基于TVDI的河南省遙感土壤墑情反演研究

李艷

摘 要：【目的】精準高效地監測土壤墑情是現代化農業發展的重要環節。【方法】以我國農業大省河南省為研究區，基于MODIS遙感數據，提取歸一化植被指數（NDVI）和增強型植被指數（EVI）分別與地表溫度和地表溫差建立溫度-植被指數特征空間和溫差-植被指數特征空間。通過研究區土壤水分站點的數據，討論分別由Ts-NDVI、Ts-EVI、DT-NDVI和DT-EVI特征空間計算得到的溫度植被干旱指數（TVDI）與土壤墑情站點的數據的相關性，以此驗證基于MODIS數據的TVDI反演大區域土壤墑情的能力。【結果】Ts-EVI特征空間構建的TVDI與實測土壤墑情具有較穩定的相關性。【結論】TVDI不僅能夠反映土壤表層的干濕狀況；還能有效的反映土壤濕度的時空差異，是一種有效的實時監測土壤干濕狀況的手段。

關鍵詞：土壤墑情；反演；遙感數據；溫度植被干旱指數

中圖分類號：TV93；S127? ? ? ? ? ? ? ? ?文獻標志碼：A? ? ? ? ? ? ? ?文章編號：1003-5168（2023）06-0099-06

DOI：10.19968/j.cnki.hnkj.1003-5168.2023.06.020

Remote Sensing Retrieval for Soil Moisture in Henan Province Based on TVDI

LI Yan

（School of Environmental Science & Engineering， Xiamen University Tan Kah Kee College， Zhangzhou 363000， China）

Abstract： [Purposes] Accurate and efficient retrieval of soil moisture is an important link in the development of modern agriculture. [Methods] In this paper， Henan Province is taken as the study area. Based on MODIS remote sensing data， the normalized vegetation index （NDVI） and enhanced vegetation index （EVI） extracted from MODIS remote sensing data are respectively used to establish the surface temperature-vegetation index space and the temperature difference -vegetation index space. Through the data of soil moisture stations in the study area， the correlation between the temperature vegetation dryness index （TVDI） calculated from the Ts-NDVI、Ts-EVI、DT-NDVI and DT-EVI characteristic spaces and the data of soil moisture stations is discussed， so as to verify the ability of TVDI based on MODIS data to retrieve soil moisture in large regions. [Findings] The results showed that the TVDI constructed by Ts-EVI feature space has a stable correlation with the measured soil moisture. [Conclusions] TVDI could not only reflect the dry and wet condition of soil surface; It can also effectively reflect the temporal and spatial differences of soil moisture， and is an effective means of real-time monitoring of soil moisture status.

Keywords： soil moisture; inversion; remote sensing data; TVDI

0 引言

土壤墑情影響著農作物的生長狀況，依據精準的土壤墑情可以準確制定作物生長灌溉用水計劃，有助于現代化農業的發展［1］。相對于土壤墑情傳統的基于測站的點監測，遙感技術具有監測范圍廣，時效性強，高效，費用低廉等特點［2-3］。光學遙感是目前發展最為成熟的一種遙感手段，植被指數和地表溫度是描述土壤墑情的重要參數，在光學遙感中應用廣泛［4-5］。研究表明［6-8］，地表溫度和植被指數構成的特征空間呈現一定的規則形狀。Sandholt等［9］利用三角形的Ts-NDVI特征空間提出了溫度植被干旱指數（TVDI），該指數僅需使用遙感數據就可以進行大范圍的土壤墑情反演，而不需要其他的輔助數據，受到廣泛關注。Holzman等［10］利用MODIS數據，構建Ts-EVI特征空間來獲取TVDI，并估算了阿根廷潘帕斯州的四個農業氣候區的土壤墑情及農作物產量，結果表明，TVDI與土壤墑情有很強的相關性。Liang等［11］利用MODIS數據建立了2001—2010年中國TVDI數據集，并分析了中國干旱的變化趨勢。

河南省是我國農業大省，干旱是對農業影響最為嚴重的災害之一。本研究以河南省為研究區，首先采用MODIS遙感數據源提取NDVI和EVI兩種植被指數和地表溫度（白天和黑夜），然后分別建立地表溫度與植被指數（Ts-NDVI，Ts-EVI）特征空間，地表晝夜溫差（DT）與植被指數（DT-NDVI，DT-EVI）特征空間，通過這些特征空間建立溫度植被干旱指數（TVDI），為研究區土壤墑情反演和干旱監測提供科學的理論依據。

