土地利用數據在TVDI干旱監測方法中的應用研究
——以甘肅省河東地區為例

沙 莎, 王 鶯, 王麗娟, 蝴 蝶

(中國氣象局蘭州干旱氣象研究所, 甘肅省干旱氣候與減災重點實驗室, 中國氣象局干旱氣候與減災重點實驗室, 蘭州 730020)

土地利用數據在TVDI干旱監測方法中的應用研究
——以甘肅省河東地區為例

沙 莎, 王 鶯, 王麗娟, 蝴 蝶

(中國氣象局蘭州干旱氣象研究所, 甘肅省干旱氣候與減災重點實驗室, 中國氣象局干旱氣候與減災重點實驗室, 蘭州 730020)

溫度植被干旱指數(Temperature Vegetation Dryness Index，TVDI)因其物理意義明確而被廣泛應用。然而不同土地利用類型的植被指數(Ⅵ)、陸地表面溫度(LST)存在一定的差別，這種差別可能在利用TVDI監測干旱時帶來一定的影響。以甘肅省河東地區為例，探討了TVDI方法在研究區的適用性及土地利用類型對TVDI指數監測干旱的影響。結果表明：(1) TVDI對河東地區的慶陽、平涼、臨夏、定西北部、甘南等地土壤相對濕度(RSM)有一定的指示作用，但對定西市南部地區、隴南地區、天水市的指示相對較差；(2) 用不同土地利用類型的遙感數據建立的特征空間，能夠提高TVDI對RSM指示的準確性和合理性。一方面，農地類型的TVDI值有所下降而林地、草地類型的TVDI值有所升高，這在隴東及甘南局部地區取得較好的改進作用；另一方面，歷史TVDI各區間站次統計表明，經過土地利用類型數據的改進，TVDI值的分布范圍得以擴大，從0.5～0.9擴大為0.2～0.9，這與實際RSM的分布特征有更好的對應，有利于區分不同干旱等級的RSM。

TVDI; 長序列MODIS; 土地利用類型; 干旱監測; 甘肅省

干旱災害[1]常帶來十分嚴重的經濟損失[2]，還會促使生態環境進一步惡化[3-5]。IPCC在其系列評估報告中指出，在全球氣候變暖背景下未來干旱風險有不斷增加的趨勢[6-7]。提供準確、大范圍的干旱監測信息對農業生產實踐、政府部門制定相關決策具有重要的指導意義。傳統的干旱監測手段是基于單點的，難以實現空間大范圍連續的監測。遙感作為干旱監測的一種重要手段，具有覆蓋范圍廣、空間分辨率高、重訪周期短和數據獲取快捷方便等優點，利用遙感方法進行大范圍旱情動態監測具有一定的優勢，近30多年來被廣泛應用于全球或區域干旱監測中[8]。其中利用光學遙感手段監測干旱的方法包括植被指數法、地表溫度法、特征空間法等。植被指數法表現出一定的滯后性，地表溫度法受土壤背景和植被覆蓋的影響大。特征空間法將植被指數、地表溫度結合起來，能部分消除單獨使用植被指數或地表溫度的缺點，在區域的土壤水分或者干旱監測中被廣泛使用[9-14]。溫度植被干旱指數[15-17](Temperature Vegetation Dryness Index，TVDI)是這類方法中較常用的指數。張喆等[18]分別利用NDVI和RVI構建特征空間，討論了TVDI指數在新疆塔里木盆地北緣渭干河—庫車河三角洲綠洲的適用性。王海等[19]利用TVDI指數分析了2009/2010年云南大旱的時空分布特征。拉珍等[20]認為TVDI指數作為高原地區大范圍干旱監測模型具有一定的科學性和參考性。然而農地土地利用類型的植被指數(Ⅵ)、陸地表面溫度(LST)較其他土地類型往往偏低、偏高。在特征空間中具有相同的NDVI時，LST較高意味TVDI值較高，這意味著幾種土地利用類型具有相同的NDVI時，LST越高的農地TVDI值越高。相較其他土地類型，有可能農地類型的TVDI總是高的，不能正確地指示土壤水分狀況，而當使用較低分辨率時，這種情況可能更為突出。因此本文以甘肅省河東地區為例對比分析應用土地利用類型前后兩種TVDI指數的差異，探討土地利用類型對TVDI指數的影響和改進作用及TVDI指數在河東地區的適用性。

