一、NOAA卫星资料在干旱监测中的应用(论文文献综述)
马茜[1](2021)在《不同类型降水产品在中国不同分区的精度评价及干旱监测适用性研究》文中提出降水在时空分布上的不稳定性是引起如干旱、洪涝等自然灾害的直接因素,想要更为准确地监测旱涝灾害,就要准确了解降水在时间和空间上的变化规律,因而需要优质的高时空分辨率降水数据集。近年来,已有大量全球范围内的格网降水产品,且根据其资料来源和估算方法,大致可分为3种类型:基于地面站、基于卫星和基于再分析的降水产品,掌握这些产品的精度特性对其准确应用与发展具有重要意义,此外,旱灾是造成经济损失最为严重且发生最为频繁的自然灾害,因而研究不同类型降水产品的干旱监测性能具有重要意义。本文基于气象站点观测数据评估了IMERG V6降水产品,同时将其与停更的TMPA降水产品进行对比,并对其进行校正,此外,还对比分析了基于不同类型的9套降水产品(基于地面站的:GPCC、APHRODITE;基于卫星的IMERG、MSWEP、Chirps V2.0和PERSIANN-CDR;再分析的ERA-Interim、ERA5和MERRA)在中国各个分区的精度表现,并探究了它们在不同月份的表现差异,最后,基于Z指数和SPEI指标探究了不同降水类型产品的干旱监测性能。论文获得的主要结论有:(1)IMERG V6降水产品可完全替代已停更的TMPA降水产品,可通过线性回归关系对其精度进行校正。在日、月、年尺度下,IMERG V6降水产品的精度均高于TMPA降水产品,并且精度随着时间尺度的增大而提高。IMERG V6产品在中国大陆及其所有分区的表现均优于TMPA产品,其中,在中温带半湿润地区表现最佳,在中温带干旱地区表现最差。此外,在中国大部分分区,IMERG V6产品对降水估算的准确性均高于TMPA产品,但在干燥(12月、1月和2月)和湿润(7月、8月和9月)月份中表现较差。遥感产品与地面观测降水量之间的线性关系可以用来校正卫星降水数据,而无需使用最新的气象站实测数据,校正后的IMERG降水数据的空间变化性好,精度比原始IMERG数据高。(2)根据不同类型降水产品在中国的降水特征和精度表现,综合适用性较强的产品为GPCC、IMERG V6、MSWEP。不同类型的降水数据集在中国大陆及其不同分区的表现有所差异,在西北荒漠区和青藏高原区所有降水产品整体表现为所有分区中最差的。针对不同的降水特征,不同类型的降水产品的精度表现有所差异。不同类型的降水产品精度随月份变化明显,在大多数区域,基于卫星和再分析的降水产品在较为干燥的地区,在冬季月份精度较差,在相对湿润地区,夏季月份精度相对较差,而基于地面站的降水产品精度在不同月份下差异不大。综合而言,基于卫星的降水产品在分析降水的空间变异性中更有优势,基于地面站的降水数据集对降水的时间变异性捕捉能力更强。基于卫星的、基于地面站和再分析降水产品中综合优势更强的产品分别为IMERG(MSWEP)、GPCC和MERRA。(3)根据不同类型降水产品在中国各个分区的干旱监测适用性分析,综合来看GPCC、IMERG V6和MSWEP产品更适用于干旱评估。对比两种干旱指数,大多数降水产品对SPEI指数的估算精度高于Z指数,且基于SPEI的时间序列比Z指数更能够准确捕捉历史干旱事件,基于SPEI估算的干旱面积精度要大于Z指数,基于Z指数估算的干旱主周期要低于基于SPEI估算的主周期、基于SPEI监测的干旱的空间分布从强度到面积上都高于Z指数。对比不同分区,多数降水产品分别在1、3区和3、7区对Z指数和SPEI指数的估算精度相对较差。对比不同时间尺度,基于再分析产品的干旱指数估算精度最易受时间尺度影响,随时间尺度的增大而降低。对比不同类型降水产品,基于再分析的降水产品在各个研究区对两种干旱指数时间变化序列的估算能力整体上差于其他降水产品。对比干旱监测的空间分布情况,最适合用于计算Z和SPEI指标并监测其旱情的空间分布的降水产品分别为IMERG和MSWEP。在基于游程理论的干旱频次、历时和烈度分析中,基于Z指数的干旱监测结果略低于SPEI。两种干旱指标在监测干旱频次方面对降水产品的敏感度相仿。
周俊利[2](2018)在《基于光学与微波遥感的黄河流域植被变化及影响因素分析》文中认为黄河流域幅员辽阔、地形地貌复杂,植被覆盖时空分布差异较大,且植被生长过程中影响因素众多。本文基于以第三代GIMMS NDVI数据集、MODIS NDVI数据集为主的光学植被指数数据集与以新一代微波传感器AMSR2数据集为主的微波植被指数数据集,分析黄河流域不同植被指数的适用性及植被覆盖的时空变化特征,并研究降雨、气温、干旱气候因子等对植被生长过程影响。主要研究成果与结论如下:(1)分析了光学植被指数NDVI数据集和微波植被指数在黄河流域植被监测中的适用性,结果表明:两种植被指数都能够很好的反映黄河流域长时间序列植被变化的趋势;微波极化差异指数MPDI18、MPDI36.5的变化趋势与光学植被指数NDVI呈显着正相关关系,微波穿透指数MVI与光学植被指数NDVI呈显着负相关关系,且基于36.5频率的微波极化差异指数MPDI36.5在植被变化监测方面优于基于18频率的微波极化差异指数MPDI18。