通用溫度-植被指數特征空間農田干旱遙感監測

陳亮，張超，常斌，呂鵬

(1.黃河水利委員會信息中心，鄭州 450004；2.濟陽黃河河務局，濟南 251400)

0 引言

隨著全球氣候變暖、干旱持續嚴重，社會快速發展、人口不斷膨脹，水資源匱乏日益加劇，干旱缺水已經成為社會經濟面臨的日趨嚴峻的關鍵問題之一。旱災是我國農業生產的最大威脅，波及范圍廣、歷時長，每年直接經濟損失達4～7億元，占我國農業自然災害損失的近60%[1]。采用科學有效的手段動態監測農田旱情發展變化，及時發現干旱程度、范圍和發展趨勢，動態評估抗旱效果，為水資源調度與管理提供依據，對提高抗旱減災成效、減小干旱災害損失具有重要意義。

隨著遙感技術發展，數據源日益豐富，衛星遙感干旱監測技術取得重大進展，建立了多種干旱(土壤含水量)監測指數，常見的主要包括：歸一化植被指數、距平植被指數、植被狀況指數、增強植被指數(normalized difference vegetation index，NDVI)、歸一化水分指數、垂直干旱指數、修正垂直干旱指數、半干旱區水分指數、表觀熱慣量、溫度狀況指數、植被健康指數、植被供水指數、溫度植被干旱指數(temperature vegetation dryness index，TVDI)、條件植被溫度指數、作物缺水指數、微波集成干旱指數等[2-3]。考慮到土壤含水量受土壤、降水、植被狀況、地表溫度等多個因素影響，一些學者提出了基于多個指數的綜合干旱指數，如基于歸一化植被指數和表層水分含量指數的農田淺層土壤濕度指數[4]，綜合地表干旱指數[5]，綜合植被供水指數和歸一化水分指數的作物根系土壤含水量監測指數[6]，基于歸一化植被指數、帕爾默干旱強度指數、標準降水指數等研發了植被干旱響應指數[7]。

TVDI是利用地表溫度-植被指數特征空間(land surface temperature-normalized difference vegetation index，Ts-NDVI)建立的干旱指數，具有明確的生物物理意義，得到了廣泛應用。劉星含等[8]利用TVDI進行2007—2012年新疆干旱變化趨勢分析。張文鴿等[9]利用數字高程模型和緯度修正地表溫度改進TVDI指數，進行河南省干旱監測。TVDI易受地表濕度、植被覆蓋和衛星觀測狀態影響，導致地表溫度-植被指數特征空間干、濕邊不穩定，單一時段Ts-NDVI特征空間難以代表理論邊界。蘇永榮等[10]基于能量平衡方程和TVDI提出定量干濕邊選取方法和改進的TVDI模型，該模型參數較多、計算復雜。孫威等[11]、于敏等[12]利用多年歷史同期Ts、NDVI數據構建通用特征空間，改進了條件植被溫度指數，該方法模型參數都可從遙感影像獲取，計算簡單。本文基于2006—2015年MODIS數據構建小麥生長關鍵期旬通用Ts-NDVI特征空間，研究基于改進TVDI的農田干旱遙感監測方法，并在河南省小麥種植區進行驗證與應用分析，為流域水資源調度和灌區農田管理提供旬農田干旱監測數據支持。

1 方法

1.1 Ts-NDVI理論特征空間

Price[13]研究表明，當研究區地表覆蓋滿足從裸土到完全植被覆蓋的地表覆蓋條件、土壤含水量滿足從完全干旱到田間持水量的濕度條件時，地表溫度和植被指數的散點圖呈三角形或梯形，如圖1所示。圖1中，B點和C點分別代表裸土和植被完全覆蓋地表，從B點到C點植被覆蓋度逐漸增加；BC為濕邊，土壤含水量最大，即地表蒸散接近潛在蒸散；AC為干邊，土壤含水量最小，地表無蒸發。

圖1 Ts-NDVI特征空間

1.2 通用Ts-NDVI特征空間

受空間范圍、地表覆蓋類型等因素的限制，監測區域常常不能完全滿足地表覆蓋從裸土到植被完全覆蓋、地表土壤含水量從無蒸散到潛在蒸散的條件，使用單一時段遙感影像進行Ts-NDVI特征空間構建時，干、濕邊難以同時達到理論特征空間的邊界條件。當監測區域內十分干旱時，地表土壤含水量普遍偏小，單一時段特征空間的濕邊較理論濕邊高；當監測區內十分濕潤時，地表土壤含水量普遍偏大，單一時段特征空間的干邊較理論干邊低。對于某一區域，在較長時間序列內，一般會有豐水年和枯水年，發生不同程度的干旱，植被覆蓋度也有變化。采用長時間序列歷史同期遙感數據進行合成處理，近似得到理論特征空間地表覆蓋和濕度的設定條件，解決單一時段Ts-NDVI特征空間的不足。歷史數據時間序列越長，合成的特征空間越接近理論特征空間。

