山区百色和桂林,T* 、FVC和M0 变化规律相近,数值大小相近,都是在6月份T* 、FVC的值达到最大,而后逐渐减小。T* 较低的1月、2月与11月的M0 大于T* 较高的6月、9月,也表现出温度升高而M0 减小的特征(趋于干旱)。
由图10 (c)和图10 (d)可以看出,虽然同为农田地区,由于所处的纬度不同,T* 的值域范围不同,耕种方式和收割时间不同,导致FVC变化趋势不一样,加之农作物类型的差异(图10 (c)为龙脊梯田,图10 (d)为崇左地区的旱地),最终致使M0 数值及变化不尽相同。总体而言,龙脊梯田的M0 高于崇左旱地的M0 ,这也符合耕种方式不同引起的土壤含水量不一样的实际情况,由此也说明M0 能够表征地表土壤含水量的变化。
由图10 (e)和图10 (f)可以看出,原始灌木林的轨迹变化最为相似。由于原始灌木林地区由于受人为影响因素较少,T* 、FVC的变化规律明显,其年变化幅度较小,具有明显的周期性变化特征。且在相同的FVC情况下,T* 越高,M0 越小,符合T* -FVC特征空间的物理解释。由于图10 (e)位于北海的原始灌木林比图10 (f)位于南宁上林的原始灌木林纬度更低,位于广西的最南端,常年温度较高,植被蒸腾较快。因此,M0 整体较小,最大值0.35出现在9月中旬。而图10 (f)位于南宁上林的大明山,虽然也是植被茂盛,但大明山海拔较高、常年温度较低,地表的蒸散发总体较小,M0 常年保持较高的数值,最小值0.55出现在4月中旬。
综合以上分析可知:T* 、FVC随季节具有周期变化的特性,M0 作为土壤含水量指标,其大小及数值变化一定程度上能够反映不同下垫面的土壤水分变化情况。
4.3.3 土壤水分空间变化特征
为得到广西地区2009—2010年喀斯特地区土壤水分空间变化特征,参考Li等[25 ] 分级方法,并利用所获取的土壤水分指标,对研究区土壤水分状况进行分级:极干旱(0≤M0 <0.2)、干旱(0.2≤M0 <0.4)、正常(0.4≤M0 <0.6)、湿润(0.6≤M0 <0.8)、极湿润(0.8≤M0 <1)。利用ArcGIS软件分别制作研究区2009—2010年1、2、4、6、9月和11月的喀斯特地貌等级分布图。
根据植被覆盖度F V C 与归一化后的地表温度T* ,利用公式(11)解算出广西省2009年不同时期的M0 ,如图11 所示。
图11
图11
广西地区不同时期的M0 空间分布图
Fig.11
Spatial distribution map of M0 in Guangxi region in different periods
从图11 广西地区M0 空间分布可知,随着温度与植被覆盖度的季节性变化,M0 在时间、空间上也相应发生变化。为了能更直观地分析M0 的变化情况,将各期M0 值域所占百分比进行统计,如图12 所示。
图12
图12
广西2009年—2010年各期M0 值域百分比统计图
Fig.12
Statistical chart of M0 value domain percentages for each period of 2009—2010 in Guangxi
从图11 的M0 空间分布和图12 的统计可以得出:在2009年1月中旬,M0 低值区(小于0.4)主要分布在广西南部北海、钦州、防城港与南宁等温度较高的部分地区,其在广西全区面积占比为48.1%;进入4月上旬,随着温度升高与农田翻种引起土壤扰动,地表土壤水分快速蒸发,总体上M0 较1月上旬有所减小,M0 低值区占比提高到59.7%,其范围向广西西北部扩展;到6月份进入夏季,温度持续升高,植被蒸腾加快,加速地表土壤的干旱,M0 小于0.4的低值区占比增加至78.8%,其中M0 小于0.2的极低值区主要分布在地表温度较高的沿海一带,如:北海、钦州和防城港,以及地表土壤稀薄,储水能力较差的喀斯特地貌的集中分布区,如:桂林、河池、百色、崇左一带。时间进入9月下旬,温度的持续升高与植被蒸腾的加强有利于地表蒸散发,使得地表土壤干旱进一步加剧。M0 低值区范围在实验各期中达到最大,在广西各市县都有出现,其占比达到了80.8%。