基于溫度植被指數TVDI的拉薩地區土壤濕度特征分析

鐘 偉，盧宏瑋，管延龍，仇理化

（1.華北電力大學水利與水電工程學院，北京 102206；2.中國科學院地理科學與資源研究所陸地水循環及地表過程重點實驗室，北京 100101；3.南方科技大學環境科學與工程學院，廣東深圳 518055；4.華北電力大學新能源學院，北京 102206）

0 引 言

快速發展的遙感技術為土壤濕度的獲取提供了重要的途徑，相較于傳統監測方法，遙感技術具有數據覆蓋范圍廣、多時向、多光譜、高分辨率、易獲取等優點，被廣泛應用于區域旱情監測研究中［6-10］。目前，基于遙感技術的土壤濕度估計方法主要有表觀熱慣量法、蒸散量計算和溫度植被干旱指數等［11-14］，其中溫度植被干旱指數TVDI有著明確具體的物理含義，受土壤背景和數據分辨率的影響較小［15］，被廣泛應用于土壤濕度估計。TVDI指數在國內外已有大量相關研究，楊曦等［16］研究發現，TVDI指數能夠較好地反映華北平原表層土壤的干濕狀況，趙杰鵬等［17］改進了Sandholt［14］提出的TVDI模型，并發現改進后的模型較為明顯地提高了新疆地區的土壤濕度反演精度。Patel 和Sun［18，19］等基于MODIS 遙感數據分析發現TVDI指數與表層土壤濕度具有顯著的負相關關系。部分研究發現［20-24］，植被指數對于TVDI指數模擬精度影響較大，不同的植被指數各有優劣。由于不同季節和不同下墊面條件，植被指數對于植被覆蓋的敏感性具有顯著差異，導致TVDI不同植被覆蓋下的監測能力存在較大的差異性。

早期TVDI的研究主要集中在平原農業區、旱區［16，17，23］等，而針對高寒、地形條件復雜區域的探索仍較為缺乏。楊玲和楊艷昭［25］發現西遼河流域干旱區域主要位于流域的上中游地區，濕潤區域主要沿河岸分布，且不同土地覆被類型的土壤濕度差異較大。Jian 等［26］研究指出，在不同土壤深度下，黃淮海平原TVDI與實測土壤濕度之間表現為顯著負相關，且在10～20 cm之間的關系最為密切。李躍鵬等［27］指出烏魯木齊地區不同下墊面條件下，地表溫度與植被指數均呈顯著負相關關系，TVDI與ERA-interim Level 2層體積含水量數據擬合最好。拉珍等［28］發現西藏一江兩河地區TVDI空間分布特征與降水空間分布一致性較好，實測地表溫度與TVDI兩者具有較好的線性正相關性。這些研究表明，不同的地理條件可能導致TVDI的區域適用性存在顯著差異。

青藏高原是地球上獨特的地質、地理和生態單元，獨特的地形和高寒氣候條件使得青藏高原成為全球氣候變化的敏感區。土壤濕度作為陸-氣系統相互作用的重要物理參數，在青藏高原等生態脆弱區的水-碳循環中扮演著至關重要的作用。盡管已有針對高原土壤濕度相關研究［10，24，28］，但缺乏針對下墊面條件復雜以及海拔差異大等情況的深入探討。拉薩地區作為青藏高原高寒氣候的代表性區域，地表類型復雜，地面監測站點稀少，土壤濕度特征及影響因素尚待揭示。因此本文基于MODIS 高分辨率地表溫度和植被指數產品等，結合第二次青藏科學考察采樣實測數據，以及區域DEM 數據、氣象數據和土地利用數據，引入溫度植被指數TVDI對拉薩地區土壤濕度狀況進行分析，進一步探究土地利用類型、海拔以及氣象要素等因素對該地區土壤濕度的影響。

1 數據與方法

1.1 研究區概況

拉薩地處青藏高原南部，西藏自治區東南部，雅魯藏布江支流拉薩河北岸，位于東經91°06′，北緯29°36′。全年多晴朗天氣，年日照時間3 000 h 以上，年降雨量500 mm 左右，屬于典型高原溫帶半干旱季風氣候。區域內海拔跨度較大，地勢由北向東南傾斜，高山河谷相間分布［圖1（a）］，地表類型復雜［圖1（b）］。區域內生態系統單一脆弱，農業主要集中在地勢平坦，灌溉條件較好的河谷地區。土地利用類型包括了耕地、林地、草地、濕地、建設用地以及未利用土地［表1，圖1（b）］，草地是最主要的土地利用類型，呈較均勻地分散狀分布，面積占比為56.62%，其次為未開發土地，占21.61%，耕地、林地和濕地面積占比較小，濕地主要位于北部海拔較低區域，林地主要分布在東南部山谷盆地。面積占比最小的為建設用地，僅為0.39%。

