基于FY-3D_TVDI的黑龍江省生長季干旱監測評估

摘要：基于FY-3D氣象衛星數據構建Ts-NDVI特征空間，計算溫度植被干旱指數（TVDI），分析2020年生長季內黑龍江省主要農區干旱時空分布變化，并結合高程、坡度以及氣象數據，分析TVDI變化影響因子。結果表明，2020年生長季黑龍江省農區TVDI空間分布具有較強的區域性差異，呈現北部、東部較濕潤，西部、中部、南部較干旱趨勢；東部農區TVDI主要分布于0.2～0.6屬于正常或偏澇，其他農區有2次典型干旱事件的發生，干旱峰值位于5月中旬和9月上旬。以400 m 高程為分界點，小于400 m 高程區域的TVDI與高程呈正相關關系，大于400 m高程區域的TVDI與高程呈負相關關系；坡度分界點為3.5°，小于3.5°區域TVDI隨坡度的增加逐漸增大，大于3.5°區域TVDI隨坡度的增加緩慢下降。旬平均氣溫對TVDI的影響大于旬累計降水量，且平均氣溫對TVDI存在持續性的影響，持續時間可達1～2旬。

關鍵詞：干旱；溫度植被干旱指數（TVDI）；遙感；時空分布；黑龍江省

中圖分類號：S165.2" " " " "文獻標識碼：A

文章編號：0439-8114（2023）03-0241-08

DOI：10.14088/j.cnki.issn0439-8114.2023.03.038 開放科學（資源服務）標識碼（OSID）：

Monitoring and evaluation on drought in the" growing season of Heilongjiang Province based on FY-3D_TVDI

XU Zuo-min1，WU Shuang1，WU Ying2，GONG Li-juan3，JIANG Li-xia3，SUN Tao1，CHENG Chun-xiang1，XIE Lian-ni1

（1. Heilongjiang Eco-meteorological Center，Harbin" 150030， China；2. China Meteorological Administration Public Meteorological Service Center， Beijing" 100081， China；3. Heilongjiang Province Institute of Meteorological Science，Harbin" 150030， China）

Abstracts： A Ts-NDVI feature space was constructed based on FY-3D meteorological satellite data， and the temperature vegetation dryness index （TVDI） was calculated. The temporal and spatial distribution of drought in the main agricultural areas of Heilongjiang Province in the 2020 growing season was evaluated. In addition， the impact factor of TVDI was studied based on elevation， slope and meteorological data. The results showed that，in the 2020 growing season， a significant regional difference was found on the spatial distribution of TVDI in agricultural areas in Heilongjiang Province， indicating a trend of humidity in north and east， arid in western， central， and southern regions. The TVDI in the east agricultural areas， which was normal or partial waterlogging， was mainly distributed from 0.2 to 0.6. There were 2 typical drought events in other agricultural areas， and the drought peaks were in mid-May and early September.With the 400 m elevation as the cut-off point， the TVDI in the less than 400 m elevation region was positively correlated with the elevation， and the TVDI above the 400 m elevation region was negatively correlated with the elevation. The slope inflection point was 3.5°. TVDI gradually increased with the increase of the slope before the inflection point， and slowly decreased with the increase in the slope after the inflection point. The impact of ten-day average temperature on TVDI was greater than that of ten-day cumulative precipitation， and the average temperature had a continuous impact on TVDI， lasting about 10 to 20 days.

