基于MODIS數據的農業干旱遙感指數對比和應用

宋揚， 房世波， 梁瀚月, 柯麗娜

(1.中國氣象科學研究院生態環境與農業氣象研究所，北京 100081；2.遼寧師范大學城市與環境學院，大連 116029)

基于MODIS數據的農業干旱遙感指數對比和應用

宋揚1,2， 房世波1， 梁瀚月1, 柯麗娜2

(1.中國氣象科學研究院生態環境與農業氣象研究所，北京 100081；2.遼寧師范大學城市與環境學院，大連 116029)

以遼西北為研究區域，選取典型干旱年2009年作物(春玉米)主要生長季，采用表觀熱慣量(apparent thermal inertia，ATI)、距平植被指數(anomalies of vegetation index，AVI)和植被供水指數(vegetation supply water index，VSWI) 3種基于不同理論的遙感干旱指數方法對土壤水分進行反演，分析其監測效果。結果表明，3種指數分別在一定程度上反映出了遼西北地區2009年的旱情趨勢，但得到的反演結果并不一致； ATI在中高植被覆蓋率下的監測效果高于預期結果，比較符合歷史氣象資料； AVI可以有效反映當年作物主要生長季各時期相對的受旱狀況； VSWI夸大了植被的影響作用，存在嚴重的滯后性。

干旱遙感監測； 表觀熱慣量； 距平植被指數； 植被供水指數

0 引言

遼寧省西北部的丘陵山地區，干旱少雨，素有“十年九旱”之稱，是遼寧省的重點干旱區。特別是近十幾a來，干旱頻發，給當地國民經濟特別是農業生產以及生態環境等造成了很多不利的影響。因此，如何有效地監測旱情成為該地區所面臨的重要問題。目前常用于農業干旱監測的遙感干旱指數有很多，但在作物生長季的不同時期每種指數的監測效果卻不同。王鵬新等[1]和張學藝等[2]依據不同基準研究了不同干旱指數在作物各個生長時期各自的優劣。Hatfield等[3]通過使用不同的植被指數來量化各個生長階段農作物的特征值，發現不同植被指數所得的監測結果存在一定的差異，這意味著需要使用多個植被指數才能更好地捕獲農作物特性。農業干旱遙感監測在作物不同發育階段所應用的指數可以根據作物生長特征和植被覆蓋程度等進一步劃分[4-5]。

本研究選用3種基于不同理論的典型指數方法，即與土壤水分指標密切相關的表觀熱慣量模型(apparent thermal inertia，ATI)、與植被(作物)形態及生理指標有關的距平植被指數(anomalies of vegetation index，AVI)以及綜合性指標——植被供水指數(vegetation supply water index，VSWI)，基于遼西北地區2009年春玉米生長前期(5月)、生長中期(6—8月)、生長后期(9月)的MODIS遙感影像資料，反演土壤水分[6]，并比較這3種指數在春玉米不同生長時期干旱監測的可行性和有效性，為遼西北地區作物生產合理布局、干旱監測與預警提供一定的參考依據。

1 研究區概況及資料數據

遼寧省西北部地區屬于典型的溫帶大陸性季風氣候，降水量正常年僅有500 mm左右，是遼寧省干旱發生最頻繁、最嚴重的地區。尤其在2009年，研究區更是遭遇了最嚴重的旱災，造成部分作物絕收，對農業產生了極大危害。其中，6月21日—8月16日，遼寧全省平均降水量僅有151 mm，較常年偏少5成。8月11日—9月10日，朝陽、葫蘆島西北部、阜新西部、錦州西北部及沈陽北部地區平均降水量只有46.8 mm，較常年同期偏少4成以上，出現嚴重秋旱[7]。

本文采用的遙感數據為美國國家航空航天局(NASA)官方網站上提供的MODIS全球數據產品。根據需要選擇了2005—2014年5—9月間的MOD09A1地表反射率8 d合成產品和2009年5—9月的MOD11A2地表溫度/發射率8 d合成L3產品。地面實測數據是由中國氣象共享數據網提供的《中國農作物生長發育和農田土壤濕度旬值數據集》，包含10個地面站點2009年5—9月每旬春玉米種植區10 cm，20 cm和100 cm深度的土壤水分數據。

2 研究方法

2.1 ATI

熱慣量模型是利用熱紅外遙感數據監測土壤水分的一種主要方法。通常熱慣量表達了土壤的熱變化特征，與土壤水分之間的關系也相當密切[8-9]。基于熱慣量模型通過地表溫度反演土壤水分的表達式為[10]