和6月份的分布相似,在沿海一带以及喀斯特地貌分布地区,M0 值尤其低,程度比6月份更严重;进入11月中旬,随着大部分庄稼采收结束与温度下降,M0 低值区面积大幅收缩至36%,主要分布于广西西南部与中东部部分地区,广西北部、东部地区M0 数值明显增大;到2010年2月冬春交际之时,FVC总体上高于农作物采收之后的季节而低于农作物生长茂盛的时节,另由于气温较往年同期偏高3—5℃,降雨量全区偏少60%—80%,因此2010年2月M0 低值区分布较广,覆盖崇左、南宁、隆林与北海与梧州等西南地区,M0 低值区面积占比达到了48.7%。总体来看,广西M0 值域分布具有夏季小于冬季,西南部小于东北部,喀斯特地区小于非喀斯特地区的特征,农田M0 季节变化较明显。
4.3.4 土壤水分反演实测数据验证
为了验证广西的土壤水分指标M0 的可靠性与适用性,采用13个广西气象站实测的地表10 cm土壤相对含水量旬值数据进行精度验证。站点信息见表2 所示。
验证数据由20090117的2组数据,20090407的7组数据,20090930的9组数据,20100218的13组数据,共31组地表10 cm相对含水量与M0 数据组成,分析M0 与实测地表相对含水量的相关性。图13 为土壤水分指标M0 与实测数据的相关性散点图,可以得出二者的决定系数R 2 为0.69,土壤水分指标M0 与实测值的相关性较高,说明M0 在研究区能较好地反映土壤水分的变化情况。
图13
图13
土壤水分指标M0 与实测值的关系图
Fig.13
Plot of soil moisture index M0 versus measured values
5 结 论
以广西典型喀斯特地区为研究区,首先利用DEM对地表温度LST进行改正,将改正后的LST进行归一化处理得到T* ,并结合4种植被指数NDVI、EVI、SAVI、FVC的对比分析,将归一化的地表温度T* 和优选后的植被指数VI建立归一化T* -VI特征空间反演得到土壤水分指标M0 ,进而分析不同下垫面M0 随时间的运动轨迹和规律,以及其空间分布变化及原因,得到结论如下:
(1)通过比较NDVI、EVI、SAVI、FVC 4种植被指数在喀斯特地区的适用性,可有效提高LST-VI特征空间在喀斯特地区反演地表土壤水分的精度。研究发现,在剔除异常值后,4种植被指数中FVC对植被生长变化情况更敏感,能较好地区分植被和土壤,与LST组成的二维特征空间散点图分布更为合理。干边拟合决定系数R 2 达到0.96,湿边拟合决定系数R 2 为0.69,更适合用于广西喀斯特地区土壤水分反演研究。
(2)通过对研究区样本点监测,发现T* 、FVC随季节具有周期变化的特征。土壤含水量指标M0 能有效反映不同下垫面(喀斯特、森林、农田)的土壤水分变化情况。喀斯特山区的M0 随时间变化轨迹与原始灌木林地区相似,总体表现出温度升高而M0 减小的特征。农田地区的M0 随作物耕种和收割时间呈规律性变化,并能体现出农作物类型的差异。
(3)相同的下垫面类型在T* -FVC特征空间中随时间的运动轨迹和规律相似,说明下垫面类型是影响M0 变化的重要因素,M0 能够反映不同下垫面的土壤水分变化情况。
(4)土壤水分的空间变化特征明显。由广西地区M0 空间分布可知,随着温度与植被覆盖度的季节性变化,M0 在时间、空间上也相应发生变化。总体来看,广西地区的土壤水分分布呈现出夏季小于冬季,西南部小于东北部,喀斯特地区小于非喀斯特地区的规律,以及农田地区土壤水分随季节变化明显的特征。
本研究利用归一化的T*-FVC特征空间实现了喀斯特地区地表土壤水分时空动态变化监测。但文中只分析了森林、农田和喀斯特山区3种典型下垫面M0 随时间的运动轨迹和规律,后续将进行更详细下垫面类型土壤水分时空变化规律的研究,并利用无人机采集与遥感数据分辨率相匹配的面状信息对反演结果进行验证。
参考文献
View Option
[1]
Yan Hongbo , Zhou Guoqing . Research progress of optical remote sensing inversion method for surface soil moisture
[J]. Journal of Subtropical Resources and Environment ,2017 ,12 (2 ):82 -89 ,95 .