Key words： drought； temperature vegetation dryness index （TVDI）； remote sensing； temporal and spatial distribution； Heilongjiang Province

干旱以其持續時間長、頻發、波及范圍廣等特點，成為對社會影響最廣泛的自然災害之一［1，2］，近年來，隨著全球氣候變暖，干旱發生頻率呈逐年上升趨勢，特別是中國東北地區干旱增多趨勢愈發明顯，給水資源管理和糧食安全帶來極大壓力［3，4］。因此，能夠積極有效地監測干旱情況，對于農業生產安全至關重要［5-9］。傳統的干旱監測方法主要是通過氣象降水數據、土壤水分數據來反映干旱情況，人力投入大、站點維護費用高、觀測站點少，無法及時準確地反映大范圍內干旱變化情況。近年來，隨著對地觀測技術的進步，特別是中國風云氣象衛星的快速發展，遙感監測［10］以其高時效、范圍廣等優勢被大量應用到農業干旱監測中，在提高干旱監測效率的同時大大減少人力成本的投入。

國內外學者就遙感干旱監測開展了廣泛研究，主要以植被和地表土壤為依據［11］，建立3類干旱監測指標，單純基于地表溫度構建的干旱指標，其缺點在于受高程、坡度影響較大；基于植被指數構建的干旱指標，受植物自身生長過程影響，干旱監測存在滯后；而利用地表溫度和植被指數聯合構建的干旱指標，綜合考慮了地表溫度和植被本身生長狀態數據，可以更好地反映區域干旱情況［12］，在農業干旱監測中得到了廣泛應用［13-16］。朱小強等［17］基于 MODIS遙感數據估算了TVDI，結果表明，利用 TVDI進行干旱監測精度高、效果好。黃靜等［18］基于 MODIS數據計算溫度植被干旱指數對新疆 2000—2016年干旱時空變化進行了監測分析，證明了TVDI對新疆的干旱監測的適用性； Rahimzadeh-bajgiran等［19］通過改進溫度植被干旱指數對伊朗的土壤水分進行了監測，結果表明，考慮了地形和氣溫因素影響的iTVDI能更好地反映研究區作物的干旱狀況；王一昊等［20］基于MODIS數據并結合春玉米生育期數據，探究基于NDVI、EVI構建的TVDI在春玉米不同發育階段、不同農田環境條件下的干旱監測精度差異，選取出監測精度高的指標進行干旱監測。覃藝等［21］基于MODIS數據（MOD11A2 LST和 MOD13A2 NDVI）開展內蒙古2000—2017年植被生長季旱情監測，探究內蒙古TVDI時空分布變化特征，并綜合分析了地貌因子與氣象因子對TVDI的影響。

黑龍江省為農業大省，糧食商品量和調出量連續多年居全國第一位，糧食總產量約占全國總量的1/10，黑龍江省糧食產量直接影響國家糧食安全。干旱是黑龍江省面臨的主要氣象災害之一，本研究以黑龍江省主要農區為研究對象，通過Ts-NDVI構建特征空間向量，探究2020年黑龍江省主要農區生長季干旱時空分布，分析氣象因子以及地貌因素對黑龍江省干旱影響，為干旱防控提供理論支撐。

1 資料與方法

1.1 研究區概況

黑龍江省是中國位置最北省份。地形以丘陵和平原為主，氣候類型屬于溫帶大陸性季風氣候。全省年平均氣溫-4～5 ℃，氣溫隨地域差異變化較大，溫差接近 l0 ℃，全省年降水量多介于400～650 mm，降水資源穩定。生長季的輻射總量占全年的55%～60%，光照時間長，雨熱同季節，適宜農作物生長。

1.2 NDVI和LST 數據

數據使用風云三號氣象衛星D星的中分辨率光譜成像儀（FY-3D/MERSI-Ⅱ）的一級和二級數據，數據來源于國家衛星氣象中心，其空間分辨率為1 km。本研究在數據處理過程中剔除了云影響較大的像元數據，并對晴空數據進行拼接、裁剪、掩膜等預處理，最后對所用數據采用最大值合成法和平均值合成法，以得到研究區內空間分辨率為1 km、時間分辨率為10 d的LST和NDVI數據集。

1.3 DEM 數據

DEM來源于地理空間數據云（http：//www.gscloud.cn） 的 ASTER GDEMV2 數據，空間分辨率為30 m，經過無效值剔除、拼接和掩膜等預處理后，將DEM空間分辨率重采樣為1 km。

