首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 171 毫秒
1.
应用遥感方法研究黄河三角洲地表蒸发及其与下垫面关系   总被引:10,自引:1,他引:10  
文中主要应用遥感方法计算了黄河三角洲地表蒸发量及其地表特征参数。地表特征参数及其合理组合揭示出黄河三角洲下垫面的基本特征:农田植被指数和天然植被的植被指数有不同的变化规律,下垫面覆盖度低,裸地较多,地表较湿润,蒸发量较大。蒸发量时空分布主要受下垫面条件控制,滨海裸地和受人类活动影响较大的农田等地蒸发量较大,年际平均蒸发量在570~860 mm之间。  相似文献   

2.
西藏中部"一江两河"地区地表通量的卫星遥感估算   总被引:3,自引:2,他引:1  
西藏中部一江两河地区(包括雅鲁藏布江中游和拉萨河、年楚河中下游地区)是西藏主要的农业区,藏中农业区地表特征参数(地表反照率、地表温度和植被指数)的变化和地表通量的遥感估算对农作物长势监测、农作物估产、灾害监测以及理解农业区内部乃至其与周边地区的能量水循环研究具有重要的意义.选取2003年4月14日和10月16日影像作为春季和秋季代表,利用两种相同空间分辨率的卫星资料———AVHRR和MODIS反演研究区地表特征参数和地表通量.在反演得到地表特征参数的基础上,结合研究区9个台站的地面气象观测资料,利用SEBS模式对该地区地表通量进行了遥感估算.结果表明,研究区地表能量平衡各分量具有明显的空间分布和时间变化特征.同一天中AVHRR和MODIS估算结果空间分布态势保持一致,但由于过境时间的差异,MODIS通量结果均大于AVHRR.  相似文献   

3.
基于遥感的黄河三角洲农作物需水时空分析   总被引:4,自引:0,他引:4       下载免费PDF全文
以黄河三角洲为研究区域,系统地提出了用多种分辨率遥感影像进行区域蒸散反演,结合气象数据,进行不同时空条件下农作物需水的分析.通过反演地表反照率、地表温度、地表比辐射系数等参数,进一步计算出地表净辐射通量、土壤热通量、显热通量,根据地表能量平衡方程进行了蒸散的遥感反演;利用5个时相的NOAAAVHRR数据和一个时相的TM数据反演了1999年7~9月的蒸散,并利用TM影像反演的蒸散结果,提高了NOAA气象卫星蒸散反演结果的空间分辨率,大大增加了遥感蒸散反演的实用性.利用6个时相的遥感数据反演的蒸散结果及计算的日潜在蒸散数据对1999年7~9月黄河三角洲各灌区农作物的需水总量进行了时空分析.  相似文献   

4.
遥感反演的地表温度(Ts)和植被指数(VI)构成的特征空间结合模型分析可以对显热通量、潜热通量及土壤含水量等地表参数进行估算.这种方法比较实用,且不过多地依赖地面观测数据.随着研究的深入,许多学者在Ts/VI特征空间基础上提出了更加丰富的空间变量.基于此,以不同空间变量为标准,分类介绍在Ts/VI特征空间的基础上对地表能量通量及土壤水分等参数的反演.其中包括在Ts/NDVI特征空间基础上提出温度植被干旱指数和条件植被温度指数来监测干旱;利用Ts/albedo特征空间反演蒸发比;用DSTV/VI特征空间反演蒸散量;用地气温差/植被指数特征空间反演蒸散量等.并介绍了Ts/VI特征空间与微波遥感结合反演地表含水量等相关研究的进展情况,最后提出未来研究的发展方向.  相似文献   

5.
基于植被指数和土地表面温度的干旱监测模型   总被引:79,自引:4,他引:79  
干旱是一种周期性发生的自然现象,其发生过程中有关参数如地表覆盖度、温度和土壤表层含水量等可以通过遥感的途径进行定量反演,而这些参数客观地反映了地表的综合特征。综述了运用遥感反演产品---土地表面温度和归一化植被指数在干旱监测中的应用前景和进展,分析了距平植被指数、条件植被指数、条件温度指数和归一化温度指数等干旱监测方法的优缺点,在前人研究的基础上,提出了条件植被温度指数的干旱监测模型,探讨了其应用前景。  相似文献   