(2)研究了黄河流域长时间序列植被时空变化特征,结果表明:第三代GIMMS NDVI数据集在植被时空变化研究中具有很好的效果,植被变化周期明显,且长时序植被变化与实际情况相吻合;MODIS NDVI数据集在黄河流域植被时空变化监测中也具有良好的应用效果,两数据集整体相关系数达到了0.95。时空变化特征结果显示黄河流域植被整体呈增长趋势,如陕北高原、皇甫川、窟野河等地,植被有较明显的增长。黄河源区植被长时序时空变化不明显,多年维持在0.6左右。同时微波植被指数数据集与光学植被指数数据集的时空分布特征具有很好的一致性。(3)分析了黄河流域植被生长变化的趋势与降雨、气温、干旱等主要影响因子的关系,结果表明:黄河流域植被与降雨多呈现正相关关系,且相关系数较大。植被对降雨的响应滞后时间为1个月。植被与气温也多呈正相关关系,且植被对气温的响应滞后时间为3个月。植被指数与基于微波植被指数反演的微波旱情指数TMVDI、TMPVDI、TMPVDI18的相关性均为北高南低的空间分布,且植被指数与微波旱情指数TMVDI的相关性最好。本文探讨了光学与微波植被指数数据集在黄河流域的适用性,并在此基础上分析了黄河流域植被覆盖的时空变化特征,揭示了黄河流域长时间序列植被时空变化趋势;分析了植被对降雨、气温、干旱影响因子的响应关系,为黄河流域植被长时间序列时空变化监测及影响因素分析提供了技术支撑。
岳胜如[3](2015)在《基于NDVI分区的内蒙古牧区土壤含水率遥感监测方法分析及应用研究》文中进行了进一步梳理在各类气象灾害中,旱灾是内蒙古地区众灾之首。干旱给内蒙古地区经济、社会发展,特别是内蒙古牧区人民生产、生活带来了严重的威胁,土壤含水率是判定旱情的重要指标。相对于传统的站点式土壤含水率监测手段,遥感技术具有高时间分辨率、成本低以及监测范围广等特点,使其逐渐成为土壤含水率监测的主要手段。目前,基于遥感数据的土壤含水率监测模型主要有可见光、红外、微波等类型,每一种模型都有其优势,亦有其区域适应性,针对植被覆盖、地形等变化较大的区域很难大面积推广,实际应用价值降低。基于以上现状,本文在内蒙古归一化植被指数(NDVI)空间特征研究基础上,结合表观热惯量(ATI)、植被供水指数(VSWI)、温度植被干旱指数(TVDI)对内蒙古牧区土壤含水率进行监测评价,主要研究内容和结论如下:(1)基于MODIS数据NDVI产品,对内蒙古植被覆盖度进行监测研究,发现内蒙古生长季植被呈现明显的条带状分布,近15年(2000年2014年)植被覆盖局部退化,整体呈增长趋势。(2)结合内蒙古植被覆盖特点和地面实测土壤含水率数据,分析了表观热惯量、植被供水指数和温度植被干旱指数3种方法在不同植被覆盖情况下的内蒙古牧区土壤含水率监测的适应性,得出ATI的监测精度随着植被覆盖度的增加而降低,VSWI的监测精度随着植被覆盖度的增加而增加,TVDI的监测精度随着植被覆盖度变化没有明显规律。(3)以含水率相对误差为指标,确定了020cm土层为最佳遥感监测深度;结合表观热惯量和植被供水指数随植被覆盖度的变化规律,以含水率相对误差为指标确定了NDVI的阈值,即NDVI等于0.18。当NDVI等于0.18时,基于ATI和VSWI的土壤含水率相对误差最大为21.31%,当NDVI小于或大于0.18时,其含水率监测误差小于21.31%。(4)分析表明基于TVDI的土壤含水率反演模型对不同NDVI下区域均具有较好的适应性。TVDI在4个不同区域土壤含水率反演相对误差平均值为21.47%。(5)在3种遥感监测方法适应性研究分析的基础上,通过试验区实地土壤含水率重复采样数据对所建立的土壤含水率遥感监测模型进行了验证;对4个采样牧区的含水率空间特征进行了应用分析研究,进而分析了4个牧区不同时期的含水率空间变化特征。基于表观热惯量和植被供水指数,结合内蒙古植被覆盖度空间分布特征,进行内蒙古牧区含水率监测评价,对内蒙古牧区畜牧业持续发展、生态环境的建设提供一定的科学指导。
刘茜,尹炤寅,郑有飞,王云龙[4](2012)在《能量指数法在黑龙江干旱监测中的适用性研究》文中进行了进一步梳理本文基于EOS/MODIS产品资料,结合土壤墒情实测数据,就能量指数法在黑龙江省农业干旱遥感监测中的适用性展开研究。利用黑龙江省2008年5—9月EOS/MODIS产品资料,计算得到热惯量、植被供水指数和能量指数,并将这3种指数分别与土壤实测湿度数据进行线性拟合。结果表明:能量指数法的监测效果明显优于热惯量法和植被供水指数法。在低植被时期,能量指数法的平均相对拟合误差为11.6%,热惯量法和植被供水指数法分别为11.8%和14.7%;而在高植被时期,能量指数法的平均相对拟合误差为12.5%,热惯量法和植被供水指数法分别为14.1%和13.0%。同时,能量指数法还解决了其他方法不能连续监测土壤含水量的问题,适用于各种植被覆盖条件下以及各种土层深度的干旱监测。另外,运用2003—2009年资料分时、分层建立了基于能量指数法的土壤水分反演模型,模型在10cm、20cm和50cm深度的各旬平均相对误差分别为14.3%、12.0%和10.8%,各层总平均相对误差为12.4%。可见,能量指数模型的拟合效果在50cm深度时最好,20cm深度次之,10cm深度稍差。此外,模型在2009年黑龙江省干旱监测应用中的效果表明,反演结果与实际情况基本一致,能较好地反映黑龙江省旱情的空间分布和发展过程。
