基于不同TVDI指數的福建省2018年農業干旱監測差異分析

陳哲璐，黃萬里,2,3，葉士琳,2，祁新華,2

(1.福建師范大學 地理科學學院, 福建 福州 350007; 2.福建師范大學地理研究所, 福建 福州 350007;3.福建省陸地災害監測評估工程技術研究中心, 福建 福州 350007)

農業干旱是以植物生長狀況和土壤含水量為特征反映植物生長過程中受水分脅迫的程度，反映的是一個時段內土壤水分減少造成作物產量下降的情況[1]。農業干旱會導致農業生產損失嚴重，威脅社會糧食安全[2]。福建省屬亞熱帶季風氣候，降水季節分配不均，年際變化明顯，季節性、區域性干旱頻繁發生，降水嚴重不足時還會出現更嚴重的季節連旱[3]，探討福建省旱情監測方法對預防旱災、保障生態安全等具有重要的現實意義。

相對于傳統地面站點監測方法，遙感技術具有客觀、及時、覆蓋范圍廣、數據連續等特點[4]，尤其在干旱隨時空的演化過程監測方面具有更強的優勢。目前，常用的干旱遙感監測方法有熱慣量法[5-7]、微波遙感法[5,7-8]、植被指數法[7,9-10]、地表溫度法[7]、植被指數與地表溫度結合的特征空間法[7,11-12]等。熱慣量法對數據資料的要求較為嚴格，植被指數法滯后性較為明顯[13]，地表溫度法則較難克服植被覆蓋度及土壤背景溫度的不良影響[7]，而將植被指數(Vegetation Index，VI) 和地表溫度(Surface Temperature，Ts)相結合的特征空間法得到了學者們的廣泛使用。Moran等[14]認為較高土壤背景溫度會影響到干旱信息，因此將植被指數與地表溫度相結合更為合理。劉英等[15]建立雙拋物線型的Ts/NDVI特征空間，指出利用Ts/NDVI特征空間法監測陜西省旱情可行，但容易受土地覆蓋、植被、衛星數據傳輸質量等因素的不良影響。楊曦等[16]分別討論了由地表溫度與增強型植被指數(Enhanced Vegetation Index，EVI)、歸一化植被指數(Normalized Difference Vegetation Index，NDVI)構建的Ts/EVI和Ts/NDVI特征空間，指出在華北平原TVDIE(Temperature Vegetation Dryness Index of EVI)比TVDIN(Temperature Vegetation Dryness Index of NDVI) 能更好地表征土壤濕度狀況。楊茹等[17]構建了Ts/NDVI 和Ts/EVI特征空間，并分別對淮河上游地區進行土壤含水量的反演，結果表明TVDIE精度低于TVDIN。孫振蓉等[18]分別分析了Ts/EVI和Ts/NDVI特征空間并基于兩者的TVDI干旱監測結果與錫林郭勒盟實際情況進行對比分析，發現TVDIN能更好地反映研究區實際情況。王正東等[19]運用TVDI原理，利用S-G(Savitzky-Golay)加權濾波對NDVI、EVI、Ts進行數據重建，從特征空間的離散性可以看出，Ts/EVI特征空間范圍比Ts/NDVI更集中，相關性更高，而Ts/EVI在干濕邊擬合時趨勢更加穩定。

綜上，學者對TVDI干旱監測研究取得了豐碩成果，為政府及農業部門防災減災提供科學依據。然而，迄今為止學術界較多利用TVDIN或TVDIE對研究區進行干旱監測分析，較少對2個指數進行系統對比分析；現有成果多以典型干旱區作為研究對象，較少對東部沿海地區進行干旱監測。隨著全球氣候變化的加劇與城市化進程的加快，東部地區干旱情況變得更為復雜，而福建省每年都受不同程度的洪澇、干旱和病蟲害等自然災害影響，其中干旱是福建各種氣象災害中受災面積最大的災種[20]，嚴重影響了福建現代農業的發展。鑒于此，本文以福建省為例，基于MODIS的MOD13A2植被指數(NDVI與EVI)和MOD11A2地表溫度產品，對比了2種植被指數(NDVI，EVI)與地表溫度(Ts)構建的特征空間及兩種TVDI的差異，并運用土壤濕度站點數據對2種TVDI指數進行干旱等級區間劃分及驗證，彌補大多文獻等間距劃分干旱等級區間的缺陷，為福建省及相似地區的干旱監測研究提供借鑒。

