基于FY3C地表温度重建的多云地区旱情监测评估

受热红外传感器无法探测云下地表信息的影响,热红外遥感数据失去了对多云地区旱情监测的能力。采用RSDAST（Remotely Sensed Daily Land Surface Temperature Reconstruction）模型实现了FY3C/VIRR（Visible and Infrared Radiometer）云像元LST值的重建,结合重建后LST和NDVI数据采用TVDI指数对2018年重庆市干旱进行监测分析,并通过对比土壤墒情数据与OTVDI（Original TVDI）和RTVDI（Reconstructed TVDI）间的相关性来评估RTVDI在多云条件下旱情监测的能力。评估结果表明：基于RSDAST模型扩大了多云地区遥感干旱监测的空间范围和时间连续性,提升了区域旱情监测的精度（长时间序列和空间分布上RTVDI与土壤墒情数据间的R值均高于OTVDI）,极大地提高热红外遥感数据在多云条件下的可用性和可靠性。     

基于FY-3A/VIRR和TERRA/MODIS数据藏北干旱监测对比

为获得藏北地区干旱遥感监测的方法,以及验证FY-3A/VIRR数据在藏北地区干旱监测的可行性,论文基于2015年7月25日—8月4日FY-3A/VIRR和TERRA/MODIS数据,计算NDVI和EVI反演温度植被干旱指数（TVDI）,利用实测20 cm土壤水分数据和气象站点累计降水量验证并对比了两种数据源、不同TVDI的遥感干旱监测的精度。结果表明：1）拟合干湿边时,噪点和拟合像元数影响TVDI监测的精度,去除噪点可提高干湿边拟合精度和干旱监测精度;2）MODIS-TVDI_E（下标E表示EVI反演）、MODIS-TVDI_N（下标N表示NDVI反演）、FY/VIRR-TVDI_E、FY/VIRR-TVDI_N与实测20 cm土壤水分数据和累计降水量的相关性检验都达到了0.05的水平,说明基于两种数据源采用TVDI的方法都能有效监测藏北地区干旱。其中,MODIS-TVDI_E和FY/VIRR-TVDI_E监测精度分别高于MODIS-TVDI_N和FY/VIRR-TVDI_N,表明TVDI_E的监测精度优于TVDI_N。MODIS-TVDI的监测精度高于FY/VIRR-TVDI,反映MODIS数据在藏北地区干旱监测精度优于FY/VIRR数据;3）基于MODIS-TVDI_E和FY/VIRR-TVDI_E划分的藏北地区干旱空间特征结果大体相同,说明FY/VIRR数据也可作为气象部门监测干旱的业务化产品,为藏北地区干旱监测提供数据支撑。