李雪[5](2012)在《基于HJ数据的岩溶区干旱监测技术研究》文中提出干旱灾害是我国影响最大的自然灾害,近年来,干旱影响我国的区域逐渐增大,利用遥感技术进行区域干旱的监测一直是遥感应用的主要内容之一。岩溶区由于其独特的喀斯特地貌特征而常有区域性、阶段性的干旱发生,并且干旱的严重程度较非岩溶区高,制约了当地群众生产生活的发展需求,因此专门针对岩溶区开展遥感干旱监测的研究是非常有必要的。本文选择广西典型的岩溶区作为研究区,利用环境减灾卫星遥感数据的植被指数和地表温度的复合信息,选择植被供水指数(VSWI)模型和温度植被干旱指数(TVDI)模型对研究区进行干旱监测对比分析,建立岩溶区的干旱遥感监测模型;结合研究区地质地貌特征、历年干旱情况以及气象实况数据,确定岩溶地貌区的干旱等级划分标准;利用干旱遥感监测模型对2009-2011年秋旱进行监测研究,分析不同地貌旱片、不同土地利用类型以及不同高程带上岩溶区的干旱变化规律。研究内容主要包括以下几个方面:(1)根据广西岩溶干旱农业区及其周边县市32个气象站点40年的气象数据,利用降水距平百分率、干旱发生频率和干旱覆盖范围等指标,分析研究区干旱的时空分布规律。结果表明,研究区的干旱一年四季都有发生,其中秋旱覆盖范围最广。(2)根据环境减灾卫星红外多光谱数据(IRS)的波谱特征,选择普适性单通道算法、覃志豪单窗算法以及基于影像的Artis反演算法,并根据HJ-1B热红外波段的光谱响应特性修订算法中的经验关系。最后对反演得到的地表温度进行精度验证,研究表明,修订后的普适性单通道算法更适合岩溶区的地表温度反演。(3)利用2010年9-12月初环境减灾卫星遥感数据,采用植被供水指数(VSWI)模型和温度植被干旱指数(TVDI)模型对该地区进行干旱监测并进行对比分析研究。研究表明,在独特的喀斯特地貌影响下的岩溶区,VSWI模型获得更好的旱情监测效果。(4)根据研究区地质地貌特征、气象实况数据以及历年干旱情况,确定研究区旱情等级标准,开展了研究区2009-2011年秋旱遥感监测,并结合实况降水数据对监测效果进行分析。研究表明,使用VSWI模型获取的广西岩溶干旱农业区秋季干旱遥感监测信息能准确反映该地旱情的时空分布的整体趋势。(5)分析不同旱片的干旱变化规律,结果表明,峰林平原型早片比峰丛洼地(谷地)型旱片旱情严重。分析研究区不同土地利用类型间干旱的变化规律发现,耕地在重、中旱区受旱所占的比例最大,而林地在轻旱区占的比例最大,草地处于两者之间,说明土壤含水量的多少与土地利用类型之间存在一定的相关性。分析研究区内不同高程带间干旱的变化规律,结果表明,随着高程的增加,干旱情况有减轻的趋势。
郑有飞,刘茜,王云龙,吴荣军,陈鹏[6](2012)在《能量指数法在黑龙江干旱监测中的适用性研究》文中认为基于MODIS产品资料,结合土壤墒情实测数据,就能量指数法在黑龙江省农业干旱遥感监测中的适用性展开研究。结果表明:能量指数法的监测效果明显优于热惯量法和植被供水指数法,同时该方法还解决了其他方法不能连续监测土壤含水量的问题,适用于各种植被覆盖条件下以及各种土层深度的干旱监测。同时,运用多年资料分时、分层建立了基于能量指数法的土壤水分反演模型,模型的拟合效果在50cm深度时最好,20cm深度次之,10cm深度稍差。此外,模型在2009年黑龙江省干旱监测应用中的效果表明,反演结果与实际情况基本一致,能较好地反映黑龙江省旱情的空间分布和发展过程。
李菁[7](2011)在《基于MODIS数据的多种干旱监测模型在陕北的对比应用》文中研究表明干旱是由于区域水分供需或收支不平衡造成的水分短缺现象。其中,因土壤供水不足导致植被正常生长发育受阻的农业干旱是我国的主要自然灾害之一。本文介绍了基于EOS/MODIS卫星遥感数据计算的5种遥感指数:短波角度坡度指数(SASI)、改进型能量指数(MEI)、垂直干旱植被指数(PDI)、地表含水量指数(SWCI)和植被供水指数(VSWI).通过这五种指数对陕北地区进行土壤湿度反演,得到陕北旱情空间分布图,并分等定级,揭示研究区旱情分布规律,得出以下结论:MODIS遥感影像监测作物生长早期和作物生长旺盛时期覆盖地表情况下的土壤水分是可行的。这5种遥感干旱监测模型监测土壤水分的最佳深度为20cm,其次为10cm。从植物生长季的时间来看,MEI指数、SWCI指数和PDI指数分别对植物生长季前期、中期和后期有较好的监测结果;而从整个生长季来看,SASI对于陕北旱情的监测结果最佳,和不同深度的土壤含水量的相关度均在0.6以上。而从不同区域划分结果来看,SASI指数比较适用于陕北长城沿线干旱风沙区;对于中部的陕北黄土高原干旱丘陵沟壑区,SWCI与其的相关性最好;黄土高原沟壑天然林生态区与MEI指数的相关度最高。通过分析可看出,2008年陕北地区的干旱情况随着植被生长有所减缓。其中,陕北北部长城沿线干旱风沙区的旱情比较严重,多为重旱或中旱,榆林周围多为轻旱。陕北黄土高原干旱丘陵沟壑区为轻旱。而黄土高原沟壑天然林生态区的土壤含水量较充足,植物生长态势良好,基本不受干旱影响。分析降水量、气温对陕北地区干旱的影响,发现陕北北部降水量对旱情高于气温对其的影响,陕北南部地区则相反,可能原因是由于地理位置和当地地形地貌的影响。
