王 娟, 張 優(yōu), 張 杰, 彭文甫, 張 偉

(1.四川師范大學(xué) 地理與資源科學(xué)學(xué)院, 成都 610068;2.四川師范大學(xué) 西南土地資源評價與監(jiān)測教育部重點實驗室, 成都 610068)

土壤水分進行遙感監(jiān)測一直是國內(nèi)外研究的重點，土壤水分的時空分布研究對農(nóng)業(yè)干旱監(jiān)測和生態(tài)環(huán)境監(jiān)測具有重大意義。楊曦等[1]研究土壤干濕狀況作為監(jiān)測土地狀況的重要指標(biāo)，對監(jiān)測土地干旱、土壤退化起著重大作用。

遙感監(jiān)測具有大面積、宏觀、實時和動態(tài)等優(yōu)勢，近年來被廣泛運用，如徐沛等[2]對土壤水分遙感反演研究進展進行研究。20世紀(jì)70年代初，Wanston首次根據(jù)地表溫度結(jié)合熱慣量模型對土壤濕度進行反演。在此基礎(chǔ)上，學(xué)者吳黎等[3]利用NOAA/AVHRR計算土壤的有效水分和熱慣量，證明二者具有很強的正相關(guān)關(guān)系，但此方法在影像獲取方面存在較大困難，植被覆蓋度也會影響土壤信息計算。王明霞等[4]提出20世紀(jì)90年代NOAA/AVHRR和MODIS等數(shù)據(jù)普遍用于土壤水分反演，可見光、熱紅外波段和近紅外波段用于遙感反演被廣泛應(yīng)用。Goetz[5]研究不同分辨率影像(TM，SPOT 等)，算出地表溫度(TS)、NDVI斜率和土壤濕度之間的關(guān)系。Sandholt等[6]在此基礎(chǔ)上,提出了溫度植被干旱指數(shù)(TVDI)。在我國植被指數(shù)法被廣泛應(yīng)用，如：胡蝶等[7]利用Radarsat-2/SAR和MODIS數(shù)據(jù),由估算的含水量(VWC)運用到模型中對黃土高原區(qū)進行土壤水分反演；蔣金豹等[8]利用同期光學(xué)數(shù)據(jù)提取出歸一化水分指數(shù)(NDWI)后，利用water-cloud模型構(gòu)建后向散射數(shù)據(jù)庫，分別用HH和HV極化方式構(gòu)建土壤水分反演模型；徐小遜等[9]利用AMSR-E數(shù)據(jù)和水分觀測數(shù)據(jù)，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型，對川中丘陵區(qū)土壤水分進行反演。綜合對比各個學(xué)者的研究，多數(shù)通過MODIS/RADAR數(shù)據(jù)進行，這些數(shù)據(jù)對土壤水分較為敏感但更適用于大范圍地區(qū)，小范圍區(qū)域遙感反演難以滿足其精度需求，且研究區(qū)多以干旱半干旱的高原區(qū)或者干旱河谷流域為主，對山地平原過渡區(qū)這類特殊地形區(qū)的土壤水分反演較少。

本文選取Landsat 8 OLI/TIRS，既滿足TVDI的計算又滿足土壤水分反演精度的需求。由于部分地區(qū)受地形影響，實地采樣較困難，加上云層的影響，本文僅對綿竹大部分地區(qū)進行水分反演分析。通過計算NDVI，對綿竹市的地表溫度進行遙感反演，建立溫度植被指數(shù)(TS-NDVI)特征空間，確認(rèn)特征空間的干濕邊方程，建立土壤水分回歸模型進而對綿竹市土壤水分進行反演，并利用野外同步采樣實測數(shù)據(jù)對水分反演的結(jié)果進行精度驗證。與眾多學(xué)者用MODIS/RADAR數(shù)據(jù)通過NDVI或溫度對成都平原進行土壤水分反演相比，本文在計算NDVI值基礎(chǔ)上，加入溫度植被干旱指數(shù)，在方法上對反演山地平原過渡帶土壤水分更具有效性和潛力。

