基于TVDI的滇西北土壤水分反演研究

王麗霞，王金亮，劉廣杰

(云南師范大學旅游與地理科學學院，云南 昆明 650500)

基于TVDI的滇西北土壤水分反演研究

王麗霞，王金亮，劉廣杰

(云南師范大學旅游與地理科學學院，云南 昆明 650500)

以香格里拉為研究區，以2002年、2005年、2009年、2013年以及2015年的Landsat系列影像和氣象數據為數據源，利用單窗算法反演地表溫度。以Ts-NDVI特征空間原理為基礎，應用溫度植被干旱指數(TVDI)反演香格里拉的土壤水分。通過GIS空間分析法完成對香格里拉2002—2015年的土壤水分動態反演。結果表明：2002年土壤水分含量最高，2005年土壤水分含量大幅度降低，2005—2015年呈持續上升的狀態。宏觀上比較典型的房屋建筑區及裸地處于嚴重干旱的狀態，典型的耕地林地處呈現出中度干旱或輕度干旱的狀態，植被覆蓋度高的地區則受干旱影響較小，土壤較濕潤。TVDI反演結果切合研究區的下墊面性質，與土地覆被類型密切相關。

土壤水分；TVDI；地表溫度；單窗算法；香格里拉

隨著全球氣候變暖，干旱發生概率增大。統計數據顯示，香格里拉市近年來持續干旱，特別是重旱到特旱年發生次數與20世紀相比明顯增多[1]。為了保護香格里拉市生態環境安全，促進其經濟可持續發展，開展了香格里拉土壤水分監測，揭示其干旱時空分布狀況，以期為香格里拉市相關部門提供決策依據。

對于大范圍監測土壤水分，遙感反演法相較于傳統測量法有較大的優勢。目前國內外利用遙感技術監測土壤水分的研究不勝枚舉。主要包括四種監測方法：綜合監測模型、微波遙感監測法、基于植被指數監測法、基于溫度的監測法[2]。其中，基于溫度的遙感監測方法綜合了大氣-土壤-植被系統內物質和能量交換的結果，可反映土壤含水量的變化，從而揭示植被蓋度的作用[3]，但影響地表溫度的因素很多，因此該方法考慮的因素并不全面?；谥脖恢笖当O測方法是通過計算各種植被指數來間接地反映土壤水分狀況，依據植物缺水時，由于植物細胞失水，葉片出現的萎蔫、變黃等變化，但是這種缺水癥狀并不會立刻顯現，因此該方法在時間上有一定的滯后性[4]。鑒于植被指數監測方法和地表溫度監測方法的局限性，國內外學者將二者結合起來，充分利用兩者的互補特性對土壤水分狀況進行監測，進而衍生了綜合監測模型，其中不乏利用溫度植被指數進行旱情監測的研究，研究表明植被指數和地表溫度結合能夠更好地監測土壤水分[5]。本文在植被覆蓋不完全的條件下，利用Landsat系列遙感影像數據，結合氣象數據，以TVDI作為干旱監測指標，分析2002—2015年香格里拉的干旱時空分布狀況。

1 研究區與數據源

1.1 研究區概況

香格里拉位于青藏高原地區東南部橫斷山脈，是云南、西藏、四川三省的交匯處，也是三江并流區的一部分。位于北緯26°51′～28°46′，東經99°23′～100°34′，國土面積11613km2，與麗江市隔江相望，是一個旅游城市。

1.2 數據與預處理

研究用到的遙感影像數據為：Landsat4-5 TM、Landsat7 ETM+、Landsat8 OLI影像，共5期，時間均為11—12月(表1)。地圖投影為UTM投影，地球橢球為WGS-84。氣象數據來自香格里拉市氣象局和中國氣象網，包括：2002年、2005年、2009年、2013年和2015年的月平均氣溫，月最高和月最低氣溫以及年降水量數據。