[本文引用: 1]
晏红波 , 周国清 .地表土壤湿度光学遥感反演方法研究进展
[J].亚热带资源与环境学报 ,2017 ,12 (2 ):82 -89 ,95 .
[本文引用: 1]
[2]
Yao Chunsheng , Zhang Zengxiang , Wang Xiao .Inversion of soil moisture in Xinjiang using Temperature Vegetation Drought Index (TVDI) method
[J]. Remote Sensing Technology and Applications , 2004 ,18 (6 ): 473 -478 .
[本文引用: 1]
姚春生 , 张增祥 , 汪潇 . 使用温度植被干旱指数法(TVDI)反演新疆土壤湿度
[J]. 遥感技术与应用 , 2004 ,18 (6 ):473 -478 .
[本文引用: 1]
[3]
Sandholt I , Rasmussen K , Andersen J . A simple interpretation of the Surface temperature/ vegetation index space for assessment of surface moisture status
[J]. Remote Sensing of Environment ,2002 ,79 (2 ):213 -224 . DOI:10.1016/S0034-4257(01)00274-7 .
[本文引用: 1]
[4]
Cao Yan , Wang Jie , Li Zufen , et al . Research on soil moisture inversion in Yunnan Province based on VSWI method
[J]. China Rural Water Conservancy and Hydropower ,2017 (4 ):22 -27 .
[本文引用: 1]
曹言 ,王杰 ,李竹芬 ,等 .基于VSWI法的云南省土壤水分反演研究
[J]. 中国农村水利水电 , 2017 (4 ):22 -27 .
[本文引用: 1]
[5]
Wang Pengxin , Gong Jinya , Li Xiaowen . Conditional vegetation temperature index and its application in drought monitoring
[J]. Journal of Wuhan University (Information Science Edition) , 2001 , 26 (5 ):412 -418 .
[本文引用: 1]
王鹏新 , 龚健雅 , 李小文 . 条件植被温度指数及其在干旱监测中的应用
[J]. 武汉大学学报(信息科学版) , 2001 , 26 (5 ):412 -418 .
[本文引用: 1]
[6]
Ghulam A , Qin Q , Teyip T , et al . Modified perpendicular drought index (MPDI): a real-time drought monitoring method
[J]. Photogrammetry & Remote Sensing , 2007 ,62 :150 -164 .DOI:10.1016/j.isprsjprs.2007.03.002 .
[本文引用: 1]
[7]
Man Yuanwei , Li Jing , Xing Liting . Construction and application of Temperature-soil Moisture-Precipitation Drought Index (TMPDI) based on multi-source remote sensing data
[J].Arid Zone Research , 2021 , 38 (5 ): 1442 -1451 .
[本文引用: 1]
满元伟 ,李净 ,邢立亭 .基于多源遥感数据的温度-土壤湿度-降水干旱指数(TMPDI)的构建与应用
[J].干旱区研究 , 2021 ,38 (5 ): 1442 -1451 .
[本文引用: 1]
[8]
Song Tingqiang , Lu Xueli , Lu Mengyao ,et al . Construction of an agricultural drought monitoring model based on crop water deficit index
[J]. Journal of Agricultural Engineering , 2021 , 37 (24 ):65 -72 .