1　研究區(qū)概況

綿竹市地處四川盆地西部，103°54′—104°20′E，30°09′—31°42′N，全市面積1 245.3 km2。境內(nèi)地貌類型多樣，地勢西北高東南低，西北屬龍門山脈，中間過渡地帶為丘陵和低山，東部為廣闊的成都平原，屬平原與山地過渡的典型區(qū)域。其中山地占全市總面積的52.08%，平原面積占全市總面積的47.92%。山區(qū)位于龍門山地震帶，地質(zhì)災(zāi)害較多，平原多為農(nóng)耕區(qū)和建設(shè)用地。氣候?qū)賮啛釒駶櫄夂?，常年溫和，無霜期時間長，降水充沛；春季冷空氣活動頻繁，春夏季發(fā)生干旱的頻率高，夏季雨水較多，冬夏氣溫差異不明顯，年平均氣溫15.7℃。多年年平均降水量大于1 000 mm，年最大降水量與最少降水量相差800 mm，降水季節(jié)分配差異較大。

圖1研究區(qū)位置及DEM及野外驗證采樣路線

2　試驗材料與方法

2.1　數(shù)據(jù)來源及預(yù)處理

研究數(shù)據(jù)包括遙感數(shù)據(jù)、土壤采樣數(shù)據(jù)和輔助數(shù)據(jù)。遙感數(shù)據(jù)為2016年4月Landsat 8 OLI/TIRS遙感影像，軌道號為129/038，來源于中科院遙感與數(shù)字地球研究所(www.radi.ac.cn)。遙感數(shù)據(jù)均以高斯—克呂格投影和WGS-84坐標(biāo)系為基準(zhǔn)，以1∶5萬地形圖對遙感影像進行幾何校正，并運用ENVI 5.0對遙感影像進行輻射定標(biāo)、FLAASH大氣校正等處理，對處理過的數(shù)據(jù)進行裁剪、土地利用分類及分類后處理。

基于ArcGIS 10.0，在研究區(qū)行政區(qū)圖上創(chuàng)建2 km×2 km的網(wǎng)格，并疊加土地利用類型圖，在網(wǎng)格內(nèi)部生成中心點即為每個采樣點，添加經(jīng)、緯度屬性，制作土壤采樣點位置圖及經(jīng)緯度信息表。2016年4—5月野外采樣時，在田間選取有代表性的新鮮土壤，避開位于建設(shè)用地、水域等采樣點，按照預(yù)先設(shè)計的土壤采樣位置圖進行采樣，采樣深度約為20 cm，并將其捏碎放入已知準(zhǔn)確質(zhì)量的鋁盒中，對新鮮土壤進行稱量，精確至0.001 g。當(dāng)天帶回室內(nèi)置于已預(yù)熱至(105±2)℃的烘箱中烘烤12 h取出冷卻至室溫立即稱重。每個樣點應(yīng)采樣3次做平行測定。若第一次稱重平行樣之間誤差過大則應(yīng)進行二次烘干再次稱重。

輔助數(shù)據(jù)包括研究區(qū)矢量邊界數(shù)據(jù)、1∶5萬地形圖和DEM數(shù)據(jù)，均來源于西南教育部重點實驗室，GPS野外采樣數(shù)據(jù)等。

2.2　NDVI計算及異常值處理

歸一化植被指數(shù)(Normalized Difference Vegetation Index)是植被生長狀況、生物量及植被覆蓋度的最佳指示因子[10]，其范圍為-1～1，負(fù)值表示地面覆蓋云、水、雪等，對可見光反射；0表示巖石或裸土等，近紅外波段和紅光波段近似相等;正值表示有植被覆蓋，且隨覆蓋度增大而增大。其計算公式為:

(1)

