基于不同植被指數TVDI和VSWI模型的焉耆盆地土壤濕度反演

迪里胡瑪爾·阿汗木江，玉素甫江·如素力，2，買合木提江·維吉旦，張發，陳世雪，亞夏爾·艾斯克爾

（1.新疆師范大學地理科學與旅游學院/流域信息集成與生態安全實驗室，烏魯木齊 830054；2.新疆干旱區湖泊環境與資源重點實驗室，烏魯木齊 830054）

土壤濕度是大氣及陸地表面水分交換的重要指標之一，直接影響著地球生態環境的氣候變化和水循環［1-3］。因此穩定、正確、實時檢測土壤濕度對一個地區的水文、氣候、農業等方面起重要作用［4］。以土壤濕度為參數，可以實現科學的氣候環境變化監控與測量，在監測作物農業水管理、農作物旱情、地區氣候轉變以及地表植物蒸散等方面作用重大［5］。在進行陸地過程模式的分析時，全球和區域尺度的土壤濕度信息是不可缺少的參數，遙感技術是進行區域土壤濕度監測的一種重要手段［6］。

目前國內外在反演土壤濕度方面已經進行了大量研究。土壤濕度遙感監測方法主要有作物植被指數法、熱慣量法、微波遙感法、熱紅外遙感法等［7-11］。在眾多遙感監測方法中TVDI法和VSWI法近年來比較常用。Price［12］、Son等［13］、Patel等［14］基于地表植被覆蓋度以及地表溫度之間的關系，提出溫度植被干旱指數（TVDI），它是反映植被生長狀況和生境供水不足的定量指標，可用于區域土壤濕度監測；Meng等［15］利用不同方法對TVDI反演模型進行修改，使TVDI監測干旱的精度顯明提高；VSWI法也是常用在土壤濕度遙感監測方法之一，張潔等［16］選用VSWI、NMDI與相應的土壤濕度數據進行回歸分析，實現了土壤濕度的估算及旱情監測；田鑫等［17］利用VSWI和TVDI法實現了研究區灌域耕地灌溉面積的提取。TVDI法與VSWI法雖已得到廣泛的應用，但利用同數據源得到不同指數的比較分析較少。

新疆的焉耆盆地在中國的西北部，處于干旱區，屬于南天山褶皺斷塊山系，是半封閉的大面積山間盆地，是塔里木河流重要組成部分。目前，在有關焉耆盆地所開展的分析中，多基于水文循環、土地利用、土地覆蓋變化以及綠洲生態評估等方面進行［18，19］，有關土壤濕度時空分布變化特征的分析并不常見。本研究考慮對植被蓋度敏感性不同的植被NDVI、EVI、MSAVI以及SAVI，以焉耆盆地作為分析區域，對差異化植被指數下TVDI以及VSWI模型情況的檢測效果進行計算對比，將土壤濕度反演效果較優的植被指數加以明確，進而分析焉耆盆地的時空分布狀況，為焉耆盆地有關水資源保護以及生態環境質量方面的研究提供科學基礎。

1 研究區概況

焉耆盆地（41°23′—42°42′N，86°29′—87°31′E）屬于新疆巴音郭楞蒙古自治州（圖1），總面積達8 932 km2，海拔1 050～2 000 m，地勢表現為西部高東部低，北部高南部低的狀態，是干旱半干旱區，暖溫帶大陸性干旱氣候，降水不高、熱量充沛，年均降水量為75～200 mm，山區和綠洲平原區的年平均氣溫為-4.84～8.6℃，相對濕度為50%～60%，年蒸發量在2 000～2 500 mm［20］。盆地熱量與光照資源豐富，是典型的綠洲-荒漠交錯區域。區內主要水域包括開都河、清水河和黃水溝等［21］。因為盆地綠洲在自然地理條件上比較特殊，很適合發展農業，自1950年，特別是1970年以來，由于改革開放的推進，促使農用耕地范圍不斷擴大，地區農業耕地面積持續增加，該區域的人類活動所產生的影響較為顯著，因此，利用高分辨率遙感數據實現大范圍、高精度的土壤濕度實時測量以及有關因素的分析，對焉耆盆地進行區域設計、水資源應用以及生態安全評估等方面有重要意義。

2 數據來源及研究方法

2.1 數據來源

2.1.1 遙感數據 采用的數據為Landsat 8 OLI影像數據，空間分辨率為30 m，成像時間為2020年10月，數據行列號為143/31，數據來源于http：//glovis.gov/。本研究首先對遙感影像進行格式轉換和FLASH大氣糾正，然后根據實地獲取的地面控制點進行幾何校正，校正誤差控制在1/3個像元之內。將Landsat 8影像數據處理之后計算地表溫度（Ts）、歸一化植被指數（NDVI）、增強型植被指數（EVI）、改進的修正土壤調整植被指數（MSAVI）、土壤調整植被指數（SAVI），利用以上不同植被指數和地表溫度值計算出TVDI數字影像，不同植被指數的計算公式見表1。