1 研究區概況

甘肅河東地區(100.73°—108.73°E，32.52°—37.30°N)是黃土高原和青藏高原的匯集區，主要包括農地、草地、林地6種土地利用類型，見圖1。該區地處內陸，地形復雜，地勢大致由西北向東南降低，海拔600～4 828 m，由甘南高原、隴南山地和中部的黃土高原與丘陵地貌組成。除甘南草原為高寒濕潤氣候外，其他地區均屬于季風氣候，光照充足，太陽輻射強，晝夜溫差大，降水少，雨熱同期。由于東西、南北跨度大，加之地形起伏劇烈，氣候的緯向地帶性和垂直地帶性明顯[21]。

圖1甘肅省河東地區土地利用類型

2 數據與方法

2.1 數據及其處理

使用的數據包括：(1) 2000年3月至2012年12月逐月MODIS Climate Modeling Grid(CMG)增強型植被指數(EVI，Enhanced Vegetation Index)(MOD13C2)和陸地表面溫度(LST，Land Surface Temperature)(MOD11C3)產品數據，空間分辨率為0.05°。用MRT(MODIS Reproject Tool)和Erdas等工具分別提取MOD11 C3中的白天LST、質量信息及MOD13 C2中的EVI、質量信息，用ArcGIS Python編程實現甘肅省河東地區EVI、LST、質量信息的截取及質量控制工作。為了實現與站點土壤相對濕度數據的對比分析，在各影像上提取站點的EVI、LST進行相關計算和分析；(2) 土壤相對濕度(RSM)數據為甘肅省河東地區2003—2012年6月10 cm逢8觀測的土壤相對濕度數據。以3旬的平均值作為月RSM數據，與遙感數據的時間尺度相對應；(3) 土地利用類型數據源自中國土地利用數據NLCD2000，分辨率為1 000 m，為與遙感數據空間尺度一致，重采樣為5 km的分辨率。

2.2 TVDI指數

Sandholt[15]等認為LST-NDVI的特征空間中有一系列土壤濕度等值線，這些等值線是由不同水分條件下LST與NDVI 的比值構成的，Sandholt等據此提出了溫度植被旱情指數(Temperature Vegetation Dryness Index，TVDI)(圖2)的概念：

(1)

LSTmin=a1+b1NDVI,LSTmax=a2+b2NDVI

(2)

式中：LST為任意像元的地表溫度；LSTmin和LSTmax分別為一定NDVI值對應的最低和最高地表溫度，可以通過線性回歸分析提取干濕邊來確定，a1，b1，a2，b2為待定系數。TVDI值在[0，1]之間，值越大越靠近干邊，表示土壤濕度越小，反之表示土壤濕度越大。

圖2TVDI特征空間原理示意圖(改繪自Sandholt等[15])

MODIS遙感資料已經積累了14 a的歷史數據，

以往研究大多以單次遙感數據建立特征空間，而基于歷史數據建立的特征空間可包含該地區歷史狀況，一定程度上能夠消除單次TVDI模型在時間序列上不具可比性[22]的缺點。因此本文利用歷史遙感數據來構建特征空間。另外，張順謙[23]、盧遠[24]、楊曦[25]、閆娜[26]等的研究表明，用EVI取代NDVI可降低NDVI易于飽和而對TVDI的影響，由EVI-LST構建的TVDI更具優勢。因此本文利用EVI，LST構建了LST-EVI特征空間。甘肅省河東地區主要土地利用類型為農地、草地、林地，圖3給出了甘肅省不同土地利用類型年均EVI和LST的逐月變化，可以看到，EVI和LST均呈現單峰型，7月EVI和LST均達到峰值，其中林地EVI(LST)始終最高(低)，農地EVI(LST)始終最低(高)，草地處于中間。這種差距在4—9月尤其顯著。對應在特征空間中，農地相對于林地類型總處于EVI較低而LST較高的位置，即干旱的位置，這可能極大影響了TVDI監測干旱的準確性。結合數據的完整性及逐月EVI、LST的變化特征，本文以6月為例討論土地利用類型對TVDI指數的改進作用。