式中：NIR為近紅外波段處的反射率值;R為紅波段處的反射率值。由于經(jīng)過大氣校正后的結(jié)果有部分像元值為負(fù)，即NDVI值在[-1,1]之外存在異常值，為便于計算，將這部分像元的NDVI值的背景設(shè)為(0)，參考前學(xué)者彭文甫等[11]研究在ENVI 5.0上通過Band Math:(NDVI lt-1)×0+(NDVI gt 1)×0+(NDVI ge-1 and NDVI le 1)×NDVI，得到去除異常值后的NDVI數(shù)據(jù)。

2.3　植被覆蓋度計算

根據(jù)像元二分模型[12-13]植被覆蓋度計算公式為：

(2)

式中：Pv為植被覆蓋度；Ssoil為純裸土覆蓋像元的遙感信息；Sveg為純植被覆蓋像元的遙感信息。由于一個混合像元的NDVI值可以由植被覆蓋部分的NDVIveg與裸土(無植被覆蓋)部分的NDVIsoil值組成[14]，因此可以將NDVI值代入公式(2)中計算植被覆蓋度：

(3)

式中：NDVI為歸一化植被指數(shù)；NDVIsoil為完全被裸土或無植被覆蓋區(qū)域的NDVI值；NDVIveg為純植被像元的NDVI值。NDVI值受到大氣、地表狀況、年份、季節(jié)和區(qū)域條件等的影響，NDVIsoil，NDVIveg隨著空間和時間發(fā)生變化。本文統(tǒng)計NDVI值時，根據(jù)區(qū)域NDVI累計概率分布表，以5%和95%設(shè)置置信度區(qū)間，選取5%和95%附近的NDVI值分別作為NDVIsoil(0.001 441)，NDVIveg(0.773 399)值。

2.4　地表溫度反演

目前地表溫度遙感反演的算法有：大氣校正法、單窗算法、分裂窗算法。Landsat 8 TIRS 包括兩個熱紅外波段，第10波段(10.60～11.19 μm)和第11波段(11.50～12.51 μm)，TIRS 10位于較低的大氣吸收區(qū)，其大氣透過率值高于TIRS 11，更適合于單波段的地表溫度反演；同時，美國地質(zhì)調(diào)查局USGS(United States Geological Survey)指出由于Landsat 8 TIRS第11波段暫時存在定標(biāo)不穩(wěn)定性，不建議運用分裂窗算法進行定量研究。單窗算法與單通道算法的主要區(qū)別在于單窗算法所需的大氣參數(shù)包括近地表氣溫和大氣水分含量，而單通道算法所需的大氣參數(shù)為大氣水分含量。因此，本研究采用Landsat 8 TIRS第10波段和大氣校正法反演地表溫度。

大氣校正法的計算方法：首先估計大氣對地表熱輻射的影響,然后把這部分大氣影響從衛(wèi)星傳感器所觀測到的熱輻射總量中減去,從而得到地表熱輻射強度,再把這一熱輻射強度轉(zhuǎn)化為相應(yīng)的地表溫度。

2.4.1地表比輻射率首先，基于ENVI 5.0和GIS平臺，采用人機交互解譯方法，結(jié)合GPS野外實地考察數(shù)據(jù)，對2016年遙感數(shù)據(jù)進行分類，獲取水體、自然表面(耕地、林地、草地、未利用地等)和城鎮(zhèn)區(qū)(建設(shè)用地)，總體分類精度大于90%以上，Kappa系數(shù)均大于0.856以上；其次，根據(jù)覃志豪等[15]提出將地表分為水體、自然表面和城鎮(zhèn)區(qū)，針對3種不同地表分別進行計算，以便得到更加準(zhǔn)確的地表比輻射率數(shù)據(jù)：

水體像元比輻射率：

εwater=0.995

(4)

自然表面像元比輻射率:

(5)

城鎮(zhèn)區(qū)像元比輻射率：

(6)