(1)

式中：P為熱慣量；ρ為土壤密度；γ為土壤熱傳導率；c為土壤比熱容。

Price[11]系統闡述了監測土壤水分的熱慣量方法和熱慣量的遙感成像原理，提出了ATI的概念。公式(1)可以簡化為

(2)

其中，

A=0.160α1+0.291α2+0.243α3+0.116α4+0.112α5+0.081α7-0.001 5，

(3)

式中：A為全波段反照率，文中采取MODIS數據進行研究，則α1～α5和α7分別為MODIS相應波段的地物反射率[12-13]；Tmax和Tmin為當天最高和最低溫度，其差值Tmax-Tmin即晝夜最大溫差ΔT，其推算公式為

(4)

(5)

式中：T(t1)和T(t2) 分別為t1和t2時刻的地表溫度，即MOD11A2地表溫度產品中MODIS衛星晝夜2次過境時的地表溫度；φ為各地面站點緯度；δ為其太陽赤緯角。

利用MODIS地表反射率以及地表溫度產品數據可以計算出各地面站點的ATI，為接下來反演土壤水分做準備。

2.2 AVI

歸一化植被指數(normalized difference vegetation index，NDVI)在植被覆蓋監測中的應用十分廣泛[14]。NDVI對觀測條件和大氣條件等并不敏感，但與植物的蒸騰作用和光合作用等密切相關[15],其表達式為

(6)

式中ρNIR和ρRED分別為近紅外和紅光波段反射率。當干旱導致植被缺水時，NDVI值就會降低。在NDVI的基礎上，發展了AVI，該方法采用干旱時段的NDVI值減去多年NDVI平均值，表達式為

(7)

2.3 VSWI

Carlson[16]綜合考慮了作物受旱時在紅光、近紅外及熱紅外波段上的反應，結合NDVI和冠層溫度Tc，提出了VSWI，其表達式為

VSWI=NDVI/Tc。

(8)

當VSWI越大，表明土壤供水越充分，植被生長越好，干旱程度越低； 反之，VSWI越小，表明土壤供水越不足，植被生長越差，干旱程度越高[17]。Tc隨NDVI變化的直線斜率在反映區域土壤水分狀況方面比較理想[18]。但由于植被冠層溫度很難獲取，本文將利用遙感影像反演得到的地表溫度來替代植被冠層溫度。

3 計算應用

計算研究區ATI，AVI和VSWI，并將其分別與地面站點的各層次深度實測土壤水分進行一元線性回歸分析，建立回歸方程。在擬合過程中，由于MODIS數據單一像元覆蓋地表面積較大，包含地物較多，其精度缺乏魯棒性，并不能準確反映地面站點測得的實際土壤水分，在計算時相應地刪除了受云和地物等影響的噪聲點和異常值。由于受短暫降雨或者人工灌溉等因素影響，土壤水分的變化有可能并不連續，研究中通過對實測數據的分析，排除了一些極端值和特殊值。相關分析及檢驗結果見表1。

表1 不同土層深度下土壤水分與ATI，AVI和VSWI的相關分析

由表1分析可得，在生長前期，3種指數與土壤水分都有較好的相關性，ATI在10 cm土層深度有著一定的優勢； 在地表植被覆蓋較高的生長中期，ATI受其理論的局限，相關性較低，AVI和VSWI在這個時期相關性良好，且VSWI略優于AVI； 在生長后期，ATI相關性略有提高，但仍低于AVI和VSWI。總體上，3種指數與土壤水分之間的相關性隨著土層深度的增加而降低，這說明通過遙感手段監測表層土壤水分是可行的，但對于較深層的土壤水分反演是受局限的。

為了消除不同質地對旱情評價的影響，需要對土壤水分數據進行修正處理，即利用相對含水量來表征土壤濕度，使反演結果更具有可比性[19]。本文通過反演該地區各像元10 cm深度的土壤含水量，將得到的模型應用于遼西北地區的土壤水分監測中(圖1)。

(a) 生長前期ATI(b) 生長前期AVI(c) 生長前期VSWI

(d) 生長中期ATI(e) 生長中期AVI(f) 生長中期VSWI

(g) 生長后期ATI(h) 生長后期AVI(i)生長后期VSWI

圖1 作物不同生長階段土壤水分干旱監測

中國氣象局農業氣候中心依據土壤濕度指數(soil humidity index,SHI(SHI=濕度/田間持水量))來劃分農業干旱的等級，即10 cm深度的土壤SHI指數小于40為重旱，[40,50)之間為中旱，[50,60)之間為輕旱，[60,80)之間為正常，大于等于80為濕潤。需要說明的是，由于所用的MODIS數據第5波段存在故障，導致作物生長中期和后期的ATI反演結果具有較明顯的條帶干擾。

