根据温度植被干旱指数(Temperature vegetation drought index,TVDI)的区域土壤含水率反演对于流域旱情监测、水资源规划等具有极大潜力,但TVDI特征空间干湿边量化的经验性和不确定性易导致反演精度受限。提出了TVDI干湿边多目标优化求...根据温度植被干旱指数(Temperature vegetation drought index,TVDI)的区域土壤含水率反演对于流域旱情监测、水资源规划等具有极大潜力,但TVDI特征空间干湿边量化的经验性和不确定性易导致反演精度受限。提出了TVDI干湿边多目标优化求解方法,通过最大化TVDI与地表反照率(Albedo,A)、土壤部分红波反射率(Soil red band reflectance,Rs,red)和土壤部分近红外波反射率(Soil near-infrared band reflectance,Rs,nir)的相关性实现特征空间干湿边定量求解,并对淮河流域麦田墒情进行了反演分析。结果表明:TVDI干湿边优化求解时,地表反照率对墒情反演精度的提升占主导作用,权重为0.5~0.8,其次是土壤红波和土壤近红外波反射率,分别为0.1~0.2和0.1~0.3;优化后TVDI对生育期内气象干旱变化具有更好的响应,特征空间涵盖范围增加了24.05%~54.02%,干边截距增加了1.72%~5.69%,干边斜率减小了8.04%~66.51%;优化后TVDI与实测土壤含水率的决定系数(Coefficient of determination,R^(2))增加了33.12%~82.61%,反演土壤含水率时的平均绝对误差(Mean absolute error,MAE)、均方根误差(Root mean square error,RMSE)、归一化均方根误差(Normalized root mean square error,NRMSE)降低了5.09%~20.52%、7.73%~21.16%、7.69%~21.27%,在不同生育期和土层深度均能保持较高精度;2023年淮河流域冬小麦拔节期、孕穗期、开花期和灌浆期0~40 cm平均土壤含水率分别为0.242、0.255、0.259、0.237 cm^(3)/cm^(3),流域内河南省和山东省麦地墒情较低,适宜在拔节期、开花期和灌浆期进行补充灌溉。综上,干湿边多目标优化求解方法提升了TVDI在区域尺度麦田墒情反演的适应性和准确性,可为旱情监测及防控研究提供理论依据和可靠工具。展开更多
文摘根据温度植被干旱指数(Temperature vegetation drought index,TVDI)的区域土壤含水率反演对于流域旱情监测、水资源规划等具有极大潜力,但TVDI特征空间干湿边量化的经验性和不确定性易导致反演精度受限。提出了TVDI干湿边多目标优化求解方法,通过最大化TVDI与地表反照率(Albedo,A)、土壤部分红波反射率(Soil red band reflectance,Rs,red)和土壤部分近红外波反射率(Soil near-infrared band reflectance,Rs,nir)的相关性实现特征空间干湿边定量求解,并对淮河流域麦田墒情进行了反演分析。结果表明:TVDI干湿边优化求解时,地表反照率对墒情反演精度的提升占主导作用,权重为0.5~0.8,其次是土壤红波和土壤近红外波反射率,分别为0.1~0.2和0.1~0.3;优化后TVDI对生育期内气象干旱变化具有更好的响应,特征空间涵盖范围增加了24.05%~54.02%,干边截距增加了1.72%~5.69%,干边斜率减小了8.04%~66.51%;优化后TVDI与实测土壤含水率的决定系数(Coefficient of determination,R^(2))增加了33.12%~82.61%,反演土壤含水率时的平均绝对误差(Mean absolute error,MAE)、均方根误差(Root mean square error,RMSE)、归一化均方根误差(Normalized root mean square error,NRMSE)降低了5.09%~20.52%、7.73%~21.16%、7.69%~21.27%,在不同生育期和土层深度均能保持较高精度;2023年淮河流域冬小麦拔节期、孕穗期、开花期和灌浆期0~40 cm平均土壤含水率分别为0.242、0.255、0.259、0.237 cm^(3)/cm^(3),流域内河南省和山东省麦地墒情较低,适宜在拔节期、开花期和灌浆期进行补充灌溉。综上,干湿边多目标优化求解方法提升了TVDI在区域尺度麦田墒情反演的适应性和准确性,可为旱情监测及防控研究提供理论依据和可靠工具。
