收藏本站
《成都理工大学》 2017年
收藏 | 手机打开
二维码
手机客户端打开本文

基于AMSR-E星载被动微波遥感的植被—温度干旱指数模型研究

刘礼杨  
【摘要】:干旱是一种由于区域水分收支或供需不平衡形成的水分短缺的现象,是一种极其复杂的自然灾害。全球平均每年因干旱造成的损失高达60-80亿美元,有超过一半的地区受到干旱的影响。因此,充分利用现有的科学技术对干旱进行监测,从而尽量减少其危害就显得尤为重要。传统站点式的监测方法由于受到地面站分布密度和人工成本的限制,很难实时反映精确的大尺度连续空间的干旱状况。遥感技术具有覆盖范围广、空间分辨率高、重访周期短、数据获取方便、资料客观等优点,能够弥补常规旱情监测方法的不足,在及时、大范围的干旱监测方面具有显著优势。目前常用的遥感干旱监测模型主要有帕尔默干旱指数(Palmer Drought Severity Index,PDSI)、热惯量指数、归一化植被指数(Normalized Difference Vegetation Index,NDVI)、作物缺水指数(Crop Water Stress Index,CWSI)、条件植被指数(Vegetation Condition Index,VCI)、条件温度指数(Temperature Condition Index,TCI)、植被健康指数(Vegetation Health Index,VHI)、植被供水指数(Vegetation Supply Water Index,VSWI)和温度-植被干旱指数(Temperature-Vegetation Drought Index,TVDI)等。然而,这些方法基本都是基于可见光和热红外遥感进行的,极易受到云层、大气中的水汽以及降水等的影响。被动微波遥感可以穿透薄云和稀疏植被,受天气和植被的影响较小,能够有效克服可见光和热红外波段遥感的不足。TVDI作为一种被广泛认可的干旱指数,在进行干旱监测时其兼顾温度与植被两个层面,能够有效地避免单一层面引起的不足。因此,结合被动微波遥感与TVDI构建新的被动微波温度-植被干旱指数(Microwave Temperature Vegetation Drought Index,MTVDI)具有极高的可行性。本论文以中国内陆地区为研究区域,利用AMSR-E(The Advanced Microwave Scanning Radiometer-Earth Observing System)被动微波遥感数据,在改进温度反演模型和植被指数的基础上,创新性的构建被动微波温度-植被干旱指数模型,并对中国干旱进行了监测研究,主要内容如下:(1)构建了两种地表温度反演经验模型:以MODIS LST(Land Surface Temperature)地表温度产品作为地表实测值,对基于AMSR-E的地表温度反演进行研究,建立了两种不同的地表温度反演模型:1)在中国中南部地区以逐步回归的方式建立了针对旱、雨季差异的四变量AMSR-E被动微波遥感地表温度反演经验模型,经过检验,其中大约80%的地区反演误差2.5K。2)在中国内陆建立了基于AMSR-0045 18.7GHz(H),23.8GHz和89.0GHz(V)组成的的非线性温度反演经验模型,该模型的RMSE(均方根误差)为6.492K。(2)构建了微波温度-植被干旱指数(MTVDI)模型:首先,以MODIS NDVI产品为基础构建23.8GHz的微波极化差异指数(Microwave Polarization Difference Index,MPDI)与NDVI的关系,构建起微波归一化植被指数(Microwave Normalized Difference Vegetation Index,MNDVI)模型。然后,以MNDVI模型和非线性地表温度反演模型为基础,分别构建干边、湿边方程,建立微波温度-植被干旱指数(MTVDI)模型。最后,采用分级机制,对研究区内2003年-2010年期间进行干旱时空变化模拟和监测。