基于MODIS的河南省春旱遙感監測

2018-07-04 07:51:46劉英，岳輝，李遙，魯楊

干旱地區農業研究 2018年3期

劉英，岳輝，李遙，魯楊

(西安科技大學測繪科學與技術學院，陜西西安 710054)

干旱的頻發己成為我國重要的自然災害之一。遙感技術具高時效性和低成本性等特點，在農業旱情監測中廣泛應用[1]。目前，干旱遙感監測方法主要有熱慣量法[2]、微波遙感法[3]和基于植被指數、溫度指數的綜合監測方法[4-8]。其中，溫度植被干旱指數(temperature vegetation drought index，TVDI)在國內外應用較為廣泛[9]。Carlson等[10]發現當植被覆蓋和土壤濕度變化范圍較大時，以歸一化植被指數(normalized difference vegetation index，NDVI)為橫軸和以地表輻射溫度(land surface temperature, Ts)為縱軸的散點圖特征空間呈三角形；Moran等[11]指出NDVI和Ts的散點圖呈現梯形分布特征；Sandholt[12]根據Ts和NDVI的關系提出了TVDI的計算原理和公式。劉英等[13]指出NDVI-Ts特征空間則呈雙拋物線型特征。劉公英等[14]利用MODIS NDVI和Ts數據，計算TVDI并利用降水數據和20 cm 土壤濕度數據進行結果驗證，指出TVDI與實測土壤濕度擬合方程可決系數R2在0.598至 0.722之間，滿足精度要求。熊世為等[15]利用HJ-1B星CCD和IRS數據，建立NDVI-Ts特征空間并計算TVDI，對2012年3月26日宿遷市土壤水分信息進行遙感監測，指出TVDI與10 cm深和20 cm深土壤濕度的相關性達到極顯著水平。王純枝等[16]采用MODIS 數據產品MOD13A2 和MOD11A2數據，構建Ts-NDVI特征空間，監測黃淮海平原2004年冬小麥旱情，指出TVDI與地表10～20 cm土壤水分可決系數最高，TVDI適合黃淮海平原作物生長季的旱情動態監測。

將地表溫度和植被指數相結合的干旱監測方法不僅可以彌補基于單一指數的監測方法的不足，還可以提高干旱遙感監測的精確度和實用性。本文以河南省2000年、2005年、2010年和2015年2月下旬-5月下旬的旬時間尺度MODIS NDVI和Ts數據為基礎，建立雙拋物線型NDVI-Ts特征空間，采用TVDI研究河南省旱情的時空分布特征和變化規律，以期為河南省干旱災害監測等提供基礎數據，為有關部門制定政策提供科學的決策依據。

1 研究區概況

河南省位于北緯31°23′～36°22′，東經110°21′～116°39′之間，地形西高東低(圖1),見222頁彩圖。河南省是一個農業大省，棉、糧、油等主要農產品產量均居全國前列，是全國重要的優質農產品生產基地。河南耕地面積為7179.2萬hm2，其中小麥種植面積約占河南省總種植面積的37%。立春后，隨著研究區冬小麥陸續進入返青期其需水量明顯增加；而氣溫不斷回升使得田間蒸發量不斷加大，旱情極有可能迅速發展，對冬小麥返青生長和分蘗造成危害，進而危及夏糧豐收。

2 數據與方法

2.1 數據來源與處理

2000年、2005年、2010年和2015年2月26日到6月1日MODIS數據來源于美國宇航局NASA(http://revert. echo.nnsn.gov/revert/)。NDVI數據來自16d合成分辨率為250m的MOD13Q1數據集 (MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid)，Ts數據來自分辨率為1000 m的MOD11A2數據集(MODIS/Terra Land Surface Temperature/Emissivity 8-Day L3 Global/1 km SIN Grid)。16天數據選取時間段為：2000年、2005年、2010年和2015年的2月26日～3月13日、3月14日～3月29日、3月30日～4月14日、 4月15日～4月30日、5月1日～5月16日和5月17日～6月1日，涵蓋冬小麥生長周期的冬灌～返青、返青～拔節、拔節～抽穗、抽穗、乳熟和成熟六個階段。地面觀測數據包括土壤相對濕度和降雨量數據，其中前者來自中國農作物生長發育和農田土壤濕度數據集，觀測站點個數為17個(圖1),見222頁彩圖；后者來自于中國逐日網格降水量實時分析系統(1.0版)數據集，兩類數據下載網址為http://data.cma.cn/data/。