1.4 其他數據

逐日氣象資料來自黑龍江省44個氣象站和基礎地理信息資料（圖1）。

1.5 研究方法

Price［22］和Carlson等［23］研究表明研究區下墊面類型從變化為植被覆蓋100%時，VI 和 LST 構成的散點圖顯現出三角形關系，Sandholt等［24］在前人的研究基礎上提出溫度植被干旱指數（TVDI），利用 Ts-NDVI構建特征空間提取的水分脅迫指標來估算陸面表層土壤水分。研究區內，隨著NDVI增加，植被通過蒸騰作用將吸收的輻射能部分轉化為潛熱的能力會加強，而轉化顯熱的作用相對減弱，表面溫度呈下降趨勢。在較小的區域內，可認為每個像元大氣背景條件與受到的太陽總輻射量基本一致，地表干旱缺水時，植被蒸騰轉化為潛熱的能量降低，顯熱交換增加，地表溫度會迅速升高；反之，土壤濕度較大，地表溫度增加較少。在表面溫度Ts與 NDVI的二維空間里，TVDI表達式為：

式中，Tsmin表示最小地表溫度，對應的是濕邊；Ts表示任意像元的地表溫度；Tsmax表示最大地表溫度，對應的是干邊。a1、b1、a2、b2分別為干、濕邊線性擬合方程的系數。

2 結果與分析

2.1 黑龍江省2020年生長季Ts-NDVI 特征空間的構建

提取生長季內每旬NDVI對應的最大地表溫度和最小地表溫度，構建黑龍江省2020年生長季旬的 Ts-NDVI 特征空間。從圖2可以看出，在2020年生長季內，Ts-NDVI散點圖分布呈現典型的三角分布，干濕邊界較為清晰，當NDVIlt;0.25時，監測區域植被覆蓋度低于25%，不能有效地反映該區域的植被情況，Ts-NDVI線性關系不顯著。當 0.25lt;NDVIlt;0.80 時，Tsmax隨NDVI 增大而減小，且NDVI 和 Tsmax之間的線性關系顯著。 因此，為了提高干、濕邊方程的擬合精度，本研究選取的NDVI范圍為0.25lt;NDVIlt;0.80，并計算生長季內各旬干濕邊擬合方程，見表1。

2.2 黑龍江省2020年生長季TVDI時空分布

2.2.1 TVDI時間變化特征 基于TVDI 指數的干旱分級，可根據齊述華等［25］提出的用TVDI劃分土壤含水量的標準。對黑龍江省基于TVDI干旱指數進行土壤濕度分級，共劃分為5個等級，分別為極濕潤（0＜TVDI≤0.2）、濕潤（0.2＜TVDI≤0.4）、正常（0.4＜TVDI≤0.6）、半干旱（0.6＜TVDI≤0.8）、干旱（0.8＜TVDI≤1.0），2020年生長季黑龍江省東部農區TVDI主要分布于0.2～0.6屬于正常或偏澇，其他農區有2次典型干旱事件的發生。5月上旬開始較為嚴重的春季干旱，TVDI介于0.6～1.0的像元占總監測像元比例為29%，5月下旬干旱像元占比達到峰值48%。進入6月上旬之后，春旱影響范圍逐漸縮小，全省旱情基本緩解，干旱像元比例降低為24%。6月中旬至8月上旬，全省無大面積干旱事件的發生。8月中旬開始第二次大范圍干旱過程，干旱以輕旱為主，干旱像元比例為31%，9月上旬干旱像元占比達44%，直至9月下旬，全省夏季干旱得到緩解，干旱像元占比為20%（圖3）。

