2022年夏季河南省干旱遙感監測研究

王曉娜 周學軍 周俊利

（1.河南省遙感院，河南 鄭州 450003；2.河南省自然資源衛星遙感科技創新中心，河南 鄭州 450003；3.河南省地理信息院，河南 鄭州 450003）

1 引言

干旱是自然災害中的重要災害類型之一，每年都會造成大量的經濟損失以及生態破壞，伴隨旱災的災害類型多種多樣，如火災、蟲災等，對農作物、林地、草地等植被造成嚴重損壞[1]。目前，針對干旱的監測，多為事后監測，如干旱發生后進行的旱情等級及范圍劃分，仍然不能進行旱情剛發生時的實時監測。傳統的干旱監測是用稀疏散點上的土壤水分含量數據來監測干旱的程度和范圍，其代表性差，無法實現大范圍干旱災害的動態監測[2]。

遙感技術作為一門新興的高科技，可達到非接觸、遠距離探測的目的，根據遙感技術的特點，選用衛星影像進行地表旱情監測，可替代傳統的干旱監測手段，實現大范圍干旱實時監測[3-5]。基于遙感數據監測干旱的常用方法有：基于植被指數的遙感監測方法，如距平植被指數、條件植被指數；基于溫度的遙感監測方法，如條件溫度指數、表觀熱慣量法等。然而，在應用遙感手段進行旱情監測時，如果單獨以遙感獲得的陸面溫度作為指標，在植被覆蓋不完全條件下，較高的土壤背景溫度會嚴重干擾旱情信息。為了消除土壤背景的影響，有必要利用光譜植被指數和陸面溫度的復合信息來評價區域旱情。目前應用較多的干旱遙感監測方法多為基于歸一化植被指數NDVI 與陸面地表溫度LST 構建的溫度植被旱情指數（Temperature/Vegetation Drought Index，TVDI），通過分析TVDI的時空分布與變化，從而判定干旱的發生情況及變化趨勢[6-10]。TVDI 既考慮了區域內NDVI 的變化，又考慮了在NDVI 值相同條件下LST 的變化[11-15]。因此利用溫度植被旱情指數法開展區域旱情研究具有較大優勢。而MODIS 遙感數據作為新的數據源具備較好的光譜分辨率、時間分辨率和空間分辨率，價格便宜，且在大面積旱情監測方面具有很大優勢。河南省干旱主要發生在夏季，本研究選用2022 年6 月至8 月MODIS數據的NDVI 產品與LST 產品進行旱情指數反演，以此達到監測河南省旱情的發生及變化趨勢。

2 研究區與原理

2.1 研究區介紹

河 南 省 位 于 北 緯31°23′～36°22′，東 經110 °21 ′～116 °39 ′， 東接安徽、山東，北接河北、山西，西連陜西，南臨湖北。地勢西高東低，北、西、南三面由太行山、伏牛山、桐柏山、大別山沿省界呈半環形分布（如圖1 所示），中、東部為黃淮海沖積平原，西南部為南陽盆地。河南大部分地處暖溫帶，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區，自東向西由平原向丘陵山地過渡，具有四季分明、雨熱同期、復雜多樣和氣象災害頻繁的氣候特點。河南省是中國的糧倉，為全國第二大糧食主產省份。河南省屬于典型的溫帶大陸性氣候，南部秦嶺橫貫南陽、信陽地區，使得南部地區的秋冬陰冷隔絕在秦嶺南端，河南省全年降雨集中在夏季，且降雨充沛，適合植被生長，故而河南省的植被覆蓋情況較好，如西部、南部山地植被指數常年保持在0.4 以上。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。在少數年份河南省夏季降雨異常稀少，同時夏季持續高溫會造成夏季干旱的蔓延，加劇干旱程度，故挑選6 月、7 月、8 月三個時期作為干旱監測時間節點。

圖1 河南省示意圖

2.2 原理介紹

本研究選用MODIS 數據的NDVI 與LST 產品，先對兩種數據進行重投影、格式轉換，對溫度數據進行最大值合成，再對這兩種數據進行裁剪等處理，最終將兩種數據構建特征空間，并計算干濕邊，生成TVDI 圖。TVDI 由植被指數和地表溫度計算得到，公式如下：

公式中：Ts為任意像元的地表溫度；Ts,min、Ts,max分別為最低溫度和最高溫度；Ts,min、Ts,max可以通過線性回歸分析提取干濕邊獲取，a1、a2、b1、b2分別為待定系數。

3 數據來源及技術路線

研究主要應用RS 和GIS 技術，以MODIS-NDVI 和MODIS-LST 數據產品為基礎，構建溫度旱情指數特征空間，計算干濕邊方程的擬合生成TVDI 圖，分析研究區干旱時空格局。該研究的過程框架主要包括：數據預處理、干濕邊方程式構建和干旱監測，如圖2 所示。

圖2 干旱監測流程

3.1 數據來源及預處理

2022 年6 ～8 月 遙 感 影 像MOD11C3、MOD13A3，均來源于美國國家航空航天局（NASA）（https://ladsweb.modaps.eosdis.nasa.gov/）。其中，MOD11C3中有月合成的LST，分辨率為0.05°×0.05°；MOD13A3有月合成的NDVI，分辨率為1km；借助軟件將HDF 格式轉換為GeoTiff 格式，將SIN 投影轉為WGS1984/Geographic 經緯坐標系，并進行鑲嵌和裁剪。根據網站提供的數據使用說明，剔除數據中的無效值并還原真實值，獲得研究區LST、NDVI 數據集。

