基于多源遥感数据四川省伏旱监测

《基于多源遥感数据四川省伏旱监测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

分类号：P28UDC：D10621-347-(2015)0256-0密级：公开编号：3120203011成都信息工程大学硕士学位论文基于多源遥感数据四川省伏旱监测姓名王玲玲号学3120203011学院资源环境学院学位类型□学术型■专业学位学习形式■全日制□非全日制学科/领域农业资源利用研究方向3S集成与气象应用卢晓宁副教授校内导师校外 成都信息工程大学硕士学位论文原创性声明本人郑重声明：所呈交的学位论文《基于多源遥感数据四川省伏旱监测》，是本人在指导教师卢晓宁副教授指导下，进行研宄工作所取得的成果。除文中己经注明引用的内容外，本学位论文的研宄成果不包含任何他人创作的、己公开发表或者没有公开发表的作品的内容。对本论文所涉及的研宄工作做出贡献的其他个人和集体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任由本人承担。论文作者签名:/jt年6月日指导教师签名：/s免$年6月/s日硕士学位论文版权使用授权书本人完全了解成都信息工程学院关于收集、保存、使用学位论文的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版；学校可以复制、赠送和交换学位论文；学校可以公布学位论文的全部或部分内容。（保密学位论文在解密后遵守此规定）除非另有科研合同和其他法律文书的制约，本论文的科研成果属于成都信息工程学院。论文作者签名：年6月a曰指导教师签名：年L月，工曰本学位论文密级属于级，保密期限为年，解密后适用本授权书。密级解密时间年月曰学位论文指导教师学校保密办公作者签名签名室审核情况年月曰年月日年月曰(公章）注：答辩通过后，每份定稿提交的论文中，均须附由作者本人签名的原创声明及使用授权书。 成都信息工程大学硕士学位论文基于多源遥感数据的四川省伏旱监测学科领域名称：农业资源利用研究生：王玲玲指导教师：卢晓宁副教授摘要四川是一个地貌复杂、气候多样且自然灾害频发的地区，其中受旱灾影响的范围广、历时长，对区域工农业生产、人民生活、生态环境等造成重大影响。近年来，四川省受干旱灾害影响逐年加重，并且呈频发趋势。因此，以一种有效且适用于四川地区的旱情检测方法进行干旱监测，不仅为防旱减灾工作的开展提供有针对性的理论依据，而且有助于社会、经济以及环境的稳定发展。目前，国内外利用遥感数据进行干旱监测的方法有很多。卫星遥感TM数据、MODIS数据、降水TRMM数据，以及国内的环境小卫星数据和风云系列卫星数据等已广泛应用于实时动态旱情监测领域；可见光-近红外、热红外和微波遥感等监测模型和方法能够普遍且较好地适用于各区域的旱情监测，其中温度植被指数旱情监测模型多应用于四川省。但是四川属于湿润半湿润的气候特征，受多云天气的影响，加之复杂的地势地貌，以及地表覆被的垂直地带性差异明显，使得常规旱情监测模型的应用受到限制。本文以四川省日趋严重的夏季高温伏旱为切入点，考虑了研究区域地形复杂导致的气候的显著差异，从农业旱情发生发展的植被覆盖和地表温度的外在表征以及降雨的内在因素两方面，充分利用MODIS、TRMM和DEM多源遥感数据，构建综合地表温度、植被覆盖和降水的旱情遥感监测SDCI模型，并通过与常规旱情监测方法相关分析，确定最适于四川这一农业大区旱情监测模型SDCI的最优权重组合。在此基础上通过与研究区历年干旱频率和土壤墒情实测数据的验证分析，划分符合研究区夏季高温伏旱SDCI旱情监测模型的干旱等级阈值，进行综合考虑植被、温度和降雨的四川地区夏季伏旱的等级区划。研究结果表明：四川地势东西高差悬殊，气候多样致使植被种类和长势均有不同，故根据地势地貌将研究区划分为川西高原地区、高原与盆地过度区、川东盆地地区。川东盆地地区最大伏旱频率约为66%左右，位于盆地大部分地区，其中盆地东北部的达县、南充和巴中东南地区，西北部的绵阳、德阳以及东南部的资阳、自贡、宜宾和泸州等地伏旱发生频率尤为显著；盆地与高原过渡区最大伏旱频率约为35%左右，多发生于川南高山地区，以攀枝花和西昌南部及西南部较i 成都信息工程大学硕士学位论文为突出；川西高原地区受季节性和永久性积雪冰川覆盖影响较大，故干旱频率约为20%左右，多分布于其南部和西南地区，在西昌西北地区、康定中部和马尔康西、东南部地区伏旱偶有发生。高温伏旱多发生于2000、2002、2003、2005、2006、2007、2009、2011和2013年8月中旬至9月中旬，并且分布范围广泛，虽然6-8月伏旱时有发生，但伏旱强度不大且范围相对较小。关键词：伏旱；遥感数据；SDCI模型；相关分析；背景区划ii 成都信息工程大学硕士学位论文Droughtmonitoringwithmulti-sourceofremotesensingdatainSichuanAuthor(Subject)WangLing-lingDirectedbyProf.LuXiao-ningAbstractSichuanisaAreawithcomplextopographicandclimaticconditions,thenaturalcalamitytakesplaceconstantlyinthearea,leadingtodroughtwithwidearea,longdurationandhighintensity,itwillcausegreatinfluenceonpeople'slivingandecologicalenvironment.Inrecentyears,affectedbythedroughtinSichuanhasbeenincreasingyearbyyear.Therefore,aeffectiveandfeasibleofmethodfordroughtmonitoringinSichuanisnecessary,thatismeaningfulaimedatthesustainabledevelopmentofsociety,economyandenvironment.Atpresent,manymethodsfordroughtmonitoringbyremotesensingdatawereappliedathomeandabroad.Satelliteremotesensingdatahasbeenwidelyusedindroughtmonitoring,includingTRMMprecipitationdata,TMdata,MODISdata,aswellastheenvironmentofsmallsatelliteandFYsatellitedataoftheDomestic;ThemethodofdroughtmonitoringintheVisible,nearinfrared,thermalinfraredandmicrowaveremotesensingmonitoringcansuitablefortheregionalwidely,suchastemperaturevegetationindexofdroughtmonitoringwasappliedinSichuanusually.Butitsapplicationislimitedduetothecloudyweatherofhumidclimaticcharacteristicsandcomplextopographic,combinedwiththedifferencessurfacecoverofverticalzonality.Takingtheincreasinglyserioussummerdroughtaspointofthestudy.Consideringthedifferenceofcomplextopographicandclimatic,combinedwiththeviewofVegetationCover,LandSurfaceTemperatureandprecipitationoftheagriculturaldroughtoccurrenceanddevelopment,makingfulluseofmultisourceremotesensingdatathatwasMODIS,TRMMandDEM,modelconstructionofSDCIwasbasedonVegetationCover,LandSurfaceTemperatureandPrecipitation,andacorrelationanalysiswasmadebetweentheconventionalmodelofdroughtmonitoringandSDCI,determiningthemostsuitableweightcombinationofSDCI.VerificationandAnalysisofthemonitoringresultswithdroughtfrequencyandsoilmoistureinthestudyarea,thendividedsummerdroughtlevelofSDCI.TheresultsshowthatSichuanwithgreatdisparityintopography,looksliketheiii 成都信息工程大学硕士学位论文diversityinvegetationtypesandclimate,DivisonoftopographyregionsinSichuanaccordingtothedifferencesofvariedtopographyandclimate,includingtheeastofSichuanBasin,southwestmountainousandWestSichuanPlateauarea.Themaximumsummerdroughtfrequencyareabout66%intheeastofSichuanBasinarea,whichdistributedinmostareasofbasin,thatwerelocatedinsoutheastofNanchongandBazhong,northeastofDaxian,especiallyinnorthwestpartofMianyangandDeyang,southeastofZigong,Yibin,Luzhou;Themaximumsummerdroughtfrequencyofthetransitionregionisabout35%,droughtoccurredinthesouthwestmountainousofSichuaneasily,thesouthernandsouthwesternofPanzhihuaandXichangisespeciallyoutstanding;CoveredbyglaciersandsnowSeasonalandpermanenthasagreateffectondroughtmonitoringofWestSichuanPlateauarea,sothefrequencyismainlydistributedinthesouthernandsouthwesternabout20%,thatinthesoutheasternandsoutheasternpartofKangdingwaslow.Suchsummerdroughtfrequentlyoccursfrommid-Augusttomid-Septemberin2000,2002,2003,2005,2006,2007,2009,2011and2013,whichiswidelydistributedintheeastofSichuanBasin,althoughsummerdroughtoccursfrequently,butitisnotseriousin6-8month.Keywords:Summerdrought;Remotesensingdata;SDCI;Correlationanalysis;Regionalizationofstudyarea.iv 成都信息工程大学硕士学位论文目录论文总页数：80页第一章绪论.....................................................................................................................11.1研究目的与意义..................................................................................................11.2国内外研究进展..................................................................................................21.2.1遥感干旱监测数据源................................................................................21.2.2遥感干旱监测研究方法............................................................................31.2.3遥感干旱监测空间尺度............................................................................91.2.4遥感干旱监测时间尺度..........................................................................101.3研究内容与技术路线........................................................................................101.3.1主要研究内容..........................................................................................101.3.2研究技术路线..........................................................................................111.4本章小结............................................................................................................12第二章研究区概况与数据预处理.................................................................................132.1研究区概况........................................................................................................132.1.1气候特征..................................................................................................132.1.2地形地貌特征..........................................................................................142.1.3植被覆盖与土壤特征..............................................................................142.1.4水文特征..................................................................................................142.1.5自然灾害..................................................................................................142.2遥感数据............................................................................................................152.2.1EOS/MODIS数据.....................................................................................152.2.2MODIS产品数据选择.............................................................................182.2.3MODIS产品数据预处理.........................................................................202.2.4TRMM降水数据......................................................................................212.2.5数字高程DEM数据及其地貌区划.......................................................212.3气象与土壤墒情数据........................................................................................222.4本章小结............................................................................................................23第三章综合考虑植被、温度和降雨的旱情监测模型构建.......................................243.1干旱监测模型指标及其及其时空特征............................................................243.1.1归一化植被指数指标及其时空特征......................................................243.1.2地表温度指标及其时空特征..................................................................263.1.3TRMM降水指数指标及其时空特征......................................................28v 成都信息工程大学硕士学位论文3.2综合旱情指标模型构建....................................................................................303.2.1综合旱情监测指标的选取及其时空特征..............................................303.2.2伏旱遥感指标模型构建..........................................................................333.2.3干旱监测模型与Z指数验证分析..........................................................343.2.4干旱监测模型与土壤墒情指数验证分析..............................................383.3本章小结............................................................................................................42第四章四川省高温伏旱时空特征分析.........................................................................444.1四川省伏旱等级的划分与分析........................................................................444.2基于地貌区划的伏旱时空特征分析................................................................444.2.1川东盆地地区伏旱时空特征分析..........................................................444.2.2高原与盆地过度区伏旱时空特征分析..................................................494.2.3川西高原地区伏旱时空特征分析..........................................................544.3基于地貌区划的伏旱频率时空特征分析........................................................584.4基于地貌区划的伏旱面积统计时空特征分析................................................604.5本章小结............................................................................................................63第五章结论和展望.........................................................................................................655.1结论....................................................................................................................655.2展望....................................................................................................................66参考文献.........................................................................................................................67作者在读期间科研成果简介.........................................................................................79致谢.................................................................................................................................80vi 成都信息工程大学硕士学位论文第一章绪论1.1研究目的与意义干旱是重大自然灾害之一，属一种大范围的气象灾害，主要表现为降水不足且较常年同期明显偏少、气温偏高和蒸发强烈，长期频繁干旱，不仅会使土壤结构发生变化，导致土壤退化、沙漠化和盐碱化，也会使河流径流量减少，改变水质，直接或间接地影响到人类的生存和生活质量[1]。干旱分为气象干旱、农业干旱、水文干旱以及经济社会干旱[2]。作为一个全球性灾害问题，干旱对我国及四川影响亦相当严重。四川是一个灾害频发的地区，而受旱灾影响的范围广、历时长，并伴有延迟发生的特性，对区域工农业生产、人民生活、生态环境等造成重大影响。