1 研究區及數據

1.1 研究區

河南省（41°23'-36°22'N，110°21'-116°39'E）位于我國中部，東接安徽、山東，北界河北、山西，西連陜西，南臨湖北，總面積16.7萬km2。河南省大部分地處暖溫帶，南部跨亞熱帶，屬于北亞熱帶向暖溫帶過渡的大陸性季風氣候。全省由南向北年平均氣溫為10.5～16.7 ℃，年均降水量407.7～1 295.8 mm，降雨以6—8月份最多，年均日照1 285.7～2 292.9 h，全年無霜期201～285天（https：//www.henan.gov.cn/）。這種氣候特征，是河南省多年農業干旱的重要因素之一，本研究以河南省為研究區域，反演河南省2016年小麥種植區域的土壤墑情。小麥種植空間分布圖及實測站點如圖1所示。

1.2 數據

1.2.1 遙感數據。MODIS（Moderate-resolution Imaging Spectroradiometer）是Terra和Aqua衛星上搭載的主要傳感器之一，兩顆星相互配合，每1—2天可重復觀測整個地球表面，得到36個波段的觀測數據。MODIS的波段相對較窄，減少了水汽吸收對相關波段的影響（如近紅外波段），而紅外波段對葉綠素更加敏感。盡管MODIS產品數據集的時間分辨率可以達到日，考慮到云覆蓋對地表溫度及植被指數的影響較大，本研究用到的MODIS數據產品有MOD09A1、MOD11A2和MOD12Q1，均為合成產品。

針對MODIS的hdf數據，使用NASA提供的MRT（MODIS Reprojection Tool）工具對數據進行重采樣、鑲嵌、重投影、掩模、裁剪等預處理，為使地表反射率產品與地表溫度產品的空間分辨率保持一致，重采樣至500 m分辨率；最后結合多時相的遙感圖作麥田的掩膜，過濾非小麥種植區像元。

1.2.2 地表數據。實測數據來自河南省氣象局土壤含水量觀察站點的實測數據。圖1中圓點代表河南省麥田土壤含水量地面觀測站點。該站點每天從地面觀測站點收集土壤含水量。本研究使用與MODIS傳感器天合成日期相近的實測地表土壤含水量參與建模和驗證模型。

2 研究方法

Lambin等［12］從蒸騰、蒸發及植被覆蓋度的角度對地表和植被指數組成的特征空間做出解釋，即在地表溫度和植被指數組成的特征空間中，一般散點分布為梯形或三角形，如圖2（a）所示。

Sandholt等［9］根據Ts-NDVI特征空間提出了溫度植被干旱指數（TVDI），表達式為式（1）。

其中，

式中：Ts為遙感影像獲取的地表溫度，K；Tsmin為歸一化植被指數對應的地表溫度的最小值，對應Ts-NDVI特征空間的濕邊；amin為歸一化植被指數對應的地表溫度的最大值，對應Ts-NDVI特征空間的干邊amin和bmin為濕邊方程的擬合系數；amax和bmax為干邊方程的擬合系數，NDVI為歸一化植被指數。

在Ts-NDVI特征空間中，土壤墑情等值線相交于干邊和濕邊的交點，則該直線斜率與土壤墑情之間呈線性關系如圖2（b）所示，Q點的土壤墑情表達式為式（4）。

式中：RSM為土壤相對濕度；h/H為TVDI的斜率；a，b為參數，通過線性回歸可得。

像元到干、濕邊的距離和干、濕邊的土壤相對濕度為式（15）。

則土壤墑情可以表達為式（16）。

由式（6）可知，溫度植被干旱指數簡化了Ts-NDVI特征空間，采用遙感數據即可進行土壤墑情的反演及監測。

3 結果與分析

3.1 植被指數與地表溫度/晝夜溫差特征空間的關系

通過對2016年3月至5月的3期MODIS產品進行處理，得到植被指數NDVI和EVI，地表溫度Ts和地表晝夜溫差DT；然后分別采用Ts-NDVI、Ts-EVI、DT-NDVI和DT-EVI擬合的特征空間干、濕邊方程如表1。

由表1可知，特征空間的干邊斜率為負，說明最大溫度隨著植被指數的增加而減小；濕邊（絕大部分）斜率為正，說明最小溫度隨著植被指數的增加而增加。從擬合效果來看，干邊的擬合效果很好，而濕邊的擬合結果不太理想， 3月13日冬小麥處于起身期—拔節期，擬合效果最好的特征空間為DT-EVI；4月14日冬小麥處于拔節期—孕穗期，擬合效果最好的特征空間為Ts-EVI；5月24日冬小麥處于乳熟期，擬合效果最好的特征空間為Ts-EVI。因此，基于EVI擬合的特征空間較為穩定。這是因為小麥進入起身期后生長迅速，植被覆蓋變化較大，EVI能夠有效去除土壤背景的影響，在高植被覆蓋區具有較高的敏感性；也說明在特征空間中，植被覆蓋的變化使像元在特征空間位置的變化提高了TVDI的敏感性。此外，基于晝夜溫差構成的特征空間表現并不穩定，DT-EVI特征空間效果比DT-NDVI略好，再次說明了EVI能夠很好地體現植被覆蓋情況。