表1 拉薩地區主要土地利用類型面積及占比Tab.1 Area and proportion of main land use types in Lhasa

1.2 數據來源

（1）遙感數據和氣象數據。本文使用遙感數據來源于NASA 數據中心（https：//earthdata.nasa.gov），包括植被指數產品（MOD13A2）、地表溫度產品（MOD11A2）和短波地表反照率產品（MCD43C3）。數據選取時段為2018年7-9月，其中增強型植被指數EVI共6 期，時間分辨率為16 d，空間分辨率為1 km。地表溫度LST 和地表反照率Albedo 共12 期，時間分辨率均為8 d，空間分辨率分別為1 km和0.05°。遙感影像采用MRT等軟件進行預處理后用于本文研究。研究區2018年土地利用遙感監測數據來源于中科院資源環境科學與數據中心（http：//www.resdc.cn），拉薩地區2018年夏季日均氣溫和降水數據來源于中國氣象數據網（http：//data.cma.cn/），經處理后得到16 d 平均氣溫和累積降水量用于本文研究。

增強型植被指數EVI的紅光和近紅外探測波段范圍設置更窄，改進了針對稀疏植被的探測效果，同時，引入了藍光波段對大氣氣溶膠的散射和土壤背景進行了矯正，減少了大氣和土壤背景的影響［20，22，29，30］，因此本研究采用EVI代替歸一化植被指數NDVI。考慮到植被指數為負表示湖泊積雪等，本研究在統計計算中暫不納入EVI值為負的像元。利用短波地表反照率產品（albedo）提供的黑空以及白空地表反照率數據，通過線性加權平均法得到短波波段的地表真實反照率。基于MRT（MODIS Reprojection Tool）將LST和EVI數據統一時間尺度為16 d，計算各時期TVDI并構建LST-EVT二維特征空間。

（2）采樣數據。繼20 世紀70年代進行首次青藏高原綜合科學考察研究后，第二次青藏高原綜合科考從2017年8月全面啟動，在收集大量數據資料的基礎上，對青藏高原的水、生態、人類活動等環境問題進行考察研究，為青藏高原生態保護和社會經濟發展提供科學依據。本文所用實際土壤濕度數據來源于2018年7月考察支隊在西藏拉薩河流域進行農牧業發展以及環境問題考察時的樣點實測數據，選取分布在研究區內的17個樣點，具體位置以及分布情況見圖1（b）和表2，覆蓋了耕地，草地，林地以及濕地等主要土地利用類型。本文擬合分析方法采用最小二乘法擬合，顯著性檢驗采用t檢驗法。

表2 采樣點位置以及土地覆被類型Tab.2 Sampling point location and land cover type

1.3 TVDI計算

Sandhol等［14］基于地表溫度與植被指數之間的對應關系，構建了LST-NDVI特征空間模型，指出溫度植被干旱指數TVDI能夠有效地反演區域陸表干濕變化。其中，特征空間的上邊界被定義為干邊，表示研究區土壤干旱特征，將下邊界定義為濕邊，反映土壤的濕潤狀況。具體計算公式如下：

高校思想政治教育中融入中國傳統文化能夠有效向大學生傳遞正確價值觀念，從而促進大學生在日常生活中加強精神文明建設，提升大學生愛國思想。通過中國傳統文化的融入，能夠使大學生在接受思想政治教育時更深刻理解國家對自身的重要性，從心底產生愛國情感，并積極主動投入社會傳統文明建設中，從而加強我國社會傳統文明建設，滿足我國現代社會發展需求。

式中：TVDI為任意像元的溫度植被干旱指數；TS和NDVI為分別為任意像元的地表溫度和植被指數，TSmax、TSmin分別為某一NDVI對應的最大最小地表溫度，即分別代表了干邊和濕邊；a1、a2和b1、b2分別為干邊和濕邊擬合方程的系數。

其中，干邊對應TVDI值為1，濕邊對應TVDI值為0，計算得到任一像元TVDI值介于0 和1 之間，TVDI值越大，對應的像元土壤濕度越低；TVDI值越小，對應的像元土壤濕度越高［31］。