6.
以阜平县为研究区域,基于Landsat 8遥感影像和ASTGTM2 DEM数据,利用辐射传输方程法反演地表温度,运用统计学方法分析地表温度与归一化植被指数(NDVI)、海拔和坡向之间的关系.结果表明:阜平县地表温度整体呈西高东低分布,地表温度与植被覆盖、地形要素之间的关系密切,地表温度高值区域主要分布在研究区西部和东北部海拔较高且NDVI值较高区域,低值区域主要分布在东南部海拔较低且NDVI值较低区域.地表温度随海拔和NDVI的升高逐渐减小,呈现明显的负线性相关;不同坡向的地表温度分布具有一定的差异,阳坡的地表温度高于阴坡.  相似文献   

7.
遥感技术能够提供大范围地表特征参数的特点使其在干旱区蒸散发研究中得到广泛的应用。介绍了遥感技术求取干旱区地表特征参数(地表反照率、冠层叶面积指数、地表温度)的方法,并对遥感估算干旱区的主要计算模型做了概括和分析,最后提出了估算过程中主要存在的问题和未来发展的方向。  相似文献   

8.
藏北高原多年冻土区地表反照率特征分析   总被引:9,自引:5,他引:4  
利用青藏高原冰冻圈观测研究站西大滩、五道梁和唐古拉自动气象站(AWS)2006—2007年的辐射观测资料,分析了藏北高原多年冻土区不同下垫面的地表反照率特征.结果表明:该地区地表反照率在四季都表现出明显的日变化特征,呈U形,早晚大,中午小.日平均和月平均地表反照率有相同的年变化特征,且冬半年的地表反照率远远大于夏半年.受积雪的影响,地表反照率年均值较高,夏季最小,冬季最大,春季大于秋季.针对3种不同植被类型的下垫面,在四季反照率都有高寒草甸(唐古拉)高寒草原(西大滩)荒漠草原(五道梁)的特点.  相似文献   

9.
基于MODIS数据的石羊河流域地表温度空间格局   总被引:1,自引:1,他引:0  
利用2010年4期MODIS影像, 基于植被指数、 地表比辐射率、 大气透过率和星上亮度温度, 采用分裂窗口算法, 反演石羊河流域不同季节地表温度并对其进行验证. 结果表明: 石羊河流域四季地表温度变化明显, 昼夜温差很大, 其中, 春季温度分布在-13.45~29.27℃之间; 夏季温度分布在-3.75~56.29℃之间; 秋季温度分布在-10.15~32.67℃之间; 冬季温度分布在-17.15~12.75℃之间. 从地表温度空间分布上看, 在武威、 民勤、 古浪等绿洲地区地表热量丰富, 水土和植被效应显著, 热量呈圈状空间递减趋势; 在下游地区腾格里沙漠和巴丹吉林沙漠地区夏季温度最高, 祁连山东端的石羊河上游地区由于受常年积雪、 河流、 地表植被和海拔等因素影响地表温度较低. MODIS数据为宏观小流域热环境监测提供了新的途径, 且将遥感数据和地表下垫面数据相结合能提高反演精度.  相似文献   

10.
遥感反演的地表温度是研究全球气候变化和区域水分与能量交换的关键参数,准确获取地表温度对诊断地球环境变化意义重大。然而在异质性下垫面,像元尺度地表温度相对真值获取困难,导致遥感反演的地表温度的不确定性难以准确评估,影响了遥感反演的地表温度的深入应用。梳理了基于地面观测数据的异质性下垫面像元尺度地表温度模拟研究进展,依据模型是否构建真实空间分布,归纳了修正几何投影模型、真实结构三维模型和其他模型等,并对比了几种模型的优缺点。最后,指出了异质性下垫面像元尺度地表温度模拟中尚待解决的问题,并探讨了以后的研究方向。  相似文献   