徐霞[8](2009)在《基于TVDI指数的农业干旱遥感监测应用研究 ——以新疆于田绿洲为例》文中认为干旱是区域水分收支或供需不平衡形成的水分短缺现象。农业干旱是因土壤供水不足导致植被正常生长育受阻,是世界各地主要自然灾害之一。农业是我国的第一产业,农业干旱将对国民生产产生很大的影响。探索一些可行的方法监测旱情,对工农业生产和人民生活都有非常重要的意义。利用传统的气象数据统计监测旱情不具有及时行和精确性,遥感具有宏观、综合、动态和快速等特点,能及时、准确、全面地获得旱情信息,对促进农业生产、保障粮食安全和区域可持续发展具有重要的现实意义。植被指数(NDVI)和地表温度(LST)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,反映植被受旱状况,但两者单独使用时均存在局限性。基于植被指数和地表温度的二维特征空间构建的TVDI指数综合了两个参数特有的生理生态意义,不仅可以指示植被受旱时的水热胁迫环境,同时揭示了植被在这种胁迫环境下表现出的症状,可有效提高干旱监测的精度和效率。新疆地处干旱、半干旱气候区,干旱、半干旱气候加剧了盐渍化的发展,阻碍了农业的发展。因此,农业干旱监测成为急待解决的重要研究课题之一。本文首先以热红外遥感理论为基础,利用ETM影像结合气象数据获取地表温度反演关键参数:亮度温度、地表比辐射率、大气透射率、大气平均作用温度,并应用覃志豪的单窗算法反演研究区地表温度。然后,以植被指数-地表温度特征空间原理为指导,建立研究区LST-NDVI特征空间,拟合特征空间干湿边,建立TVDI指数,获取研究区旱情分布图,并分等定级,揭示研究区旱情分布。接着,利用最大似然法对研究区的影像进行分类,提取土地利用类型信息。在土地利用/土地覆盖的时空动态数据库和旱情监测的基础上,分析TVDI指数与地表温度和植被指数的关系,探讨TVDI指数与土地利用类型的相关性。研究表明,于田地区的地表温度低值区主要集中在水体,高值区集中在戈壁和沙漠,以绿洲为中心从里到外逐步升高。旱情也是由绿洲中心向绿洲外围,旱情逐步严重,靠近水源的地方以及植被覆盖良好的地方旱情较轻,干旱和重旱都分布在戈壁和沙漠地带;2002年10月3日的旱情比1999年9月13日严重。分析TVDI指数与地表温度和植被指数的关系发现,旱情指数与地表温度的相关系数高达0.957,而旱情指数与植被指数的相关系数仅达-0.636,植被指数反映旱情的能力相当有限,依据LST来预测旱情存在可取性。通过分析不同土地利用类型旱情分布发现,耕地、林地分布与TVDI值较低的区域,对地表水分状况要求高,高草的TVDI值分布较广,中草和低草分布与干旱和重旱区域,对水分要求不高。对地物不同时间的TVDI分布分析可得,在2002年10月,所有土地利用类型的旱情都加重了。从土地利用类型对TVDI的影响来看,耕地和林地在湿润和极干旱区域水分散失较强,在干旱区域保水能力较强;高草在干旱和重旱有很强的保水性;中草和低草在重旱区域,具有强保持水能力,且低草保持水的能力比中草强。
胡荣辰,朱宝,孙佳丽[9](2009)在《干旱遥感监测中不同指数方法的比较研究》文中研究说明干旱是主要的气象灾害之一,严重危害农业生产,及时准确地了解干旱信息具有重要意义。目前卫星遥感技术已成为干旱监测的重要手段之一。比较了干旱遥感监测中几种不同的指数方法,旨在为抗旱救灾提供参考。
闫娜[10](2009)在《基于MODIS陆地产品LST和NDVI及EVI的陕西旱情监测》文中指出干旱是近年来频繁发生的世界性自然灾害现象,它已严重影响到自然生态环境的平衡及人类社会、经济的可持续发展。陕西省地处中国内陆,全省大部分地区处于干旱半干旱气候区,生态环境脆弱,降水变率大,常常是十年九旱。加强对陕西省干旱灾害的监测研究,充分发挥遥感的技术优势,建立合适的干旱遥感监测模型,具有积极的意义。本文在系统分析当前国内外干旱遥感监测研究的现状及其发展趋势的基础上,分析探讨了地表温度和植被指数接合的可能性和必要性,并选择陕西省作为具体研究区域,以3S技术为基础,利用MODIS合成产品数据MODIS11C3和MODIS13C2获取的归一化植被指数NDVI、增强型植被指数EVI和陆地表面温度LST分别构建LST-NDVI特征空间,同时结合数理统计的方法对2005年的旱情进行监测和评价。