2 結果與分析

2.1 TVDI與實測土壤濕度關系

圖2所示為實測土壤體積含水量與TVDI之間的線性擬合。具體而言，研究區內17 個樣點實測表層土壤體積含水率與TVDI呈顯著負相關關系（p＜0.05），隨著土壤濕度的增加，TVDI呈現逐漸下降的趨勢，擬合系數r2達到0.71，擬合效果良好。所選取的樣點基本覆蓋了研究區主要的土地利用類型，表明在不同的下墊面條件下，總體上TVDI值越高土壤濕度越低。擬合結果有效反映了TVDI在反演表層土壤干濕狀況方面具有良好的表現，可以作為研究區地表土壤濕度監測的有效手段和補充。

2.2 地表溫度與植被指數關系

圖3所示為不同土地利用類型的地表溫度LST與植被指數NDVI的擬合結果。對于耕地，隨著EVI的上升，地表溫度逐漸下降，整體上呈顯著的負相關（p＜0.05）。對于林地和草地，隨著EVI的增加，LST呈逐漸上升趨勢，都通過了0.05 的顯著檢驗。對于濕地，地表溫度LST和植被指數EVI同樣呈顯著正相關關系（p＜0.05），上升趨勢高于林地和草地。不同土地利用類型的擬合結果表明，拉薩地區植被變化與地表溫度變化之間存在明顯的響應過程，空間異質性強烈。

圖4所示為不同土地利用類型之間地表溫度與海拔變化的擬合關系。總體上，不同土地利用類型下LST均與海拔均存在顯著的負相關關系（p＜0.05），隨著海拔高度的升高，地表溫度逐漸下降。具體而言，耕地主要集中分布于海拔3 500～4 500 m范圍內，少部分位于4 500 m 以上，跨度相對較小，地表溫度表現為隨植被指數增加而顯著降低。林地和草地基本上均勻分布于海拔3 500～5 500 m 之間以及3 500～6 000 m 之間，垂直分異明顯，表明林地和草地多分布于地形坡度較大的山區，地表溫度受海拔梯度變化影響顯著，擬合系數明顯高于耕地。對于濕地而言，整體面積所占比例較小，多分布于海拔3 500～3 800 m和海拔5 000～6 000 m處之間，空間分布異質性較為明顯。結合研究區地形條件和土地利用類型分布（圖1），研究區地表溫度LST與植被指數EVI呈顯著的負相關，空間異質性較為明顯。

表3 不同土地利用LST與海拔擬合方程Tab.3 Fitting equation of LST and altitude over different land use types

圖5和表4所示為研究區2018年夏季7-9月每16 d的LSTEVI特征空間及其各時段干濕邊擬合方程及擬合系數。除07-28-08-12 時段外，各時段干邊斜率均顯著小于0，總體上LSTmax與EVI呈顯著負相關關系（p＜0.05）。各時段濕邊斜率均顯著大于0，總體上LSTmin與EVI呈顯著正相關關系（p＜0.05）。大部分時段的最高和最低地表溫度與植被指數擬合效果比較好（表4），r2基本大于0.4，最大達到0.83，能較好地擬合出干邊和濕邊方程。在EVI值較低（0＜EVI＜0.1）時，最高地溫表現為隨著植被指數增加而逐漸升高，這可能是在植被覆蓋處于較低水平時，植被指數描述植被覆蓋的動態變化不夠準確，從而引起該區間地表溫度對植被指數的變化不夠敏感［18］。

表4 7-9月各時期LST-EVI特征空間干濕邊擬合方程及擬合系數Tab.4 Fitting equations and fitting coefficients for dry and wet edges of LST-EVI feature space from July to September

2.3 土壤濕度時空格局及影響因素

圖6所示為研究區2018年7-9月每16 d的TVDI空間分布。在7月和8月，大部分地區TVDI處于0～0.2 之間［圖6（a）～（d）］，地表整體較為濕潤。進入9月，TVDI開始升高至0.2～0.6 區間，土壤濕度降低，少部分地區TVDI大于0.6，處于較為干燥的狀態。整體上看，研究區夏季土壤濕度處于較為良好的水平，并隨時間推移呈現逐漸變干的趨勢。

參考已有研究方法［27］的相關閾值將研究區土壤干濕狀況劃分為極濕潤至極干旱五個等級（表5），基于7-9月6期的平均TVDI，得到夏季地表干濕情況空間分布如圖7所示。從空間上看，大部分地區處于極濕潤和濕潤的狀態，分別占研究區面積的57.01%和22.27%。土壤濕度正常的區域占比13.14%，而干旱和極干旱區域主要分布在北部，西南以及中南部分地區，面積占比分別為7.06%和0.51%。