[本文引用: 1]
宋廷强 , 鲁雪丽 , 卢梦瑶 ,等 . 基于作物缺水指数的农业干旱监测模型构建
[J]. 农业工程学报 , 2021 , 37 (24 ):65 -72 .
[本文引用: 1]
[9]
Carlson T N , Petropoulos G P . A new method for estimating of evapotranspiration and surface soil moisture from optical and thermal infrared measurements: The simplified triangle
[J]. Remote Sensing ,2019 ,40 (20 ):7716 -7729 .DOI:10. 1080/01431161.2019.1601288 .
[本文引用: 1]
[10]
Yang Na , Guo Xingguo . Remote sensing inversion of soil moisture in the national grassland ecosystem cover based on NDVI zoning
[J]. Soil and Water Conservation Research ,2022 ,29 (3 ):147 -155 .
[本文引用: 1]
杨娜 ,郭兴国 .基于NDVI分区的全国草地生态系统覆盖区土壤水分遥感反演
[J].水土保持研究 ,2022 ,29 (3 ):147 -155 .
[本文引用: 1]
[11]
Hassanpour R , Zarehaghi D , Neyshabouri M R , et al . Modification on optical trapezoid model for accurate estimation of soil moisture content in a maize growing field
[J]. Journal of Applied Remote Sensing ,2020 ,14 (3 ):034519 .DOI:10.1117/1.JRS.14.034519 .
[本文引用: 1]
[12]
Yuan L , Li L , Zhang T , et al . Soil Moisture Estimation for the Chinese Loess Plateau Using MODIS-derived ATI and TVDI
[J]. Remote Sensing , 2020 , 12 : 3040 .DOI:10.3390/rs12183040 .
[本文引用: 1]
[13]
Sun Jingxia , Zhang Dongyou , Hou Yuchu . Collaborative inversion of forest surface soil moisture based on multi-source remote sensing data
[J]. Remote Sensing Technology and Applications , 2021 , 36 (3 ):564 -570 .
[本文引用: 1]
孙景霞 , 张冬有 , 侯宇初 . 基于多源遥感数据协同反演森林地表土壤水分研究
[J]. 遥感技术与应用 , 2021 , 36 (3 ):564 -570 .
[本文引用: 1]
[14]
Peng Shuyan , Zhao Long , Li Tingting , et al . Soil moisture inversion study of typical watersheds in karst trough valley area based on cosmic ray observation
[J]. Remote Sensing Technology and Applications , 2021 , 36 (5 ):997 -1008 .
[本文引用: 1]
彭书艳 ,赵龙 ,李婷婷 ,等 .基于宇宙射线观测的喀斯特槽谷区典型流域土壤水分反演研究
[J].遥感技术与应用 ,2021 ,36 (5 ): 997 -1008 .
[本文引用: 1]
[16]
Yan H , Zhou G , Yang F , et al . DEM correction to the TVDI method on drought monitoring in karst areas
[J]. Remote Sensing , 2019 , 40 (5-6 ): 2166 -2189 .
[本文引用: 2]
[17]
Wang Sheng , Bao Xiaohuai , Rong Ying ,et al . Effects of rainfall intensity on soil moisture and flow production characteristics in southwest karst slopes
[J]. Agricultural Modernization Research ,2020 ,41 (5 ):889 -898 .
DOI:10.13872/j.1000-0275.2020.0084
[本文引用: 1]
[本文引用: 1]
[18]
Sadeghi M , Babaeian E , Tuller S B , et al . The optical trapezoid model: A novel approach to remote sensing of soil moisture applied to Sentinal-2 and Landsat-8 observations
[J]. Remote Sensing of Environment 2017 , 198 :52 -68 .DOI:10.1016/j.rse.2017.05.041 .
[本文引用: 1]
[19]
Babaeian E , Sadeghi M , Franz T E ,et al .Mapping soil moisture with the Ooptical TRApezoid Model (OPTRAM) based on long-term MODIS observations
[J].Remote Sensing of Environ-ment ,2018 ,211 :425 -440 . DOI:10.1016/j.rse. 2018. 04.029 .