利用MRT (modis reprojection tool) 軟件結合Cygwin，實現對2000～2015年MODIS NDVI和Ts數據的投影轉換(將integerized sinusoidal grid 轉換為Geographic 投影)和拼接。由于NDVI影像是16d合成的，Ts影像是8d合成的，為了保證時相一致，利用最大值合成法將兩期8d合成Ts影像合并為一期16d合成影像，并將其重采樣為250m。以0.01為步長，利用JAVA語言編程求取相同NDVI下對應的地表溫度最大值和最小值并在Excel工具下制作得到干濕邊散點圖。將每日降水量柵格數據累加合成與MODIS數據時相相同的16d合成數據。借助ENVI 5.1和ArcGis 10.1，完成數據剪裁、公式計算以及旱情等級圖的制作等。

2.2 雙拋物線型特征空間的建立

Sandholt等[12]基于NDVI-Ts三角形或梯形特征空間，提出了TVDI，計算公式為：

(1)

式中，TVDI為溫度植被干旱指數；Ts為任意像元地表溫度(K)；Tsmax為相同NDVI的最小地表溫度，對應NDVI-Ts特征空間的干邊；Tsmin為相同NDVI的最小地表溫度，對應NDVI-Ts特征空間的濕邊；Tsmax和Tsmin可通過NDVI-Ts特征空間干、濕邊模擬得到，即

Tsmax=a1+b1NDVITsmin=b2+b2NDVI

(2)

式中，a1、a2、b1、b2為干濕邊方程系數，由NDVI-Ts特征空間散點圖線性擬合得到；NDVI為歸一化差異植被指數。

我國學者劉英等[17]將NDVI擴展到0.15以內，提出了NDVI-Ts雙拋物線型特征空間及其TVDI計算方法，其干濕邊方程為：

Tsmax=a1NDVI2+b1NDVI+c1

Tsmin=a2NDVI2+b2NDVI+c2

(3)

式中，c1、c2為干濕邊方程擬合系數；NDVI為歸一化植被指數。

TVDI的取值范圍是0到1。TVDI越大，Ts越接近干邊，越干旱；反之，TVDI 越小，Ts越接近濕邊，越濕潤。

3 旱情時空分布特征分析

3.1 干旱指數的構建和適用性

經處理得到NDVI-Ts特征空間干濕邊散點圖(圖2)。由圖2可知，NDVI-Ts特征空間干邊Tsmax均為極大值向下開口的拋物線，干邊可決系數基本接近0.9；濕邊Tsmin為極小值向上開口的拋物線，干濕邊呈明顯雙拋物線型特征。由表1進一步分析可知，干濕邊擬合方程可決系數均通過了顯著性檢驗(P≤0.05)。

3.2 TVDI與實測土壤濕度相關性分析

相關研究表明NDVI與表層10cm土壤相對濕度的相關性較好，與綠色植物的活力和密度關系密切[18-19]。以河南省17個氣象站點觀測的10cm深土壤濕度數據(soil moisture, SM)為橫坐標，以雙拋物線型NDVI-Ts特征空間反演得到的3×3像元的TVDI均值為縱坐標，構建SM-TVDI散點圖(圖3)，并計算其相關系數。

由圖3可知，SM與TVDI總體呈現負相關線性關系，土壤濕度越大，TVDI越小，反之亦然。從實測土壤濕度和TVDI的線性擬合結果來看，擬合方程可決系數R2在0.3～0.5左右，均通過P≤0.05顯著性檢驗，表明TVDI可作為干旱監測指標。

3.3 旱情遙感分析

采用TVDI作為干旱分級指標，將干旱劃分為5級[16]，即：極濕潤(TVDI為0～0.2)；濕潤(TVDI為0.2～0.4)；正常(TVDI為0.4～0.6 )；干旱(TVDI為0.6～0.8 )；極干旱(TVDI為0.8～1)。因為研究區存在水體、建筑物及數據存在缺失情況，因此添加以下三種分類：無數據(TVDI為-1.5～1.49)；水體(TVDI為-1.49～1.2)；建設用地(TVDI為-1.2～0)。利用ArcGis制作河南省2000、2005、2010、2015年2月26日到6月01日旱情等級時空分布圖(圖4)。