伏旱是四川盆地在夏季经常发生的一种气候灾害，一般发生于7月中下旬到8月上中旬，根据四川气象长期业务工作总结及相关技术规定伏旱时间段在6月26日至9月10日[3]。由于伏旱的发生时期正是作物生长的关键时段，对农业生产有很大影响。因此，加强对四川地区伏旱监测具有十分重要的现实意义。卫星遥感(SatelliteRemoteSensing)以其独有的超远距离非接触式、空间宏观性、多光谱和多时空分辨率、周期性、动态性等特点，成为大范围、实时动态旱情监测领域有效的数据来源[4]，包括国外常用的中高分辨率TM数据、中低分辨率MODIS数据[5]，近期被纳入旱情监测领域的TRMM(TropicalRainfallMea-suringMission,TRMM)数据[6]，以及国内的环境小卫星数据和风云系列卫星数据等，在旱情监测研究领域中，遥感旱情监测已经成为一个全新的、具有发展潜力的研究方向[7]。已发展了可见光-近红外、热红外和微波遥感等众多指数模型和方法，其中温度植被旱情指数监测模型在四川省的应用最多[8]。但四川盆地受湿润半湿润的气候条件和多云天气的影响，加之四川高达7000多米海拔高差和复杂地貌地形，以及地表覆被呈现显著的垂直地带性，使得普适于全区的遥感旱情监测模型的推广受到限制。四川盆地属于副热带季风气候，受季风活动以及气候垂直变化大的影响，虽然年均降水量充足，但是由于东西部气候差异明显，呈现降水时空分布极不均匀，干旱灾害经常发生，素有“十年九旱十年灾”之说。基于干旱灾害的严重性，及遥感旱情监测在干旱和半干旱区域的研究较为成功，但在湿润半湿润地区[9]，尤其四川这一农业大区的研究相对较少。本项目从四川复杂地形、气候类型多样的特点出发，以四川日趋严重的夏季高温伏旱为切入点，在对研究区进行旱情监测地貌背景区划基础之上，从农业旱情发生发展的外在表征(植被和温度)及内在因素(降雨)两方面，借助于多源遥感数据(MODIS和TRMM数据)，构建综合考虑温度、植被和降水的SDCI旱情遥感监测模型，并通过与常规站点降水量和土壤墒情旱情监测方法相结合进行相关分析[10]，确定最适于四川地区的权重组合的旱情监测指第1页共80页 成都信息工程大学硕士学位论文数，实现不同地貌背景的旱情遥感监测。基于地貌背景区划，应用所建立的旱情遥感监测模型，确定最适宜各个区域夏季伏旱等级阈值，开展基于地貌区划且综合考虑植被、温度和降水的四川地区夏季伏旱的等级区划。通过连续14年的伏旱监测，在提高地貌复杂、气候多样的农业大区的夏季伏旱遥感监测准确性的同时，更进一步探讨区域旱情发展的时空规律，为提高四川不同区域的旱灾防御和减灾策略的针对性和有效性提供理论依据。1.2国内外研究进展国内外对干旱的监测研究已有很长历史，不同领域的研究学者都从各自所从事的领域进行多角度的干旱监测研究，发展了多视角的干旱监测指标或方法。主要包括标准化降水指数与降水蒸发比的气象干旱指标、土壤墒情等农业干旱指标及地下水埋深与蓄水等水文干旱指标。但是，传统的干旱监测方法都存在采样范围局限、历时长以及人力、物力和财力消耗较大，加之土壤水分的二维空间分布随机性强，表现很不均匀。单个站点的资料，尽管进行多次重复，但在大范围的土壤水分监测结果中代表性不强且精确度低，难以适用于大区域、实时的干旱监测需求。我国利用遥感技术进行土壤水分监测研究起步较国外晚，目前已有许多研究者对运用遥感技术监测土壤含水量做了大量研究[11]，监测指标和方法得到了广泛的应用。近年来，国内外在利用遥感手段监测大范围干旱灾害方面取得长足进展，并相继实现了不同程度的业务化运行[12]。下面主要从遥感干旱监测的数据源、研究方法、空间尺度及时间尺度四方面进行旱情监测现状及发展趋势阐述。1.2.1遥感干旱监测数据源遥感旱情监测数据源是从美国极轨气象卫星NOAA/AVHRR数据，发展到EOS-MODIS数据，也存在MODIS与LandSatTM多源数据融合的研究。近年来，国产环境减灾卫星和风云气象卫星数据等越来越多的应用于我国的旱情遥感监测。目前国内多使用NOAA/AVHRR数据和微波遥感数据进行土壤含水量监测研究[13-14]。随着卫星遥感技术的快速发展，MODIS传感器的高时间分辨率(0.5d)和空间分辨率(250-1000m)、高光谱分辨率(波谱范围0.4-14m，36个光谱通道)等特点使得其在干旱监测中具有突出的优势[15]。因此，MODIS传感器非常适合范围广、时间跨度长、动态实时的土壤水分监测和干旱监测的研究中[16]。基于MODIS资料，国内外已有许多研究学者进行了干旱的监测，取得了大量成果，如白开顺等运用MODIS可见光－红外波段数据，采用像元可信度综合生成了归一化干旱指数(NDDI)，分析了2010年中国西南大旱的旱情时空分布特征，通过实测数据验证NDDI对此次旱情的发展变化有良好的响应[17]；柳锦宝等基于MODIS数据的归一化植被指数(NDVI)和地表温度(LST)，构建NDVI-TS温度植被干旱指数，进行西藏的旱情分析并取得良好的监测结果[18]；杨波等运用MODIS数据，通过地表温度(LST)和增强型植被指数(EVI)的复合信息，建立了湖南省干旱遥感监测模型，并根第2页共80页 成都信息工程大学硕士学位论文据LST和EVI反映干旱信息的敏感程度确定二者在模型中的权重系数，进而分析湖南省2010年夏秋旱的时空分布格局，并论证了该模型适宜南方地区的干旱监测[19]。也有利用多源遥感数据源进行干旱研究，包括MODIS与气象卫星NOAA/AVHRR数据的结合、MODIS与TM数据的结合等，如匡昭敏等将MODIS卫星数据与ETM卫星数据融合，进行甘蔗干旱遥感监测方法研究，取得较好的研究结果[20]。降水TRMM数据是近几年才引进旱情监测应用中，国外学者已有结合MODIS与TRMM数据进行旱情遥感监测研究，但在国内应用仍然很少。随着我国航天事业的发展，国产卫星数据也越来越多的服务于我国的生产和生活中。在旱情遥感监测方面，就有学者应用我国自行研发的环境减灾卫星数据进行研究，如黄河等应用环境减灾1B卫星数据对山东省2010-2011年的秋、冬、春三季连续干旱进行研究，结果验证了HJ-1B星在旱灾监测方面的能力[21]。风云三号是我国第二代极轨气象卫星系列，可以实现全球范围内三维实时动态的多光谱定量遥感监测，其主要任务之一就是监测大范围自然灾害和生态环境变化，干旱监测已经成为FY-3A的重要应用领域之一。向大亨等[22]选用温度植被干旱指数法对比同期FY-3A的MERSI数据和MODIS的监测数据，结果得出两种数据的干旱监测结果精度基本一致，且在空间和光谱分辨率上有较大的提高。但是，目前国内应用FY-3A号卫星数据进行干旱遥感监测，尤其是对西南地区的研究并不多见。因此，未来应扩展西南地区基于FY-3A卫星数据旱情遥感监测，从而为该区域干旱监测研究提供更多的数据资料。1.2.2遥感干旱监测研究方法传统的干旱监测主要是根据气象站、水文站等观测台站获取降水量和土壤湿度等指标数据，结合研究区实际情况确定干旱发生时间，干旱程度以及干旱影响范围。但是由于观测台站的数量少、样地稀疏，且受到环境地形的影响站点不均匀分布而代表范围有限，使得观测结果不能满足区域旱情监测的总体需求。而实时动态的多光谱的遥感旱情监测方法通常是从大范围的土壤水分、大气蒸散和植被生长及冠层的水分含量角度进行干旱状况的监测，可以满足不同时间和空间的干旱情况。遥感旱情监测模型主要有土壤热惯量模型[23]、土壤光谱特征模型、蒸散模型和植被指数模型四种[24]，其中以植被指数模型的应用最为广泛。（1）土壤热惯量模型热惯量是用于表征土壤热惯性大小的物理量，是土壤热传导能力、质地和热量的函数，其大小与土壤水分含量关系密切。土壤水分含量是干旱监测重要指标之一，在实际应用中，发展了不同的热惯量模型[25]。由于干燥土壤所含水分的热容量及热传导能力不同，导致不同含水量土壤具有不同的热惯量[25]。在建立热红外反演的地表温度与土壤热惯量的模型后可进行土壤旱情监测，再通过确立土壤热惯量和实测土壤水分含量间的稳定关系来反演土壤干旱状况。因此，土壤热惯第3页共80页 成都信息工程大学硕士学位论文量旱情监测精度较高，且适用于小范围特定区域。由于遥感手段不能直接获取热传导率、物质的比热容参数，Price[26]基于热惯量法、遥感成像机理以及地表综合参量，建立了表征热模型。其中地表综合参量是地表实测数据，是空气比湿、土壤发射率和比湿等的表征，故在实际应用中多受限制。为提高模型的应用领域，需对模型参数进行简化，最终得到能赋予实际应用且易于实现的表观热惯量，该热惯量方法是地表反照率和昼夜温差的函数，通过准确获取土壤昼夜温度差，得到相对干旱的程度，可以估算精度较高的土壤含水量[27]。但该方法的局限性主要表现在适用于裸露或植被覆盖稀疏的下垫面[28-30]；并且要求同时获得白天和晚上的晴空数据，同时白天和夜间卫星过境区域的两条轨道要基本重合[31]。由于四川地区高覆盖度以及多云的实际情况，本项目不采用热惯量方法进行干旱遥感监测。（2）土壤光谱特征的监测方法在近红外可见光范围内，不同湿度土壤具有不同的光谱特征。土壤湿度直接影响土壤的介电性，微波回波因对湿度敏感即可直接捕获土壤的介电性[32]。因此，通过建立土壤水分含量与微波回波系数的关系，反演土壤含水量，从而进行区域旱情监测。微波遥感极少受大气环境的影响，具有全天时、全天候的特征，对云雾、雨雪、植被和土壤具有一定的穿透能力[33]。因此，微波遥感的这种独特优势使之成为研究土壤水分和旱情监测的重要方法之一。然而，受微波成像机理等一些因素的影响，微波遥感数据的获取比较困难，且相对于可见光和近红外遥感数据而言时空尺度要低，加之表面粗糙度和植被覆被都会降低微波反演土壤水分含量的精度。如何降低表面粗糙度及植被覆被的影响是土壤水分含量和旱情监测的重要问题。李震等[34]将被动和主动微波数据进行整合，建立了考虑体散射项的半经验模型，该模型可以减少植被的影响，并提高土壤水分反演的精度。周鹏等[35]利用“水-云模型”将植被信息干扰从总雷达后向散射系数中去，主要通过同期的可见光遥感数据计算得到的归一化水汽指数来建立土壤后向散射系数与土壤水分含量的关系。说明未来将微波遥感与光学遥感结合进行旱情监测的潜力空间较大。由于可见光和近红外范围内遥感在旱情监测领域的时空分辨率要高于微波遥感，因此，不少研究学者基于整合的微波遥感与光学遥感对不同土壤水分含量所[36]便表现出的光谱特征来进行旱情监测的研究；如杜晓介绍了一种土壤水分反演指数，即地表含水量指数。SWCI是通过分析水的吸收光谱，及MODIS数据在6和7通道的特征而建立的旱情指数，该指数同样考虑了作物和土壤混合体的影响，分析了水分吸收对植被和土壤反射光谱的影响，故在反演浅表层土壤含水量方面精度较高。张红卫[37]将地表含水量指数SWCI与归一化植被指数NDVI结合构建了农田浅层土壤湿度指数CSMI，该指数可以有效的降低由于植被覆被变化而导致的第4页共80页 成都信息工程大学硕士学位论文监测结果滞后性和精度不稳定性。然而，光学遥感存在穿透性差，很容易受到云、大气及植被的影响的缺陷，且其反演指数多数对裸土表层及低植被覆盖区土壤水分含量的反演精度稍高[38]；微波遥感空间分辨率低、受成像机理等因素的影响比较多，多适用于裸地地表的旱情监测[39]。因此，利用微波遥感与光学遥感相结合的方法，可以更为有效进行土壤水分监测[31]。（3）蒸散模型法地表蒸散是下垫面(土壤、植被)与大气之间水分和能量相互作用和交换的体现，其核心是能量流的传输[40]。国内外学者研究表明，实际蒸散与潜在蒸散的比值与土壤水分的关系密切。在植被覆盖条件下，利用热红外遥感温度和气象资料计算获得作物水分胁迫指数，用来监测作物根部土壤有效水分。1926年Bowe[41]基于能量平衡方程，定义地表感热通量与显热通量之比为波文比，提出了计算蒸发的波文比-能量平衡的方法。1939年桑斯维特(Thornthwatie)和霍尔兹曼(Holzman)[42]在假定边界层内动量、热量和水汽传输系数相等的基础上，利用近地面边界层相似原理，提出了计算蒸发的空气动力学方法。1948年Penman[43]和Thornthwatie[44]同时提出了蒸发力模型，其中彭曼公式是综合能量平衡、空气饱和差、风速等各种可能影响蒸发力的要素，而建立的基于能量平衡和空气动力学原理的综合分析模型，长期以来应用广泛。由于下垫面的非均匀性，1973年Monetith[45]在Penman研究模型的基础上，引入作物表面抗阻，建立了Penman-Monteith模型。Bouchet[46]于1963年提出了蒸散互补相关理论，建立了实际蒸散与潜在蒸散之间的的互补关系模型，为后期的研究工作做了很好的铺垫。蒸散量的计算方法[47]针对不同的下垫面发展了单层、双层和多层模型。其中单层模型是将土壤和植被假设为整体建立的能量交换模型，张长春等[48]基于NOAA/AVHRR数据，利用SEBS单层模型分析了黄河三角洲区域的蒸散，并进行同期降雨比较，从而确定了区域的旱情等级。该模型对输入数据和参数的依赖性最小，成为目前最常用的蒸散法估算土壤水分的模型。但是就下垫面整体而言，受地标系统差异的影响，单层模型不能获取高精度的反演结果。shuttleworthl等[49]基于稀疏植被覆盖表面建立了由植被冠层和土壤表面两部分组成的双层蒸散模型。双层模型仅需单独考虑土壤表面和植被盖层的能量平衡，但到目前为止大部分模型应用均需获取大量经验参数而只能适用于地方尺度。还有将土壤-植被-大气体系(SPAC)分多层讨论计算蒸散的多层模型等[50]。后继有通过模拟下垫面与大气体系间(SPAC)能量传递与物质交换以及兼顾降水、温度、截留和植物含水量变化等影响因素计算蒸散发[45]；沈卫明等[51]、刘树华等[52]在有植被覆盖的下垫面，蒸散法监测土壤水分的精度高于热惯量法。但是，蒸散模型不论是单层还是双层，都会受到各区域种种阻抗参数等的影响，这些参数在实际工作中很难准确获取，多依靠主观经验来确定；目前遥感数据普遍存在混合像元等影响，都在很大程度第5页共80页 成都信息工程大学硕士学位论文上限制了该方法在旱情监测中的应用[53]。因此，本项目研究中亦不采用该类方法。（4）植被指数模型植被在可见光和近红外波段范围内具有很强吸收与反射的光谱特征。植被指数模型主要是通过太阳辐射与植被冠层之间的相互作用，来度量植被反射的光谱特征从而可以用来表征旱情外在表征植物的生长状态，并反演地表绿度。干旱主要是在水分胁迫下，使得植被与其生存环境相互作用构成的干旱生态环境，因此，植被的生长过程、生理状态及其密度分布与干旱的状况密切相关，可以用植被指数模型来表示作物受旱程度[54]，从而进行干旱环境监测。基于植被指数进行旱情监测的方法包括：①植被指数方法，主要利用可见光和近红外波段数据反映植被的生长状况，其中包括归一化植被指数NDVI、条件植被指数、和距平植被指数[55]；②表面温度方法，主要是利用热红外通道估算地表温度，从而构建条件温度指数TCI等[56]；③综合监测方法，即将植被指数和温度指数相结合建立的指数模型，包括植被供水指数VSWI，温度植被干旱指数TVDI[57]；微波遥感监测法和云参数法也得到应用[58-59]，但可见光、近红外和热红外的结合仍是遥感监测干旱的研究趋势。A、基于植被指数的方法：植被指数是利用遥感技术监测地面与土壤亮度和颜色之间差异的植被在可见光-近红外波段范围内的光谱反射指数，能够定性和定量的反映地表植被覆盖度以及植被的生长状况和空间分布[60]。通常当植被缺水时，其生长将受到影响，植被指数将会降低。常用的植被指数监测干旱的指标如下：归一化植被指数NDVI：利用多年同期时间序列的NDVI数据进行对比研究，可以消除植被因时间变化而产生的影响[61]，通常可以较好的定性监测研究区域某时段或生长季节的降水和干旱状况[62]，但是受地理位置、气候特征以及植被长势、植被覆盖度等多因素影响，归一化植被指数不能及时定量反应干旱状态。如Jackson[63]通过NDVI植被指数进行干旱监测，发现植被指数是一个相对保守的指数，对植被叶片受到短暂水分胁迫时的响应并不敏感，当植被生长严重受到水分胁迫阻碍时才引起植被指数的明显变化。同时，在高植被覆盖或者土壤含水量充足的情况下植被指数还存在饱和的问题，即当低植被覆盖度时，植被指数将随覆盖度的增加迅速增大，在达到一定覆盖度后增长会逐渐减缓。因此，单一的植被指数通常不能及时准确的反映植被覆盖下的土壤含水量，在洪涝区域、高植被覆盖区域以及裸土区域应用均受到限制。Sugmiura[64]研究表明NDVI值与海拔也有一定相关性，不同海拔高度的NDVI值也表现不同，高海拔区域NDVI值相对较高，所以若要使检测结果更加准确需要兼顾地形地貌因子和气象因子。由于较大范围内存在不同区域间的物候期差异现象，如果将大范围监测区域内的遥感数据按统一指标进行旱情监测，结果会出现较大误差[65]；而四川地区地处我国西南部，地形起伏变化大，垂直地带性规律显著，这成为本文进行四川地区干旱遥感监测第6页共80页 成都信息工程大学硕士学位论文考虑的重点之一。由Kogan[66]提出植被状态指数VCI是基于NDVI反演得到的，与植被的生长状况(如灌溉、施肥、病虫害等)相关，除了极端干旱地区以外，可以反映不同年份和不同生态系统之间的植被综合生长情况，从而反映植被所受水分胁迫的状况[67]，故需要监测区域长时间序列的NDVI资料，一般以多年的产品数据为基础，通过研究某一特定年内某一时期NDVI的变化进行干旱监测。但是不同植被生长所需的水热条件均有所不同，如在降水对植被生长起主导作用地区、在高寒阴湿地区以及在荒漠地区，基于VCI的旱情监测结果与实际旱情存在差异，郭铌等[68]通过对比不同气候区VCI旱情监测值与降水距平的相关性，得出VCI指数在空间和时间上能够较好地反映多数气候条件下干旱发生、发展和空间分布，但在极端干旱荒漠地区，VCI会出现异常偏高现象，会对干旱监测精度带来干扰。植被干旱与否和土壤湿度密切相关，距平植被指数AVI主要通过研究区域当前某时期(每旬、每月、每年)NDVI与多年同期NDVI平均值的差值，确定植被指数正、负距平值，依据该指标植被生长年际间的变化来反映土壤水分供应情况，正距平表示植被生长较常年好，负距平反之[69]，产品数据时间序列越长，所得到的NDVI平均值越具有代表性。晏明等[70]通过将AVI指数与降水、温度等数据相结合，对农作物旱情进行监测分析，并进行研究区干旱等级划分。但是运用距平植被指数法划分旱情等级时既要注意长时间序列资料中不同气候期的背景因素，还要考虑距平植被指数受到研究区植被结构和面积比例调整变化的影响，以及植被与土壤含水状况在不同监测时期会表现出相对滞后现象，故使用距平植被指数进行实际干旱监测存在一定的局限性[71]。植被状态指数VCI和距平植被指数AVI进行旱情监测都仅是考虑由于水分胁迫致使NDVI值减小的情况，并没有兼顾其它影响因素如地表覆盖类型和结构的年际间变化、气温变化等导致NDVI降低的状况。B、基于表面温度的干旱监测方法：1995年Kogan[9]提出了温度条件指数TCI，认为植被生长与温度存在相关性，用于解决部分植被覆盖时的干旱监测。TCI指数干旱监测模型适用于长时间序列及大区域的相对干旱监测，不受植被生长季节的限制，在作物播种或收割期间均可进行监测，但同时由于季节性地温差异、空气湿度等因素影响，会降低监测精度[72]。植被的蒸腾作用是一个耗热过程，它与土壤水分含量及能量传输密切相关。当植被水分充足时，植被冠层温度低且处于稳定状态；当植被受到水分胁迫时，蒸腾作用减弱，进而地表潜热通量降低，感热通量增加，从而导致植被冠层温度升高，由此可用植被冠层温度反映植被水分状况和作为干旱监测指标，即用植物冠层温度可以作为干旱发生的指示器。TCI只需要某一时间系列的白天热红外遥感数据，但未考虑白天的气象条件，如净辐射、风速、湿度等对热红外遥感的影响及土地表面温度的季节性变化等。王鹏新等[73]第7页共80页 成都信息工程大学硕士学位论文应用条件温度指数(TCI)能较好地进行研究区干旱程度监测，验证了TCI指数干旱监测结果与土壤热惯量模型反演的土壤表层含水量结果基本吻合。这种算法中地表温度的反演精度是关键，但一直以来地表温度的反演也是难题，所以这种算法推广仍有困难。分析表明，以陆面温度作为水分胁迫指标虽然具有更高的时效性[74]，但在植被覆盖不完全条件下，较高的土壤背景温度会严重干扰旱情信息[75]，而以NDVI作为水分胁迫指标又表现出一定的滞后性[57]，而具有坚实理论基础的蒸散比模型，多会受到研究区气象条件、土壤含水量状况、植被覆盖等因素以及时空分布的影响，且获取大量参数存在一定困难，无法实现研究区较高精度监测结果[76]。目前，基于地表温度和植被指数的综合旱情监测指数方法的应用最为广泛。C、综合指数监测方法，是温度与植被指数结合的方法，很少从降水量这一决定性因素方面考虑。植被指数和地表温度指数是表征水分胁迫的两个重要参数，但是冠层温度受大气各要素以及环境状况的影响，呈现不同的时空变化，使得单独使用温度指数建立植物缺水指标存在不足；而植被指数对植物水分变化的反映并不敏感[74、77]，因此整合冠层温度和植被指数，可以更清晰、丰富的表征地表信息[78]。常用的综合指数监测方法包括植被供水指数VSWI和温度植被旱情指数TVDI。(a)植被供水指数法VSWI：冯锐等[79]于1998年提出了植被供水指数法，它是植被冠层温度TCI与植被指数NDVI的比值。正常水分条件下，TCI与NDVI均处于一定范围内；当发生干旱时，植被长势比较差，植被指数降低，植被冠层受到水分胁迫的影响温度会升高，从而导致VSWI值增大。该指数法物理意义明确，只需要一定时间序列内同期白天某时间点的一次晴空卫星观测资料，即可进行旱情监测[31]。刘丽等[80]利用植被供水指数法在贵州的干旱遥感监测中取得了较好的效果。但由于下垫面常存在较大差异，包括各种植被的生理特点、土壤参数以及季节性波动等影响，监测结果会表现出较大误差，故植被供水指数指数法需要长时间序列遥感资料作为支撑，且适用于植被覆盖度较高的区域[72]。(b)条件植被温度指数VTCI。条件植被温度指数[73]是在研究较大时空尺度的条件温度指数TCI、条件植被指数VCI和距平植被指数AVI的基础上，研究某年内某一时期整个区域相对干旱程度及其变化规律，即兼顾研究区域内NDVI的变化情况，设定在NDVI值相同条件下地表温度LST的变化规律，从而得出高温与植物长势成反比关系，即当温度越高越不利于植被生长，从而进行区域干旱监测。该方法模型适用于监测特定年份内一定时期区域级的相对干旱程度，可以应用于不同区域干旱发生的时空变异分析，并且可以解决对同一地物上求取参数不同而造成的在不同像素间可比性差的问题[81]。如王鹏新等[82]应用连续多年同期的AVHRR卫星遥感数据，对比分析了研究区域条件植被指数VCI与条件植被温度指第8页共80页 成都信息工程大学硕士学位论文数VTCI、条件温度指数TCI、距平植被指数AVI的优缺点及其时空适用性，并证明VTCI更适合于研究区域的干旱监测。但是该方法要求通过土壤表层含水量应从萎蔫含水量到田间持水量的条件来确定冷热边界[54]，并且在研究区域的选择方面需要较高的植被覆盖度[83]。虽然孙威等[84]对温度和植被指数特征空间中冷边界和热边界的确定方法作了改进，但是条件植被温度指数VTCI在不同时空环境背景的应用仍存在一定的局限性。(c)温度植被干旱指数TVDI。温度植被干旱指数[57]系统地整合了植被和温度间的关系，基于LST-VI的特征空间[85]，以植被NDVI指数和LST指数为纵横坐标形成梯形或三角形散点分布图而构建的综合指数，相关参数可由散点图直接获得，既可消除土壤、大气等背景因素的影响，使植被和温度两者信息互补，又可以消除植被在受到水分胁迫初期表现出的滞后性，因此该指数广泛应用于土壤水分监测中[86-91]。如齐述华等[92]、姚春生等[93]利用温度植被旱情指数进行全国旱情监测和新疆土壤湿度的反演；王纯枝等[94]基于遥感植被指数和地表温度信息构建特征空间模型TVDI，利用MODIS数据产品进行研究区地表水分状况等的变化研究，从而反演得到土壤水分的时空分布特征。高磊等[95]整合植被指数和地表温度指数应用于农业干旱监测，重点阐述了两者结合的必要性和可行性，较为详细地分析了植被指数-地表温度特征空间并对比了其他几个基于植被指数的干旱监测模型的优缺点。1.2.3遥感干旱监测空间尺度旱情遥感监测的空间尺度包括从某个省、市、县的行政区划范围，到绿洲-荒漠交错带等自然地理区划范围，乃至全国范围的研究。如曾燕等采用表观热惯量指数方法，结合NOAA/AVHRR资料获取行政区干旱空间分布情况[96]；宋小宁等[97]以西北半干旱地区的内蒙古农牧交错地带为研究区，利用土壤调整植被指数(MSAVI)、归一化植被水分指数(NDWI)、热红外反演的植被冠层温度，通过分析三者之间的耦合特征来提取反映植被水分状况的综合指标(VTWSI)；刘静[98]以三峡库区作为研究区域，选择植被状态指数法(VCI)、温度植被旱情指数法(TVDI)和植被供水指数法(VSWI)，结合实测土壤数据，进行三种方法，农业干旱监测的评价对比研究；赵承华[99]利用MODIS植被和温度产品数据，将建立好的距平植被指数、温度状态指数和温度植被干旱指数模型分别应用于锡林郭勒盟草地，通过各模型反演结果的适宜性对比分析，选取最佳模型对锡林郭勒盟草地进行干旱监测。