CN103675234A - 基于地表温度与植被指数特征空间的干旱指数快速监测方法 - Google Patents
基于地表温度与植被指数特征空间的干旱指数快速监测方法 Download PDFInfo
- Publication number
- CN103675234A CN103675234A CN201310676807.2A CN201310676807A CN103675234A CN 103675234 A CN103675234 A CN 103675234A CN 201310676807 A CN201310676807 A CN 201310676807A CN 103675234 A CN103675234 A CN 103675234A
- Authority
- CN
- China
- Prior art keywords
- index
- surface temperature
- feature space
- vegetation
- drought
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种基于地表温度与植被指数特征空间的干旱指数快速监测方法,具体为:利用卫星遥感被监测区域的地表温度和植被指数;以先验信息为判定条件,对卫星数据进行预处理;基于预处理后的地表温度和归一化植被指数卫星数据,构建特征空间;由特征空间拟合出特征空间干湿边;由特征空间干湿边得到干湿边截距、干湿边斜率等各参数;由各特征空间参数和地表温度和归一化植被指数卫星数据,得到温度植被干旱指数;由温度植被干旱指数,得到地表土壤含水量,最终进行干旱监测。本发明解决了以往特征空间法干湿边不稳定,过度放大变量差异,甚至出现所得参数的数值超出该参数应有物理意义值域的错误现象。
Description
技术领域
本发明涉及卫星遥感数据干旱反演领域,尤其涉及一种基于地表温度与植被指数特征空间的干旱指数快速监测方法。
背景技术
干旱对人类社会特别是农业生产造成巨大损失。中国各种自然灾害造成的损失中,干旱列为首位。据统计,中国农业自然灾害的近60%是干旱造成的。因此干旱监测的研究,对于了解旱情程度和分布,采取有效的防旱抗旱措施,科学指导农业生产,具有重要意义。
然而传统的干旱监测方法,主要是根据有限的旱情测量站点测定土壤水分含量来进行旱情监测。采样速度慢,范围有限而且花费大量的人力物力,难以满足当前实时、干旱监测的需求。随着遥感技术的迅速发展,卫星遥感快速获取大面积地表信息的方式使实时或准实时大范围干旱监测成为可能。
地表温度是控制地表大多数物理、化学和生物过程的参数之一。对裸土来说,它是指土壤表面温度;对植被覆盖的地表而言,可认为是植物冠层的表面温度。植物冠层温度升高是植物受到水分胁迫和发生干旱的初始指示器,基于此机理,地表温度可用于土壤干旱程度的监测。许多学者在研究地表温度与植被指数的空间分布规律发现,在一定的空间区域范围内,地表温度和植被指数散点分布空间往往形成三角形或者梯形的形状。而这一形状分布特征恰恰反映了地表温度随着地表植被覆盖和地表土壤水分等因素的变化特征,即整体上讲,地表温度随着植被指数的升高而呈现降低的趋势,而在相同植被覆盖条件下(即植被指数相同),地表温度的变化则主要由地表土壤水分状况来决定。
作为一种简单有效的遥感干旱监测方法,基于卫星光谱信息的特征空间法综合了植被指数和地表温度信息,反映了监测区域土壤含水量状况,具有明确的生物物理意义,但在遥感数据干旱监测应用中,经常出现干湿边不稳定,过度放大两个变量差异,甚至出现所得参数的数值超出该参数应有物理意义值域的错误现象。
发明内容
针对现有技术存在的问题,本发明的目的在于提供一种基于地表温度与植被指数特征空间的干旱指数快速确定方法,该方法解决了以往特征空间法干湿边不稳定,过度放大变量差异,甚至出现所得参数的数值超出该参数应有物理意义值域的错误现象。
为实现上述目的,本发明基于地表温度与植被指数特征空间的干旱指数快速监测方法,具体为:
1)利用卫星遥感被监测区域的地表温度和植被指数;
2)以先验信息为判定条件,对卫星遥感数据进行预处理;
3)基于预处理后的地表温度和归一化植被指数卫星数据,构建特征空间;
4)由特征空间拟合出特征空间干湿边;
5)由特征空间干湿边得到参数:干湿边截距、干湿边斜率;
6)由各特征空间参数、地表温度和归一化植被指数的卫星遥感数据,得到温度植被干旱指数;
7)由温度植被干旱指数,得到地表土壤含水量,最终进行干旱监测。
进一步,所述步骤2)具体为:
A)获取长时间序列的MODIS L2级500m的地表温度和1000m的植被指数数据,作为原始数据;
B)对卫星遥感数据进行预处理,以先验信息为判定条件,剔除明显的异常值,避免其代入干湿边的拟合。
进一步,所述步骤3)中,以预处理后的归一化植被指数卫星数据为横轴,预处理后的地表温度为纵轴,建立特征空间。
进一步,所述步骤6)具体为:
A)引入提出的一个特征空间法归一化系数,将该归一化系数设为变量,代入温度植被干旱指数的计算表达式中计算求值,计算表达式如下:
以已知的地表温度和植被指数数据产品为数据集,求出特征空间归一化系数最优值,以保证温度植被干旱指数的值在物理意义的应有值域中;
B)由步骤5)得到的各特征空间参数、地表温度和归一化植被指数的卫星遥感数据,和特征空间法归一化系数代入温度植被干旱指数的计算表达式中计算求值,计算表达式如下:
得到温度植被干旱指数。
进一步,所述已知的地表温度和植被指数数据产品为NASA提供的MODIS中国云南省2010-2013年的地表温度和植被指数数据产品。
进一步,所述原始数据的数据格式为HDF。
本发明解决了以往特征空间法干湿边不稳定,过度放大变量差异,甚至出现所得参数的数值超出该参数应有物理意义值域的错误现象。本发明作为一种简单有效的遥感干旱监测方法,基于卫星光谱信息的特征空间法综合了植被指数和地表温度信息,反映了监测区域土壤含水量状况,具有明确的生物物理意义,可适用于较广的范围。
附图说明
图1为本发明的结构框图;
图2为本发明的流程图。
具体实施方式
下面,参考附图1、图2,对本发明进行更全面的说明,附图中示出了本发明的示例性实施例。然而,本发明可以体现为多种不同形式,并不应理解为局限于这里叙述的示例性实施例。而是,提供这些实施例,从而使本发明全面和完整,并将本发明的范围完全地传达给本领域的普通技术人员。
本发明的监测方法利用MODIS L2数据构建以预处理后的归一化植被指数卫星数据为横轴,预处理后的地表温度为纵轴的特征空间。提出一个特征空间法归一化系数,将该归一化系数设为变量,代入温度植被干旱指数的计算表达式中计算求值。以NASA提供的MODIS中国云南省2010-2013年的地表温度和植被指数数据产品为数据集,求出归一化系数最优值以保证温度植被干旱指数的值在物理意义的应有值域中。为进一步反演干旱指数提供必要的前提,且该方法适用范围较广。
本发明基于地表温度与植被指数特征空间的干旱指数快速监测方法,具体为:
1)利用卫星遥感被监测区域的地表温度和植被指数;
2)以先验信息为判定条件,对卫星遥感数据进行预处理;
3)基于预处理后的地表温度和归一化植被指数卫星数据,构建特征空间;
4)由特征空间拟合出特征空间干湿边;
5)由特征空间干湿边得到参数:干湿边截距、干湿边斜率;
6)由各特征空间参数、地表温度和归一化植被指数的卫星遥感数据,得到温度植被干旱指数;
7)由温度植被干旱指数,得到地表土壤含水量,最终进行干旱监测。
步骤2)具体为:
A)获取长时间序列的,MODIS L2级500m的地表温度和1000m的植被指数数据,作为原始数据,该原始数据的数据格式为HDF;
B)对卫星遥感数据进行预处理,以先验信息为判定条件,剔除明显的异常值,避免其代入干湿边的拟合。
其中,步骤3)中,以预处理后的归一化植被指数卫星数据为横轴,预处理后的地表温度为纵轴,建立特征空间。
其中,步骤6)具体为:
A)引入提出的一个特征空间法归一化系数,将该归一化系数设为变量,代入温度植被干旱指数的计算表达式中计算求值,计算表达式如下:
以已知的地表温度和植被指数数据产品为数据集,求出特征空间归一化系数最优值,以保证温度植被干旱指数的值在物理意义的应有值域中;
B)由步骤5)得到的各特征空间参数、地表温度和归一化植被指数的卫星遥感数据,和特征空间法归一化系数代入温度植被干旱指数的计算表达式中计算求值,计算表达式如下:
得到温度植被干旱指数。
所述已知的地表温度和植被指数数据产品为NASA提供的MODIS中国云南省2010-2013年的地表温度和植被指数数据产品。
本发明提出一种改进方法,对目前遥感干旱监测中存在的错误现象进行修正,对遥感干旱监测特征空间法进行改进。并基于Terra-MODIS数据,对中国云南省2010至2013年干旱监测进行研究,进行验证。
本发明实验区为中国云南省,地处20.00~50.00°N、70.00~135.00°E,为低纬度高原,地势北高南低,主要受南孟加拉高压气流影响形成的高原季风气候,夏季平均温度在19~22℃左右,冬季平均温度在6~8℃以上。全省大部分地区年降水量在1100mm,南部部分地区可达1600mm以上。本文所用卫星资料为NASA提供的MODIS2010-2013年的地表温度和植被指数数据产品,为消除云、大气条件、观测角度和太阳角度的影响,选择8d合成的归一化植被指数(NDVI)和8d合成的地表温度。
Claims (6)
1.基于地表温度与植被指数特征空间的干旱指数快速监测方法,体特征在于,该方法具体为:
1)利用卫星遥感被监测区域的地表温度和植被指数;
2)以先验信息为判定条件,对卫星遥感数据进行预处理;
3)基于预处理后的地表温度和归一化植被指数卫星数据,构建特征空间;
4)由特征空间拟合出特征空间干湿边;
5)由特征空间干湿边得到参数:干湿边截距、干湿边斜率;
