基于MODIS數據的干旱遙感監測研究

四川省環境監測中心站 杜 明 趙 鵬

(作者：杜明 四川省環境監測中心站；趙鵬 四川省環境監測中心站)

1. 引言

干旱是指由水分收支或供求不平衡所形成的水分短缺現象。由于出現頻率高、持續時間長和波及范圍大等特點，干旱對國民經濟特別是對農業生產帶來嚴重影響。它不僅直接導致農業減產、食物短缺，而且可能造成土地資源退化、水資源耗竭，使生態環境受到破壞，從而制約可持續發展。因此，預防和減輕旱災成為當今世界的重要課題之一[1]。

2003年夏季，中國南方地區遭受了一場歷史罕見的大范圍高溫干旱襲擊，江南、華南出現了持續高溫干旱天氣。處在南方高溫區的江西，也遭受了1場新中國成立以來嚴重的夏季高溫和干旱危害[2]。江西省地處中國東南部，位于北緯 24°29'14"～ 30° 04'41"、東經 113° 34'36"～118°28'58"之間。研究區地形以山地和丘陵為主，平均海拔是1000m。氣候溫和，雨量豐沛，森林覆蓋率高。耕地面積約為230萬hm2，主要分布于中北部。江西省年平均氣溫18℃左右。年均降水量1341～1940mm，一般表現為南多北少、東多西少、山區多盆地少。武夷山、懷玉山和九嶺山一帶年均降水量多達1800～2000mm，長江沿岸到鄱陽湖以北以及吉泰盆地年均降水量則約為1350～1400mm，其他地區多在1500～1700mm之間。年均日照時數為 1473．3～ 2077．5h。旱災是對江西省國民經濟尤其是對農業危害最大的氣象災害。2003年夏季（6月底～9月初）江西省受強盛副高控制，出現了歷史少見的高溫少雨干旱天氣。長時間大范圍的持續干旱使水庫蓄水量、江河水位急劇下降， 造成全省用水緊張、山區、發生了飲水困難；干旱還使水田干涸農作物遭受很大危害。

傳統的農業干旱監測方法主要利用地面觀測點的降水量、土壤墑情和其他氣象資料間接判斷旱情，在數據獲取、數據代表性、費用以及方法的適應性上存在諸多的不足[3]。隨著遙感技術的發展和遙感知識的普及，遙感監測干旱成為一種趨勢。它不僅可以彌補傳統監測方法在操作和運用上的不足，而且實現了對農業旱情進行較大范圍實時或者近實時的監測，能較好地反映出災情的空間分布情況。本文基于江西省2001年～2006年的NDVI指數，對干旱情況進行遙感監測。因此尋找合適的干旱監測方法對于及時了解旱情程度和分布，為政府抗旱救災決策提供科學依據，對防御、減輕干旱災害均具有重要的現實意義。

2. 數據來源與處理方法

2．1 數據來源

NDVI數據來自美國NASA的EOS／MODIS的2001～2006年的MOD13A3數據產品。MOD13A3是月平均植被指數產品，包含NDV I、EV I、紅光、近紅外、中紅外、藍光等波段反射率以及其它輔助信息，空間分辨率為1000m。MODIS數據有三大優點：第一，可以免費下載：第二，涉及波段范圍廣，空間分辨率比NOAA/AVHRR有較大進展；第三，重訪周期短。

本文選擇江西省 2003 年 7，8，9月份的MOD13A3產品數據，因為2003年江西省發生了歷史罕見的特大干旱，2003年6月末開始到9月上旬，受強盛副高控制，江西省出現了歷史少有的高溫少雨干旱天氣。持續的酷熱高溫致使我省多項氣溫、干早指標突破歷史記錄。

江西省行政區劃圖來自于國家基礎地理信息系統數據庫，氣象數據來自中國氣象數據共享服務網。

2．2 植被指數的計算公式

2．2．1 歸一化植被指數（NDVI）

NDVI是遙感應用領域用來定性和定量評價植被覆蓋及其生長活力最常用的植被指數。MODIS的植被指數是在AVHRR植被指數的基礎上改進設計的，并具有較高的空間分辨率，可反映詳細的地表植被信息[4]。NDVI計算公式如下：