我国这一农业大国旱情遥感监测的重点多集中于北方及西北地区的干旱半干旱一带，如北方的陕西、黑龙江、宁夏、内蒙古[100-102]，在西南地区或四川地区的干旱遥感监测研究相对较少。李强子等[103]应用MODIS数据、国产环境减灾星多光谱、热红外数据对2010年春季西南地区的干旱通过构建旱情遥感综合指数进行旱情等级的评定，且其研究的重点不仅仅是旱情等级，而是不同旱情等级导致的第9页共80页 成都信息工程大学硕士学位论文作物减产结果的计算。张顺谦等[104]利用2006年7-8月份的NOAA/AVHRR数据，基于温度植被干旱指数(TVDI)对四川的伏旱进行遥感监测评价，认为该方法所得干旱监测结果与气候监测结果基本一致；卿清涛等[105]同样利用NOAA/AVHRR资料，亦构建TVDI干旱指数，对2006年四川省8月份的干旱进行遥感监测，亦认为该方法所得出的遥感干旱监测结果与地面实况监测结果基本吻合[102]。1.2.4遥感干旱监测时间尺度旱情监测研究的时间尺度更多的是涉及到作物的某一季节的研究，如邢启新[106]等基于热惯量法，利用气象卫星数据对研究区春季旱田土壤墒情进行遥感监测分析，对比分析人工监测土壤湿度，遥感监测结果更具准确性和实效性。也存在多年的干旱连续监测，如王婷婷等[107]利用2002-2009年MODIS_LST和MODIS_NDVI产品数据产品数据，基于TVDI方法分析松辽平原干旱时空分布变化特征，从而探讨各土地利用类型对干旱程度的影响。目前，持续的整个生长季的旱情过程的连续监测较少，如卿清涛等[105]使用2006年8月上旬NOAA17资料，通过构建地表温度和植被覆盖度特征空间，计算TVDI干旱指数，从而判定干旱等级，并与地面实测数据结果基本一致；但由于使用资料在时空上有限，不能确定区域其它年份或季节的监测结果是否有效可靠，因此还需收集长时间序列的数据资料制定干旱指数划分标准。故基于整个生长季的旱情监测是未来的研究趋势[108-109]，如许玲燕等[110]基于研究区60年的气象资料和34年玉米生产资料，建立标准化降水蒸散指数SPEI，分析夏玉米生长季不同时间尺度的干旱时空变化特征，并验证了干旱与夏玉米减产率呈正相关性；又如孙艳玲等[111]基于50年研究区域内及周边地区逐月气温和降水的气象资料，以相对湿润度指数M作为干旱评价指标，探讨海河流域春季至秋季干旱发生的时空分布特征。然而，我国西南四川地区的旱情主要是伏旱和冬旱，虽然冬旱的程度相对较重，但四川受冬季多云天气的影响，目前较为有效并且准确度较高的冬旱遥感监测的研究成果并不多。因此，对四川夏季伏旱的研究成为本项目的重点。1.3研究内容与技术路线1.3.1主要研究内容本文研究重点是有效利用多源遥感数据，构建适合于四川省这一具有垂直地带性显著特点的遥感伏旱指数模型，通过探讨该指数模型与实测土壤湿度模型的相关性，确定合理的干旱等级，从而进行长时间序列夏季伏旱多尺度时空分析。（1）四川旱情遥感监测的地貌背景区划鉴于四川地区地形复杂性，及其气候的显著差异性，综合考虑海拔高度、地势起伏度等因子，结合区域多年的干旱实情资料，进行四川地区的干旱遥感监测的地貌区划，为后续的不同地形背景区干旱监测模型的建立奠定基础。（2）四川地区夏季伏旱遥感指标模型构建第10页共80页 成都信息工程大学硕士学位论文以2000-2013年的MODIS的地表温度产品数据LST和植被指数产品数据NDVI以及TRMM卫星降雨产品数据为基础，综合考虑导致旱情发展的降雨因素，及旱情状况表征的植被和温度因素，构建不同权重组合的归一化加权组合旱情遥感监测模型，并通过与常规旱情监测方法进行相关分析，确定最适于四川地区的夏季高温伏旱的旱情遥感监测模型，为四川这一湿润半湿润的地形复杂的农业大区提供又一旱情监测的新方法。（3）四川地区夏季伏旱的时空变化分析应用所建立的最适于四川地区的旱情遥感监测模型，结合区域土壤墒情实测数据，通过修正土壤墒情干旱等级的阈值，确定最适宜研究区夏季高温伏旱的归一化权重组合旱情监测指标的不同干旱等级的阈值，实施基于多源数据的综合考虑植被、温度和降雨的四川地区夏季伏旱的等级区划，并在GIS平台支持下，分析四川地区夏季伏旱的时空变化特征，增强不同地形背景区夏季高温伏旱应对策略的针对性和有效性。1.3.2研究技术路线通过上述主要研究内容，构建的技术路线如下图1-1所示。图1-1四川省伏旱监测技术路线图第11页共80页 成都信息工程大学硕士学位论文1.4本章小结四川地区受副热带季风气候活动以及气候垂直变化影响的影响较大，虽然年均降水量充足，但是由于东西部气候差异明显，降水时空分布极不均匀，旱灾经常发生。其中，伏旱一般发生于6月中下旬到9月上旬，正值作物生长的关键时期，对农业生产有很大影响。因此，加强四川地区伏旱监测具有十分重要的现实意义。国内外很多研究学者已进行多领域的干旱监测研究，发展了多视角的干旱监测指标或方法。其中，运用遥感技术进行土壤含水量指标和方法得到了广泛应用；从遥感干旱监测的数据源和研究方法到空间尺度及时间尺度进行旱情监测的研究成果颇丰。遥感旱情监测数据源包括NOAA/AVHRR数据、EOS-MODIS数据、LandSatTM数据等，也存在利用多源遥感数据源进行干旱研究；通常使用实时动态的多光谱的遥感旱情监测方法选取适宜的监测指标进行不同时空旱情监测；我国旱情遥感监测多集中于北方及西北地区的干旱半干旱一带，在西南地区的研究相对较少，而四川地区的旱情主要是伏旱和冬旱，虽然冬旱程度相对较重，但受冬季多云天气的影响，目前较为有效并且准确度较高的冬旱遥感监测的研究成果并不多。因此，本文从四川复杂地形、气候类型多样的特点出发，以日趋严重的夏季高温伏旱为切入点，在对研究区进行旱情监测地貌背景区划基础之上，从农业旱情发生发展的外在表征(植被和温度)及内在因素(降雨)两方面，借助于MODIS和TRMM数据，构建综合考虑温度、植被和降水的归一化旱情遥感监测模型，实现不同地貌背景的旱情遥感监测，进一步通过连续多年的旱情监测，探讨区域旱情发展的时空规律，为提高四川不同区域的旱情监测提供一种新思路。第12页共80页 成都信息工程大学硕士学位论文第二章研究区概况与数据预处理2.1研究区概况四川位于中国西南部长江上游地区，被崇山峻岭围绕，北连青海、甘肃、陕西，东邻重庆，南接云南、贵州、西衔西藏，介于东经97°21'-108°31分和北纬26°03'-4°19'之间，是东西民族交融、南北过渡的走廊，东、西边境时差达51分钟。四川是一个地域辽阔、资源丰富、人口众多、多民族聚居的内陆大省。现辖区面积48.5万平方公里是中国第5大省，共有18个地级市、3个民族自治州、181个县市，其中有43个市辖区、14个县级市、120个县和4个自治县，如图2-1所示。图2-1四川地区行政边界图2.1.1气候特征四川位于温润的亚热带季风带范围内，气候温和湿润，年平均气温高于16℃，年平均降水量1000-1400mm。东部盆地属亚热带湿润气候，四季分明，具有暖冬、春干、夏热、秋雨的特点；降水集中且分布不均匀，昼夜温差小，受地形盆地影响，多云雾笼罩，全年日照仅900-1600h，是全国日照最少的地区。川西高原从南部山地到北部高原，就纬度而言，属于亚热带，但由于地势走高，垂直方向上由亚热带演变为典型的高原气候类型，大部分地区春秋相连，甚至长冬无夏，如石渠被称为“寒极”之地；降水量少而集中；昼夜温差大，日照充足且紫外线强，年日照达2500h，被列为全国光能丰富区之一，其中甘孜有“小太阳城”之称。第13页共80页 成都信息工程大学硕士学位论文2.1.2地形地貌特征四川省地形地貌复杂多样，东西差异大；有山地、峡谷、高原、平原、丘陵、盆地等地貌地形。其整体地形走势由西北向东南倾斜，呈现出高差悬殊、西部高东部低、四周高中间低，并且以平原、丘陵、山地和高原地貌类型的地势地貌。四川地跨多种地貌单元，包括青藏、云贵高原、横断山脉、秦巴山地、四川盆地等，故分为四川盆地、川西北高原和川西南山地三大部分。东部为四川盆地，以浅丘和平原为主，地势低，海拔高度一般在300-400m，其中浅丘低山散布其间。西部为川西北高原和川西南山地，以高原、山地为主要地貌特征，分布有雪峰、冰川、沼泽、草原等，海拔多在4000米以上。2.1.3植被覆盖与土壤特征（1）土壤特征四川地域辽阔，土壤类型多种多样，并且垂直分布明显。平原、丘陵主要分布水稻土、冲积土、紫色土等，该土壤内富含钾、磷、钙、镁、铁、锰等元素，土质风化度低、土壤发育浅、肥力高，是农作物主要产区。高原、山地依海拔高度分别分布不同土壤，其中多数有利于不同作物的生长。全省湿地资源极其丰富，占地面积广。（2）植被覆盖四川地貌和气候多样，植被类型丰富。川西高原地区主要是草原和草甸；而东部盆地主要分布有落叶阔叶林等。全省森林面积可达746万公顷，珍贵树种丰富多样，高等植物万余种，松杉植物种类居全国之首，其中水杉、银杉、红杉等珍稀树种是西南林区的主体部分。2.1.4水文特征四川水资源总量丰富，属于长江水系，拥有大小河流千余条，全省河流年径流量约3000亿立方米居全国之冠，蕴藏了充足的水资源和巨大的水能资源，河道迂回曲折，有利于农业灌溉。四川境内拥有天然湖泊千余个，但多数水域面积比较小，不到1平方公里，其中较大者有沪沽湖和邛海，最大水域面积可达31平方公里。这里有非常丰富的天然地下热水资源，开发利用前景广阔。四川水资源总量虽然丰富且水质良好，但是存在时空分布不均匀和污染情况，洪旱灾害时有发生，容易形成区域性缺水和季节性缺水。2.1.5自然灾害四川主要的农业区为东部盆地，受复杂地形地貌及气候条件多样的影响，自然灾害发生频率高，主要包括干旱、暴雨、洪涝和低温等。在各种自然灾害中，旱灾对农业生产和人民生活影响最大；洪涝灾害时有发生且分布广泛，对凉山州南部和盆地西部、北部影响较大；而川西北高原和川西南山地为冰雹频发地区；低温雪灾也多发生于川西高山高原地区，但因地广人稀，损失并不严重。第14页共80页 成都信息工程大学硕士学位论文其中，干旱多发生于东部盆地区域，对农作物生长发育影响较大。由于盆地冬季和春季降水量小，气温相对同纬度其他地区高；加之初夏和盛夏气温高、蒸发量大且降水时空分布不均，易发生冬干春旱和夏旱伏旱现象，其中，夏旱发生频率高，而伏旱造成的损失大。春旱一般发生于3月初至4月上旬，持续时间为30-45天，使得农作物不能及时播种，生长发育后延，致使成熟期推迟。夏旱常发生于5-6月，通常持续30-40天，使得农作物缺水，不利于早春作物生长发育。伏旱多发生于7月中旬至8月下旬，持续时间一般为20-40天，期间高温闷热，农田需水量很大，而晴朗少雨的天气，使得蒸发更为旺盛，严重危害农作物生长发育。2.2遥感数据2.2.1EOS/MODIS数据地球观测系统(EarthObservationSystem,EOS)是美国国家航天航空局(NASA,NationalAeronauticsandSpaceAdministration)开展的“地球科学计划”中的主要组成部分[112-113]。EOS由一系列极轨卫星和先进的计算机、网络支持系统发布探测数据构成，至少可以提供连续15年的观测资料。在1999年之后的5年内EOS有6个系列的卫星相继发射升空，各个阶段卫星的任务和星载传感器各有不同，其中依据多角度、多光谱、微波、雷达等不同功能以及中高分辨率的传感器，可以获取大气圈、陆地和海洋等不同时空和化学成分组成等方面的观测信息[114]，它们包括EOS-Aqua、EOS-Terra、EOS-AERO(气溶胶观测卫星)、EOS-COLOR(水色观测卫星)、EOS-ALT(测高卫星)和EOS-CMEM(化学卫星)，其中在轨卫星寿命均为5年，其后依次补发一颗卫星[115]。这样卫星和星载传感器有机联成一个整体，从而形成了全球综合性以Terra和Aqua卫星为代表的半日周期观测，以及对陆地、海洋和大气以及对极地和热带的即时观测卫星、数周周期地球观测卫星系列等[114]，共同组建了地球观测系统的整体构架。地球观测系统EOS重点用于实现基于单系列极轨空间平台对太阳辐射、大气、生物圈、岩石圈、海洋和陆地等地球综合圈层进行高精度监测和信息获取的任务，了解在全球和区域尺度上有关人类活动和自然因素对地球表面以及气候变化的影响，并且获取有关海洋、陆地、大气圈、冰雪圈和水热系统等参数，从而可以系统科学且较高精度的进行全球水文及水循环研究、土地利用和土地覆盖研究、陆地生态系统研究、地质和自然灾害监测分析、季节气候和年际变化研究、大气物化和大气循环研究、大气臭氧变化研究等[116]。中分辨率成像光谱仪(ModerateResolutionImagingSpectroradiometer,MODIS)，是美国地球观测系统EOS中Aqua卫星和Terra卫星上最主要的探测仪器[117-119、113]，具体技术指标见表2-1；用于观测全球物理演变、生物分布、大气变化等过程。第15页共80页 成都信息工程大学硕士学位论文表2-1MODIS技术指标表项目指标轨道近极地圆轨道，高705km，降轨上午10:30过境；升轨下午1:30过境扫描频率与轨道垂直，每分钟20.3转测绘带宽2330km×10km望远镜1.0m×1.6m×1.0m重量250kg功耗225W数据率Mbit/s量化12bit空间分辨率250m、500m、1000m设计寿命5年1999年12月Terra卫星首次搭载MODIS传感器发射升空，并于次年2月开始传输数据，后继于2002年5月AQUA卫星发射升空，他们的参数指标如表2-2所示[120]。与其它EOS中的其他传感器相比，MODIS是当前新一代“图谱合一”的光学遥感传感器，不论在数据资源开发利用方面，还是经济核算综合平衡方面均具有优越性，代表了先进的空间星载传感器技术和遥感应用技术。表2-2TERRA和AQUA参数表卫星TERRAAQUA发射时间1999年12月18日2002年5月4日轨道高度705km，太阳同步705km，太阳同步轨道周期98.8min98.8min过境时间上午10:30过境下午1:30过境重复周期16d16d重量5190kg2934kg星在传感器数量5个6个MODIS、MISR、CERES、MOPITT、MODIS、AIRS、AMSU-A、CERES、星在传感器名称ASTERHSB、AMSR-E遥测S波段S波段数据下行X波段X波段总供电率3000W4860W微型设计寿命5年6年（1）MODIS数据特点1）MODIS传感器每1-2天对地观测一次，扫描宽度和周期分别为2330km和第16页共80页 成都信息工程大学硕士学位论文1.4771s，波普范围从可见光到热红外(0.4um-14.4um)共有36个较高分辨率波段，白天全波段向地面传送数据，晚上仅有发射率数据。其中，数据空间分辨率包含有1、2波段的2个250m的波段、3-7波段的5个500m的波段和其余波段的29个1000m的波段。MODIS各个扫描线沿着扫描和轨道方向分别有1354个像元和10个瞬时视场；在每个瞬时视场中，1km分辨率波段有1个采样，500m分辨率波段有4个采样，250m波段有16个采样；其中1、2波段有4×4个采样点，3-7波段有2×2个采样点，其余波段有1个采样点，如图2-2所示。每个典型的1B级产品文件5min内有203次扫描，对于1km分辨率数据来说至少有1354×2030个像素点[122]。图2-2MODIS传感器扫描分解图2）MODIS数据具有较高的时间分辨率。Aqua和Terra卫星都是太阳同步极轨卫星，Aqua卫星在地方时下午过境，而Terra卫星在地方时上午过境，加之夜间过境数据，每天均可白天黑夜交替跟新数据，使得数据更新频率快。因此，MODIS数据对地球表面实时动态监测以及应急处理等方面非常有现实意义和实际价值，例如对于火灾等自然灾害监测等。3）MODIS数据具有综合反应陆地表面信息的特点。MODIS传感器在运行过程中可同时获得6.1Mbit/s地表来自大气、海洋和陆地表面的数据信息，增强了卫星数据的地表类型的识别能力[123]。其多波段数据可以每1-2日对地球表面观测一次，并且同时获取从陆地表面、海洋到大气圈层动植物生长变化以及物理特征信息等，可以为陆地、大气和海洋等方面的宏观监测研究提供数据支持。因此，将MODIS数据应用于气象、生态、农林牧渔业、城市规划、自然灾害监测等领域均有较高的实用价值[124-127]。（2）MODIS数据接收和获取EOS/MODIS接收系统用于接收美国地球观测系统卫星TERRA和AQUA下发的MODIS数据[128]，数据接收处理系统具有运行稳定和较强抗干扰能力的特点[129]，第17页共80页 成都信息工程大学硕士学位论文系统由六大系统所组成，主要包括跟踪天线与控制分系统、信道分系统、数据摄入分系统、接收与处理分系统、大容量数据记录及存贮分系统和高端数据产品分系统组成[130]。MODIS数据可以存储于星上并通过X波段将存储的数据一次性向地面传输，在数据传输过程中进行纠错，确保地面接收到优质的信号，从而实现高精度定位、定标，高速率海量数据传输和存储以及实时快视等功能[129]。MODIS采集的数据具有多波段和较高时空分辨率的特点，加之可以免费获取数据[131]，使得MODIS数据多应用于遥感环境监测。MODIS数据主要可以通过MODIS地面接收站的接收系统、网络服务器下载和基于数字卫星广播接收系统(DVB-S)的MODIS数据共享平台而获取。（3）MODIS数据产品分类MODIS标准数据产品分为5级，包括level0(将未经处理的全部原始数据经过去除干扰、RS纠错等处理后的数据产品)、level1(L1A将未经处理的原始数据进行重建、时间配准以及定标后的数据；L1B将L1A数据应用于云检测及其他科学研究)、level2(将L1B数据去除“蝴蝶结”干扰后具有相同时空间分辨率的数据)、level3(经过几何、辐射校正等统一的时空分辨率的数据)和level4(将低级数据进行综合分析所得的结果数据，如云检测产品等)[132]。NASA将level2-level4的MODIS数据进行分级分类，分别生成陆地、大气和海洋44种标准数据产品。（4）MODIS数据格式HDF(HierarchicalDataFormat)[133-134]是一种将数据格式描述和数据存在同一个文件中，能高效存储和分发科学数据的多对象数据格式，每个HDF文件一般包括两个层次，分别存放文件头、多个数据属性描述集和若干个二维、三维数据集，以及一些具体的属性如预定义和数字属性等。EOS数据产品的数据格式(HDF-EOS)[135]是在HDF格式的基础上开发而成，每个HDF-EOS文件都包含元数据，主要是增加了点、线和网格三种数据类型，MODIS1级产品数据多此格式存储和发布，用户可以直接通过地理坐标和时间访问和查询文件内容[136-138]，解决了不同平台间数据传输需要格式转换，达到信息科学存储和提取快捷方便的目的。2.2.2MODIS产品数据选择（1）MOD13Q1植被指数数据植被的生长状态可以作为表征旱情发展状况的外在因素之一。由于卫星不同波段数据组合而成的植被指数与很多植被长势之间存在较强相关性[139]，因此植被指数不仅可以较好地反映植被数量、质量、植被长势和生物量及空间分布，还可以反映植被生长环境的变化，如季节的变化、植被的健康状况、植物的含水量变化等[140]，从而对地表植被的时空分布进行简单有效的度量。目前，已经发展了四十余种植被指数[141]，并且多数应用于植被生物量的遥感估算，其中归一化差异植被指数的应用最为广泛[142]。第18页共80页 成都信息工程大学硕士学位论文归一化差异植被指数(Normalizeddifferencevegetationindex,NDVI)[143]是Tucker于1979年提出用于识别植被的一个研究指标，监测精度相对较高，且适用于数据量较大、时间序列较长的植被生长规律的研究。通过研究表明归一化植被指数与植被盖度有明显的相关性，其长时间序列变化可以较为灵敏的反应光合作用下植被的生长和变化情况，同一研究区域、同一时间序列的植被，具有相似的NDVI变化曲线[144]。受大气条件和云覆盖等因素影响，单天监测数据的植被指数质量并不高，通常采用多天合成方法，通过将周期内几幅反演较好的植被指数影像合成集大气、云状况等因素的遥感影像[145]，从而可以获取更高质量的植被指数产品[146]。此后大多数植被指数都可应用于遥感监测，但不同环境下的效果存在争论[147]。虽然NDVI应用研究富有成效，但NDVI本身也存在不足，包括易受低植土壤背景的干扰，以及不能确保最佳像元数据合成等[148]，故将NDVI作为干旱信息提取的数据源之一。由于MODIS数据具有高光谱、高时空分辨率特征，加之MODIS_NDVI产品数据值对植被的变化更敏感[149]，因此选用EOS数据中心提供的MOD13Q1产品数据作为研究区伏旱监测指标之一，空间分辨率为250m的16天合成数据，考虑到植被指数的滞后性，时间序列选择为2000至2013年同期6至10月，共计84期，336景。（2）MOD11A2地表温度数据地表温度度(LandSurfaceTemperature，LST)是综合表征区域和全球尺度上地表所有地表与大气间能量平衡和相互交换物理过程研究的一个重要参量，表示地表分子运动的温度[150]，它与卫星热红外传感器监测的辐射温度有所不同[151]。由于单点或局地的监测特性使得常规地表温度监测方法已经不能满足区域尺度乃至全球尺度的地表温度数据在生态环境研究和资源管理的需求，因此应用遥感卫星像元尺度进行地表温度反演将是重要的研究发展趋势[152]。目前基于卫星遥感反演地表温度已经取得了丰硕的研究成果，其中分裂窗口算法的应用最为广泛[153-154]。MODIS地表温度产品数据主要由NASA官方基于分裂窗算法计算得到[155]。分裂窗算法主要是基于辐射传输方程，使用地表发射率和大气透射率等参数，利用10-13μm大气窗口内两个相邻通道对大气吸收作用的不同，通过两个通道测量参数的不同组合来剔除大气的影响，从而进行大气和地表比辐射率的订正[151]。基于劈窗算法的地表温度精度与云条件、空气中水蒸气、气溶胶含量以及地表构造等因素息息相关，在无云条件下地表水体、植被和土壤的温度精度好于1K，但是在裸地和异构表面的发射率存在一定的不确定性，测算的地表温度精度会出现误差[156]。MODIS_MOD11(Terra)第五版本地表温度数据经过多次较大范围的下垫面状况和大气水汽状况下验证以及辐射校正，其精度小于1K，大多数数据符合发射预第19页共80页 成都信息工程大学硕士学位论文期要求[157]。MOD11A2产品数据包含白天和夜间地表温度、31和32波段通道发射率等资料。通过建立31、32通道亮温线性组合的劈窗算法计算获取地表温度，其中根据辐射度与0.1k步长亮温查找表对应通道亮温值，并通过MODIS土地覆盖产品确定地表发射率[158]，从而计算获取地表温度数据。遥感数据的选择往往决定着遥感反演最终结果和精度，主要从遥感数据的时空分辨率，获得途径，以及应用难易程度等方面进行考虑。鉴于此，本文选用NASA数据服务网站提供的全球逐日MODIS_Terra地表温度产品数据MOD11A2，其中，选取四川地区内时间序列为同期2000-2013年6-10月8天合成，空间分辨率为1km的地表温度(LST)产品，共计168期，672景。2.2.3MODIS产品数据预处理在研究模型建立之前，由于本研究选用MOD13Q1和MOD11A2产品，它们的时间分辨率和空间分辨率都不一样，需要对MODIS产品数据进行拼接剪裁、叠加、合成、重采样、投影变换等统一处理。（1）MODIS产品数据重采样MRT(MODISReprojectionTools)是一种针对MODIS数据的处理工具，用户可以借助MRT工具对MODIS陆地数据产品各期影像(Level-2，Level-3，andLevel-4)进行拼接处理、格式转换、投影转换并提取相应指数。期间可以选择影象中的空间子集(spatialsubsetting)和波段子集(spectralsubsetting)进行提取转换；软件输出格式包括大多数软件所支持的Rawbinary、GeoTIFF格式和EOS数据产品的HDF-EOS格式。本文使用的MOD13Q1和MOD11A2产品各期影像数据为hdf格式文件，且研究区需由多幅影像拼接而成，通过MRT工具提取归一化植被指数和地表温度的单波段数据，并选用样条式重采样的方法进行UTM投影坐标转换和研究区影像镶嵌以及纠正，从而得到空间分辨率为1000米、TIF格式的四川省十四年各期的NDVI和LST影像数据。（2）MODIS产品数据合成为了满足研究数据时间序列上的相互统一、逻辑上相互关联，形成各项指标数据参数时间一致，内容完整且具有较高质量的时间序列数据集，需要按照时间顺序将影像数据重新构建为新的时间序列数据集。行政边界基础数据可以用来确定研究数据的边界范围，以点、线和面的矢量格式存储，主要包括国界、省界、地州界、县界及政府驻地等内容。