6)由各特征空间参数、地表温度和归一化植被指数的卫星遥感数据,得到温度植被干旱指数;
7)由温度植被干旱指数,得到地表土壤含水量,最终进行干旱监测。
2.如权利要求1所述的基于地表温度与植被指数特征空间的干旱指数快速监测方法,体特征在于,所述步骤2)具体为:
A)获取长时间序列的MODIS L2级500m的地表温度和1000m的植被指数数据,作为原始数据;
B)对卫星遥感数据进行预处理,以先验信息为判定条件,剔除明显的异常值,避免其代入干湿边的拟合。
3.如权利要求1所述的基于地表温度与植被指数特征空间的干旱指数快速监测方法,体特征在于,所述步骤3)中,以预处理后的归一化植被指数卫星数据为横轴,预处理后的地表温度为纵轴,建立特征空间。
4.如权利要求1所述的基于地表温度与植被指数特征空间的干旱指数快速监测方法,体特征在于,所述步骤6)具体为:
A)引入提出的一个特征空间法归一化系数,将该归一化系数设为变量,代入温度植被干旱指数的计算表达式中计算求值,计算表达式如下:
以已知的地表温度和植被指数数据产品为数据集,求出特征空间归一化系数最优值,以保证温度植被干旱指数的值在物理意义的应有值域中;
B)由步骤5)得到的各特征空间参数、地表温度和归一化植被指数的卫星遥感数据,和特征空间法归一化系数代入温度植被干旱指数的计算表达式中计算求值,计算表达式如下:
得到温度植被干旱指数。
5.如权利要求1所述的基于地表温度与植被指数特征空间的干旱指数快速监测方法,体特征在于,所述已知的地表温度和植被指数数据产品为NASA提供的MODIS中国云南省2010-2013年的地表温度和植被指数数据产品。
6.如权利要求1所述的基于地表温度与植被指数特征空间的干旱指数快速监测方法,体特征在于,所述原始数据的数据格式为HDF。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310676807.2A CN103675234A (zh) | 2013-12-11 | 2013-12-11 | 基于地表温度与植被指数特征空间的干旱指数快速监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310676807.2A CN103675234A (zh) | 2013-12-11 | 2013-12-11 | 基于地表温度与植被指数特征空间的干旱指数快速监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103675234A true CN103675234A (zh) | 2014-03-26 |
Family
ID=50313423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310676807.2A Pending CN103675234A (zh) | 2013-12-11 | 2013-12-11 | 基于地表温度与植被指数特征空间的干旱指数快速监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103675234A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389559A (zh) * | 2015-11-12 | 2016-03-09 | 中国科学院遥感与数字地球研究所 | 基于高分辨率遥感影像的农业灾害范围识别系统及方法 |
CN105510231A (zh) * | 2015-11-25 | 2016-04-20 | 北京师范大学 | 一种农田土壤水分遥感反演方法 |
CN105628618A (zh) * | 2015-12-21 | 2016-06-01 | 中国矿业大学(北京) | 基于遥感地表温度与植被盖度两阶段空间探测地表蒸散的方法 |
CN106226260A (zh) * | 2016-08-10 | 2016-12-14 | 武汉大学 | 一种结合微波和红外遥感影像的土壤水分反演方法 |
CN106897551A (zh) * | 2017-02-09 | 2017-06-27 | 中国科学院华南植物园 | 一种基于被动微波遥感的干旱指数构建方法 |
CN107505265A (zh) * | 2017-08-11 | 2017-12-22 | 内蒙古农业大学 | 一种土壤含水量遥感监测方法 |
CN107918135A (zh) * | 2017-11-13 | 2018-04-17 | 中国科学院寒区旱区环境与工程研究所 | 水分胁迫状态监测方法、装置及电子设备 |
CN108629460A (zh) * | 2018-05-11 | 2018-10-09 | 中南林业科技大学 | 基于时空数据的林地干旱模型构建方法 |