表1 植被指數的計算公式

2.1.2 氣象數據 土壤濕度精度驗證數據來自中國氣象數據網（http：//data.cma.cn/）“中國氣象局陸面數據同化系統（CLDAS）土壤相對濕度分析產品V2.0”。深度0～10 cm，空間分辨率0.062 5°×0.062 5°。

2.2 研究方法

2.2.1 溫度植被干旱指數（TVDI）溫度植被干旱指數（TVDI）是通過Ts-NDVI特征空間獲取的水分脅迫指數，該方法能夠用來對地表土壤濕度進行估測。對于TVDI來說，其建立依據了NDVI以及地表溫度，在一個區域中，地表裸露，土壤濕度較低，而植被茂盛，則濕度較高。Sandhol等［22］進行有關土壤濕度分析得出，在Ts-NDVI的特征空間中等值線較多，因而對溫度植被干旱指數（TVDI）這一概念（圖2）提出了如下計算公式。

式中，地表溫度用Ts表示；最小、最大地表溫度對應為Tsmin以及Tsmax，分別對應濕邊方程以及干邊方程。

式中，a、b、c、d是干邊濕邊方程的系數。TVDI作為土壤濕度分級標準，將土壤濕度分為5個層次，如表2所示。

表2 TVDI、VSWI土壤濕度分級標準

2.2.2 地表溫度（Ts）地表溫度反演一般有3種，即熱輻射傳輸方程法、單窗算法和單通道算法，本研究使用了熱輻射傳輸方程法［23］對焉耆盆地進行地表溫度反演。表達公式（4）Lλ用來對衛星傳感器所接收的熱紅外輻射亮度進行表示。其構成部分有：大氣上、下行輻射亮度，對應用L↑、L↓表示，事實上衛星傳感器利用大氣層所接收的輻射能量［24］。

式中，B（Ts）為黑體熱輻射亮度；L↑和L↓分別是大氣上行輻射亮度與大氣下行輻射亮度；ε為地表比輻射率；τ為大氣在熱紅外波段的透過率。溫度為T（S）的黑體在熱紅外波段的輻射亮度B（Ts）的計算公式為：

Ts可以用普郎克公式函數獲取，計算公式為：

對Landsat 8的Band 10來說，k1=774.89 W（/m2·μm·sr），k2=1 321.08 K；能夠利用NASA官網來得到這里面的大氣剖面參數，共有3個，熱紅外中大氣的透過率τ以及上、下行輻射亮度，對應為L↑、L↓。

2.2.3 植被供水指數（VSWI） 植被供水指數（Vegetation Supply Water Index，VSWI）是根據植被在干旱逆境中表現出的不正常生理特征而提出［25］。在作物能夠獲得常規供水的情況下，在其一定的生長期內，植被指數以及地表溫度在一定區間內維持；如果遇到災害，不能符合作物在水上的需求，不利于其生長，同時植被指數也會下降，作物的溫度會持續上升，即干旱導致作物所需水不能被滿足。VSWI值變大，對于作物能夠提供的水就越多，反之，則供水不足，出現干旱。

式中，Ts為地表溫度；NDVI為歸一化植被指數；VSWI作為土壤濕度分級標準，將土壤濕度分為5個層次，如表2所示。

3 結果與分析

3.1 不同植被指數構建的特征空間及干濕邊的擬合

根據反演得到的不同植被指數和Ts數據，對以下數據信息進行收集，包括焉耆盆地差異化的植被指數，相應的最大、最小地表溫度，對應為Tsmax以及Tsmin，橫坐標代表植被指數，Ts值為縱坐標，通過數據預處理獲取不同植被指數Ts-VI特征空間。如圖（3）所示。

由圖（3）可知，在特征空間中的干邊和濕邊均為三角形。在植被指數高于0的情況下，植被指數越大，地表溫度最大值變小，最小值越大，以上三者為近似線性關系。不同植被指數構建的空間特征存在一定的區別，Ts-EVI構建的特征空間比其他植被指數差，Ts-SAVI構建的特征空間在這些植被指數中效果最好，Ts-NDVI、Ts-MSAVI構建的特征空間效果較好。

