（毕业论文）利用TVDI反演地表含水量方法研究.docVIP

利用TVDI反演地表含水量方法研究 摘要：利用MODIS资料构建了地表温度(Ts)-增强植被指数(EVI)的特征空间,拟合了特征空间中的干、湿边方程,计算了温度植被干旱指数(TVDI),并推导出利用TVDI和干、湿边土壤水分计算土壤含水量的方程。在计算TVDI的过程中,为了减少高程的影响,利用数字高程模型(DEM)对Ts进行了订正;利用同期野外实测土壤湿度数据计算了干边上的土壤水分值,从而反演出平均土壤含水量。结果表明:①TVDI方法能反演土壤表层水分,实测值与预测值之间平均绝对误差在15个百分点左右。②高程校正后的TVDI能更好的反映土壤水分,与校正前相比,平均绝对误差减少5个百分点,基本满足业务需要。③使用野外与卫星同步采样的土壤湿度数据进行验证,发现TVDI指标与实测土壤湿度数据显著相关,能够较好地反映表层土壤湿度。 关键词：TVDI；土壤水分；MODIS；地表温度;DEM 土壤水分是监测土地退化的一个重要指标,是气候、水文、生态、农业等领域的主要参数,在地表与大气界面的水分和能量交换中起重要作用。遥感能够快速方便地获取大区域的地表信息,因此使用遥感监测土壤水分意义重大。20世纪80年代以来,以遥感监测地表辐射温度信息反演土壤水分的方法如应用于稀疏植被的热惯量法得到了广泛应用。在多数情况下,地面一般为植被不完全覆盖,因此遥感探测到的地表温度必然受到植被覆盖度影响,较高的土壤背景温度会严重干扰旱情信息。为了消除土壤背景的影响,将地表温度和反映植被覆盖度的植被指数联合考虑将会是提高反演精度的有效途径。Price、Carlson等人发现植被指数(NDVI)与地表温度(Ts)之间存在负相关关系,而且如果研究区植被覆盖包含从裸土到全覆盖、土壤湿度从极干旱到极湿润的各种情况,以遥感资料获得NDVI和Ts为横、纵坐标的散点图呈三角形。在这个三角形特征空间中,Goetz研究发现Ts与NDVI的斜率与土壤湿度之间为一元线性关系[1], Sandholt等进一步结合对该特征空间生态特征的解释,提出用温度植被旱情指数(TVDI,Temperature-Vegetation Dryness Index)估算土壤表层水分状况,取得了良好的效果[10]。国内齐述华、王鹏新等利用TVDI进行了全国旱情监测研究,结果表明TVDI作为旱情评价指标是合理的[11-12],姚春生等发现TVDI指标与实测表层土壤湿度数据显著相关,作为指示地表土壤湿度的指标有一定的合理性[2]。卿清涛等基于TVDI方法对四川省8月上旬的旱情进行了遥感监测评估[3]。国内学者主要探讨了TVDI作为旱情评价指标的合理性,并未深入利用TVDI反演土壤水分值。另外由于构成TVDI的一个重要因子是地表温度,高程因子对地表温度影响较大,对于地势起伏较大的地区应用TVDI方法时应考虑高程对TVDI的影响。利用高程对TVDI进行校正方法也较少报道。本文拟采用MODIS卫星资料,利用TVDI方法反演土壤水分,并利用DEM数据对TVDI进行校正,结合野外同步实测土壤水分值利用TVDI方法反演地表土壤水分,并对高程校正前后的结果进行对比分析。 1　原理和方法 1.1　数据来源及预处理 选取江苏省仪征市作为研究区域。仪征市位于119°02′～119°22′E,32°14′～32°36′N,总面积903 km2。地表温度和植被指数数据来源于美国航空航天局(NASA)陆地数据分发中心(LandProcesses DAAC)的MOD11A2和MOD13A2数据,对应时间为2004年5月09—25日、9月20日—10月6号及11月01—17日的合成数据。MOD11A2是8 d合成空间分辨率为1 km的陆地表面温度产品,包含白天、夜间地表温度、31和32波段通道发射率等资料。MOD13A2是16 d合成空间分辨率为1 km的植被指数产品,包含NDVI、EVI、红光、近红外、中红外、蓝光等波段反射率及其它辅助信息。为保证遥感数据时间同步性,将2个时相8 d合成的地表温度数据合成为1个时相的16 d合成地表温度数据。合成时,若2个时相都有值,取平均值作为合成后像元值;若只有1个时相有值,取其作为合成像元值。地面数据采用实测土壤湿度数据,距离间隔为5 km,网格点40个,采样点覆盖大面积区域,周围地物单一,保证采样数据与MODIS数据产品匹配。采样使用GPS定位。采样时间为2004年05月12—19日、09月24—30日及11月08—18日。采样时间持续7 d左右。采样深度为35～45cm,采用烘干测重法测定土壤湿度。 1.2　反演模型的建立 植被依据生态系统中水、热、气等状况,调控其内部与外部的物质、能量交换,植被覆盖度变化是地球内部(土壤母质、类型等)与外部作用 (气温、降水等)的综合结果,是区