共查询到18条相似文献，搜索用时 113 毫秒
1.
应用FY-2地表蒸散产品监测西南特大干旱 总被引：2，自引：0，他引：2
基于能量平衡原理的卫星遥感地表蒸散产品具有清晰明确的物理含义,广泛地应用于遥感干旱监测领域。本研究以中国能量与水平衡监测系统（CEWBMS）和近11年的静止卫星遥感数据集为基础,利用FY-2/VISSR数据生成相对蒸散距平百分率（Percentage of Relative Evapotranspiration Anomaly,PRETA）产品,应用于全国范围的旱情连续监测。与极轨卫星同类产品相比,基于FY-2的PRETA产品在监测范围和频次上都具有明显的优势。由于距平百分率的引入,PRETA干旱指数等级划分不再与季节和地域气候类型等因素相关。针对2009年秋季至2010年春季西南大旱的监测结果进行了对比分析和统计,结果表明PRETA干旱指数真实客观地反映了旱情时空变化,面平均的PRETA和降水距平百分率时间序列变化趋势显示出良好的一致性,PRETA与10 cm土壤相对湿度有较高的相关性。本研究为实时、大范围、高分辨率、定量和动态卫星遥感监测干旱提供了切实可行的方法。 相似文献
2.
基于TVDI的西藏地区旱情遥感监测 总被引：2，自引：0，他引：2
西藏大部分地区属干旱或重干旱区,干旱发生较为频繁,是影响农牧业生产最严重的灾害之一。文章利用拉萨接收站的中分辨率成像光谱仪(MODIS)资料提取的归一化植被指数(NDVI)和地表温度(ST),构建ST-IND-VI特征空间,依据该特征空间设计的温度植被旱情指数作为旱情指标,找出适合该地区的旱情判别模式,以2005～2008年6～7月同时段西藏地区卫星资料、气象旱情监测结果以及土壤相对湿度观测数据为例,进行旱情对比分析。结果表明,利用温度植被旱情指数(TVDI)法对西藏地区进行夏季干旱动态监测是可行的。 相似文献
3.
4.
风云三号A星 (FY-3A) 中分辨率光谱成像仪 (MERSI) 采用45°镜旋转扫描，形成垂直于卫星飞行轨迹的360°连续圆周扫描方式，多元探测器并扫的技术。该研究依据这种扫描特性，给出了适用于FY-3A MERSI遥感图像地理定位的方法；定义了完善的坐标系及坐标系转换关系，根据MERSI观测几何、卫星空间位置和姿态、仪器空间位置和指向建立了探测器像元观测矢量与地面位置之间关系的模型；通过地形校正消除地形起伏带来的定位误差；在FY-3A地面应用系统中业务运行的同时，通过一定数量的地面控制点分析，将定位误差等效为遥感仪器安装误差，修正了MERSI的仪器指向角度。实验结果表明，使用该方法对MERSI遥感图像地理定位精度达到250 m像元级，满足MERSI图像的高精度定位要求。 相似文献
5.
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，〖JP3〗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
6.
《干旱气象》2021,(2)
利用1981—2015年内蒙古典型草原牧草观测站土壤水分和气象观测资料,对比分析不同时间尺度气象干旱指数与各季节0～20、0～50、0～100 cm深度土壤相对湿度的相关性,探究多时间尺度气象干旱指数在典型草原干旱监测中的适用性,并基于多元回归分析构建各站点不同季节土壤相对湿度的预测模型。结果表明:春、夏、秋三季,内蒙古典型草原0～20 cm土壤相对湿度均主要受前2个月水分盈亏的影响,而0～50 cm和0～100 cm的土壤相对湿度不同季节受影响的时间尺度不同。其中,春季0～50 cm和0～100 cm的土壤墒情受年尺度降水影响最显著;夏季,0～50 cm土壤墒情与前2个月内大气水分平衡状况相关性最高,而0～100 cm土壤干旱则主要受前2～6个月尺度降水亏缺影响最明显;秋季,0～50 cm土壤相对湿度受前3～6个月尺度降水异常影响最显著,而0～100 cm土壤相对湿度则与前3个月尺度的降水和蒸散间的平衡状况关系最密切,且前6个月以上尺度的气象干旱也存在明显影响。CI、MCI和PDSI因考虑大气水分长期亏缺和近期亏缺的综合效应,与各季节不同深度土壤相对湿度的相关性总体高于其他气象干旱指数。基于前期气象干旱指数构建的土壤相对湿度预报模型能够较好地拟合典型草原土壤水分的变化,为当地牧草干旱监测和预警提供一定参考。 相似文献
7.
