基于MODIS的四川省干旱遙感監測不同方法的比較

摘要：針對四川省干旱的特點，以中分辨率成像光譜儀（MODIS）數據為基礎，選擇溫度植被干旱指數法（TVDI）、植被供水指數法（VSWI）、溫差植被干旱指數法（DTVDI）三種算法進行比較。首先對數據進行預處理，獲取指數信息和地表溫度信息，然后利用獲取的信息進行分析與計算，最后將這三種方法的干旱指標與實測土壤含水量進行線性相關分析，得到最適合四川省的干旱遙感監測算法。結果表明，TVDI的效果最好，DTVDI和VSWI次之。

關鍵詞：干旱；MODIS；溫度植被干旱指數法；植被供水指數法；溫差植被干旱指數法

中圖分類號：S423；S127；TP751.1；P208 文獻標識碼：A 文章編號：0439-8114（2015）09-2097-05

四川地處青藏高原至長江中下游平原的過渡地帶，容易受大氣環流季節轉換的影響。近50年來，四川干旱頻繁發生，干旱災情嚴重，分布范圍廣，發生時間長，造成嚴重的經濟損失[1，2]。因此，對干旱進行實時、客觀的監測和評估并且掌握干旱的發展變化趨勢，能夠快速地了解四川干旱災情的發展，并及時采取防治措施，預防災害的擴大，減少經濟損失。

人們歷來重視干旱遙感監測，并研究出了各種干旱監測方法，這些算法具有不同的優缺點[3-5]。針對四川省干旱的特點，研究不同的監測方法，并進行比較，找出適合四川省的干旱監測算法，對于四川省干旱的預測和預防具有十分重要的意義[6，7]。

1 研究方法

本研究利用中分辨率成像光譜儀（MODIS）數據進行四川省干旱遙感監測不同方法的比較研究，通過對數據進行預處理，獲取指數信息和地表溫度信息，然后利用獲取的信息來分析與計算各種方法，將計算得到的各種方法的值與實測數據作線性相關分析，得到最適合的干旱監測方法。具體包括以下3個方面：

1）研究遙感干旱監測的各種方法，選出其中的3種方法進行比較研究。

2）利用從MODIS數據中獲得的植被指數數據和地表溫度數據，分析與計算得到各種方法的數據，然后與實測數據作線性相關分析。

3）3種方法分別與實測數據作線性相關，分析其相關性關系，找出相關性最好的方法，這個方法即為最適合四川干旱監測的方法。

2 干旱監測數據源選擇與數據預處理

2.1 數據源選擇

數據下載自地理空間數據云的MODIS產品數據集中的MOD11A2、MOD13Q1數據，為2006年1月下旬和7月下旬的地溫和植被指數產品，MOD11A2為8 d合成1 km分辨率的L3地溫數據產品，通過合成時間內晴空天氣的陸地表面溫度計算平均值得到，然后利用連續兩期8 d合成的地溫數據合成出16 d地溫產品。MOD13Q1為16 d合成250 m分辨率的L3植被數據產品。實測數據來自四川省各個氣象站點。

2.2 數據預處理

數據預處理是為了使用統一標準去處理數據，使產生的數據具有相同的質量，從而保證一段時間合成的數據具有可比性。數據預處理包括：圖幅拼接、投影轉換、重采樣、裁剪和柵格計算。裁剪后得到的圖像，歸一化植被指數（NDVI）不在-1～1范圍內，所得到的溫度也不是開氏度。因此將裁剪后的圖像進行柵格計算時，NDVI應除以10 000，溫度應乘以0.02。

3 干旱監測不同方法的比較研究

3.1 主要的干旱監測算法

干旱的定義沒有唯一的標準，但是無論使用什么方法定義，其目的都是和水分、植被有關。土壤水分和植被生長狀況就是干旱監測的一種。對于裸地來說，土壤含水量的監測就是干旱遙感監測；對于植被覆蓋區域來說，干旱遙感主要監測的是植被指數和地表溫度的變化。

干旱遙感監測方法有很多，常用的有熱慣量法、蒸散法、植被指數法等。其中，植被指數法包括距平植被指數法、條件植被指數法、植被指數差異法等[8]。同時考慮到溫度對干旱的影響，還發展了溫度與植被指數相結合的干旱監測方法，主要有溫度植被干旱指數法、植被供水指數法、溫差植被干旱指數法等。

