基于不同植被指数TVDI和VSWI模型的焉耆盆地土壤湿度反演

doi:10.14088/j.cnki.issn0439-8114.2021.21.028

湖北农业科学 ›› 2021, Vol. 60 ›› Issue (21): 122-129.doi: 10.14088/j.cnki.issn0439-8114.2021.21.028

基于不同植被指数TVDI和VSWI模型的焉耆盆地土壤湿度反演

迪里胡玛尔·阿汗木江¹, 玉素甫江·如素力^1,2, 买合木提江·维吉旦¹, 张发¹, 陈世雪¹, 亚夏尔·艾斯克尔¹

1.新疆师范大学地理科学与旅游学院/流域信息集成与生态安全实验室,乌鲁木齐 830054;
2.新疆干旱区湖泊环境与资源重点实验室,乌鲁木齐 830054

收稿日期:2021-07-12 出版日期:2021-11-10 发布日期:2021-11-24
通讯作者: 玉素甫江·如素力（1975-）,男（维吾尔族）,新疆喀什人,教授,博士,主要应用3S技术从事流域水文生态系统研究,（电子信箱）Yusupjan@xjnu.edu.cn。
作者简介:迪里胡玛尔·阿汗木江（1996-）,女（维吾尔族）,新疆精河人,在读硕士研究生,研究方向为资源环境遥感,（电话）18099685047（电子信箱）1262074907@qq.com。
基金资助:
国家自然科学基金项目（U1703341; 41764003）; 自治区新环境建设专项（2020D04039）

Retrieval of soil moisture in Yanqi Basin based on TVDI and VSWI models with different vegetation indices

DILIHUMAER·Ahanmujiang¹, YUSUFUJIANG·Rusuli^1,2, MAIHEMUTIJIANG·Weijidan¹, ZHANG Fa¹, CHENG Shi-xue¹, YAXIAER·Aisikeer¹

1. College of Geography and Tourism,Xinjiang Normal University/Laboratory of Watershed Information Integration and Ecological Security,Urumqi 830054,China;
2. Key Laboratory of Lake Environment and Resources in Xinjiang Arid Area,Urumqi 830054,China

Received:2021-07-12 Online:2021-11-10 Published:2021-11-24

摘要/Abstract

摘要： 以新疆焉耆盆地为研究区域,基于Landsat 8 OLI数据计算归一化植被指数（NDVI）、增强型植被指数（EVI）、改进的修正土壤调整植被指数（MSAVI）、土壤调整植被指数（SAVI）以及地表温度（Ts）等,建立温度植被干旱指数（TVDI）模型和植被供水指数（VSWI）模型反演新疆焉耆盆地的土壤湿度,比较不同土壤湿度反演模型对研究区的适应性,进一步分析焉耆盆地土壤湿度的空间分布特征。结果表明,构建NDVI-Ts、MSAVI-Ts、SAVI-Ts、EVI-Ts空间特征,其散点符合三角形的关系,R²均0.83以上;利用不同植被指数NDVI、MSAVI、SAVI、EVI计算出的TVDI、VSWI与土壤相对湿度0~10 cm RSM数据呈现负相关关系,两种模型具有较高的一致性,利用MSAVI指数反演的TVDI、VSWI决定系数最高,R²分别为0.296、0.235;焉耆盆地湿度总体上以半干旱（0.6<TVDI、VSWI<0.8）为主,以干旱（TVDI、VSWI>0.8）为辅;土壤湿度空间格局,焉耆盆地中部出现正常现象,东南部和东北部出现干旱现象。TVDI、VSWI模型可以实现对焉耆盆地土壤湿度反演,为焉耆盆地水资源与生态环境研究提供较好的参考信息。