遙感影像均通過輻射定標、大氣校正、拼接裁剪等預處理工作。氣象數據均進行插值處理，另外30m分辨率的DEM數據，用于對氣溫的地形訂正。

表1 遙感影像數據

2 研究方法

2.1 水體與雪的提取

水體和雪是影響地表溫度反演結果精度的兩個因素。為了提高結果質量有必要對研究區水體和雪進行提取。利用支持向量機分類器以及目視解譯對雪和水體進行提取，所有結果均通過分類結果疊加評價(圖1)。以此更新香格里拉裁剪矢量并作用于TS和NDVI，以去除雪和水體對TVDI指數反演結果的影響。

2.2 地表溫度反演

單窗算法是覃志豪[6]等根據地表熱輻射傳導方程，推導出的一種利用LandsatTM/ETM+第六波段反演地表溫度的算法，該算法的計算公式如(1)：

(1)式中：TS是地表真實溫度(K)；ɑ和b是根據熱輻射強度和亮度溫度的關系擬合出來的系數，對于TM/ETM+數據，ɑ=-67.35535，b=0.458608，對于OLI數據，ɑ=-62.735657，b=0.434036[7]。

C和D是中間變量：

C=ετ

(2)

D=(1-τ)[1+(1-ε)τ]

(3)

T6是衛星高度上傳感器所探測到的像元亮度溫度(K)。

ε是地表比輻射率，其與NDVI的對數存在線性關系，故用NDVI的閾值對地表進行分類，給各個地表覆蓋類型賦予不同值從而獲得地表比輻射率[8]。

τ是大氣透射率，通過NASA公布的網站(http：//atmcorr.gsfc.nasa.gov)查詢獲得。

Ta是大氣平均作用溫度，香格里拉縣地處高海拔低緯度地帶，氣候隨海拔升高而變化，依次出現6個氣候帶。屬典型的“立體農業氣候”，獲取影像時間為11月，根據覃志豪大氣平均作用溫度(Ta)與近地面氣溫(T0)之間的線性關系選用公式(4)進行計算。

Tɑ=19.2704+0.91118T0

(4)

T0進行簡單的DEM訂正，首先采用地統計學插值法將所需氣溫數據進行插值，并得到插值圖[9]。然后將DEM與氣溫插值結果按照氣溫直減率法進行柵格運算，得到不同高程的平面上的氣溫分布。柵格計算的公式為(5)：

Th=T0+0.006×Δh

(5)

式中：Th和T0分別為不同海拔平面上的溫度和同一海拔平面上的溫度，Δh為高度差。

基于以上原理及方法，使用提出水體和雪的遙感影像，利用ENVI5.2和ArcGIS10.2軟件反演出地表溫度分布圖。結果表明，溫度高低分布存在一定的規律性，城鎮及裸土區域溫度較高，植被蓋度越大溫度越低(圖2)。

2.3 溫度植被干旱指數反演

Carlson等人研究并提出了溫度植被干旱指數 TVDI[10]：

(6)

式中：TS為地表溫度，TSmin為同一NDVI值的最小地溫，TSmax為同一NDVI值的最大地溫。方程為(7)(8)：

干邊：TSmax=ɑ1+b1×NDVI

(7)

濕邊：TSmin=ɑ2+b2×NDVI

(8)

其中：ɑ1、b1和ɑ2、b2分別是干濕邊擬合方程的系數。干邊對應TVDI值為1，濕邊為0，TVDI值范圍為0～1，TVDI值越小，代表土壤水分含量越高，TVDI值越大，代表土壤水分含量越低。

TVDI的干濕邊方程確定是利用反演得到的地表溫度數據和植被指數數據，通過ENVI/IDL編程實現統計所有NDVI對應的Tsmax和Tsmin。最后線性擬合最大和最小地溫，生成干邊與濕邊方程，結果如圖3。