11.
青藏高原高寒草地植被指数变化与地表温度的相互关系   总被引:3,自引:1,他引:2  
为了解脆弱的高原生态环境对升温过程的响应, 利用1982-2006年国家标准地面气象站地表温度和GIMMS-NDVI数据集, 探讨了青藏高原高寒草地植被指数和地表温度的变化特征及其相互关系. 结果表明:1982-2006年, 高寒草地NDVI、地表温度整体均呈现增加趋势, 年均NDVI、生长季NDVI、年最大NDVI(NDVImax)与年均地表温度、生长季地表温度的上升趋势分别为0.007 (10a)-1、0.011 (10a)-1、0.007 (10a)-1与0.60 ℃·(10a)-1、0.43 ℃·(10a)-1; NDVImax与地表温度显著相关的地区达70.49%. 但是高原地形、气候、水文环境的空间差异性导致高寒草地NDVI与地表温度的相关关系十分复杂. NDVImax与年均地表温度的相关性最为显著; 在返青期和枯萎期, NDVI与地表温度均为显著正相关. 不同的植被覆盖条件下, NDVI对地表温度的响应不同:植被覆盖差以及退化严重的地区, NDVImax与地表温度呈负相关性; 反之, NDVImax与地表温度主要表现为正相关.  相似文献   

12.
In this paper, temporal dynamics of eco-environmental changes in coastal areas of China during 1981–2000 are investigated based on four key surface parameters including normalized difference vegetation index (NDVI), thermal index, moisture index and surface broadband albedo derived from quantitative remote sensing techniques and meteorological data. Firstly, land surface temperature (LST) and land surface broadband albedo are retrieved by the split-window algorithms and high-order polynomial regression method, respectively, using NOAA/AVHRR series images. Then, moisture index and thermal index, indicators of climate and moisture conditions in the study area, are computed from meteorological data and LST using principal component analysis (PCA). Finally, long-term dynamics of these eco-environmental factors and the reasons responsible for these changes are analyzed further. The results show that during the years from 1981 to 2000, the study area experienced a gradual increase in annual NDVI and climate factors and a decrease in surface annual broadband albedo, which indicates that the coastal thermal and moisture conditions and the subsistence conditions of natural vegetation have changed to a considerable extent. According to the results, a warming and wetting tendency over the last two decades is obvious in the China’s coastal zone that are mainly due to land use changes as of growing urbanization, exhaust emissions from industries and transportations and, partly global climate change. Uncontrolled rapid development of the study area may be blamed for these negative changes as a major driving force. The positive feedback mechanisms between albedo, NDVI and climate factors also partly explain these changes. This study suggests that the method integrating biophysical parameters retrieved from remote sensed images and meteorologic data provides a novel and feasible way to monitor large scale eco-environmental changes.
Q. QinEmail:
  相似文献   

13.
Normalized difference vegetation index (NDVI) is an important indicator for measuring vegetation coverage, which is of great significance for evaluating vegetation dynamics and vegetation restoration. It can clearly analyze the suitable growth condition of vegetation by studying the relationship between meteorological factors, soil moisture and NDVI. Based on MODIS/NDVI data, the spatio-temporal characteristics of vegetation coverage in the Weihe River Basin (WRB) were analyzed by the trend analysis method. The relationship of NDVI with meteorological factors and NDVI with soil moisture simulated by the soil and water assessment tool (SWAT) model was analyzed in this paper. The results show that NDVI values gradually change with an increase from north to south in the WRB. The maximum of the average monthly NDVI is 0.702 (August) and the minimum is 0.288 in February from 2000 to 2015. The results of the seven grades of NDVI trend line slope indicate that the improvement area of vegetation coverage accounts for 30.93% of the total basin, and the degradation area and basically unchanged area account for 23% and 42.9%, respectively. The annual mean soil moisture is 19.37% in the WRB. There was a strong correlation between NDVI and precipitation, temperature, evaporation and soil moisture, and the correlation coefficients were 0.78, 0.89, 0.71 and 0.65, respectively. The ranges of the most suitable growth conditions for vegetation are 80–145 mm (precipitation), 13–23 °C (temperature), 94–144 mm (evaporation) and 25–33% (soil moisture), respectively.  相似文献   