圖3不同土地利用類型年均EVI、LST的逐月變化

3 結果與分析

3.1 干、濕邊的擬合

圖4給出不分土地類型及農地、林地和草地土地利用類型的特征空間，可以看出，干邊上LST均隨EVI增加而顯著下降，農地和草地干邊下降趨勢相近，林地相對較緩，但農地和草地的干邊明顯高于林地；與理論特征空間有所不同，不分土地類型及農地、林地、草地類型濕邊上LST均隨EVI先減小后增大，其中農地EVI轉折點處于0.3附近，其他則處于0.2附近，農地的濕邊明顯高于林地和草地。濕邊上LST出現轉折的現象是由于EVI兩端像元數量少造成的，如果要提高濕邊擬合程度，建立特征空間時需將前端部分EVI去除。為了討論土地利用類型對特征空間的影響，本文建立全部土地類型及分土地類型的特征空間，干濕邊擬合結果見表1。

3.2 土地利用類型對TVDI指數的改進作用

3.2.1 對TVDI分布特征的改進 利用表1所示的干、濕邊方程，分別計算2003—2012年6月不分土地利用類型及分土地利用類型的TVDI指數(以下分別簡稱為TVDIN，TVDIL)，并逐年統計TVDIN，TVDIL與RSM的相關系數(表2)。結果表明近10 a來除2010年外TVDIN與RSM普遍顯著相關，TVDIL與RSM的相關性略差，在2005年、2006年、2007年、2008年、2009年、2012年與RSM顯著相關。雖然TVDIN與RSM的相關性高，但TVDIN與RSM，TVDIL與RSM的散點圖(圖5)顯示出TVDIN的分布過于集中，這與TVDI的定義不甚相符。RSM低于60%指示有干旱發生，一般TVDI值大于0.6指示有干旱發生。這10 a間RSM指示大致有59%左右站點發生了不同程度的干旱，而TVDIN卻有95%左右站點的TVDI值都大于0.6，而考慮土地利用類型后約有60%的站點TVDI值大于0.6，顯然TVDIN值存在不合理性，不利于干旱等級的劃分。

圖4 甘肅省河東地區6月不同土地利用類型的特征空間表1 甘肅省河東地區6月不同土地利用類型干濕邊擬合方程

表2 2003-2012年TVDIN，TVDIL與RSM的相關系數

注：*表示相關性通過了α=0.1的顯著性水平。

圖5 2003-2012年TVDIN，TVDIL與RSM的散點圖

分別統計2003—2012年6月10 cm土壤相對濕度(RSM)以10%為間隔區間的出現站次及2種TVDI值以0.1為間隔區間的出現站次，結果見圖6。從圖6A中可以看到，10 cm RSM分布于10%～100%，其中重旱、中—輕旱、不旱[27]站次分別占到25.57%，35.92%，38.52%。圖6B為TVDIL在不同區間的頻次，它分布于0.2～0.9，集中于0.6～0.8，其中0.2～0.4，0.4～0.6，0.6～0.8，0.8～1.0分別占4.21%，31.07%，52.75%，11.97%。圖6C為TVDIN在不同區間的站次，分布于0.5～0.9，其中0.7～0.8占到46.93%，TVDIN較TVDIL分布得更加集中。根據TVDI的定義，TVDI值越接近0土壤濕度越接近100%，相反，TVDI值越接近1土壤濕度越接近0。TVDIN值過于集中，這與觀測的RSM在10%～100%之間的實情不甚符合且不能很好地區分各等級的土壤濕度。而TVDIL通過考慮土地利用類型，從而使TVDIN分布過于集中的缺點得到一定程度的修正，這使TVDI值趨于合理化。