3.2 干旱監測方法的研究

3.2.1 溫度植被干旱指數法 溫度植被干旱指數法（TVDI）是建立在水分對植物蒸騰作用的影響上，水分的多寡限制了蒸騰作用的強度，而蒸騰作用的強度直接影響到植被冠層溫度，土壤水分越缺乏，相應地植被冠層溫度越高。

研究發現陸地表面溫度與植被指數呈負相關關系[9]。Carlson等[10]發現在研究區域內，如果土壤水分和植被覆蓋度變化很大時，使用遙感資料得到的溫度和植被指數構成的散點圖呈三角形。還有人發現散點圖呈梯形，這就是NDVI-Ts空間。干濕邊的提取就是通過建立NDVI-Ts空間獲得的。干濕邊方程為：

Tsmin=a1+b1·NDVI （1）

Tsmax=a2+b2·NDVI （2）

式中，Tsmin為在相應NDVI下的最小溫度值，Tsmax為最大溫度值，b1、b2和a1、a2為線性關系的回歸系數。即為Tsmin和Tsmax分別和NDVI構成線性關系的斜率和截距。

再通過干濕邊方程建立溫度植被指數：

TVDI=■（3）

1）干濕邊的提?。?/p>

干濕邊的提取需要建立NDVI-Ts空間。NDVI-Ts空間的建立，需要使NDVI與Ts一一對應。由于NDVI是一個連續的區間，可以采用等間距方法在一定精度范圍內獲取不同NDVI取值條件下的Ts對應值，對于NDVI的每一個取值區間，采用區間的中心值作為NDVI值，統計該區間范圍內Ts的均值作為對應值。

利用GIS空間分析的分區統計功能，將NDVI分成100類，分類方式為等間距方式，分區統計的統計方法為求取均值，得到與NDVI相對應的Tsmin和Tsmax，在Excel中建立干濕邊方程。

2006年1月：

干邊擬合方程

Tsmax=-9.73x+311.82，R2=0.575 （4）

濕邊擬合方程

Tsmin=12.854x+262.75，R2=0.685 6 （5）

2006年7月：

干邊擬合方程

Tsmax=-11.269x+314.991，R2=0.529 4 （6）

濕邊擬合方程

Tsmin=18.801x+268.14，R2=0.709 （7）

2）計算結果：

利用擬合得到的干濕邊獲取即可得到干濕邊擬合方程的系數a1、b1、a2、b2。將a1、b1、a2、b2帶入到TVDI計算公式之中，即可求得TVDI。結果見圖1和圖2。

3.2.2 植被供水指數法 植被供水指數法（VSWI）的依據是當作物供水正常時，植被在一定的生長期內，植被指數和溫度會在一定的范圍內，而當供水不足時，植被指數會下降，而溫度反而會升高[7]。而當溫度升高時，植被沒有足夠的水分蒸發，就會關閉一定量的氣孔，這樣又會造成溫度的升高。因此，干旱越嚴重，溫度就會越高，而植被供水指數反而會越低。植被供水指數越低，說明干旱就越嚴重。其公式為：

VSWI=NDVI/Ts （8）

其中植被供水指數法中地溫數據為1 km分辨率的8 d合成L3產品，采用合成期內晴空天氣的陸地表面溫度的平均值計算得到，植被指數為250 m分辨率的16 d合成產品重采樣為1 km分辨率的植被數據。結果見圖3和圖4。

3.2.3 溫差植被干旱指數法 溫差植被干旱指數法（DTVDI）的依據是當水分一定時，植被覆蓋度增加，白天的溫度緩慢地升高，晚上的溫度緩慢地下降，晝夜溫差比較小；而當植被覆蓋度一定時，水分增加，白天蒸騰得比較快，溫度升高得比較緩慢，晚上植被基本上停止了蒸騰作用，溫度緩慢地降低，晝夜溫差也比較小。因此當覆蓋度一定時，水分減少，晝夜溫差就會變大，干旱情況也會變嚴重，晝夜溫差越大，干旱越嚴重。由晝夜溫差△Ts代替Ts建立NDVI-ΔTs空間。由NDVI-ΔTs空間提取的干濕邊方程為：

ΔTsmin=a1+b1·NDVI （9）

ΔTsmax=a2+b2·NDVI （10）

式中ΔTsmin為在相應NDVI下的最小晝夜溫差，ΔTsmax為最大晝夜溫差，b1、b2和a1、a2為回歸系數，即ΔTsmin、ΔTsmax分別和NDVI構成線性關系的斜率和截距。

