基于MODIS数据的滇东南喀斯特地区干旱遥感反演*

杨超, 王金亮

(云南师范大学 旅游与地理科学学院，云南 昆明 650500)



基于MODIS数据的滇东南喀斯特地区干旱遥感反演*

杨超, 王金亮

(云南师范大学 旅游与地理科学学院，云南 昆明 650500)

受其特殊的岩溶地貌和水文地质条件等因素的影响，滇东南喀斯特地区地表干旱严重，采用MODIS数据对该地区的干旱进行反演监测具有宏观、及时、动态、成本低等优势.以2007-2008年各季度MODIS数据为基础，利用植被状态指数(VCI)、距平植被指数(AVI)和温度条件指数(TCI)构建两个干旱指数模型ID1和ID2，对滇东南喀斯特地区干旱状况进行反演监测.结果表明：(1)滇东南喀斯特地区春季(4月)干旱最为严重，夏季(7月)最湿润，秋季(10月)和冬季(1月)是次干旱的季节；(2)ID1和ID2都能有效反映滇东南喀斯特地区旱情分布情况，但ID1比ID2更适用于该地区的干旱遥感监测.

干旱;反演监测;干旱指数模型;喀斯特;滇东南

干旱是全国普遍发生的重大气象灾害之一，因出现频率高、持续时间较长和破坏范围大，对社会经济尤其是对农业经济影响巨大.近一个世纪以来，全球气候变化使部分地区的极端气候事件加剧，全球气象灾害造成的经济损失占所有自然灾害损失的85%左右，其中干旱带来的损失又占气象灾害的50%左右.

2010年春季，在云南、贵州等地连续三年出现大旱.截至2010年3月16日，中国西南五省干旱造成645万公顷耕地严重受灾，超过2 000多万人饮水困难[1].因此利用RS与GIS技术对各旱情易发区进行宏观动态监测以及即时进行灾后风险评估尤为重要，可以为相关部门制定合理有效的抗旱、防旱措施提供科学依据，从而减少干旱带来的经济损失.

1 研究区概况

云南是我国喀斯特地貌分布最广的省份之一,喀斯特分布面积大于30%的县有62个,其中喀斯特面积大于70%的县有10个，全省喀斯特面积约11.1万平方公里,约占全省国土面积的28.9%,依地域分布可大致分为三个地区[2]:滇西北区、滇东区以及澜沧江、怒江中段.最典型的地区分布在文山壮族苗族自治州和红河哈尼族彝族自治州，面积64 387平方公里.包括文山壮族苗族自治州的文山、砚山、麻栗坡、西畴、马关、丘北、富宁、广南8县市，总面积31 456平方公里；红河哈尼族彝族自治州辖的蒙自市、个旧市、弥勒市、开远市、绿春县、建水县、泸西县、红河县、元阳县、河口县、屏边县、金平县4市9县，面积32 931平方公里(图1).

2 研究方法

2.1 国内外干旱遥感监测研究方法

图1 研究区位置图

干旱监测的重要指标之一是土壤湿度，是以估测土壤含水量为基础的.国外监测土壤含水量方法可以分为几类.一类是利用植被指数来监测某一时段的干旱情况；例如，Jakson[3]等在利用NDVI监测干旱时发现，植被指数对短暂水分胁迫不太敏感.因此，植被指数无法有效的反映土壤湿度情况，其在裸土地区或洪涝地区应用也会受到限制；于是Kogan[4]提出植被状态指数(VCI)，认为VCI更优于NDVI.

VCIj=100(NDVIj-NDVImin)/

(NDVImax-NDVImin)

(1)

式中NDVIj、NDVImax、NDVImin分别为随机年j时期内的NDVI的DN(灰度)值、NDVI的最大灰度值与最小灰度值.

另一类是综合利用波段组合的方法将可见光波段与红外波段(近红外与中红外)组合反演植被指数来表征干旱情况.如Kogan[5]提出的温度条件指数(TCI，Temperature Condition Index).该指数着重突出了高温、低温都不利于植被生长，适宜温度利于作物生长，即TCI的定义:

TCI=(Tmax-Tj)/(Tmax-Tmin)

(2)

式中Tj、Tmax、Tmin分别为随机年第j时期地表温度值(平均值)、研究年限内第j时期地表温度的最大值与最小值.若TCI值越小,表明j时期内地表温度越接近最大值，即干旱情况越严重.