1 數據與方法

1.1 研究區概況

福建省位于中國東南沿海，地理范圍為23°33′～28°19′N，115°50′～120°43′E，陸域面積為12.4萬km2。境內地少多山，地勢東南低、西北高。福建地處中、南亞熱帶，年均溫約17～21.3℃，年降雨量從東南向西北遞增，約為1 100-2 000 mm，氣候類型為海洋性季風氣候，受季風影響顯著，氣溫、降水量等均有較大波動，旱澇災害頻繁發生[21]。張開榮[22]統計分析了1900—2007年間福建省發生旱災次數及所占比例，發現全省平均1～2年發生一次輕度干旱，中度干旱發生頻率為20.4%，嚴重干旱平均每10年發生一次，特大干旱發生的頻率為5.6%。福建省干旱類型多為單季和多種季節復合型，夏季是干旱多發的季節。事實上，幾乎每年福建省都會發生輕度干旱，間歇性發生嚴重干旱，造成較大的農業生產損失。2018年福建發生春夏連旱，旱情導致水庫水位下降及農田受旱，糧食作物受災程度較為嚴重[23]。因此，對福建省進行干旱監測對農業發展規劃及生態安全的認識等都有重要的作用。

1.2 數據來源與數據處理

本文所用MODIS 8天合成的地表溫度產品(MOD11A2)與16天合成的植被指數產品(MOD13A2)來源于美國國家宇航局(NASA)數據中心，空間分辨率均為1km，時間范圍為2018年1月至12月。預處理的過程主要包括：利用ENVI、MRT(MODIS Reproject Tool)等軟件分別提取MOD11A2的地表溫度、質量控制波段(QC)及MOD13A2的NDVI、EVI、質量控制波段(QA)并對原始數據做格式轉換，設定投影坐標系，裁剪等處理，依據MODIS產品質量控制文件說明，用Python編程實現福建省Ts、NDVI、EVI的質量信息提取及質量控制工作，對處理后的地表溫度及植被指數影像進行了掩模，提取質量可信像元并排除無效值。由于地表溫度為8天合成數據，2個數據需統一至相同的時間尺度，所以將相鄰2個8天合成的MOD11A2數據依次平均合成為16天數據，并使用IDW插值對受云及陰影影響而造成的Ts缺失值進行插補，最后設置其有效范圍。數據中DOY代表年積日及之后16天的時間段，如DOY001代表2018年1月1日-16日這一時段，每16天為一個時段，共得到全年23個時段相關數據。土壤相對濕度數據來源于中國氣象數據網(http://data.cma.cn/)。本文選用福建省32個土壤濕度監測站點0～10 cm土層的觀測數據(圖1)，對每日的數據按平均值合成得到每16天的土壤相對濕度數據，個別站點個別時段土壤濕度數值存在缺測情況，有效的土壤相對濕度數據共550條。起止時間為2018年1月上旬-12月下旬。

圖1 福建省土壤濕度監測站點分布圖Fig.1 Distribution of soil moisture monitoring stations in Fujian Province

1.3 研究方法

1.3.1 溫度植被干旱指數

溫度植被干旱指數是通過植被指數和地表溫度數據構成的特征空間反映土壤濕度的一種方法。國內外有許多學者[24-27]分析了多種時間分辨率與空間分辨率的植被指數與地表溫度間的聯系。如Sandholt等[27]明確提出了溫度植被干旱指數(TVDI)的基本概念，其提出時是以歸一化植被指數(NDVI)與地表溫度(Ts)計算TVDI，其定義為：

(1)

式中：TS為地表溫度；依據干邊方程計算，TSmax為最高地表溫度，依據濕邊方程計算，TSmin為最低地表溫度。干濕邊方程可分別表示為式(2)和式(3)：

TSmax=a1+b1VI.

