论文部分内容阅读
摘 要：干旱作为一种全球性自然灾害，发生与发展规律较为复杂，且人们对其了解较少，而该自然灾害带来的影响却远超其他自然灾害。据悉，我国自建国以来，平均每年受旱灾面积高达2100万公顷，占耕地面积20%左右，成灾面积达到870万公顷，干旱频率较高，持续时间较长，波及范围较广，为我国国民经济带来严重影响。为解决该问题，文章通过TVDI法对土壤干旱情况进行遥感监测，以此准确展现土壤干旱情况与旱情变化规律，及时预警土壤旱情，为缓解干旱问题提供支持。
关键词：TVDI;土壤干旱;遥感监测
引言
从古至今，旱灾一直是困扰我国农业发展的重要难题，即使科技不断发展，干旱问题带来的影响仍然存在。尤其是环境污染，生态平衡被打破，旱灾的发生几率更是频繁，严重影响了农业生产。在过往干旱监测中，主要通过气象站监测分析，却因经济条件等原因，气象站分布并不均匀，影响了干旱监测。科技的不断发展，遥感技术的出现，实现了对土壤干旱的全天候、全面积监测，为干旱监测提供了条件[1]。而TVDI作为NDVI、LST构建而成，能够准确展现干旱情况，下文对其在土壤干旱遥感监测内的应用展开探析。
1 遥感监测方法的简单概述
在自然环境下，土壤内水分具有较大时空变动，在测量时，很难连续、规模性的精确测量其时空变化，而遥感技术的出现，能够有效监测区域内土壤的湿度情况、时空变化等。因为，对土壤干旱遥感监测时，他主要通过土壤表面发射或者反射的电池辐射能，了解不同波段下土壤内水分特性。经过多年发展，我国遥感监测方式越发多样化。常见如下几类：其一，可见光红外遥感监测。该方式主要通过植被指数、植被状态指数等对一个地区、一段时间内土壤干旱情况进行监测，得到定性结果[2]。其中，常用的植被指数包括AVI、NDVI、VCI、植被，供水指数等。其二，热红外遥感监测。该方式追主要通过对土壤内水分对土壤表面温度、发射率等的依赖程度，以此了解土壤干旱情况。常见的监测方式包含两类：一为依靠土壤内含水量、土壤热特性之间的关系，反演土壤干旱状况，如：热惯量法;一类依靠植被冠层的表面温度、周围空气的温度，计算得出植物实际的蒸散、最大蒸散之间的比值，展现植被根系范围土壤干旱情况，如：作物缺水指数。
2 基于TVDI的土壤干旱遥感监测
2.1 数据来源和研究方式
在本次遥感监测中，使用的数据是2013年6-9月的影响数据，来自于NASAEOS，在大面积监测土壤干旱动态中，该影响数据应用广泛。其中包含了地温的全天数据、观察时间、质量评估、观察角度，植被状况数据等。
TVDI作为本文主要采用的土壤干旱指标，其是由温度数据、植被指数构成，计算公式为：
在公式中，
代表任意像元地表温度，
是NDVI的数值，a、b、c、d为干边与湿边的拟合方程系数，干边是指NDVI数值对应存在的最大温度，湿边为最低温度数值。而TVDI指数大约在0-1间，湿边所对应的TVDI指数为0时，土壤湿润度最大;干边所对应的TVDI指数为1时，土壤干旱程度最大。可以说，TVDI指数越高，土壤湿度越低，土壤越干旱。
2.2 TVDI模型计算
在TVDI计算中，选择的数据分别是6.26、7.12、7.28、8.13、8.29、9.30六天影响，这些时日的影像变化突出，每日数据都能够代表半月影像合成数据，具体见图1。
利用相应软件内的TVDI计算，对地表温度、植被指数展开线性拟合分析，计算之前，以软件统计能力确定温度、植被指数的集中分布区，增强计算结果准确性。文章选择的地表温度集中于280-330K华氏度，植被指数在0-1范围。计算结果表示，干湿边对应拟合方程初时呈现出三角形，植被覆盖高度不断提升，干边最高温度因植被冠层作用，在土壤最干状态下，地温下降[3]。湿边最低温度因蒸腾影响，地表温度上升。植被指数值上升，干湿边的拟合方程所对应最高/最低温度近似相交。
2.3 监测结果