[本文引用: 1]
[20]
Tang Ronglin , Wang Shengli , Yazhen J , et al . A review of remote sensing inversion of surface evapotranspiration based on surface temperature-vegetation index triangle/trapezoid feature space
[J]. Journal of Remote Sensing , 2021 , 25 (1 ): 65 -82 .
[本文引用: 2]
唐荣林 ,王晟力 ,姜亚珍 ,等 .基于地表温度——植被指数三角/梯形特征空间的地表蒸散发遥感反演综述
[J].遥感学报 ,2021 ,25 (1 ):65 -82 .
[本文引用: 2]
[21]
Carlson T N . An overview of the “triangle method” for estimating surface evapotranspiration and soil moisture from satellite imagery
[J]. Sensors , 2007 , 7 :1612 -1629 .
[22]
Zhang D J , Tang R L , Tang B H , et al . A simple method for soil moisture determination from LST-VI feature space using non-linear interpolation based on thermal infrared remotely sensed data
[J]. Applied Earth Observations and Remote Sensing , 2015 , 8 :638 -648 .
[23]
Zhao W , Li A , Jin H , et al . Performance evaluation of the triangle-based empirical soil moisture relationship models based on Landsat-5 TM data and in-situ measurements
[J]. Remote Sensing ,2017 ,5 (55 ):2632 -2645 .DOI:10.1109/tgrs. 2017. 2649522 .
[本文引用: 1]
[24]
Tang R L , Li Z L , Tang B H . An application of the Ts-VI triangle method with enhanced edges determination for evapotranspiration estimation from MODIS data in arid and semi-arid regions: Implementation and validation
[J]. Remote Sensing of Environment ,2010 ,114 (3 ):540 -551 .
[本文引用: 1]
[25]
Li Qilin , Fan Guangzhou , Zhou Dingwen , et al . Correction of comprehensive meteorological drought index in southwest China
[J]. Journal of Southwest Normal University (Natural Science Edition) , 2016 , 41 (1 ):138 -146 .
[本文引用: 1]
李奇临 ,范广洲 ,周定文 ,等 . 综合气象干旱指数在西南地区的修正
[J]. 西南师范大学学报(自然科学版) ,2016 ,41 (1 ):138 -146 .
[本文引用: 1]
地表土壤湿度光学遥感反演方法研究进展
1
2017
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
地表土壤湿度光学遥感反演方法研究进展
1
2017
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
使用温度植被干旱指数法(TVDI)反演新疆土壤湿度
1
2004
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
使用温度植被干旱指数法(TVDI)反演新疆土壤湿度
1
2004
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
A simple interpretation of the Surface temperature/ vegetation index space for assessment of surface moisture status
1
2002
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
基于VSWI法的云南省土壤水分反演研究
1
2017
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
基于VSWI法的云南省土壤水分反演研究
1
2017
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
条件植被温度指数及其在干旱监测中的应用
1
2001
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
条件植被温度指数及其在干旱监测中的应用
1
2001
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
Modified perpendicular drought index (MPDI): a real-time drought monitoring method
1
2007
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
基于多源遥感数据的温度-土壤湿度-降水干旱指数(TMPDI)的构建与应用
1
2021
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
基于多源遥感数据的温度-土壤湿度-降水干旱指数(TMPDI)的构建与应用
1
2021
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
基于作物缺水指数的农业干旱监测模型构建
1
2021
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
基于作物缺水指数的农业干旱监测模型构建
1
2021
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
