基于AMSR2微波植被指數與地表溫度的旱情分析

周俊利, 薛華柱, 董國濤, 樊 東, 劉啟興, 賈培培

(1.河南理工大學 測繪與國土信息工程學院, 河南 焦作 454000;2.黃河水利委員會黃河水利科學研究院 水利部 黃土高原水土流失過程與控制重點實驗室, 鄭州 450003)

干旱是世界范圍內普遍存在的自然現象，干旱的頻繁發生，嚴重影響了生態平衡及經濟發展，因此研究干旱的時空變化規律，對干旱災害的認識及預防有重要意義。干旱監測一直以來都是科學界的難題，傳統的監測方法需要投入大量的人力物力，且獲得的數據信息范圍較小，難以反映大范圍的干旱情況。基于衛星遙感的干旱監測具有覆蓋范圍廣、空間分辨率高、數據獲取方便快捷等優點，已經成為干旱監測領域很有潛力的一個的方向[1]。孫秀邦等[2]基于植被葉片在干旱情況下氣孔關閉，表面溫度升高，葉面積指數降低的規律，利用植被指數NDVI與地表溫度LST反演出供水植被指數WSVI(Water Supply Vegetation Index)，該指數在干旱監測中起到了一定的監測作用。Price等[3]在MODIS地表溫度數據LST與歸一化植被指數NDVI構建特征空間的基礎上，提出了溫度植被旱情指數(temperature vegetation dryness index TVDI)，該指數在監測地表干旱方面是一個重要的指數，已廣泛應用到干旱監測之中[4-8]。

目前運用較成熟的干旱監測指數大多基于歸一化植被指數NDVI與地表溫度LST數據，由于歸一化植被指數NDVI在高緯度地區容易飽和[9]，年時間過程的季節性不明顯[10]，而且地表溫度LST易受天氣情況影響(如云層、霧霾)從而反演出的旱情監測指數有較大的誤差，不能準確得出相應地區的干旱情況。另外，基于光學遙感的植被指數大多只能探測植被表面，在反應植被生長信息方面有一定的惰性。

相較于光學遙感，微波遙感不受太陽照射、大氣、云層、降水等因素的限制，具有全天時和全天候工作的能力，對植被木質部生物量、植被類型以及土壤含水量等具有非常強的敏感性，可以探測到相對較厚的植被層[11]。同時微波數據的數據量低，數據處理較簡單，更適用于大范圍、長時序的植被實時監測[12]。星載被動微波傳感器因其穿透力較強、天氣影響較小、數據更新快等優點，在對地觀測中扮演著重要的角色，為地表參數反演及及地球環境變化的研究提供了重要的數據[13]。搭載著第二代先進微波輻射成像儀(AMSR2)的“第一輪衛星計劃之全球水圈變化觀測衛星”(GCOM-W1)于2012年7月4日發射進入極軌[14]。AMSR2具有14個亮溫觀測通道，分布于7個不同的中心頻率：6.9，7.3，10.6，18.7，23.8，36.5，89 GHz[15]。與之前的AMSR_E相比，AMSR2增加了7.3 GHz的兩個通道，目的是在觀測時避免無線電頻率的干擾[16-18]。利用微波亮溫數據反演得出的微波植被指數在全國植被區與光學植被指數NDVI均具有良好的相關性[19-22]。目前較常用的微波植被指數主要有MPDT，MPDI，MVI這3種[23]，尤其是微波穿透指數MVI、微波極化差異指數MPDI與光學植被指數NDVI具有相關性的像元個數最多[24]。微波植被指數已被應用到部分地區的干旱監測中去。王永前等[25]采用第一代微波輻射成像儀AMSRE反演出微波穿透指數MVI，構建微波旱情指數TMVDI，并與光學旱情指數TVDI進行對比分析，結果顯示基于微波的旱情指數更加適于旱情監測。

本文以黃河流域為研究區，基于2012年7月—2016年12月期間的MODIS植被指數產品與AMSR2垂直水平極化亮溫數據，計算微波穿透指數MVI與微波極化差異指數MPDI18，MPDI36.5，并與MODIS地表溫度產品構建特征空間，分別反演出微波旱情指數TMVDI，TMPVDI18，TMPVDI36.5；在此基礎上利用趨勢分析法分析各旱情指數在黃河流域內干旱變化情況及趨勢，以及降雨因素對干旱指數的影響。