在TVDI指數划分中，0-0.2代表土壤湿润，0.2-0.4表示土壤湿度正常，0.4-0.6代表轻度干旱，0.6-0.8代表中度干旱，0.8-1代表重度干旱。利用GIS处理TVDI的计算结果，最终得出：在监测区域内，6月的干旱程度不同，6.26之后，土壤干旱情况零星分散，多数地区为正常或者轻度干旱，北部区域较为湿润，但是，降雨量的减少，干旱情况逐渐出现并蔓延。在7月中旬之后，测量区域内多数地方都呈现出中度甚至重度干旱情况，尤其以中部、难度最严重，且重旱区逐渐向北部推进。进入8月之后，干旱情况逐渐缓解，大多以中度与轻度干旱为主。
为清晰掌握TVDI指数不同等级的变化情况，利用GIS的重分类，对不同指数等级的面积在整个监测区域占比进行统计，云层影响下，部分数据缺失，并未显示在图中，具体见图2。由图可知，在6.26-9.30之间，湿润和重旱占比较低，其中，6.26-7.12之间，湿润度和正常情况的占比较大，无明显干旱情况，重旱、中旱分布极少。在7.28，正常与轻旱情况开始想轻中旱发展，干旱趋势加重。进入8月之后，不同等级干旱状况无明显浮动，轻旱占据主体，8.29，湿润度、正常度占比出现增长趋势，轻旱与中旱的比例下降。
3 结束语
总而言之，我国作为农业大国，干旱问题在农业生产上的影响难以忽视，直接影响了我国经济的发展。对此，对干旱问题进行遥感监测，做好干旱预警工作，为旱情治理与调控提供帮助，对我国农业发展与农业经济提升具有重要意义。文章通过植被指数、地表温度对地表干旱情况实时模拟，依照拟合结果、理论值间差异性对比，得出TVDI指数，进而及时判断土壤干旱情况，为理想的干旱控制提供了帮助。
参考文献
[1] 刘英，岳辉，李遥，等. 基于MODIS的河南省春旱遥感监测[J]. 干旱地区农业研究，2018，v.36;No.168（03）：224-229.
[2] 陈丙寅，杨辽，陈曦，等. 基于改进型TVDI在干旱区旱情监测中的应用研究[J]. 干旱区地理，2019（4）：98-98.
[3] 赵建苹，胡顺石，秦建新. 基于TVDI的湖南省干旱监测分析[J]. 地理空间信息，2018，016（003）：101-105.
作者简介：袁田玉阁，1998年10月出生，女，汉族，重庆市万州区，本科，遥感科学与技术。
关键词：TVDI;土壤干旱;遥感监测
引言
从古至今，旱灾一直是困扰我国农业发展的重要难题，即使科技不断发展，干旱问题带来的影响仍然存在。尤其是环境污染，生态平衡被打破，旱灾的发生几率更是频繁，严重影响了农业生产。在过往干旱监测中，主要通过气象站监测分析，却因经济条件等原因，气象站分布并不均匀，影响了干旱监测。科技的不断发展，遥感技术的出现，实现了对土壤干旱的全天候、全面积监测，为干旱监测提供了条件[1]。而TVDI作为NDVI、LST构建而成，能够准确展现干旱情况，下文对其在土壤干旱遥感监测内的应用展开探析。
1 遥感监测方法的简单概述
在自然环境下，土壤内水分具有较大时空变动，在测量时，很难连续、规模性的精确测量其时空变化，而遥感技术的出现，能够有效监测区域内土壤的湿度情况、时空变化等。因为，对土壤干旱遥感监测时，他主要通过土壤表面发射或者反射的电池辐射能，了解不同波段下土壤内水分特性。经过多年发展，我国遥感监测方式越发多样化。常见如下几类：其一，可见光红外遥感监测。该方式主要通过植被指数、植被状态指数等对一个地区、一段时间内土壤干旱情况进行监测，得到定性结果[2]。其中，常用的植被指数包括AVI、NDVI、VCI、植被，供水指数等。其二，热红外遥感监测。该方式追主要通过对土壤内水分对土壤表面温度、发射率等的依赖程度，以此了解土壤干旱情况。常见的监测方式包含两类：一为依靠土壤内含水量、土壤热特性之间的关系，反演土壤干旱状况，如：热惯量法;一类依靠植被冠层的表面温度、周围空气的温度，计算得出植物实际的蒸散、最大蒸散之间的比值，展现植被根系范围土壤干旱情况，如：作物缺水指数。