《干旱气象》2017,(6)
微波数据能有效克服云层影响,实现土壤水分的全天候遥感监测,但仅局限于土壤表层(0~5 cm),无法客观反映耕作层土壤的实际干旱程度。本研究采用区间划分方法,分析逐日风云微波遥感数据(FY-3C/MWRI)反演的表层土壤水分各区间临界值与对应区间基于MODIS数据得到的温度植被干旱指数(TVDI)最大值的关系,建立2015—2016年冬小麦生育期内月尺度的FY-3C/SM-TVDI模型,初步实现冬小麦主要种植区内微波遥感监测10~20 cm深度土层旱情模型。在此基础上,利用2014—2015年数据进行模型验证。结果表明,模型总体构建效果较好,大部分模拟值与真实值差异不显著(P0.05),10月模拟值较真实值显著偏低(P0.05)。 相似文献
8.
9.
为更好地利用FY-3A气象卫星上中分辨率光谱成像仪(MERSI)资料高空间分辨率及多光谱的优势,细致分析云系在宏、微观方面的多重特征,首先利用平面平行辐射传输模式(SBDART)证明了MERSI的0.65,1.6 μm和11.25 μm通道能够分别反映云光学厚度、云粒子大小、云顶高度的信息,然后采用三通道合成彩色图像的方法,对FY-3A气象卫星云图进行云的分类解释判读.该技术可直观区分有云区、无云区,显示海陆分界,并且使不同云类在云图上体现为不同颜色.同时,FY-3A气象卫星高达1000 m甚至250m的空间分辨率也使云的细致结构更为清晰,两项优势的叠加,大大提升了云的分类解释判读的准确程度和精细化水平.文中还尝试寻找典型云系的三通道特征值,以期为模糊C均值聚类(FCM)方法中聚类中心的选定提供经验值参考. 相似文献
10.
云检测是卫星遥感影像应用中的重要环节。为了获取FY-3中分辨率光谱成像仪(Medium Resolution Spectral Imager,MERSI)传感器精确的云掩膜数据,在分析云与植被、水体、裸露地表等地物在不同波段光谱差异的基础上,结合FY-3/MERSI数据的通道特性,构建基于多光谱和综合阈值的云检测算法。采用热红外通道亮温(CH_5)检测出高云,使用云检测指数(Normalized Cloud Detection Index,I_(NCD))和可见光波段反射率(CH_3)检测中低云。利用江西地区的FY-3/MERSI数据进行应用,将检测结果与其他算法、人机交互解译结果进行了对比分析。结果表明,该算法对FY-3/MERSI影像上的云区具有较好的检测效果,同时利用地面气象观测资料进行验证,检测精度均高于88%,能够满足当前云检测精度需求。 相似文献
11.
基于安徽省81个气象站1961—2017年逐日降水数据及土壤墒情和干旱灾情资料,从诊断干旱日数年际变化、季节演变、空间分布、频率分布、典型干旱过程演变及与土壤墒情、干旱灾情的相关性等方面,研究6种时间尺度SPI在安徽省气象干旱监测效果。结果表明:不同时间尺度SPI在干旱监测中差异明显,6种时间尺度SPI对于干旱日数年际变化、不同等级干旱频率分布具有较好的监测效果,但对于干旱日数季节演变和空间差异性诊断与实况存在偏差;从典型干旱过程诊断来看,时间尺度越短,降水权重越大(例如SPI30、SPI60),SPI监测曲线对降水的响应越敏感,而SPI150、SPI180等时间尺度长的SPI对降水的响应又过于"迟钝";从与土壤墒情的相关性来看,时间尺度短的SPI30与10 cm表层土壤墒情相关性最好,相关系数达0.91,时间尺度长的SPI180与50 cm深层土壤墒情相关性较好;在各时间尺度SPI与年降水量的负相关及与干旱灾情的正相关方面,相关系数随着时间尺度的增长均先增后减,时间尺度适中的SPI120相关性最好。总体来看,不同时间尺度SPI代表不同含义,针对不同时间尺度的气象干旱应采用不同时间尺度的SPI进行监测评估。 相似文献
12.