研究基于ArcGIS使用四川省矢量面状数据对已重采样的MOD13Q1和MOD11A2数据产品进行裁剪，得到四川省14年同期4-10月的NDVI和地表温度LST影像数据。遥感影像常受云、雾等大气等因素影响，将不同时相的遥感数据进行合成必须要考虑噪声的去除，以提高合成数据的质量。重新构建时间序列数据集合成处理主要包括时相和频率处理[159]。在时相上，通常使用最大值合成法对未做大气订第20页共80页 成都信息工程大学硕士学位论文正的遥感影像进行数据合成，该方法能够排除多数受云和大气影响的像元，但也存在一定数量信息的丢失。MODIS合成的产品数据主要运用了最大值合成法，兼并天气、去云、卫星姿态以及双向反射等影响因素[160]。由于植被指数MOD13Q1的时间间隔为16天，地表温度MOD11A2时间间隔为8天，需要统一时空分辨率，合成质量较好的像元。研究表明，按LST产品数据合成16天的效果不够理想，主要存有残留零填充像元数量较多，且去云效果差，故本研究选用32天合成。考虑到干旱表现为温度越高植被长势越差的特征，根据地表温度和植被指数产品数据的像元值，按照时间序列分别采用最大和最小像元合成法提取2000-2013年同期32天LST和NDVI产品数据，不但可以减少大量云的影响，还可以保持更多像元具有观测值。2.2.4TRMM降水数据热带降雨卫星(TropicalRainfallMeasuringMission,TRMM)计划是由美国宇航局和日本宇航局联合发起，于1997年11月成功发射，次年1月开始提供TRMM系列数据产品，标志着TRMM数据将逐步迈向气象、生态及水文学等研究领域。其卫星轨道为圆形且倾角为35°，初始高度由350km增至到400km；其中TRMM3B42降水产品数据融合了微波成像仪(TMI)、微波成像专用传感器(SSMI)、改进的微波扫描辐射计(AMSR)、高级微波探测器(AMSU)等多个微波遥感数据。较高的数据质量，使得TRMM产品数据的应用领域趋于多元化。TRMM3B42数据集的空间范围为50°S-50°N，180°W-180°E，空间分辨率为0.25°×0.25°，时间分辨率包括3h、1d、3d、7d。该数据集包括降水量(precipitation)和相对误差(relativeerror)两层，以层次型数据格式(HDF)存储。目前，国内外已有许多学者对TRMM数据的精度进行有效性检验，证实TRMM日、月降水数据均与气象站观测数据存在较好的相关性[161-162]，虽数据精度较实测数据略偏低，但克服了区域降水时空分布的不均匀，以及气象站点数量少且空间分布不均匀等条件限制，往往直接限制了旱涝灾害分析的准确性。更适合应用于大尺度的监测研究。本研究采用2000-2013年6-10月TRMM3B42降水数据(http://mirador.gsfc.nasa.gov/)，时间分辨率为3h，空间分辨率为0.25°×0.25°；空间范围为北纬27.05°S-34.32°N，东经96.35°W-108.52°E。研究以32天降水量为时间间隔，利用IDL程序包将3h降水数据逐日累加读取；并采用反距离权重法(IDW)插值得到降水量的空间分布情况，以研究区矢量行政边界为掩膜进行数据提取，并经过重采样处理获取1000米空间分辨率，获得四川省多年同期TRMM时空分布数据，共计42期。2.2.5数字高程数据及其地貌区划四川地区地势地貌复杂多样，海拔高度变差大。高海拔地区的自然环境、气第21页共80页 成都信息工程大学硕士学位论文候条件以及人为因素的影响都与低海拔地区有较大区别，导致植被类型的垂直地带性显著，从而使得不同海拔高度地形地貌区旱情背景和表现都差异显著，因此在进行干旱模型建模之前，非常有必要基于四川省地貌的复杂性，在进行地貌区划的基础之上，再进行旱情监测模型的构建。本研究所应用的数字高程模型数据(DigitalElevationModel,DEM)SRTM3(ShuttleRadarTopographyMission)由美国太空总署(NASA)和国防部国家测绘局(NIMA)联合测得，并于2002年制作完成，其空间分辨率为90m。对初始DEM数据进行拼接镶嵌处理后，以四川省矢量行政边界为掩膜进行研究区DEM数据提取，并经重采样处理得到1000米空间分辨率的DEM数据。研究区地貌类型的区划主要基于海拔高度因子，在GIS平台下采用属性查询方式完成。主要将研究区划分为3个地貌类型区，分别为海拔高度高于2500m的西部高原地区，海拔高度在1000-2500m的为高原与盆地过渡区，海拔高度低于1000m的为四川东部盆地地区。川西高原面积262916.4258km2，占四川地区总面积的54.8424%，集中分布在四川省康定、马尔康以及西昌市部分地区；高原与盆地过渡区面积78685.9434km2，占四川地区总面积的16.4133%，分布于广元、巴中和达县的北部，绵阳、德阳的西北部，乐山西南部以及雅安、西昌和攀枝花大部分地区；川东盆地面积为137800.9584km2，集中分布在成都市以东的大部分地区，主要包括南充、遂宁、德阳、绵阳、成都、资阳、内江、自贡、泸州和宜宾等，占四川地区总面积的28.7443%，最终区划结果如图2-3所示。图2-3四川省不同海拔高度地貌区划2.3气象与土壤墒情数据（1）气象数据本文通过中国气象科学数据共享服务网(http://cdc.cma.gov.cn/)逐日数据集中获取常规气象观测数据。整个数据集包含了中国752个基本、基准地面气象观测站及自动站自1951以来的日观测数据，包括日平均气压、最高气压、最低气压、平均气温、最高气温、最低气温、平均相对湿度、最小相对湿度、平均风速、最大风速及风向、极大风速及风向、日照时数、降水量等。本研究重点选取2000-2013第22页共80页 成都信息工程大学硕士学位论文年6-9月四川省42个气象站点数据，主要包括北京时间20-20时降水量、日平均气温、日最高气温、日最低气温、日平均相对湿度、日最小相对湿度，和日照时数7个参数。（2）土壤数据土壤湿度可以用来表征土壤含水量状况，土壤含水量的多少间接决定了对植被水分的供应量。土壤类型和作物生长季的不同，土壤含水阈值和作物需水量均有不同，当土壤湿度低于某一临界值时，作物吸收不到足够的水分而受到不同程度的干旱危害。因此，土壤湿度是旱情监测中一个重要指标[163]，多应用于农业气象干旱监测。本文根据研究需要选取2000-2013年6-9月四川省农业气象观测站土壤湿度数据作为验证数据，主要通过中国气象科学数据共享服务网获取。2.4本章小结四川地区地域辽阔、资源丰富，气候温和湿润，属于温润的亚热带季风气候；地形整体走势由西北向东南倾斜，可分为川东盆地、川西北高原和川西南山地三大部分。川东盆地属亚热带湿润气候，四季分明，降水集中且分布不均匀，昼夜温差小，多云雾笼罩；川西高原从南部山地到北部高原，垂直方向上由亚热带季风气候逐渐变为高原气候类型，大部分地区春秋相连，甚至长冬无夏，降水少而集中，昼夜温差大，日照充足且紫外线强。土壤类型垂直分布明显，平原、丘陵以肥力高的水稻土和紫色土等为主；高原、山地随着地势走高变为干旱土壤类型。植被类型川东盆地主要分布有落叶阔叶林，川西高原地区主要是草原和草甸。水资源总量虽然丰富且水质良好，但是存在时空分布不均匀等情况。受复杂地形地貌及气候条件多样的影响，自然灾害频发，干旱、暴雨、洪涝和低温等时有发生，季节性和区域性干旱影响较为严重。MODIS数据具有高波谱分辨率和广波普范围、较高的时间分辨率和综合反应陆地表面信息的特点。因此，本文选用空间分辨率为250m、16天合成的MOD13Q1归一化植被指数数据，8天合成、空间分辨率为1km的MOD11A2地表温度产品以及热带降雨卫星TRMM_3B42降水产品数据作为研究区伏旱监测指标，通过重采样和合成处理分别建立统一的时空数据库。并选用数字高程数据DEM作为背景数据，依据海拔高度将四川划分为川东盆地、盆地与高原过渡区和川西高原地区；通过多年同期常规气象实测降水数据和土壤相对湿度数据的统计整理，从地貌、气象和农业等不同角度进行分区伏旱监测提供了数据支撑。第23页共80页 成都信息工程大学硕士学位论文第三章综合考虑植被、温度和降雨的旱情监测模型构建干旱过程是非常复杂的综合过程，涉及到气候环境、地势地貌、土壤含水量、地表蒸散发和植被覆盖等多种因素，并且各个影响因子之间存在内部联系，由于研究区域地形的复杂性和气候环境的多变性，干旱过程不仅与其中一个因子有关，而是与多种影响因子之间的内部整合作用有关。因此，构建整合多种影响因子的干旱监测模型，有利于增强干旱监测模型的适用性，可以综合反映气候条件、植被生长和地形地貌等方面对干旱影响。本研究便是基于这一思想，综合考虑四川地势地貌、气候条件、土壤湿度和植被覆盖度对区域旱情的影响，以MODIS_NDVI、MODIS_LST产品数据和TRMM卫星降水数据为数据源，构建半经验半机理的多源遥感旱情监测模型，从而实现四川省复杂地形地貌背景区2000-2013年高温伏旱过程的时空监测分析，为四川省夏季伏旱时空变化特征研究提供一种新方法。3.1干旱监测模型的相关指标及其时空特征3.1.1归一化植被指数指标及其时空特征干旱可以导致植被长势发生变化，影响植物的生长发育；植被叶片组织对蓝紫光和红光有强烈的吸收，对近红外有强烈反射，当植被受旱导致水分减少时，叶绿素含量相应减小，其在可见光波段的反射值增大，而在近红外波段的反射值减小，如玉米光谱反射率随植被含水量变化图3-1，因此基于红外和近红外反差建立的植被指数可用于遥感旱情监测，因而通过归一化植被指数NDVI可以间接反映植被受旱情况。图3-1反射率随被植含水量变化情况由于土壤含水量直接影响植被的生长状况，因此可以通过植被指数监测作物长势，从而间接地反映区域干旱情况。在遥感旱情监测研究中，植被在近红外波段高反射率和红波段低反射率的归一化植被指数NDVI应用最为广泛，其值高于其它区域，且多种遥感数据均提供归一化植被指数所需的波段信息[164]。NDVI利用植被在红波段的低反射和近红外波段的高反射特征来计算，计算式为3-1[165]：第24页共80页 成都信息工程大学硕士学位论文21NDVI(3-1)21式中，表示红光波段的反射率，表示近红外波段的反射率。12通过研究表明，NDVI适用于植被覆盖度和生长状况的反演研究。当研究区NDVI值近似于0时，为裸地和岩石区，当研究区NDVI值小于0时，为水体和雪盖。因此，NDVI值越接近于1，植被长势越好，且覆盖程度相应较高[166]。本文选用2000-2013年的MODIS_NDVI产品数据，经过预处理得到6-9月32d的NDVI数据集，通过制作四川省川西高原、川中过渡区及川东盆地年平均NDVI年际变化走势和多年同期NDVI年内变化图表，分别如图3-2至3-3。由图3-2可以看出随着地势走高，植被长势呈现逐渐减弱趋势，NDVI年际走势变幅较大主要出现在川东盆地和川中过渡区，且最大斜率为-0.1017出现于2012-2013年川东盆地地区，川西高原则呈现较为平稳趋势；14年平均NDVI值川东盆地地区可达0.5450，过渡区为0.5440，而川西高原仅为0.4500，这与四川这一地势地貌复杂，气候多样有关，川西地区从南部山地到北部高原，由亚热带演变为高原气候类型，植被类型属于高寒植被，主要是高地森林草原和草甸草原等；而川东盆地地区属于亚热带湿润气候，植被长势好，主要植被类型包括亚热带常绿阔叶林、常绿阔叶与落叶阔叶混交林以及亚热带针叶林及竹林等。其中，四川省平均NDVI值从2000-2001年呈现逐步上升的趋势，随后缓慢下降，2005年是一个下降转折期，而后以倾斜率为0.0020缓慢回升，并在2008年达到波峰值，2009年达到波谷期后缓慢增加，2011-2013年又以斜率-0.043直线下降；NDVI最大值0.4616出现在2008年，最小值0.4515出现在2013年。四川植被在2004、2008、2011年植被长势较好，而2003、2005、2006、2009年较差。由图3-3可以看出，14年6-9月中旬，四川省、川西高原、过渡区及川东盆地植被年内长势均随时间推移呈现减弱趋势，最大倾斜率为-0.0359，出现在盆地与高原过渡区；6月10日-7月11日由于降水量充沛、温度适宜，植被长势普遍较好，最大平均NDVI值在盆地与高原过渡区可达0.5961，而7月12日-8月12日，植被长势稍有减弱，最大平均NDVI值在川东盆地为0.5853，但进入8月13日-9月13日降水偏少、且温度持续不下，致使植被长势下降显著，最小平均NDVI值减少到0.4477，出现在川西高原区域，仅及6月-7月最大NDVI的0.7510%，这最终使得四川省植被的NDVI值从6月中旬至9月中旬呈现出明显的线性下降的特征，这与四川省气候条件和植被生长环境均有关系。第25页共80页 成都信息工程大学硕士学位论文图3-2(a)四川省14年平均NDVI年际走势图3-3(a)四川省14年同期NDVI年内走势图3-2(b)川东盆地14年平均NDVI年际走势图3-3(b)川东盆地14年同期NDVI年内走势图3-2(c)过渡区14年平均NDVI年际走势图3-3(c)过渡区14年同期NDVI年内走势图3-2(d)川西高原14年平均NDVI年际走势图3-3(d)川西高原14年同期NDVI年内走势图3-22000-2013年平均NDVI年际走势图3-32000-2013年同期NDVI年内走势3.1.2地表温度指标及其时空特征地表植被的生理特征状况可以表征受旱程度，较常用的指标包括叶水势、叶片含水量、气孔导度、产量、细胞汁液浓度、冠层温度等[167]。其中，冠层温度多应用于旱情监测指标研究中，地表面温度对水分胁迫敏感，当土壤中水分减少时，其热容量相应变小，在太阳辐射下升温迅速，从而导致地表温度升高，较高地表温度是土壤缺水的外在表现，因此，选用地表温度作为干旱监测指标之一。地表温度指数是根据两个相邻通道通过分裂窗算法，计算获取植被水热特征的旱情指数；地表温度越高，越有可能发生干旱。例如运用MODIS1B数据的31第26页共80页 成都信息工程大学硕士学位论文和32通道进行亮温计算[168]。算法公式如3-2：TaBTbBTc(3-2)s3132BT31和BT32分别表示31和32通道的福射亮温。a、b、c分别表示31和32通道透过率或地表比福射率相关的参数。本文利用2000-2013年6月中旬至9月中旬的MODIS地表温度产品数据MOD11A2，通过最大合成法获取32天的地表温度数据集，并计算统计多年四川省、川西高原、过渡区及川东盆地年平均LST年际变化情况和多年同期LST年内变化情况，如图3-4、3-5所示。由图3-4可以看出，随着海拔高度的增加，地表温度显著降低；由于川东盆地地区地势低平，气温高于同纬度其他地区，14年平均地表温度川东盆地最高可达300.9887；川西高原则地表温度最低为290.7858，这与川西地区气候类型多样，多生长高寒植被，且存在永久冰川和雪盖有关。川东盆地地区地表温度变幅最为明显，在2004-2008年呈现平稳增长，而在2000-2003和2009-2013年呈现较大幅增减，2011-2013年最大斜率可达-5.0167；川西高原则呈现先平缓增减后较大幅度增加，在2010-2013年以1.2的斜率曲线上升，并在2013年达到了293.5000；盆地与高原过渡区域地表温度变幅不大，多呈现平稳增长，在2002、2006和2011年出现峰值，最大可达300.0000。其中，四川省平均LST值呈现先平稳后较大幅度增减趋势，在2006、2009、2011和2013年先后有四个峰值，分别是293.0000、292.4762、293.5000和292.1591，表明这四年夏季平均地表温度较高；而2001、2004、2008、2010和2012年均处于波谷期，说明期间地表温度较低。由图3-5可知，历年自6月中旬至9月中旬，四川省、川西高原、过渡区及川东盆地地表温度均呈现随时间推移而降低的特征，最大倾斜率为-2.2500，出现在盆地与高原过渡区。在川东盆地地区6月10日-7月11日地表温度最高可达304.5000，这与作物收播和生长季均有一定关系，6月中下旬正值作物收播期，土壤背景温度将会增高；而7月12日-8月12日，地表温度稍有减弱但降幅不大，最大平均LST值为303.0000，自8月13日-9月13日地表温度显著下降，而在川西高原区域平均LST值最小，减少至287.5000，即历年6-7月中旬平均温度最高，而8月13日-9月13日平均温度相对较低。图3-4(a)四川省14年平均LST年际走势图3-5(a)四川省14年同期LST年内走势第27页共80页 成都信息工程大学硕士学位论文图3-4(b)川东盆地14年平均LST年际走势图3-5(b)川东盆地14年同期LST年内走势图3-4(c)过渡区14年平均LST年际走势图3-5(c)过渡区14年同期LST年内走势图3-4(d)川西高原14年平均LST年际走势图3-5(d)川西高原14年同期LST年内走势图3-42000-2013年平均LST年际走势图3-52000-2013年同期LST年内走势3.1.3TRMM降水指数指标及其时空特征降水指标是干旱的内在表征，久晴且降水量较历年同期明显偏少通常会发生干旱，水分的匮乏是干旱形成的主要原因，故对降水时空分布的研究，是旱情监测重要组成部分。由于热带降雨计划卫星(TRMM)可以进行大尺度三维连续观测，因此首选TRMM数据获取降水资料[169]。本文利用2000-2013年6月中旬至9月中旬的TRMM卫星降水数据TRMM3B42，通过计算统计14年川西高原、过渡区、川东盆地及四川省年平均降水年际变化和多年同期降水年内变化情况，如图3-6、3-7所示。由图3-6可以看出，川西高原、过渡区和川东盆地年平均降水年际走势基本一致，仅在2010-2012年略有不同，降水量随着海拔高度的增加而降低；其中，历年平均降水量最高为16.2500，最低为15.9759，分别位于川东盆地和川西高原。四川省年平均降水量呈折线形走势且变幅较大，2000-2002年TRMM以6.0333的斜率线性增长，R2=0.9974，在2002年达到24.5667后在2003年下降至13.5000，随后在2004年又以8.0000斜率大幅度增至21.5，然后迅速下降，分别于2005、2006年和2008年达到波谷13.0000和波峰21.5000，并在2009年达到最小波谷11.5000后立刻上升，自2010年开始缓慢下降，并在2013年有小幅度回升；由此可知，2000、2003、第28页共80页 成都信息工程大学硕士学位论文2005、2006、2007、2009、2012和2013年降水量较少。由图3-11可知历年7月中旬至9月中旬，降水量普遍偏少，最小仅有0.255，是伏旱的频发时期。由图3-7可知，历年自6月中旬至9月中旬四川省、川西高原、过渡区及川东盆地，降水量均随时间推移而减少，在川东盆地表现为最大倾斜率为-2.7500，R2=0.8176；其中，川东盆地6月10日-7月11日平均降水量最高可达18.0000出现，而7月12日-8月12日，平均降水量略有减少为17.0000，而8月13日-9月13日平均降水量降幅较大，减少至12.5000。图3-6(a)四川省14年平均TRMM年际走势图3-7(a)四川省14年同期TRMM年内走势图3-6(b)川东盆地年平均TRMM年际走势图3-7(b)川东盆地多年同期TRMM年内走势图3-6(c)过渡区年平均TRMM年际走势图3-7(c)过渡区多年同期TRMM年内走势图3-6(d)川西高原年平均TRMM年际走势图3-7(d)川西高原多年同期TRMM年内走势图3-62000-2013年平均TRMM年际走势图3-72000-2013年同期TRMM年内走势第29页共80页 成都信息工程大学硕士学位论文3.2综合旱情指标模型构建3.2.1综合旱情监测指标的选取及其时空特征当植被受水分胁迫时，植被绿度降低或者植被覆盖度下降，表征为叶片枯黄、凋落，会导致绿色植被近红外波段的反射率降低，NDVI值会明显减小；尽管NDVI可以有效监测植被覆长势和土壤湿度情况，但在发生干旱时NDVI指数会表现出一定的滞后性[57]；地表温度指数进行干旱监测虽然具有一定的时效性[74]，当土壤水分受到胁迫时，土壤热容量将会减小，从而导致地表温度升高；但在植被长势较差或作物收播期，旱情监测结果会受到土壤背景温度的严重干扰[75]；降水对干旱具有累积效应，虽然是水分胁迫的重要因素，但其它自然环境因素和人为因素对研究区发生水分胁迫的协同作用也不容忽视。因此，本研究从旱情的外在表征及内在原因两方面，综合考虑植被、地表温度和降水量进行研究区高温伏旱监测，分别选取植被状态指数VCI、温度条件指数TCI和卫星降水TRM为旱情监测模型的三个主要参量，消除云和雪盖的影响，并建立统一时间分辨率为32天，空间分辨率为1000m数据库，为后期构建综合植被、温度和降水因素的旱情监测模型奠定数据基础。（1）植被状态指数指标及其时空特征由于地势地貌和气候存在差异，植被在的不同生长阶段需水量有所不同，从而使NDVI与历年同期值存在一定偏差。植被状态指数VCI(VegetationConditionIndex)[170]，可以消除NDVI的空间差异，使不同地形地貌区域之间具有可比性；并减少极端天气的影响，使得季节性明显，更加直观反映植被生长状况和时空变化特征，进一步指示水分胁迫状况，VCI指数表达式为3-3[171-172]：NDVINDVIjminVCI(3-3)NDVINDVImaxmin式中，NDVIj表示某年第j期的归一化植被指数，NDVImax、NDVImin分别表示研究年限内第j时期植被指数的最大值和最小值。其中，分母为植被指数的最大变化范围，可以反映研究区域内植被整体的生长情况和生长环境；分子则可以反映某年第j时期的植被生长状况。VCI值越大，表明植被生长状况越好；反之，随着VCI的减小，植被生长状况越渐减弱。本研究利用2000-2013年6月中旬至9月中旬32天合成NDVI数据集，获取各年同期NDVI最大值和最小值，进而计算得到同期VCI指数。在旱情监测方面，VCI指数与NDVI指数均适用于植被生长期监测。经过统计得到年平均VCI年际变化走势和多年同期VCI年内变化图，如图3-8和3-9所示。第30页共80页 成都信息工程大学硕士学位论文图3-82000-2013年平均VCI年际走势图3-92000-2013年同期VCI年内变化走势从图3-8可以看出，2000-2013年植被长势趋于平稳，变幅不大，从2001-2002年VCI有小幅下降，而后平稳回升，2004年为一个转折期，并在2006年降至波谷，后曲线上升，在2006-2008年以斜率为0.0100、R2=0.9231的幅度增加，并于2008年达到最大波峰值0.4650后呈线性下降，2010年之后以斜率0.0060、R2=0.9059曲线回升，在2013年VCI值达到0.4650，表明2008和2013年植被总体长势较好。在2002、2006、2009和2010年出现最小值0.4450，说明这几年植被长势相对较弱；由图3-9可以看出，历年同期6月中旬至9月中旬，VCI值随时间推移逐渐减小，在7月12日-9月13日期间达到最小值0.43，说明该时期植被长势最弱。（2）温度条件指数指标及其时空特征植被生长受到温度制约，随着温度的升高植被叶片气孔关闭，导致蒸腾作用减弱，进而使植物冠层温度升高，植物冠层温度的升高，反映了植被对温度的两种相反的响应[173]。因此，Kogan[9]提出了基于地表温度时间序列的温度条件指数(TemperatureConditionIndex,TCI)，该指数强调温度条件与植被长势的关系，可以弥补VCI受植被长势及生长季节的限制，在植被稀疏及作物播收期均可监测。TCI主要用于评估植被在较高温度条件下的生长状况以及干旱对水分的胁迫作用，被视为旱情监测的初始指标，其数值在0-1之间，是一个无量纲的量[174]。但植被受到周围大气及生长环境等多方面因素影响，冠层温度的时空变化存在不规律现象，仅温度条件指数进行干旱监测结果并不十分理想[175]。温度状态指数模型定义如式3-4[172]：LSTLSTmaxjTCI(3-4)LSTLSTmaxmin式中，LSTj表示某年第j期的地表温度值，LSTmax、LSTmin分别表示研究年限内同期地表温度的最大值和最小值。在研究区植被覆盖类型及生长环境条件保持不变的情况下，TCI越趋近于0，表明土壤含水量低，植被受水分胁迫严重，相对于历年同期植被长势越差；TCI越趋近于1，表明植被水分状况良好，土壤含水量较高。本研究选取2000-2013年6月中旬至9月中旬作为TCI指数的监测时间。根据温度条件指数各参数的计算方法，经过逐像元计算得到各年同期地表温度最大第31页共80页 成都信息工程大学硕士学位论文值和最小值，利用同期32天合成的LST计算得到同期TCI指数，并通过计算统计，得到多年平均TCI年际变化情况和多年同期TCI年内变化情况，如图3-10、3-11所示。