14.
利用MODIS NDVI数据、同期地表水热组合数据和植被类型数据,对2000-2014年蒙古高原生长季和三季(春、夏、秋季)植被覆盖时空演变特征及其对地表水热因子响应模式进行分析。研究表明:这15 a来,蒙古高原生长季及三季归一化植被指数NDVI均呈增加趋势,且呈显著增加趋势区域主要集中在内蒙古地区,一定程度上反映了该地区生态恢复工程的有效性。研究区植被覆盖变化与地表水分指数LSWI有密切的关系,因此证明研究区植被覆盖的增加归因于自然和人为因素的共同作用。不同类型植被NDVI均呈增加趋势,其中荒漠植被NDVI增加最明显,森林植被增加平缓,且存在季节性差异。此外,不同类型植被NDVI受水热因子影响也存在季节性差异。  相似文献   

15.
气温、降水量和人类活动对长江流域植被NDVI的影响   总被引:2,自引:0,他引:2       下载免费PDF全文
为了了解气温、降水量和人类活动对流域植被NDVI(normalized difference vegetation index)的影响,以长江流域为研究区,运用一元线性回归分析法和Theil-Sen Median趋势分析法研究了长江流域气温、降水量和植被NDVI变化特征,同时利用相关分析法和残差分析法探讨气温、降水量和人类活动对植被NDVI变化的影响.结果表明:1960—2015年长江流域年平均温度显著上升,而降水量的变化趋势并不显著;1982—2015年流域NDVI呈显著增加趋势;1982—2015年流域NDVI与气温的相关性较高,然而与降水量的相关性并不显著;人类活动使流域NDVI增加的区域主要分布于流域北部、东南和西南部分地区,而使NDVI下降的区域位于流域中西部区域和长三角地区.气温对长江流域植被NDVI变化的影响大于降水,气候变暖和人类活动对流域生态环境具有一定程度的影响.   相似文献   

16.
Station recording air temperature (Ta) has limited spatial coverage, especially in unpopulated areas. Since temperature can change greatly both spatially and temporally, stations data are often inadequate for meteorology and subsequently climatology studies. Time series of moderate-resolution imaging spectroradiometer (MODIS) land surface temperature (Ts) and normalized difference vegetation index (NDVI) products, combined with digital elevation model (DEM), albedo from Era-Interim and meteorological data from 2006 to 2015, were used to estimate daily mean air temperature over Iran. Geographically weighted regression was applied to compare univariate and multivariate model accuracy. In the first model, which only interfered with land surface temperature (LST), the results indicate a weak performance with coefficient of determination up to 91% and RMSE of 1.08 to 2.9 °C. The mean accuracy of a four-variable model (which used LST, elevation, slope, NDVI) slightly increased (6.6% of the univariate model accuracy) when compared to univariate model. RMSE dropped by 19% of the first model. By addition albedo in the third model, the coefficient of determination increased significantly. This increase was 32% of the univariate model and 23.75% of the 4-variable model accuracy. The statistical comparison between the three models revealed that there is significant improvement in air estimation by applying the geographically weighted regression (GWR) method with interfering LST, NDVI, elevation, slope, and albedo with mean absolute RMSE of 0.62 °C and mean absolute R2 of 0.99. In order to better illustrate the third model, t values were spatially mapped at 0.05 level.  相似文献   

17.
利用MODIS数据产品进行全国干旱监测的研究   总被引:30,自引:0,他引:30       下载免费PDF全文
利用MODIS植被指数和陆地表面温度产品建立全国3个农业气候区NDVI-Ts、NDVI-ΔT和NDVI-ATI空间,并由NDVI-Ts、NDVI-ΔT和NDVI-ATI空间分别建立温度植被干旱指数(TVDI)、温差植被干旱指数(DTVDI)和表观热惯量植被干旱指数(AVDI)3个干旱评价指标研究全国干旱分布,利用实测土壤含水量对3个干旱指标进行检验评价.NDVI-ΔT空间中的湿边基本与横坐标平行,表明当土壤水分处于饱和状态或植被完全无水分胁迫条件下,植被和土壤对缓冲环境温度变化的能力大体相当;由NDVI-ATI空间看出,随着植被覆盖增加,表观热惯量有增加的趋势.对比3个干旱评价指标表明:当监测范围较大,区域内地形复杂时,由NDVI-Ts空间计算的TVDI评价干旱最合理,由NDVI-ΔT空间计算的DTVDI在干旱监测中也具有一定的价值,而由NDVI-ATI空间计算的AVDI已经不能合理评价干旱.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号