《表1 真实NDVI-LST与对应预测的NDVI-LST干湿边统计》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《温度植被干旱指数时空融合模型对比》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于ENVI5.3 IDL(Interactive Data Language）语言编程，将2018年8月26日的NDVI和LST相对应，运行输出NDVI-LST散点图（图6），得到某一NDVI值所对应的LST最大值和最小值，将NDVI和LST最大最小值进行线性拟合，得到干边和湿边对应的线性拟合方程（表1），进而利用方程（12）计算每个像元所对应的TVDI值。NDVI-LST散点图中的干边表示水分条件值为零的像素，湿边表示水分条件值为100%的像素。因此，TVDI指数与表层土壤湿度条件密切相关。在干、湿边方程拟合中，由于NDVI小于0主要是水体等比较湿润的地表，认为其含水量为100%，所以只考虑NDVI大于0的情况。在NDVI与LST关系方面，随着NDVI的增大，LST最大值递减，呈减小趋势，LST最小值递增，呈增大趋势。从拟合结果可知，干边方程斜率小于0，湿边方程斜率大于0，表明随着植被覆盖度的增加，相应的LST最大值逐渐减小，LST最小值逐渐增大。同时，与真实Landsat 8 NDVI-LST拟合结果相比，ESTARFM模型所拟合的NDVI-LST效果更接近于真实Landsat 8 NDVI-LST（表1）。STARFM模型所模拟预测的农田TVDI值整体偏小（图7），效果不太理想。而ESTARFM模型模拟预测的TVDI影像相较于STARFM模型和FSDAF模型模拟预测的TVDI影像而言，其与真实影像吻合度较高，空间细节连续性较好，纹理更加清晰，在一定程度上更能准确地模拟预测同时期Landsat 8影像的TVDI分布状况。