基于LST_LAI特征空间的农田干旱监测.pdfVIP

基于LST-—LAI特征空间的农田干旱监测研究 随欣欣1，秦其明孙，董 恒2，王金梁2，孟庆野2，刘明超z 1．中国国土资源航空物探遥感中心，北京100083 2．北京大学遥感与GIS研究所，北京100871 摘要农田干旱具有范围广且对农业生产影响巨大的特点，对农田干旱的遥感实时动态监测是目前公认 LAI 温度一叶面积干旱指数(temperaturedrought index，TLDI)监测农田水分含量，并利用宁夏实测的o～ 10crn平均土壤含水量验证该指数的精度，结果表明：它们之间具有良好的相关性，R2的变化范围为0．43 度降低的缺陷。此外，利用MODIS数据产品LKr和LAI进行农田干旱监测，避免了使用MODIS原始数据 的繁杂处理过程，初步为MODIS数据产品在农田干旱监测业务化运行探索出一条技术流程。 关键词MODIS产品；地表温度；叶面积指数；农田干旱；温度一叶面积干旱指数 中图分类号：TP722文献标识码：A DOI：10．3964／j．issn．1000—0593(2013)01—0201—05 利用MODIS的温度和反照率产品构建了温差一反照率干旱指 引 言 数监测土壤水分。对于LAI产品，目前用其应用较少，主要 集中在对数据精度的验证上。针对中国区LAI产品的精度， NDVI和LST是描述陆面过程的重要参数，与植被生长 肖志强等[12]指出LAI产品值存在普遍低估，但是其对区域 状况、水分含量等地表参数关系密切[1]。利用LST和NDVI的变化趋势是正确的。 特征空间构建的干旱指数受到了广泛关注。早在1996年 本工作旨在探索基于MODIS数据产品的农田干旱监测 Lambin等[2]提出利用LST和NDVI的比值动态监测地表干 方法，选取I_ST和LAI产品为数据源，针对作物封垄后 旱程度。Sandholt等[3]基于LST和NDVI构成的三角形特征 空间，提出温度植被干旱指数TVDI估算地表水分。随后，和LAI特征空间的温度叶面积干旱监测指数TLDI，并利用 王鹏新[41在此基础上提出了条件植被温度指数VrCI用于监 实地观测的土壤墒情和气象观测数据验证该指数的监测精 测干旱。然而，NDVI很容易达到饱和[5]，尤其是对于一年度。尽管LAI的值普遍偏低，但是本研究主要利用LAI可以 生农作物而言，作物从出苗到封垄的时间非常短，作物封垄 准确反映出作物长势变化趋势的特征，对其绝对值的精确要 时，NDVI已饱和，以NDVI为参数进行农田干旱监测的精求不高，故以LST和LAI为参数的监测模型对农田水分的 度就会显著降低[6]。韩丽娟[7]提出利用LAI与LST构成的 监测精度较高，初步为MODIS数据产品在农田干旱监测业 三角形特征空间，可以解决NDVI饱和的缺陷，更有效地进务化运行中探索出一条技术流程。 行应用，但是LAI的精确反演也是一个困难的问题。 自2000年NASA的EOS数据中心提供MODIS陆地产 1实验部分 品以来，数据产品正逐渐应用于全球和区域范围的研究。经 验证表明LST数据产品精度较高[8]，正被逐渐引入到土壤1．1研究区与数据 水分遥感监测模型中，王建凯等[9]利用MODIS地表温度产 7E，35。 研究区为宁夏雨养农业区(104。10’E一107。30 品进行区域环境变化的监测。杨曦等[10]基于MODIS的LST