基于TVDI指數的四平市梨樹縣夏玉米生育期干旱監測

韓凱旭 康乾坤 賀金鑫

摘要 利用2017年夏玉米主要生育期（5—8月）的Landsat-8遙感影像數據進行地表溫度（LST）和植被指數（NDVI）的反演;利用LST-NDVI構建溫度植被干旱指數模型（TVDI），作為表征干旱的監測指標，并依據2017年夏玉米實測樣點的數據對模型精度予以驗證。結果表明，四平市梨樹縣干旱總體分布趨勢從東南到西北呈現出濕潤-正常-輕旱-中旱-重旱的變換規律，體現了四平市梨樹縣旱情隨地形、氣候變化的規律性。四平市梨樹縣干旱主要集中在西北，吉林省的干旱分布規律亦是從東南濕潤過渡到西北重旱，這種變化規律與吉林全省濕潤氣候過渡到半干旱氣候的分布規律相吻合。由此可見，TVDI模型指數與土壤濕度具有明顯的相關性，可以應用于農作物的旱災檢測。

關鍵詞 夏玉米;生育期;干旱監測;植被干旱指數;地表溫度;梨樹縣

Abstract This paper used the Landsat8 remote sensing image data of the main growth period （May-August） of summer maize in 2017 to retrieve the surface temperature （LST） and vegetation index （NDVI）. Using LSTNDVI， a temperature vegetation drought index model （TVDI） was constructed to represent the drought monitoring index. And the accuracy of the model was verified according to the data of summer maize in 2017. The results showed that the general distribution trend of drought in Lishu County of Siping City was from the southeast to the northwest， showing the transformation rule from humid to normal light drought to medium drought to heavy drought， which reflected the regularity of drought changing with topography and climate in Lishu County of Siping City. The drought in Lishu County of Siping City was mainly concentrated in the northwest， and the distribution law of drought in Jilin Province was also from the southeast humid to the northwest heavy drought， which was consistent with the distribution law of the humid climate to the semiarid climate in Jilin Province. It can be seen that the TVDI model index has a significant correlation with soil moisture， which can be applied to crop drought detection.

Key words Summer maize;Growth period;Drought monitoring;Vegetation drought index;Surface temperature;Lishu County

我國經濟近些年來蓬勃發展，在世界經濟中的地位及重要性日益凸顯，但總體而言我國目前仍屬于發展中國家的范疇，農業仍是我國經濟結構中重要的一個環節，所占的比重和所產生的影響不言而喻[1]。農業發展的優劣直接影響著大多數人的基本生活，制約著國家第一產業的自給自足，在農業發展中，農業災害則是制約農業發展的主要因素，它的產生直接導致農業發展。我國橫跨熱帶、亞熱帶、溫帶，農業用地類型豐富，近51.9%耕地處于年降水量不足800 mm的地區，干旱災害是我國農業發展最嚴重的自然災害之一，在各類自然災害造成的總損失中干旱占35%以上，居于首位[2]。

吉林省地處東部季風區，降水時空分布不均，水資源空間分布組合錯位，致使供需不平衡加劇，干旱災害不斷發生，對農業生產、人類生活和生態環境等造成重大損失。加強干旱災害的監測與評估，為政府制定合理的防旱、抗旱決策提供科學依據迫在眉睫。傳統農業干旱監測方法不僅費時費力，而且在空間規模以及采樣周期等方面都存在一定的局限性[3]。

20世紀60年代，各國學者開始研究利用遙感估算土壤水分含量的新方法，遙感技術具有高效、宏觀、時效等優點，可以對土壤水分、地表溫度、葉面積指數及植被指數等進行大面積的估算[4]。利用遙感技術檢測土壤水分的方法主要包括植被指數法、特征空間法、熱慣量法、地表溫度法、微波遙感法等[5]。其中，熱慣量法對數據資料的要求較為苛刻;植被指數法可檢測植被生長狀態、植被蓋度，但受自然條件影響較大，具有明顯的滯后性。將植被指數（NDVI）和地表溫度（LST）相結合的方法是目前廣泛使用的方法。溫度植被旱情指數（TVDI）是Sandholt等[5]提出的一種基于NDVI-LST 特征空間的土壤水分監測方法，相較于單獨使用 NDVI 或LST能夠提供更加精確、全面的旱情相關信息。我國相關領域的學者使用TVDI指數進行了全國級、地區級、省級、市級等不同空間尺度上的土壤水分反演、旱情監測、作物產量估計等相關研究。TVDI具有監測具體干旱程度的特點，利用這一特點，可及時做好相應的防治工作，減少農業旱災帶來的破壞，提高糧食產量，為農業發展提供科學的輔助決策信息產生積極的影響。

因此，筆者利用Landsat-8遙感數據得到四平市梨樹縣的TVDI指數分布，通過對比實測樣點，分析得到2017年夏玉米生育期的干旱情況，對梨樹縣的干旱情況予以監測。

1 資料與方法

1.1 研究區域概況

梨樹縣位于吉林省四平市西南（123°45′～124°53′E，43°02′～43°46′N），東與公主嶺市以東遼河為界，南與遼寧省的西豐縣、開原縣和吉林省額梨樹接壤，西與遼寧省昌圖縣毗鄰，北與公主嶺市、雙遼市以東遼河為界。區域面積4 209 km2，研究區位置見圖1。 地勢東南高、西北低。南部低山多丘陵，北部為東遼河沖積平原。全年降水量低于800 mm，長期處于干旱-半干旱的狀況。