监测结果表明,总体上除塔克拉玛干沙漠以外,在旱季(10月-3月)南方(如云南、广西等)的旱情较为严重,而在雨季(4月-9月)北方(如内蒙古,青海,新疆等)旱情较重。青藏高原地区长期保持较湿润状态,东三省地区长期以来干旱较轻微。(3)利用降雨和湿润指数(降雨/潜在蒸散力(Potential Evapotranspiration),P/PET)对微波温度-植被干旱指数模型进行验证:首先,除微波温度-植被干旱指数(MTVDI)模型外,分别建立了MODIS温度-植被干旱指数(TVDI)、以地表温度与空气温度的差值代替地表温度的改进型温度-植被干旱指数(iTVDI)、以地表温度与空气温度的差值代替地表温度的改进型微波温度-植被干旱指数(Imp-MTVDI)和用曲线拟合干边和湿边的非线性微波温度-植被干旱指数(NonL-MTVDI)。然后,以降水和湿润指数(P/PET)对五种模型进行基于像元相关性验证。验证结果表明,与MODIS TVDI和iTVDI相比,MTVDI、Imp-MTVDI和Non L-MTVDI在我国中部和东部地区具有一定的优势;相反的,在新疆、甘肃、内蒙、青海一带的我国西北部地区MTVDI、Imp-MTVDI和NonL-MTVDI表现出较弱的相关性,而MODIS TVDI和iTVDI相对而言相关性较强,表明在我国西北地区MODIS TVDI和iTVDI更具有优势。总体而言,MTVDI是长期和大型空间尺度干旱监测的最佳模型。
【学位授予单位】:成都理工大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:Q948.1

【参考文献】
中国期刊全文数据库 前10条
1 邱玉宝;石利娟;施建成;赵少杰;;大气对星载被动微波影响分析研究[J];光谱学与光谱分析;2016年02期
2 杜灵通;候静;胡悦;王新云;王磊;;基于遥感温度植被干旱指数的宁夏2000-2010年旱情变化特征[J];农业工程学报;2015年14期
3 王永前;施建成;刘志红;冯文兰;;利用微波辐射计AMSR-E的京津冀地区大气水汽反演[J];武汉大学学报(信息科学版);2015年04期
4 LIANG Liang;ZHAO Shu-he;QIN Zhi-hao;HE Ke-xun;CHEN Chong;LUO Yun-xiao;ZHOU Xing-dong;;Drought Change Trend Using MODIS TVDI and Its Relationship with Climate Factors in China from 2001 to 2010[J];Journal of Integrative Agriculture;2014年07期
5 王君;;遥感干旱监测研究进展[J];科技信息;2014年14期
6 王莺;王劲松;姚玉璧;赵福年;;基于温度植被干旱指数的广东省旱情动态监测[J];草业学报;2014年02期
7 鲍艳松;严婧;闵锦忠;王冬梅;李紫甜;李鑫川;;基于温度植被干旱指数的江苏淮北地区农业旱情监测[J];农业工程学报;2014年07期
8 陈斌;张学霞;华开;徐珂;;温度植被干旱指数(TVDI)在草原干旱监测中的应用研究[J];干旱区地理;2013年05期
9 张喆;丁建丽;鄢雪英;李鑫;王刚;;基于温度植被干旱指数的土库曼斯坦典型绿洲干旱遥感监测[J];生态学杂志;2013年08期
10 陈修治;苏泳娴;李勇;陈水森;韩留生;;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年16期
中国博士学位论文全文数据库 前2条
1 马媛;新疆土壤湿度的微波反演及应用研究[D];新疆大学;2007年
2 陈尔学;星载合成孔径雷达影像正射校正方法研究[D];中国林业科学研究院;2004年
中国硕士学位论文全文数据库 前6条
1 陈东河;基于MODIS与TM的遥感墒情反演研究[D];郑州大学;2013年