国内利用卫星遥感数据监测干旱，主要采用热惯量法[6]、亮度温度法[7]及植被水分指数法[8]等.在NDVI的基础上经过大量观测研究，国家卫星气象中心由此提出了距平植被指数(Anomaly Vegetation Index,AVI)监测法，其公式如下：

AVI=NDVIi-avg(NDVI)

(3)

式中avg(NDVI)、NDVIi分别为多年累积的NDVI均值、随机年时期(如旬、月等)NDVI值.AVI为正值反映植被生长良好,负值表示植被生长欠佳,通常来说,AVI值在0.1～-0.2、-0.3～-0.6分别表示旱情出现、旱情严重.

2.2 滇东南喀斯特地区干旱遥感反演

植被指数与地表温度都可表征土壤含水量.但在实际监测中只用一个指标是不够的,不能准确的反演出干旱情况，所以往往需要进行综合考虑,将植被与温度恰当结合，有利于准确描述地表干旱状况.

Terra卫星的MODIS研究是近年来遥感应用领域研究的热点[9]，本文研究使用的MODIS地表反射率与地表温度数据，均为2007-2008年各个季度的8天合成数据，该数据来源于地理空间数据云http://www.gscloud.cn/(表1).

表1 MODIS数据产品简介

采用MRT(MODIS Reprojection Tool)软件将MODIS数据的正弦投影转换到UTM的WGS-84坐标系中.然后对Modis11A2(1 km分辨率)温度产品重采样为500 m分辨率的数据.依据公式(1)、(2)和(3)，利用预处理过的MOD09A1产品可以计算出NDVI、VCI和AVI.

在遥感学上，地表温度通常被定义为由辐射测定的表面温度或所有直接辐射的表面温度；而土地表面温度就是裸土的表面实测温度,但有高植被覆盖的土地表面温度其实可以认为是植被冠层温度[10].旱情发生时植被(作物)叶片气孔关闭以降低蒸腾作用造成的水分损失,从而造成地表潜热通量降低,根据能量守恒定律,这将会导致地表感热通量的增加，以促使地表的能量平衡，从而又导致冠层温度的升高.因此,土地表面温度可预示干旱发生.地表温度反演算法主要有分裂窗算法[11]、最小二乘算法[12]、单通道法[13]、人工神经网络[14](ANN)等.根据星上亮温的线性组合，Qin等[15]提出了两因素模型用于地表温度反演,公式如下:

Ts=A0+A1T31-A2T32

(4)

式中Ts、T31、T32分别为地表温度(K)、MODIS09A1的31、32通道的亮温值，A0、A1和A2是分裂窗算法中的各参数，分别定义如下：A0=E1a31-E2a32,A1=1+A+E1b31，A2=A+E2b32,a31、b31、a32、b32是常量，在一般情况下地表温度为0～50 ℃范围内，这些常量分别可取a31=-64.603 63，b31=0.440 817，a32=-68.72575，b32=0.473 453.上述公式的中间参数计算公式如下所示：A=D31/E0,E1=D32(1-C31-D31)/E0,E2=D31(1-C32-D32)/E0,E0=D32C31-D31C32,具体参数求解参考文献[16]，然后利用公式(4)即可反演出滇东南喀斯特地区的地表温度.

郭广猛等[17]利用最小二乘法对500多个数据进行拟合得到以下公式:

T=24.393 3×b31-19.831 3×b32

-0.001 43×ψ+245.154

(5)

式中T的单位为K,b31、b32的单位是w/(m2·um·sr)，ψ的单位是度.31、32通道的亮温值(b31、b32)和观测角度ψ为上式自变量值.以便计算方便将其31、32通道的亮温值省去,当观测角度向图像两侧移动时角度逐渐增大.在实际监测中由于各种因素的影响(大气、传感器、云量、地形等)使得反演精度有所降低.

