基于lst_evi特征空间的土壤水分含量反演

基于lst_evi特征空间的土壤水分含量反演

ID:30202079

大小:503.84 KB

页数:8页

时间:2018-12-27

基于lst_evi特征空间的土壤水分含量反演_第1页
基于lst_evi特征空间的土壤水分含量反演_第2页
基于lst_evi特征空间的土壤水分含量反演_第3页
基于lst_evi特征空间的土壤水分含量反演_第4页
基于lst_evi特征空间的土壤水分含量反演_第5页
资源描述:

《基于lst_evi特征空间的土壤水分含量反演》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、WangXiujunChenJian.SoilMoistureEstimationbasedontheLST-EVIFeatureSpaceJ.RemoteSensingTechnologyandApplication,2014,29(1):46-53.[王秀君,陈健.基于LST-EVI特征空间的土壤水分含量反演[J].遥感技术与应用,2014,29(1):46-53.]doi:10.11873/j.issn.1004-0323.2014.1.0046基于LST-EVI特征空间的土壤水分含量反演王秀君,

2、陈健(南京信息工程大学遥感学院,江苏南京210044)摘要:干旱是人类历史上的重大自然灾害之一,而土壤水分是干旱监测最重要的指标。利用遥感手段反演地表土壤水分,可以充分反映土壤水分的时空变化特征,适合进行大范围动态监测。研究基于LandsatTM数据,运用普适性单通道算法得到地表温度(LST,LandSurfaceTemperature),然后选用增强型植被指数(EVI,EnhancedVegetationIndex),构建了LST-EVI特征空间,计算出温度植被干旱指数(TVDI,Temperatur

3、e-VegetationDrynessIndex)。在对实测土壤含水量数据和对应TVDI值进行回归分析的基础上,反演出2010年6月14日黄骅市自然地表20cm深度处的体积含水量。结果表明:TVDI方法在该研究区是完全可行的,拟合精度较高;研究区自然地表土壤体积含水量分布差异明显,中等含水量地区面积最大,西南和部分北部地区含水量较低,而含水量高的区域主要分布在苇洼和沿海地区。关键词:土壤水分;TM数据;地表温度;增强型植被指数;TVDI中图分类号:P468文献标志码:A文章编号:1004-0323(20

4、14)01-0046-081引言干旱是指由水分收支或供求不平衡形成的水分短缺现象,它是我国及世界上其他许多国家的重大自然灾害之一,每年都给人类社会,特别是农业生产造成巨大损失。Narasimhan等[1]认为世界每年农业生产因干旱受到的经济损失可达数十亿美元。因此,探讨一套客观、动态、实时的土壤水分监测方法对于及时了解旱情程度和分布,采取积极有效的预防措施,科学指挥农业生产都具有重要意义[2]。土干旱遥感监测提供了有效的数据来源,为旱情监测开辟了全新途径。现在遥感与GIS、GPS集成与应用技术日益成熟

5、,各种理论与模型也愈发完善,大大提高了大面积土壤水分反演的可行性和实用精度。土壤水分遥感监测的可行性研究在20世纪60年代初期就已经开始,而应用研究则始于70年代中期。70年代,Watson[3]最早尝试利用热惯量模型,利用热红外波段获取地表温度(LST,LandSurfaceTemperature)日变化幅度和热模型相结合可以估测[4]壤含水量的获取可分为3类:田间单点实测法、土壤土壤湿度;张仁华提出了表观热惯量模式;余涛、水分模型法和遥感法。传统的土壤水分测量方法,如称重法、中子水分探测法等,因

6、为采样速度较慢,范围有限,因此限制了它的应用范围。随着遥感技术的迅速发展,多时相、多光谱遥感数据从定性、定量等方面反映了大范围的地表信息,为实时动态的田国良[5]发展了地表能量平衡方程的一种简化方法,可以从遥感图像数据直接得到真实的热惯量值,从而得到土壤水分含量分布;隋洪智等[6]通过简化能量平衡方程,直接推算表观热惯量,并建立其与土壤含水量的关系式。但热惯量模型只适用于裸土或收稿日期:2012-10-08;修订日期:2013-08-27基金项目:国家自然科学基金项目“遥感数据支持的不同时间尺度气象因

7、子与东亚飞蝗发生关系机理研究”(40901239),公益性行业(气象)专项(GYHY200806022)与旱灾防御。作者简介:王秀君(1988-),女,江苏盐城人,硕士研究生,主要从事定量遥感研究。E-mail:xjwang8811@gmail.com。通讯作者:陈健(1978-),男,山东淄博人,副教授,主要从事定量遥感、遥感与GIS应用研究。E-mail:chjnjnu@163.com。第1期王秀君等:基于LST-EVI特征空间的土壤水分含量反演47稀疏植被覆盖的土壤含水量监测,在高植被覆盖区域效果

8、并不好,而地表和环境因素的描述对热惯量模型的精度也有决定性的影响[7],这些都限制了热惯量模型在实际中的应用。地表温度和植被指数都是反映地表土壤水分的重要地表物理参数,学者们通过研究各种空间尺度和不同时间尺度的地表温度和植被指数的关系,发现LST和植被指数之间存在明显的负相关关系。122/33,成像时间为2010年6月14日(http://edc-sns17.cr.usgs.gov/NewEarthExplorer)。数据已经过系统的辐射

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。