共查询到20条相似文献，搜索用时 31 毫秒
1.
基于Landsat ETM+数据的白龙江流域土壤水分反演 总被引：3，自引：0，他引：3
在地形复杂、水土流失严重且地质灾害严重的白龙江流域,土壤含水量遥感监测在地质灾害监测预警研究中具有重要意义。为实时掌握白龙江流域的土壤水分含量状况,利用2013年4月的Landsat7 ETM+影像,采用温度植被干旱指数法,构建Ts-NDVI特征空间,结合野外88个实测样点土壤水分数据,建立0~60 cm土壤深度范围内3个单层(0~20 cm,20~40 cm,40~60 cm)及2个平均层(0~40 cm,0~60 cm)的土壤水分遥感反演回归模型,对比分析了白龙江流域5个深度的土壤水分的空间变化特征,并用未参与建模的16个实测土壤水分数据样点进行相应的精度验证。结果表明:3个单层中20~40 cm土壤水分反演精度相对较高,RMSE值为3.06%,2个平均层中0~40 cm反演精度最高(RMSE)为2.45%,由此说明TVDI更能稳定地反映和指示土壤中层深度(20~40 cm)的水分分布状况。 相似文献
2.
FY-3A/MERSI数据在山东省农田干旱监测中的应用 总被引：1，自引：0，他引：1
干旱是影响社会发展和农业生产的主要气象灾害之一。利用中国新一代极轨气象卫星FY-3A上搭载的250 m中分辨率光谱成像仪(MERSI)数据,基于垂直干旱指数(PDI),结合山东省旱情统计数据,建立了适合山东省的PDI干旱指数分级标准,在此基础上对山东省2010~2011年秋冬季的干旱状况进行了监测,并将监测结果与同期的降水、温度和干旱监测资料以及19个国家级农气站的土壤相对湿度资料进行对比分析。结果表明:基于FY-3A/MERSI 250 m分辨率卫星资料计算的PDI能够客观反映山东省旱情的空间分布和动态发展过程。PDI与对应实地观测的10 cm、20 cm土壤相对湿度之间有较好的负相关性,且20 cm的土壤相对湿度较10 cm的土壤相对湿度与PDI的相关关系更稳定。因此,利用FY-3A/MERSI卫星资料监测山东省干旱状况具有可行性,适于在干旱监测业务中推广应用。 相似文献
3.
4.
地理信息系统（GIS）支持下的冬小麦干旱NOAA／AVHRR遥感监测方法研究 总被引：4，自引：0，他引：4
在系统研究冬小麦干旱ＮＯＡＡ／ＡＶＨＲＲ遥感监测理论、模型、资料处理、指标及应用技术的基础上,建立了河南省冬小麦干旱ＮＯＡＡ／ＡＶＨＲＲ遥感监测模型,针对这一领域中存在的问题,在ＧＩＳ技术的支持下,进一步探讨了不同土壤质地和风速对遥感干旱监测的影响、用遥感表层土壤水分反演深层土壤水分的方法与模型、用单时相遥感资料反演土壤水分的方法等。在上述工作的基础上,建立了河南省冬小麦干旱遥感监测应用服务系统。 相似文献
5.
基于Radarsat-2 SAR数据反演定西裸露地表土壤水分 总被引：2，自引：0，他引：2
利用Radarsat-2 SAR数据和定西地区野外土钻法及WET仪器观测的土壤水分数据,分析了同极化后向散射系数与不同土层深度土壤水分之间的关系,采用交叉极化(VV/VH)组合模型反演土壤水分并进行对比验证。结果表明:水平、垂直同极化后向散射系数均与10~20 cm土壤含水量相关性最好,相关系数R均为0.74;受地表粗糙度和土壤质地等影响,同极化后向散射系数与0~10 cm土壤水分相关性均较低。交叉极化组合模型的反演值与10~20 cm实测土壤水分相关性较高,R值达0.75,而与0~10 cm和20~30 cm实测值的相关性较低(R值分别为0.47和0.52),但均通过α=0.05的显著性检验;WET仪器实测0~6 cm土壤水分经校正后与反演值的相关系数为0.46(通过α=0.01的显著性检验),校正后的结果有效提高了WET仪器测量精度。交叉极化组合模型可用于裸露地表土壤水分的反演,更适用于提取10~20 cm土壤含水量信息。 相似文献
6.
7.