鉴于研究所获得的数据为MOD11A2的地表温度产品，其中包含31和32通道发射率值，所以采用了最小二乘法对其地表温度进行反演更为便捷.在干旱遥感反演完成后通过相关的统计软件，列出干旱指数因子与干旱指数的相关方程，建立散点图更为直观地对旱情进行监测并对其相关性进行分析.实现滇东南的旱情监测进而反演出滇东南喀斯特地区旱情分布，可以与相关的统计数据(统计年鉴数据、气象站数据)进行对比分析，以便验证模型是否能准确反映旱情.

3 结论与讨论

3.1 基于VCI、AVI及TCI干旱的等级分析

利用前述相关公式，计算得到研究区不同时段的VCI(图2).若j时期的NDVI和NDVImin之间差越小(公式1中),意味着该时期(植被)作物长势很差.VCI取值在0～100之间，VCI的值越小，说明该地区越干旱，对植被生长不利.

2007年4月5日(春季) 2007年7月5日(夏季) 2007年10月5日(秋季)

a、VCI春季干旱分布 b、VCI夏季干旱分布 c、VCI秋季干旱分布

d、VCI冬季干旱分布 e、VCI春季干旱分布

2008年1月5日(冬季) 2008年4月5日(春季)

图2 研究区不同季节VCI图

Fig.2 The VCI in different seasons

由图2可以看出2007-2008各季度中，春季、夏季、冬季为滇东南旱情频发的季节，尤其是春冬季旱情最为严峻，主要原因是冬季比较干燥，降水减少，主要河流出现流量剧减及断流，造成农作物供水不足.AVI由NDVI时间序列构建的距平植被指数模型(公式3)，距平植被指数为0.1～-0.2表示旱情出现,而-0.3～-0.6表示旱情严重.

从上述反演出的旱情分布图可以看出VCI和AVI旱情分布大概一致.滇东南旱情主要集中在4月中旬、6月下旬以及12月中旬并持续到第二年春季，尤其春季和冬季是滇东南旱情最为严重的两个时期，以上结论与已有的历史资料和统计资料都比较吻合，但用VCI进行干旱监测及降水动态变化的效果较AVI更为有效,地形起伏较大的区域尤其显著,且VCI是在NDVI的基础上提出，估算精度远比NDVI高；VCI适用于估算区域级的干旱程度，而NDVI及其衍生的干旱指数适用于更大尺度范围的气候变异研究；如果有较长年限的资料积累，然后利用AVI和VCI在植被生长茂盛的阶段来对(植被)作物的缺水状况进行监测,效果会更好.VCI和AVI作为植被干旱评价指标和相对生长状况指标，在时间域上及空间域上的敏感性一个较强一个较弱，因此可以认为，在大区域范围干旱评价中，VCI和AVI的作用都是有限的.

a、AVI春季干旱分布 b、AVI夏季干旱分布 c、AVI秋季干旱分布

2007年4月5日(春季) 2007年7月5日(夏季) 2007年10月5日(秋季)

d、AVI冬季干旱分布 e、AVI春季干旱分布

2008年1月5日(冬季) 2008年4月5日(春季)

图3 研究区不同季节AVI图

Fig.3 The AVI in different seasons

a、TCI干旱分布图 b、TCI干旱分布图 c、TCI干旱分布图

2007年4月7日(春季) 2007年7月5日(夏季) 2007年10月5日(秋季)

d、TCI干旱分布图 e、TCI干旱分布图

2008年1月5日(冬季) 2008年4月5日(春季)

图4 研究区不同季节TCI图

Fig.4 The TCI in different seasons

利用温度条件干旱指数(TCI)也可以反映研究区的干旱状况(图4).TCI值越小,表明该时期内的地表温度越接近最大值，说明此时越干旱.根据云南省的2007-2008年度的统计年鉴资料[18]以及相关气象局报道滇东南旱情主要发生在春冬季节，与TCI图反映的结果大概一致.TCI是基于传统的植被指数和地表面温度进行土壤含水率监测的扩展,在干旱遥感监测方面提高了准确性，且相对于单一的地表温度监测有效地避免或减少了植被覆盖度对旱情监测的影响,实用性较强.