由此計算的溫差植被干旱指數

DTVDI=■ （11）

2006年1月：

干邊擬合方程

ΔTsmax=-16.172x+33.483，R2=0.475 6 （12）

濕邊擬合方程

ΔTsmin=3.199 7x+1.05，R2=0.267 5 （13）

2006年7月：

干邊擬合方程

ΔTsmax=-34.335x+274.43，R2=0.665 2（14）

濕邊擬合方程

ΔTsmin=19.702x+125.44，R2=0.626 2 （15）

利用擬合得到的干濕邊獲取即可得到干濕邊擬合方程的系數a1、b1、a2、b2，將a1、b1、a2、b2代入到DTVDI計算公式之中，即可求得DTVDI。結果如圖5和圖6所示。

3.3 干旱監測不同方法的比較

分別將這三個干旱指標與實測土壤含水量進行線性相關分析。三個干旱指標與實測土壤含水量線性相關的結果見圖7和圖8。

結果表明，由NDVI-Ts空間計算的TVDI與實測土壤含水量的相關性最好，干旱指標的評價最合理；由NDVI-ΔTs空間計算的DTVDI和VSWI與土壤含水量的相關性次之，在干旱監測方面具有一定的價值。造成這種結果的原因可能是四川地形復雜，陸地表面接收輻射的強度不一樣，還有可能是研究區范圍的大小、氣象因素等共同影響的結果。不同地區接收輻射量的不同，夜晚散射的不同，造成晝夜溫差大，進而影響了干旱的監測和評估。而植被供水指數法由于其本身的局限性，造成其評估結果不準確。如果研究區域的地形不復雜，氣候條件變化也不大，則DTVDI和VSWI可能也可以用于干旱評價。

4 小結與討論

利用下載的MODIS數據計算植被供水指數、溫差植被干旱指數和溫度植被干旱指數，并利用2006年實測土壤含水量對3種方法的干旱指標進行監測和評價。主要得到下面的結論：

1）由NDVI-Ts和NDVI-ΔTs空間的干濕邊提取發現，當NDVI達到某個值后，Ts和ΔTs的最小值開始增加，最大值開始減小。最大值與最小值之間的差值越來越小。

2）植被供水指數法在夏季與土壤濕度的相關性較冬季好，主要原因是植被供水指數法適用于植被蒸騰作用較強的季節。

（3）由NDVI-Ts空間計算的TVDI與實測土壤含水量的相關性最好，干旱指標的評價最合理，由NDVI-ΔTs空間計算的DTVDI與土壤含水量的相關性次之，在干旱監測方面也具有一定的價值。

（4）由植被供水指數法計算得到的VSWI與實測含水量的相關性最差，但是其對于干旱監測還是具有某些價值的。

本研究只選擇了3種方法，其他方法還待研究驗證。研究的局限性還有以下幾個方面：局限于2個季節和3種方法，數據量不夠完整，研究范圍不夠大。因此，在后續工作中需要進行深入的研究。

參考文獻：

[1] 張順謙，卿清濤，侯美亭，等.基于溫度植被干旱指數的四川伏旱遙感監測與影響評估[J].農業工程學報，2007，23（9）：141-146.

[2] 全鼎余，趙坤榮，楊大勇，等.環境監測信息共享與時空表達研究[J].計算機測量與控制，2011，19（3）：539-542.

[3] 盧 遠，華 璀，韋燕飛.利用MODIS數據進行旱情動態監測研究[J]. 地理與地理信息科學，2007，23（3）：55-58.

[4] 齊述華，李貴才，王長耀，等.利用MODIS數據產品進行全國干旱監測的研究[J].水科學進展，2005，16（1）：56-61.

[5] 張 芳.基于MODIS的陜西省干旱遙感監測研究[D].西安：陜西師范大學，2008.

[6] 劉良明.基于EOSMODIS數據的遙感干旱預警模型研究[D].武漢：武漢大學，2004.

[7] 董小曼. 基于MODIS數據的章丘市土壤含水量遙感反演研究[D].濟南：山東師范大學，2011.

[8] 胡榮辰，朱 寶，孫佳麗.干旱遙感監測中不同指數方法的比較研究[J].安徽農業科學，2009，37（17）：8289-8291，8297.

[9] 郭 虎，王 瑛，王 芳.旱災災情監測中的遙感應用綜述[J]. 遙感技術與應用，2008，23（1）：111-116.

[10] CARLSON T N，GILLIES R R， PERRY E M. A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover[J]. Remote Sensing Reviews，1994，9（1）：161-173.