多種干旱遙感監測模型在河北地區的適用性研究

楊 鵬， 李春強， 高 祺， 張 瑩， 崔生成

(1.石家莊市氣象局，河北石家莊 050081； 2.河北省氣象科學研究所，河北石家莊 050021；3.中國科學院安徽光學精密機械研究所/中國科學院大氣成分與光學重點實驗室，安徽合肥 230031)

旱災是世界上影響較廣、造成經濟損失較大的自然災害之一。我國旱災發生頻繁、影響廣泛，是可造成農業經濟損失的嚴重氣象災害。我國是農業大國，干旱已嚴重影響到我國農業可持續發展和糧食安全[1-3]。河北省作為我國糧食重要產區，加強干旱監測和預報預警能力，為政府制定合理的防旱、抗旱決策提供科學依據迫在眉睫。因此，探討一種客觀、實時、動態的干旱監測方法，了解河北地區的干旱發生和發展規律及其對農業生產的影響有著重要意義[4-5]。

衛星遙感技術的發展，為大面積農業干旱客觀、實時、動態監測評估提供了一條新途徑[6]。國外利用遙感方法進行土壤表層濕度監測的研究較早，我國從20世紀80年代中期開始相關研究。隨著干旱遙感監測方法的不斷發展，出現了熱慣量法、作物供水指數法、溫度植被干旱指數法、植被狀態指數法等監測方法[7]。Price提出了表觀熱慣量法(ATI)，采用可見光、近紅外波段反射率和熱紅外輻射溫度差來計算ATI，并估算土壤水分[8]；Gillies等利用植被指數和地表溫度的三角方法估測土壤有效水分[9]；王鵬新等于2001年在三角形特征空間的基礎上，提出了條件植被溫度指數(VTCI)，用于干旱監測[10]；Sandholt等基于植被指數和地表溫度的關系，提出了溫度植被干旱指數(TVDI)，估測監測表層土壤含水量狀況[11]。此后，TVDI在國內得到了應用，逐漸成為當前旱情遙感監測的主要模型之一[12-14]。不同干旱遙感監測模型的原理、方法和適用范圍不同，為了研究不同干旱遙感監測模型在河北地區的適用性，本研究選取溫度植被干旱指數、植被供水指數(VSWI)和植被狀態指數(VCI)3種干旱遙感監測模型進行對比分析，總結出適用于河北地區的遙感干旱監測模型，用于河北地區的干旱遙感監測業務，旨在提高河北地區干旱遙感監測的準確性，為提升河北地區的農業干旱監測、預警水平提供可靠的理論支撐和技術參考。

1 研究區概況和數據來源

1.1 研究區介紹

河北省地處36°05′～42°37′N、113°11′～119°45′E之間，屬于溫帶半濕潤半干旱大陸性季風氣候，大部分地區四季分明，春季干燥多風，夏季炎熱多雨，秋季涼爽晴朗，冬季寒冷少雨。地勢由西北向東南傾斜，西北部為山區、丘陵和高原，其間分布有盆地和谷地，中南部為廣闊的平原。河北平原是華北大平原的一部分，海拔多在50 m以下，占全省總面積的44%。受地形地勢以及海拔的影響，河北省冬小麥主要分布在中南部平原地區，主要集中在保定市、廊坊市、滄州市、石家莊市、衡水市、邢臺市、邯鄲市等地區。考慮到山區地形起伏對遙感數據的可靠性以及模型反演精度的影響，本研究將研究區域選取在河北省中南部平原地區[15](圖1)，采用ENVI5.0軟件從90 m數字高程模型(DEM)中沿西部山區提取100 m等高線獲得研究區域矢量圖，將其以東的平原地區作為研究區域，圖1給出了研究區域內土壤墑情站站點分布，土壤墑情站點資料來源于河北省氣象科學研究所。

1.2 數據來源

本研究所選取的中分辨率成像光譜儀(MODIS)遙感數據為美國國家航空航天局(NASA)官網上免費提供的MODIS全球植被指數16 d合成產品MOD13A2和地表溫度8 d合成產品MOD11A2，空間分辨率均為1 km，投影坐標需要由正弦變化到阿爾伯斯(Albers)等面積投影，時間為2010—2015年3—10月，分別對應2010—2015年065～177、273和289時段(設1月1日的時次為1，以此類推)，研究區景號為h27v5，遙感數據處理工具選用ENVI和MRT軟件[16]。