干旱指数在山西逐日监测中的适用性研究 总被引：1，自引：0，他引：1
综合气象干旱指数(CI)和标准化降水指数(SPI)在逐日监测中往往会出现干旱突然加重的现象,这是由于某时段内每日降水量对当前干旱的发展贡献是等权重的。本文基于线性递减非等权重的方法对CI进行了修正,同时对加权降水量(WAP)进行了标准化(Standard WAP Index,SWI)。以山西为例,通过对比CI修正前后,即CI和CI_new(CI修正后),与SPI和SWI在不连续加重现象(UED)的总体分布、典型事例干旱演变特征以及与土壤湿度相关性等方面的差异,分析了4种干旱指数对山西逐日干旱演变的监测能力。结果表明:1)CI_new出现UED的次数较CI有了明显下降,SWI出现UED的次数也比SPI有了大幅的减少,且SWI在这4种指数中是出现UED次数最少的指数;2)CI_new和SWI较CI和SPI与同期土壤湿度的相关性均有所提高,表明修正后的CI_new和SWI更加符合土壤湿度的变化,更能反映土壤干旱的演变规律。针对干旱发展过程中不连续加重的现象,通过非等权重方法有效地减少了该现象的发生。 相似文献
13.
山东省干湿转换期土壤水分MODIS遥感监测 总被引：1，自引：0，他引：1
由于2012年春夏过渡时期山东省降水时空分布不均,前期全省大部分地区出现旱情,后期降水偏多。为及时掌握干旱分布及变化情况,利用MODIS地表温度数据(MOD11A2)和植被指数数据(MOD13A2),结合土壤水分自动站的实测数据,采用温度植被干旱指数法,构建了LST-NDVI、LSTEVI特征空间,反演了2012年6~7月山东省干湿转换期的土壤水分,分析了干旱空间分布及变化特征。结果表明:LST-NDVI特征空间反演精度为82.95%,LST-EVI特征空间反演精度为84.33%,精度提高了1.66%。前期山东省中南部、西部出现旱情并以轻旱为主,后期由于降水旱情明显缓解,干旱面积减少了65 427 km2。基于MODIS数据利用温度植被指数法在本区域进行干旱监测是可行的。 相似文献
14.
MERSI/NDVI是风云三号D星的一个关键业务产品,深入了解其质量状况对推广产品应用、改进产品算法都具有重要意义。文中针对业务化运行后的全球MERSI/NDVI产品（2019年5月至2020年12月）,以同期Terra MODIS/NDVI产品（MOD13A2）为参考,通过空间格局和时间序列的对比、APU（准确度Accuracy,精密度Precision,不确定性Uncertainty）指标计算以及回归分析等手段,评估MERSI/NDVI数据质量和可用性。结果显示,MERSI/NDVI和MODIS/NDVI在空间分布和时序特征方面具有较高一致性,但MERSI/NDVI有对高值低估、低值高估的倾向,故动态范围略窄;在全球平均水平上,MERSI/NDVI比MODIS/NDVI系统性偏低0.02—0,P和U值为0.06—0.08,MERSI/NDVI与MODIS/NDVI的差别由小到大的顺序大致为:裸土荒漠、稀疏灌丛和草地、密闭灌丛与农田、除常绿阔叶林以外的森林、常绿阔叶林;以MODIS/NDVI为自变量、MERSI/NDVI为因变量的线性回归模型精度较高（R2:0.91—0.95,RMSE:0.048—0.068）,回归系数具有一定的时间变化（斜率:0.87—0.94,截距:0.02—0.04）。本研究是首次对风云三号D星MERSI/NDVI产品开展近乎全样本的对比检验,证明该产品基本可以替代MODIS/NDVI在全球开展物候信息提取、植被长势监测等应用。 相似文献
15.
16.
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
17.
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