圖62003-2012年6月份RSM，TVDIL，TVDIN不同區間站次統計

3.2.2 對空間分布特征的改進 圖7給出了TVDIN，TVDIL與同期土壤相對濕度的空間分布。從圖7可以看出，2007年慶陽市的鎮原、西峰鎮、華池、寧縣4站和2008年寧縣站的RSM均在60%～80%，屬正常范圍，其余年份均出現不同程度的旱情，其中2004年、2005年、2006年、2011年旱情較重；TVDIN顯示慶陽市近10 a均呈現不同程度的干旱，未能顯示出2007年、2008年土壤水分正常的實情，而TVDIL則給出了較準確的指示。在平涼地區，TVDIN顯示大部分年份均有旱情，而實際上僅2006年在涇川、2009年在涇川和靜寧、2011年、2012年在平涼和涇川出現了重旱，TVDIN所指示的旱情在范圍和強度上均比實際情況偏大、偏強，與之相比TVDIL則能顯示出站點間旱與不旱的差別。在臨夏和甘南地區，永靖縣除2006年、2007年外主要呈現重旱，臨夏及和政2009年、2011年、2012年出現輕旱外，其他站點RSM均是正常或偏濕的情況，2種TVDI均與之有較好的對應，但個別地區TVDIN值偏低。除2007年、2008年外，白銀南部、定西北部天水北部近10 a主要以中—重旱為主，2種TVDI對其有一定的指示，TVDIL幾乎未對天水地區的RSM做出準確指示，2種TVDI均未指示出定西南部地區2009年、2010年的旱情。隴南地區2005年、2006年、2008年出現較大范圍輕—重旱的旱情，2種TVDI均有所指示，但在其他正常偏濕的年份如2003年、2004年、2007年2種TVDI值也偏高，與實際有所出入。

總的來說，TVDI對河東地區的慶陽、平涼、臨夏、定西北部和甘南等地的RSM有一定的指示作用，但對定西南部、隴南、天水的指示相對較差，土地利用數據主要在隴東地區起到了較好的改進作用。通過分析甘肅省河東地區的數字高程模型(DEM)數據發現，定西南部、隴南、天水南部地區地形坡度較大(超過20°)，而河東的北部地區坡度相對較小、地勢平坦，這可能是TVDI指數對定西南部、隴東、天水等地指示作用相對較差的重要原因。

3.3 不同土地類型上兩種TVDI的比較

表3給出2003—2012年不同土地利用類型TVDIL與TVDIN的差值，若其差值為負值則說明TVDI值變小，即相對遠離了干邊，“干旱”程度減弱，若差值為正則正好相反即“干旱”程度增強。可以看到，TVDIL經過土地利用類型調整后，農地類型的TVDI值有所下降，平均下降0.116；林地和草地類型的TVDI有所升高，分別平均升高0.108，0.088。從空間上看，TVDI值的下降主要在慶陽、平涼、白銀和天水大部分地區，TVDI值的上升主要在甘南絕大部分地區及隴南大部分地區。通過2003—2012年2種TVDI與RSM的對比分析發現，慶陽、平涼市TVDIL值下降提高了對RSM的指示作用，而天水、定西地區下降的TVDIL值反而降低了TVDI對RSM的指示性。甘南地區RSM主要以正常為主，TVDIN值在該地區局部區域接近0甚至<0，表明土壤相當濕潤，通過土地利用類型調整后上升至0.2～0.3，這使TVDIL對RSM的指示更加合理；隴南地區TVDIN和TVDIL對RSM均沒有很好的指示。綜上所述，經過土地利用類型的改進，隴東地區農地土地利用類型的TVDIL值有所下降，甘南地區林地、草地土地利用類型的TVDIL有所上升，這使其對RSM的指示更加準確、合理。

圖7 甘肅省河東地區2003-2012年6月RSM、TVDIN、TVDIL的空間分布表3 2003-2012年不同土地利用類型TVDIL與TVDIN的差值

4 結論與討論

通過統計歷史EVI與LST數據發現，不同土地類型的逐月EVI與LST變化特征有明顯不同，在甘肅省河東地區6月林地EVI>草地EVI>農地EVI,林地LST<草地LST<農地LST。從理論上來講，相同的EVI，若LST高則更加靠近干邊即越干，即農地總是相對更加靠近干邊，使TVDI偏大，即對農地土壤水分的估算偏低。本文用分土地利用類型和不分土地利用類型2種方法構建了TVDI，通過與地面RSM的對比分析，得到以下結論：