式中：Pv為地表植被覆蓋度。

2.4.2黑體輻射亮度計算通過NASA的網(wǎng)站查詢(http:∥atmcorr.gsfc.nasa.gov)，輸入成像時間、中心溫度、以及其他參數(shù)，得到以下大氣剖面信息：大氣在熱紅外波段的透過率τ：0.76，大氣向上輻射亮度L↑：1.79 W/(m2·sr·μm)，大氣向下輻射量輻射亮度L↓：2.98 W/(m2·sr·μm)，根據(jù)黑體輻射亮度公式：

B(TS)=[Lλ-L↑-τ(1-ε)L↓]/τε

(7)

式中：Lλ為Landsat 8衛(wèi)星傳感器接收到的Band10熱紅外波段輻射亮度值。

2.4.3地表溫度計算根據(jù)普朗克定律將熱輻射強度值轉(zhuǎn)換為相應(yīng)的亮度溫度，并將單位為K的亮度溫度用攝氏溫度(單位℃)表示，計算公式如下：

(8)

式中：TS為地表溫度(℃)；k1，k2為TIRS 10波段的參數(shù)亮溫反演常數(shù)，k1=774.8853 W/(m2·mm·sr)，k2=1321.0789 K。

2.4.4溫度植被干旱指數(shù)(TVDI)Sandholt等[6]提出TS—NDVI特征空間近似為三角形，提出溫度—植被干旱指數(shù)(TVDI)的概念。伍漫春等[16]證明出地表溫度TS與NDVI存在明顯的負(fù)相關(guān)關(guān)系。任意一個NDVI值對應(yīng)一組TSmax(干邊)和TSmin(濕邊)，因而TS—NDVI特征空間的擬合線可反映區(qū)域土壤水分含量狀況。TS—NDVI特征空間計算的表達式為:

(9)

式中:TSmax和TSmin分別表示當(dāng)NDVI等于某一特定值時，地表溫度的最大值和最小值;TS為任一像元地表溫度。將TS—NDVI特征空間簡化處理為三角形的同時，對TSmin和TSmax進行線性回歸，回歸方程為:

TSmin=a1+b1NDVI

(10)

TSmax=a2+b2NDVI

(11)

式中：a1，a2為干、濕邊方程的截距；b1，b2為干、濕邊方程斜率。將公式(10)，(11)代入到(9)中可以得到TVDI的計算公式:

(12)

TVDI的值隨著地表溫度TS的升高而變大，土壤濕度隨TVDI值增大而減小，因而土壤濕度與溫度、TVDI值呈負(fù)相關(guān)關(guān)系。

3　結(jié)果與分析

3.1　NDVI值及植被覆蓋度計算

經(jīng)過對NDVI值的異常值處理，根據(jù)公式(3)計算出研究區(qū)植被覆蓋度空間分布(圖2)，結(jié)合研究區(qū)實際情況，參照溫小樂等[17]研究經(jīng)驗將植被覆蓋度進行重分類，將Pv分為5個等級，從表1可以看出：研究區(qū)植被覆蓋度處于較高水平，高、中高植被覆蓋區(qū)面積占到研究區(qū)面積50%以上，西北以及中部地區(qū)植被覆蓋度高于東南地區(qū)，并且由于研究區(qū)影像受到云層影響，在西北林地地區(qū)存在地低植被覆蓋區(qū)、東南角耕地地區(qū)存在中低植被覆蓋區(qū)的異?，F(xiàn)象。

表1　綿竹市植被覆蓋度分布情況

3.2　地表溫度反演

研究區(qū)溫度反演結(jié)果見圖3。

(1) 西北大部分地區(qū)存在終年積雪，加上西北山地地區(qū)、東南角平原區(qū)有大面積厚云覆蓋，這些區(qū)域溫度在0℃以下，甚至在-10℃以下，出現(xiàn)溫度異常的情況；西北角部分地區(qū)未被云層遮蓋，在4—5月間，溫度范圍在0～10℃屬正常范圍。

(2) 中部山地地區(qū)溫度總體高于西北山地地區(qū)，大部分地區(qū)溫度范圍在10～20℃，土地利用類型多以林地為主，植被覆蓋率高，部分地區(qū)因受到人類活動或者坡向、坡度的影響，溫度高于20℃。