2 基于TVDI的土壤干旱遥感监测
2.1 数据来源和研究方式
在本次遥感监测中，使用的数据是2013年6-9月的影响数据，来自于NASAEOS，在大面积监测土壤干旱动态中，该影响数据应用广泛。其中包含了地温的全天数据、观察时间、质量评估、观察角度，植被状况数据等。
TVDI作为本文主要采用的土壤干旱指标，其是由温度数据、植被指数构成，计算公式为：
在公式中，
代表任意像元地表温度，是NDVI的数值，a、b、c、d为干边与湿边的拟合方程系数，干边是指NDVI数值对应存在的最大温度，湿边为最低温度数值。而TVDI指数大约在0-1间，湿边所对应的TVDI指数为0时，土壤湿润度最大;干边所对应的TVDI指数为1时，土壤干旱程度最大。可以说，TVDI指数越高，土壤湿度越低，土壤越干旱。
2.2 TVDI模型计算
在TVDI计算中，选择的数据分别是6.26、7.12、7.28、8.13、8.29、9.30六天影响，这些时日的影像变化突出，每日数据都能够代表半月影像合成数据，具体见图1。
利用相应软件内的TVDI计算，对地表温度、植被指数展开线性拟合分析，计算之前，以软件统计能力确定温度、植被指数的集中分布区，增强计算结果准确性。文章选择的地表温度集中于280-330K华氏度，植被指数在0-1范围。计算结果表示，干湿边对应拟合方程初时呈现出三角形，植被覆盖高度不断提升，干边最高温度因植被冠层作用，在土壤最干状态下，地温下降[3]。湿边最低温度因蒸腾影响，地表温度上升。植被指数值上升，干湿边的拟合方程所对应最高/最低温度近似相交。
2.3 监测结果
在TVDI指數划分中，0-0.2代表土壤湿润，0.2-0.4表示土壤湿度正常，0.4-0.6代表轻度干旱，0.6-0.8代表中度干旱，0.8-1代表重度干旱。利用GIS处理TVDI的计算结果，最终得出：在监测区域内，6月的干旱程度不同，6.26之后，土壤干旱情况零星分散，多数地区为正常或者轻度干旱，北部区域较为湿润，但是，降雨量的减少，干旱情况逐渐出现并蔓延。在7月中旬之后，测量区域内多数地方都呈现出中度甚至重度干旱情况，尤其以中部、难度最严重，且重旱区逐渐向北部推进。进入8月之后，干旱情况逐渐缓解，大多以中度与轻度干旱为主。
为清晰掌握TVDI指数不同等级的变化情况，利用GIS的重分类，对不同指数等级的面积在整个监测区域占比进行统计，云层影响下，部分数据缺失，并未显示在图中，具体见图2。由图可知，在6.26-9.30之间，湿润和重旱占比较低，其中，6.26-7.12之间，湿润度和正常情况的占比较大，无明显干旱情况，重旱、中旱分布极少。在7.28，正常与轻旱情况开始想轻中旱发展，干旱趋势加重。进入8月之后，不同等级干旱状况无明显浮动，轻旱占据主体，8.29，湿润度、正常度占比出现增长趋势，轻旱与中旱的比例下降。
3 结束语
总而言之，我国作为农业大国，干旱问题在农业生产上的影响难以忽视，直接影响了我国经济的发展。对此，对干旱问题进行遥感监测，做好干旱预警工作，为旱情治理与调控提供帮助，对我国农业发展与农业经济提升具有重要意义。文章通过植被指数、地表温度对地表干旱情况实时模拟，依照拟合结果、理论值间差异性对比，得出TVDI指数，进而及时判断土壤干旱情况，为理想的干旱控制提供了帮助。
参考文献
[1] 刘英，岳辉，李遥，等. 基于MODIS的河南省春旱遥感监测[J]. 干旱地区农业研究，2018，v.36;No.168（03）：224-229.
[2] 陈丙寅，杨辽，陈曦，等. 基于改进型TVDI在干旱区旱情监测中的应用研究[J]. 干旱区地理，2019（4）：98-98.
[3] 赵建苹，胡顺石，秦建新. 基于TVDI的湖南省干旱监测分析[J]. 地理空间信息，2018，016（003）：101-105.
作者简介：袁田玉阁，1998年10月出生，女，汉族，重庆市万州区，本科，遥感科学与技术。