本研究所用的土壤墑情站土壤相對濕度數據和降水量數據均來源于河北省氣象局，其中土壤墑情數據分別包含10、20、50 cm不同深度下的土壤相對濕度數據，降水量數據為對應站點的逐日降水量數據。為了與衛星觀測時間分辨率保持一致，將逐日的土壤相對濕度數據和降水量數據處理成以 16 d 為單位的數據序列。

2 理論與方法

2.1 溫度植被干旱指數

Sandholt等對Ts-NDVI(地表溫度-歸一化植被指數)三角形特征空間進行研究，提出了溫度植被干旱指數，要求研究區域必須足夠大，涵蓋的地表覆蓋信息應該從裸土一直變化到完全植被覆蓋，土壤水分從缺乏到充足[11]。當研究區的植被類型和土壤含水量變化較小時，NDVI和Ts的散點圖呈梯形分布。TVDI的表達式：

(1)

Tmax=a1+b1×NDVI；

(2)

Tmin=a2+b2×NDVI。

(3)

式中：Ts為任意像元的地表溫度；Tmax為某一NDVI對應的最高地表溫度，對應Ts-NDVI特征空間的干邊；Tmin為NDVI對應的最低地表溫度，對應Ts-NDVI特征空間的濕邊；a1、b1、a2、b2分別是干邊和濕邊的擬合系數。從式(1)可以看出，TVDI與土壤濕度呈負相關關系，TVDI越大，土壤濕度越小，越干旱；TVDI越小，土壤濕度越大，越濕潤[17]。

2.2 植被供水指數

作物在受旱的情況下，植物供水不足，作物冠層通過關閉部分氣孔而減少蒸騰量，導致葉面溫度升高。因此，在一定生長發育期，作物冠層溫度的高低可視為量度作物受旱程度的一種標準。在綜合考慮植被指數和地表溫度的基礎上，提出了植被供水指數[18]，其定義見下式：

(4)

從式(4)可以看出，VSWI越小，干旱越嚴重；反之，VSWI越大，越濕潤。

2.3 植被狀態指數

作物在生長發育過程中，干旱缺水狀態不利于作物生長，植被狀態指數是利用衛星監測資料反演的植被指數，可反映作物生長變化狀況，進而反映干旱狀況。其定義如下[19]：

(5)

式中：NDVIi為某一特定年第i時段的NDVI值；NDVImax和NDVImin分別為多年同一時段NDVI的最大值和最小值。

3 結果與分析

3.1 構建地表溫度-植被指數(Ts-VI)特征空間

本研究收集了2010—2015年3—10月的植被指數16 d合成產品MOD13A2和地表溫度8 d合成產品MOD11A2，基于MOD11A2地表溫度數據和MOD13A2植被指數數據，分別提取Ts、NDVI、增強型植被指數(EVI)，借助ENVI軟件對研究區數據進行剪裁工作。由于MOD13A2產品和MOD11A2產品在時間上不匹配，需要將8 d的MOD11A2產品采用均值法合成為16 d的地表溫度值。利用ENVI/IDL二次開發編程技術，以0.01的NDVI/EVI步長間隔，分別提取2010—2015年3—10月對應的最大、最小地表溫度，以最大值、最小值合成法合成通用特征空間干、濕邊地表溫度[20-21]，通用特征空間合成流程見圖2，利用最小二乘法擬合Ts-NDVI和Ts-EVI 通用特征空間干、濕邊方程，擬合過程中根據方差逐步排除異常點的干擾，擬合結果如表1所示。

研究表明，通用特征空間的干、濕邊解決了單一時段特征空間邊界不穩定的問題，與單一時段特征空間相比，通用特征空間干、濕邊異常點明顯減少，擬合結果優于單一時段特征空間。濕邊反映作物水分脅迫條件，理論上濕邊方程應為1條斜率為0的水平直線，但由于MODIS產品數據生產過程中云剔除的不夠精確以及數據預處理的影響，濕邊方程有一定的斜率(斜率>0)或部分波動，通常情況下干、濕邊方程采用線性擬合方式。從表1可以看出，干邊線性擬合效果好于濕邊，濕邊斜率大多數小于干邊的擬合斜率，EVI與Ts的相關性整體高于NDVI與Ts的相關性。而且，在高值區NDVI較EVI更容易達到飽和，從式(6)和式(7)可以看出，NDVI增強了近紅外與紅光波段的對比度，其結果增強了低值部分，擬制了高值部分，在高值區容易飽和；EVI是在NDVI基礎上的改進，較好地解決了NDVI紅光飽和、土壤和大氣噪聲的影響[22]。由于近紅外波段反射率(NIR)對植被較為敏感，圖3給出了NDVI、EVI與NIR的散點圖。