(3) 東部平原地區(qū)，溫度大多在20～30℃，這部分地區(qū)主要以耕地為主；平原中部地區(qū)，建設(shè)用地覆蓋面積廣，溫度在30～35℃，為研究區(qū)主城區(qū)，根據(jù)城市熱島效應(yīng)原理，溫度比城市周圍高；在城市中心，少部分地方溫度高達35℃以上，根據(jù)實地驗證考察，這些地方存在工廠分布，工業(yè)發(fā)展排放，導(dǎo)致這些地區(qū)溫度較高。

圖2　綿竹市植被覆蓋度空間分布

綜上,由平原到山地溫度存在一個明顯的下降過程，平原地區(qū)由于受海拔、植被覆蓋度、人類活動等影響溫度偏高，山地地區(qū)受人類活動影響較小，植被覆蓋率較高，溫度比平原地區(qū)相對低。

圖3　綿竹市地表溫度分布

3.3　TVDI計算

3.3.1TS—NDVI特征空間的建立通過Excel函數(shù)計算,設(shè)置NDVI步長值為0.01，提取相同NDVI值對應(yīng)的(溫度)TS的最大值和最小值，構(gòu)成TS—NDVI特征空間的形狀近似三角形(圖4)，符合Sandholt提出的三角形特征空間描述。

圖4　干濕邊特征空間

3.3.2特征空間干濕邊的確定NDVI與地表溫度近似呈線性關(guān)系，根據(jù)特征空間散點圖，地表溫度最大值TSmax、最小值TSmin的散點趨勢大致都可以分為3段(圖4):在-0.05≤NDVI≤0.2區(qū)間上，TSmax散點沒有對應(yīng)最大值，而TSmin散點形成為斜率為正的直線；0.2

圖5　TS-NDVI特征空間干邊、濕邊方程

確定散點區(qū)間后，對TSmax，TSmin和NDVI分別作一元線性回歸分析(圖5)，確定干、濕邊方程，并進行回歸檢驗，在0.05的置信度水平上干邊、濕邊方程具有統(tǒng)計學(xué)意義，回歸方程見表2。

表2　干濕邊方程

3.4　土壤水分反演

3.4.1TVDI指數(shù)計算求得干邊、濕邊方程的截距和斜率后，將地表土壤溫度和NDVI值代入公式(9)，求出綿竹市溫度植被干旱指數(shù)(TVDI)空間分布數(shù)據(jù)(圖6)。

圖6　綿竹市TVDI分布

圖7　綿竹市土壤水分的空間分布

3.4.2土壤水分回歸模型利用野外采樣土壤水分?jǐn)?shù)據(jù)與溫度植被干旱指數(shù)(TVDI)建立一元線性回歸方程模型，進行回歸建模時(表3)，選取50個樣點作為回歸樣點，并覆蓋所有的土地利用類型。由表3可知，回歸模型中p值都遠(yuǎn)小于0.05，表示在0.05的置信度水平上TVDI指數(shù)與土壤水分有很強的負(fù)相關(guān)性，利用TVDI指數(shù)能夠很好地反映研究區(qū)的土壤水分。

表3　土壤水分TVDI回歸方程

3.4.3土壤水分反演結(jié)果將綿竹市的TVDI指數(shù)代入到表3的一元線性回歸方程中，得到TVDI值和土壤水分存在較強相關(guān)性(R2=0.6553)，根據(jù)反演結(jié)果得到綿竹市土壤水分的空間分布圖，由圖7可知，土壤水分反演情況如下：

(1) 西北和東南角地區(qū)由于反演異常，水分含量出現(xiàn)異常，但西北山地地區(qū)，海拔高達到4 000 m以上，存在終年積雪的地方，水分含量較高；中部山地地區(qū)土壤水分含量整體較高，但部分地方受人類活動及地形原因影響比周圍地區(qū)低。山地地區(qū)雖受人為影響小，但此區(qū)域?qū)冽堥T山地震帶，多山地災(zāi)害，滑坡、泥石流等，加上2008年地震對山地影響較大，植被破壞等不易恢復(fù)，對土壤水分流失造成一定影響；

