论文部分内容阅读
土壤水对于作物生长具有重要意义,利用遥感法监测土壤湿度有时效快、动态对比性强、监测面积大等优势,其中TVDI法同时兼顾植被生长状态与地表温度两者对于土壤湿度的反映,其理论依据是随着植被覆盖度增加,植被通过蒸腾作用将吸收的辐射能部分转化为潜热的能力加强,而转化显热的作用相对减弱,表面温度呈下降趋势,可满足本研究的需求。搭载在Suomi-NPP卫星的VIIRS传感器作为MODIS/AVHRR传感器的后继产品,尚未在我国的土壤水分监测工作中使用。温度植被干旱指数(TVDI)自被提出以来,植被量表征都采用植被指数,但非光和植被参与植被指数的计算却对潜热转化无贡献,会造成模型误差。针对以上问题,进行了的工作并获得的结论有:(1)使用VIIRS传感器EDR级每日地表反射率产品(GIGTO-VI1~5BO),计算新疆农七师125团2015年6月29日至7月10日的植被指数(NDVI)结果,结合EDR级每日陆表温度产品(GMTCO-VLSTO),构建了Ts-NDVI特征空间。提取干湿边以计算TVDI结果,利用同期地面实测土壤含水率数据进行验证,并将该模型推广到全天山北坡经济带地区。VIIRS传感器的TVDI结果与地面实测数据相关系数为0.85,两者之间不相关的双尾检验值小于0.001,构建的土壤湿度反演模型对农田土壤的含水率有较好的反应。VIIRS数据因其大幅宽、高时间分辨率优势,使得大面积监测的数据处理工作的时效性得以进一步加强,针对全疆地区的每日监测仅需1~4幅影像即可实现全疆覆盖。(2)同样利用TVDI法,基于2015年6月29日OLI/TIRS传感器数据,进行了研究区土壤含水率反演,并与VIIRS结果进行了比较。利用OLI/TIRS传感器数据反演的土壤含水率结果,同地面实测含水率数据相关系数为0.85,满足建模需求。最终利用该模型得到的遥感反演含水率结果,符合实地土壤含水率分布,与VIIRS反演结果呈现一致性。在小尺度的应用中,OLI/TIRS数据的高分辨率优势可以更好的发挥,以完善VIIRS反演结果的空间分辨率不足的问题。(3)利用像元三分模型,对TVDI模型中植被指数对于植被量的表达进行修正,即利用光合植被(PV)取代NDVI,以消除对潜热转化无贡献的非光合植被(NPV)对模型的影响。最终修正模型的土壤含水率结果,效果较原模型结果反演精度更高,可以更好的表达地面含水率的实际情况。