CN108717044A (zh) * | 2018-05-24 | 2018-10-30 | 青海师范大学 | 一种去除植被覆盖影响的表层土壤含水量卫星遥感估算方法 |
CN109115995A (zh) * | 2018-08-30 | 2019-01-01 | 清华大学 | 土壤水分信息获取方法、装置、计算机设备和存储介质 |
CN110163472A (zh) * | 2019-04-11 | 2019-08-23 | 中国水利水电科学研究院 | 大范围极端干旱应急监测与影响评估方法及系统 |
CN110243409A (zh) * | 2019-06-18 | 2019-09-17 | 中国农业科学院农业资源与农业区划研究所 | 一种基于地表水热过程的生态干旱监测预报系统及方法 |
CN110658325A (zh) * | 2019-09-29 | 2020-01-07 | 中国矿业大学(北京) | 一种确定sm监测中lst/fvc空间的方法 |
CN110849481A (zh) * | 2020-01-14 | 2020-02-28 | 北京英视睿达科技有限公司 | 一种基于卫星红外扫描识别厂区结构变化的方法及装置 |
CN111192315A (zh) * | 2018-11-14 | 2020-05-22 | 中国灌溉排水发展中心 | 一种基于多源信息的实际灌溉面积提取方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102455282A (zh) * | 2010-10-25 | 2012-05-16 | 北京农业信息技术研究中心 | 测量土壤含水量的方法 |
CN102651094A (zh) * | 2011-02-28 | 2012-08-29 | 中国科学院遥感应用研究所 | 鼠疫自然疫源地空间分布预测方法 |
CN103363962A (zh) * | 2013-07-23 | 2013-10-23 | 中国科学院遥感与数字地球研究所 | 一种基于多光谱影像的湖泊水储量遥感估算方法 |
-
2013
- 2013-12-11 CN CN201310676807.2A patent/CN103675234A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102455282A (zh) * | 2010-10-25 | 2012-05-16 | 北京农业信息技术研究中心 | 测量土壤含水量的方法 |
CN102651094A (zh) * | 2011-02-28 | 2012-08-29 | 中国科学院遥感应用研究所 | 鼠疫自然疫源地空间分布预测方法 |
CN103363962A (zh) * | 2013-07-23 | 2013-10-23 | 中国科学院遥感与数字地球研究所 | 一种基于多光谱影像的湖泊水储量遥感估算方法 |
Non-Patent Citations (4)
Title |
---|
于敏 等: "地表温度一植被指数特征空间干旱监测方法的改进", 《农林业工程学报》 * |
伍漫春 等: "基于地表温度-植被指数特征空间的区域土壤水分反演", 《中国沙漠》 * |
姚春生 等: "使用温度植被干旱指数法(TVDI)反演新疆土壤湿度", 《遥感技术与应用》 * |
杨曦 等: "基于地表温度-植被指数特征空间的区域土壤干湿状况", 《生态学报》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389559A (zh) * | 2015-11-12 | 2016-03-09 | 中国科学院遥感与数字地球研究所 | 基于高分辨率遥感影像的农业灾害范围识别系统及方法 |
CN105510231A (zh) * | 2015-11-25 | 2016-04-20 | 北京师范大学 | 一种农田土壤水分遥感反演方法 |
CN105510231B (zh) * | 2015-11-25 | 2018-07-06 | 北京师范大学 | 一种农田土壤水分遥感反演方法 |
CN105628618B (zh) * | 2015-12-21 | 2018-03-09 | 中国矿业大学(北京) | 基于遥感地表温度与植被盖度两阶段空间探测地表蒸散的方法 |
CN105628618A (zh) * | 2015-12-21 | 2016-06-01 | 中国矿业大学(北京) | 基于遥感地表温度与植被盖度两阶段空间探测地表蒸散的方法 |
CN106226260A (zh) * | 2016-08-10 | 2016-12-14 | 武汉大学 | 一种结合微波和红外遥感影像的土壤水分反演方法 |
CN106226260B (zh) * | 2016-08-10 | 2019-04-12 | 武汉大学 | 一种结合微波和红外遥感影像的土壤水分反演方法 |