(2)

TSmin=a2+b2VI.

(3)

式中：a1，b1表示干邊任意給定的VI所對應的地表溫度最大值的擬合方程系數，a2，b2表示濕邊任意給定VI所對應的地表溫度最小值的擬合方程系數。其中，TVDI取值范圍為0～1，TVDI=1，表示受到完全水分脅迫影響；TVDI=0，表示水分充足。此后相關學者基于TVDI進行了大量研究，如杜靈通等[28]利用MODIS 地表溫度和歸一化植被指數數據構建TVDI，定量研究寧夏3個不同生態功能區2000—2010年生態干旱特征及其驅動因素；鄢雪英等[29]基于EVI、Ts、TVDI等6個指標，通過精度評價分析構建最佳指標組合并劃分荒漠化等級，探討土庫曼斯坦2001—2012年荒漠化動態變化狀況。本文基于不同植被指數NDVI和EVI，分別結合地表溫度計算2種TVDI，并將其用于干旱監測與對比分析中。兩種TVDI分別稱為TVDIN與TVDIE。

1.3.2 TVDI干旱監測指標的分級方法

借助TVDI法的干旱監測研究[19,30-31]大多直接把TVDI值[0,1]等間距劃分為5級，以此作為干旱等級劃分的標準，但各個地區的氣候、地表覆蓋狀況、干濕程度、海陸位置及其他因素不同，此種劃定等級與實際的干旱等級存在一定的偏差。因此，本文參照《農業干旱等級》(GB/T32136-2015)[32]中土壤相對濕度的農業干旱等級劃分標準，根據MODIS數據產品質量，提取土壤濕度站點所在像元的TVDI值，并將其一一對應于相應干旱等級中[33]，并利用SPSS軟件統計分析每個等級的TVDI值；與此同時，采用單側置信區間法，選用置信度為0.95的置信區間確定TVDI干旱等級分級區間，彌補將TVDI值等間距劃分作為干旱等級區間的缺陷。

2 結果分析

2.1 NDVI與EVI的差異性

為對比福建省2018年各時段NDVI與EVI對地面植被的差異，利用預處理后的NDVI與EVI數據，分別計算出研究區2018年23個時段的NDVI與EVI值，定量統計兩個植被指數下的遙感像元。根據2018年福建省農業氣象旬報中每期的氣溫、降水及干旱的嚴重程度等信息，結合福建省植被生長的季節特征，如冬季為植被非生長季，植被指數呈下降趨勢，春夏季為植被的生長季，植被指數應為上升趨勢等，選擇4個時段加以闡述，圖2為NDVI與EVI多時段頻率分布圖。

圖2 多時段NDVI與EVI頻率分布情況Fig.2 Frequency distribution of NDVI and EVI in multi period

對比圖2中4條NDVI分布頻率曲線，4個時段的頻率分布曲線形狀大致相同，NDVI值的頻率達到最大值后下降速度較快，特別是6月下旬(DOY177)和11月下旬(DOY337)的曲線，說明大部分植被類型的NDVI達到一定數值后難以再提高，即趨向飽和；從1月上旬(DOY001)到11月下旬(DOY337)，研究區總體的NDVI呈現先減少再增加又減少的趨勢，與實際植被生長過程先增后減的趨勢有所偏差。比較4條EVI分布頻率曲線，除了6月下旬(DOY177)這段時期，其他3個時期曲線形狀基本相似，在最大頻率處的EVI值兩側的形狀基本對稱，6月下旬(DOY177)大部分的植被分布在EVI峰值右側，這個時期是研究區整個年度大部分植被生長最旺盛時期；從1月上旬(DOY001)到11月下旬(DOY337)，研究區總體的EVI呈現先增后減趨勢，與研究區實際植被生長過程先增后減的趨勢相一致。可見，隨著時間變化，植被生長狀況在變化，EVI和NDVI在不同植被覆蓋區的分布頻率也有所不同，但EVI能更好地克服NDVI在高植被區易飽和的問題。