圖2 河南省2000年2月26日～6月1日 NDVI-Ts特征空間干、濕邊散點圖Fig.2 Scatter diagram of dry and wet edge in NDVI-Ts space of Henan from February 26 to June 1 in 2000

時間 Time干邊(R2為擬合方程的可決系數)Dry edge (R2 is the decisive coefficient of the fitting equation)濕邊(R2為擬合方程的可決系數)Wet edge (R2 is the decisive coefficient of the fitting equation)2005-02-26～2005-03-13Tsmax=-36.193NDVI2+19.604NDVI+298.6R2=0.9038,P≤0.05Tsmin=18.829NDVI2-6.2479NDVI+280.54R2=0.6463,P≤0.052005-03-14～2005-03-29Tsmax=-43.784NDVI2+30.12NDVI+298.91R2=0.9225,V≤0.05Tsmin=21.856NDVI2-17.632NDVI+279.35R2=0.5951,P≤0.052005-03-30～2005-04-14Tsmax=-49.713NDVI2+39.997NDVI+304.63R2=0.7914,P≤0.05Tsmin=14.901NDVI2-11.993NDVI+286.7R2=0.5099,P≤0.052005-04-15～2005-04-30Tsmax=-42.462NDVI2+30.703NDVI+306.67R2=0.9378,P≤0.05Tsmin=9.2086NDVI2-5.6821NDVI+291.59R2=0.4371,P≤0.052005-05-01～2005-05-16Tsmax=-37.707NDVI2+30.334NDVI+305.56R2=0.9295,P≤0.05Tsmin=21.82NDVI2-26.262NDVI+287.51R2=0.6857,P≤0.052005-05-17～2005-06-01Tsmax=-45.436NDVI2+31.361NDVI+314.22R2=0.8898,P≤0.05Tsmin=32.747NDVI2-27.05NDVI+289.64R2=0.6696,P≤0.052010-02-26～2010-03-13Tsmax=-37.69NDVI2+23.619NDVI+292.33R2=0.7011,P≤0.05Tsmin=52.369NDVI2-34.387NDVI+273.08R2=0.7745,P≤0.052010-03-14～2010-03-29Tsmax=-44.551NDVI2+29.063NDVI+298.4R2=0.918,P≤0.05Tsmin=26.586NDVI2-19.199NDVI+278.96R2=0.6617,P≤0.052010-03-30～2010-04-14Tsmax=-33.58NDVI2+22.204NDVI+305.25R2=0.774,P≤0.05Tsmin=7.1429NDVI2-2.0879NDVI+287.28R2=0.65,P≤0.052010-04-15～2010-04-30Tsmax=-33.522NDVI2+22.848NDVI+298.71R2=0.8367,P≤0.05Tsmin=4.2102NDVI2-1.6872NDVI+284.54R2=0.32082010-05-01～2010-05-16Tsmax=-28.946NDVI2+18.682NDVI+304.82R2=0.8426,P≤0.05Tsmin=14.462NDVI2-12.478NDVI+288.48R2=0.2977,P≤0.052010-05-17～2010-06-01Tsmax=-33.936NDVI2+24.526NDVI+309.14R2=0.9232,P≤0.05Tsmin=11.296NDVI2-14.937NDVI+291.39R2=0.7197,P≤0.052015-02-26～2015-03-13Tsmax=-43.419NDVI2+27.773NDVI+300.03R2=0.899,P≤0.05Tsmin=0.0717NDVI2+10.786NDVI+274.27R2=0.4313,P≤0.052015-03-14～2015-03-29Tsmax=-38.718NDVI2+26.753NDVI+302.43R2=0.9086,P≤0.05Tsmin=7.699NDVI2-3.9548NDVI+283.37R2=0.4255,P≤0.052015-03-30～2015-04-14Tsmax=-34.49NDVI2+24.773NDVI+299.83R2=0.8959,P≤0.05Tsmin=7.5417NDVI2-1.7161NDVI+281.23R2=0.6559,P≤0.052015-04-15～2015-04-30Tsmax=-26.491NDVI2+19.428NDVI+305.37R2=0.9404,P≤0.05Tsmin=16.194NDVI2-11.503NDVI+290.56R2=0.5822,P≤0.052015-05-01～2015-05-16Tsmax=-30.881NDVI2+21.194NDVI+304.87R2=0.8666,P≤0.05Tsmin=8.506NDVI2-6.6436NDVI+290.12R2=0.2371,P≤0.052015-05-17～2015-06-01Tsmax=-28.616NDVI2+22.155NDVI+308.23R2=0.853,P≤0.05Tsmin=4.1778NDVI2-12.399NDVI+291.99R2=0.608,P≤0.05