表1 Ts-NDVI和Ts-EVI特征空間通用干邊方程和濕邊方程

注：表中所列方程均通過0.01信度檢驗。LSTd表示干邊的的地表溫度(K)，LSTw代表濕邊的地表溫度(K)。

從圖3可以看出，隨著NIR的變化，NDVI在0.2～0.8之間擬合效果相對較好，0.8以上部分基本趨于飽和，EVI對高植被覆蓋區域的變化較NDVI更為敏感，因此EVI在特征空間中更能體現出植被覆蓋的變化情況；與NDVI相比，EVI增強了干旱監測指數的敏感性，能更好地反映土壤濕度的變化情況。

(6)

(7)

式中：ρnir、ρred、ρblue分別代表近紅外波段反射率、紅光波段反射率、藍光波段反射率。

3.2 與土壤相對濕度(RSM)的相關性

為了分析不同干旱遙感監測模型在河北地區的適用性及適用范圍，采用EVI分別計算TVDI、VSWI、VCI干旱指數，利用土壤墑情站地面10、20、50 cm 3種深度土壤相對濕度數據對模型進行驗證。以2015年129時次(5月9日至5月24日)為例，圖4為TVDI、VSWI、VCI監測結果，圖5為同一時次10、20、50 cm深土壤的相對濕度，可以看出，TVDI、VSWI、VCI 3種干旱遙感監測模型反演的干旱空間分布情況與土壤墑情站觀測結果基本保持一致，出現旱情的地區基本集中在衡水南部、邢臺和邯鄲東部以及滄州、廊坊地區。圖6給出了2015年129時次(5月9日至5月24日)TVDI、VSWI、VCI 3種干旱遙感監測模型與10、20、50 cm不同深度土壤相對濕度的相關性。3種模型與10、20、50 cm深土壤相對濕度都具有一定的相關性；3種模型與10、20 cm的相關性明顯高于 50 cm，說明3種模型均對表層土壤相對濕度更為敏感，可以較好地反映0～20 cm表層土壤水分，對深層土壤水分響應效果相對較差，這可能是因為太陽輻射對表層土壤的影響效果強于深層土壤。

從表2可以看出，TVDI與10、20 cm土壤相對濕度的相關性整體好于VSWI、VCI，說明TVDI更適合河北省中南部平原地區的干旱監測，VSWI次之，VCI最差。分析冬小麥不同生長發育期與不同深度土壤相對濕度的相關性發現，在小麥返青期—拔節期(065、081時次)，植被指數相對較低，TVDI與10、20 cm土壤相對濕度的相關系數與VSWI相當，而到了拔節期—抽穗期(097、113時次)、抽穗期—乳熟期(129時次)、乳熟期—成熟期(145、161時次)，TVDI與RSM在10、20 cm 的相關性均高于VSWI，表明TVDI模型在中、高植被覆蓋下干旱監測能力優勢明顯。TVDI、VSWI綜合了植被指數和地表溫度2種參數，而VCI只是植被變化的表征。上述研究結論與前人研究結論存在一定差異，有人研究得出，TVDI與10 cm處RSM的相關性優于20 cm，50 cm最差，而本研究結果為20 cm處RSM的相關性優于10 cm，分析其原因可能是由于前人的土壤相對濕度驗證數據為人工觀測的，在樣本取樣時會加入人為判斷因素影響，而本研究的驗證數據選用的是2014年10月以后的自動土壤墑情站觀測數據，考慮到設備安裝以及田間管理等因素，20 cm處的數據采集結果較10 cm處更穩定，這可能是影響本研究結論與前人結論有所不同的原因。

