Please wait a minute...
 
国土资源遥感  2007, Vol. 19 Issue (3): 1-7    DOI: 10.6046/gtzyyg.2007.03.01
  综述 本期目录 | 过刊浏览 | 高级检索 |
基于植被指数和地表温度特征空间的农业干旱监测模型研究综述
高 磊1,3,覃志豪1,2, 卢丽萍1,3
1.南京大学国际地球系统科学研究所,南京210093;  2.中国农业科学院农业资源与农业区划研究所,北京100081; 3.南京大学地理与海洋科学学院,南京210093
AN OVERVIEW ON AGRICULTURAL DROUGHT MONITORING
MODELS BASED ON VEGETATION INDEX AND SURFACE
TEMPERATURE FEATURE SPACE
GAO Lei 1,3,   QIN Zhi-hao 1,2,   LU Li-ping 1,3
1.International Institute for Earth System Science of Nanjing University, Nanjing 210093, China; 2.Institute of Natural Resources and Regional Planning, Chinese Academy of Agricultural Sciences, Beijing 100081, China; 3.School of Geography and Ocean Science of Nanjing University, Nanjing 210093, China
全文: PDF(549 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

遥感技术是监测区域农业旱情时空变化的主要手段,其反演的植被指数(NDVI)和地表温度(Ts)两个参数可以通过表征绿色植被对干旱胁迫生境的反应揭示土壤水分信息,反映作物受旱状况,但两者单独使用时均存在局限性。而基于植被指数和地表温度的二维特征空间综合了两个参数特有的生理生态意义,不仅可以指示作物受旱时的水热胁迫环境,同时揭示了作物在这种胁迫环境下表现出的症状,可有效提高农业干旱监测的精度和效率。本文在较为详细地阐述植被指数-地表温度特征空间评估农业旱情的原理基础上,综述了这方面有代表性的4个干旱监测模型,初步分析了影响这类模型特征空间的部分非土壤水分因子,并对它们在应用中的优缺点做了评述和总结,为今后此领域研究中需要关注的问题做了展望。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
关键词 遥感高速公路地质调查选线    
Abstract

Remote sensing technology is the major method for monitoring temporal and spatial changes of regional agricultural drought, from which both the vegetation index(NDVI) and the surface temperature (Ts)derived can reveal information of soil water content and drought-suffering status of crops via indicating the response of green vegetation to drought intimidation habitat. Nevertheless, there still exist some limitations when only one of the two parameters is used. The two-dimensional feature space based on NDVI and Ts integrates the physiological and ecological connotations of both parameters, and hence can not only indicate the water-heat threat environment when drought occurs but also display the symptom of crops, thus effectively improving the precision and efficiency of agricultural drought monitoring. Based on a detailed description of the principle of applying NDVI-Ts space to the evaluation of agricultural drought, this paper deals with four representative models for drought monitoring, preliminarily analyzes some non-soil-moisture factors affecting the space, and sums up their advantages and disadvantages in application. Some problems worthy of further attention in this field are also discussed.

Key wordsRemote Sensing    Highway    Geological Survey    Route Selection
收稿日期: 2007-02-08      出版日期: 2009-07-21
: 

TP 79

 
基金资助:

国家自然科学基金“我国农业旱灾机理与监测方法研究(30571078)”;科研院所社会公益研究专项“我国农业旱灾监测评价技术集成与循环农业发展模式研究(2005DIA3J032)”。

通讯作者: 高磊(1982-),男,硕士,主要从事农业干旱监测、生态遥感、GIS应用等方面的研究。
引用本文:   
高磊, 覃志豪, 卢丽萍. 基于植被指数和地表温度特征空间的农业干旱监测模型研究综述[J]. 国土资源遥感, 2007, 19(3): 1-7.
GAO Lei, QIN Zhi-Hao, LU Li-Ping. AN OVERVIEW ON AGRICULTURAL DROUGHT MONITORING
MODELS BASED ON VEGETATION INDEX AND SURFACE
TEMPERATURE FEATURE SPACE. REMOTE SENSING FOR LAND & RESOURCES, 2007, 19(3): 1-7.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/gtzyyg.2007.03.01      或      https://www.gtzyyg.com/CN/Y2007/V19/I3/1
[1] 刘文, 王猛, 宋班, 余天彬, 黄细超, 江煜, 孙渝江. 基于光学遥感技术的冰崩隐患遥感调查及链式结构研究——以西藏自治区藏东南地区为例[J]. 自然资源遥感, 2022, 34(1): 265-276.
[2] 王茜, 任广利. 高光谱遥感异常信息在阿尔金索拉克地区铜金矿找矿工作中的应用[J]. 自然资源遥感, 2022, 34(1): 277-285.
[3] 吕品, 熊丽媛, 徐争强, 周学铖. 基于FME的矿山遥感监测矢量数据图属一致性检查方法[J]. 自然资源遥感, 2022, 34(1): 293-298.
[4] 张大明, 张学勇, 李璐, 刘华勇. 一种超像素上Parzen窗密度估计的遥感图像分割方法[J]. 自然资源遥感, 2022, 34(1): 53-60.
[5] 薛白, 王懿哲, 刘书含, 岳明宇, 王艺颖, 赵世湖. 基于孪生注意力网络的高分辨率遥感影像变化检测[J]. 自然资源遥感, 2022, 34(1): 61-66.
[6] 宋仁波, 朱瑜馨, 郭仁杰, 赵鹏飞, 赵珂馨, 朱洁, 陈颖. 基于多源数据集成的城市建筑物三维建模方法[J]. 自然资源遥感, 2022, 34(1): 93-105.
[7] 李伟光, 侯美亭. 植被遥感时间序列数据重建方法简述及示例分析[J]. 自然资源遥感, 2022, 34(1): 1-9.
[8] 丁波, 李伟, 胡克. 基于同期光学与微波遥感的茅尾海及其入海口水体悬浮物反演[J]. 自然资源遥感, 2022, 34(1): 10-17.
[9] 高琪, 王玉珍, 冯春晖, 马自强, 柳维扬, 彭杰, 季彦桢. 基于改进型光谱指数的荒漠土壤水分遥感反演[J]. 自然资源遥感, 2022, 34(1): 142-150.
[10] 张秦瑞, 赵良军, 林国军, 万虹麟. 改进遥感生态指数的宜宾市三江汇合区生态环境评价[J]. 自然资源遥感, 2022, 34(1): 230-237.
[11] 贺鹏, 童立强, 郭兆成, 涂杰楠, 王根厚. 基于地形起伏度的冰湖溃决隐患研究——以希夏邦马峰东部为例[J]. 自然资源遥感, 2022, 34(1): 257-264.
[12] 于新莉, 宋妍, 杨淼, 黄磊, 张艳杰. 结合空间约束的卷积神经网络多模型多尺度船企场景识别[J]. 自然资源遥感, 2021, 33(4): 72-81.
[13] 李轶鲲, 杨洋, 杨树文, 王子浩. 耦合模糊C均值聚类和贝叶斯网络的遥感影像后验概率空间变化向量分析[J]. 自然资源遥感, 2021, 33(4): 82-88.
[14] 艾璐, 孙淑怡, 李书光, 马红章. 光学与SAR遥感协同反演土壤水分研究进展[J]. 自然资源遥感, 2021, 33(4): 10-18.
[15] 李特雅, 宋妍, 于新莉, 周圆锈. 卫星热红外温度反演钢铁企业炼钢月产量估算模型[J]. 自然资源遥感, 2021, 33(4): 121-129.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发