4 結果分析

本研究選用的3種指數的反演結果雖然在反映干旱程度上略有不同，但在反映干旱整體空間分布上表現比較一致，即受旱區域從西北內陸逐漸向東南方向發展。時間上，在作物生長前期部分地區已顯現出干旱跡象，隨著持續無雨或少雨，在作物生長中期和后期干旱程度逐漸加深。通過3種基于MODIS數據的指數方法試圖還原此次重大干旱的發生過程，從而對比3種指數在實際監測過程中的可行性和有效性。

研究發現ATI不能應用于濃密植被覆蓋區的土壤水分監測已經成為共識[20]，其針對作物生長前期植被覆蓋較低區域的反演精度較高，在高植被覆蓋區域的監測效果相對較差。在統計學上也證實了該觀點，但是從反演結果來看，ATI在中高植被覆蓋率下的監測效果仍較為符合歷史氣象資料。分析其原因，一方面可能是因為長期降雨較少，土壤與植被的表層溫度變化趨近，使得該指數可以有效應用； 另一方面，由于北方晝夜溫差普遍較大，這也削弱了土壤水分和植被覆蓋條件對地表溫度的影響[21]。

通過選取2005—2014年10 a間NDVI平均值作為背景數據，計算了2009年的AVI值，該指數可以有效反映當年作物主要生長季各時期的相對受旱狀況，更符合研究區干旱趨勢特征。AVI值在一定程度上可以減少太陽高度角、大氣狀態和衛星觀測角度等因素帶來的誤差。在實際監測中，選取年份樣本越多，其平均值的代表性就越好。

VSWI雖然結合了冠層溫度因素，但在通常情況下，VSWI仍會夸大植被的影響作用。在實際監測過程中，由于植被(作物)具有一定的抗旱能力，對表層土壤水分變化的響應有一定的延遲，這導致VSWI在反演結果上存在一定的滯后性，并不能實時地反映出當時的土壤水分狀況。這種滯后性從側面反映出植被(作物)受旱情況與土壤水分之間的復雜性，在實際應用中，VSWI更符合農業作物實際干旱狀況[22]。

5 結論與展望

以遼西北地區為研究區域，利用MODIS數據和土壤實測數據等資料，通過表觀熱慣量(ATI)、距平植被指數(AVI)、植被供水指數(VSWI)3種遙感干旱指數反演土壤水分，分析了該地區典型干旱年作物主要生長季的干旱情況。研究表明：

1)ATI和AVI可以實時反映出干旱的發生趨勢，利用這2種指數可以及時發現干旱并進行早期預警； VSWI在監測過程中計算簡單，精度較好，適用于大范圍的干旱監測與災后評價，雖然存在明顯的滯后性，但更符合作物實際受旱情況。

2)總體上，3種指數都可以反映出該地區的干旱狀況，但考慮到植被(作物)與土壤水分之間的特殊關系以及物理學、生物學上的特性，僅僅通過統計學意義上的回歸擬合來確定最優指數并不完全符合實際。此外，部分地區的人工灌溉或者少量降雨對表層土壤水分變化影響較大，同時研究區內地形復雜，山地、丘陵和平原交錯，各種因素都間接地影響到反演結果的精度。

3)ATI及其改進模型雖然一直想要解決高植被覆蓋率下的監測問題，但目前看來仍有很大的局限性。尤其是，晝夜溫差不僅與土壤濕度、反照率有關，也與風速、土壤性質等有關； AVI中NDVI值不僅僅受土壤水分影響變化，在干旱地區，水分是限制因子但不是唯一影響其變化的因素。此外，NDVI值還存在高端飽和問題，當葉面積指數到達一定值后，NDVI值就幾乎不再變化，在一定程度上限制了反演精度； VSWI由于地表溫度變化相對地表溫度本身的變幅過小，此指數主要體現了NDVI的作用，而對干旱具有重要指示意義的地表溫度貢獻體現不明顯，從而影響了其應用效果。