CN106897551A (zh) * | 2017-02-09 | 2017-06-27 | 中国科学院华南植物园 | 一种基于被动微波遥感的干旱指数构建方法 |
CN106897551B (zh) * | 2017-02-09 | 2019-07-19 | 中国科学院华南植物园 | 一种基于被动微波遥感的干旱指数构建方法 |
CN107505265A (zh) * | 2017-08-11 | 2017-12-22 | 内蒙古农业大学 | 一种土壤含水量遥感监测方法 |
CN107918135A (zh) * | 2017-11-13 | 2018-04-17 | 中国科学院寒区旱区环境与工程研究所 | 水分胁迫状态监测方法、装置及电子设备 |
CN107918135B (zh) * | 2017-11-13 | 2019-12-03 | 中国科学院寒区旱区环境与工程研究所 | 水分胁迫状态监测方法、装置及电子设备 |
CN108629460A (zh) * | 2018-05-11 | 2018-10-09 | 中南林业科技大学 | 基于时空数据的林地干旱模型构建方法 |
CN108717044A (zh) * | 2018-05-24 | 2018-10-30 | 青海师范大学 | 一种去除植被覆盖影响的表层土壤含水量卫星遥感估算方法 |
CN109115995B (zh) * | 2018-08-30 | 2019-10-18 | 清华大学 | 土壤水分信息获取方法、装置、计算机设备和存储介质 |
CN109115995A (zh) * | 2018-08-30 | 2019-01-01 | 清华大学 | 土壤水分信息获取方法、装置、计算机设备和存储介质 |
CN111192315A (zh) * | 2018-11-14 | 2020-05-22 | 中国灌溉排水发展中心 | 一种基于多源信息的实际灌溉面积提取方法 |
CN111192315B (zh) * | 2018-11-14 | 2023-12-19 | 中国灌溉排水发展中心 | 一种基于多源信息的实际灌溉面积提取方法 |
CN110163472A (zh) * | 2019-04-11 | 2019-08-23 | 中国水利水电科学研究院 | 大范围极端干旱应急监测与影响评估方法及系统 |
CN110243409A (zh) * | 2019-06-18 | 2019-09-17 | 中国农业科学院农业资源与农业区划研究所 | 一种基于地表水热过程的生态干旱监测预报系统及方法 |
CN110658325A (zh) * | 2019-09-29 | 2020-01-07 | 中国矿业大学(北京) | 一种确定sm监测中lst/fvc空间的方法 |
CN110849481A (zh) * | 2020-01-14 | 2020-02-28 | 北京英视睿达科技有限公司 | 一种基于卫星红外扫描识别厂区结构变化的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103675234A (zh) | 基于地表温度与植被指数特征空间的干旱指数快速监测方法 | |
Fu et al. | Winter wheat biomass estimation based on spectral indices, band depth analysis and partial least squares regression using hyperspectral measurements | |
CN105760814B (zh) | 一种基于数据挖掘的干旱监测方法 | |
Liu et al. | Estimation of potato above-ground biomass based on unmanned aerial vehicle red-green-blue images with different texture features and crop height | |
Albaji et al. | Evaluation of land suitability for principal crops in the Hendijan region | |
Li et al. | Surface temperature correction in TVDI to evaluate soil moisture over a large area | |
CN101718865A (zh) | 基于遥感的植被响应延迟方法 | |
CN113887024A (zh) | 基于归一化温度构建的干旱指数反演表层土壤水分方法 | |
CN104062238B (zh) | 大田冬小麦拔节期纹枯病遥感监测方法 | |
Li et al. | Crop model data assimilation with particle filter for yield prediction using leaf area index of different temporal scales | |