根據特征空間的構建結果，建立了不同植被指數特征空間對應的干邊和濕邊方程，如表3所示。其中干邊的斜率均小于0，濕邊的斜率大于0，間接反映了地表溫度隨著不同植被指數值變化的趨勢。由表3可以看出，特征空間的干邊和濕邊擬合效果總體較好，R2大于0.8。不同植被指數對于干邊和濕邊方程的擬合效果有一定影響，其中Ts-SAVI構建的干濕邊擬合效果最高，Ts-MSAVI次之，Ts-NDVI最低，Ts-EVI的擬合效果相對其他3個植被指數最低。這4種植被指數和地表溫度構建的干邊、濕邊方程的擬合效果能夠滿足計算TVDI的需求。

表3 不同植被指數的干濕邊方程

3.2 焉耆盆地土壤濕度等級分布

利用NDVI、EVI、MSAVI和SAVI計算TVDI、VSWI，并繪制了土壤濕度等級圖，分析焉耆盆地的土壤濕度狀況。以TVDI、VSWI為土壤濕度分類標準，將土壤濕度分為5個層次：極干旱（0.8＜TVDI≤1.0）、干旱（0.6＜TVDI≤0.8）、正常（0.4＜TVDI≤0.6）、濕潤（0.2＜TVDI≤0.4）和極濕潤（0＜TVDI≤0.2）；極干旱（0.8＜VSWI≤1.0）、干旱（0.6＜VSWI≤0.8）、正常（0.4＜VSWI≤0.6）、濕潤（0.2＜VSWI≤0.4）和極濕潤（0＜VSWI≤0.2），焉耆盆地土壤濕度分布狀況見圖4。由圖4可以看出，利用NDVI、MSAVI、EVI、SAVI指數所反演的土壤濕度全區大部分地區正常及干旱，總體上從研究區中部向東北部土壤濕度降低；濕潤區主要集中在焉耆盆地中部；偏旱或干旱情況出現在焉耆盆地東南部和東北部區，特別是在博湖南部的沙地區域和博湖東北區域存在小范圍干旱情況。水體和濕地中發現極濕潤區，森林和草地中發現濕潤區，耕地中發現正常區，裸巖和建設用地中發現干旱區，沙地中發現極干旱區。

根據式（7）計算了同時段、同范圍的VSWI值，根據VSWI指數劃分的焉耆盆地土壤濕度等級分布見圖5。由圖5可以看出，同期焉耆盆地土壤濕度趨勢與TVDI的基本一致，總體都是中部處于濕潤和正常區，博斯騰湖流域南部沙地及東北部干旱情形嚴重，但TVDI沒有反映出重旱區域，其他等級均比VSWI反映的要輕。

3.3 TVDI、VSWI與土壤相對濕度數據的精度驗證

隨機提取CLDAS土壤相對濕度分析產品V2.0提供的研究區相應日期的0～10 cm RSM數據，提取200個點，鑒于RSM數據的分辨率，分別建立了TVDI、VSWI模型反演的不同植被指數與0～10 cm RSM的線性回歸模型，并計算了相關系數（表4）。結果表明，TVDI模 型 反 演 的TVDI-NDVI、TVDI-MSAVI、TVDI-SAVI、TVDI-EVI與土壤相對濕度均呈現不同程度的負相關關系，即TVDI越高，突然相對濕度越低。總 體 來 說TVDI-NDVI、TVDI-MSAVI、TVDISAVI、TVDI-EVI能反演0～10 cm的土壤濕度狀況，TVDI-MSAVI相關性最高，決定系數為0.296，TVDINDVI次之，R2=0.187，TVDI-SAVI最低，R2=0.175，TVDI-EVI最低，R2=0.174。

表4 TVDI-VI、VSWI-VI與0～10 cm RSM的擬合

利用VSWI-NDVI、VSWI-MSAVI、VSWI-SAVI、VSWI-EVI與精度驗證數據呈現不同程度負相關關系，VSWI-MSAVI決定系數最高，R2=0.235，VSWIEVI次 之，R2=0.180，VSWI-SAVI次 后，R2=0.177，VSWI-NDVI最低，R2=0.174。