其中：ρnir為近紅外波段反射率，ρred為紅外波段反射率。

NDVI是植被生長狀態及植被覆蓋度的最佳指示因子，它可以使某些與波段正相關的噪聲及直射輻射或漫射輻射發生變化，云、云影、太陽高度角和衛星觀測角、地形、大氣削弱等的影響最小化，還可以在一定程度上消除定標和儀器誤差的影響。對于陸地表面主要覆蓋而言，云、水、雪在可見光波段比近紅外波段有較高的反射作用，因而其NDVI值為負值，巖石、裸土在兩波段有相似的反射作用，其NDVI值接近于零，而植被覆蓋區的NDVI為正值且隨植被覆蓋度的增大而增大。NDVI對植被蓋度的檢測幅度較寬，有較好的時相和空間適應性，應用較廣[5]。它不僅適用于定性和定量地評價植被覆蓋、生長活力及生物量等植物狀態信息，也適合于進行農業干旱的監測。

2．2．2 植被狀態指數（VCI）

本文選用VCI作為研究江西省干旱的植被指數。

其中：NDVI，NDVImax，NDVImin分別為月的歸一化差值植被指數、月植被指數多年的最大值和最小值。

VCI的取值范圍是0-100。前人研究表明，若VCI≤30，則植被生長狀況較差；若30＜VCI≤70，則植被生長狀況適中；若VCI大于70，則植被生長狀況良好，無干旱發生。VCI數值越低，植被生長狀況越差。VCI數值大小取決于地面的植被生長狀況，它相當于把短期的天氣信號從長期的生態信號分離出來[7]。VCI是利用衛星系統將生態信號轉化為天氣信號以監測干旱的手段之一，其對干旱的發生、發展以及對植被的影響有良好的監測功能[8]。

2．2．3 降水距平與氣溫距平

（1）降水距平百分率

降水距平百分率是一個常用來描述降水多寡的量，也是氣象上監測干旱的一個重要指標。本文以降水距平百分率來分析干旱發生的程度，并作為VCI監測干旱能力的一個驗證指標。對選區的地區某一時段降水資料進行如下運算處理：

其中Rano表示某一時段降水距平百分率，R代表這一時段降水總量，Rave代表2001-2006同一時段降水總量的平均值。

（2）氣溫距平百分率是氣象上監測干旱的另一個重要指標，它的定義為：

其中RA表示某一時段平均氣溫距平，R代表這一時段的溫度，RT表示2001-2006同一時段的平均溫度。

2．3 數據處理

遙感圖像的處理使用ENVI 4．6和ArcGIS 9．0軟件，數據的統計分析使用Exce12003。由于MODIS數據以分圖幅的形式保存，而江西省跨兩個圖幅，利用ENVI工具，先將兩個圖幅的數據進行拼接，并進行投影轉換，然后用江西省行政區劃圖進行裁剪，以便得到江西省的NDVI數據分布。然后對所得的NDVI的屬性數據輸出，在exce1中進行統計分析。獲得2001～2006年7～9月份的NDVI均值、最大值、最小值等。并計算了NDVI與氣溫、降水、日照時數的線性相關系數。利用ENVI的波段運算工具，計算出VCI。在ArcGIS的空間分析模塊中，將16個氣象站點的數據利用普通克立格法插值，生成與NDVI數據柵格大小相同的柵格圖。所有圖件的輸出，均在ArcGIS中進行。

3. 結果與分析

3．1 江西省各年份NDVI均值統計特征

?

通過對MOD13A3數據的處理，可以獲得2001~2006年間7 -9月份江西省NDVI均值的描述性統計特征（表1）。通過表1可以看出，在7月份 2003年的NDVI均值最小（0．71），2002年最大（0．73）。對于8月份，2003年NDVI均值最小（0．73），2002年最大（0．76）；9月份 同樣是2003年的NDVI均值最小（0．72），2002年最大（0．75）。

圖1為2003年7-9月份NDVI均值與其他正常年份的對比圖。由圖1可以看出， 2003年夏季的NDVI值低于正常年份。其中7、8月份的NDVI數值與其他正常年份相比相差較大，低了0．02。9月份差距略小，相差 0．01。

3．2 植被指數的空間分布特征

圖1 干旱年份與正常年份7-9月份NDVI均值對比

依據尹潔等[9]的研究，江西省2003年8月份是旱災最為嚴重的時期。因此，本文在分析植被指數的空間特征時，僅以典型的8月份為代表進行研究。(1) NDVI的空間特征

2003年8月江西省NDVI空間分布規律見圖2。由圖2可以看出，總體來說，江西省的周邊地區NDVI值相對較高，說明植被生長狀況相對較好。而江西省中部和北部地區，NDVI值相對較低，說明這里植被生長狀況較差。尤其是在南昌周圍地區，吉安地區中部、撫州地區南部到贛州地區東北部一帶植被生長狀況更差。

根據分級統計結果，計算得到各級所占比例。分別是：0-0．2占1．16%；0．2-0．4占 1．30%；0．4-0．6占 11．12%；0．6-0．8占 48．90%；0．8-1占 37．70%。