欧空局主被动微波土壤水分融合产品 在甘肃省干旱监测中的应用 总被引：1，自引：0，他引：1
选取甘肃省为研究区域,利用自动土壤水分观测站(ASMS) 0～10 cm土壤体积含水量数据对ESA CCI_SM(European Space Agency climate change initiative soil moisture)产品进行质量评估,并基于此产品分析长时间序列土壤体积含水量的时空变化特征,在此基础上,进一步构建土壤水分状态指数(soil moisture condition index,SMCI)应用于干旱监测。结果表明:(1) ESA CCI_SM在陇东地区与自动站土壤水分观测值的相关性最好(R=0. 71),其次是陇中、陇南和甘岷地区,共有92%的站点的R通过0. 01显著性检验。(2) ESA CCI_SM产品较好地呈现了西北部土壤湿度较干燥、东南部较湿润的空间分布特征。土壤体积含水量具有明显季节变化,秋季较高,其次是夏季,冬春季较低。(3)基于ESA CCI_SM产品构建的SMCI较好地监测出2002年7—10月伏秋连旱和2009年4—6月春夏连旱的发生发展过程,该数据产品在陇东和陇中雨养农业区的干旱监测应用较好。 相似文献
8.
9.
土壤水分含量对光谱变化的影响和植被冠层的光谱反射率是干旱最重要和最直接的指标.根据水的吸收率光谱变化特征和绿色植物有效光谱响应特征曲线,在前期提出的地表含水量指数(SWCI)的基础上,增加MO-DIS通道1的红光光谱,以增强植被对光谱吸收的变化反应,可应用于大范围且快速的浅层土壤墒情遥感监测.通过与土壤表层水分含量指数(SWCI)对比分析发现,在对浅层(0～30 cm)土壤水分进行监测时,ESWCI比SWCI更为敏感,这将有助于在实时干旱动态监测中更好地提高监测精度. 相似文献
10.
11.
为了建立鲁中地区土壤水分精细化预报模型,利用2010—2013年农田土壤水分自动站逐日资料进行土壤水分年、月变化特征研究,并结合附近自动气象站资料,以土壤水分平衡方程、农田蒸散模型为基础,采用逐步回归和曲线估计等方法建立4—6月无降水条件下平原水浇田与山旱田土壤水分1 d、7 d降幅的经验预报模型。结果表明:鲁中地区0~100 cm土壤水分贮存量年变化趋势和0~50 cm基本一致,年最高出现在8月,最低出现在6月,年降幅最大出现在3—6月,易出现干旱。对预报模型进行回代和预报检验结果显示,回代平均相对误差为0.07%,7 d模型和1 d模型滚动预报第7天0~50 cm土壤水分贮存量,绝对误差分别为-0.15和-2.17 mm,平均相对误差分别为-0.07%和-1.56%,模型具有较强的理论基础和实用性,预报精度较高,为鲁中地区土壤墒情监测和精细化预报提供支持。 相似文献
12.
选用2020年5月17日Sentinel-1和Landsat 8影像数据,结合田间人工测墒数据,以辽宁省朝阳市为例,分别利用植被温度指数法和光学协同微波遥感反演算法反演土壤水分,构建高精度土壤水分预报模型。结果表明：基于光学遥感的植被温度指数(TVDI)不能较好反演农田土壤水分;微波反射能够较好反馈土壤水分的空间变化,Sentinel-1雷达数据VV极化对土壤水分的拟合精度(R2=0.71)优于VH极化(R2=0.27);基于全球植被水分指数(GVMI)改进的水云模型效果最优(R2=0.80)。利用微波和光学遥感协同反演,能够反演得到高空间分辨率、高精度的农田土壤水分数据,有助于农业干旱的监测。 相似文献
13.
14.
15.
植物叶片光合速率是表征植物光合能力的重要参数,对土壤水分反应敏感,建立不同土壤水分对冬小麦叶片光合速率影响模型,有助于准确理解冬小麦的光合作用和产量形成。该文收集整理了1996—2017年我国冬小麦主产区11个试验地点、17个冬小麦品种的干旱和渍水试验数据共64组310个样本,分别构建干旱和渍水对冬小麦叶片光合速率影响的分段式和指数型模型,形成土壤水分对冬小麦叶片光合速率影响模型（the model for Soil Moisture Effects on leaf Photosynthesis rate of winter wheat,SMEP）。结果表明:随着土壤相对湿度增加,冬小麦叶片光合速率系数呈稳定低值-线性增加-稳定高值-缓慢下降的特点;随着渍水时间延长,冬小麦叶片光合速率系数呈缓慢下降-快速下降的特点。对SMEP模型进行回代检验、外推检验、单点验证、单发育期验证发现,模型模拟结果与文献数据有较好的一致性,回归系数在1.0附近,且均达到0.01显著性水平。SMEP模型将嵌入中国农业气象模式（CAMM1.0）,为CAMM不断完善提供科技支撑。 相似文献
16.