由图3-10可以看出，历年TCI年际变化走势整体趋于先平稳后较大幅度增减的特征，从2000-2002年TCI值先减小后增大，随后平缓下降，自2005年有一小幅度回升后小幅回落，度过连续三年的平稳期，在2009年突然呈线性下降达到最小值0.395，斜率为-0.0400，之后四年以斜率为0.0166，R2=0.6744呈阶梯形缓慢上升，表明在2001、2004、2009和2011年温度较高且植被容易受到水分胁迫；其次是2003、2006、2007和2008年，虽然受到周围环境其他因素的影响，存在一定不规律值特征，但温度也相对偏高。由图3-11可知，历年自6月中旬至9月中旬，随时间推移TCI指数呈现先增大后减小的趋势，TCI最小值为0.3950出现在6-7月中旬，在7-8月中旬TCI最大可达0.5550，说明历年同期6月10日-7月11日和8月13日-9月13日，温度相对较高、土壤含水量比较低且致使植被更容易受到水分胁迫影响。图3-102000-2013年平均TCI年际走势图3-112000-2013年同期TCI年内走势（3）TRMM降水指数指标及其时空特征本研究需要对各个指标统一量纲，故需要对经过空间插值的TRMM数据进行归一化处理，表示为式3-5：TRMMTRMMjminTRM(3-5)TRMMTRMMmaxmin式中，表示某年第j期的降水量，TRMMmax、TRMMmin分别表示研究年限内第j期降水量的最大值和最小值。TRM是一个无量纲值，取值范围是0-1；降水量的大小可以表征土壤含水量的多少，因此，TRM值越小表明降水越少，土壤含水量也相应较低。图3-122000-2013年平均TRM年际走势图3-132000-2013年同期TRM年内变化走势第32页共80页 成都信息工程大学硕士学位论文本文利用2000-2013年6月中旬至9月中旬的TRMM降水产品数据，通过读取32天降水量，计算统计得到平均TRM年际和多年同期TRM年内变化走势，如图3-12、3-13所示。由图3-12可以看出，多年平均TRM年际变化呈“M-U-M”形走势且变幅比较大，2000-2002年TRM呈线性增长，斜率为0.0979、R2=0.9997，在2002年达到最大值0.4208后以斜率为-0.2035在2003年下降至0.2173，随后在2004年较大幅度增至0.3600，然后呈“U”形走势于2006年降至0.2153，2008年升至0.3750，在2009年达到最低波谷0.2050后立刻上升，自2010年开始缓慢下降，并在2013年有小幅度回升；由此可知，2000、2003、2005、2006、2009、2012和2013年降水量相对较少。由图3-13可知历年6月中旬至9月中旬，降水量普遍偏少，最小TRM仅有0.2550出现在7月中旬至9月中旬，而6-7月中旬降水量相对较大，TRM值为0.2750。3.2.2伏旱遥感指标模型构建综合植被、温度和降水的归一化遥感旱情监测模型称为CALEDDROUGHTCONDITIONINDEX(SDCI)[176]，主要应用内在表征TRM指数整合外在表征VCI和TCI指数，分别通过半经验法赋给三个基本参量不同权重系数[177]，构建归一化旱情监测指数模型SDCI，表达式为3-6：SDCIwTCIwTRMwVCI(3-6)123式中，TCI、TRM和VCI数值越小，越容易发生干旱，其权重系数分别为w1、w2和w3，且w1+w2+w3=1，SDCI值越小表明研究区旱情越严重。考虑到植被指数对监测结果存在一定的滞后性，温度和降水指数时效性相对较高，综合各参数指标监测特点和前人经验拟定CI1、CI2和CI3、CI4为四种不同权重组合的SDCI旱情监测模型，这四种权重组合基本可以在一定程度上比较充分的代表了气温、降水和植被对旱情影响的贡献，计算公式如3-7所示：111CITCITRMVCI1333121CITCITRMVCI2444(3-7)221CITCITRMVCI355511CITCIVCI422本研究在应用上述不同权重组合的SCDI模型进行旱情监测的同时，将旱情遥感监测模型中常用传统植被健康指数(VegetationHealthIndex,VHI)[178]作为第四种权重组合CI4的SCDI模型进行旱情监测。植被健康指数(VHI)是考虑植被叶面生长状态与温度对植被生长影响而进行评价的健康状态衡量因子。主要利用TCI和VCI指数进行线性组合构建的VHI指第33页共80页 成都信息工程大学硕士学位论文[9、179]数，从而进行综合温度和植被的旱情监测，弥补了单一VCI和TCI指数在监测中存在时空差异的不足。计算公式如3-8：VHIw1TCIw2VCI(3-8)式中，VHI为植被健康指数，w1和w2分别为VCI和TCI对应的权重值，由于研究区时空存在差异，VCI指数与TCI指数对的植被健康状况的贡献各有不同，多以经验确定贡献度，故本研究选用默认值0.5作为TCI和VCI对应的权重；VCI和TCI分别为同期植被状态指数与温度条件指数。VHI指数值越小，表明越易引发干旱。根据式3-8计算2000-2013年平均VHI指数和6月中旬至9月中旬VHI指数年际变化情况如图3-14、3-15所示。图3-142000-2013年平均VHI变化走势图3-152000-2013年同期VHI年际变化走势由图3-14可以看出，多年平均VHI年际走势呈先平缓后较大幅度增减，从2000-2002年VHI值平缓降低，后逐年平稳上升，在2004年达到40.9649后开始减小，2006年为一转折时期，随后以斜率4.9811大幅度增加，至2008年VHI值升至最高为42.9812，从2009-2011年VHI值呈阶梯型减小，于2011年降至38.5000后以斜率2.2421、R2=0.9117大幅度增加；VHI指数在2006年最低为38.0000，2013年最高为42.9841，由此可知在2006和2011年有可能发生重大干旱，其次2000-2005、2009年发生干旱的可能性相对比较大。由图3-15可知历年6月中旬至9月中旬，VHI值呈先增加后减小趋势，在7-8月中旬最大值可达47.5000，而6-7月中旬和8-9月中旬最小值为39.5000，表明该时段更容易发生不同程度干旱。3.2.3干旱监测模型与Z指数验证分析本研究选用气象干旱监测常用的，且适应于不同时间尺度、不同区域的降水Z指数对旱情监测结果进行验证，从而确定最优权重组合的SDCI旱情监测模型。（1）标准化降水Z指数及其时空特征Z指数(Z-Index)适合单站旱涝等级的划分[180-181]，可以更为有效地反映时段干旱实况。由于某时段的降水量平均值不同，不服从正态分布，因此，假设研究时段的降水量服从Person-Ⅲ型分布，通过对概率密度函数Person-Ⅲ型分布正态化处理，可将时段降水量转换为以Z为变量的标准正态分布，从而消除研究时段降水均值不同的影响[182]。其计算公式为3-9：第34页共80页 成都信息工程大学硕士学位论文16c36cssZiYi1(3-9)cs2cs6式中，Zi为标准化降水Z指数，cs为偏态系数，Yi为标准化月降水量，i为期数；通过各个气象台站同期32天降水序列数据，计算标准变量Yi和偏态系数cs。xxiY(3-10)in313csxix(3-11)ni1n12xx(3-12)ini1n1xxi(3-13)ni1其中，降水序列标准差，；x为样本均值，；xi为单站降雨量，n为xi的样本数量。基于气象站点数量有限且分布不均等条件限制，因此本研究用标准化降水Z指数结果做验证。表3-1Z指数旱情等级表旱情等级Z指数无旱Z≥-0.842轻度干旱-1.037≤Z<-0.842严重干旱-1.645≤Z<-1.037特大干旱Z<-1.645Z指数可用于划分干旱等级，一般划分为无旱、轻度干旱、严重干旱和特大干旱4个旱涝等级[180]，如表3-1所示，但鉴于四川气候类型多样、地形地貌复杂和植被类型繁多及生长季不同等因素，研究区Z指数干旱等级范围需要根据实际情况进一步调整。本文利用2000-2013年6月中旬至9月中旬的气象站点实测降水数据，通过统计整理得出44个台站同期32天降水结果，并通过计算统计，得到多年平均Z指数年际和同期Z指数年内变化情况，如图3-16、3-17所示。由图3-16可以看出，Z指数年际变化呈“W”型走势，在2006和2009年出现极低值，分别为-0.0582和-0.0922，2013年Z值也相对较低，仅有0.0114，说明这三年发生严重干旱的可能性很大；除了2003、2008和2011年Z值偏高，分别达到0.2028、0.2734和0.2359，不易发生干旱，其他年份均容易引发轻度干旱。由图3-17可知历年7月中旬至9月中旬，Z指数呈平缓下降趋势，6月中旬至8月中旬数值大小相差不大，且最大可达0.1771；而8月中旬至9月中旬数值最小，仅为0.1368，表明历第35页共80页 成都信息工程大学硕士学位论文年8月中旬至9月中旬干旱时有发生。图3-162000-2013年平均Z指数变化走势图3-172000-2013年同期Z指数年际变化走势（2）降水Z指数验证分析采用统计分析方法分别将历年CI1、CI2、CI3和CI4四种权重组合得到的旱情监测结果分别与同期Z指数进行相关分析，建立时空对应的关系统计数据库，相关系数如表3-2所示；按照时间序列分别统计各期相关系数最大的权重组合，通过分析得出与Z指数相关性最大的权重组合出现频率和四种权重组合相关系数多年平均值，如图3-18、3-19所示。表3-2Z指数与4种权重组合的SDCI指数相关系数表格时间CI1CI2CI3CI4200007120.4390.5070.4500.247200008130.1270.2690.166-0.161200009140.3190.3280.2780.206200107120.2470.2370.2460.158200108130.1400.1480.1340.07820010914-0.0620.012-0.045-0.166200207120.1610.2140.187-0.10020020813-0.0200.076-0.012-0.221200209140.3730.4710.434-0.223200307120.5000.5770.4880.045200308130.5540.6190.5930.068200309140.3080.2270.2820.405200407120.1750.2970.160-0.340200408130.2810.3450.229-0.022200409140.2050.2970.239-0.039200507120.4470.4660.4950.281200508130.2590.1850.2230.338200509140.3080.3360.3480.254第36页共80页 成都信息工程大学硕士学位论文续表3-2时间CI1CI2CI3CI420060712-0.192-0.097-0.158-0.29020060813-0.149-0.207-0.205-0.013200609140.0680.1200.105-0.001200707120.2530.1520.2060.470200708130.1080.0060.0490.32320070914-0.0240.0120.056-0.085200807120.1170.1070.1570.12120080813-0.0040.0680.075-0.131200809140.0000.0450.029-0.095200907120.4750.4740.4640.411200908130.4310.5460.5180.037200909140.0820.1590.136-0.086201007120.1810.1380.1540.213201008130.2030.2490.2000.06520100914-0.3990.188-0.398-0.171201107120.3230.3480.3310.191201108130.0050.2130.119-0.599201109140.2320.3250.0720.41520120712-0.0870.058-0.151-0.325201208130.0430.018-0.0060.090201209140.1210.1290.0830.075201307120.2420.2270.2420.162201308130.4410.4640.4730.088201309140.5360.6340.6120.067相关系数越接近于1，表明两者的相关性越好。由表3-2可以看出，Z指数与4种权重组合的SDCI指数整体相关性并不高，甚至出现负相关值，这与气象站点数量少、分布不均匀以及实测数据质量和Z指数的计算误差均有一定关系。其相关系数最高为CI2，可达0.634。由图3-18可以看出，历年CI2权重组合与Z指数的相关系数相对偏高，相关系数最大的权重组合出现频率可达0.62。由图3-19可知，CI2权重组合与Z指数的相关系数多年平均值最高，为0.2378，CI1和CI3权第37页共80页 成都信息工程大学硕士学位论文重组合与Z指数的相关系数多年平均值相对较低，两者相差不大，而CI4的多年平均相关系数最小。因此，Z指数为验证可选CI2为最优权重组合。图3-18相关系数最大权重组合的出现频率图3-19Z指数与权重组合相关系数均值3.2.4干旱监测模型与土壤墒情指数验证分析通常使用土壤湿度指标进行农业干旱监测，土壤含水量的多少和土壤有效持水能力关系到作物水分供给状况，当受到水分胁迫土壤湿度低于某一临界值时，作物吸收不到足够的水分而受到干旱危害。因此土壤湿度是综合旱情监测中一个重要指标，需要考虑到综合干旱监测模型中来[183]。由于土壤湿度实测数据质量和站点数量有限，加之土壤类型和植被生长季需水状况不同，故通过数据整理和统计分析，将土壤墒情作为验证数据分别与不同权重组合的归一化旱情监测结果建立对应关系，获得2000-2013年同期土壤表层10cm和20cm相对湿度与不同权重组合的归一化旱情监测结果的相关系数，如表3-3和3-4所示。依次统计各期最大相关系数权重组合，通过分析得出各期最大相关系数权重组合的出现频率以及不同权重组合监测结果与土壤湿度相关系数多年平均值，如图3-20和3-21。表3-310cm土壤相对湿度与4种权重组合SDCI指数相关系数表格时间CI1CI2CI3CI4200007120.1440.1630.1770.082200008130.5530.5840.5670.379200009140.2280.4360.422-0.267200107120.1910.2380.289-0.016200108130.2840.3830.397-0.118200109140.4160.4600.4480.326200207120.3290.3480.431-0.065200208130.0870.2490.375-0.364200209140.3490.3990.367-0.135200307120.3540.3010.3150.447200308130.1500.1020.1390.412200309140.1990.3070.277-0.077第38页共80页 成都信息工程大学硕士学位论文续表3-3时间CI1CI2CI3CI4200407120.3120.3180.2640.055200408130.1120.0230.0780.247200409140.3470.3800.3230.100200507120.1740.2520.252-0.040200508130.4420.4300.4340.323200509140.4000.3680.3230.38720060712-0.015-0.155-0.0520.283200608130.4910.4980.5180.447200609140.4800.5310.5060.295200707120.3400.2690.3190.459200708130.5140.5170.5990.367200709140.1280.1590.1420.085200807120.4100.4140.4310.310200808130.0840.1420.158-0.039200809140.3180.3490.3760.051200907120.2870.2780.3070.262200908130.0530.0650.063-0.009200909140.5460.3460.5030.671201007120.3260.3140.3010.301201008130.1290.1480.1190.00120100914-0.3990.188-0.398-0.171201107120.0370.1380.117-0.20320110813-0.091-0.124-0.0780.070201109140.0930.0190.0690.166201207120.0780.1340.131-0.038201208130.4680.4910.4900.232201209140.1620.1450.1040.160201307120.3990.3900.3890.233201308130.2700.1660.1840.487201309140.2860.1790.1480.350第39页共80页 成都信息工程大学硕士学位论文当土壤受到水分胁迫表现为缺水状态时，土壤相对湿度对应减小；而SDCI模型监测结果越小，表明旱情越严重，故土壤相对湿度与SDCI指数值呈正相关。由表3-3可以看出，土壤表层10cm相对湿度与4种不同权重组合旱情监测结果的相关系数普遍偏低，并存在很多负相关的情况，最大相关系数值为0.599，出现于20070813期的CI3权重组合。表3-420cm土壤相对湿度与4种权重组合SDCI指数相关系数表格时间CI1CI2CI3CI4200007120.4020.4520.4440.228200008130.3200.2760.2120.302200009140.1800.3790.342-0.285200107120.2840.3500.289-0.011200108130.2050.3090.320-0.173200109140.2230.2920.2850.097200207120.1610.2140.187-0.10020020813-0.0200.076-0.012-0.221200209140.3730.4710.434-0.223200307120.4670.4780.4670.361200308130.4250.3970.4160.405200309140.2450.3040.2640.062200407120.3620.3130.2990.224200408130.2920.3740.361-0.109200409140.4610.4300.3840.374200507120.3540.4400.4360.092200508130.3950.4230.4240.204200509140.2070.1740.1530.226200607120.1550.0120.1310.427200608130.2270.2310.3260.204200609140.5590.5980.5600.374200707120.6230.5340.5690.719200708130.5500.5140.5980.496200709140.3340.3200.3610.324200807120.1170.1070.1570.121第40页共80页 成都信息工程大学硕士学位论文续表3-4时间CI1CI2CI3CI420080813-0.0040.0680.075-0.131200809140.0000.0450.029-0.095200907120.4750.4740.4640.411200908130.4310.5460.5180.037200909140.0820.1590.136-0.086201007120.1810.1380.1540.213201008130.2030.2490.2000.06520100914-0.3990.188-0.398-0.171201107120.2370.2450.2430.159201108130.0430.0260.0470.070201109140.0730.0190.0770.126201207120.4480.4980.4630.257201208130.5130.5530.5530.213201209140.3880.3560.3190.352201307120.4460.4500.4470.174201308130.1980.1300.1540.327201309140.2600.2890.1930.026土壤相对湿度越低，干旱程度越严重，由表3-4可以看出，土壤表层20cm相对湿度与4种不同权重组合旱情监测结果的相关系数同样偏低，并存在负相关的情况，最大相关系数值为0.598，出现于20070813期的CI3权重组合。虽然最大相关系数为CI3权重组合，但从整体相关性对比结果可知，仅为少数。土壤表层10cm和20cm相对湿度与4种权重组合监测结果的相关性普遍偏低，于是分别统计与10cm和20cm土壤湿度较大相关性权重组合出现频率，由图3-20可知，CI2权重组合与土壤湿度的相关性高于其他权重组合的频率最大，再通过将相关性进行年际统计得出10cm和20cm相关系数均值状况，由图3-21可以看出，10cm土壤湿度与4种权重组合监测结果相关系性CI2和CI3权重组合相对较高，虽然CI2高于CI3，但两者相差不大；与20cm土壤湿度相关性CI2权重组合相对较高；由此可知，虽然与土壤湿度相关性较大的是CI3权重组合，但年际变化和较大频率概况表明CI2权重组合仍为最优权重组合。第41页共80页 成都信息工程大学硕士学位论文图3-20(a)10cm最大相关系数权重组合出现频率图3-21(a)10cm土壤湿度相关系数均值图3-20(b)20cm最大相关系数权重组合出现频率图3-21(b)20cm土壤湿度相关系数均值图3-20与土壤湿度最大相关系数权重组合频率图3-21与土壤湿度相关系数均值通过分别与历年同期降水标准化Z指数和10cm、20cm土壤相对湿度进行相关分析，最终确定权重系数w1、w2和w3分别为0.25、0.5和0.25为最优权重组合。因此SDCI的最终权重组合模型如下式3-14：121SDCITCITRMVCI(3-14)4443.3本章小结干旱过程与区域气候环境、地势地貌、地表蒸散发和植被覆盖等多种因素相互作用，因此可以通过各影响因素的变化间接反映干旱情况。因此，本文分别按照地貌区划结果将MODIS_NDVI、MODIS_LST产品数据和TRMM降水数据作为基础监测指标，经过计算处理获得2000-2013年6月中旬至9月中旬VCI、TCI和TRM指数，分析各个指标伏旱监测结果的年际变化规律和逐年旱情变化情况；从而构建综合植被、温度和降水3种权重组合的SDCI伏旱监测模型，并将VHI指数作为第4种权重组合模型，分别与同期Z指数和土壤湿度监测结果进行相关分析，最终确定最优权重组合的SDCI伏旱监测模型。（1）各年平均NDVI和LST监测结果年际变化走势均随海拔高度的上升逐渐减弱，表现为川东盆地>过渡区>川西高原，即川东盆地植被长势较好且温度相对较高；而TRMM监测结果随海拔高度的上升并无较大差异。NDVI监测得到2002、2005、2006、2009、2010年植被长势较差；分别于2002、2006、2009和2011年LST较高，而2000、2008、2010和2012年则相对较低；TRMM监测结果在2000、2003、2005-2007、2009和2012-2013年降水量较小。（2）历年同期平均NDVI、LST和TRMM监测结果年内变化走势均表现为随着时间的推移而逐渐减小的趋势，即历年同期6-7月中旬监测结果值最大，而8-9月中旬监测结果值最小。第42页共80页 成都信息工程大学硕士学位论文（3）选取VCI、TCI和TRM指数构建综合伏旱监测模型。其中，VCI指数表明在2002、2006、2009和2010年植被长势较差；TCI走势表明在2001、2004、2009和2011年植被受水分胁迫严重，其次是2003、2006、2007和2008年均可能发生干旱；TRMM表现为2000、2003、2005-2007、2009和2012-2013年降水不足。因此，受到周围环境及其他因素的影响，运用单一干旱指标进行伏旱监测，研究结果存在一定不规律特征；虽然各指标监测结果并不完全一致，但也存在一定共性，通过对比可知在2002、2006、2009和2011年均有可能发生特大干旱，且历年同期年内变化走势则多表现为8-9月中旬监测结果值相对较小。（4）综合植被、温度和降水构建3种权重组合的半经验SDCI伏旱监测模型，并将VHI作为第4种权重组合，分别与同期降水Z指数旱情监测结果和10cm、20cm土壤湿度进行相关分析，最终确定TCI、TRM和VCI的权重系数分别为0.25、0.50和0.25为最优权重组合，从而确定最优权重SDCI伏旱监测模型。