2 陈鹏;基于植被指数和地表温度的农业旱情监测适用性研究[D];南京信息工程大学;2011年
3 计淇才;遥感干旱指数的时空格局适应性研究[D];郑州大学;2011年
4 孟霖达;利用AMSR-E数据反演地表温度[D];吉林大学;2007年
5 邢文渊;基于MODIS影像数据反演干旱区土壤湿度方法研究[D];新疆大学;2006年
6 邓辉;基于MODIS数据的大区域土壤水分遥感监测研究[D];中国农业科学院;2004年
【共引文献】
中国期刊全文数据库 前10条
1 雷忠腾;江涛;崔相辉;颜明捷;;TERRA/MODIS热红外通道陆地晴空大气可降水分裂窗反演[J];测绘与空间地理信息;2018年02期
2 刘英;岳辉;张锋;杨坤;;基于LAI-T_s特征空间的河南省冬小麦返青-成熟期旱情监测[J];中国农业气象;2018年02期
3 刘艳伟;王淑莹;焦忠帅;杨国范;杨启良;;基于温度植被干旱指数法(TVDI)的朝阳县干旱监测[J];浙江农业学报;2018年01期
4 孙川;宋小宁;周芳成;李召良;;有云大气对AMSR-E传感器各通道微波信号影响的分析[J];中国科学院大学学报;2018年01期
5 韩刚;李瑞平;王思楠;田鑫;胡勇平;樊爱霞;孙燕;;基于多尺度遥感数据的荒漠化草原旱情监测及时空特征[J];江苏农业学报;2017年06期
6 陈少丹;张利平;汤柔馨;杨凯;黄勇奇;;基于SPEI和TVDI的河南省干旱时空变化分析[J];农业工程学报;2017年24期
7 张瑶瑶;崔霞;宋清洁;朱高峰;;基于不同下垫面的农业干旱遥感监测方法与发展前景[J];草业科学;2017年12期
8 张晶言;白建军;于茜;;基于TVDI模型的关中地区春旱时空动态监测[J];兰州大学学报(自然科学版);2017年06期
9 李彩瑛;阎建忠;刘林山;李兰晖;张镱锂;;基于TVDI的羌塘高原夏季土壤湿度变化分析[J];地理研究;2017年11期
10 秦明星;刘立文;;基于TVDI模型的山西省农业旱情监测[J];山西农业科学;2017年11期
中国博士学位论文全文数据库 前10条
1 焦文哲;利用遥感指数监测干旱的时空敏感性与适用性对比研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2017年
2 黄资彧;基于多源遥感数据的干旱/半干旱地区表层土壤水反演方法研究[D];华南农业大学;2016年
3 焦俏;基于微波遥感反演的黄土高原表层土壤水分变化及其对植被恢复的响应[D];西北农林科技大学;2016年
4 朱鹤;面向农业用水管理的土壤含水量多源数据同化方法与应用研究[D];中国水利水电科学研究院;2016年
5 李洋洋;集成光学与微波遥感苏打盐碱地水盐含量反演方法研究[D];中国科学院研究生院(东北地理与农业生态研究所);2014年
6 徐金燕;全极化星载SAR影像辐射校正与城区变化检测[D];武汉大学;2014年
7 吴静;基于3S技术和土壤水热条件的草原综合顺序分类研究[D];甘肃农业大学;2013年
8 费文波;RPC模型在星载SAR与星载InSAR几何处理中的研究与应用[D];武汉大学;2012年
9 王青松;星载干涉合成孔径雷达高效高精度处理技术研究[D];国防科学技术大学;2011年
10 张王菲;星载SAR遥感反演中地形辐射校正的关键技术研究[D];昆明理工大学;2011年
中国硕士学位论文全文数据库 前10条
1 吴淑静;基于Landsat8 OLI数据彰武地区旱情监测模型研究[D];沈阳农业大学;2017年
2 黄路梅;贵州省农业旱灾脆弱性评价[D];贵州师范大学;2017年
3 朱明宇;基于MODIS数据对辽宁地区农业干旱的监测研究[D];沈阳农业大学;2017年
4 刘礼杨;基于AMSR-E星载被动微波遥感的植被—温度干旱指数模型研究[D];成都理工大学;2017年
5 金梦婷;基于合成孔径雷达卫星数据反演表层土壤含水量的研究[D];杭州师范大学;2016年
