基于RS技術和TVDI指數的廣西西江流域春旱遙感監測研究

周永華，胡寶清，王 鈺

(1.北部灣環境演變與資源利用教育部重點實驗室(廣西師范學院),南寧 530001；2.廣西地表過程與智能模擬重點實驗室, 南寧 530001； 3.廣西師范學院地理科學與規劃學院，南寧 530001)

干旱是一種自然災害現象，給各國經濟的發展帶來巨大的損失。因此有效的獲得旱情時空分布及發展變化趨勢成為防旱減災的有效途徑。傳統的旱情監測方法以人工監測的氣象數據來監測旱情,這種方法是點數據，難以對大面積的干旱進行監測，而且效率低。顯然，利用傳統的旱情監測方法已不能滿足現在的社會經濟發展要求。而利用遙感手段進行旱情監測具有獲取周期短、觀測范圍廣、空間分辨率高、影像容易獲得等優點，有利于對旱情大面積的動態監測。從20世紀70年代開始，至今遙感監測干旱已有50多年的歷史，國內外學者在利用遙感監測干旱取得了豐碩成果[1-3]。植被指數(NDVI)與地表溫度(Ts)構建的溫度植被干旱指數(TVDI)是進行干旱監測常用的一個模型。如齊述華等[4]利用TVDI模型對全國旱情進行監測能夠很好反映土壤表層水分的變化情況，可以作為旱情的評價指數；柳欽火[5]等利用NOAA/AVHRR遙感數據制作全國耕地旱情分布圖，為農業抗旱救災提供了一定的參考依據；王鶯[6]等利用MODIS影像數據對廣東2011年旱情進行監測，結果表明遙感監測結果與實際干旱情況相符合；鮑艷松[7]等應用TVDI模型在江蘇淮北地區進行土壤濕度反演，反演精度較高，能成功對農業旱情進行監測；張飛[8]等利用TVDI方法對渭干河—庫車河地區進行夏季旱情監測，結果表明該模型適用；柳錦寶[9]等利用采用TVDI方法在西藏進行旱情監測，結果與實際吻合。利用TVDI模型進行干旱監測，已成為研究熱點。

文章利用EOS/MODIS遙感數據，計算溫度植被干旱指數TVDI，對廣西西江流域2007-2016年春季旱情時空變化進行研究，可以為決策部門防旱抗旱工作提供依據。

1 數據與方法

1.1 研究區域概況

廣西西江流域(21.58°N～26.33°N，104.46°E～112.06°E)位于廣西境內，氣候為亞熱帶季風氣候，夏秋降水多，冬春降水少，年際降水不均勻。多年平均氣溫21.3 ℃,多年平均降水量1 525.9 mm。地質環境分巖溶地區與非巖溶地區，巖溶地區以石灰巖為主，巖石裸露，土層淺薄。地貌復雜多樣，山地丘陵為主，盆地相間分布。地表水缺乏，地下水埋藏深導致該區域春旱等旱情災害頻繁。

1.2 數據來源及預處理

1.2.1 遙感數據

文章研究中使用的數據為美國LAADS DAAC數據中心發布的MODIS數據，其中包括1 km分辨率月合成產品MOD13A3中的增強型植被指數EVI與1 km分辨率8 d合成產品MOD11A2中的地表溫度LST。所選時間長度為2007-2016年的春季(3、4、5月)，編號為h27v06與h28v06，格式為HDF。

利用Modis Reprojection Tool (MRT)軟件對研究區2景影像進行拼接轉成TIFF格式，并定義大地坐標系WGS84，影像投影轉換為UTM地圖投影。利用ENVI軟件進行異常值處理。MOD13A3時間分辨率為月，將時間分辨率8 d的MOD11A2進行月合成，使MOD11A2的時間分辨率與MOD13A3一致。用ArcGIS10.1中的cell statistics工具將每個月4期的MOD11A2影像進行合成，結果得到地表溫度LST。最后，在ArcGIS10.1中，利用廣西西江流域的shp進行掩膜裁剪，得到廣西西江流域的增強型植被指數EVI和地表溫度LST。

1.2.2 其他數據

廣西壯族自治區1∶1 000 000地質類型圖，用廣西西江流域的shp進行掩膜裁剪，得到廣西西江流域的地質類型圖。降水數據由NASA網站提供下載所得的TRMM月降水數據，該降水數據分辨率為0.25°×0.25°網格月平均降雨信息，通過重采樣把分辨率轉為1 km×1 km網格降水數據。