3.2 方程式構建

綜合考慮NDVI 的變化及在NDVI 值相同條件下LST 的變化，NDVI-LST 空間特征中含有較多等值線，獲取任意像元地表溫度，及其NDVI 為某一特定值時對應的最小LST 和最大LST，即“干邊”和“濕邊”。經過解算，獲取a1、b1和a2、b2“干邊”和“濕邊”的擬合系數。通過公式（1）計算TVDI。

3.3 干旱監測

通過構建6 月、7 月、8 月三個時期TVDI 的特征空間與干濕邊方程，反演得到TVDI 旱情指數，生成TVDI 指數空間分布圖，TVDI 空間分布圖反映河南省三個時期的干旱情況，將旱情指數空間特征情況與河南省氣象站獲取的氣象數據進行實地旱情精度驗證。

4 結果分析

4.1 曲線擬合

選擇2022年6月、7月、8月三個時期的MODIS產品，通過TVDI 計算公式，帶入植被指數產品NDVI、溫度產品LST，進行特征空間構建以及逐像元的干濕邊擬合方程計算。通過計算，三個時期的TVDI 特征空間與干濕邊方程分別如圖3（a）、圖3（b）、圖3（c）所示，由圖可知 ：7 月的干濕邊方程及特征空間整體優于6 月與8 月TVDI 的特征空間與干濕邊方程 ；6 月的TVDI 干濕邊在0.8 左右有交叉現象，該現象直接體現了NDVI 指數在植被高覆蓋地區的過飽和現象。整體來說，在特征空間構建與干濕邊方程擬合結果中，TVDI 具有較好的擬合效果。

圖3 不同時期干濕邊擬合曲線

4.2 指數反演

通過構建TVDI 的特征空間與干濕邊方程，反演得到TVDI 旱情指數。三個時期的TVDI 溫度旱情指數如圖4（a）、圖4（b）、圖4（c）所示，由圖可知：6 月、7 月的數值整體低于8 月，6 月份河南省的旱情幾乎未發生，旱情指數較高的地區集中在洛陽山地地區與焦作山地地區；7 月份的旱情指數反演結果顯示，旱情由西向東逐漸增多且旱情加重。到8 月份，河南省旱情達到最嚴重，尤其是中東部的平原地區及南陽地區，農作物種植較廣泛，干旱發生情況較普遍，在TVDI 的反演成果中，南陽地區的旱情是最嚴重的。

圖4 不同時期TVDI反演效果

4.3 精度驗證

從TVDI 的反演效果圖可以看出河南省2022 年6月至8 月發生干旱的程度。從中國氣象網站了解到，2022 年7 月以前河南省大部分地區降雨偏少，比往年減少近30%，豫西、豫中、豫東大部分地區出現不同程度的干旱。與此同時，7 月份全省持續出現大范圍高溫天氣，部分地區高溫達到40℃以上，更加重了干旱的程度。通過將遙感監測結果與河南實際發生干旱的過程進行對比，可以看出使用TVDI 指數能夠很好地將干旱區域表示出來。

本研究采用2022 年河南省氣象站獲取的氣象數據進行實地旱情精度驗證，分別選用原陽縣、夏邑縣、南召縣、社旗縣、固始縣、汝南縣進行驗證，結果如表1 所示：整體來說TVDI 的反演精度較高，均在75%以上，其中夏邑、南召、社旗、汝南的精度達到了80%以上。而固始縣的精度相對較低，為76%，究其原因是固始縣多為山地丘陵，植被生長較好，該地區NDVI 處于過飽和現象，對植被的響應較差，最終導致旱情指數的反演精度較低。

表1 旱情監測精度驗證

5 結論與展望

本研究基于2022 年河南省旱情發生情況，充分利用MODIS 的植被指數產品與地表溫度產品，通過反演溫度植被旱情指數TVDI，并擬合干濕邊方程，以此監測河南省2022 年的干旱受災情況，通過研究得出以下結論：

（1）通過影像篩選，挑選6 月、7 月、8 月三個時期作為監測時間節點。

（2）通過構建溫度旱情指數特征空間與干濕邊方程的擬合，分析得出TVDI 的干濕邊方程與理論擬合成果高度吻合。

（3）通過對反演得到的旱情指數空間分布圖進行分析，更加準確地識別與反演出河南省的干旱情況，河南省干旱在8 月份達到極值，旱情等級的分布與河南省的地貌、植被覆蓋等分布特征高度吻合，符合實際情況。

（4）通過河南省各地區的縣級氣象站精度驗證可知，TVDI 溫度旱情指數的監測精度整體在75%以上，反演精度較好。

本研究得到了較為理想的成果，證明了溫度植被旱情指數反演思路在河南省干旱監測中的可行性，但仍存在一定的提升空間：首先，本文選用的MODIS 數據產品的空間分辨率較粗，對大范圍的干旱監測雖具有較好的便捷性，但對于局部小區域的干旱監測不能達到更好的監測精度；其次，本文選用的植被指數僅為NDVI，未增加其他更多的植被指數，如綠度植被指數GVI、比值植被指數RVI 等。接下來將盡力解決目前溫度植被旱情指數的研究與應用中存在的問題。