本文采用于敏等[12]提出的方法構建旬通用Ts-NDVI特征空間：利用某一時間序列內每年同一旬地表溫度和植被指數構建單一時段旬Ts-NDVI特征空間，提取旬Ts-NDVI特征空間干、濕邊上的點；利用各年份單一時段旬Ts-NDVI特征空間干、濕邊上的點重新構建旬特征空間，即旬通用特征空間，采用最小二次方程法進行線性擬合得到干、濕邊方程。

1.3 TVDI指數

TVDI的概念由Sandholt等[14]提出，TVDI的定義為：

(1)

TMIN=a+b*NDVI

(2)

TMAX=c+d*NDVI

(3)

式中：T為地表溫度，NDVI為植被指數；TMIN為通用特征空間濕邊，在濕邊上TVDI為0，a、b為濕邊系數，由濕邊線性擬合得到；TMAX為通用特征空間干邊，在干邊上TVDI為1，c、d為干邊系數，由干邊線性擬合得到。TVDI越大，土壤含水量越低；反之，TVDI越小，土壤含水量越高。

1.4 土壤含水量反演

在Ts-NDVI的特征空間中，存在一系列土壤含水量的等值線，可近似認為相交于干、濕邊的交點，并且等值線可近似為直線，直線的斜率可以反映土壤含水量狀況，且直線的斜率與土壤含水量可描述為一元線性函數關系[15]。根據這一關系，建立土壤含水量反演模型估算每個像元的土壤含水量[16]：

RSM= RSMW-TVDI*(RSMW-RSMD)

(4)

式中：RSM表示某一像元土壤相對含水量；RSMW是濕邊對應的土壤相對含水量，其值取1；RSMD是干邊對應的土壤相對含水量。

根據土壤墑情監測站土壤含水量觀測數據和對應站點的TVDI值得到干邊上土壤相對含水量值為：

(5)

式中：RSMDi為干邊土壤相對含水量；yi為實測的土壤相對含水量；xi為對應的TVDI值。

為減小計算誤差，選取發生干旱的墑情站點的土壤含水量觀測數據計算干邊土壤相對含水量，并取其平均值，計算如下：

(6)

2 研究區和數據

2.1 研究區

河南地處暖溫帶，南部跨亞熱帶，屬北亞熱帶向暖溫帶過渡的大陸性季風氣候，具有四季分明、雨熱同期和氣象災害頻繁的特點。干旱是河南省發生頻率高、影響范圍大、持續時間長、成災程度嚴重的農業氣象災害，主要有春旱、夏旱和秋旱[17]。主要農作物為小麥、玉米，作物種植模式以小麥玉米輪作為主。

2.2 研究數據

本文采用MODIS數據進行Ts-NDVI特征空間構建和干旱監測研究，采用地面實測土壤含水量進行模型建立和驗證。通用特征空間構建采用2006—2015年小麥生長關鍵期(2—4月)1 km地表溫度和500 m NDVI的MODIS旬合成產品數據，來源于中國科學院計算機網絡信息中心國際科學數據鏡像網站(http：//www.gscloud.cn)。結果驗證和干旱監測應用選用2011—2015年、2017年2—4月數據質量良好的MODIS MYD09GA和MYD11A1日產品數據，來源于https：//ladsweb.modaps.eosdis.nasa.gov。實測土壤含水量數據選用河南省41個土壤墑情監測站的同期觀測數據，觀測土層深度為10～40 cm。

3 結果與分析

3.1 通用Ts-NDVI特征空間構建

利用1.2節通用特征空間構建方法，進行旬通用特征空間構建，3月上旬通用特征空間和單一時段特征空間如圖2所示。

圖2中，不同年份單一時段特征空間干、濕邊差異較大，如2008、2013年等偏旱年份，特征空間的濕邊明顯偏高，2007、2015年等濕潤年份，特征空間的干邊明顯偏低，2012年受到云、霾等影響，特征空間的干、濕邊十分接近。通用特征空間由各年份干、濕邊合成得到，其干邊高于各單一時段，濕邊地表溫度低于各單一時段。各旬通用Ts-NDVI特征空間干、濕邊方程見表1。