1.3 方法

1.3.1 EVI-Ts特征空間

有學者研究發現植被指數與地表溫度兩者之間呈負相關關系[10]。Carlson[11]等把遙感的NDVI數據與Ts數據建立散點圖，呈三角形，即NDVI-Ts特征空間。Sandholt[12]等對NDVI-Ts進行了簡化，提出溫度植被干旱指數，即是TVDI(Temperature Vegetation Dryness Index)指數。

有學者研究發現NDVI在高植被覆蓋區容易達到飽和，合成存在較多噪音，而EVI與不同覆蓋程度植被的線性關系得到很好的改善，在高植被覆蓋區效果良好[13]，正是EVI有這樣的優勢，因此，本研究以EVI-Ts替代NDVI-Ts(圖1)，A點為干燥的裸土，B點為濕潤的裸土，C點表示蒸騰從最大到無，AC邊表示干邊，土壤濕度達到凋萎系數，BC表示濕邊，土壤濕度最大。由圖1可得溫度植被干旱指數公式為：

TVDI= (Ts-Tsmin )/(Tsmax-Tsmin)

(1)

式中：TVDI的取值范圍為[0,1]，TVDI值越大說明越干旱，值越小說明越濕潤；Tsmin為最低地表溫度；Tsmax為最高地表溫度，擬合出濕邊方程與干邊方程如下：

Tsmin =a+b·EVI

(2)

Tsmax=c+d·EVI

(3)

將(2)、(3)式與(1)式進行整合，因此

TVDI=[Ts-(a+b·EVI)]/[(c+d·EVI)-(a+b·EVI)]

(4)

式中：a、b和c、d為分別為濕邊與干邊的擬合方程系數。

圖1 EVI-Ts特征空間Fig. 1 The feature space of EVI-Ts

1.3.2 TVDI均值

為了研究廣西西江流域干旱程度及變化趨勢，研究中以時間尺度為月的溫度植被干旱指數構建春季每月的平均溫度植被干旱指數(TVDImean)，TVDImean其值代表了研究時間段春季各月的干旱程度。方程如下：

(5)

式中：TVDIi為某月溫度植被干旱指數；i為月份；n為研究時間取值為10。

1.3.3 TVDI趨勢分析

基于一元線性回歸分析方法模擬出每個像元的TVDI的斜率,以此來綜合反映廣西西江流域旱情趨勢進行分析。公式如下：

(6)

式中：n代表研究中年的時間段；i代表研究中的年序；TVDIi為第研究時間序列中第i年春季的TVDI值；slope為該像元研究時間段的變化趨勢，slope大于0說明該像元在研究時間段為增加趨勢，slope小于0說明該像元在研究時間段為減少趨勢。

2 結果與分析

2.1 EVI-Ts特征空間參數

將統計得來的每個象元的EVI數值與LST數值，進行散點圖繪制，以EVI為橫坐標，以LST為縱坐標，得到EVI-Ts特征空間(圖2)。從2007-2016年3-5月總共有30幅EVI-Ts特征空間圖，圖2為2007年5月的EVI-Ts特征空間圖。從圖2可以看出，隨著EVI的不斷增大，地表溫度(LST)最大值呈現不斷減小的趨勢，最小地表溫度有上升的趨勢，地表溫度的最大值與最小值的差值逐漸縮小，且EVI與地表溫度的最大值呈負相關，與地表溫度最小值呈正相關。

圖2 2007年5月EVI-Ts特征空間Fig.2 The EVI -Ts feature space of May 2007

利用EVI-Ts特征空間，擬合得到干濕邊方程(表1)。根據表1擬合得到的干濕邊方程與公式(4)，分別計算出每個月份的TVDI值。

表1 2007-2016年3-5月EVI-Ts特征空間干濕邊方程Tab.1 The dry wet edges equations of EVI-Ts during 2007-2016 year 3-5 month