將干濕邊方程帶入公式(6)可得到TVDI結果。TVDI反應的是某一地表覆蓋類型所能達到的最高溫與最低溫度的差值大小，根據水的比熱容大這一理論，TVDI在一定程度上說明了土壤水分含量狀況，而且TVDI與土壤表層含水量之間表現出顯著的相關性[11]，該模型可以用于對吉林省進行干旱動態監測[12]，在云南干旱研究中也有學者指出TVDI監測結果與氣象站提供的同期干旱專題圖在干旱程度和范圍上都是吻合的[13]。基于此，認為TVDI可以作為反演干旱的指標。

3 結果分析與討論

3.1 干旱時空分布

以TVDI作為旱情分級指標，將旱情劃分為5級，分別為：濕潤(0

為了分析香格里拉市土壤水分時空變化趨勢，統計香格里拉TVDI均值(表2)、各干旱等級土壤面積以及百分比(保留兩位小數)(表3)，并繪制各等級面積柱狀圖，見圖5。

表2 TVDI均值

表3 香格里拉各干旱等級面積及比例

香格里拉TVDI結果圖表明：植被覆蓋度高的地區處于土壤水分含量較高的狀態，低植被覆蓋度地區以及裸地地區則土壤水分含量較少。

從空間分布上看，香格里拉市正北以及西南方土壤水分含量相對最高旱情不明顯，而香格里拉東北和東南方則是土壤水分含量相對較少的區域，為輕度干旱。總的來說，土壤水分各等級面積關系為：正常>輕旱>中旱>濕潤>嚴重干旱。從時間上來看，2002—2015年TVDI呈顯著降低，其中2005年出現大幅度降低后，2005—2015年持續小幅度升高。說明2002年土壤水分含量最高，2002年土壤水分含量降低后便一直呈現上升狀態至2015年。

3.2 TVDI與降水的相關性

根據TVDI均值和研究年年降水量(遙感影像均為11月或12月，且香格里拉11—12月幾乎無降水)的統計圖(圖6)對比分析可見，TVDI與降水量存在顯著的負相關關系，TVDI值越小降水量值越大，TVDI值越大降水量越小，這與TVDI值越大越干旱越小越濕潤的規律高度一致，客觀地說明了結果的合理性。

3.3 TVDI與PV的相關性

TVDI圖的獲得結合了地表溫度和NDVI兩個參數的信息。為了研究影像土壤水分含量的因素，本文將TVDI與植被蓋度(PV)進行相關性分析，結果表明，TVDI與PV的平均相關系數為0.9，兩者存在顯著相關性。PV越大TVDI越小，PV越小TVDI越大。由此可知，PV對干旱監測有很大的指示作用。

旱情發展對工農業生產及人畜飲水會產生嚴重不利影響，且植被蓋度與干旱存在極其顯著的相關性，因此合理的植樹造林有助于緩解干旱帶來的影響。另外要合理安排生產和生活用水，河谷地區要充分利用各種水利設施，加大春作物的灌溉，高原壩區要做好抗旱作物改種。

4 結論

研究利用TVDI指數成功反演了2002—2015年香格里拉冬季干旱，在反演過程中有效地剔除了水體以及雪對結果的影響，并且對溫度進行簡單DEM訂正，提高了反演精度。結果表明溫度植被干旱指數法適用于香格里拉的干旱監測，該方法簡單實用，可以作為評價區域旱情的有效方法，并可為政府部門提供決策服務。今后在研究地理條件比較復雜的地區將考慮到地形、坡度等因素或者考慮利用不同尺度數據之間的聯系，實現多種尺度優勢上的互補，進而提高土壤水分反演精度。另外溫度植被干旱指數法中干旱等級的劃分具有一定的人為性，評估結果所反映的干旱環境背景與農業干旱的界線模糊，更客觀的分級方法有待進一步深入研究和探討。

建議相關部門對干旱頻發地區積極做好防旱抗旱措施，將旱災損失降到最低。共同維護香格里拉市生態環境，在旅游開發等促進經濟增長的項目中考慮其可持續發展，保障其經濟效益、環境質量雙豐盈。

[1]李秀,解福燕,楊韜. 玉溪干旱季節分布特征及成因分析[J]. 云南地理環境研究,2010 (4)：90-94.