3.2 基于干旱指数的干旱特征分析

根据本次滇东南喀斯特地区干旱研究目的，建立两个干旱指数模型：

ID1(干旱指数)=b1VCI+b2TCI

(6)

ID2(干旱指数)=r1VCI+r2TCI

(7)

其中,b1+b2=1,r1+r2=1,b1、b2、r1、r2为权重系数.温度由于作为水分胁迫指标具有更高的时效性[19]而NDVI作为水分胁迫指标表现出滞后性[20].因此ID1、ID2可以根据对研究干旱方向的重点不同给b1、b2、r1、r2赋不同的权重值,假如进行干旱灾害风险的评估,可给b1、r1赋予较大的值[21],而本次研究主要侧重于对滇东南干旱的实时监测,因此赋予b2、r2较大的值.研究采用的试验数据为2007-2008年4、7、10、1月各季节的遥感数据,系数b1、b2、r1、r2都以0.1为步长从0到1取值,分别计算干旱指数ID1、ID2,并统计滇东南植被作物的受干旱率(作物受旱面积/作物种植总面积)与ID1、ID2的相关系数,结果见表2和表3(因为本次研究以干旱的监测为主，所以只需考虑b1、r1<0.5的情况).

表2 ID1与b1、b2的相关系数表

表3 ID2与r1、r2的相关系数表

其中相关系数求解公式如下：

(8)

根据相关系数的求解，发现当b1、b2、r1、r2分别取(0.4，0.6)时相关性是最强的(负相关),此时相关系数分别为-0.793 6、-0.730 9；所以研究根据上式(6)、(7),以ID1、ID2作为旱情分级指标,为了方便将旱情划分为5个级别,由于AVI取值在0.1～-0.2，-0.3～-0.6分别表示旱情出现及旱情严重，于是在此基础上乘上系数100保证其ID2取值在整数范围(表4).

表4 干旱指数等级

由此得到2007-2008年各季节的滇东南喀斯特地区旱情分布遥感影像图(图5,6).研究根据《云南减害年鉴》[22]2006-2007以及2008-2009[23]版本相关统计资料(中国气象科学数据共享服务网(http://cdc.cma.gov.cn/home.do)、中国气象局网、云南气象局网(http://www.weather.com.cn)显示，2007年2月下旬，红河哈尼族彝族自治州大部份地区持续晴空少雨，气温急剧上升，无有效降水持续45天以上，其中蒙自、开远、个旧、弥勒、建水、石屏、红河、元阳、绿春连续25天无降水导致春旱发生.3月份全州雨量仅3毫米，比常年少91%，平均气温18.8 ℃，比常年高1.3 ℃.此次春旱共造成农作物受灾面积37 683公顷，其中绝收3 333公顷，重旱面积主要集中于蒙自、建水、弥勒和开远.弥勒县冬春连旱，从1月1日至4月25日，共造成农作物受灾4 572公顷，其中重旱造成损失1 654公顷，缺水水田1 257公顷，旱地、大春作物、水稻、烤烟均有大量损失.文山县冬春连旱，1月1日至5月10日，文山县测站水量为88.8毫米，雨量特少，气温偏高，4.4万人遭受灾害，造成13.6万人及78 000头牲畜出现饮水困难；农作物受灾17 006.7公顷，减灾9 906.7公顷，干枯面积17 000公顷.广南县春夏连旱，入春以来，广南县气温持续升高，降雨仅31.4毫米，降水量严重偏少致使境内18个乡、镇受灾，造成全县供水不足，受灾面积1 379.34公顷，绝收533.34公顷[22].2008年富宁县春夏连旱，3-5月富宁县大部分地区降水偏少，平均降雨量38毫升，比2007年同期降水减少12.4毫升，农作物受灾10 626公顷,绝收1 021公顷[23].