續表1 2007-2016年3-5月EVI-Ts特征空間干濕邊方程

2.2 旱情等級分布

根據TVDI原理，利用ENVI5.1計算出各個像元的TVDI值。對所求得的TVDI值進行干旱等級劃分，共5級，分別是濕潤(0～0.2)、正常(0.2～0.4)、輕旱(0.4～0.6)、中旱(0.6～0.8)、重旱(0.8～1.0)。結果得廣西西江流域2007-2016年春季各個月份的TVDI均值，即為廣西西江流域干旱等級分布(圖3)。從圖3可以看出，廣西西江流域春季干旱面積分布廣泛，重旱區主要集中分布在廣西西江流域西部地區，呈現出自西向東北方向逐漸減輕的趨勢。3-5月的TVDI值分別為0.542 4、0.531、0.504 1,隨著時間的推移，旱情逐漸緩解。總而言之，重旱分布西部，旱情呈現由西到東北方向逐漸減輕的趨勢。由圖5可以看出，3-5月中重旱面積分別為73 948、62 999、46 838 km2，3-5月輕旱面積分別為93 374、106 338 、113 803 km2，可以看出中重旱面積不斷減少，輕旱面積不斷增加，旱情逐漸緩和。廣西西江流域地區主要是以輕旱為主。廣西西江流域春季干旱分布圖與廣西西江流域春季降水分布圖疊加分析可以得出，廣西西江流域西部地區降水少，旱情較重，東部降水較多，旱情較輕。

據李耀先[14]、張景揚[15]等學者研究結果顯示，廣西西江流域重旱主要分布在廣西西江流域西部，干旱呈現出自西向東北方向減輕的趨勢，旱情主要以輕旱為主。因此，利用TVDI指數能夠比較好地對廣西西江流域地區進行干旱監測，為農業發展及防范旱災提供了條件。

圖3 廣西西江流域干旱等級分布圖Fig.3 The drought distribution in Guangxi xijiang river basin

圖4 廣西西江流域春季降水分布圖Fig.4 The spring precipitation distribution in Guangxi xijiang river basin

圖5 干旱等級面積Fig. 5 The drought level area

圖6 2007-2016年廣西西江流域春季TVDI變化趨勢Fig 6 Trend of TVDI change in the guangxi xijiang river basin in 2007-2016 spring

2.3 廣西西江流域TVDI趨勢分析

基于一元線性回歸方法，在像元尺度上對廣西西江流域2007-2016年(2014年因受噪聲的影響，TVDI值缺失嚴重，故未加入趨勢變化分析)旱情TVDI進行趨勢分析(圖6)。廣西西江流域2007-2016年旱情TVDI變化的平均值為0.42%，TVDI分布廣西西江流域西北部為高值區，增加趨勢明顯；中部與南部地區為低值區，減少趨勢明顯；東部地區增加趨勢小于西北部地區，從西往東呈現“增加-減少-增加”的空間格局。TVDI呈現增加趨勢的面積比例為71.38%，增加的地區主要分布在廣西西江流域的西北部；TVDI呈減少趨勢的面積比例為28.62%，減少的地區主要分布在廣西西江流域的北部以及中部南部，減少地區從北向南沿著廣西西江流域呈現狹長的分布。總體而言，2007-2016年廣西西江流域TVDI變化趨勢為：西北部高于中部與東部，東部高于中部。

2.4 巖溶區與非巖溶區旱情分析

為了研究不同地質背景下的干旱程度，將廣西西江流域地區分為巖溶區與非巖溶區。巖溶區包括地質類型有灰巖加碎屑巖組合、連續性石灰巖組合、石灰巖與白云巖組合、灰巖與白云巖加碎屑巖組合等，以石灰巖為主，非巖溶區主要地質類型為非碳酸鹽巖。巖溶區面積為91 174 km2，占研究區域面積的45%；非巖溶區面積為111 875 km2，占研究區域面積的55%。將廣西西江流域春季干旱等級分布圖與廣西西江流域地質類型分布圖(圖7)進行疊加分析，發現廣西西江流域旱情分布與巖溶區分布具有高度重疊性。由表2可以看出：重旱與輕旱面積比例巖溶區大于非巖溶區，中旱面積比例非巖溶區大于巖溶區。巖溶區發生干旱面積84 759 km2，占巖溶區總面積的92.96%，非巖溶區發生干旱面積85 939 km2,占非巖溶總面積的76.81%，巖溶區發生干旱比例大于非巖溶區，說明巖溶區比非巖溶區更容易發生干旱，原因為廣西西江流域地區是典型有巖溶分布區，大面積的碳酸鹽巖裸露,石漠化嚴重，地下溶洞、裂隙高度發育，土地被分割，土層薄，保水性差，落水洞、漏斗發育，降水下滲速度快，導致降水迅速大部分轉化為地下水，造成地表缺水，加上廣西西江流域崎嶇的地形，難以引江水進行灌溉，導致了旱情加劇。