2.2.2 TVDI空間分布特征 2020年生長季黑龍江省農區TVDI空間分布具有較強的區域性差異，呈現北部、東部較濕潤，西部、中部、南部較干旱趨勢（圖4）。從整體來看，黑龍江省農區生長季 TVDI均值為0.55，屬于水分供應正常年份，松嫩平原干旱狀況較嚴重，該地區降雨量少，種植作物以玉米、大豆等旱田為主，黑龍江省旱田作物以雨養為主，對氣溫、降水等變化較為敏感，生態系統的穩定性易受到影響。其中，TVDI高值區（0.8～1.0）的像元占監測總像元的3.8%，主要分布在齊齊哈爾、綏化、哈爾濱北部以及牡丹江南部地區；TVDI中高值區（0.6～0.8）的像元占監測總像元的27%，主要分布在齊齊哈爾、綏化、大慶、哈爾濱以及佳木斯西南部地區；TVDI中值區（0.2～0.6）的像元占監測總像元的66%，主要分布在佳木斯、雞西、雙鴨山、七臺河以及牡丹江東北部地區，多為水稻種植區域，主要特點是由于人工灌溉的影響水資源相對較好，土壤涵水能力較好。

2.3 黑龍江省2020年生長季TVDI影響因子分析

2.3.1 高程、坡度對TVDI影響分析 黑龍江省農區主要分布于三江平原與松嫩平原，地勢比較低平，海拔介于50～500 m，其中，干旱較為嚴重區域高程介于350～400 m。由圖5可知，TVDI與高程、坡度的線性關系存在明顯的分界點，小于400 m 高程區域的TVDI與高程呈正相關關系，即隨著高程升高TVDI呈波動上升趨勢，大于400 m高程區域TVDI與高程呈負相關關系。坡度與TVDI相關性的分界點為3.5°，小于3.5°坡度的區域，TVDI與坡度呈正相關關系，隨著坡度的增加TVDI逐漸增大，大于3.5°坡度的區域，隨坡度增加TVDI緩慢下降。

2.3.2 氣象因子與TVDI的相關關系 黑龍江省農區2020年生長季累計降水量介于519～817 mm，平均值為664 mm，較常年偏多，降水分布區域性特點顯著，生長季累計降水量高值區域集中在黑龍江省東部松嫩平原以及黑龍江省中部。低值區位于黑龍江省北部遜克站以及黑龍江省西部三江平原區域，生長季氣溫平均值介于15～17 ℃，溫度分布較均勻。

表2為黑龍江省主要農區TVDI與生長季氣象因子的相關系數。TVDI與旬平均氣溫相關系數介于-0.70～0.42，TVDI與旬平均氣溫相關性存在顯著的空間分布差異和時間延續性，甘南、虎林、海林、穆棱區域TVDI與本旬、上一旬、上兩旬平均氣溫均呈顯著負相關關系（Plt;0.05）；海倫、樺川、寶清、勃利、雞東區域TVDI與本旬、上一旬平均氣溫呈顯著負相關關系（Plt;0.05）。由此可見平均氣溫對旱田作物TVDI存在持續性的影響，持續時間可達1～2旬。研究區域TVDI主要與當旬的累計降水量呈顯著相關，海倫、綏濱、木蘭、虎林、海林、東寧區域與本旬的累計降水量相關系數均可達-0.50左右，且均通過" Plt;0.05顯著性檢驗。研究區域TVDI與上一旬、上兩旬累計降水量相關性不顯著。通過水旱田分類數據發現，TVDI與氣象因子相關系數較高區域氣象站點附近農區種植作物基本為大豆、玉米等旱田作物（圖1），黑龍江省旱田作物以雨養為主，對氣溫、降水變化敏感性較高，水稻主要種植區域由于人工灌溉影響，TVDI對氣象因子敏感性較低。