根据ID1、ID2对滇东南旱情的监测效果分析由此可以得出,上述监测模型对滇东南喀斯特地区干旱监测结果与实际情况及统计资料数据大致吻和,说明利用植被状态指数(VCI)和温度条件指数(TCI)构建的模型或距平植被指数(AVI)和TCI构建的干旱遥感监测模型能够准确反映出滇东南旱情的时空变化特征,作为旱情监测评价指标是有效的.且在遥感影像与实际资料的对比中发现，ID1干旱指数模型优于ID2.ID1更适宜应用在滇东南喀斯特地区的干旱遥感监测.

a、ID1旱情分布图 b、ID1旱情分布图 a、ID2旱情分布图 b、ID2旱情分布图

2007年4月5日(春季) 2007年7月5日(夏季) 2007年4月5日(春季) 2007年7月5日(夏季)

c、ID1旱情分布图 d、ID1旱情分布图 c、ID2旱情分布图 d、ID2旱情分布图

2007年10月5日(秋季) 2008年1月5日(冬季) 2007年10月5日(秋季) 2008年1月5日(冬季)

e、ID1旱情分布图 e、ID2旱情分布图

2008年4月5日(春季) 2008年4月5日(春季)

图5 研究区ID1旱情等级分布图 图6 研究区ID2旱情等级分布图

Fig.5 Drought(ID1) of study area Fig.6 Drought(ID2) of study area

a、ID1与VCI散点图 b、ID1与TCI散点图

图7 滇东南喀斯特地区ID1与VCI/TCI散点图

Fig.7 The scatter plots between ID1 and VCI，TCI of study area

研究以2007年4月5日、7月5日、10月5日以及2008年1月5日、4月5日的数据进行分析选取出20个特征点,VCI,TCI及ID1分别作为横、纵坐标,作出相应散点图,从图7可以看出,随着VCI、TCI值的增大,ID1都有增大的趋势,但随着TCI的增大ID1增大的趋势更为明显，说明同时期的温度条件指数TCI相对于对植被状况指数VCI对旱情反映的敏感程度较高，可以认为,在滇东南部喀斯特干旱地区,TCI和VCI都能进行旱情的反演,但温度指数对旱情的敏感度相对植被来说更高[21].(同理得到的ID2与AVI/TCI散点图结论一致).

4 结束语

综合应用了AVI、VCI和TCI,建立干旱指数模型ID1、ID2,并计算了b1、b2、r1、r2的权重系数.利用ID1、ID2对2007-2008年各季度滇东南部喀斯特地区干旱进行了监测,并以相关统计数据对该旱情指标精度进行了验证，结果表明：两模型均能有效地反映旱情，且ID1在同等情况下优于ID2.同时分别对ID1、ID2与VCI、TCI的敏感性进行了定性评价,结果表明ID1及ID2随TCI增大而增大的趋势更明显，说明同时期的TCI相对于VCI对旱情反映的敏感度更高。可以认为,构建的两干旱遥感监测模型ID1、ID2均适用于滇东南部喀斯特地区干旱遥感监测.

由于天气(多云)、卫星(拍摄角度、空间及时间分辨率局限)及现有处理软件局限的影响，获取的数据可能部分有云量覆盖,导致软件对数据处理过程有所影响,这样会给干旱监测结果带来一定误差.希望以后通过研究可以找到更好的方法，消除或者减小云量覆盖的影响以及开发出新的专门针对Modis数据处理的遥感应用软件，更好的实现遥感在干旱中的监测.

[1] 易佳.基于EOS/MODIS的重庆市干旱遥感监测技术研究[D].重庆：西南大学，2010.

[2] 黄楚兴,林幼斌,杨世瑜.略论云南省喀斯特地区的环境特征和经济发展模式[J].自然资源学报,2002,18(3):55-56.

[3] JACKSON R D,SLALER E N,PINTER E J．Discrimination of growth and water stress in wheat by various Vegetation indices through clear and turbid atmosphere[J]．Remote Sensing of Environment，1983，13(1)：187-208．

[4] KOGAN F N.Remote sensing of weather impacts on vegetation in no-homogenous areas[J].International Journal of Remote Sensing,1990,11:1405-1419.

[5] KOGAN F N.Application of vegetation index and brightness temperature for drought detection [J].Advances in Space Research,1995,1(11):91-100.

[6] 肖苑广,陈维英,盛水伟,等.用气象卫星监测土壤水分的实验研究[J].应用气象学报,1994,5(3):312-318.