隨著遙感技術的提高，未來利用衛星對農業干旱進行監測的準確度還有很大的提升空間。在具體應用中，還需要考慮研究區特點以及研究目的積極探索改進新的指數； 結合GIS技術提供的土壤類型、地形地貌和作物種類等下墊面背景數據，可以有效提高在實際監測中的可行性、針對性； 適當使用高空間分辨率遙感影像可以有效排除混合像元干擾，更加精確地對農作物干旱狀況進行評估與監測。這些方面都是干旱遙感監測下一步需要繼續深入研究的方向。

[1] 王鵬新,孫威.基于植被指數和地表溫度的干旱監測方法的對比分析[J].北京師范大學學報(自然科學版),2007,43(3):319-323. Wang P X,Sun W.Comparison study on NDVI and LST based drought monitoring approaches[J].Journal of Beijing Normal University(Natural Science),2007,43(3):319-323.

[2] 張學藝,李劍萍,秦其明,等.幾種干旱監測模型在寧夏的對比應用[J].農業工程學報,2009,25(8):18-23. Zhang X Y,Li J P,Qin Q M,et al.Comparison and application of several drought monitoring models in Ningxia,China[J].Transactions of the Chinese Society of Agricultural Engineering,2009,25(8):18-23.

[3] Hatfield J L,Prueger J H.Value of using different vegetative indices to quantify agricultural crop characteristics at different growth stages under varying management practices[J].Remote Sensing,2010,2(2):562-578.

[4] 吳炳方,張峰,劉成林,等.農作物長勢綜合遙感監測方法[J].遙感學報,2004,8(6):498-514. Wu B F,Zhang F,Liu C L,et al.An integrated method for crop condition monitoring[J].Journal of Remote Sensing,2004,8(6):498-514.

[5] 李興華,李云鵬,楊麗萍.內蒙古干旱監測評估方法綜合應用研究[J].干旱區資源與環境,2014,28(3):162-166. Li X H,Li Y P,Yang L P.Application and evaluation of integrated drought monitoring method to Inner Mongolia[J].Journal of Arid Land Resources and Environment,2014,28(3):162-166.

[6] 孫灝,陳云浩,孫洪泉.典型農業干旱遙感監測指數的比較及分類體系[J].農業工程學報,2012,28(14):147-154. Sun H,Chen Y H,Sun H Q.Comparisons and classification system of typical remote sensing indexes for agricultural drought[J].Transactions of the Chinese Society of Agricultural Engineering,2012,28(14):147-154.

[7] 路廣平,郁凌峰,梁立章.2009年遼西北地區特大干旱的分析[J].東北水利水電,2011,29(10):50-51. Lu G P,Yu L F,Liang L Z.Analysis of the severe drought in the northwest of Liaoning Province in 2009[J].Water Resources and Hydropower of Northeast China,2011,29(10):50-51.

[8] 郭虎,王瑛,王芳.旱災災情監測中的遙感應用綜述[J].遙感技術與應用,2008,23(1):111-116. Guo H,Wang Y,Wang F.Overview of remote sensing approaches to drought monitoring[J].Remote Sensing Technology and Application,2008,23(1):111-116.

[9] 夏虹,武建軍,劉雅妮,等.中國用遙感方法進行干旱監測的研究進展[J].遙感信息,2005(1):55-58. Xia H,Wu J J,Liu Y N,et al.Progress on drought monitoring by remote sensing in China[J].Remote Sensing Information,2005(1):55-58.

[10]黃澤林,覃志豪.利用MODIS數據監測大面積土壤水分與農作物旱情研究[J].安徽農業科學,2008,36(11):4784-4787. Huang Z L,Qin Z H.Study on monitoring soil moisture and crop drought in great area by using MODIS data[J].Journal of Anhui Agricultural Sciences,2008,36(11):4784-4787.

[11]Price J C.The potential of remotely sensed thermal infrared data to infer surface soil moisture and evaporation[J].Water Resources Research,1980,16(4):787-795.

[12]Liang S L.Narrowband to broadband conversions of land surface albedo I:Algorithms[J].Remote Sensing of Environment,2001,76(2):213-238.

[13]Liang S L,Shuey C J,Russ A L,et al.Narrowband to broadband conversions of land surface albedo:II.Validation[J].Remote Sensing of Environment,2003,84(1):25-41.

[14]呂蒙,鐘悅之.NDVI在生態環境研究中的應用進展[J].農村經濟與科技,2011,22(6):11-14. Lyu M,Zhong Y Z.Application of NDVI in ecological and environmental studies[J].Rural Economy and Science-Technology,2011,22(6):11-14.