关键词: 焉耆盆地, TVDI模型, VSWI模型, Landsat 8 OLI, 植被指数

Abstract: This article take the Yanqi Basin in Xinjiang as an example, in this paper Landsat 8 OLI data was used to calculate the normalized vegetation index （NDVI）, enhanced vegetation index （EVI）, modified soil adjusted vegetation index （MSAVI）, soil adjusted vegetation index （SAVI） and land surface temperature （Ts）, establishes TVDI model and VSWI model were applied to retrieve the soil moisture of Yanqi Basin, compared to the adaptability of different soil moisture retrieval models and the spatial distribution characteristics of soil moisture in Yanqi Basin were further analyzed. The results show that establishing the spatial characteristics of NDVI-Ts, MSAVI-Ts, SAVI-Ts and EVI-Ts and the scatter points of NDVI-Ts, MSAVI-Ts, SAVI-Ts and EVI-Ts conform to the relationship of triangles with R² above 0.83; TVDI and VSWI were calculated by NDVI, MSAVI, SAVI and EVI have negative correlation with RSM data of 0~10 cm soil relative humidity, and the two models showed high consistency. TVDI and VSWI retrieved by MSAVI have the highest correlation,R²=0.296,R²=0.235,respectively; The Yanqi Basin was mainly featured with semi-arid （0.6<TVDI, VSWI<0.8） and arid characteristics（TVDI, VSWI>0.8）; The spatial pattern of soil moisture： Normal phenomena appear in the middle of the Yanqi Basin, and arid areas mainly distributed in the southeast and northeast. TVDI and VSWI models are applicable for the inversion of soil moisture in the Yanqi Basin and the research results provide better reference information for the study of water resources and ecological environment in Yanqi Basin.

Key words: Yanqi Basin, TVDI model, VSWI model, Landsat 8 OLI, vegetation index

中图分类号:

K909
X825

迪里胡玛尔·阿汗木江, 玉素甫江·如素力, 买合木提江·维吉旦, 张发, 陈世雪, 亚夏尔·艾斯克尔. 基于不同植被指数TVDI和VSWI模型的焉耆盆地土壤湿度反演[J]. 湖北农业科学, 2021, 60(21): 122-129.

DILIHUMAER·Ahanmujiang, YUSUFUJIANG·Rusuli, MAIHEMUTIJIANG·Weijidan, ZHANG Fa, CHENG Shi-xue, YAXIAER·Aisikeer. Retrieval of soil moisture in Yanqi Basin based on TVDI and VSWI models with different vegetation indices[J]. HUBEI AGRICULTURAL SCIENCES, 2021, 60(21): 122-129.

参考文献

[1] 王美林,姜群鸥,邵雅琪,等. 基于TVDI的玛曲土壤湿度时空变化及其影响因素[J]. 中国水土保持科学,2019,17(4):141-152.
[2] 李宁. 三江源区地表土壤湿度的遥感反演[D].北京:中国地质大学(北京),2020.
[3] 姚静,薛超玉,焦峰.基于Landsat8 OLI遥感影像的延河流域土壤水分反演研究[J].草地学报,2018,26(5):1109-1117.
[4] 陈堃,沈飞,曹新运,等.基于深度置信网络的GNSS-IR土壤湿度反演[J].测绘通报,2020(9):100-105.
[5] 李彩瑛,阎建忠,刘林山,等.基于TVDI的羌塘高原夏季土壤湿度变化分析[J].地理研究,2017,36(11):2101-2111.
[6] 张京,金晓媚,张绪财,等.格尔木河流域土壤湿度时空变化及其影响因素研究[J].水文地质工程地质,2019,46(2):66-73,91.
[7] SEO D J, PARK C H, PARK J H, et al.A search for the optimum combination of spatial resolution and vegetation indices[J].Seattle W A:IEEE international geo-science and remote sensing symposium-IGARSS, 1998:1729-1731.
[8] 路京选, 曲伟, 付俊娥.国内外干旱遥感监测技术发展动态综述[J].中国水利水电科学研究院学报,2009,7(2):105-111.
[9] 汪潇, 张增祥, 赵晓丽.遥感监测土壤水分研究综述[J].土壤学报,2007,44(1):157-163.
[10] 郑文武,曾永年.地表温度的多源遥感数据反演算法对比分析[J].地球信息科学学报,2011,13(6):840-847.
[11] 白志远,邢立新,潘军,等.土壤湿度信息遥感研究[J].测绘与空间地理信息,2011,34(3):50-55.
[12] PRICE J C.On the analysis of thermal infrared imagery[J]. Remote sensing of environment,1985,18(1):59-73.
[13] SON N T, CHEN C F, CHEN C R, et al.Monitural agricultural drought in the Lower Mekong Basin using MODIS NDVI and land surface temperature dada.[J]. International journal of applied earth observation and geoinformation,2012,18:417-427.
[14] PATEL N R, ANAPASHSHA, KUMAR S.Assessing potential of MODIS derived temperature/vegetation condition index(TVDI) to infer soil moisture status[J]. International journal of remote sensing,2009,31(1):23-39.
[15] MENG L K, LI J Y, CHEN Z D.The calculation of TVDI based on the composite time of pixel and drought analysis[J]. The international archives of the photo grammetry, remote sensing and spatial information sciences, 2009, 26(1):519-524.
[16] 张洁,武建军,周磊,等.基于MODIS数据的农业干旱监测方法对比分析[J].遥感信息,2012, 27(5):48-54.
[17] 田鑫,李瑞平,王思楠,等.基于VSWI和TVDI差异的河套灌区沈乌灌域耕地灌溉面积遥感监测[J].灌溉排水学报,2020,39(8):129-135.
[18] 祖皮艳木·买买提,海米提·依米提,安尼瓦尔·艾则孜,等. 焉耆盆地生态系统服务价值对土地利用/覆被变化的响应[J]. 中国沙漠,2014,34(1):275-283.
[19] 聂艳,马泽玥,周逍峰,等.阿克苏河流域土壤湿度反演与监测研究[J].生态学报, 2019,39(14):5138-5148.
[20] 哈丽旦·司地克,玉素甫江·如素力,麦麦提吐尔逊·艾则孜. 焉耆盆地气候变化和人类活动对生态系统服务价值的影响研究[J]. 中国生态农业学报,2016,24(5):684-694.
[21] 姜红,玉素甫江·如素力,热伊莱·卡得尔,等.基于神经网络模型的干旱区绿洲土壤盐渍化评价分析[J].地球信息科学学报,2017,19(7):983-993.
[22] SANDHOL I,RASMUSSEN K, ANDERSEN J.A simple interpretation of the surface temperature vegetation index space for assessment of surface moisture status[J].Remote sensing of environment,2002,79(23):213-224.
[23] 徐涵秋. 新型Landsat8卫星影像的反射率和地表温度反演[J].地球物理学报,2015,58(3):741-747.
[24] HUANG H, FAN Y, YANG S, et al.Study on agricultural drought monitoring based on multi-sources remote sensing data[J]. Sensor letters,2014,12(3):659-666.
[25] 仝兆远, 张万昌.土壤水分遥感监测的研究进展[J].水土保持通报, 2007, 27(4):108-112.
[26] 李超,李雪梅,田亚林,等.温度植被干旱指数时空融合模型对比[J].遥感技术与应用,2020,35(4):832-844.
[27] 曲学斌,吴昊,越昆,等.4种遥感干旱指数在内蒙古东部干旱监测中的对比研究[J].生态与农村环境学报,2020,36(1):81-88.
[28] YAN H B, ZHOU G Q, LU X J.Comparative analysis of surface soil moisture retrieval using VSWI and TVDI in karst areas[C]. Intelligent Earth Observing Systems,2015.