A new method for estimating of evapotranspiration and surface soil moisture from optical and thermal infrared measurements: The simplified triangle
1
2019
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
基于NDVI分区的全国草地生态系统覆盖区土壤水分遥感反演
1
2022
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
基于NDVI分区的全国草地生态系统覆盖区土壤水分遥感反演
1
2022
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
Modification on optical trapezoid model for accurate estimation of soil moisture content in a maize growing field
1
2020
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
Soil Moisture Estimation for the Chinese Loess Plateau Using MODIS-derived ATI and TVDI
1
2020
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
基于多源遥感数据协同反演森林地表土壤水分研究
1
2021
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
基于多源遥感数据协同反演森林地表土壤水分研究
1
2021
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
基于宇宙射线观测的喀斯特槽谷区典型流域土壤水分反演研究
1
2021
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
基于宇宙射线观测的喀斯特槽谷区典型流域土壤水分反演研究
1
2021
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
UAV based soil moisture remote sensing in a karst mountainous catchment
1
2019
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
DEM correction to the TVDI method on drought monitoring in karst areas
2
2019
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
... 首先,在地表土壤水分反演中,为了能有效消除太阳辐射和大气背景差异的影响,利用地形(DEM)对地表温度进行改正,本文参照Yan等[16 ] 提出的方法,得到改正后的地表温度,按-3.7 ℃/km.然后将改正后的LST数据进行归一化处理得到T* ,并结合4种植被指数NDVI、EVI、SAVI、FVC的对比分析,将归一化的地表温度T* 和优选后的植被指数VI建立归一化T* -VI特征空间,利用公式(9 )—(11 )计算得到土壤水分指标M0 ,并采用实测相对土壤湿度数据对反演结果进行验证.重点研究喀斯特山区、农田、森林3种不同下垫面土壤水分随时间变化的规律,以及土壤水分空间分布变化及成因.具体数据处理流程如图7 所示. ...
降雨强度对西南喀斯特坡地土壤水分及产流特征的影响
1
2020
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
降雨强度对西南喀斯特坡地土壤水分及产流特征的影响
1
2020
... 传统的土壤水分信息获取方式以地面实测为主,耗时耗力,成本高,难以反映大范围土壤水分的宏观变化.利用遥感监测土壤水分具有范围广、时效快、成本低,动态对比性强的优点,是进行大区域长时期土壤水分变化监测的有效手段.如晏红波等[1 ] 根据所用电磁波波段的不同,利用遥感反演地表土壤水分可分为光学遥感、微波遥感,以及光学和微波联合反演方法.其中基于地表温度LST和植被指数VI组成的二维特征空间来反演土壤水分的方法应用较为广泛,由此发展了很多土壤水分指数方法,如:温度植被干旱指数法(TVDI)[2 -3 ] 、植被供水指数法(VSWI)[4 ] 、条件植被温度指数法(VTCI)[5 ] 、垂直植被指数法(PDI)[6 -7 ] 、作物缺水指数法(CWSI)[8 ] 和温度变化速率植被干旱指数(TRRVDI)[9 ] 等等.每种方法都有其适用的前提条件,如:温度植被干旱指数法(TVDI)要求下垫面均一,研究区有从裸土到全植被覆盖足够多的像元[10 ] .极限干湿边的确定是此方法成败的关键,但Hassanpour等[11 ] 发现目前关于干湿边的确定也没有统一的方法和标准.作物缺水指数法(CWSI)需要测量大量参数,其中植被最小冠层阻力的确定异常困难,而且在计算过程中很多参数需要假定,因此,该模型反演土壤水分的精度并不高.TRRVDI需要获取一天中多个时刻的遥感温度数据,因此只能用静止气象卫星数据,并且此方法仅适用于晴天状况下的裸土表面,在植被覆盖区并不适用.Yuan等[12 ] 发现由于不同土壤类型表现出非平面地形特征,垂直植被指数法(PDI)随着植被覆盖度增大,反演精度明显降低.因此,孙景霞等[13 ] 使用多源遥感数据所建立的土壤水分反演模型能得到质量较高的反演结果,用于估算森林、灌丛等高植被覆盖下地表土壤水分含量适用性较强,可应用于其他高植被覆盖度地区的地表土壤水分含量反演.目前,国内外学者在西南地区利用遥感进行土壤水分监测方面展开了一定的研究,如:彭书艳等[14 ] 利用COSMOS土壤水分反演算法生成了喀斯特地区长时间序列土壤水分产品,并用多个土壤水分监测站点的实测数据进行验证,揭示了喀斯特地区的土壤水分季节性变化.Luo等[15 ] 分析了植被、土壤、地形等因素对土壤水分空间变异的影响,认为植被类型能够解释35.7%的土壤水分变化,并构建了中国西南部喀斯特山区的土壤水分统计反演模型.Yan等[16 ] 在广西地区利用DEM改正了地表温度,并进行了地表土壤水分反演和干旱监测分析,效果较好.王升等[17 ] 研究了在广西地区降雨强度对喀斯特坡地土壤水分反演和土壤水分对径流的响应关系.地表土壤水分变化活跃,容易流失,不同的下垫面类型土壤水分时空差异较大,但是目前鲜有关于针对不同下垫面类型土壤水分变化规律的研究.因此,本文基于LST-VI特征空间,综合利用多源数据,分析广西典型喀斯特地区不同下垫面类型,土壤水分随时间的运动轨迹和规律,以及其空间分布变化及原因,为岩溶地区的气候变化研究、生态环境监测、治理和可持续发展提供科学依据. ...