第43页共80页 成都信息工程大学硕士学位论文第四章四川省高温伏旱时空特征分析4.1四川省伏旱等级的划分与分析应用所确立的SDCI归一化旱情条件模型，在GIS平台支持下，应用空间分析功能，进行四川地区2000-2013年的高温伏旱遥感监测及其等级划分。虽然以后研究，如Jinyoung[176]将干旱划分为5个等级，即0-0.3重旱、0.3-0.4中旱、0.4-0.5轻旱、0.5-1.0无旱。根据传感器不同，并受研究区气候环境、地势地貌等自然因素和人为因素等差异的影响，SDCI旱情监测模型的干旱程度等级划分也有所不同，综合前人干旱程度划分标准，依据四川这一研究区自然和人为因素实际情况，确定符合研究区气候多样且地势地貌复杂特点的不同的干旱等级SDCI阈值，依据不同阈值大小，在GIS平台支持下进行再分类分析，建立四川地区2000-2013年夏季高温伏旱遥感监测空间数据库。由于四川地势高差悬殊，气候多样致使植被种类和长势均有不同。川西地区从南部山地到北部高原，由亚热带演变为高原气候类型，土壤类型多为高山始成土，即干旱土壤；植被类型属于高寒植被，主要是高地森林草原和草甸草原等。而川东盆地地区属于亚热带湿润气候，地势低平，土质肥沃，气温高于同纬度其他地区且降水充沛，植被长势好，主要植被类型包括亚热带常绿阔叶林、常绿阔叶与落叶阔叶混交林以及亚热带针叶林及竹林等。因此，基于VCI指数、TCI指数和TRM指数的监测结果东西差异很大，影响SDCI干旱模型进行全区域干旱监测结果，按照0-0.23特大干旱、0.23-0.33严重干旱、0.33-0.43中度干旱、0.43-0.53轻度干旱、0.53-1.00无旱的划分标准，川西地区会出现大面积干旱状况；加之地表温度越高，植被长势越差，以及降水量越小，发生干旱的可能性越大，故本研究选取最大TCI指数、最小VCI指数和TRM指数，通过权重组合，获取最优权重组合的SDCI旱情监测模型的旱情监测结果要比实际干旱结果略加严重。因此，需要根据地势地貌进行背景区划，选取适合不同地貌背景的干旱阈值，分别进行旱情监测结果更为理想。4.2基于地貌区划的伏旱时空特征分析根据前期地貌区划数据，在GIS平台下分别提取历年同期川西高原地区、高原与盆地过渡区和川东部盆地地区3类SDCI旱情监测结果，依据前人的干旱等级划分标准[176]，并结合各个区域的历史实际旱情进行对比验证，从而确定符合各个区域的干旱等级SDCI的阈值，分别建立2000-2013年西部高原地区、高原与盆地过度区和川东部盆地地区高温伏旱遥感监测空间数据库，通过分析四川省三类地貌类型区夏季高温伏旱时空演变特征及格局。4.2.1川东盆地地区伏旱时空特征分析川东盆地地区海拔高度在1000m以下，属于亚热带湿润气候，这里土壤肥沃，第44页共80页 成都信息工程大学硕士学位论文植被茂盛，降水充沛。因此根据川东盆地地区土壤墒情数据作为该区域干旱等级标准划分依据，将SDCI监测模型的干旱等级划分为0-0.25特大干旱旱、0.25-0.35严重干旱、0.35-0.45中度干旱、0.45-0.55轻度干旱、0.55-1.00无旱，2000-2013年川东盆地地区伏旱监测结果如图4-1所示。00010203第45页共80页 成都信息工程大学硕士学位论文04050607第46页共80页 成都信息工程大学硕士学位论文08091011第47页共80页 成都信息工程大学硕士学位论文12136月10-7月117月12-8月128月13-9月13图4-1川东盆地伏旱分布图由图4-1可以看出，2000-2013年6月中旬至9月中旬川东盆地地区伏旱时有发生，多分布在盆地的东部及中部，并且范围广；加之农作物秋收，影响植被状态指数，故常年伏旱频发时期为8月中旬至9月中旬，并且旱情强度偏大。历年同期6月中旬至7月中旬，大强度旱情分别发生于2000、2013年盆地东南地区、2003年盆地的偏西和西南部、2009年盆地东西部边缘地区。较强旱情除了2001和2004年，其他各年均有发生，其中，2000、2008和2013年发生于盆地中东部地区，2002年发于盆地的西北部及北部，2003年发生于盆地中偏西部地区，2005年主要分布在盆地东南部和西北部，2006、2009和2011年主要位于盆地中部及东部地区，2007和2010年零星分布于盆地北部和东北地区，2012年主要分布在盆地东部和南部地区。历年同期7月中旬至8月中旬，大强度旱情分别发生于2000、2003、2005、2008、2009和2013年，其中2000、2005和2013年多分布于盆地东南地区，2003、2008年零星分布与盆地西部和西北部，2009年则发生于盆地东南区域。较强旱情范围大，除了2001、2002、2007、2008和2010年零星分布于盆地中部以外，其他各年份多发生于盆地东南和东北地区。历年同期8月中旬至9月中旬，旱情发生强度大，且范围广，多分布于盆地东部和东南部，少部分分布于盆地中部和西北地区。其中，2002、2003、2005、2006、2007、2009、2011、2013年发生了大强度伏旱。2002年旱情主要发生于盆第48页共80页 成都信息工程大学硕士学位论文地西北和西部地区，东部及东南部也有零星大强度干旱发生；2003年特大干旱呈宽条带状，横跨盆地中部偏北地区；2006年主要发生于盆地东部大部分地区，并连成片状，在东北部和中部也有零星分布；2007年干旱主要发生于盆地西部和东部偏北大部分地区；2009年干旱主要分布于盆地东部和东北地区，在整个盆地均有零星大强度干旱发生；2011和2013年大强度干旱主要发生于盆地东南和中部绝大部分地区。较强旱情除了2001和2008年以外，其他年份均有发生，且范围广，严重时分布于整个川东盆地地区，其中2006年最为严重，其次是2003、2004、2005、2007、2009、2011和2013年；而2000、2010和2012年分布范围相对较小，依次分布于西部和东南部、中部偏西区域、以及盆地西部、南部和东部多数地区。从各年伏旱发生发展情况来看，历年同期6月中旬至9月中旬，伏旱强度多数是随着时间推移逐渐加强，并在8月中旬至9月中旬强度达到最大，如2006年7月中旬至8月中旬盆地中、东部已出现较大范围中等强度以上的伏旱，到8月中旬至9月中旬，伏旱范围显著扩大，干旱强度明显加强，并达到顶峰。也存在伏旱强度从6月中旬至9月中旬逐渐解除的情况，如2008年6月中旬至7月中旬盆地中、东部出现较大范围较大强度的伏旱，7月中旬至8月中旬伏旱移至盆地西北地区，伏旱强度有所减弱，到8月中旬至9月中旬伏旱状况基本解除。2010年从6月中旬至9月中旬伏旱强度呈现先减弱后增强的趋势，6月中旬至7月中旬盆地中部偏西和偏北部零星出现较大强度的伏旱，随着时间推移，7月中旬至8月中旬伏旱强度明显减弱，仅有盆地中部有小范围轻度伏旱，到8月中旬至9月中旬伏旱范围在盆地中西部地区显著扩大，强度达到中等强度以上。4.2.2高原与盆地过度区伏旱时空特征分析高原与盆地过度区海拔高度为1000-2500m，地势较高，属于亚热带气候，植被类型以高地森林草原为主，海拔从低至高由常绿阔叶林到寒温带山地针叶林，局部有亚高山灌丛草甸。故根据川高原与盆地过度区历史旱情实况作为该区域干旱等级标准划分依据，将SDCI监测模型的干旱等级划分为0-0.22特大干旱旱、0.22-0.32严重干旱、0.32-0.42中度干旱、0.42-0.52轻度干旱、0.52-1.00无旱，如图4-2所示。00第49页共80页 成都信息工程大学硕士学位论文01020304第50页共80页 成都信息工程大学硕士学位论文05060708第51页共80页 成都信息工程大学硕士学位论文09101112第52页共80页 成都信息工程大学硕士学位论文136月10-7月117月12-8月128月13-9月13图4-2川东盆地和川西高原过渡区伏旱分布图由图4-2可以看出，2000-2013年6月中旬至9月中旬，高原与盆地过度区较大强度伏旱多生在南部高山地区，且范围并不集中。南部高山地区属于南亚热带亚湿润气候类型，四季不分明夏季时间长，气温日差较大，夏无酷暑冬无严寒，日照充足且太阳辐射强，降雨少而集中。这里地势由西北向东南倾斜，高山地区以森林为主，半山地区主要植被类型是草原。因此，四川南部高山地带更容易发生伏旱，且伏旱强度相对较大；由南向北伏旱强度多为逐渐减弱，但在盆地西部高山地区伏旱偶有大强度伏旱发生。6月中旬至7月中旬，大强度伏旱时有发生，主要发生于2000年过渡区东南部半山地区；2005年过渡区南部山地地区，且范围较大连成片状；2008年发生于过渡区西南部攀枝花地区，范围较小；2009年伏旱强度最强，分布于过渡区南部和中部大部分地区，过渡区中部则多靠近盆地西部高山地区。较强伏旱多分布于南部高山地区，范围多不连续，其中以2000、2002、2005、2007、2008、2009和2013年较为严重，且分布较广。7月中旬至8月中旬，大强度伏旱主要发生于过渡区中部偏东地区，即盆地西部高山地区，多呈南北条带分布，其中以2003年和2005年最为严重。较强伏旱多分布于南部高山地区，中部地区以零星分布为主，在2003、2005、2009、2012和2013年最为显著。8月中旬至9月中旬，伏旱强度显著增强，且范围增大，在2000、2001、2003、2006、2007、2011、2012、2013年大强度伏旱主要分布于过渡区南部和中部偏东大部分地区；而在2002年大强度伏旱主要分布于过渡区南部及西北部地区，并在北部和东南部也有零星分布；2005、2006和2011年在过渡区北部偏东地区也存在大强度伏旱，且分布不连续。较强伏旱分布情况与大强度伏旱分布相类似，与大强度伏旱穿插分布，范围较为广泛。历年同期6月中旬至9月中旬，各年伏旱强度有随着时间推移逐渐加强，并在8月中旬至9月中旬强度达到最大，如2001、2011和2012年；但也存在随着第53页共80页 成都信息工程大学硕士学位论文时间的推移而减弱，如2008和2009年；而在2006、2007年等伏旱强度则表现为先减弱后增强。伏旱分布范围多会随时间而迁移，不存在特定规律。4.2.3川西高原地区伏旱时空特征分析川西高山高原地区海拔高度为高于2500m，地势最高能超过7000m，气候从川西南至西北由亚热带依次演变为高原气候带，土壤类型多为干旱土壤；植被类型主要是高地森林草原和草甸草原等，并且人为干扰因素较小。因此，故根据川西高原地区历史旱情实况作为该区域干旱等级标准划分依据，确定SDCI监测模型的干旱等级为0-0.15特大干旱旱、0.15-0.20严重干旱、0.20-0.25中度干旱、0.25-0.30轻度干旱、0.30-1.00无旱，如图4-3所示。000102第54页共80页 成都信息工程大学硕士学位论文03040506第55页共80页 成都信息工程大学硕士学位论文07080910第56页共80页 成都信息工程大学硕士学位论文1112136月10-7月117月12-8月128月13-9月13图4-3川西高原伏旱分布图由图4-3可以看出，川西高原地区伏旱多分布于川西高原南部和西南部地区，随着海拔高度上升，植被覆盖度逐渐降低，地表覆盖类型由中、低覆盖度草地向裸岩石砾地、季节性积雪区域及永久性冰川雪地过渡，当海拔达到5300米以上，即为稳定的冰川和积雪覆盖区域，主要分布于川西高原西部、西北部以及东部小部分地方；使用SDCI模型的监测结果值非常低，但实际上并不是伏旱，这与历年同期积雪覆盖情况有关。而诺尔盖地区，主要是中等覆盖度的草地和大范围沼泽湿地，对干旱的反应较为敏感。6月中旬至7月中旬，伏旱主要分布于川西高原南部山地区域，伏旱较为严重的为2000、2005和2009年，而在2013年，川西高原西北部发生了范围较广、强度较大的伏旱，沿着川西北边缘呈宽带状东西分布。7月中旬至8月中旬，2003和2005年出现了轻度伏旱，零散分布于川西高原南部区域。8月中旬至9月中旬，第57页共80页 成都信息工程大学硕士学位论文2002、2003、2004和2007年分别发生不同范围和强度伏旱，其中2002和2007年伏旱强度相对较强，主要在川西高原南部地区零散分布；2013年在川西高原中部偏西北地区则出现大范围、较大强度伏旱，分布较零散。综上所述，2000-2013年高温伏旱主要发生在四川盆地的东部及中部地区，且范围广；高原与盆地过渡区和川西南山地的伏旱程度多强于川西高原区域。4.3基于地貌区划的伏旱频率时空特征分析利用归一化旱情监测模型SDCI计算得到历年各期伏旱监测结果，基于GIS空间分析，分别按照不同地貌背景区划旱情等级进行象元提取，当像元值在某一伏旱阈值内，则认定在该期此象元发生干旱过程，赋值为1，其余象元赋值为0，最终获得历年各期以0和1为属性特征的伏旱栅格数据。将历年同期伏旱监测重赋值数据累加求平均，后除以总统计年数，即可得到十四年四川境内各期各象元干旱发生频率，在此基础上可计算得到年平均干旱发生频率。计算公式如下4-1：14PF[(F)/(1414)]100%ijij(4-1)j1式中，PFij为伏旱频率；Fij为历年各期监测结果重赋值数据；i为某年内影像期数，i=1,2,3；j为历史同期影像期数，j=1,2,3……14。分别对研究区川东盆地地区、盆地与高原过渡区和川西高原地区分别进行干旱频率统计，利用历年同期气象站点干旱频率统计数据，分别与计算得到的各期伏旱频率进行相关性分析，相关系数见表4-1；结果如图4-4所示。表4-1干旱频率相关系数表格<1000m1000-2500m>2500m6月10日-7月11日0.080.150.387月12日-8月12日0.220.030.458月13日-9月13日0.300.180.24由表4-1可知，历年同期干旱频率相关系数并不高，主要由于站点多分布于盆地地区，并且数量较少，不能代表大范围区域伏旱发生频率情况。在川东盆地和盆地与高原过渡区，相关性最高为8月中旬至9月中旬，相关系数分别为0.3和0.18，而在川西高原相关性相对较高，在7月中旬至8月中旬达到0.45。研究表明川东盆地地区最大伏旱频率约为66%左右，盆地与高原过渡区最大伏旱频率约为35%左右，川西高原地区受季节性和永久性积雪冰川覆盖影响较大，故干旱频率约为20%左右。第58页共80页 成都信息工程大学硕士学位论文6月10-7月117月12-8月128月13-9月13图4-4不同地貌区划下的伏旱频率分布图由图4-4可以看出，历年6月中旬至7月中旬，川东地区较高伏旱频率多位于盆地东南和中部大部分区域，其中宜宾、泸州、自贡、内江和资阳等地为伏旱频发地区；盆地与高原过渡区较高伏旱频率多发生于川南高山地区，以攀枝花和西昌南部及西南部较为突出；川西高原区伏旱频率较低且受雪盖和冰川的影响，多分布于其南部和西南地区。7月中旬至8月中旬，川东地区较高伏旱频率大部分分布于盆地中南部和东南地区，包括泸州、自贡、宜宾和内江最为严重，其次是资阳、遂宁、南充和乐山；盆地与高原过渡区较高伏旱频率主要分布于中部和南部地区，其中攀枝花伏旱发生频率较高，其次是西昌、雅安和乐山西南地区；川西高原区伏旱发生频率很低，零散分布于雅安西部和西昌东北地区。8月中旬至9月中旬，川东地区较高伏旱发生频率最高，位于盆地大部分地区，其中盆地东北部的达县、南充和巴中东南地区，西北部的绵阳、德阳以及东南部的资阳、自贡、宜宾和泸州等地伏旱发生频率尤为显著；盆地与高原过渡区同样多发生于川南攀第59页共80页 成都信息工程大学硕士学位论文枝花和西昌大部分地区；川西高原很少发生伏旱，在西昌西北地区、康定中部和马尔康西、东南部地区伏旱偶有发生。4.4基于地貌区划的伏旱面积统计时空特征分析应用SDCI归一化旱情条件模型的伏旱监测结果，按照川东盆地地区、盆地与高原过渡区和川西高原地区所划分的伏旱等级，在GIS平台支持下，通过统计分析功能，进行分区统计2000-2013年各期伏旱面积，并将计算得到的川东盆地地区、盆地与高原过渡区和川西高原地区不同伏旱等级面积进行求和，从而获得四川省不同伏旱等级面积统计值，如表4-2所示；并通过计算得出历年同期不同伏旱等级的面积百分比，表4-3所示。表4-22000-2013年四川省不同伏旱等级面积统计表单位：Km2时间特大干旱严重干旱中度干旱轻度干旱无旱2000071215722121895144263773221201482000081312893885391441636913016570120000914103979615211372756209203178200107124627780001418309143216286120010813177162157359372524316977200109149756649353116044408205303200207122032684135997212337336200208131861395413026173257261262200209147566056592926349855222111720030712663952843106356111187200687200308131167813392811843310523610924220030914485241186107394153807182200200407121211049410926211910923966920040813264303454561020983273402004091499291241949192950493202511200507121364871097142735877711627872005081320177925971134989284915562520050914249761284967845810116311642020060712639333481405136752323751920060813206347471230837818924349520060914684449701165659717031665272007071214433356812155495237228698第60页共80页 成都信息工程大学硕士学位论文续表4-2时间特大干旱严重干旱中度干旱轻度干旱无旱200708132412221810874483438266051200709145476211441599985652021758752008071266978755612329679280183536200808132770427181005386476226942320080914419014430211832931520320090712539671536451083526088079838200908131417369659107089102472197818200909143518592293132256619961917812010071232575380610345344341235363201008135812026802141147432736092010091420706349712188553367239614201107129153038411892957685272287201108134951344894944117684253759201109148327311192869130699001460182012071210784906431218556849815859720120813299970680917784786725516920120914155913362489175500551676672013071221852108441103281917001280682013081323294105481594816102577382013091470020162695817757449675717由表4-2可知，2000-2013年四川发生特大高温伏旱状况时有发生，其中，6月中旬至7月中旬特大伏旱面积超过10000km2的年份包括2000、2005、2009、2012和2013年；7月中旬至8月中旬，分别于2000、2003、2005和2009年发生特大伏旱且面积较大；8月中旬至9月中旬是高温伏旱频发时期，2000、2002、2003、2005、2006、2007、2009、2011和2013年特大伏旱分布范围广泛，其中2002、2006、2011和2013年尤为严重，面积均超过68000km2。同样，严重伏旱发生时间与特大伏旱时间几近相同。而2001、2004、2008、2010和2012年发生伏旱面积相对较小，旱情并不严重。从2000-2013年四川发生特大高温伏旱面积统计结果可以看出，6月中旬至9月中旬，2002年特大伏旱发生面积呈线性上升趋势，由20km2增至75660，可见伏旱增速之快、范围之广；而2006、2011和2013年特大伏旱面积均为先减小后第61页共80页 成都信息工程大学硕士学位论文增加趋势，如2006年伏旱面积先由639km2小幅度减少至206km2后，迅速增长至68444km2；2013年则由21852km2较大幅度降至2329km2后，再直线上升至70020km2。由此可知，伏旱的发生发展并无规律，而与研究区域的自然环境条件和人为干扰因素有关。表4-32000-2013年同期不同伏旱等级面积百分比统计表单位：%时间特大干旱严重干旱中度干旱轻度干旱无旱200007120.0330.2540.3010.1610.251200008130.0270.1840.3000.1440.345200009140.0220.2000.2370.1170.424200107120.0100.1630.2960.1910.340200108130.0000.0340.1530.1510.661200109140.0200.1180.1940.2060.462200207120.0000.0070.0860.2030.704200208130.0000.0290.2720.1530.546200209140.1800.1540.0740.1050.487200307120.0140.1110.2230.2330.420200308130.0240.2800.2480.2200.228200309140.1020.2490.1550.1130.382200407120.0000.0220.2280.2490.501200408130.0000.0090.0950.2130.683200409140.0210.2590.1920.1050.423200507120.0290.1490.2990.1840.341200508130.0010.1950.2390.1960.328200509140.0520.2380.2080.1360.366200607120.0010.0700.2930.1410.495200608130.0000.0720.2570.1630.508200609140.1460.2070.1400.1530.355200707120.0030.0700.2530.1980.476200708130.0430.0460.2260.1740.553200709140.1140.2680.1640.2110.243200807120.0140.1820.2570.1650.382200808130.0060.0890.2090.1350.561第62页共80页 成都信息工程大学硕士学位论文续表4-3时间特大干旱严重干旱中度干旱轻度干旱无旱200809140.0000.0040.0920.2470.657200907120.1180.3360.2370.1330.175200908130.0060.1450.2230.2130.412200909140.0740.2810.1870.1050.352201007120.0070.1220.2350.1010.535201008130.0000.0250.1670.2390.569201009140.0040.1320.2540.1110.499201107120.0020.0630.2480.1200.567201108130.0010.0280.1980.2450.528201109140.1730.2330.1440.1460.304201207120.0240.2010.2710.1520.352201208130.0300.1470.1910.1000.532201209140.0030.1920.2760.1290.400201307120.0480.2390.2280.2020.282201308130.0050.0880.1760.1760.555201309140.1510.3500.1760.1600.163由表4-3可知，2000-2013年四川省不同干旱等级面积百分比中，由于伏旱主要发生于川东盆地局部地区，且随着时间发展受降水等自然环境的影响，伏旱分布及范围也会有所变化，因此无旱所占面积百分比相对较大，其次是中度和轻度伏旱。