[7] 罗秀陵,薛琴,张长虹,等.应用NOAA/AVHRR资料监测四川干旱[J].气象学报,1996,22(5):35-38.

[8] 刘丽,刘清,周颖,等.卫星遥感信息在贵州干旱监测中的应用[J].中国农业气象,1999,20(3):43-45.

[9] 裴雪原，臧淑英，那晓东.MODIS MOD13Q1植被产品介绍及快速预处理[J].哈尔滨师范大学自然科学学报，2014，30(2)：65-67，77.

[10]王鹏新．基于植被指数和土地表面温度的干旱监测模型[J]．地球科学进展，2003，18(4)：527-533.

[11]杨青生,刘闯.MODIS数据陆面温度反演研究[J].遥感技术与应用,2004,19(2):90-94.

[12]覃志豪,高懋芳,秦晓敏，等.农业旱灾监测中的地表温度遥感反演方法(以MODIS数据为例)[J].自然灾害学报,2005,14(4):64-71.

[13]刘良明，李德仁．基于辅助数据的遥感干旱分析[J]．武汉测绘科技大学学报，1999，24(4)：300-305.

[14]袁曾任.人工神经元网络及其应用[M].北京:清华大学出版社,1999.

[15]QIN Z,ZHANG M,KAMIELI A,et,al.Derivation if split window algorithm and its sensitivity analysis for retrieving land surface temperature from NOAA-AVHRR data[J].Journal of Geophysical Research,2001,106(D19):22655-22670.

[16]WAN ZHENGMING， LI ZHAOLIANG．A Physics-Based algorithm for retrieving land-surface emissivity and temperature from EOS/MODIS data[J]．IEEE Transactions on Geoscience and Remote Sensing，1997，35(4)：980-996．

[17]郭广猛,杨青生.利用MODIS数据反演地表温度的研究[J].遥感技术与应用，2004,19(1):35-39.

[18]陆浩.云南统计年鉴[M].云南:中国统计出版社，2007.

[19]GOETZ S J.Multisensor analysis of NDVI,surface temperature and biophysical variables at a mixed grass land site[J].International Journal of Remote Sensing,1997,18(15):71-94.

[20]SAND HOLT 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.

[21]匡昭敏,朱伟军,黄永璘,等.广西喀斯特干旱农业区干旱遥感监测模型研究[J].自然灾害学报，2009，18(1)：4-7.

[22]曹建方，宋玉麟，皇甫岗,等.云南减灾年鉴2006-2007[M].云南：云南科技出版社，2008.

[23]曹建方，宋玉麟，皇甫岗,等.云南减灾年鉴2008-2009[M].云南：云南科技出版社，2010.

Remotely Sensed Inversion of Drought of in Southeast Yunnan Based on MODIS Data

YANG Chao, WANG Jin-ling

(School of Tourism and Geographical Sciences,Yunnan Normal University，Kunming 650000，China)

Southeast Yunnan karst areas surface severe drought because of the special karst topography and hydrogeological conditions and other factors.While using MODIS data in arid regions carry out inversion monitor has some advantages such as:macro,timely,dynamic and low cost. Using 2007-2008 MODIS data,based on the vegetation index (VCI),anomaly vegetation index (AVI) and temperature condition index (TCI) to build models drought index ID1,ID2 for karst areas in Southeast Yunnan drought inversion monitored. The results indicate that:(1) This region spring (April) is the most severe drought,in summer (July) is the most humid,autumn (October) and winter (January) is the second dry season.(2) Comparing analysis of each quarterly period meteorological data that ID1,ID2 can effectively reflect the distribution of drought in Southeast Yunnan karst areas,but ID1 is more suitable for remote monitoring of drought in this region.

Drought; Inversion monitoring; Drought index model; Karst; Southeast Yunnan

2014-11-24

云南省科技厅省中青年学术和技术带头人后备人才培养计划资助项目(2008PY056).

杨 超(1991-)，男，云南大理人，硕士研究生.主要从事GIS与RS技术在资源环境中的应用方面研究.

王金亮(1963-)，男，博士，教授.主要从事资源环境遥感应用方面研究.E-mail: Wang_jinliang@hotmail.com.

TP79

A

1007-9793(2015)04-0069-10