(2) 東部平原地區(qū)土壤水分含量比西部山地地區(qū)低，對比土地利用類型圖可看出：耕地地區(qū)的土壤水分含量比建設(shè)用地區(qū)高，土壤水分雖主要受海拔高度變化(497～4 337 m)、溫度變化等影響，但綿竹市東南地區(qū)地屬成都平原，多耕地和建設(shè)用地，受人為影響較大，對土壤水分產(chǎn)生較大影響。總體看來：平原向山地的過渡帶上明顯看出土壤水分的逐漸變化過程。

需要說明，所用影像時間為4月，多厚云，尤其東南角和西北部分地區(qū)，經(jīng)不同年份同時期影像替換，但因光學(xué)遙感存在色差無法找到合適的替代影像，因此反演區(qū)域選取在綿竹市大部分地區(qū)，西北和東南地區(qū)反演結(jié)果存在異常。

3.5　精度驗證

用未參與建模的37個實測數(shù)據(jù)樣點對TVDI回歸模型反演，對綿竹市土壤水分進行精度驗證以及回歸檢驗(表4)。土壤水分反演精度(RMSE)為9.65%，且p值遠(yuǎn)小于0.05，反演的土壤水分精度相對較高。說明處于山地平原過渡帶的典型區(qū)域的綿竹市，通過NDVI和溫度建立TS—NDVI特征空間進行土壤水分反演是可行的。

表4　綿竹市土壤水分精度驗證

4　結(jié) 論

(1) 采用Landsat 8影像對溫度進行反演與其他學(xué)者使用MODIS數(shù)據(jù)對溫度信息進行直接獲取不同，MODIS數(shù)據(jù)具有更新快、范圍廣等特點，但對于研究區(qū)這種小區(qū)域范圍進行溫度的反演，Landsat 8 OLI/TIRS影像使用更簡單易操作。

(2) 通過回歸模型構(gòu)建溫度植被干旱指數(shù)(TVDI)進行土壤水分反演，得出TVDI和土壤水分存在較強相關(guān)性，與很多學(xué)者研究得出的結(jié)論相同[18-22]。研究區(qū)多由林地和耕地組成，植被覆蓋度較高，文章在計算植被覆蓋率的基礎(chǔ)上，通過干旱植被指數(shù)法進行水分反演，并使用野外實地采樣數(shù)據(jù)進行驗證，在成都平原地區(qū)甚至四川省內(nèi)都很少。結(jié)果表明：TVDI值越大說明土壤越干旱，相反土壤水分越充足，其指數(shù)值就越?。幻黠@看出由平原向山地過渡，溫度逐漸降低，土壤表層水分也由山地向平原逐漸減少。

(3) 綿竹市處于山地平原過渡帶的特殊地形，境內(nèi)海拔在497～4 337m，由山地向平原過渡區(qū)高差分異明顯，植被覆蓋度較高，對綿竹市進行土壤水分進行反演，有助于觀測由平原向山地、由耕地到林地過渡帶水分變化，對農(nóng)業(yè)土地水分監(jiān)測和生態(tài)環(huán)境監(jiān)測具有重大意義。在GIS技術(shù)的支持下，利用 Landsat 8 OLI/TIRS數(shù)據(jù)，采用溫度植被干旱指數(shù)TVDI對地形復(fù)雜、植被覆蓋較高的山地平原過渡帶進行土壤水分反演是具有可行性的。

(4) 不足之處：溫度是構(gòu)成TVDI的重要因素，而范遼生等[21]提出高程的變化是影響溫度的重要條件。本文以山地平原過渡帶為研究區(qū)，境內(nèi)高程變化較大(497～4 337 m)，因此還應(yīng)該考慮高程對溫度變化的影響，利用高程對TVDI進行校正。

參考文獻：

[1]楊曦,武建軍,閆峰,等.基于地表溫度—植被指數(shù)特征空間的區(qū)域土壤干濕狀況[J].生態(tài)學(xué)報,2009,29(3):1205-1216.