1.2 數據來源與預處理

該研究所采用Landsat-8衛星影像數據為地基礎數據源，由地理空間數據云網站提供（數據下載網址：http：//www.gscloud.cn/），空間分辨率為30 m。實測驗證點數據為2017年夏玉米生長季實地采樣點信息。

數據預處理主要包括對遙感影像的輻射定標、大氣校正、幾何精校正、影像圖幅拼接、問題條帶處理等步驟。

1.3 研究方法

1.3.1 TVDI檢測干旱空間的原理。

歸一化植被指數（NDVI）與植被含水量有著密切的關系，干旱地區降水量較少，含水量低，NDVI值也較低。但由于不同地區、不同植被類型、不同氣候條件以及澇災蟲災等各種因素的影響，植被含水量的變化受多種因素所致，僅依靠NDVI指數很難表達出受干旱的影響程度;地表溫度（LST）的變化是大氣-土壤-植被系統物質交換和能量循環的結果，從而一定程度上可以反映地表土壤含水量變化。由于系統能量變化，植被在受干旱氣候的影響下，葉片呼吸系統（氣孔）被迫關閉，以此保護植物體內的水分，因此就會導致植物表面溫度升高，且其反應比NDVI指數更敏感。但由于植被類型不同，且覆蓋面積的大小不同，從而影響植被的表層溫度，因此同一種溫度變化不能表現出含水量變化的情況。Moran等[6]提出土壤背景溫度高的區域受LST的干旱影響較大，因此，將NDVI與LST結合可以避免以上需考慮的多種缺點，可實現性較大。

由此提出溫度植被干旱指數（TVDI）的概念。TVDI是一個反映土壤干旱情況的指數。NDVI-LST的特征空間主要被用來估算蒸散[7]和土壤濕度[8]。NDVI-LST特征空間呈現三角形[9-10]或梯形[10-11]的空間分布特征。Goward等[10]利用AVHRR數據發現 LST與NDVI之間存在很好的關系并隨土壤濕度變化。Nemani等[12]研究發現 LST與NDVI的斜率與作物水分指數、土壤水分呈負相關，LST/NDVI 在干旱發生時會增大。LST與NDVI 的斜率與土壤水分的負相關關系是特征空間中的重要統計特征。Sandholt等[5]認為 NDVI-LST 的特征空間中有一系列土壤濕度等值線。

三角形的特征空間如圖2所示，A 和B分別表示干燥裸土和濕潤裸土。隨著地表植被覆蓋度的增加，地表溫度開始下降。C 點表示植被完全覆蓋，土壤水分充足，這時的蒸散阻力最小，所以AC表示土壤水分的有效性很低，地表蒸散小，被認為是 NDVI-LST 特征空間的熱邊界（干邊）;BC表示土壤水分充足，不是植被生長的限制因素，地表蒸散等于潛在蒸散，被認為是 NDVI - LST 特征空間的冷邊界（濕邊）。

1.3.2 TVDI 監測干旱的途徑。

以TVDI指數的等級來表征干旱程度，國內常見的TVDI分級是將TVDI分為5級，等間距分級標準最為常用，密度分割法也應用較廣[5]。從前人工作中可看出TVDI的分級標準較為混亂[6，13]，在不同區域、不同時間內TVDI的分級標準有很大差異，對同一研究區用不同的TVDI分級標準評價的旱情差別較大，難以確定合理的TVDI干旱等級。

2 結果與分析

2.1 LST-NDVI特征空間

根據各時相的地表溫度和歸一化植被指數得到LST-NDVI特征空間分布（圖3）。LST的最大值和最小值均與NDVI呈現線性關系。該研究以2017年5—8月特征空間為例，玉米的生長周期大約在100 d，一般在種植1 d后胚芽就會長出來，如果出芽，30 d以后開始進入拔節期，60 d以后玉米開始進入生殖器官發育期，之后的30 d是果實的發育期和成熟期。所以選擇5—8月為植物生長周期連續4個月植物的生長周期（苗期階段、穗期階段、花粒階段）具有代表性。從圖3中可知，當 NDVI大于某一數值時，隨著NDVI值的增大，陸地地表溫度的最小值不斷增大，而陸地地表溫度的最大值不斷減小;最大與最小陸地地表 溫度隨著NDVI的增加，逐漸接近，NDVI-LST 特征空間呈現三角形或梯形的空間分布特征。

2.2 干-濕邊提取

由LST-NDVI特征空間原理可知，計算TVDI關鍵是干-濕邊的擬合，最常見的方法是：對于一組NDVI和LST遙感影像，取一定的步長（如0.01或0.02），從合理的NDVI范圍內求取每一NDVI對應的陸地表面溫度的最高值、最低值，用最小二乘法擬合地表溫度的最高值、最低值分別得到干、濕邊方程。由圖4得出，LST-NDVI特征空間的干、濕邊對應的斜率：

由方程得出，LST-NDVI特征空間的干邊對應的斜率均小于0，隨著NDVI的增大，地表溫度最大值在減小;而濕邊的斜率均大于0，說明植被生長在沒有水分脅迫下，NDVI增大，地表溫度最小值呈上升趨勢。

2.3 驗證評價

該研究以實測采樣點方式驗證，以便更好地驗證試驗結果。

實測的采樣點為 2017 年四平市梨樹縣采樣點（圖5），采樣點的受災程度和受災面積作為評定旱情等級的標準。所有的采樣點均是實地調查，并且詳細記錄每個地塊的數據，為評定旱情等級的標準。采樣點數據以表格的形式記錄，對現場采集的數據進行集中的處理，提取受災信息，根據表格提供的經緯度信息以及受災程度等信息，提取矢量點。受災信息作為矢量屬性值。