特大伏旱面积百分比超过10%的多发生于历年同期8月中旬至9月中旬，主要包括2001、2003、2006、2007、2011和2013年，仅于2009年6月中旬至7月中旬特大伏旱面积百分达到了11.8%；严重伏旱面积百分比超过20%分别是2000、2009、2012和2013年的6月中旬至7月中旬，2003年7月中旬至8月中旬，以及2000、2003、2004、2005、2006、2007、2009、2011和2013年8月中旬至9月中旬，由此说明历年8-9月是伏旱发生的频发时期，虽然6-8月伏旱时有发生，但伏旱强度不大，且范围相对较小。4.5本章小结干旱过程不仅涉及到气候环境、地势地貌、土壤含水量、地表蒸散发和植被覆盖等其中一个因素，而是多种影响因子整合作用的结果。因此，本研究综合植被状态指数VCI、温度条件指数TCI和卫星降水TRM为旱情监测模型的三个主要参量，构建半经验半机理的归一化旱情监测指数模型SDCI，并将植被健康指数作第63页共80页 成都信息工程大学硕士学位论文为第4种权重组合，分别于标准降水Z指数和10cm、20cm进行相关分析，经分析最终确定最优权重组合的SDCI旱情监测模型。(1)四川地势东西高差悬殊，气候多样致使植被种类和长势均有不同，影响SDCI干旱模型进行全区域干旱监测结果，旱情监测结果要比实际干旱结果略加严重，川西地区会出现大面积干旱状况，需要将研究区划分为海拔高度高于2500m区域为西部高原地区，海拔高度在1000-2500m的为高原与盆地过度区，海拔高度低于1000m的为四川东部盆地地区，根据地势地貌进行背景区划，选取适合不同地貌背景的干旱阈值，分区获取不同区域的旱情监测结果。1)川东盆地地区。川东盆地地区伏旱多分布于盆地东部和东南部，少部分分布于盆地中部和西北地区；常年伏旱强度偏大且频发时期多为8月中旬至9月中旬。其中，2002、2003、2005、2006、2007、2009、2011和2013年伏旱强度相对较大。2)高原与盆地过度区。四川南部高山地带更容易发生伏旱，且伏旱强度相对较大；由南向北伏旱强度逐渐减弱，但在盆地西部高山地区伏旱偶有大强度伏旱发生。其中8月中旬至9月中旬，伏旱强度显著增强，且范围增大，在2000、2001、2002、2003、2005、2006、2007、2011、2012、2013年大强度伏旱均有发生，伏旱分布范围多会随时间而迁移，不存在特定规律。3)川西高原地区。川西高原地区伏旱多零散分布于川西高原南部和西南部地区，而在川西高原中部偏西北地区偶有伏旱发生；随着海拔高度上升，地表覆盖类型逐渐演变为稳定的冰川和积雪覆盖区域，虽然监测结果与伏旱类似，但实际上并不是伏旱。(2)分别对研究区川东盆地地区、盆地与高原过渡区和川西高原地区进行干旱频率统计，与历年同期气象站点干旱频率相关系数最高达0.45。结果表明川东盆地地区最大伏旱频率约为66%左右，位于盆地大部分地区，其中盆地东北部的达县、南充和巴中东南地区，西北部的绵阳、德阳以及东南部的资阳、自贡、宜宾和泸州等地伏旱发生频率尤为显著；盆地与高原过渡区最大伏旱频率约为35%左右，多发生于川南高山地区，以攀枝花和西昌南部及西南部较为突出；川西高原地区受季节性和永久性积雪冰川覆盖影响较大，故干旱频率约为20%左右，很少发生伏旱，且受雪盖和冰川的影响，多分布于其南部和西南地区，在西昌西北地区、康定中部和马尔康西、东南部地区伏旱偶有发生。(3)四川大面积特大高温伏旱多发生于2000、2002、2003、2005、2006、2007、2009、2011和2013年8月中旬至9月中旬，其中2002、2006、2011和2013年尤为严重，面积均超过68000km2；在2001、2003、2006、2007、2011和2013年特大伏旱面积百分比均超过10%，2000、2003、2004、2005、2006、2007、2009、2011和2013年严重伏旱面积百分比超过20%。虽然6-8月伏旱时有发生，但伏旱强度不大且范围相对较小。第64页共80页 成都信息工程大学硕士学位论文第五章结论和展望5.1结论干旱过程与区域气候环境、地势地貌、地表蒸散发和植被覆盖等多种因素相互作用，因此可以通过各影响因素的变化间接反映干旱情况。（1）以MODIS_NDVI、MODIS_LST产品数据和TRMM卫星降水数据作为基础指标，分别经过计算处理获得植被状态指数VCI、温度条件指数TCI和归一化降水指数TRM，以及综合植被和温度的植被健康指数VHI。受到周围环境及其他因素的影响，运用各项单一干旱指标进行伏旱监测，年际发展存在一定不规律特征；虽然各指标监测结果并不完全一致，但也存在一定共性，通过对比可知在2002、2006、2009和2011年均有可能发生特大干旱，因此，应综合各个指标进行旱情监测。（2）四川地势东西高差悬殊，气候多样致使植被种类和长势均有不同，影响全区域SDCI模型干旱监测结果，旱情监测结果要比实际干旱结果略加严重，川西地区会出现大面积干旱状况，需要将研究区划分为海拔高度高于2500m的西部高原地区，海拔高度在1000-2500m的为高原与盆地过度区，海拔高度低于1000m的为四川东部盆地地区，根据地势地貌进行背景区划，选取适合不同地貌背景的干旱阈值，分区获取不同区域的旱情监测结果。（3）川东盆地地区伏旱多分布于盆地东部和东南部，少部分分布于盆地中部和西北地区，并且范围广；其中，2002、2003、2005、2006、2007、2009、2011和2013年伏旱强度相对较大。四川高原与盆地过度区的南部高山地带更容易发生伏旱，且伏旱强度相对较大，由南向北伏旱强度逐渐减弱，但在盆地西部高山地区伏旱偶有大强度伏旱发生；在2000、2001、2002、2003、2005、2006、2007、2011、2012、2013年伏旱强度较大。川西高原地区伏旱多零散分布于川西高原南部和西南部地区，而在川西高原中部偏西北地区偶有较强伏旱发生；随着海拔高度上升，地表覆盖类型逐渐演变为稳定的冰川和积雪覆盖区域，虽然SDCI模型的监测结果非常低，但实际上并不是伏旱。从各年伏旱发生发展情况来看，伏旱分布范围多会随时间而迁移，常年伏旱强度偏大且频发时期多为8月中旬至9月中旬。（4）基于地貌背景区划伏进行旱频率统计，结果表明川东盆地地区最大伏旱频率约为66%左右，位于盆地大部分地区，其中盆地东北部的达县、南充和巴中东南地区，西北部的绵阳、德阳以及东南部的资阳、自贡、宜宾和泸州等地伏旱发生频率尤为显著；盆地与高原过渡区最大伏旱频率约为35%左右，多发生于川南高山地区，以攀枝花和西昌南部及西南部较为突出；川西高原地区受季节性和永久性积雪冰川覆盖影响较大，故干旱频率约为20%左右，多分布于其南部和西第65页共80页 成都信息工程大学硕士学位论文南地区，在西昌西北地区、康定中部和马尔康西、东南部地区伏旱偶有发生。（5）研究区不同伏旱等级面积和面积百分比统计可以看出，四川特大高温伏旱多发生于2000、2002、2003、2005、2006、2007、2009、2011和2013年8月中旬至9月中旬，并且分布范围广泛，而2001、2004、2008、2010和2012年发生伏旱面积相对较小，旱情并不严重；虽然6-8月伏旱时有发生，但伏旱强度不大，且范围相对较小。其中2002、2006、2011和2013年尤为严重，面积均超过68000km2；而2001、2003、2006、2007、2011和2013年特大伏旱面积百分比均超过10%。5.2展望（1）本文研究区背景区划主要通过海拔高度粗略划分为川东盆地地区、盆地和高原过渡区以及川西高原地区，后期可将坡度、坡向以及起伏度作为划分依据，综合海拔高度进行研究区背景区划。（2）通过VCI、TCI和TRM构建不同权重组合的SDCI伏旱监测模型，权重比例是综合各参数指标监测特点和前人经验而确定，这四种权重组合基本可以在一定程度上比较充分的代表了气温、降水和植被对旱情影响的贡献；在后续研究中可根据主客观相结合的方式构建不同权重组合的伏旱监测模型。（3）不同权重的SDCI监测结果与标准化降水Z指数和土壤相对湿度的相关性并不是很高，后期可选用综合农业和气象干旱的验证指标，通过优化算法进行最优权重组合的判定，从而确定最优权重组合的SDCI旱情监测模型。（4）本研究主要进行四川伏旱发生的区位、频率和面积统计，后期需要应用多尺度分解方法，将高温伏旱的监测结果与影响区域伏旱发生和发展的气象因素、地形因素和地表覆盖等因素相结合，进行多尺度二维小波分析，进一步通过相关分析，探讨不同时空间尺度旱情发生和发展主要影响因素及规律。第66页共80页 成都信息工程大学硕士学位论文参考文献[1]云参数法干旱遥感监测模型研究_向大享[M].武汉大学,2011.-胡健,张天辉.四川盆地农业干旱问题及对策研究[J].农村经济.2005,(2):40-42.[2]中国气象局.GB/T20481-2006气象干旱等级[S].北京:中国标准出版社,2006.[3]潘建华,钟晓平.利用实时资料判定四川盆地伏旱严重程度[J].四川气象,1995,(2):17-23.[4]胡红武,胡梅,龙玲,等.区域干旱遥感监测研究综述[J].安徽农业科学.2008,(33):14817-14819.[5]刘欢,刘荣高,刘世阳.干旱遥感监测方法及其应用发展[J].地球信息科学学报.2012,14(2):232-239.[6]CollischonnB,CollIschonnW,TucciC.DailyhydrologicalmodelingintheAmazonbasinusingTRMMrainfallestimates.JournalofHydrology,2008,360(14):207-217.[7]李喆,谭德宝,秦其明,等.基于特征空间的遥感干旱监测方法综述[J].长江科学院院报.2010,27(1):37-41.[8]张顺谦,冯建东.四川盛夏伏旱的MODIS遥感监测方法[J].高原山地气象研究.2012,32(1):51-55.[9]Kogan,F.Applicationofvegetationindexandbrightnesstemperaturefordroughtdetection[J].AdvancesinSpaceResearch,1995,15(11):91-100.[10]陈才,王振亚,程媛华,等.北方半干旱区的PDSI和SPI比较研究[J].安徽农业科学.2012,40(5):2775-2780.[11]邹旭恺,张强,王有民.干旱指标研究进展及中美两国国家级干旱监测[J].气象,2005,31(7):6-9.[12]路京选,曲伟,付俊娥.国内外干旱遥感监测技术发展动态综述[J].中国水利水电科学研究院学报.2009,7(2):265-271.[13]佘万明,叶彩华.MODIS资料遥感监测土壤水分与干旱研究进展[J].河南气象,2006(1):44-46.[14]王瑜,孟令奎.基于MODIS的区域动态干旱监测方法[J].测绘信息与工程,2010,35(4):20-21.[15]谭德宝,刘良明,鄢俊洁,等.MODIS数据的干旱监测模型研究[J].长江科学院院报,2004,21(3):11-15.[16]黄泽林,覃志豪.利用MODIS数据监测大面积土壤水分与农作物旱情研究[J].安徽农业科学,2008,36(11):4784-4787.[17]白开旭,刘朝顺,施润和,等.2010年中国西南旱情的时空特征分析—基于第67页共80页 成都信息工程大学硕士学位论文MODIS数据归一化干旱指数[J].长江科学院院报.2004,21(3):11-15.[18]柳锦宝,何政伟,段英杰,等.MODIS数据支持下的西藏干旱遥感监测[J].干旱区资源与环境.2013,27(6):134-139.[19]杨波,马苏,王彬武,等.基于MODIS的湖南省农业干旱监测模型[J].长江科学院院报.2012,27(10):1788-1795.[20]匡昭敏,朱伟军,丁美花,等.多源卫星数据在甘蔗干旱遥感监测中的应用[J].中国农业气象.2007,28(1):93-96.[21]黄河,王明志,等.环境减灾-1B卫星遥感数据在干旱监测中的应用[J].航天器工程,2012,21(4):123-128.[22]向大亨,刘良明,韩涛.FY-3AMERSI数据干旱监测能力评价[J].2010,35(3):334-338.[23]Price,J.C..Thermalinertiamapping:anewviewoftheearth[J].JournalofGeophysicalResearch,1977,82(18):2582-2590.[24]王玲玲,张友静,佘远见,等.遥感旱情监测方法的比较与分析[J].遥感应用.2010,28(1):49-53.[25]Price,J.C.Ontheanalysisofthermalinfraredimagery:Thelimitedutilityofapparentofapparentthermalinertia[J],RemoteSensingofEnvironment,1985,18(1):59-73.[26]Price,J.C..Thermalinertiamapping:anewviewoftheearth[J].JournalofGeophysicalResearch,1977,82(18):2582-2590.[27]孙丽,陈焕伟,赵立军,等.遥感监测旱情的研究进展[J].农业环境科学学报,2004,23(1):202-206.[28]杨树聪,沈彦俊,郭英,等.基于表观热惯量的土壤含水量监测[J].中国生态农业学报,2011,19(5):1157-1161.[29]VandeGriendAA,OweM.Ontherelationshipbetweenthermalemissivityandthenormalizeddifferencevegetationindexfornaturalsurfaces[J].InternationalJournalofRemoteSensing,1993,14(6):1119-1131.[30]VerhoefA.Remoteestimationofthermalinertiaandsoilheatfluxforbaresoil[J].AgriculturalandForestMeteorology,2004,123(34):221-236.[31]闫娜,杜继稳,李登科,等.干旱遥感监测方法研究应用进展[J].灾害学,2008,23(4):117-121.[32]高小六,张慧慧.粗糙度对被动微波遥感反演土壤水分影响的试验研究[J].测绘通报,2014(8):59-61.[33]姜淼,李国春.微波遥感土壤湿度研究进展[J].农业网络信息,2006,(4):21-23,79.第68页共80页 成都信息工程大学硕士学位论文[34]李震,郭华东,施建成.综合主动和被动微波数据监测土壤水分变化[J].遥感学报,2002,6(6):481-484.[35]周鹏,丁建丽,王飞,等.植被覆盖地表土壤水分遥感反演[J].遥感学报,2010,14(5):966-973.[36]杜晓,王世新,周艺,等.一种新的基于MODIS的地表含水量模型构造与验证[J].武汉大学学报·信息科学版,2007,32(3):205-207.[37]张红卫,陈怀亮,申双和．基于MODIS数据的农田浅层土壤湿度指数的构造与应用[C].第26届中国气象学会年会农业气象防灾减灾与粮食安全分会场论文集,2009.[38]张清,周可法,赵庆展,等.区域土壤水分遥感反演方法研究[J].新疆地质,2008,26(1):107-116[39]王富强,霍风霖,张功瑾.我国农业干旱遥感监测方法研究进展[J].水资源研究,2013,2:206-212.[40]张清,周可法,赵庆展,等.区域土壤水分遥感反演方法研究.新疆地质,2008,26(1):107-116.[41]Bowen1s.,Theratioofheatlossesbyconductionandevaporationofanywatersurface,Phys.Re.v,1926,27:779-98.[42]ThornthwaiteCW.andHOlzmna,B.,Thedeterminationofevaporationformlandwatersurface.Mon.Weath.Rev.,1939,67.[43]PenmanH.L.,Naturalevaporationfromopenwater,baresoilandgrass,Proe.Roy.Soc.,Ser.A,1948,193:120-146.[44]ThornthwaiteCW.,Anapproachtowardarationalclassificationofclimate.GeogrRev,1948,38:55-94.[45]MonteithJL.PrinciplesofEnvironmentalPhysics[M].London:EdwardAronld,1973.[46]BouchetRJ,Evpotranaspirationreeleetpotentielle,significationclimatique.GeneralAssemblyBerkeley,Int.Ass.Sci.Hydrology,Gentbrugge,Belgium,1963,62:134-142.[47]JacksonR.,IdsoS,et.al.Canopytemperatureasacropwaterstressindicator[J].WaterResour.Res,1981,17(4):1133-1138.[48]张长春,王晓燕,邵景力.利用NOAA数据估算黄河三角洲区域蒸散量[J].资源科学,2005,27(1):86-91.[49]ShuttleworthWJ.,WallaceJS..Evaporationfromsparscrops2anenergycombinationtheory[J].QuartJournalofRoyalMeteorologySociety,1985,111:839-855.第69页共80页 成都信息工程大学硕士学位论文[50]Jarvis,PG,McNaughtonK.G..Stomatalcontroloftranspiration:scalingupfromleaftoregion,AdvancesinEcologicalResearch,1986,15:1-49.[51]沈卫明,姚德良,李家春.阿克苏地区陆面蒸发的数值研究,地理学报,1993,48(5):457-467.[52]刘树华,黄子深,刘立超.土壤-植被-大气连续体中蒸散过程的数值模拟,地理学报,1996,51(2):118-125.[53]杨绍锷,闫娜娜,吴炳方.农业干旱遥感监测研究进展[J].遥感信息,2010,1:103-108.[54]王鹏新,龚健雅,李小文,等.基于植被指数和土地表面温度的干旱监测模型[J].地球科学进展,2003,18(8):527-532.[55]蔡斌,陆文杰.气象卫星条件植被指数监测土壤状况[J].国土资源遥感,1995(4):45-50.[56]陈维英,肖乾广.距平植被指数在1992年特大干旱监测中的应用[J].环境遥感,1994,9(2):106-112.[57]SandholtI.,RasmussenK.,AndersenJ..Asimpleinterpretationofthesurfacetemperature/vegetationindexspaceforassessmentofsurfacemoisturestatus[J].RemoteSensingofEnvironment,2002,79(23):213-224.[58]陈修治,苏泳娴,李勇,等.基于被动微波遥感的中国干旱动态监测[J].农业工程学报.2013,29(16):151-158.[59]谭德宝,刘良明,鄢俊洁,等.MODIS数据的干旱监测模型研究[J].长江科学院院报.2004,21(3):11-15.[60]张维娜.基于遥感技术的运城盆地干旱监测应用研究[J].测绘通报,2010,(7):23-26.[61]BawaKJ.,RosekN.,GaneshaiaN.,et.al.Assessingbiodiversityfromspace:anexamplefromtheWesternGhats,India,ConservationEcology,2002,6(2):7.[62]PetersAJ,Walter-SheaEA,VinaA,etal.DroughtmonitoringwithNDVI-basedstandardizedvegetationindex[J].PhotogrammetricEngineeringandRemoteSensing,2002,65(1):71-75.[63]JacksonR.,S.Idso,etal..Canopytemperatureasacropwaterstressindicator[J].WaterResour.Res,1981,17(4):1133-1138.[64]Sugmiura,M.S.MonitoringofvegetationextentaroundkotuipilotforestinKenyawithrainfallbysatellitedata.AdvancesinSpaceResearch,2000,26(7):1039-1042.[65]李红军,李春强,郑力,等.大范围旱情遥感监测的分带计算[J].遥感技术与应用,2006,21(2):137-141.第70页共80页 成都信息工程大学硕士学位论文[66]KoganFN.Droughtsofthelate1980sintheUnitedStatesasderivedfromNOAApolarorbitingsatellitedata[J].BulletinoftheAmericanMeteorologicalSociety,1995,76:655-688.[67]沙莎,郭铌,李耀辉,等.植被状态指数VCI与几种气象干旱指数的对比—以河南省为例[J].冰川冻土,2013,35(4):990-998.[68]郭铌,管晓丹.植被状况指数的改进及在西北干旱监测中的应用[J].地球科学进展,2007,22(11):1160-1168.[69]陈维英,肖乾广,盛永伟.距平植被指数在1992年特大干旱监测中的应用[J].环境遥感,1994,9(2):106-112.[70]晏明,张磊.距平植被指数在吉林省农作物干旱监测中的应用[J].现代农业科技,2010,(11):15-16.[71]赵承华,阿拉腾图娅.基于MODIS数据的多种干旱监测方法在锡林郭勒草地上的对比分析[J].阴山学刊,2014,28(1):20-25.[72]刘欢,刘荣高,刘世阳.干旱遥感监测方法及其应用发展[J].地球信息科学学报,2012,14(2):232-239.[73]王鹏新,龚健雅,李小文,等.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,2001,26(5):412-418.[74]GoetzSJ.MultisensoranalysisofNDVI,surfacetemperatureandbiophysicalvariablesatamixedgrasslandsite[J].InternationalJournalofRemoteSensing,1997,18(15):71-94.[75]MoranMS.,ClarkeTR,InoueY..Estimatingcropwaterdeficitusingtherelationbetweensurface-airtemperatureandspectralvegetationindex[J].RemoteSensingofEnvironment,1994,49(3):246-263.[76]郑有飞,陈鹏,吴荣军.地表蒸散的遥感估算模型及其在农业干旱监测中的应用[J].生态学杂志,2011,30(4):837-844.[77]CarlsonTN,GilliesRR,PerryEM.AmethodtomakeuseofthermalinfraredtemperatureandNDVImeasurementstoinfersurfacesoilwatercontentandfractionalvegetationcover[J].RemoteSensingReviews,1994,9:161-173.[78]王纯枝,毛留喜,何延波,等.温度植被干旱指数法(TVDI)在黄淮海平原土壤湿度反演中的应用研究[J].土壤通报,2009,40(5):998-1005.[79]冯锐,张玉书,李党红.利用AVHRR资料监测植被土壤含水量[J].辽宁气象,1998,(4):30-31.[80]刘丽,刘清,周颖,等.卫星遥感信息在贵州干旱监测中的应用[J].中国农业气象,1999,20(3):43-47.[81]赵广敏,李晓燕,李宝毅.基于地表温度和植被指数特征空间的农业干旱遥感第71页共80页 成都信息工程大学硕士学位论文监测方法研究综述[J].水土保持研究,2010,17(5):245-250.[82]王鹏新,孙威.基于植被指数和地表温度的干旱监测方法的对比分析[J].