本文主要结论和创新点如下:(1)依据该特征空间计算的温度植被干旱指数TVDI作为土壤湿度监测指标,建立了温度植被干旱遥感监测信息模型,以反演陕西土壤湿度,并对两种指数的结果进行对比,同时给出了旱情等级的空间分布图。(2)运用陕西省33个农业气象观测点每月的10cm、20cm、50cm的土壤墒情资料数据和全省98个气象站的气象资料建立模型进行相关分析和验证,深入探讨了其在陕西省的时空适应性,从而得出LST-NDVI和LST-EVI在陕西省的应用前景。(3)结果表明,TVDI-1(LST-NDVI干旱指数)和TVDI-2(LST-EVI干旱指数)与气温距平大都呈现正相关的趋势,而与降水距平更多呈现负相关的关系。TVDI-1和TVDI-2与表层土壤含水量的相关性最高,尤其是TVDI-2。(4)分区域来看,此模型在陕北地区的应用效果较好。就全省而言,利用条件温度植被干旱指数进行陕西省旱情监测能够较好地反映当地旱情,根据地表温度以及增强植被指数之间的关系建立的旱情监测模型线性相关更显着,基本通过了0.05水平的显着性检验。通过气象数据和土壤墒情的检验,本文建立的干旱遥感监测模型及对于所选区域性的干旱监测具有较好的实用性,可广泛应用于干旱的监测评价工作中。(5)创新点:首次在陕西省使用条件温度植被干旱指数监测评价旱情:首次使用MODIS数据对归一化植被指数和增强型植被指数分别与地表温度构建的特征空间进行对比分析。
二、NOAA卫星资料在干旱监测中的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、NOAA卫星资料在干旱监测中的应用(论文提纲范文)
(1)不同类型降水产品在中国不同分区的精度评价及干旱监测适用性研究(论文提纲范文)
摘要 |
ABSTRACT |
主要符号对照表 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究进展 |
1.2.1 大尺度格网降水产品 |
1.2.2 IMERG降水产品的发展 |
1.2.3 降水产品性能评估 |
1.2.4 气象干旱监测 |
1.2.5 研究中存在的问题 |
1.3 研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
第二章 IMERG V6 降水产品的评估与校正 |
2.1 材料与方法 |
2.1.1 研究区域概况 |
2.1.2 研究数据 |
2.1.3 卫星数据的重采样 |
2.1.4 TMPA和 IMERG产品性能评价 |
2.1.5 卫星降水产品的率定与验证 |
2.1.6 卫星降水的校正 |
2.2 结果分析 |
2.2.1 日尺度下IMERG和 TMPA产品精度评估 |
2.2.2 月尺度下IMERG和 TMPA产品精度评估 |
2.2.3 年尺度下IMERG和 TMPA产品精度评估 |
2.2.4 不同时间尺度下IMERG和 TMPA产品精度的比较 |
2.2.5 IMERG月降水数据的校正 |
2.3 讨论 |
2.4 本章小结 |
第三章 不同类型降水产品在中国各分区的适用性分析 |
3.1 材料方法 |
3.1.1 研究区域概况 |
3.1.2 研究数据 |
3.1.3 格网降水数据的重采样 |
3.1.4 评价指标 |
3.1.5 Q-Q图法 |
3.1.6 泰勒图法 |
3.2 结果分析 |
3.2.1 九种降水产品的时空分布 |
3.2.2 九种降水产品的精度检验 |
3.2.3 九套产品不同月份精度差异分析 |
3.3 讨论 |
3.4 本章小结 |
第四章 基于不同类型降水产品的气象干旱监测 |
4.1 材料方法 |
4.1.1 研究区和数据集 |
4.1.2 数据的重采样 |
4.1.3 Z指数的计算 |
4.1.4 干旱指数SPEI的计算 |
4.1.5 干旱面积 |
4.1.6 评估指标 |
4.1.7 小波分析 |
4.1.8 游程理论 |
4.2 结果分析 |
4.2.1 基于不同类型降水产品的干旱指数精度评估 |
4.2.2 基于不同类型降水产品干旱监测的时间分析 |
4.2.3 基于不同类型降水产品干旱监测的空间分析 |
4.3 讨论 |
4.4 本章小结 |
第五章 结论与展望 |
5.1 主要结论 |
5.2 主要创新点 |
5.3 干旱监测应对策略 |
5.4 展望 |
参考文献 |
附录 |
致谢 |
个人简历 |
(2)基于光学与微波遥感的黄河流域植被变化及影响因素分析(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 选题背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究进展 |
1.2.1 长时间序列植被指数变化特征 |
1.2.2 黄河流域植被指数应用 |
1.2.3 植被变化的影响因素 |
1.3 研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.4 本章小结 |
2 研究区与数据处理 |
2.1 研究区概况 |
2.2 数据 |
2.2.1 GIMMS数据 |