圖3 2010年2月26日～6月1日10cm深度土壤濕度與TVDI的擬合(圖中R2均為擬合方程的可決系數)Fig.3 Correlation between TVDI and soil moisture in 10cm depth from February 26 to June 1 in 2010

以2010年為例，結合2010年日降水柵格數據對2010年河南省旱情時空分布特征進行分析。

(a)2010-02-26～2010-03-13：旱情主要分布在西部、東南部和北部局地，此時段為冬小麥冬灌～返青階段，這個階段是決定成穗率高低的關鍵時期。此時間段內河南省累加降雨量為0～59.75mm，研究區西部、中部、北部降水量少，僅為0～5mm；降雨量主要集中在河南省南部區域。因此，旱情主要發生在西部、東南部和北部局地。

圖1 研究區概況圖Fig.1 Map of study area

(b)2010-03-14～2010-03-29：西部和北部局地干旱加重，此時段為冬小麥返青～拔節階段，此時植株生長快，需要大量水分和養料，但此時間段幾乎無降雨，僅為0～3.7mm。為了促進冬小麥的生長，采取地面灌溉方式，使得研究區東部、南部及北部部分區域旱情有所緩解。

(d)2010-04-15～2010-04-30：全省旱情得到緩解，此時段為冬小麥抽穗階段。2010-04-16日降水覆蓋全省，研究區東部和南部2010-04-17、2010-04-20、2010-04-21日分別有降水，研究區西部2010-04-23、2010-04-28日分別降水，此時間段累加降雨量為9.15～60.54mm，但北部局地降雨量較小。

(e)2010-05-01～2010-05-16：全省旱情普遍加重，除東部局地外，其余地方旱情極為嚴重，此時段為冬小麥乳熟階段。此時間全省絕大部分區域的降雨量為0.64-13.78mm，降水很快被蒸發和吸收，未能有效緩解旱情。

圖4 2010年2月26日～6月1日河南省旱情等級時空變化圖Fig.4 Temporal and spatial change map of Henan Province drought grade from February 26 to June 1 in 2010

(f)2010-05-17～2010-06-01：全省2010-05-28和2010-06-1日分別出現了均值為22.51mm和15.39mm的降水，旱情得到全面減輕，但西南部、西北部旱情仍然持續，此時段為冬小麥成熟階段。

4 討論與結論

文章基于雙拋物線型NDVI-Ts特征空間，利用TVDI對河南省旱情等級時空變化進行分析，并結合同期降雨數據，探討分析河南省旱情時空變化規律，主要結論為：

(1)利用MODIS NDVI和Ts數據，發現NDVI-Ts特征空間呈雙拋物線型，干邊方程可決系數R2在0.9以上；TVDI與實測土壤濕度呈現負相關關系，兩者之間的線性擬合方程通過了P≤0.05的顯著性檢驗；TVDI監測河南省旱情空間分布基本與降雨量空間分布一致。因而，基于雙拋物線型NDVI-Ts特征空間的TVDI可以用于研究區旱情監測。

(2)由2000年、2005年、2010年和2015年的冬小麥旱情時空分布特征可知，研究區中南部冬小麥主產區土壤比較濕潤，能夠滿足冬小麥需水量。

2.3 兩組身長凈增值比較干預組和對照組在身長凈增值上的對比顯示出生至42 d、42 d～2個月、2～3個月，3～6個月4個階段，且干預組嬰兒的身長凈增值較對照組多，差異有統計學意義(P<0.05)。見表3。

利用氣象站點實測土壤濕度與TVDI進行精度驗證過程中，兩者相關性較低，這是由于一方面TVDI是利用多天合成數據所得，而地面實測數據特定時間的數據，二者在時間尺度方面存有一定的誤差；另一方面，氣象站數據為點數據，而TVDI數據分辨率為250m，二者在空間上難以精確對應[20]。于敏等[21]、孔令寅等[22]、姜亞珍等[23]、李紅軍等[24]、閆峰等[25]研究也表明，NDVI/EVI-Ts特征空間方法結合了地表反射率和熱紅外輻射信息，能反映出一定時空尺度的土壤濕度狀況，但容易受到植被覆蓋狀態和衛星觀測質量的影響，導致特征空間中濕邊的擬合度一般。因此，在后續工作中利用TVDI監測旱情需要從空間和時間尺度進行完善。

參考文獻：

[1] 孫麗,王飛,吳全.干旱遙感監測模型在中國冬小麥區的應用[J].農業工程學報,2010,26(1):243-249.