1 研究區概況與數據源

1.1 研究區概況

黃河流域位于東經95°53′—119°14′，北緯32°9′—41°51′，西起巴顏喀拉山，東至渤海，南臨秦嶺，北抵陰山，流域面積75.2萬km2。黃河流域幅員遼闊，橫跨第一、第二、第三階梯，流經青海、四川、甘肅、寧夏、內蒙古、陜西、山西、河南、山東9個省區。流域內山脈眾多，地型復雜，地貌類型多樣，從西到東橫跨青藏高原、內蒙古高原、黃土高原和黃淮海平原4個地貌單元，流域地勢西高東低，西部河源地區平均海拔在4 000 m以上，由一系列高山組成，常年積雪，冰川地貌發育；中部地區海拔為1 000～2 000 m，為黃土地貌，水土流失嚴重；東部海拔多不超過50 m，主要由黃河沖積平原組成。流域內地形及氣候的多樣性使得流域內旱情差異較大，不僅在時間上旱情變化顯著，在不同地區旱情分布也大不相同。

1.2 數據與處理

1.2.1 數據來源

(1) 光學數據產品選取搭載在TARRA衛星上的中分辨率成像光譜儀Moderate Resolution Imaging Spectroradiometer(MODIS)提供的地表溫度產品MOD11A2與植被指數產品MOD13A3。MOD11A2地表溫度產品空間分辨率為1 km，時間分辨率為8 d，采用最大值合成法(MVC)合成為月地表溫度產品，植被指數數據采用MODIS三級產品MOD13A3。MOD13A3植被產品空間分辨率為1 km×1 km，算法吸收全部16 d覆蓋全月的產品，采用時間加權平均值法計算得來。數據由美國國家航空航天局(NASA，https:∥ladsweb.modaps.eosdis.nasa.gov/)下載。數據格式為正弦投影的HDF格式，時段與微波數據保持一致。光學植被指數數據集經投影轉換、波段計算、研究區裁剪，提取黃河流域2012年7月—2016年12月植被指數數據集。

(2) 微波數據采用的AMSR2數據為10 km分辨率的水平垂直極化化亮溫數據，時間序列為2012年7月—2016年12月，頻率選取10 GHz，18 GHz與36.5 GHz的水平垂直極化亮溫數據，微波數據由日本宇宙航空研究開發機構(Japan Aerospace Exploration Agency：http:∥gcom-w1.jaxa.jp/index.html)網站下載。對AMSR2亮溫數據進行投影轉換、波段計算、裁剪等預處理，采用最小值合成法來消除背景值的影響，計算出每月各頻率水平垂直極化亮溫數據。

(3) 氣象站點降雨實測數據為中國氣象數據網(http:∥data.cma.cn/site/index.html)下載的全國氣象站點數據。利用研究區內站點站號，通過IDL編程提取出黃河流域內76個氣象站點逐月降雨，利用反距離權重法插值為黃河流域降雨柵格數據。

1.2.2 數據處理原理

(1) 溫度植被旱情指數。研究表明：植被指數與地表溫度之間存在負相關關系，且植被指數與地表溫度散點圖呈現三角形的關系[26-28]，Sandholt等[28]基于植被指數與地表溫度的這種關系建立了溫度植被旱情指數(TVDI)，公式如下：

(1)

式中：Tsmin是指研究區內某一時期的同一NDVI值所對應的最低地表溫度值，即濕邊；而Tsmax是指該NDVI值在相同時間所對應的最高地表溫度值，與其對應的是干邊。Ts為研究區內任意像元地表溫度值。將Ts—NDVI特征空間(即植被指數與地表溫度構成的二維散點圖)簡化為三角形，同時將Tsmin，Tsmax與NDVI進行線性擬合，擬合結果公式如下：

Tsmax=a1+b1×NDVI

(2)

Tsmin=a2+b2×NDVI

(3)

式中：a1，b1是濕邊擬合方程的系數；a2，b2是干邊擬合方程的系數。

(2) 微波植被指數。微波穿透指數MVI與微波極化差異指數MPDI計算方法如公式(4)，(5)所示：利用以下兩公式計算出植被穿透指數MVI、微波極化差異指數MPDI。

(4)

(5)

式中：TBv(f1),TBh(f1)分別為頻率為f1的垂直和水平極化亮溫值；TBv(f2),TBh(f2)分別為頻率為f2的垂直和水平極化亮溫值。

2 分析方法

2.1 旱情指數趨勢分析

不同旱情指數數據集在時空上的變化趨勢有所不同，本文采用趨勢分析法分析各旱情指數在黃河流域內變化情況及趨勢。

趨勢分析法：

(6)