本次實驗污水經過提升計量后進入到厭氧池，在厭氧池內進水與缺氧池回流的高濃度脫氮污泥進行混合,進水有機物很快消耗厭氧池內的溶解氧，混合完全的混合液在無分子態氧和化合態氧的情況下進入厭氧池，聚磷菌吸收利用原污水中的VFA及經厭氧發酵過程產生的VFA轉化為PHB貯存在體內，同時進行磷的釋放，然后混合液進入主曝氣池進行磷的吸收和有機物的進一步降解，曝氣池混合液進入其中一個序批池中，進行缺氧、好氧循環反應,另一序批池作為沉淀區出水排放。圖1為系統運行的流程圖。

2.2 Ts/NDVI與Ts/EVI特征空間參數

以全年23個時段中受干旱影響較重的春夏季6個典型時期為例(DOY097為2018年4月7日-22日；DOY129為5月9日-24日；DOY161為6月10日-25日；DOY177為6月26日-7月11日；DOY193為7月12日-27日；DOY209為7月28日-8月12日)，建立Ts/NDVI和Ts/EVI的特征空間散點圖與干濕邊方程，并計算基于EVI、NDVI的溫度植被干旱指數(TVDI)。

二者擬合參數如圖3所示，a1、a2是地表溫度軸(Y軸)上干濕邊的截距。它的生態意義是在水分不足(a1)和充足時(a2)裸土像元的地表溫度值[34]。從圖3可以看到由于4～8月研究區溫度較高，Ts/NDVI和Ts/EVI特征空間的干濕邊截距較大，干邊截距>310 K，濕邊截距>290 K。干濕邊擬合方程的斜率為b1、b2，蒸散[35]，冠層傳導度[36]以及土壤濕度[37]等因素會導致干濕邊斜率發生變化。受上述因素影響，干濕邊斜率變化無明顯規律，基本符合前人的研究結果[38]。從時相的特征空間來看，研究結果與理論模型存在一定差異，但Ts /EVI特征空間與Ts/NDVI相比更符合標準特征空間的三角形形狀。此外，Ts/EVI特征空間散點圖更集中，Ts/NDVI散點圖較分散，主要表現在：植被覆蓋度較高的點對應的NDVI值較大(0.8～0.9)，EVI值較小(0.6～0.7)，NDVI較EVI更易飽和。從擬合效果看，2個特征空間的干邊擬合效果較好，濕邊擬合效果稍差，但Ts/EVI 特征空間干濕邊擬合的決定系數多數時期高于Ts/NDVI，即Ts/EVI干濕邊擬合效果更好。

圖3 Ts/NDVI和Ts/EVI的特征空間與干濕邊方程Fig.3 Characteristic space and dry wet boundary equation of multi temporal Ts/NDVI and Ts/EVI

2.3 TVDIN、TVDIE與土壤濕度的相關性

提取單站點2018年有效的18個時段對應的2種TVDI值并與0～10 cm深度土層的土壤相對濕度數據做相關性分析。例如邵武站點(圖4)，TVDIN與0～10 cm土壤濕度數據線性擬合的決定系數(R2)為0.272 4，而TVDIE為0.286 6 。根據2018年福建省氣候公報，將6個典型時段(DOY DOY097；DOY129；DOY161；DOY177；DOY193；DOY209)所有站點的兩種TVDI值分別與0～10 cm深度土層的土壤相對濕度數據做相關性分析(圖5)，TVDIN線性擬合的決定系數(R2)為0.372 7，而TVDIE為0.439 8。表明福建省TVDIE的干旱監測精度總體上高于TVDIN，但圖4，圖5中均存在個別數據點較離散，二者決定系數(R2)較低的情況，其原因可能是TVDI和土壤相對濕度數據在時空尺度上沒有完全匹配。