6 孙晓宇;基于综合干旱监测的河南省春季土壤湿度反演模型研究[D];南京信息工程大学;2016年
7 孙倩倩;干旱胁迫下冬小麦叶片生理酶活性及光合参数的高光谱监测研究[D];山西农业大学;2016年
8 高华;基于温度植被干旱指数印度和巴基斯坦干旱监测[D];中国地质大学(北京);2016年
9 王凯霖;柴达木盆地平原区土壤湿度的遥感反演及对蒸散发的影响[D];中国地质大学(北京);2016年
10 宋扬;基于MODIS的辽西北地区干旱遥感监测研究[D];辽宁师范大学;2016年
【二级参考文献】
中国期刊全文数据库 前10条
1 杜灵通;宋乃平;王磊;南岭;;气候变化背景下宁夏近50年来的干旱变化特征[J];自然灾害学报;2015年02期
2 杨蓉;延军平;;宁夏干旱灾害的时间对称性及趋势判断[J];西北大学学报(自然科学版);2015年01期
3 LIANG Liang;ZHAO Shu-he;QIN Zhi-hao;HE Ke-xun;CHEN Chong;LUO Yun-xiao;ZHOU Xing-dong;;Drought Change Trend Using MODIS TVDI and Its Relationship with Climate Factors in China from 2001 to 2010[J];Journal of Integrative Agriculture;2014年07期
4 王永前;冯文兰;施建成;邱玉宝;刘志红;;被动微波遥感大气校正[J];红外与毫米波学报;2014年02期
5 鲍艳松;严婧;闵锦忠;王冬梅;李紫甜;李鑫川;;基于温度植被干旱指数的江苏淮北地区农业旱情监测[J];农业工程学报;2014年07期
6 李兴华;李云鹏;杨丽萍;;内蒙古干旱监测评估方法综合应用研究[J];干旱区资源与环境;2014年03期
7 刘立文;张吴平;段永红;邢立新;陈圣波;赵敏;;TVDI模型的农业旱情时空变化遥感应用[J];生态学报;2014年13期
8 沙莎;郭铌;李耀辉;韩涛;赵艳霞;;我国温度植被旱情指数TVDI的应用现状及问题简述[J];干旱气象;2014年01期
9 张朝;王品;陈一;张帅;陶福禄;刘晓菲;;1990年以来中国小麦农业气象灾害时空变化特征[J];地理学报;2013年11期
10 罗艳青;邹滨;邱永红;;华东地区干旱灾害时空演化特征研究[J];干旱区资源与环境;2013年10期
中国博士学位论文全文数据库 前1条
1 刘伟;植被覆盖地表极化雷达土壤水分反演与应用研究[D];中国科学院研究生院(遥感应用研究所);2005年
中国硕士学位论文全文数据库 前8条
1 樊任华;基于MODIS数据的草地干旱指数对比研究[D];南昌大学;2008年
2 胡梅;江西省干旱及其对粮食生产的影响遥感研究[D];江西师范大学;2008年
3 刘静;基于遥感技术的三峡库区农业干旱评价研究[D];西南大学;2008年
4 张芳;基于MODIS的陕西省干旱遥感监测研究[D];陕西师范大学;2008年
5 赵旭春;中国北方干旱区干旱指标的应用研究[D];兰州大学;2007年
6 邢文渊;基于MODIS影像数据反演干旱区土壤湿度方法研究[D];新疆大学;2006年
7 闫娜娜;基于遥感指数的旱情监测方法研究[D];中国科学院研究生院(遥感应用研究所);2005年
8 赵立军;基于MODIS数据的北京地区土壤含水量遥感信息模型研究[D];中国农业大学;2004年
【相似文献】
中国期刊全文数据库 前10条
1 高峰;车涛;王介民;文军;;被动微波遥感指数及其应用[J];遥感技术与应用;2005年06期
2 李新;车涛;;积雪被动微波遥感研究进展[J];冰川冻土;2007年03期
3 吴莹;王振会;;被动微波遥感反演地表发射率研究进展[J];国土资源遥感;2012年04期
4 陈洪滨,许丽生;空间被动微波遥感地球大气和陆洋面[J];大自然探索;1994年04期
5 晋锐,李新;被动微波遥感监测土壤冻融界限的研究综述[J];遥感技术与应用;2002年06期