北京师范大学学报(自然科学版).2007,43(3):319-323.[83]杨鹤松,王鹏新,孙威.条件植被温度指数在华北平原干旱监测中的应用[J].北京师范大学学报(自然科学版),2007,43(3):314-318.[84]孙威,王鹏新,等.条件植被温度指数干旱监测方法的完善[J].农业工程学报,2006,22(2):22-26.[85]LambinEF,EhrlichD.Thesurfacetemperature-vegetationindexforlandcoverandlandcoverchangeanalysis[J].InternationalJournalofRemoteSensing,1996,17:463-487.[86]闫峰,王艳姣,吴波.近50年河北省干旱时空分布特征[J].地理研究,2010,29(3):423-430.[87]王纯枝,毛留喜,何延波,等.温度植被干旱指数法(TVDI)在黄淮海平原土壤湿度反演中的应用研究[J].土壤通报,2009,40(5):998-1005.[88]杨曦,武建军,闫峰,等.基于地表温度-植被指数特征空间的区域土壤干湿状况[J].生态学报,2009,29(3):1205-1216.[89]ChenJ.,WangC.,JiangH.,etal.EstimatingsoilmoistureusingTemperature-VegetationDrynessIndex(TVDI)intheHuang-huai-hai(HHH)plain[J],InternationalJournalofRemoteSensing,2011,32(4):1165-1177.[90]GaoZ.,GaoW.,ChangN.B.,Integratingtemperaturevegetationdrynessindex(TVDI)andregionalwaterstressindex(RWSI)fordroughtassessmentwiththeaidofLANDSATTM/ETM+images[J].InternationalJournalofAppliedEarthObservationandGeoinformation,2011,13(3):495-503.[91]PatelNR,AnapashshaR,KumarS,etal.AssessingpotentialofMODISderivedtemperature/vegetationconditionindex(TVDI)toinfersoilmoisturestatus[J].InternationalJournalofRemoteSensing,2009,30(1):23-39.[92]齐述华,王长耀,牛铮.利用温度植被旱情指数(TVDI)进行全国旱情监测研究[J].遥感学报,2003,7(5):420-427.[93]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,2004,19(6):473-478.[94]王纯枝,毛留喜,何延波,等.温度植被干旱指数法(TVDI)在黄淮海平原土壤湿度反演中的应用研究[J].土壤通报,2009,40(5):998-1005.[95]高磊,覃志豪,卢丽萍.基于植被指数和地表温度特征空间的农业干旱监测模型研究综述[J].国土资源遥感,2007,(3):1-7.[96]曾燕,邱新法,徐萌,等.2004年秋季江苏省干旱遥感监测研究[J].2007,第72页共80页 成都信息工程大学硕士学位论文27(3):302-306.[97]宋小宁,赵英时.应用MODIS卫星数据提取植被-温度-水分综合指数的研究[J].2004,(2):54-58.[98]刘静.基于遥感技术的三峡库区农业干旱评价研究[M].西南大学,2008.[99]赵承华.基于MODIS数据的多种干旱监测方法及其在锡林郭勒草地的应用[D].内蒙古:内蒙古师范大学,2014.[100]李星敏,郑有飞,刘安麟,等.陕西渭北东部干旱遥感监测模型研究[J].南京气象学院学报,2004,27(1):73-78.[101]卓静,李星敏,邓凤东.陕西省干旱遥感监测业务化方法研究[J].陕西师范大学学报(自然科学版),2008,36(专辑):128-131.[102]张芳.基于MODIS的陕西省干旱遥感监测研究.硕士学位论文,陕西师范大学,2008.[103]李强子,闫娜娜,张飞飞,等.2010年春季西南地区干旱遥感监测及其影响评估[J].地理学报,2010,65(7):771-780.[104]张顺谦,卿清涛,侯美亭,等.基于温度植被干旱指数的四川伏旱遥感监测与影像评估[J].农业工程学报,2007,23(9):141-147.[105]卿清涛,侯美亭,张顺谦.基于NOAA/AVHRR资料的四川省干旱监测方法初探[J].中国农业气象,2008,29(2):217-220.[106]邢启新,马明奎,高峰.遥感技术在2014年吉林省西部春旱监测中的应用[J].现代农业科技,2014,(17):273-276.[107]王婷婷,张洪岩,郭笑怡,等.基于温度植被干旱指数的松辽平原干旱时空特征[J].干旱区研究,2014,31(3):383-389.[108]GhulamA,QinQ,ZhanZ.Designingoftheperpendiculardroughtindex[J].EnvironmentalGeology,2007,52(6):1045-1052.[109]QQin,etal.Modifiedperpendiculardroughtindex(MPDI):areal-timedroughtmonitoringmethod[J].ISPRSJournalofPhotogrammetryandRemoteSensing,2008,62:150-164.[110]许玲燕,王慧敏,段琪彩,等.基于SPEI的云南省夏玉米生长季干旱时空特征分析[J].资源科学,2013,5(5):1024-1034.[111]孙艳玲,王中良,王永财.近51年海河流域作物生长季干旱时空分布特征研究[J].天津师范大学学报(自然科学版),2013,33(1):59-63.[112]刘王洁,杨忠东.MODIS遥感信息处理与方法[M],北京,科学出版社,2001.[113]刘闯,葛成辉.美国对地观测系统(EOS)中分辨率成像光谱仪(MODIS),遥感数据的特点与应用[J],遥感信息,2000(3),45-48.[114]刘闯,葛成辉,王正兴,等.对地观测系统MODIS数据获取与应用标准研究第73页共80页 成都信息工程大学硕士学位论文[M].2004:1-20.[115]李素敏.MODIS数据在澜沧江流域生态环境遥感监测中的应用研究[D].昆明:昆明理工大学,2004.[116]潘淑杰.EOS/MODIS卫星资料在渤海海冰监测中的应用研[D].兰州大学,2008.[117]BarnesWL,XiongX,SalomonsonVV.StatusofterraMODISandaquamodis[J].AdvancesinspaceResearch,2003,32(11):2099-2106.[118]刘闯,文洪涛,赵立成,等.我国EOS-MODIS地面站建设的现状、问题与对策[J].遥感信息,2003,4:42-47.[119]曲辉,陈圣波.中分辨率成像光谱仪(MODIS)数据在地学中的应用前景[J].世界地质,2003,21(2):176-180.[120]中分辨率成象光谱遥感数据(MODIS)特点.中国科学院地理科学与资源研究所.http://www.nfiieos.cn/html/eos/modis-l.htm,2004.[121]X.Xiong,W.L.Barnes,B.Guenthep,etal.LessonslearnedfromMODIS[J].AdvancesinspaceResearch,2003,32(12):2107-2112.[122]丁玉叶,面向MODIS数据的云检测方法研究[D].哈尔滨工业大学,2013.[123]郑有飞,刘茜,王云龙,等.能量指数法在黑龙江干旱监测中的适用性研究[J].土壤,2008,23(2):143-147.[124]ChristopherJustice,JohnTownshend.SpecialissueonthemoderateResolutionimagingsSpectroradiometer(MODIS):anewgenerationoflandsurfacemonitoring[J].RemoteSensingofEnvironment,2002,83:1-2.[125]JusticeCO.,TownshendJRG.,VermoteEF.,etal.AnoverviewofMODISLanddataProcessingandProductstatus[J].RemoteSensingofEnvironment,2002,83:3-15.[126]GuentherB.,XiongX.,SalomonsonVV.,etal.On-orbitPerformanceoftheEarthObservingSystemModerateResolutionImagingSpectroradiometer:firstyearofdata[J].RemoteSensingofEnvironment,2002,83:16-30.[127]ZhanX.,SohlbergRA.,TownshendJRG,etal.DetectionoflandcoverchangesusingMODIS250mdata[J].RemoteSensingofEnvironment,2002,83:336-350.[128]吴小雅,张少通.EOS/MODIS接收系统的维修及性能的完善[J].广东气象,2005,(2):43-44.[129]李素敏,国家卫星MODIS数据在澜沧江流域生态环境遥感监测中的应用研究[D].昆明:昆明理工大学,2004.[130]遥感所EOS-MODIS接收系统开通(中国科学院).http://www.irsa.ac.cn/htm.第74页共80页 成都信息工程大学硕士学位论文[131]RobertD.Price,MichaelD.King,JohnT.Dalton,etal.EarthScienceDataofrall:EOSandtheEOSDataandInformationSystem[J].PhotogrammetricEngineeringandRemoteSensing,1994,60(3):277-285.[132]MasuokaE,FleigA,WolfeRE.,etal.KeycharacteristicsofMODISdataProducts[J].IEEETransactionsonGeoscienceandRemoteSensing,1998,36:1313-1323.[133]NCSA,UniversityofIllinoisatUrbanaChampaign,HDFReferenceManual,Version4.lr3,May1999.[134]HDFSpecificationandDeveloper'sGuide[M].Version4.1rs.2001:1-13.[135]KajAndersson.User'sGuideVersion1.0[M].SoftwareforProcessingHDF-EOSData,2002:3.[136]RaytheonCompany.HDF-EOSLibraryUser’sGuidefortheEMDProjectVolumel:OverviewandExamples.TechnicalPaper.2003.[137]孙凌,傅军,张杰.定量化条带消除算法应用于成像光谱仪数据的预处理.黄渤海海洋,2002,20(l):34-40.[138]张里阳.EOS/MODIS资料处理方法及其遥感中国区域地表覆盖的初步研究[D].南京:南京气象学院,2002.[139]朴世龙,方精云,贺金生,等．中国草地植被生物量及其空间分布格局[J]．植物生态学报,2004,28(4):491-498.[140]赵英时.遥感应用分析原理与方法[M].北京:科学出版社,2003:372-383.[141]王宏,李晓兵,余弘青.基于NOAA/AVHRRNDVI监测中国北方典型草原生长季及变化[J].植物生态学报,2006,30(3):365-474．[142]陶伟国,徐斌,刘丽军,等.不同利用状况下草原遥感估产模型[J].生态学杂志,2007,26(3):332-337.[143]TuckerCJ.Redandphotographicinfraredlinearcombinationformonitoringvegetation[J].RemoteSensingofEnvironment,1979,8:127-150.[144]WangQuan,TenhunenJohn,DinhNguyenQuoc,et.al.SimilaritiesingroundandsatellitebasedNDVItimeseriesandtheirrelationshiptophysiologicalactivityofaScotspineforestinFinland[J].RemoteSensingofEnvironment,2004,93(1):225-237.[145]LovellJL,GraetzRD,KingEA.CompositingAVHRRDatafortheAustralianContinentSeekingBestPractice[J].CanadianJournalofRemoteSensing,2003,29(6):770-882.[146]HolbenBN.CharacterizationofMaximumValueCompositesfromTemporalAVHRRData[J].InternationalJournalofRemoteSensing,1986,7(11):第75页共80页 成都信息工程大学硕士学位论文1417-1434.[147]李京,陈晋,袁清.应用NOAA/AVHRR遥感资料对大面积草场进行产草量定量估算的方法研究[J].自然资源学报,1994,9(4):365-374.[148]王正兴,刘闯,HUETEAlfredo.植被指数研究进展:从AVHRR-NDVI到MODIS-EVI[J].生态学报,2003,23(5):979-986.[149]宫攀,唐华俊,陈仲新,等.基于MODISLST修正NDVI时序数列的土地覆盖分类[J].资源科学,2006,28(4):104-110.[150]朱卫军.基于单通道算法和MODIS数据的地表温度反演研究[J].城市勘测,2008,(5):97-100.[151]赵英时.遥感应用分析原理与方法[M].北京:科学出版社,2003.[152]YangHandYangZD.AmodifiedlandsurfacetemperaturesplitwindowretrievalalgorithmanditsapplicationsoverChina.GlobalandPlanetaryChange,2006,52(1/4):207-215.[153]SobrinoJA,KharrazJEL,LiZL.SurfacetemperatureandwatervapourretrievalfromMODISdata[J].InternationalJournalofRemoteSensing,2003,24(24):5161-5182.[154]覃志豪,高懋芳,秦晓敏,等.农业旱灾监测中的地表温度遥感反演方法—以MODIS数据为例[J].自然灾害学报,2005,14(4):64-71.[155]WanZandLiZ.Aphysicsbasedalgorithmforretrievingland-surfaceemissivityandtemperaturefromEOS/MODISdata.Trans-actionsonGeoscienceandRemoteSensing,1997,35(4):980-996.[156]WanZ,LiL.Radiance-basedvalidationoftheV5MODISland-surfacetemperatureproduct[J].InternationalJournalofRemoteSensing,2008,29:17,5373-5395.[157]WanZ,ZhangY,ZhangQ,et.al.Li.QualityassessmentandvalidationoftheMODISgloballandsurfacetemperature[J].InternationalJournalofRemoteSensing,2004(25):261-274.[158]WanZM.MODISLandSurfaceTemperatureAlgorithmTheoreticalBasisDocument(LSTATBD)Version3.3,ContactNumber:NAS5-31370,April1999.[159]齐述华,骆成凤,王长耀,等.气温与陆地表面温度和光谱植被指关系的研究[J].遥感技术与应用,2006,21(2):130-136.[160]黎治华.基于MODIS反演重构时间序列数的长江三角洲地区生态环境演变研究[D].华东师范大学,2011.[161]李景刚,李纪人,黄诗峰,等.基于TRMM数据和区域综合Z指数的洞庭湖流域近10年旱涝特征分析[J].资源科学,2010,32(6):1103-1110．第76页共80页 成都信息工程大学硕士学位论文[162]李景刚,黄诗峰.基于TRMM数据的汉江流域1998-2010年降水变化特征[J].南水北调与水利科技,2011,9(6):50-55．[163]宋连春,邓振镛,董安祥.干旱[M].北京:气象出版社,2003.[164]PurevdorjT,TateishiR,IshiyamaT,et.al.RelationshipsbetweenPercentVegetationCoverandVegetationIndices[J],InternationalJournalofRemoteSensing,1998,19(l8):3519-3535.[165]李红军,郑力,雷玉平,等.基于EOS/MODIS数据的NDVI与EVI比较研究[J].地理科学进展,2007,26(1):26-32.[166]JiangD,WangJH.TobefarsightedcropyieldforecastingwithsatelliteinformationinChina[J].EncyclopedicKnowledge,1999,2:24-25.[167]宋凤斌,徐世昌.玉米抗旱性鉴定指标的研究[J].中国生态农业学报,2004,12(1):127-129.[168]覃志豪,秦晓敏,高懋芳,等.农业早灾监测中的地表温度遥感反演方法-以MODIS数据为例[J].自然灾害学报,2005,14(4):64-71.[169]陈举,施平,王东晓,等.TRMM卫星降雨雷达观测的南海降雨空间结构和季节变化[J].地球科学进展,2005,20(1):29-35.[170]KoganF.RemoteSensingofWeatherimpactsonVegetationinNon-homogeneousarea[J].InternationalJournalofRemoteSensing,1990,11(8):1405-1419.[171]牟伶俐.基于遥感指数的旱情监测方法研究[D].中国科学院遥感应用研究所.2006.[172]闫娜娜,吴炳方,黄慧萍,牟伶俐.植被状态指数和温度条件指数的提取方法.世界科技研究与发展,2005,27(4):65-71.[173]李正国等.基于植被/温度特征的黄土高原地表水分季节变化[J].生态学报,2007,(11):4563-4575.[174]于敏,王春丽.不同卫星遥感干旱指数在黑龙江的对比应用[J].应用气象学报,2011,(02):221-231.[175]宋小中,赵英时.应招MODIS卫星数据提取植被-温度-水分综合指数的研究[J].地理与地理信息科学,2004,20(2):13-17.[176]JinyoungRhee,JunghoIm,GregoryJ.Carbone,et.al.Monitoringagriculturaldroughtforaridandhumidregionsusingmultisensorremotesensingdata[J].RemoteSensingofEnvironment.2010,(114):2875-2887.[177]高伟,林妍,潘新华.基于多源遥感卫星数据的桂西北旱情监测研究[J].广西水利水电,2014,(1):20-24.[178]ORjas,AVrieling,FRembold.Assessingdroughtprobabilityforagricultural第77页共80页 成都信息工程大学硕士学位论文areasinAfricawithcoarseresolutionremotesensingimagery[J].RemoteSensingofEnvironment,2011,115(2):343-352.[179]A.GiteIson,F.Kogan,E.Zakarin,et.al.UsingAVHRRdataforquantitativeestimationofvegetationconditions:CalibrationandValidation.Advancespaceresearch.1998,22(5):673-676.[180]鞠笑生,杨贤为,陈丽娟,等.我国单站旱涝指标确定和区域旱涝级别划分的研究[J].应用气象学报,1997,8(1):26-33.[181]高西宁,刘焕莉.辽宁省近50年来春旱评估分析[J].江苏农业学,2011,(1):380-383.[182]夏伟.程夏红.Z指数法研究河北省近20年旱涝灾害发生规律[A].中国气象学会2008年会干旱与减灾-第六届干旱气候变化与减灾学术研讨会分会场论文集[C].2008.[183]宋连春,邓振镛,董安祥.干旱[M].北京:气象出版社,2003.第78页共80页 成都信息工程大学硕士学位论文作者在读期间科研成果简介[1]王玲玲,卢晓宁,孙志高.改进TOPSIS方法在大气环境质量评价中的应用[J].环境工程,2014,32(09):142-146.[2]卢晓宁,王玲玲,孙志高.1998年特大洪水前后霍林河流域下游洪泛湿地景观变化研究[J].干旱区资源与环境,2015,29(04):78-84.第79页共80页 成都信息工程大学硕士学位论文致谢光阴如梭，三年研究生阶段的学习生活即将结束。在导师和同学的帮助、支持下，我的学业才得以顺利完成。此篇论文是在卢晓宁导师的用心指导下完成的。研究生学习期间，卢老师在生活方面像母亲一样给予了许多关心和照顾；她为人随和、热情大方，治学严谨细心。在闲聊中她总是能像知心朋友一样鼓励你，在论文的写作中不仅在资料收集、论文选题、研究思路、数据处理方法、结论分析和论文撰写等方面给予了悉心的指导和帮助；而且总会以“专业标准”严格要求，从论文的结构到最后论文的修改整理、润色，卢老师始终认真负责地给予我深刻而细致地指导，帮助我开拓研究思路，精心点拨、热忱鼓励。正是卢老师的无私帮助与热忱鼓励，我的毕业论文才能够得以顺利完成，非常感谢亲爱的卢老师，以后不论走到哪里，我永远都会记住您那灿烂的笑容、温暖的怀抱。感谢刘志红老师三年来在生活和学习中的关心和照顾，刘老师是我本科的毕业指导老师，我们依然感情深厚，刘老师的关怀像母亲一样温暖，跟刘老师交谈可以像朋友一样亲切，非常感谢刘老师。感谢王增武老师在我遇到困难的时候鼎力相助，王老师为人热情大方幽默，虽然平时很少说话，但在学术交流中，王老师都会提出宝贵的学术指导意见，是我受益匪浅，非常感谢王老师。在此衷心感谢卢晓宁老师、刘志红老师、王永前老师、王增武老师和冯文兰老师，导师们的治学态度、科研精神是吾辈学习的榜样，导师们的言传身教将使我受益终生。感谢刘文娟老师，在生活上的关怀指点与帮助，工作上的支持与鼓励，刘老师同样在教学中是一位认真负责的好老师，非常感谢刘老师。感谢师弟洪佳和杨星，还有师妹张静怡在研究过程中给予的建议和数据支持与帮助。感谢王琼师姐、李刚师兄以及刘耀源、张小丽、马子轸、王苗苗、杨德容等同学在学习和生活上给与的点点滴滴帮助和鼓励。同时，感谢我的父母和亲人，在我迷茫脆弱的时候，始终鼓励和支持着我，我永远爱你们，没有你们我没有办法撑过各种困难，没有你们的支持也不会有今天的我。感谢大家，感谢每个在我人生道路上所有帮助过我的人，因为有你们，我的研究生生涯才得以丰富多彩。第80页共80页