表5 基于TVDI閾值干旱等級劃分標準Tab.5 The classification of TVDI and drought

圖8和表6所示為研究區07-28-08-12 時段所計算的TVDI，考慮不同下墊面的TVDI與海拔擬合結果。隨著海拔的不斷升高，幾種主要土地利用類型TVDI均與海拔呈顯著負相關關系（p＜0.05），耕地、林地、草地和濕地的TVDI下降率分別達到0.151、0.235、0.281 和0.211/km，表明研究區土壤濕度隨海拔的升高而顯著增加。

表6 07-28-08-12時段不同土地利用類型TVDI與海拔擬合方程Tab.6 Fitting equation of TVDI and altitude over different land use types during 07-28-08-12

研究區7-9月平均植被指數和地表反照率空間分布如圖9所示，結合地形和下墊面情況（圖1），西部和北部高山地區以裸土為主，植被覆蓋較低，對應地表反照率最高達0.365，造成土壤涵水能力不足，即使有降水補充但由于水分散失較快，導致土壤濕度處于較低水平。而對于面積占比較大的林地和草地，EVI指數處于0.15～0.5 之間，植被覆蓋相對完整，對應地表反照率較低，雖然植被蒸散消耗水分，但相比裸土直接蒸發更為緩和，土壤濕度能保持較好的水平。

圖10 所示為夏季7-9月每16 d 的平均氣溫和累積降水量以及平均TVDI。整體來看，TVDI與氣溫正相關變化，與降水呈負相關變化。當氣溫較低，降水充足的時候［圖10（08-13-08-28）］，TVDI下降至最低值，表明土壤含水率較高，較為濕潤。而當氣溫升高，降水減少時［圖10（08-29-09-13）］，TVDI上升至最高點，土壤濕度迅速降低。TVDI與氣溫和降水的相關系數r（皮爾遜線性相關）分別為0.41和-0.67，表明降水對于研究區土壤濕度的影響較氣溫更為明顯。

3 結 論

基于MODIS 地表溫度（LST）和增強型植被指數產品（EVI）以及土地利用類型數據等，構建了拉薩地區LST-EVI特征空間和溫度植被干旱指數TVDI，驗證了TVDI在拉薩地區的適用性，分析了土壤濕度時空格局，進一步探究了土地利用類型、海拔以及氣溫降水等因素對TVDI的影響，主要結論如下。

（1）TVDI與實測表層土壤體積含水率擬合效果良好，呈顯著負相關（r2=0.71，p＜0.05），表明TVDI能較好地反映研究區土壤濕度狀況。

（2）不同土地利用類型地表溫度與植被指數的關系具有明顯的差異性。耕地地表溫度隨著植被指數增加而顯著減小，林地、草地和濕地受海拔影響，地表溫度與植被指數呈顯著正相關關系。研究區夏季6 期LST-EVI特征空間，其散點圖呈三角形狀，均能夠較好地擬合出干邊和濕邊（r2基本大于0.4），均通過了顯著性水平為0.05的顯著性檢驗。

（3）拉薩地區夏季整體上土壤濕度處于較為良好的水平，并隨時間推移呈現逐漸變干的趨勢。空間上，大部分地區處于極濕潤（0～0.2）和濕潤（0.2～0.4）的狀態，干旱（0.6～0.8）和極干旱（0.8～1.0）區域主要分布在北部，西南以及中南部分地區，面積占比僅分別為7.06%和0.51%。不同土地利用下土壤濕度隨海拔的升高均顯著增加（p＜0.05），TVDI基本與氣溫呈同向變化，與降水呈反向變化，降水對于土壤濕度影響更為明顯。

青藏高原地表類型復雜，受地形大氣環流等因素影響，植被覆蓋水平和垂直分異明顯，屬于典型高原氣候區。區內監測站點稀少，依靠傳統方式難以全面動態地掌握土壤濕度變化情況。本文以拉薩作為代表性區域，借助遙感技術反演了研究區土壤濕度，并進一步考慮了其時空格局以及影響因素，以期為地表類型復雜的高寒地區土壤濕度研究提供參考。由于實測數據缺乏等客觀原因限制，本研究對研究區表層土壤濕度進行了初步分析，未深入考慮不同深度層土壤濕度變異情況，且對于氣候要素的影響分析探討略淺，植被的動態響應也尚未充分考慮，這是本研究的不足之處，也將是下一階段的工作重點。□