首页 理论教育大沽河流域TVDI温度植被干旱指数监测实践

大沽河流域TVDI温度植被干旱指数监测实践

【摘要】:Sandholt等在研究土壤湿度时发现,Ts-NDVI 的特征空间中有很多等值线,于是基于地表温度和NDVI 之间的经验参数关系,提出了温度植被干旱指数的概念。图5.3温度植被干旱指数模型解释图TVDI 的原理见图5.3, 在干边上TVDI =1, 在湿边上TVDI=0。TVDI 越大, 土壤湿度越低,TVDI 越小,土壤湿度越高。但TVDI 只表示同一图像水分状况的相对值。

Sandholt等在研究土壤湿度时发现,Ts-NDVI 的特征空间中有很多等值线,于是基于地表温度和NDVI 之间的经验参数关系,提出了温度植被干旱指数(TVDI)的概念。这个指数在概念上和计算上都非常直观。TVDI由植被指数和地表温度计算得到,只依靠图像数据,其定义为

式中:为最小地表温度,对应的是湿边;Ts为任意像元的地表温度;=a+b NDVI 为某一NDVI对应的最高温度,即干边;a、b 为干边拟合方程的系数。

图5.3 温度植被干旱指数模型解释图

TVDI 的 原 理 见 图5.3, 在干 边 上TVDI =1, 在 湿 边 上TVDI=0。对于每个像元,利用NDVI 确定根据T 在Ts/NDVI 梯形中的位置,计算TVDI。TVDI 越 大, 土 壤 湿 度 越低,TVDI 越小,土壤湿度越高。估计这些参数要求研究区域的范围足够大,地表覆盖从裸土变化到比较稠密的植被覆盖,土壤表层含水量从萎蔫含水量变化到田间持水量。

Moran等在假设Ts-NDVI 特征空间呈梯形的基础上,从理论上计算梯形4个顶点坐标的研究结果表明,在不同的植被覆盖度条件下,Ts-NDVI特征空间中最低温度随植被覆盖度而不同。因此本章在将Ts-NDVI 特征空间简化处理为三角形的同时,对同时进行线性拟合,拟合的方程为

这样可以由下式计算温度植被旱情指数

式中:a1、b1为干边拟合方程的系数;a2、b2为湿边拟合方程的系数。

使用TVDI方法反演土壤湿度的特点是模型参数可由图像数据直接获得,计算简单方便,并与土壤湿度相关。但TVDI 只表示同一图像水分状况的相对值。