Shamsipour et al. | Investigating the consequences of climate change with a focus on spatial analysis of drought severity in golestan province using statistical and remote sensing indices | |
Kucherov | Reconstruction of summer precipitation in the Southern Urals over the last 375 years based on analysis of radial increment in the Siberian larch | |
Saadi et al. | Monitoring irrigation water consumption using high resolution NDVI image time series (Sentinel-2 like). Calibration and validation in the Kairouan plain (Tunisia) | |
Moradi | Assessment of FAO Method for Estimating Canola Water Use in Hormozgan Province | |
Huang et al. | Monitoring southwest drought of China using HJ-1A/B and Landsat remote sensing data | |
Zare et al. | Determination of the best rainfall erosivity index in Fars Province and its zoning | |
Stampe et al. | Field-scale Crop Sensitivity to Climatic Conditions using Landsat NDVI throughout Wheat Fields in the Western US | |
Hürlimann et al. | Multi-scale analysis of slope-mass wasting under climate change: from laboratory tests to regional assessment in the Pyrenees. | |
Andrade Neto et al. | Potassium estimation in the soil solution based on electrical conductivity and soil water content | |
Li et al. | Spatial patterns of summer rainstorms in the mountainous Three Gorges Region and their implications for flash floods modeling | |
Moumni et al. | Local sensitivity analysis of Satellite Monitoring of Irrigation software (SAMIR) over Semi-Arid climate of Morocco | |
Ghahreman et al. | Evaluation of a remote sensing-based dual crop coefficient approach for estimation of separated amounts of evaporation and transpiration | |
Saicharan et al. | Effective Rainfall-A Proxy for Identifying Meteorological Drought | |
Worden et al. | Open Surface Water Detection in the Caucasus using Remotely Sensed Data | |
Naumann et al. | Inter-comparison of drought indicators derived from multiple precipitation datasets in Africa |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140326 |