6 张钟军,孙国清,朱启疆;植被层对被动微波遥感土壤水分反演影响的研究[J];遥感学报;2004年03期
7 车涛;李新;晋锐;;利用被动微波遥感低频亮温数据监测青海湖封冻与解冻期[J];科学通报;2009年06期
8 陈修治;苏泳娴;李勇;陈水森;韩留生;;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年16期
9 张瑞生;刘煜南;;主被动微波遥感联合探测系统[J];气象科技;1983年06期
10 李欣欣;张立新;蒋玲梅;;山区地形对被动微波遥感影响的研究进展[J];国土资源遥感;2011年03期
中国重要会议论文全文数据库 前10条
1 车涛;晋锐;李新;;被动微波遥感在我国冰冻圈研究中的应用进展[A];第二届微波遥感技术研讨会摘要全集[C];2006年
2 法文哲;金亚秋;;光学观测与被动微波遥感对月壤中~3He含量的定量估算[A];第二届微波遥感技术研讨会摘要全集[C];2006年
3 李新;;利用四维数据同化方法集成被动微波观测与陆面过程模型[A];第十三届全国遥感技术学术交流会论文摘要集[C];2001年
4 杨晓峰;郑照军;杨忠东;;AMSR-E积雪产品在内蒙地区的精度验证[A];第28届中国气象学会年会——S6冰冻圈与极地气象学[C];2011年
5 沙兴伟;徐柏德;;被动微波遥感水面油膜辐射的研究[A];1985年全国微波会议论文集[C];1985年
6 车涛;李新;晋锐;吴立宗;;我国积雪储量被动微波遥感监测[A];中国地理学会2006年学术年会论文摘要集[C];2006年
7 吴爱敏;;西北地区伏期干旱指数探讨及干旱分析[A];中国气象学会2006年年会“气候变化及其机理和模拟”分会场论文集[C];2006年
8 赵一磊;任福民;;一个基于有效降水干旱指数的改进研究[A];S5 全球典型干旱半干旱地区气候变化及其影响[C];2012年
9 毛克彪;唐华俊;周清波;缪建明;马柱国;;利用被动微波数据AMSR-E对2008年中国南方雪灾监测分析[A];2008年中国农业资源与区划学会学术年会论文集[C];2008年
10 尹洁;文绮新;张瑛;张传江;张超美;;江西省干旱指数动态监测研究与应用[A];江西省气象部门第二届高级工程师技术述职报告会论文集[C];2005年
中国博士学位论文全文数据库 前2条
1 武黎黎;基于HUT模型森林下雪深被动微波遥感反演方法东北区本地化研究[D];中国科学院研究生院(东北地理与农业生态研究所);2016年
2 张卫国;沙漠地区被动微波遥感研究——以塔克拉玛干沙漠为例[D];中国科学院研究生院(遥感应用研究所);2004年
中国硕士学位论文全文数据库 前10条
1 刘礼杨;基于AMSR-E星载被动微波遥感的植被—温度干旱指数模型研究[D];成都理工大学;2017年
2 杜一男;NASA系列雪参数反演算法的时空验证与改进[D];中国科学院研究生院(东北地理与农业生态研究所);2016年
3 卢新玉;基于被动微波遥感的北疆地区积雪深度反演[D];新疆师范大学;2011年
4 李芹;青藏高原地区主被动微波遥感联合反演土壤水分的研究[D];首都师范大学;2011年
5 杨丽;山东省小麦玉米干旱指数保险研究[D];南京信息工程大学;2013年
6 姜甜甜;基于农业保险风险区划的山东省小麦干旱指数保险研究[D];山东财经大学;2016年
7 李哲东;山东省花生干旱指数保险定价研究[D];贵州财经大学;2016年
8 辛强;基于AMSR-E数据的华东地区土地覆被变化对土壤水分的影响研究[D];南京农业大学;2016年
9 茅海祥;五种干旱指数在淮河流域的适用性研究[D];南京信息工程大学;2012年
10 徐芳;AMSR-E数据监测干旱的方法研究及其在河北省干旱监测中的应用[D];南京信息工程大学;2008年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026