The optical trapezoid model: A novel approach to remote sensing of soil moisture applied to Sentinal-2 and Landsat-8 observations
1
198
... LST-VI特征空间的核心思想是:假设研究区内包含从裸土到全植被覆盖的足够多的像元,在去除水体和云的影响后,像元地表温度(LST)与植被指数指标(VI)的散点图汇聚成三角形或者梯形的空间分布,通过像元点在特征空间中的位置不同反映土壤水分的变化[18 -19 ] .梯形空间法的理论极限边界条件的求解需要用到地面气象参数,相对复杂;三角形空间是梯形空间形式的一种简化研究.LST-VI特征空间的原理示意图如下: ...
Mapping soil moisture with the Ooptical TRApezoid Model (OPTRAM) based on long-term MODIS observations
1
2018
... LST-VI特征空间的核心思想是:假设研究区内包含从裸土到全植被覆盖的足够多的像元,在去除水体和云的影响后,像元地表温度(LST)与植被指数指标(VI)的散点图汇聚成三角形或者梯形的空间分布,通过像元点在特征空间中的位置不同反映土壤水分的变化[18 -19 ] .梯形空间法的理论极限边界条件的求解需要用到地面气象参数,相对复杂;三角形空间是梯形空间形式的一种简化研究.LST-VI特征空间的原理示意图如下: ...
基于地表温度——植被指数三角/梯形特征空间的地表蒸散发遥感反演综述
2
2021
... 图3 中A点代表干燥的裸土,B点代表饱和含水量的裸土,C点代表全植被覆盖的极限状态.图4 中A点代表干燥的裸土,B点代表饱和的裸土,C点代表全植被覆盖下受水分胁迫的状态(植被萎蔫点),D点代表饱和含水量的全植被覆盖状态.线段AC代表极限干边,线段BD(三角形空间中的BC)代表极限湿边.极限干边可以通过地表能量平衡方程解算或由回归函数拟合得出;极限湿边根据LST-VI的散点图利用回归函数进行拟合,也可以将研究区内的平均气温或水体表面温度等作为极限湿边[20 ] . ...
... 在三角/梯形空间中,对于一定的植被覆盖度,地表土壤水分随地表温度的增加而减少;植被覆盖度越低,地表土壤水分随地表温度的变化程度就越大,形成一个以 x 轴为植被指数,y 轴为地表温度的二维空间散点图.有效地表土壤水分可由地表温度与植被指数关系的斜率表示.在LST-VI特征空间中,有些学者认为土壤水分指标从裸土到全植被覆盖呈非线性变化,为了计算简便,大多数学者则假设土壤水分指标从裸土到最大植被覆盖呈线性变化[20 -23 ] . ...