2.2.2 MODIS数据 |
2.2.3 AMSR数据 |
2.2.4 气象数据 |
2.3 数据处理 |
2.3.1 GIMMS-MODIS数据处理 |
2.3.2 AMSR2 数据处理 |
2.3.3 气象数据处理 |
2.4 分析方法 |
2.5 本章小结 |
3 黄河流域光学与微波植被指数适用性分析 |
3.1 黄河流域光学植被指数适用性分析 |
3.1.1 验证年份选取 |
3.1.2 差值对比 |
3.2 黄河流域微波植被指数适用性分析 |
3.2.1 显着性检验 |
3.2.2 相关分析 |
3.3 本章小结 |
4 黄河流域光学与微波植被指数时空变化特征分析 |
4.1 黄河流域GIMMS NDVI3g数据集时空变化特征 |
4.1.1 时间特征分析 |
4.1.2 空间特征分析 |
4.2 黄河流域GIMMS-MODIS时空特征对比分析 |
4.2.1 GIMMS-MODIS数据集时间变化特征对比 |
4.2.2 GIMMS-MODIS数据集空间变化特征对比 |
4.3 黄河流域微波植被指数时空变化特征分析 |
4.3.1 微波植被指数时间变化特征分析 |
4.3.2 空间变化特征分析 |
4.4 本章小结 |
5 黄河流域植被变化影响因素分析 |
5.1 黄河流域植被对降雨的响应分析 |
5.1.1 植被-降雨相关性空间格局 |
5.1.2 植被对降雨响应的时滞效应 |
5.1.3 站点分区对比分析 |
5.2 黄河流域植被对气温的响应分析 |
5.2.1 植被-气温相关性空间格局 |
5.2.2 植被对气温的响应滞后效应 |
5.3 黄河流域旱情对植被变化的影响分析 |
5.3.1 旱情指数的时空变化特征分析 |
5.3.2 植被对旱情的响应分析 |
5.4 本章小结 |
6 结论与展望 |
6.1 研究成果 |
6.1.1 植被指数适用性研究成果 |
6.1.2 植被指数时空特征研究成果 |
6.1.3 植被变化影响因素研究成果 |
6.2 创新点 |
6.3 不足之处与展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(3)基于NDVI分区的内蒙古牧区土壤含水率遥感监测方法分析及应用研究(论文提纲范文)
摘要 |
Abstract |
1 引言 |
1.1 选题背景 |
1.2 国内外研究进展 |
1.2.1 国外研究进展 |
1.2.2 国内研究进展 |
1.3 常用遥感旱情监测方法介绍 |
1.4 研究目标与内容 |
1.5 技术路线 |
2 研究区概况及试验方案 |
2.1 研究区概况 |
2.1.1 位置 |
2.1.2 土质状况 |
2.1.3 气候特征 |
2.1.4 河流水文 |
2.1.5 畜牧资源 |
2.1.6 植被覆盖度 |
2.2 采样区概况 |
2.2.1 磴口县 |
2.2.2 达茂旗 |
2.2.3 乌审旗 |
2.2.4 东乌旗 |
2.3 采样方案 |
3 遥感数据处理 |
3.1 遥感数据的选择及数据来源 |
3.1.1 MODIS数据简介 |
3.1.2 MODIS数据特点优势 |
3.1.3 MODIS数据的预处理 |
3.2 遥感反演方法 |
3.2.1 表观热惯量法 |
3.2.2 植被供水指数法 |
3.2.3 温度植被干旱指数法 |
4 内蒙古NDVI时空变化特征分析 |
4.1 研究方法 |
4.1.1 趋势分析 |
4.1.2 标准差分析 |
4.2 NDVI时空变化特征 |
4.2.1 NDVI平均值 |
4.2.2 NDVI时空变化趋势 |
4.2.3 NDVI波动性分析 |
4.2.4 基于斜率和标准差的NDVI变化分析 |
5 土壤含水率遥感监测方法的适应性分析 |
5.1 NDVI空间特征分析 |
5.2 ATI监测土壤含水率适应性分析 |
5.2.1 基于ATI的土壤含水率监测 |
5.2.2 ATI土壤含水率监测评价分析 |
5.3 VSWI监测土壤含水率适应性分析 |
5.3.1 基于VSWI的土壤含水率监测 |
5.3.2 VSWI土壤含水率监测评价分析 |
5.4 TVDI监测土壤含水率适应性分析 |
5.4.1 基于TVDI的土壤含水率监测 |
5.4.2 TVDI土壤含水率监测评价分析 |
6 土壤含水率遥感反演模型的建立与应用 |
6.1 遥感监测土层深度的确定 |
6.2 土壤含水率遥感监测方案 |
6.2.1 基于ATI和VSWI的土壤含水率监测 |
6.2.2 基于TVDI的土壤含水率监测 |
6.2.3 土壤含水率遥感监测方案确定 |
6.3 土壤含水率遥感反演模型验证与应用 |
6.3.1 ATI模型的验证与应用 |
6.3.2 VSWI模型的验证与应用 |
6.3.3 TVDI模型的验证与应用 |
7 结论与展望 |
7.1 结论 |
7.2 不足与展望 |
致谢 |
参考文献 |
作者简介 |
(5)基于HJ数据的岩溶区干旱监测技术研究(论文提纲范文)
目录 |
摘要 |
Abstract |
第一章 前言 |