河北省冬麦区土壤水分监测预测系统及其应用 总被引：3，自引：1，他引：3
河北省冬小麦生育阶段正值少雨时期,一般年份只有在灌溉的情况下才能满足小麦生长发育的需求,麦区土壤水分实时监测预测对于灌溉决策十分重要。在冬小麦单站多层次土壤水分动态模型(VSMB模型)的基础上,根据河北省麦区从南到北冬小麦发育期和土壤类型的不同进行参数调整和修正,并对数据库进行设计,形成河北省整个冬麦区麦田土壤水分监测预测系统(RSM-MFS)。文中介绍了该系统的基本原理和功能,并对实际应用进行了效果分析。从近年在河北省冬麦区土壤水分的监测预测结果来看,监测相对误差在10%左右,风险预测相对误差在20%左右。 相似文献
17.
基于自动土壤水分观测站数据建立本地土壤水分变化模型,通过人工取土烘干法观测的实际土壤湿度数值对自动土壤水分观测站数据进行修正和校订,再由修正过的自动土壤水分观测站数据作为当日的初始湿度,通过天气预报中无降水日数或降水日期及雨量大小做出未来一段时间内的失墒或增墒的模型,再通过不同的气象条件对增、失墒进行相关订正,做出相应的土壤墒情的预报,最后根据土壤墒情预报结果对照本地的土壤干旱量级指标,从而随时做出快速准确的本地旱情预报,为各级领导组织指挥农业生产、开展人影作业、指导农民进行田间管理等活动提供及时可靠的决策依据。本文通过此模型对2012年松原地区夏季干旱情况进行预报,再通过实际土壤墒情实况进行对比,预报结果基本正确。由于人工测值有一定随机性,所以人工观测值与自动站观测数据的对比只能做为参考而不可能完全吻合。但从长期数据应用情况来看,基于土壤自动水分观测站的土壤墒情监测及干旱预报模型方便稳定,反应水分变化趋势更有连续性。 相似文献
18.
青藏高原积雪监测在地球辐射平衡、全球气候变化和生态环境等方面有重要作用,对气候预测、雪灾预测等具有重要意义。FY-4(风云4号)卫星数据具有高时空分辨率的优势,基于FY-4A(风云4号A星)构建积雪监测方法与模型,不仅拓展了静止卫星应用领域,也丰富了积雪监测应用的手段。FY-4的高时间分辨率为积雪监测的研究提供了分钟级数据,对积雪与云的变化掌握的更为细致,但用于积雪监测的波段,因分辨率不高容易导致错判与漏判。本文基于2020年小时级野外地面雪深观测数据、风云3号D星积雪覆盖产品(FY-3D_SNC)数据,构建了基于归一化积雪指数(Normalized Difference Snow Index,NDSI)的FY-4A卫星积雪判识方法,提出了雪深监测模型与等级划分指标。结果表明:NDSI≥0.20是青藏高原地区FY-4A卫星积雪判识的适用阈值,无论有云或无云条件,其漏判率均低于8.0%。地面站点验证结果表明,积雪判识准确率达83.33%以上。空间范围内直接剔除云区后,积雪判识经混淆矩阵验证准确率在82.48%以上。因此,FY-4A卫星在青藏高原地区具有积雪监测的能力。虽然FY-4A卫星对超过10 cm以上雪深不具备区分能力,但可以较好地识别10 cm以下浅雪雪深,相关系数达到0.745,通过了0.001显著性水平检验。据此建立的FY-4A卫星0~10 cm雪深等级指标,总体分级精度达到87.50%。FY-4A卫星雪深反演方法在青藏高原地区对0~10 cm浅雪雪深有较好的估算能力。 相似文献
19.
20.
基于吉林省观测土壤水分的WOFOST模型模拟研究 总被引：1，自引：0，他引：1
利用吉林省白城站试验数据进行模型参数调整,通过独立的观测资料对生育期、叶面积指数、地上部分各器官生物量进行模拟验证与评价。以白城站和榆树站代表吉林省西部玉米种植区和中部黄金玉米带参数,利用农业气象观测站发育期资料、气象资料和经过质量控制后的逐日土壤水分自动站观测数据进行模拟。为了提高WOFOST模型模拟精度,将由模型通过降水量计算的土壤体积含水量替换为实测土壤水分计算的体积含水量,采用替换后的土壤体积含水量参与模型下一步运算,以此来模拟2001—2016年春玉米穗生物量变化状况,构建玉米土壤体积含水量改善率(PD)指标,来表征降水驱动和土壤水分驱动对作物模型模拟结果的影响。结果表明:(1)模型对白城站春玉米生育期、叶面积、地上部分总生物量和叶生物量较准确,而穗生物量模拟效果一般。(2)从代表站白城来看,穗生物量模拟值与降水量存在明显正相关,降水偏少的年份土壤模拟效果明显优于降水驱动。(3)从区域来看,以盐碱土为主的地区或降水量偏少的年型下土壤水分驱动效果优于降水驱动;在以黑土为主的区域或降水偏多的年型下,两者模拟效果基本接近。(4)总体来说,利用观测土壤水分替换降水量参与模型能够显著提高模型模拟精度。 相似文献