[15]劉海巖,牛振國,陳曉玲.EOS-MODIS數據在我國農作物監測中的應用[J].遙感技術與應用,2005,20(5):531-536. Liu H Y,Niu Z G,Chen X L.Applications of EOS-MODIS data on crop monitoring in China[J].Remote Sensing Technology and Application,2005,20(5):531-536.

[16]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.

[17]莫偉華,王振會,孫涵,等.基于植被供水指數的農田干旱遙感監測研究[J].南京氣象學院學報,2006,29(3):396-401. Mo W H,Wang Z H,Sun H,et al.Remote sensing monitoring of farmland drought based on vegetation supply water index[J].Journal of Nanjing Institute of Meteorology,2006,29(3):396-401.

[18]齊述華.干旱監測遙感模型和中國干旱時空分析[D].北京:中國科學院遙感應用研究所,2004. Qi S H.Drought Monitoring Models with Remote Sensing and Spatio-Temporal Characteristics of Drought in China[D].Beijing:Institute of Remote Sensing Applications,Chinese Academy of Science,2004.

[19]牟伶俐.農業旱情遙感監測指標的適應性與不確定性分析[D].北京:中國科學院遙感應用研究所,2006. Mu L L.Suitability and Uncertainty Analysis of Agricultural Drought Indicator with Remote Sensing[D].Beijing:Institute of Remote Sensing Applications,Chinese Academy of Science,2006.

[20]楊樹聰,沈彥俊,郭英,等.基于表觀熱慣量的土壤水分監測[J].中國生態農業學報,2011,19(5):1157-1161. Yang S C,Shen Y J,Guo Y,et al.Monitoring soil moisture by apparent thermal inertia method[J].Chinese Journal of Eco-Agriculture,2011,19(5):1157-1161.

[21]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,2005,16(1):56-61. Qi S H,Li G C,Wang C Y,et al.Study on monitoring drought in China with MODIS product[J].Advances in Water Science,2005,16(1):56-61.

[22]郭其樂,陳懷亮,鄒春輝,等.植被供水指數法在2008年河南省干旱災害遙感監測中的應用研究[C]//2009農業環境科學峰會論文集.大連:中國農學會,2009. Guo Q L,Chen H L,Zou C H,et al.The application of vegetation water supply index in the monitoring of drought disaster in Henan Province in 2008[C]//2009 Agricultural Environmental Science Summit.Dalian:Chinese Association of Agricultural Science Societies,2009.

(責任編輯： 陳理)

Comparison and application of agricultural drought indexes based on MODIS data

SONG Yang1,2, FANG Shibo1, LIANG Hanyue1, KE Lina2

(1.InstituteofEcologicalEnvironmentandAgriaulturalMeteorology,ChineseAcademyofMeteorologicalSciences,Beijing100081,China; 2.CollegeofUrbanandEnvironmentSciences,LiaoningNormalUniversity,Dalian116029,China)

With northwest Liaoning Province as the study area, the authors analyzed the soil moisture content by using the method of apparent thermal inertia(ATI), anomalies of vegetation index(AVI) and vegetation supply water index(VSWI). The results show that the three indexes respectively in a certain extent can reflect the drought trend of the northwest area of Liaoning Province in 2009, but inversion results are not consistent, that the monitoring effect of ATI in high vegetation coverage rate is higher than expected, more in line with historical weather data, that AVI can effectively reflect the current crop growth season relative to the drought condition, and that VSWI exaggerates the influence of vegetation, which seems to be a serious lag.

drought remote sensing monitoring; apparent thermal inertia; anomalies of vegetation index; vegetation supply water index

10.6046/gtzyyg.2017.02.31

宋揚,房世波,梁瀚月，等.基于MODIS數據的農業干旱遙感指數對比和應用[J].國土資源遙感,2017,29(2)：215-220.(Song Y,Fang S B,Liang H Y,et al.Comparison and application of agricultural drought indexes based on MODIS data[J].Remote Sensing for Land and Resources,2017,29(2)：215-220.)

2015-12-22；

2016-03-04

公益性行業(氣象)科研專項項目“玉米干旱致災臨界氣象條件及其監測預警技術”(編號： GYHY201506019)資助。

宋揚(1990-),男,碩士研究生,主要從事農業干旱遙感監測方面的研究。Email： songyang0807@126.com。

房世波(1974-) ,男,研究員,主要從事氣候變化對農業影響研究。Email： fangshibo@cams.cma.gov.cn。

TP 79

A

1001-070X(2017)02-0215-06