（2） VCI的空間特征

圖2 2003年8月江西省NDVI空間分布圖

圖3 2003年8月江西省VCI空間分布圖

從植被狀態指數（VCI）的空間分布圖（圖3）可以看出；江西省北部偏低，尤其在南昌地區及周邊一帶和吉安等地區更為突出。就全省范圍而言，VCI處于0-30%范圍內的地區達到全省面積的52%．這說明2003年江西大部分地區植被受旱災影響比較嚴重。VCI介于30%-70%之間的區域所占比重為28%，這里植被生長狀況適中，干旱程度適中。VCI處于70%-100%之間的區域所占比重為20%，這里說明植被生長與正常年份相似，無干旱發生。

對比圖2（NDVI）和圖3（VCI）還可以發現，研究區的NDVI與VCI空間分布規律具有相似之處。NDVI值處于較低水平的地區，其VCI值也明顯很低。NDVI值較高的地區，相應的VCI值也較高。

3．3 江西省氣候要素的時空特征

3．3．1 時間特征

2001年至2006年7-9月份溫度隨時間的變化規律見圖4。由該圖可知，2003年夏季江西省的溫度明顯高于其他年份，尤以8月份更為突出。各年夏季的降水量時間序列圖（圖5）顯示，2003年夏季江西省的降水量明顯低于其他年份，尤其以7月份最為明顯。對比不同年份夏季的日照時數可以發現（圖6），2003年夏季江西省的日照指數相對于其他年份處于一個較高水平。因此，可以判斷2003年夏季江西省屬于典型的高溫少雨的干旱氣候類型。

圖4 2001年-2006年夏季溫度時間序列圖

圖5 2001年-2006年夏季降水量時間序列圖

圖6 2001年-2006年夏季日照時數時間序列圖

從氣溫空間分布（圖7）可以看出，2003年8月江西省全省都處于高溫狀態，月平均氣溫自西向東逐漸高。溫度最高的地區出現在江西省的東部區域。省內大部分處于29℃以上，所占比例約為90%。

從降水空間分布圖（圖8）可以看出，2003年8月份江西省降水量最少的地區出現在北部，處于57．9mm-98．3mm之間．降水量最大的區域位于江西省南部，介于150-270mm之間．江西省大部分地區降水不足，三分之二的地區降水量低于139．6mm。

日照時數的空間分布規律（圖9）表明，2003年8月江西省日照時數多介于5-10天左右。其空間分布規律為西部低，東部高，與氣溫的空間分布規律相似。

圖7 江西省氣溫分布圖

圖8 江西省降水量分布圖

圖9 江西省日照時數分布圖

降水和氣溫距平值的空間分布圖（圖10，11）表明了，相比正常年份，2003年氣候異常的分布規律。從圖10可以看出，江西省氣溫距平均大于0，這說明全省的氣溫對較正常年份較高。而且氣溫距平值自南向北依次減小，北部最高，最大距平達到19．3℃，南部距平較小。由圖11可以看出，江西省北部的降水距平均為負值。這說明全省的降水均較正常年份偏少。降水距平的分布規律與氣溫相同，南部地區距平較小，北部距平較大，說明北方的干旱比南方嚴重。由此可以判斷，對于江西省而言，干旱最為嚴重的地區位于北部。3．4 植被指數與氣候因素的相關分析

圖10 江西省平均氣溫距平分布圖

圖11 江西省降水距平百分率分布圖

（1）線性相關

NDVI與溫度的相關系數為 -0．84；NDVI與降水量的相關系數為0．77；NDVI與日照時數的相關系數為-0．76。他們之間的相關性均達到顯著相關水平（P＜0．05）。這說明，NDVI的高低與氣候因素的變化密切相關。隨著氣溫的升高、降水的降低和日照時數的延長，研究區的NDVI降低。

（2）空間關系

對比NDVI圖與氣候因素的空間分布圖可知，從空間上來看，NDVI與降水量的關系更為密切，空間格局和變化規律都一致，降水量高的地方，NDVI數值也大。而氣溫和日照時數與NDVI的空間對應關系不是很明顯。總體上是NDVI與氣溫分布總體呈相反趨勢，氣溫高的地方，NDVI值偏小。日照時數也與NDVI總體呈相反態勢，日照時數時間越長，NDVI值越小。

對比VCI與降水和氣溫距平的空間分布圖，可以發現，VCI與降水距平有相反的分布規律，降水距平百分率越高，即干旱越嚴重，VCI值越小。氣溫距平越大，VCI值也越小。這充分說明，VCI可以反映氣象要素在干旱年份的異常性，能夠精確地指示干旱嚴重程度。