[2]王麗娜. 阜新地區干旱監測研究[J]. 測繪與空間地理信息,2014,37(2)：159-161.

[3]高磊,覃志豪,盧麗萍.基于植被指數和地表溫度特征空間的農業干旱監測模型研究綜述[J]. 國土資源遙感,2007,73(3):1-7.

[4]Goetz S J.Multisensor analysis of NDVI,surface temperature and biophysical variables at a mixed grassland site[J]. International Jounal of Remote Sensing,1997,18(1):71-94.

[5] Goward S N, Xue Y, Czajkowski K P．Evaluating Land Surface Moisture conditions from the Remotely Sensed Temperature/Vegetation Index easurement: A Exploration with the Simplified Biosphere Model[J]．Remote Sensing Environment,2002,79(2)：225-242．

[6]覃志豪,Zhang Ming hua,ArnonKarnieli,等.用陸地衛星TM6數據演算地表溫度的單窗算法[J]. 地理學報,2001,56(4)：456-466.

[7]蔣大林,匡鴻海,曹曉峰,等. 基于landsat8的地表溫度反演算法研究——以滇池流域為例[J].遙感技術與應用,2015,30(3)：448-454.

[8]鄧書斌,陳秋錦,社會建,徐恩惠. ENVI遙感圖像處理方法[M].北京：高等教育出版社,2014.

[9]潘繼亞,王金亮. 香格里拉氣象要素空間插值方法研究[C]//第19屆中國遙感大會論文集. 北京：中國宇航出版社, 2014：1839-1846.

[10]Carlson T N,Gillies R R,Perry E M.A method to make use of Thermal Infrared Temperature and NDVI measurement to infer surface soil water content and fractional vegetation cover[J]. Remote Sensing Review,1994(52):42-59.[11]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.

[12]王慧慧,周廷剛,杜嘉,等.溫度植被旱情指數在吉林省干旱監測中的應用[J]．遙感技術與應用,2013,28(2)：324-329.

[13]曹影,胡文慶,顏培東. 基于溫度植被干旱指數 (TVDI) 的云南干旱遙感監測[J]. 工程勘察,2016 (1)：69-73.

Soil Moisture Inversion in Northwestern Yunnan Based on TVDI

WANG Li-xia，WANG Jin-liang，LIU Guang-jie

(College of Tourism & Geography Science, Yunnan Normal University, Kunming Yunnan 650500,China)

Soil moisture is one important part in the surface water cycle and also one of the key factors of agricultural production. At the same time, it is an important indicator to guide drought monitoring. Taking Shangri-La as study area, based on a series of yearly Landsat images of 2002，2005，2009，2013，2015，and the meteorological data. The land surface temperature inversion was carried out by mono-window algorithm. The soil water of Shangri-la was calculated by the model of Temperature Vegetation Dryness Index on the basis of the principle of Ts-NDVI feature space. Shangri-La soil moisture dynamic inversion was completed by GIS spatial analysis methods. The results showed that the content of soil moisture was the highest in 2002. Soil moisture content was greatly reduced in 2005 and increased from 2005 to 2015. From a macro perspective, typical housing construction area and bare land are in the state of severe drought. Cultivated land and forest land are moderate drought or drought. High vegetation coverage areas are less affected by the drought and the soil is wet. TVDI inversion results were in accordance with the land surface with high correlation with the land types.

soil moisture; TVDI; surface temperature; mono-window algorithm; Shangri-La

2016-09-20

國家自然科學基金項目(41271230，41561048)；云南省中青年學術技術帶頭人培養項目(2008PY056)。

王麗霞(1990-)，女，碩士，現從事資源環境遙感應用研究。

王金亮(1963-)，男，教授，主要從事資源環境遙感應用、土地調查與規劃管理研究。

X144

A

1673-9655(2017)02-0007-05