圖4 單站點TVDIN與TVDIE土壤濕度擬和結果Fig.4 Fitting results of soil moisture between TVDINand TVDIEat a single site

圖5 全部站點典型時段TVDIN與TVDIE土壤濕度擬和結果Fig.5 The results of TVDINand TVDIEsoil moisture simulation for typical periods at all sites

2.4 干旱監測結果

2.4.1 TVDI干旱等級

基于前述TVDI干旱等級區間劃分方法，界定出TVDI無旱、輕旱、中旱與重旱4個等級的閾值區間。由于研究區時空范圍內土壤相對濕度數據極少滿足重旱和特旱等級條件，因此將中旱上限值作為重旱下限值，取重旱上限值為1，不再劃分這兩個級別的干旱等級區間。TVDIE與TVDIN量化指標綜合分析結果及干旱等級區間見表1、表2?？梢钥吹剑琓VDIE與TVDIN的干旱等級區間相差不大；TVDIE無旱等級劃分結果與TVDIN基本一致，但TVDIE的樣本均值更接近置信度上限值且各干旱等級區間的樣本標準差及允許誤差均小于TVDIN。即TVDIE干旱等級區間劃分效果優于TVDIN。

表1 TVDIN量化指標的綜合分析及干旱劃分區間Table1 Comprehensive analysis of TVDINquantitative indexes and drought division section

表2 TVDIE量化指標的綜合分析及干旱劃分區間Table2 Comprehensive analysis of TVDIEquantitative indexes and drought division section

為驗證TVDIN與TVDIE干旱等級劃分區間的精度，各隨機抽取30個0～10 cm土層的土壤相對濕度站點數據進行比較，經計算，TVDIE干旱等級劃分區間的準確率達72%，TVDIN的準確率68%，TVDIE等級劃分區間的精度略高于TVDIN。但在輕旱、中旱及重旱3個干旱等級區間內，二者與土壤相對濕度劃分的干旱區間均存在不一致的情況，尤其是重旱，所劃分的區間存在一定誤差，計算出的TVDI值與土壤濕度站點數據在空間尺度上不一致是導致誤差發生的主要原因。此外，一些站點土壤相對濕度值偏高，所對應的TVDI值也較高，出現了相反的干旱情況，這可能是由于MODIS數據受云層影響，例如當云層厚重時，計算得到的植被指數較低，導致TVDI值偏高，通過遙感數據反演的旱情與實際情況存在一些偏差。

2.4.2 TVDIN、TVDIE干旱監測差異性分析

據2018年福建省氣候公報[23]，當年福建省發生春夏連旱(3月下旬～8月下旬)。因此本文選取該段時期反演研究區DOY097至DOY209中6個時段的TVDIE、TVDIN，分析福建省干旱空間分布規律。如圖6，7所示，可以看到TVDIE、TVDIN的干旱趨勢基本一致，福建省旱區總體集中在東南部、西北部及局部內陸地區。由于福建北部及西北部多雨，植被條件良好，森林茂密，流域自然動態蓄水調控能力強，水量蒸發少，即便該地區一段時間無降水，旱情也普遍較輕。反之，福建南部、東南部植被條件較差，沙質土壤豐富，自然動態蓄水調節能力不強。一旦沒有降水，極易發生干旱。對照福建省氣象局發布的農業氣象旬報等資料，證明反演結果基本符合實際情況。以4月上旬(DOY097)為例，對兩個指數進行對比，根據該時段氣象資料顯示福建氣溫大部偏高，除福鼎部分區域外其余地區降水較少，在干旱監測圖中如上所提及的地區TVDIN存在些許圖斑為輕旱、中旱及重旱，而在TVDIE中則為無旱及少部中旱，更符合實際情況。

圖6 2018年福建省春夏季多時段TVDIN干旱監測圖Fig.6 Multi period TVDINdrought monitoring map in spring and summer in Fujian Province in 2018