圖7 廣西西江流域地質類型Fig.7 guangxi xijiang river basin geology type

3 討 論

文章選擇MODIS的增強型植被指數(EVI)與地表溫度(LST)對廣西西江流域進行了干旱監測，能較好地反映旱情的時空變化，但是因受到噪聲的影響，會對TVDI值造成缺失。

本研究仍然存在不足之處，體現在：由于實際條件的限制，采用干旱指標進行干旱監測，而未能實地進行觀測試驗，無法對結果進一步修正；影響旱情并非單一因素，文章只是結合地質類型加以分析，而未對地貌、植被類型、土地利用類型進行結合分析。這些方面的不足在今后的研究中需要不斷地改善。

4 結 論

文章以EVI-Ts特征空間為方法，選擇MODIS的增強型植被指數(EVI)與地表溫度(LST)，利用MODIS產品中的MOD11A2數據和MOD13A2數據其中的增強型植被指數(EVI)與地表溫度(LST)構建EVI-Ts特征空間，利用TVDI指數進行廣西西江流域干旱情況的監測對廣西西江流域進行了春季干旱監測，得到了以下結論：

(1)從旱情分級來看，空間上廣西西江流域春季重旱主要分布在西部地區，東北旱情低，呈現出自西向東北方向遞減的趨勢，總體上，干旱程度以輕旱為主。

(2)從變化趨勢上來看，2007-2016年廣西西江流域TVDI變化的平均值為0.42%，TVDI呈現增加趨勢的面積比例為71.38%，減少趨勢的面積比例為28.62%，自西向東呈現“增加-減少-增加”的空間格局。

(3)廣西西江流域春季干旱分布與地質類型疊加分析，結果顯示廣西西江流域旱情分布與巖溶區呈現高度重疊性；巖溶區重旱面積大于非巖溶區，巖溶區發生干旱的比例高達92.96%，而非巖溶區的為76.81%，巖溶區比非巖溶區更容易發生干旱。

□

[1] Watson K，pohn H A.Thermal inertia Mapping from Satellite Discrimination of Geologic Units in Oman[J].J.Res.U.S.Geol.Survey,1974，2(2)：147-158.

[2] Price J C. Using spatial context in satellite data to infer regional scale evapotransportation[J].IEEE Transactions on Geoscience and Remote Sensing 1990,28:940-948.

[3] 杜靈通,候 靜,胡 悅,等. 基于遙感溫度植被干旱指數的寧夏2000-2010年旱情變化特征[J]. 農業工程學報,2015,(14):209-216.

[4] 齊述華,李貴才,王長耀,等. 利用MODIS數據產品進行全國干旱監測的研究[J]. 水科學進展,2005,(1):56-61.

[5] 柳欽火,辛景峰,辛曉洲,等. 基于地表溫度和植被指數的農業干旱遙感監測方法[J]. 科技導報,2007,(6):12-18.

[6] 王 鶯,王勁松,姚玉璧,等. 基于溫度植被干旱指數的廣東省旱情動態監測[J]. 草業學報,2014,(2):98-107.

[7] 鮑艷松,嚴 婧,閔錦忠,等. 基于溫度植被干旱指數的江蘇淮北地區農業旱情監測[J]. 農業工程學報,2014,(7):163-172,294.

[8] 張 飛,田 源,塔西甫拉提·特依拜,等. 基于TVDI的渭干河-庫車河三角洲綠洲植被生長期干旱遙感監測研究[J]. 干旱區資源與環境,2014,(6):75-81.

[9] 柳錦寶,何政偉,段英杰. MODIS數據支持下的西藏干旱遙感監測[J]. 干旱區資源與環境,2013,(6):134-139.

[10] 李云鵬,司瑤冰,劉朋濤,等. 基于空間信息的內蒙古農業干旱監測研究[J]. 干旱區資源與環境,2011,(11):125-131.

[11] Carlson T N,Gillies R R, Perry E M. A method to make use of thermal infrared temperature andNDVImeasurements to infer surface soil water content and fractional vegetation cover[J]. Remote Sensing Reviews,1994,9(1-2):45-59.

[12] 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,2002,79:213-234．

[13] 王正興,劉 闖,HUETE Alfredo. 植被指數研究進展:從AVHRR-NDVI到MODIS-EVI[J]. 生態學報,2003,(5):979-987.

[14] 李耀先,陳翠敏,林 墨. 廣西區域干旱的分析研究[J]. 熱帶氣象學報，2009，(S1)：125-131.

[15] 張景揚,盧 遠,李嘉力,等. 基于SPEI的廣西干旱時空變化特征分析[J]. 云南地理環境研究,2015,(6):15-24.