[2]徐沛,張超.土壤水分遙感反演研究進展[J].林業(yè)資源管理,2015(4):151-156.

[3]吳黎,張有智.改進的表觀熱慣量法反演土壤含水量[J].國土資源遙感,2013,25(1):44-48.

[4]王明霞,毋兆鵬.遙感監(jiān)測土壤濕度綜述[J].干旱環(huán)境監(jiān)測,2013(4):163-168.

[5]Goetz S J. Multi-sensor analysis of NDVI, surface temperature and biophysical variables at a mixed grassland site[J]. International Journal of Remote Sensing, 1997,18(1):71-94.

[6]Sandholt 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.

[7]胡蝶,郭鈮,沙莎,等. Radarsat-2/SAR和MODIS數(shù)據(jù)聯(lián)合反演黃土高原地區(qū)植被覆蓋下土壤水分研究[J].遙感技術(shù)與應(yīng)用,2015,30(5):860-867.

[8]蔣金豹,張玲,崔希民,等.植被覆蓋區(qū)土壤水分反演研究:以北京市為例[J].國土資源遙感,2014,26(2):27-32.

[9]徐小遜,張萍,徐精文,等.基于被動微波遙感和BP神經(jīng)網(wǎng)絡(luò)的土壤水分反演研究:以川中丘陵區(qū)為例[J]. 西南農(nóng)業(yè)學(xué)報,2014,27(6):2478-2484.

[10]趙英時.遙感應(yīng)用分析原理與方法[M].北京:科學(xué)出版社,2003.

[11]彭文甫,王廣杰,周介銘,等.基于多時相Landsat5/8影像的岷江汶川—都江堰段植被覆蓋動態(tài)監(jiān)測[J].生態(tài)學(xué)報,2016(7):1975-1988.

[12]張麗,何曉旭,魏鳴.基于NDVI的淮河流域植被覆蓋度動態(tài)變化[J].長江流域資源與環(huán)境,2012(S1):51-56.

[13]汪明沖,王兮之,梁釗雄,等.喀斯特與非喀斯特區(qū)域植被覆蓋變化景觀分析:以廣西壯族自治區(qū)河池市為例[J].生態(tài)學(xué)報,2014(12):3435-3443.

[14]陳晉,陳云浩,何春陽,等.基于土地覆蓋分類的植被覆蓋率估算亞像元模型與應(yīng)用[J].遙感學(xué)報,2001(6):416-422,481.

[15]覃志豪,李文娟,徐斌,等.陸地衛(wèi)星TM6波段范圍內(nèi)地表比輻射率的估計[J].國土資源遙感,2004,16(3):28-32.

[16]伍漫春,丁建麗,王高峰.基于地表溫度—植被指數(shù)特征空間的區(qū)域土壤水分反演[J].中國沙漠,2012,32(1):148-154.

[17]溫小樂,姜興強,徐涵秋.基于TM影像的長樂市植被覆蓋度變化研究[J].遙感信息,2013(6):56-61.

[18]丁鳳,徐涵秋.TM熱波段圖像的地表溫度反演算法與試驗分析[J].地球信息科學(xué),2006(3):125-135.

[19]虞文丹,張友靜,陳立文,等.基于TVDI與氣象因子的土壤含水量估算[J].地理空間信息,2015,13(1):137-139.

[20]王家強,梁繼業(yè),李志軍,等.利用植被指數(shù)—地表溫度特征空間反演干旱區(qū)土壤干濕狀況[J].土壤通報,2014,45(1):39-46.

[21]范遼生,姜紀(jì)紅,盛暉,等.利用溫度植被干旱指數(shù)(TVDI)方法反演杭州伏旱期土壤水分[J].中國農(nóng)業(yè)氣象,2009(2):230-234.