圖2 3月上旬單一時段特征空間及通用特征空間

表1 各旬通用特征空間干、濕邊方程

3.2 TVDI與土壤含水量的相關性分析

選用2011—2015年2—4月各旬內數據質量良好的MODIS MYD09GA和MYD11A1產品數據，分別采用旬通用特征空間和單一時段特征空間兩種方法對各期影像進行TVDI指數計算。以旬為分析單元，對同一旬內各年份不同日期TVDI指數與同期0～40 cm實測土壤相對含水量進行相關性分析，相關系數見表2。基于通用特征特征空間的TVDI指數值與實測數據的相關性較好，都通過了0.01顯著性水平檢驗，且相關系數都高于單一時段特征空間。

表2 TVDI與土壤含水量的復相關系數

注：**代表通過0.01顯著性檢驗，*代表通過了0.05顯著性檢驗

表2中，單一時段特征空間的相關系數最小為0.126，最大為0.611。與之相比，通用特征空間的相關系數都有所提高，最小為0.363，最大為0.673，相關系數平均提高了0.15，其中3月中旬提高幅度最大，提高了0.342。通用特征空間綜合了該地區不同年份地表覆蓋和土壤含水量變化，一定程度上彌補了單一時段特征空間難以滿足地表覆蓋從裸土到植被完全覆蓋、地表土壤含水量從無蒸散到潛在蒸散的理論假設條件，構建的指數穩定性更強。

3.3 基于通用特征空間的TVDI土壤含水量估算結果驗證

選擇數據質量較好的2017年3月8日、3月26日和4月22日的MODIS數據進行結果驗證與應用分析。基于構建的旬通用特征空間計算TVDI指數，并進行土壤含水量反演。將41個土壤墑情監測站的實測結果與估算結果進行對比，見圖3。

圖3 實測土壤含水量與估算土壤水量對比

圖3中，3期遙感影像估算的土壤含水量都與實測0～40 cm土壤相對含水量變化趨勢基本一致，不同時期之間的變化趨勢也基本一致，土壤含水量整體呈現逐漸減小的趨勢。

采用絕對誤差和均方根誤差對估算土壤含水量與實測土壤含水量進行誤差分析，見表3。與實測土壤含水量相比，估算結果的絕對誤差小于10%，均方根誤差小于11%。3月8日的誤差最小，4月22日誤差最大。結合圖3對比分析可知，遙感影像的土壤含水量估算值比實測土壤相對含水量整體偏低，4月22日估算結果偏差最大。這是因為該時間段研究區主要農作物正處于小麥拔節抽穗期，田間植被覆蓋度較高，而且NDVI值不斷增大[18]，NDVI在TVDI干邊擬合過程中，存在干邊偏移的問題，即隨著NDVI的逐漸增大，擬合干邊將不再與真實干邊重合，而是向下偏移，從而導致TVDI在NDVI高值區偏大，估算的土壤含水量偏低[19]。

表3 估算土壤含水量與實測土壤含水量誤差分析

3.4 干旱監測應用分析

根據TVDI監測結果制作河南省小麥干旱監測專題圖，見圖4～圖6。監測結果與墑情站點變化趨勢基本一致，監測時段內旱情逐步發展。3月8日大部分區域墑情適宜(RSM>60%)，輕旱(60%≥RSM>50%)面積為442 km2，旱情零星分布；至3月26日旱情蔓延，輕旱面積擴大到1 813 km2；至4月22日旱情進一步加重，受旱面積為5 916 km2，輕旱面積達到5 650 km2，中旱(50%≥RSM>40%)面積為266 km2，旱情主要分布在河南省西部和南部供水條件較差的丘陵和山崗地區。

圖4 2017年3月8日河南省小麥干旱監測

圖5 2017年3月26日河南省小麥干旱監測

圖6 2017年4月22日河南省小麥干旱監測

4 結束語

采用2006—2015年MODIS數據，構建小麥生長關鍵期旬通用Ts-NDVI特征空間，利用改進的TVDI指數建立土壤含水量反演模型，結合實測土壤含水量數據進行農田干旱監測結果驗證與應用分析。結果表明，與單一時段特征空間相比，通用特征空間能夠綜合不同年份的地表覆蓋和土壤含水量變化情況，構建的TVDI指數具有更好的穩定性，與實測土壤含水量的相關性通過了0.01顯著水平檢驗，土壤含水量估算結果的絕對誤差小于10%，均方根誤差小于11%。研究建立的基于通用特征空間改進的TVDI干旱監測方法有效地監測農田旱情發展變化。但是，受MODIS數據空間分辨率限制，將來需開展與更高空間分辨率遙感影像的同化研究，進一步提高干旱監測精度。