2.2 旱情影響因素分析

本文采用相關分析法分析各旱情指數與氣象站點實測降雨數據間的相關關系。黃河流域幅員遼闊，不同地區地貌、氣候差異較大，對全流域旱情指數與降雨數據進行整體顯著性分析，不能準確地反映出流域內旱情指數與降雨數據的顯著性。本文基于黃河流域區域地貌、氣候特征，將黃河流域劃分為源區、河潼區間、河龍區、北洛河、汾河、涇河、渭河7個區域，其中河潼區間為中游較大區域，包括河龍區、渭河、汾河、北洛河。分區統計旱情指數與降雨數據的顯著性，從而消除因不同地區地貌、氣候等差異引起的誤差。計算方法為：

(7)

3 結果與分析

3.1 旱情指數時空變化分析

3.1.1 旱情指數長時序變化分析 光學旱情指數TVDI與微波旱情指數TMVDI，TMPVDI18，TMPVDI36.5長時間序列均值變化如圖1所示：整體來說光學旱情指數與微波旱情指數變化周期相同，光學旱情指數與微波旱情指數數值值域相近，且變化范圍也大致相同，然而光學旱情指數數TVDI值整體略大于微波旱情指數值。各旱情指數在2012年7月—2014年8月時段、2016年全年時段數值變化周期穩定，振幅明顯；而2014年9月—2015年12月，各旱情指數周期變化紊亂，波峰波谷不明顯，光學與微波旱情指數皆在0.65上下波動。

圖1不同旱情指數變化時序

旱情指數的變化與光學、微波植被指數的變化有密切關系，各旱情指數均能反映出由植被指數變化引起的變化波動。微波旱情指數整體變化趨勢與光學旱情指數變化趨勢大致相同，各旱情指數值變化波動一致。相同時段內光學與微波植被指數的變化周期及波動也相同。不同時段植被指數與旱情指數也有較明顯的變化關系，2014年、2015年黃河流域光學、微波植被指數變化均存在異常變化，其中2014年7月、8月份達到植被指數的多年最大值，2015年后回落，各旱情指數在相同時段內也隨之變化，如2014年、2015年光學與微波旱情指數變化趨勢較平緩、變化周期不明顯，波峰較小，波谷較大。

3.1.2 旱情指數空間變化趨勢分析 如圖2所示，各旱情指數斜率變化空間分布大致相同，其中上游黃河源區旱情指數變化斜率均為正值，且斜率值較大，瑪曲水文站以上至黃河源頭區域變化斜率達到最大。中游地區葫蘆河區域、清水河上游、涇河上游及馬蓮河區域旱情指數變化斜率較大，渭河流域中游部分區域旱情指數變化斜率與周圍地區變化斜率呈明顯不同，該區域旱情指數斜率變化整體為正值，部分區域斜率達到0.003以上，而周圍地區旱情指數變化斜率均為負值或0～0.001范圍內，中游地區包頭、鄂爾多斯、呼和浩特市區域旱情指數變化斜率數值也較大。中游毛烏素沙漠地區旱情指數變化斜率較小，大部分為負值，除此之外，湟水流域、汾河流域及伊洛河流域旱情指數變化斜率也為負值。

黃河流域旱情指數變化斜率空間分布差異較大，其中上游黃河源區多為高寒草甸，植被生長分布情況較好，水源豐富，旱情指數多呈現穩定不變。中游旱情指數變化的因素多為植被生長的影響，內流區毛烏素沙漠地區干旱少水，植被分布較差，變化斜率多為零值或負值。旱情指數變化斜率較大的區域集中在河套平原包頭、鄂爾多斯、呼和浩特等地區。渭河中下游寶雞、西安、渭南地區旱情指數變化斜率呈兩極化分布，變化原因與當地經濟發展及城市擴張等經濟因素相關。

圖2 旱情指數變化斜率空間分布

3.2 旱情指數-降雨相關性分析

3.2.1 旱情指數—降雨顯著性檢驗 黃河流域降雨數據與旱情指數數據進行逐像元顯著性分析結果如表1所示：光學、微波旱情指數與降雨數據的區域均值相關性符合理論值，即呈負相關關系。然而河龍區旱情指數與降雨的相關系數數值均較小，微波旱情指數與降雨數據的相關系數均為負值，而光學旱情指數與降雨數據的相關系數為正值，相關系數為0.084。