(1) TVDI對河東地區慶陽、平涼、臨夏、定西北部、甘南等地RSM有一定的指示作用，但對定西市南部地區、隴南地區、天水市的RSM指示相對較差，較差的地區主要為林地土地類型及其周圍，該區域地形坡度較大，地形的起伏可能是造成TVDI在該區域指示作用較差的一個重要原因。

(2) 分土地利用類型后，首先，農地類型的TVDI值一定程度上下降，這在慶陽、平涼取得了較好的改進作用；林地、草地類型的TVDI值一定程度上上升，這提高了甘南局部區域TVDI對RSM的指示作用。其次，TVDI指數在不同間隔區間的統計分布更加趨于合理，這使其對不同等級RSM的指示也趨于合理。雖然不分土地類型TVDI與RSM的相關系數更高，但是該TVDI值分布過于集中，與實際站點的RSM分布特征不一致，也不易區分不同干旱等級的RSM。利用不同土地類型建立的TVDI則對這種不合理的情況有所改進。

本研究基于5 km的月尺度遙感數據完成，結果表明分土地利用類型建立的TVDI模型一定程度提高了TVDI指示干旱的合理性。從另一個角度看，TVDI指示干旱的能力與分辨率不無關系，在使用較粗分辨率遙感數據時應當利用土地利用類型數據加以修正。今后將考慮利用更高的時間和空間分辨率數據進行相關研究，以求進一步提高TVDI對河東地區土壤濕度的監測能力。

[1] 張強,張良,崔顯成,等.干旱監測與評價技術的發展及其科學挑戰[J].地球科學進展,2011,26(7):763-774.

[2] 王勁松,李耀輝,王潤元,等.我國氣象干旱研究進展評述[J].干旱氣象,2012,30(4):497-508.

[3] 宋連春,鄧振鏞,董安祥.全球變化熱門話題叢書:干旱[M].北京:氣象出版社,2003.

[4] 徐啟運,胡敬松.我國西北地區沙塵暴天氣時空分布特征[J].應用氣象學報,1996,7(4):479-482.

[5] 張強,胡隱樵,曹曉彥,等.論西北干旱氣候的若干問題[J].中國沙漠,2000,20(4):358-362.

[6] Solomon S, Qin D, Manning M, et al. Climate change 2007: Synthesis Report. Contribution of Working Group I, II and III to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Summary for Policymakers.[M]∥ Contribution of Working Group I to the Fourth Assesment Report of the Intergovernmental Panel on Climate Change, Climate Change 2007: The Physical Science Basis. 2007:159-254.

[7] Mccarthy J J, Canziani O F, Leary N A, et al. Climate Change 2001: Impacts, Adaptation, and Vulnerability[J]. Contribution of Working Group II to the Third Assessment Report, 2007,37(6):2407.

[8] 沙莎,郭鈮,李耀輝, 等.我國溫度植被旱情指數TVDI的應用現狀及問題簡述[J].干旱氣象,2014,32(1):128-134.

[9] Li H J, Li C Q, Lin Y, et al. Surface temperature correction in TVDI to evaluate soil moisture over a large area[J].Journal of Food, Agriculture & Environment,2010(8):1141-1145.

[10] Chen J, Wang C Z, Jiang H, et al. Estimating soil moisture using Temperature-Vegetation Dryness Index(TVDI) in the Huang-huai-hai(HHH) plain[J].International Journal of Remote Sensing,2011,32(4):1165-1177.

[11] Han Y, Wang Y Q, Zhao Y S. Estimating Soil Moisture Conditions of the Greater ChangBai Mountains by Land Surface Temperature and NDVI[J]. IEEE Transactions on Geoscience and remote sensing,2010,48(6):2509-2515.

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

[13] 王鵬新,WAN Zhengming,龔健雅,等.基于植被指數和土地表面溫度的干旱監測模型[J].地球科學進展,2003,18(4):527-533.

[14] 康為民,羅宇翔,向紅瓊,等.貴州格斯特山區的NDVI-Ts特征及其干旱監測應用研究[J].氣象,2010,36(10):78-83.

[15] 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(2):213-224.