1.1 研究背景 |
1.2 研究综述 |
1.2.1 干旱研究方法 |
1.2.2 国内外遥感干旱监测研究进展 |
1.2.3 干旱模型评价 |
1.3 主要研究内容及技术路线 |
第二章 研究区概况 |
2.1 研究区概况 |
2.1.1 地理位置 |
2.1.2 地形地貌特点 |
2.1.3 水文 |
2.1.4 气候特征 |
2.1.5 社会经济状况 |
2.2 研究区干旱成因分析 |
2.2.1 气候因素 |
2.2.2 水文地质、地貌因素 |
2.2.3 人类活动影响 |
第三章 数据源及数据预处理 |
3.1 数据源介绍 |
3.1.1 非遥感数据 |
3.1.2 遥感数据 |
3.2 数据预处理 |
3.2.1 辐射校正 |
3.2.2 大气校正 |
3.2.3 几何精校正 |
3.2.4 影像镶嵌与裁剪 |
3.2.5 去云处理及影像分类 |
第四章 基于气象数据的干旱时空分布及发展规律 |
4.1 干旱概述 |
4.2 干旱指标及等级划分 |
4.3 基于站点数据的岩溶区干旱时空分布特征 |
4.3.1 降水距平百分率分布 |
4.3.2 干旱发生频率 |
4.3.3 干旱覆盖范围 |
4.4 本章小结 |
第五章 遥感干旱监测模型 |
5.1 植被指数 |
5.2 地表温度 |
5.2.1 算法介绍 |
5.2.2 反演参数计算 |
5.2.3 反演结果分析及验证 |
5.2.4 小结 |
5.3 遥感干旱监测模型 |
5.3.1 模型 |
5.3.2 模型验证 |
5.3.3 小结 |
5.4 本章小结 |
第六章 VSWI模型在岩溶地貌区秋旱监测中的应用 |
6.1 旱情分级标准 |
6.2 干旱时空分布规律 |
6.2.1 2009~2011年秋旱遥感监测 |
6.2.2 监测效果分析 |
6.3 不同旱片的干旱评价 |
6.4 不同土地利用类型的干旱评价 |
6.5 不同高程带上干旱分区评价 |
6.6 本章小结 |
第七章 结论与讨论 |
7.1 结论 |
7.2 本研究的创新之处 |
7.3 本研究的不足与展望 |
参考文献 |
致谢 |
个人简介 |
(6)能量指数法在黑龙江干旱监测中的适用性研究(论文提纲范文)
1 研究区域与数据处理 |
1.1 研究区概况 |
1.2 数据源 |
1.3 数据处理 |
2 基本原理 |
2.1 热惯量法 |
2.2 植被供水指数法 |
2.3 能量指数法 |
3 结果与讨论 |
3.1 三种指数模型的比较 |
3.2 能量指数模型的建立与验证 |
3.3 能量指数模型在旱情监测中的应用 |
4 结论 |
(7)基于MODIS数据的多种干旱监测模型在陕北的对比应用(论文提纲范文)
摘要 |
Abstract |
第一章 前言 |
1.1 研究背景 |
1.2 研究目的和意义 |
1.3 国内外研究概况 |
1.3.1 国外研究进展 |
1.3.2 国内研究进展 |
1.4 陕西省干旱监测研究现状 |
1.5 研究区概况 |
1.6 研究内容和技术路线 |
第二章 常用干旱遥感监测模型介绍 |
2.1 热惯量法 |
2.2 微波遥感法 |
2.3 遥感指数法 |
2.3.1 基于归一化植被指数(NDVI)的植被指数 |
2.3.2 基于地表温度(LST)的遥感指数 |
2.3.3 几种LST和NDVI结合的遥感指数 |
2.4 遥感监测土壤水分方法的比较 |
2.5 本文研究方法的选择 |
第三章 陕北干旱遥感监测模型 |
3.1 研究基础 |
3.1.1 MODIS数据特征 |
3.1.2 数据获取 |
3.1.3 遥感数据预处理 |
3.2 关键参数反演 |
3.2.1 NDVI计算 |
3.2.2 地表温度反演 |
3.3 模型应用 |
3.3.1 多种干旱遥感模型介绍 |
3.3.2 监测分区 |
3.3.3 模型计算及结果分析 |
第四章 结论和讨论 |
4.1 结论 |
4.2 讨论 |
参考文献 |
致谢 |
作者简介 |
(8)基于TVDI指数的农业干旱遥感监测应用研究 ——以新疆于田绿洲为例(论文提纲范文)
摘要 ABSTRACT 第一章 绪论 |
1.1 研究背景 |
1.2 研究目的及意义 |
1.3 农业遥感干旱监测研究进展 第二章 研究区概况及数据源 |
2.1 研究区概况 |
2.1.1 地理位置 |
2.1.2 地形地貌 |
2.1.3 气候特征 |
2.1.4 自然资源 |
2.2 数据源及其特征 |
2.2.1 研究区数据源 |
2.2.2 研究区遥感影像各波段信息特征 第三章 研究方法与技术路线 |
3.1 引言 |
3.2 研究条件 |
3.2.1 硬件环境 |
3.2.2 软件环境 |
3.3 研究内容及研究方法 |
3.3.1 研究内容 |
3.3.2 研究方法 |
3.3.3 论文组织结构 |
3.4 技术路线 第四章 遥感数据处理 |
4.1 遥感数据预处理 |
4.1.1 辐射校正 |
4.1.2 几何精校正 |
4.1.3 研究区图像裁切 |
4.2 遥感影像分类 |