基于地表温度——植被指数三角/梯形特征空间的地表蒸散发遥感反演综述
2
2021
... 图3 中A点代表干燥的裸土,B点代表饱和含水量的裸土,C点代表全植被覆盖的极限状态.图4 中A点代表干燥的裸土,B点代表饱和的裸土,C点代表全植被覆盖下受水分胁迫的状态(植被萎蔫点),D点代表饱和含水量的全植被覆盖状态.线段AC代表极限干边,线段BD(三角形空间中的BC)代表极限湿边.极限干边可以通过地表能量平衡方程解算或由回归函数拟合得出;极限湿边根据LST-VI的散点图利用回归函数进行拟合,也可以将研究区内的平均气温或水体表面温度等作为极限湿边[20 ] . ...
... 在三角/梯形空间中,对于一定的植被覆盖度,地表土壤水分随地表温度的增加而减少;植被覆盖度越低,地表土壤水分随地表温度的变化程度就越大,形成一个以 x 轴为植被指数,y 轴为地表温度的二维空间散点图.有效地表土壤水分可由地表温度与植被指数关系的斜率表示.在LST-VI特征空间中,有些学者认为土壤水分指标从裸土到全植被覆盖呈非线性变化,为了计算简便,大多数学者则假设土壤水分指标从裸土到最大植被覆盖呈线性变化[20 -23 ] . ...
An overview of the “triangle method” for estimating surface evapotranspiration and soil moisture from satellite imagery
0
2007
A simple method for soil moisture determination from LST-VI feature space using non-linear interpolation based on thermal infrared remotely sensed data
0
2015
Performance evaluation of the triangle-based empirical soil moisture relationship models based on Landsat-5 TM data and in-situ measurements
1
2017
... 在三角/梯形空间中,对于一定的植被覆盖度,地表土壤水分随地表温度的增加而减少;植被覆盖度越低,地表土壤水分随地表温度的变化程度就越大,形成一个以 x 轴为植被指数,y 轴为地表温度的二维空间散点图.有效地表土壤水分可由地表温度与植被指数关系的斜率表示.在LST-VI特征空间中,有些学者认为土壤水分指标从裸土到全植被覆盖呈非线性变化,为了计算简便,大多数学者则假设土壤水分指标从裸土到最大植被覆盖呈线性变化[20 -23 ] . ...
An application of the Ts-VI triangle method with enhanced edges determination for evapotranspiration estimation from MODIS data in arid and semi-arid regions: Implementation and validation
1
2010
... LST-VI特征空间中,植被指数最常用的是NDVI,但NDVI对高植被区域具有较低的灵敏度.为了提高LST-VI特征空间在喀斯特地区反演地表土壤水分的精度,利用NDVI、EVI、SAVI、FVC 4种植被指数与地表温度构建散点图,并利用Tang等[24 ] 线性回归函数拟合LST-VI特征空间干湿边,消除伪干点和伪湿点的影响,然后比较其干湿边拟合优度.基于地表温度与4种植被指数构建的LST-VI特征空间如图8 所示. ...
综合气象干旱指数在西南地区的修正
1
2016
... 为得到广西地区2009—2010年喀斯特地区土壤水分空间变化特征,参考Li等[25 ] 分级方法,并利用所获取的土壤水分指标,对研究区土壤水分状况进行分级:极干旱(0≤M0 <0.2)、干旱(0.2≤M0 <0.4)、正常(0.4≤M0 <0.6)、湿润(0.6≤M0 <0.8)、极湿润(0.8≤M0 <1).利用ArcGIS软件分别制作研究区2009—2010年1、2、4、6、9月和11月的喀斯特地貌等级分布图. ...
综合气象干旱指数在西南地区的修正
1
2016
... 为得到广西地区2009—2010年喀斯特地区土壤水分空间变化特征,参考Li等[25 ] 分级方法,并利用所获取的土壤水分指标,对研究区土壤水分状况进行分级:极干旱(0≤M0 <0.2)、干旱(0.2≤M0 <0.4)、正常(0.4≤M0 <0.6)、湿润(0.6≤M0 <0.8)、极湿润(0.8≤M0 <1).利用ArcGIS软件分别制作研究区2009—2010年1、2、4、6、9月和11月的喀斯特地貌等级分布图. ...