3 結論與討論

國內外學者結合典型干旱事件對TVDI在干旱監測中的適應性進行了系統研究驗證［19，25-27］，本研究在前人研究的基礎上基于FY-3D氣象衛星數據構建Ts-NDVI特征空間，計算溫度植被干旱指數（TVDI），分析了2020年生長季黑龍江省主要農區TVDI時空分布情況，研究結果表明，2020年生長季黑龍江省東部農區TVDI主要分布于0.2～0.6屬于正常或偏澇 ，其他農區有2次典型干旱事件的發生。5 月上旬開始較為嚴重的春季干旱，TVDI介于0.6～1.0區間的像元占總監測像元比例為29%，5月下旬干旱像元占比達到峰值48%。進入6月上旬之后，春旱影響范圍逐漸縮小，全省旱情基本緩解，干旱像元比例降低為24%。6月中旬至8 月上旬，全省無大面積干旱事件的發生。8月中旬開始第二次大范圍干旱過程，干旱以輕旱為主，干旱像元比例為31%， 9月上旬干旱像元占比達44%，直至9月下旬，全省夏季干旱得到緩解，干旱像元占比為20%。鄭昌玲等［28］的研究也表明，2020年黑龍江省降水偏多，同時8月26日至9月9日第8號臺風“巴威”、第9號臺風“美莎克”和第10號臺風“海神”先后影響東北地區，降水補充了大部分地區的農田土壤水分，利于深層蓄墑和農業蓄水，緩解了東北西部部分地區的旱情，與本研究黑龍江省夏季旱情的變化趨勢相符。

TVDI與高程、坡度的線性關系存在明顯的分界點，小于400 m 高程區域的TVDI與高程呈正相關關系，即隨著高程升高TVDI呈波動上升趨勢，大于400 m高程區域TVDI與高程呈負相關關系。坡度與TVDI相關性的分界點為3.5°，小于3.5°坡度的區域，TVDI與坡度呈正相關關系，隨著坡度的增加TVDI逐漸增大，大于3.5°坡度的區域，隨坡度增加TVDI緩慢下降。

平均氣溫對TVDI的影響大于旬累計降水量，且平均氣溫對TVDI可產生持續影響，持續時間可達1～2旬。根據水旱田地表分類信息進一步發現，玉米、大豆等旱田作物種植區域TVDI與平均氣溫、本旬累計降水量的相關性密切，水稻主要種植區域由于人工灌溉影響，TVDI對氣象因子敏感性較低。

本研究僅就高程、坡度、平均氣溫、累計降水量對TVDI的影響進行了探討，沒有考慮大氣及土壤背景對土壤濕度的影響，同時選取的研究區域氣象站點稀疏，無法與TVDI格點數據進行對應分析，今后將針對TVDI其他影響因素進行進一步深入的研究，為提高遙感動態干旱監測分析定量化水平做更深一步的工作。

參考文獻：

［1］ AGHAKOUCHAK A， FARAHMAND A， MELTON F S， et al. Remote sensing of rought：Progress， challenges and opportunities［J］. Reviews of geophysics，2015，53（2）：452-480.

［2］ HAO Z C， SINGH V P. Drought characterization from a multivariate perspective：A review［J］. Journal of hydrology， 2015，527：668-678.

［3］ FIELD C B，BARROS V，STOCKER T F，et al. Managing the risks of extreme events and disasters to advance climate change adaptation：Special report of the intergovernmental panel on climate change［R］. Cambridge： Cambridge university press，2012.

［4］ PACHAURI R K，ALLEN M R，BARROS V R，et al. Climate change 2014： Synthesis report. Contribution of working groups I， II and III to the fifth assessment report of the intergovernmental panel on climate change［R］. Geneva， Switzerland ： IPCC，2014.

［5］ SUN L， SUN R， LI X W， et al. Monitoring surface soil moisture status based on remotely sensed surface temperature and vegetation index information［J］. Agricultural and forest meteorology，2012，166-167：175-187.

［6］ SHEFFIELD J， WOOD E F， CHANEY N， et al. A drought monitoring and forecasting system for sub-sahara African water resources and food security［J］. Bulletin of the American meteorological society，2014，95（6）：861-882.

［7］ HAO Z C， AGHAKOUCHAK A， NAKHJIRI N， et al. Global integrated drought monitoring and prediction system［J］. Scientific data，2014，1：1-10.

［8］ LAKSHMI V. Remote sensing of hydrological extremes［M］.Berlin：Springer international publishing， 2017.121-149.