3.3 對降水量的響應

TVDI干旱遙感監測模型可以較好地反映表層土壤水分狀況，而降水能夠引起土壤水分含量的變化，為了比較TVDI監測結果與降水量之間的關系，選取欒城區、魏縣、南宮市、黃驊市4個典型氣象站點的降水資料進行分析，4個站點在研究區域空間上分布較為均勻，且4個站點所在區域降水量有明顯差異。從圖7可以看出，總體上，TVDI對降水量的變化較為敏感，TVDI與降水量呈反相關關系，在一定時間段降水量較多時，TVDI值較低，旱情較輕；反之，降水量較少時，TVDI值較高，旱情變重。TVDI低值伴隨著較高的降水量；TVDI高值則伴隨著較低的降水量。在065時次(3月6日至3月21日)前期均無降水， 4個站點的TVDI值都很高， 旱情較為明顯；到了081～097時次(3月22日至4月21日)欒城、魏縣、黃驊、南宮的累積降水量分別為22.5、47.8、29.6、29.6 mm，降水過程均集中在3月31日至4月2日，為2015年首場透雨，可以看出，首場透雨對改善土壤墑情、緩解旱情非常有利，氣象部門抓住有利時機，在灌溉條件困難的地區開展人工增雨作業是十分必要的。隨著前期累積降水量的增大，TVDI值在一段時間內會保持在一個較低的水平，旱情較輕，即便后期降水量較少，仍不會出現較大的旱情，可見TVDI對前期總體降水量的響應較為敏感。

表2 河北省冬小麥不同生長發育期3種干旱遙感監測模型與不同深度土壤相對濕度的相關性

注：“*”表示通過0.05的信度檢驗，其余均通過0.01信度檢驗。

3.4 TVDI在FY3數據上的應用

FY3系列是我國自主研發的極軌氣象衛星，由FY3A、FY3B和FY3C組成，其搭載的可見光紅外掃描輻射計(VIRR)和中分辨率光譜成像儀(MERSI)與MODIS一樣具備多光譜和高時間分辨率的特點，表3給出了VIRR和MODIS部分波段介紹，其中VIRR的第1、2、7通道和MODIS的第1、2、3通道用于反演增強型植被指數EVI，VIRR的第4和第5通道、MODIS的第31和第32通道用于反演地表溫度，兩者的空間分辨率均為1 000 m[23-24]。

為了探討FY3與MODIS在干旱監測方面的差異，選用2017年3月9日14：14的FY3B VIRR數據和2017年3月9日13：53的AQUA衛星的MODIS數據(可以近似認為是同一時次)分別反演河北省中南部平原地區植被指數和地表溫度。為了方便計算，使用FY3B/VIRR第4波段和AQUA/MODIS第31波段的亮溫代替地表溫度，由圖8可以看出，FY3B-VIRR數據與AQUA-MODIS數據在植被指數和地表溫度上均具有較好的相關性，r2分別為0.54和0.41。

圖9是利用TVDI模型分別反演FY3B-VIRR和AQUA-MODIS的干旱空間分布，兩者的相關性見圖10。可以看出，AQUA-MODIS與FY3B-VIRR的TVDI干旱空間分布趨勢基本保持一致，FY3B-VIRR的TVDI細節更為明顯；兩者的TVDIr2為0.373，AQUA-MODIS的TVDI值比FY3B-VIRR的TVDI值略偏大；FY3在干旱監測能力上與MODIS基本相當，有力地證實了國產FY3衛星數據的可靠性和可用性較高。

表3 VIRR和MODIS通道波段

4 結論與討論

本研究以河北省中南部平原地區為研究區，采用MODIS衛星遙感數據，基于植被指數(NDVI、EVI)和地表溫度(Ts)等信息，構建Ts-VI特征空間，擬合干邊、濕邊方程，對比研究了TVDI、VSWI和VCI等3種干旱遙感監測模型在河北地區的適用性，得出以下結論：

(1)TVDI與不同深度土壤相對濕度的相關性最高，VSWI次之，VCI最差；3種模型與20 cm深土壤相對濕度相關性最高，10 cm深土壤的相關性次之，50 cm深土壤的相關性最差。說明TVDI模型更適合河北省中南部的干旱監測。

(2)在低植被覆蓋的情況下，TVDI與VSWI干旱監測能力相當，而在中、高植被覆蓋的情況下，TVDI優勢明顯；在高值區，NDVI較EVI更容易達到飽和，EVI對高植被覆蓋區域的變化較NDVI更為敏感。

(3)研究TVDI與降水量的關系發現，TVDI與降水量呈反相關關系，TVDI對前期總體降水量的響應較為敏感。

(4)FY3和MODIS的干旱空間分布高度一致，FY3在干旱監測能力上與MODIS基本相當。

由于MODIS數據為1 000 m空間分辨率數據，土壤墑情站地面實測數據為點數據，兩者在空間尺度上差異較大，今后可以考慮引入更高分辨率的遙感數據進行分析。另外，不同干旱遙感監測模型都有其適用性和局限性，考慮到利用植被指數、地表溫度等多因子構建的模型結果優于單因子，在今后的模型研究中，應引入其他因子進行模型改進。