[16] Goetz S J. Multi-sensor Analysis of NDVI and Surface Temperature and Biophysical Variables as a Mixed Grassland Site[J].International Journal of Remote Sensing,1997,18(1):71-94.

[17] Carlson T N, Gillies R R, Schmugge T J. An interpretation of methodologies for indirect measurement of soil water content[J]. Agricultural and Forest Meteorology, 1995,77(3):191-205.

[18] 張喆,丁建麗,李鑫,等.TVDI用于干旱區農業旱情監測的適宜性[J].中國沙漠,2015,35(1):220-227.

[19] 王海,楊祖祥,王麟,等.TVDI在云南2009/2010年干旱監測中的應用[J].云南大學學報:自然科學版,2014,36(1):59-65.

[20] 拉珍,拉巴,陳濤.基于TVDI的西藏“一江兩河”地區干旱監測研究[J].高原山地氣象研究,2015,35(4):48-52.

[21] 趙一飛,張勃,汪寶龍,等.近54a來甘肅省河東地區氣候時空變化特征[J].干旱區研究,2012,29(6):956-964.

[22] 楊世琦,高陽華,易佳.干旱遙感監測方法研究進展[J].高原山地氣象研究,2010,30(2):75-78.

[23] 張順謙,馮建東.四川盛夏伏旱的MODIS遙感監測方法[J].高原山地氣象研究,2012,32(1):51-55.

[24] 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.

[25] 楊曦,武建軍,閆峰,等.基于地表溫度-植被指數特征空間的區域土壤干濕狀況[J].生態學報,2009,29(3):1205-1216.

[26] 閆娜,李登科,杜繼穩,等.基于MODIS產品LST/NDVI/EVI的陜西旱情監測[J].2010,19(4):178-182.

[27] 梁蕓,張峰,韓濤. 利用EOS/MODIS植被供水指數監測慶陽地區的土壤濕度[J].干旱氣象,2007,25(1):44-47.

ResearchofApplicationofLandUseDatatoTVDIMethodonDroughtMonitoringintheEasternRegionofGansu

SHA Sha, WANG Ying, WANG Lijuan, HU Die

(InstituteofAridMeteorology,CMA,Lanzhou，KeyLaboratoryofAridClimateChangeandReducingDisasterofGansuProvince,KeyLaboratoryofAridClimateChangeandDisasterReductionofCMA,Lanzhou730020,China)

Clear principle and concise physical meanings make Temperature Vegetation Dryness Index (TVDI) be a wildly used method to monitor drought. The Normalized Difference Vegetation Index (NDVI) and Land Surface Temperature (LST) would not the same on different land use types, and the difference would affect the drought monitoring by using TVDI method. Taking the eastern region of Gansu as an example, TVDI was calculated based on history MODIS data, and improvement of TVDI for different land use types was discussed. The results are as follows. (1) On the whole, TVDI had the indication to the relative soil moisture (RSM) in Qingyang, Pingliang, Linxia, the north of Dingxi and Gannan. However, TVDI could not indicate the RSM well in the south of Dingxi, the southern region of Gansu and Tianshui. (2) Feature space was built on different land types, which was more precise and reasonable for indicating the RSM. On the one hand, the monitor ability of TVDI for RSM status was improved in the east of Gansu and some parts of Gannan because of TVDI decreasing for farmland type and increasing for woodland and meadow land type. On the other hand, the distribution of TVDI, which did not consider the land types, was more centralized than RSM. By contrast, the distribution can be broadened by taking land type into account feature space, and it is helpful for distinguish RSM of different drought grades.

TVDI; history MODIS data; land using type; drought monitoring; Gansu Province

2016-07-08

：2016-08-17

甘肅省氣象局科研項目(2015-13);公益性行業(氣象)科研專項(重大專項)(GYHY201506001-5);公益性行業(氣象)科研專項項目(GYHY201006023);科技部農業科技成果轉化資金項目(2011GB24160005);中國氣象局蘭州干旱氣象研究所2013年基本科研業務費(KYYWF201318)

沙莎(1985—),女,遼寧沈陽人,助理研究員,碩士,主要從事GIS、遙感的氣象應用研究。E-mail:nuist_shasha@126.com

TP79;P426.616

：A

：1005-3409(2017)05-0375-07