黃河源區各旱情指數與降雨數據均達到了極其顯著水平，即顯著性小于0.01；河潼區間作為最大的分區區域，各旱情指數與降雨也通過了顯著性檢驗，其中微波旱情指數與降雨數據達到了極其顯著水平；河龍區光學旱情指數與降雨數據顯著相關，即顯著性小于0.05，河龍區各微波植被指數與降雨數據為極其顯著相關，即顯著性小于0.01；北洛河、汾河、涇河、渭河區域各旱情指數與降雨數據的顯著性達到了極其顯著水平。

表1 旱情指數與降雨數據分區顯著性分析

注：*為顯著性小于0.05；**為顯著性小于0.01。

3.2.2 旱情指數—降雨相關性分析 旱情指數與降雨的逐像元相關分析如圖3所示：整體來說，旱情指數與降雨數據主要為負相關關系，其中光學旱情指數TVDI與降雨數據的相關系數整體高于微波旱情指數TMVDI，TMPVDI36.5，TMPVDI18，光學旱情指數負相關區域少于微波旱情指數，如黃河源區等；微波旱情指數與降雨數據的相關系數空間分布整體較好，如渭河、涇河、北洛河、汾河、伊洛河流域等。

降雨與旱情指數的相關關系理論上來說應呈負相關關系，然而由于地區緯度高低、旱情影響因素(植被、降雨)等影響，在不同地區呈現不同的相關性。黃河流域光學、微波旱情指數與降雨的空間相關分布圖顯示：光學、微波旱情指數與降雨像元相關系數呈現北高南低的趨勢，其中無定河流域與苦水河流域北部邊界為大致分界線，北部相關系數多為正值且相關系數整體較小，如河套平原、毛烏素沙漠、內流區等地；南部地區相關系數多為負值，如黃河源區、涇河、渭河、北洛河、汾河等流域，且相關系數大多集中在(-0.8，-0.4)范圍內，即黃河流域南部地區旱情指數與降雨的相關性與理論上較吻合。光學旱情指數—降雨的相關系數像元數值整體較大，且正值區域較多，其原因與光學傳感器有關，光學植被指數在較高緯度地區容易飽和且在植被指數較差的時段與區域易出現植被指數與現實不吻合。微波不受云層等影響，穿透性強，對地面地物實際的反射光譜捕捉較準確，反演出的植被指數能更準確地反映實時生長情況，微波植被指數與降雨的相關性也更能接近理論值。

旱情指數與降雨相關分析像元個數統計如表2所示：流域內旱情指數與降雨相關系數主要呈負相關關系，各旱情指數與降雨數據負相關關系區域主要集中在顯著性小于0.05的區域，如黃河源區、渭河、涇河、汾河流域等，負相關系數集中在(-1,0)，(-0.8，-0.4)范圍內負相關像元個數較多，且負相關區域占全流域面積65%以上；旱情指數與降雨的正相關區域較少，主要集中在(0,0.4)，正相關系數在0.4以上的像元較少，占全流域面積的不到10%，正相關性較低。

表2 旱情指數-降雨數據相關系數像元統計 %

4 結論與展望

4.1 結 論

(1) 基于微波穿透指數MVI、微波極化差異指數MPDI18，MPDI36.5反演的微波旱情指數TMVDI，TMPVDI36.5，TMPVDI18在黃河流域干旱監測中具有很好的適用性，旱情變化趨勢監測效果與光學旱情指數大致相同。(2) 各微波旱情指數像元變化斜率與光學旱情指數像元變化斜率空間分布趨勢大致相同，微波旱情指數變化斜率的反應更明顯。(3) 光學與微波旱情指數像元時空分布規律及大小均有明確的規律性。在黃河流域大部分區域微波旱情指數與降雨均具有良好的相關性，且微波旱情指數與降雨的相關性在黃河流域南部更加接近理論值，在相關性較差的黃河流域北部，微波旱情指數在旱情與降雨的相關分析中也較光學旱情指數好。

4.2 展 望

微波植被指數在旱情監測中還具有一定的缺陷，首先，旱情指數反演因子—地表溫度數據為光學數據，光學數據易受天氣等影響，局限性較大，且微波數據尚未有地表溫度數據產品發布，若全部采用微波數據反演旱情指數，在旱情監測中相信會有明顯的提升。然而微波數據的空間分辨率較粗，均為10 km以上，尚不能進行小范圍內旱情指數的反演及監測，找尋一種合適的降尺度方法對微波旱情指數進行降尺度，這在旱情指數的監測及運用中是亟待解決的。