基于不同植被指数TVDI和VSWI模型的焉耆盆地土壤湿度反演

Retrieval of soil moisture in Yanqi Basin based on TVDI and VSWI models with different vegetation indices

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics

本文评价

[1]	汪荃, 陈军军. 基于Sentinel-2时序影像的水稻种植信息提取[J]. 湖北农业科学, 2022, 61(16): 175-181.
[2]	苏红军, 许仲林. 2000—2015年新疆植被指数的时空动态分析[J]. 湖北农业科学, 2022, 61(10): 48-55.
[3]	徐畅, 高荣. 基于Landsat数据热岛效应与植被的关系研究--以开封市为例[J]. 湖北农业科学, 2021, 60(5): 48-52.
[4]	宋晓静, 周淑琴, 荆耀栋, 王贝贝. 吕梁山植被时空分布规律及地形差异影响[J]. 湖北农业科学, 2021, 60(5): 53-58.
[5]	王敏. 不同植被指数对旱情监测的敏感性比较[J]. 湖北农业科学, 2021, 60(3): 25-30.
[6]	李成绕, 贾诗超, 薛东剑. 基于Freeman分解和雷达植被指数的极化SAR图像分类[J]. 湖北农业科学, 2021, 60(15): 132-135.
[7]	薛宇轩, 卢宏玮. 青藏高原植被覆盖变化及气候驱动因子分析[J]. 湖北农业科学, 2020, 59(15): 44-48.
[8]	李学敏, 文力, 王俪璇. 基于Landsat遥感数据的城市热岛效应及影响因素——以襄阳市为例[J]. 湖北农业科学, 2019, 58(16): 41-48.
[9]	张淮栋, 陈争光, 张成龙. 基于高分二号-NDVI的大豆遥感估产的时相选择[J]. 湖北农业科学, 2018, 57(6): 103-107.
[10]	翟云, 仙巍, 罗祥, 杨杰. 基于小波分析的川西北三江源区植被周期变化研究[J]. 湖北农业科学, 2018, 57(5): 43-48.
[11]	梁书维, 王建国, 温馨燃, 陈圣波. 基于高分二号遥感影像的东北地区村庄建设用地提取[J]. 湖北农业科学, 2018, 57(20): 132-137.