由此以上分析可知，植被指數對氣候變化反應敏感。這主要源于氣候因素對植被有很大的影響。只有適宜的溫度才會對植被生長有促進作用，溫度過高會影響植物的蒸騰作用，導致植物水分流失，從而抑制植物生長。降水量過少，會造成植物吸收水分減少，抑制體內新城代謝。日照時數也是重要的因素之一，適宜的日照時數才會對植物的光和作用產生積極作用。過多的日照時數會影響短日照植物和中性植物的開花、結實、休眠期等系列發育過程[10]。

4．結論

干旱是全球范圍內影響最廣的自然災害，遙感監測作為一種對干旱進行監測的技術手段，能夠實現干旱的大面積實時、快速監測，在氣象部門為地方政府服務中起著十分重要的作用。各種遙感監測模型的研究，己經隨著遙感技術以及地面墑情自動監測技術和手段的不斷發展而逐漸變得更加完善。本文主要研究了如何利用MODIS數據實現江西省干旱的精細化監測，利用ENVI，ARCGIS等軟件對EOS/MODIS衛星遙感資料MOD13A3進行分析，獲得江西省NDVI均值及變化特征以及氣溫，降水，日照時數，VCI圖，得到以下結論：

① 基于MODIS數據，利用植被歸一化數法對江西省受干旱影響進行監測，取得較好效果，能夠較為準確地監測出大范圍區域的干旱發生情況。

② 2003年7～9月份，江西省平均溫度，日照指數，平均降水量以及NDVI數據表明，2003年的干旱水平在江西省歷史上實屬罕見，江西省2003 年夏季氣溫異常偏高， 高溫日數多， 強度強， 持續時間長， 多種氣溫要素破歷史極值， 為近50 年罕見，是時間尺度達百年的極端事件。

③ 不僅基于MODIS數據處理的

NDVI對江西省的分析影響，而且溫度，降水量，日照時數等因素對于模型的應用也有著一定的影響。

④ VCI可以反映大范圍的干旱，尤其是江西省北部監測效果很好。

5．存在問題及展望

理論上，衛星遙感計算歸一化植被指數，結合溫度，降水，日照時數所建立的遙感干旱模型，雖然考慮到氣候因素，但是由于受生產力、水源、植被生育期變化等眾多因素的影響，遙感監測干旱區域范圍和干旱程度可能會產生一定的誤差。

分站點區域干旱監測方法，其優點是考慮到江西省地表復雜情況，遙感干旱檢測精度得到一定的提高，但是更科學、更客觀的干旱監測還是要依賴于對更大量的樣本數據分析，并且隨時加以訂正修改，因此，不斷進行指標驗證和修正，使該遙感干旱監測方法更好地發揮作用。

在樣本的選取上不斷做到深入而細致的研究。由于受到云的影響，以及地面監測站點獲取不連續數據的影響，樣本點的選取依然不夠理想。以后監測工作中需要進一步增加樣本點的數量，擴大其分布范圍，并提高各地面觀測站點墑情監測時間的連續性。

[1] 畢慕瑩． 近40年來華北干旱的特點及其成因[M ] / /葉篤正，黃榮輝，旱澇氣候研究進展． 北京：氣象出版社1990．

[2] 尹潔，張超美，張傳江．江西2003年夏季罕見高溫氣候特征及成因分析[J]．江西氣象科技，2003，26(4)：1-22

[3] 李翠金． 華北異常干旱氣候事件及其對農業影響評估模式的研究[ J ]．災害學 ， 1999， 14 (1) ： 65 ! 69

[4] Kogon F． N． Remote sensing of weather impacts on vegetation in non-homogeneous area[ J] ．Internationa1 Journa1 of Remote Sensing， 1990， 11： 1405- 1420

[5] 胡良軍，邵明安．論水土流失研究中的植被覆蓋度量指標．西北林學院學報 ，2001，16(1)：40~43

[6] Kogan FN．NOAA p1ays 1eadership ro1e in deve1oping sate11ite techno1ogy for drought watch[J]．Earth observation Magazine，1994，11：1405-1409

[7] Kogan FN．G1oba1 drought watch from space [J]．Bu11 AmeriMeteor Soc，1997，78：621-636

[8] Gite1son A A，F Kogan，E Zakarin，et a1，Using AVHRR data for quantitative estimation of vegetation conditions：ca1ibration and va1idation[J]． Acv Space Res，1998，22(55)：613-676

[9] 尹潔，張超美，張傳江．江西2003年特大干旱氣候分析[J]．江西氣象科技，2003，26(4)：1-22

[10] 摘自《植物生理學》，王忠主編，2009版。