圖7 2018年福建省春夏季多時段TVDIE干旱監測圖Fig.7 Multi period TVDIEdrought monitoring map in spring and summer in Fujian Province in 2018

綜上所述，TVDI干旱指數能較好反映福建旱情發展與分布的過程，TVDIE的干旱監測結果與實際情況更為吻合?？傮w而言，福建省2018年旱情大致從南部沿海地帶逐步蔓延到中北部，由東南向西北漸漸延展，但由于植被覆蓋程度不同，干旱的緩解至解除呈相反的過程。此外，福建南部地區干旱狀況比中北部嚴重得多，比如永定、南靖、長泰、詔安等地。尤其在福建東南沿海地帶，如廈門、晉江、東山、平潭島、石獅、惠安和漳浦等地發生旱情的機率較高。本文結論也與使用歷史連續數據的學者們在福建省進行干旱研究[3,39-41]的結論基本一致，即總體上福建旱情以春夏旱為主，各類干旱以小旱為主, 中旱次之；春旱在中南部沿海地區高發; 夏季小、中旱以中南部沿海地區多發，基本符合本文的研究結論。

3 結論與展望

本文對比分析了2種植被指數(NDVI，EVI)與地表溫度(Ts)構建的特征空間參數及兩種TVDI。在站點尺度上，依據站點土壤相對濕度數據分別對TVDIE、TVDIN進行相關性分析、TVDI干旱等級區間的劃分及驗證；在研究區尺度上，分析對比了2018年研究區典型干旱時期TVDIE和TVDIN的空間分布特征并結合實際情況展開驗證。盡管本文的分析對比只用2018年的資料，但得出的結論與使用多年連續歷史數據的學者們在本區域進行干旱研究結論基本一致，可以一定程度上說明2種指數的有效性。事實上，相當多的學者們也僅用一年甚至某個單一時段的數據構建TVDI，并將其應用于干旱監測研究，得到的結論也基本符合研究區的實際旱情[42-43]。當然，我們將在后續的相關研究中增加時間長度并擴展研究區域，進一步論證結果的可靠性。

總體而言，本文研究結果表明：

(1)Ts/EVI和Ts/NDVI特征空間散點圖與理論模型存在一定差異，但Ts/EVI散點圖更集中且能更好呈現出三角形(梯形)形狀。

(2)Ts/EVI干濕邊擬合效果優于Ts/NDVI，由Ts /EVI特征空間擬合的干濕邊更易相交，結合地表溫度，更能反映研究區的旱情變化。

(3)TVDIE、TVDIN與土壤相對濕度均為負相關關系；TVDIE與土壤濕度的相關性優于TVDIN。

(4)由Ts /NDVI和Ts /EVI特征空間反演的TVDIE及TVDIN，其趨勢是相似的，但TVDIE干旱等級劃分效果優于TVDIN。

綜上分析，TVDIE指數與干旱發生的實際情況較為一致，更適用于監測福建省旱情，該監測方法對與福建省相似自然地理條件的地區也具有一定的適用性，但本文仍存在不足之處：

(1)土壤濕度是反映干旱情況最直接的觀測，但相對別的要素，其資料質量不高，特別是深層的土壤濕度經常存在缺測情況，未來可以采用其他數據進行驗證。

(2)MODIS影像中存在的一些噪聲會影響植被指數-地表溫度特征空間中干濕邊的擬合精度。

(3)計算TVDI指數時未能夠綜合考慮福建省的復雜地形，地表覆蓋情況，土壤類型等因素，而這些因子都會影響TVDI的結果。

(4)雖然以氣象站點采集到的土壤相對濕度數據是準確的，但參與TVDI建模計算的地表溫度和植被指數是按固定天數(16天)合成的數據，本文假設兩者時間尺度一致，但實際可能會存在些許誤差；計算得到的TVDI空間分辨率為1km，而土壤相對濕度為點數據，兩者在空間尺度上并不完全匹配，這些可能都是導致TVDI與土壤相對濕度相關性較低、干旱等級劃分區間存在一定誤差的原因。