［9］ 盧曉寧，張靜怡，王玲玲，等.綜合考慮植被、溫度和降水的四川省月尺度伏旱遙感監測［J］.自然資源學報，2017，32（7）：1145-1157.

［10］ 郭 鈮，王小平.遙感干旱應用技術進展及面臨的技術問題與發展機遇［J］.干旱氣象，2015，33（1）：1-18.

［11］ 范一大，吳 瑋，王 薇，等.中國災害遙感研究進展［J］.遙感學報，2016，20（5）：1170-1184.

［12］ 劉憲鋒，朱秀芳，潘耀忠，等.農業干旱監測研究進展與展望［J］.地理學報，2015，70（11）：1835-1848.

［13］ 葛少青，張 劍，孫 文，等.三種干旱指數在干旱區沼澤濕地土壤水分遙感反演中的應用［J］.生態學報，2018，38（7）：2299-2307.

［14］ LIU L Y， LIAO J S， CHEN X Z， et al. The microwave temperature vegetation drought index （MTVDI） based on AMSR-E，brightness temperatures for long-term drought assessment across China（2003—2010）［J］. Remote sensing of environment，2017，199：302-320.

［15］ 陳少丹，張利平，湯柔馨，等.基于SPEI和TVDI的河南省干旱時空變化分析［J］.農業工程學報，2017，33（24）：126-132.

［16］ 王鳳杰，馮文蘭，扎西央宗，等.基于 FY-3A/VIRR和TERRA/MODIS數據藏北干旱監測對比［J］.自然資源學報，2017，32（7）：1229-1239.

［17］ 朱小強，塔西甫拉提·特依拜，丁建麗，等.基于MODIS與Landsat 8的艾比湖濕地旱情時空變化及其影響因素分析［J］.生態學報，2018，38（8）：2984-2994.

［18］ 黃 靜，張 運，汪明秀，等.近17年新疆干旱時空分布特征及影響因素［J］.生態學報，2020，40（3）：1077-1088.

［19］ RAHIMZADEH-BAJGIRAN P， OMASA K， SHIMIZU Y. Comparative evaluation of the vegetation dryness index （VDI），the temperature vegetation dryness index （TVDI） and the improved TVDI （iTVDI） for water stress detection in semi-arid regions of Iran［J］. ISPRS Journal of photogrammetry and remote sensing，2012，68：1-12.

［20］ 王一昊，武永峰，張立亭，等.基于TVDI的東北地區春玉米干旱監測——以2018年為例［J］.河南農業科學，2020，49（3）：167-180.

［21］ 覃 藝，張廷斌，易桂花，等.2000年以來內蒙古生長季旱情變化遙感監測及其影響因素分析［J］.自然資源學報，2021，36（2）：459-475.

［22］ PRICE J C. Using spatial context in satellite data to infer regional scale evapotranspiration［J］. IEEE Transactions on geoscience and remote sensing，1990，28（5）：940-948.

［23］ CARLSON T N，GILLIES R R，PERRY E M. A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover［J］. Remote sensing reviews，1994，9（1-2）：161-173.

［24］ 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（2-3）：213-224.

［25］ 齊述華，王長耀，牛 錚.利用溫度植被旱情指數（TVDI）進行全國旱情監測研究［J］.遙感學報，2003，7（5）：420-427，436.

［26］ 劉立文，張吳平，段永紅，等.TVDI模型的農業旱情時空變化遙感應用［J］.生態學報，2014，34（13）：3704-3711.

［27］ PATEL N R， ANAPASHSHA R， KUMAR S， et al.Assessing potential of MODIS derived temperature/vegetation condition index （TVDI） to infer soil moisture status［J］. International journal of remote sensing，2009，30（1）：23-39.

［28］ 鄭昌玲，宋迎波，何 亮，等.2020年秋收作物生長季農業氣象條件評價［J］.中國農業氣象，2021，42（3）：250-254.