4.2.1 最大似然分类方法 |
4.2.2 信息提取及分类结果 |
4.2.3 精度评价 |
4.3 植被指数计算 |
4.3.1 植被波谱特征 |
4.3.2 植被指数 第五章 地表温度反演 |
5.1 地表温度反演的物理基础 |
5.1.1 热辐射基本规律 |
5.1.2 大气顶部的热红外辐射 |
5.2 地表温度反演算法 |
5.3 地表温度反演关键参数计算 |
5.3.1 亮度温度 |
5.3.2 地表比辐射率的确定 |
5.3.3 大气透射率 |
5.3.4 大气平均作用温度 |
5.4 反演误差分析 |
5.4.1 反演结果及分析 |
5.4.2 误差分析 第六章 干旱监测指数应用研究 |
6.1 基于植被指数—地表温度特征空间 |
6.2 干旱监测模型 |
6.3 研究区干旱动态监测 |
6.3.1 研究区内TVDI特征 |
6.3.2 干湿边的提取 |
6.4 结果及分析 |
6.4.1 旱情等级分布图 |
6.4.2 干旱监测指数验证 |
6.4.3 干旱监测指数分析 第七章 结论与展望 |
7.1 结论 |
7.2 不足与展望 参考文献 致谢 参加项目及发表的论文 |
(9)干旱遥感监测中不同指数方法的比较研究(论文提纲范文)
1 干旱遥感监测中的主要指数模型 |
1.1 植被指数法和距平植被指数法 |
1.2 条件植被指数法 条件植被指数 (Vegetation Condition Index, VCI) 的定义为[7]: |
1.3 条件植被温度指数法 条件植被温度指数 (Vegetation Temperature Condition Index, VTCI) 定义如下[10]: |
1.4 植被供水指数法 |
1.5 作物缺水指数法 |
1.6 温度植被干旱指数法 |
2 讨论 |
(10)基于MODIS陆地产品LST和NDVI及EVI的陕西旱情监测(论文提纲范文)
摘要 |
Abstract |
第1章 选题意义与研究进展 |
1.1 选题背景和研究意义 |
1.1.1 选题背景 |
1.1.2 研究意义 |
1.2 遥感干旱的监测研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.2.3 监测方法和模型 |
1.3 研究技术路线 |
1.3.1 技术路线 |
1.3.2 研究方法 |
第2章 研究区概况及数据来源 |
2.1 研究区概况 |
2.1.1 自然概况 |
2.1.2 社会经济状况 |
2.2 数据来源 |
2.2.1 MODIS数据来源和介绍 |
2.2.2 气象数据 |
第3章 植被指数计算和地表温度反演的技术与理论基础 |
3.1 植被指数的计算方法 |
3.1.1 归一化植被指数 |
3.1.2 增强型植被指数 |
3.2 地表温度LST的计算方法 |
3.3 植被指数和地表温度结合的可行性和必要性 |
3.4 植被指数和地表温度结合的模型 |
3.4.1 植被指数/地表温度 |
3.4.2 植被指数-地表温度特征空间 |
第4章 温度植被旱情指数在陕西的应用和验证 |
4.1 陕西省旱情 |
4.2 陕西省干旱监测 |
4.2.1 数据预处理 |
4.2.2 LST-EVI和LST-NDVI特征空间 |
4.2.3 干旱遥感监测分析 |
4.3 相关性检验 |
4.3.1 气象数据检验 |
4.3.2 分区域验证 |
4.3.3 土壤墒情资料验证 |
第5章 结论与展望 |
5.1 结论 |
5.2 研究展望 |
参考文献 |
致谢 |
攻读硕士学位期间科研成果 |
四、NOAA卫星资料在干旱监测中的应用(论文参考文献)
- [1]不同类型降水产品在中国不同分区的精度评价及干旱监测适用性研究[D]. 马茜. 西北农林科技大学, 2021
- [2]基于光学与微波遥感的黄河流域植被变化及影响因素分析[D]. 周俊利. 河南理工大学, 2018(01)
- [3]基于NDVI分区的内蒙古牧区土壤含水率遥感监测方法分析及应用研究[D]. 岳胜如. 内蒙古农业大学, 2015(02)
- [4]能量指数法在黑龙江干旱监测中的适用性研究[A]. 刘茜,尹炤寅,郑有飞,王云龙. S10 气象与现代农业发展, 2012
- [5]基于HJ数据的岩溶区干旱监测技术研究[D]. 李雪. 南京信息工程大学, 2012(09)
- [6]能量指数法在黑龙江干旱监测中的适用性研究[J]. 郑有飞,刘茜,王云龙,吴荣军,陈鹏. 土壤, 2012(01)
- [7]基于MODIS数据的多种干旱监测模型在陕北的对比应用[D]. 李菁. 南京信息工程大学, 2011(10)
- [8]基于TVDI指数的农业干旱遥感监测应用研究 ——以新疆于田绿洲为例[D]. 徐霞. 新疆大学, 2009(01)
- [9]干旱遥感监测中不同指数方法的比较研究[J]. 胡荣辰,朱宝,孙佳丽. 安徽农业科学, 2009(17)
- [10]基于MODIS陆地产品LST和NDVI及EVI的陕西旱情监测[D]. 闫娜. 陕西师范大学, 2009(06)