[2] Yu T, Tian G L. The application of thermal Inertia method the monitoring of soil moisture of North China plain based on NOAA-AVHRR data[J]. Journal of Remote Sensing,1997,1(1): 24-32.

[3] Sun L, Chen H W, Zhao L J, et al. The advances of drought monitoring by remote sensing [J]. Journal of Agro-Environment Science, 2004, 23(1): 202-206.

[4] 楊曦,武建軍,閆峰,等.基于地表溫度-植被指數特征空間的區域土壤干濕狀況[J].生態學報,2009,29(3):1205-1216.

[5] 江東,王乃斌,楊小喚,等.植被指數-地面溫度特征空間的生態學內涵及其應用[J].地理科學進展,2001,20(2):146-152.

[6] 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.

[8] Wang C, Qi S, Niu Z, et al. Evaluating soil moisture status in China using temperature-vegetation dryness index (TVDI)[J]. Canadian Journal of Remote Sensing, 2004, 30(5): 671-679.

[9] 李春強,李紅軍. TVDI 在冬小麥春季干旱監測中的應用[J].遙感技術與應用,2008,23(2): 161-165.

[10] 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 Review,1994,9(1-2) :161-173.

[11] Moran M, Clarke T, Inoue Y, et al. Estimating crop water deficit using the relation between surface-air temperature and spectral vegetation index[J]. Remote Sensing of Environment,1994,49(3): 246-263.

[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(2):213-224.

[13] 劉英,馬保東,吳立新,等.基于NDVI-ST雙拋物線特征空間的冬小麥旱情遙感監測[J].農業機械學報,2012,43(5):55-63.

[14] 劉公英,申海鳳,胡佳,等.基于TVDI 指數的冬小麥旱情動態研究—以河北省邢臺市為例[J].干旱地區農業研究,2015,33(4):227-232.

[15] 熊世為,景元書,李衛國.基于HJ-1B遙感數據的冬小麥旱情監測研究[J].麥類作物學報,2013,33(1):84-88.

[16] 王純枝,毛留喜,何延波,等.溫度植被干旱指數法(TVDI)在黃淮海平原土壤濕度反演中的應用研究[J].土壤通報,40(5):998-1005.

[17] Liu Y, Wu L X, Yue H. Bi-parabolic NDVI-Tsspace and soil moisture remote sensing in an arid and semi-arid area[J]. Canadian Journal of Remote Sensing, 2015, 41(3), 159-169.

[18] 張樹譽,趙杰明,袁亞社,等. NOAA/AVHRR資料在陜西省干旱動態監測中的應用[J].中國農業氣象,1998,19(05):27-29+33.

[19] 詹志明,馮兆東. 區域遙感土壤水分模型的方法初探[J].水土保持研究,2002,9(3):227-230.

[20] 孫振蓉. 京津冀地區冬小麥面積估算和旱情遙感監測研究[D]. 北京: 北京林業大學, 2015.

[21] 于敏,程明虎,劉輝.地表溫度-歸一化植被指數特征空間干旱監測方法的改進及應用研究[J].氣象學報,2011,69(5):922-931.

[22] 孔令寅,延昊,鮑艷松,等.基于關鍵發育期的冬小麥長勢遙感監測方法[J].中國農業氣象,2012,33(3):424-430.

[23] 姜亞珍,張瑜潔,孫琛,等.基于TVDI河北省干熱風同期土壤濕度監測研究[J].遙感技術與應用,2014,29(3):442-450.

[24] 李紅軍,雷玉平,李春強,等.地表溫度-植被指數特征空間時空尺度效應分析[J].中國生態農業學報, 2014, 22(10):1252-1258.

[25] 閆峰,艷姣,吳波.多時間尺度溫度-植被指數特征空間旱情監測的差異性[J].地理科學,2014,34(8):987-993.