3.2 土壤墑情反演結果與分析

根據TVDI的計算方程和表1各個時期的干、濕邊方程計算4種特征空間的TVDI值，根據河南省氣象局土壤含水量300個觀察站點的同期實測地表含水量數據，隨機選擇230個樣本對應不同的TVDI值進行線性擬合，剩下的70個樣本作為檢驗樣本，以TVDIs估算值為橫坐標，實測土壤含水量為縱坐標，如圖3、圖4、圖5所示。

從圖3、圖4、圖5不同時期土壤墑情與TVDI的相關性分析可知，TVDIs值與表層土壤墑情均呈現負相關性。即TVDIs值越大，土壤含水量越少，土壤表面越干旱。在小麥的不同生長期，Ts-EVI特征空間構建的TVDI與實測土壤墑情具有較穩定的相關性，決定系數R2分別為0.773（2016年3月13日），0.6347（2016年4月14日）和0.7261（2016年5月24日）。由于Ts-EVI特征空間構建的TVDI反演土壤墑情效果比其他三種特征空間構建的TVDIs相對較好，因此選擇Ts-EVI特征空間構建的TVDI反演研究區麥田表層土壤墑情，反演結果如圖6所示。

4 結語

本研究利用MODIS遙感影像提取研究區的兩種植被指數NDVI和EVI，地表溫度參數LST和地表晝夜溫差DT，計算4種TVDIs（Ts-NDVI、Ts-EVI、DT-NDVI和DT-EVI）的特征空間，從而建立遙感反演表層土壤墑情的關系模型。并利用實測土壤墑情對反演模型進行驗證。研究結果表明：

①建立研究區不同時期的4種TVDIs空間散點圖呈現三角形/梯形，同一時期的TVDIs散點圖形狀相似，應用ENVI5.3軟件的TVDI功能模塊得到特征空間散點圖的干邊和濕邊，再應用Excel軟件去掉裸土像元，方法簡單實用，特征空間的干邊擬合效果明顯好于濕邊。

②土壤墑情與4種TVDIs之間均表現為負相關的線性關系，即TVDI值越小，土壤含水量越高，土壤較為濕潤；TVDI值越小，土壤含水量越低，土壤較為干旱。由Ts-EVI構建的TVDI與研究區實測表層土壤墑情的相關性最為穩定，精度也最高。

參考文獻：

［1］MIRALLES D G，TEULING A J，VAN-HEERWAAR-

DEN C C，et al. Mega－heatwave temperatures due to combined soil desiccation and atmospheric heat accumulation［J］. Nature Geoscience，2014，7（5）：345-349.

［2］PETROPOULOS G P，IRELAND G，BARRETT B. Surface soil moisture retrievals from remote sensing： Current status，products & future trends［J］. Physics and Chemistry of the Earth，Parts A/B/C，2015，83-84：36-56.

［3］徐沛，張超.土壤水分遙感反演研究進展［J］.林業資源管理，2015（4）：151-156.

［4］李玉清.基于landsat8遙感數據在地表土壤水分反演中的初步應用［J］.華北自然資源，2021（5）：79-80.

［5］鄭小坡，孫越君，秦其明，等.基于可見光—短波紅外波譜反射率的裸土土壤含水量反演建模［J］.光譜學與光譜分析，2015，35（8）：2113-2118.

［6］PRICE J C. Using spatial context in satellite data to infer regional scale evapotranspiration［J］. IEEE Transaction on Geoscience and Remote Sensing，1990，28（5）：940-948.

［7］MORAN M S，RAHMAN A F，WASHBURNE J C，et al.Combining the Penman-Monteith equation with measurements of surface temperature and reflectance to estimate evaporation rates of semiarid grassland［J］.Agricultural and Forest Meteorology，1996，80（2/3/4）：87-109.

［8］王文，王曉剛，黃對，等.應用地表溫度與植被指數梯形空間關系估算陸面蒸散量［J］.農業工程學報，2013（12）：109-117.

［9］SANDHOLT I，RASMUSSEN K，ANDERSEN J. A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status［J］.Remote Sensing of Environment，2002，79（2）：213-224.

［10］HOLZMAN M E，RIVAS R，PICCOLO M C.Estimating soil moisture and the relationship with crop yield using surface temperature and vegetation index［J］.International Journal of Applied Earth Observation and Geoinformation，2014，28：181-192.

［11］LIANG L，ZHAO S H，QIN Z H，et al.Drought change trend using MODIS TVDI and its relationship with climate factors in China from 2001 to 2010［J］. Journal of Integrative Agriculture，2014，13（9）：1501-1508.

［12］LAMBIN E F，EHRLICH D. The surface temperat-

ure-vegetation index space for land cover and land-cover change analysis［J］.International Journal of Remote Sensing，1996，17（3）：463-487．