3.4 焉耆盆地土壤濕度時空分布

遙感數據反演得到的焉耆盆地土壤濕度空間格局基本一致。利用遙感手段獲取的土壤濕度信息能夠反映土壤濕度分布的總體趨勢。由TVDI反演的焉耆盆地土壤濕度時空分布（圖6）狀況可知，利用NDVI指數的TVDI大部分地區土壤濕度狀況正常，東南部及東北部地區存在干旱狀況，焉耆盆地中部及西北地區土壤濕度狀況正常，主要集中在博湖縣、焉耆回族自治縣、和碩縣、和靜縣。利用MSAVI指數的TVDI大部分正常及干旱，東南部及東北部地區存在干旱，北部及西部存在干旱狀況但范圍較小，其他部分屬于濕潤及正常狀況。利用SAVI、EVI指數的TVDI結果和以上兩個指數總體上一致。由VSWI反演的土壤濕度時空分布（圖7）可知，VSWI反演結果和TVDI反演結果基本一致。總體而言，通過研究區域的各植被指數反演出的土壤濕度結果，發現地表外層裸露或植被少的區域，TVDI、VSWI較高，證明土壤中的水分較少，比較干燥；植被覆蓋率高的區域，TVDI、VSWI較低，土壤水分含量適中，濕度情況正常；在湖區，沿湖流的TVDI、VSWI低，土壤相對濕潤。除博斯騰湖流域和湖區外，焉耆盆地中部TVD、VSWI相對較小，土壤相對濕潤；焉耆盆地南部的土壤濕度相對干燥。和水源地的距離越近，土壤濕度越高，反之距離較遠，濕度一般不高。主要是由于焉耆盆地的自然降水少，蒸散量大，進行農業化生產多是使用地表的渠系和地下水，而與河流、水庫和湖泊距離較近的區域通常會進行農業生產，如博湖縣、和碩縣、和靜縣水資源充足，可長期保證該區農作物需水量，土壤表層的濕度不低，均在0.6以下。焉耆盆地邊緣遠離河流、庫、湖泊，并且沒有植被覆蓋，屬于荒漠地帶，其土壤含水量低，濕度趨近1，較為干燥。在這一盆地的中部區域，土壤的濕度較為穩定，而其邊緣的綠洲和荒漠交叉地帶，土壤的濕度極不穩定，存在顯著的差別。

4 小結與討論

土壤濕度是焉耆盆地植被恢復與生態環境重建的決定因素。以焉耆盆地為例，利用Landsat 8 OLI數據，計算MSAVI、EVI、NDVI、SAVI指數和地表溫度，選用4種指數并采用TVDI、VSWI法來反演焉耆盆地土壤濕度，將2種方法的計算結果相結合，對反演的精度進行提高。采用0～10 cm RSM數據對TVDI、VSWI進行評價時，他們之間的相關系數普遍較低，主要原因是Landsat 8數據與0～10 cm RSM兩者數據之間的空間分辨率差距較大，無法實現精確對應驗證，其次是由0～10 cm RSM數據本身存在10%的偏差，難免會出現R2較低的情況［26］，但結合氣象0～10 cm RSM數據對檢測結果進行檢驗，結果表明TVDI、VSWI法能正確反演焉耆盆地土壤濕度，與已有相關研究結果一致［27，28］。本研究僅對一個月的土壤濕度進行了反演，后期需要在季、年等時間尺度上進行深入研究，進一步將TVDI、VSWI及各因子與土壤濕度的時空相關性深入分析。

根據Ts-VI特征原理，利用地表溫度和不同植被指數建立Ts-VI特征空間，在Ts-VI特征空間的基礎上，構建TVDI，同時利用以上數據建立VSWI。通過2020年10月 的Landsat 8 OLI資 料 的TVDI與VSWI數據對焉耆盆地土壤濕度進行反演分析，得出結果如下。

在由不同植被指數和地表溫度構建的特征空間中最高地表溫度和最低地表溫度最終趨于一點，散點圖為三角形。從Ts-NDVI、Ts-MSAVI、Ts-SAVI、Ts-EVI空間構成的干邊、濕邊方程擬合具有較好的擬合效果，干邊和濕邊的R2均在0.83以上。

TVDI-NDVI、TVDI-MSAVI、TVDI-SAVI、TVDIEVI與土壤相對濕度負相關，決定系數TVDI-MSAVI最高，TVDI-NDVI次之，TVDI-SAVI次后，TVDI-EVI最 低。VSWI-NDVI、VSWI-MSAVI、VSWI-SAVI、VSWI-EVI與土壤相對濕度呈負相關關系，決定系數VSWI-MSAVI最高，VSWI-EVI次之，VSWI-SAVI次后，VSWI-NDVI最低。TVDI模型與VSWI模型都能反演焉耆盆地土壤濕度，TVDI比VSWI更適合焉耆盆地的土壤濕度研究。

焉耆盆地大部分區域濕度狀況屬于干旱或半干旱，正常現象主要出現在研究區中部，干旱現象出現在東南部和東北部。

本研究對比分析4種植被指數下TVDI、VSWI對土壤濕度狀況的監測結果，TVDI、VSWI模型適合用于焉耆盆地土壤濕度狀況。土壤濕度是焉耆盆地生態系統恢復的限制因素，是生態環境可持續發展的重要因素，同時也是眾多學者研究的熱點和重點，因此，如何快速、高效、準確地獲取土壤濕度，對治理焉耆盆地生態環境具有重要的意義。