基于TVDI的滇西北土壤水分反演研究

王丽霞，王金亮，刘广杰

(云南师范大学旅游与地理科学学院，云南 昆明 650500)

基于TVDI的滇西北土壤水分反演研究

王丽霞，王金亮，刘广杰

(云南师范大学旅游与地理科学学院，云南 昆明 650500)

以香格里拉为研究区，以2002年、2005年、2009年、2013年以及2015年的Landsat系列影像和气象数据为数据源，利用单窗算法反演地表温度。以Ts-NDVI特征空间原理为基础，应用温度植被干旱指数(TVDI)反演香格里拉的土壤水分。通过GIS空间分析法完成对香格里拉2002—2015年的土壤水分动态反演。结果表明：2002年土壤水分含量最高，2005年土壤水分含量大幅度降低，2005—2015年呈持续上升的状态。宏观上比较典型的房屋建筑区及裸地处于严重干旱的状态，典型的耕地林地处呈现出中度干旱或轻度干旱的状态，植被覆盖度高的地区则受干旱影响较小，土壤较湿润。TVDI反演结果切合研究区的下垫面性质，与土地覆被类型密切相关。

土壤水分；TVDI；地表温度；单窗算法；香格里拉

随着全球气候变暖，干旱发生概率增大。统计数据显示，香格里拉市近年来持续干旱，特别是重旱到特旱年发生次数与20世纪相比明显增多[1]。为了保护香格里拉市生态环境安全，促进其经济可持续发展，开展了香格里拉土壤水分监测，揭示其干旱时空分布状况，以期为香格里拉市相关部门提供决策依据。

对于大范围监测土壤水分，遥感反演法相较于传统测量法有较大的优势。目前国内外利用遥感技术监测土壤水分的研究不胜枚举。主要包括四种监测方法：综合监测模型、微波遥感监测法、基于植被指数监测法、基于温度的监测法[2]。其中，基于温度的遥感监测方法综合了大气-土壤-植被系统内物质和能量交换的结果，可反映土壤含水量的变化，从而揭示植被盖度的作用[3]，但影响地表温度的因素很多，因此该方法考虑的因素并不全面。基于植被指数监测方法是通过计算各种植被指数来间接地反映土壤水分状况，依据植物缺水时，由于植物细胞失水，叶片出现的萎蔫、变黄等变化，但是这种缺水症状并不会立刻显现，因此该方法在时间上有一定的滞后性[4]。鉴于植被指数监测方法和地表温度监测方法的局限性，国内外学者将二者结合起来，充分利用两者的互补特性对土壤水分状况进行监测，进而衍生了综合监测模型，其中不乏利用温度植被指数进行旱情监测的研究，研究表明植被指数和地表温度结合能够更好地监测土壤水分[5]。本文在植被覆盖不完全的条件下，利用Landsat系列遥感影像数据，结合气象数据，以TVDI作为干旱监测指标，分析2002—2015年香格里拉的干旱时空分布状况。

1 研究区与数据源

1.1 研究区概况

香格里拉位于青藏高原地区东南部横断山脉，是云南、西藏、四川三省的交汇处，也是三江并流区的一部分。位于北纬26°51′～28°46′，东经99°23′～100°34′，国土面积11613km2，与丽江市隔江相望，是一个旅游城市。

1.2 数据与预处理

研究用到的遥感影像数据为：Landsat4-5 TM、Landsat7 ETM+、Landsat8 OLI影像，共5期，时间均为11—12月(表1)。地图投影为UTM投影，地球椭球为WGS-84。气象数据来自香格里拉市气象局和中国气象网，包括：2002年、2005年、2009年、2013年和2015年的月平均气温，月最高和月最低气温以及年降水量数据。

遥感影像均通过辐射定标、大气校正、拼接裁剪等预处理工作。气象数据均进行插值处理，另外30m分辨率的DEM数据，用于对气温的地形订正。

表1 遥感影像数据

2 研究方法

2.1 水体与雪的提取

水体和雪是影响地表温度反演结果精度的两个因素。为了提高结果质量有必要对研究区水体和雪进行提取。利用支持向量机分类器以及目视解译对雪和水体进行提取，所有结果均通过分类结果叠加评价(图1)。以此更新香格里拉裁剪矢量并作用于TS和NDVI，以去除雪和水体对TVDI指数反演结果的影响。

2.2 地表温度反演

单窗算法是覃志豪[6]等根据地表热辐射传导方程，推导出的一种利用LandsatTM/ETM+第六波段反演地表温度的算法，该算法的计算公式如(1)：

(1)式中：TS是地表真实温度(K)；ɑ和b是根据热辐射强度和亮度温度的关系拟合出来的系数，对于TM/ETM+数据，ɑ=-67.35535，b=0.458608，对于OLI数据，ɑ=-62.735657，b=0.434036[7]。

C和D是中间变量：

C=ετ

(2)

D=(1-τ)[1+(1-ε)τ]

(3)

T6是卫星高度上传感器所探测到的像元亮度温度(K)。

ε是地表比辐射率，其与NDVI的对数存在线性关系，故用NDVI的阈值对地表进行分类，给各个地表覆盖类型赋予不同值从而获得地表比辐射率[8]。

τ是大气透射率，通过NASA公布的网站(http：//atmcorr.gsfc.nasa.gov)查询获得。

Ta是大气平均作用温度，香格里拉县地处高海拔低纬度地带，气候随海拔升高而变化，依次出现6个气候带。属典型的“立体农业气候”，获取影像时间为11月，根据覃志豪大气平均作用温度(Ta)与近地面气温(T0)之间的线性关系选用公式(4)进行计算。

Tɑ=19.2704+0.91118T0

(4)

T0进行简单的DEM订正，首先采用地统计学插值法将所需气温数据进行插值，并得到插值图[9]。然后将DEM与气温插值结果按照气温直减率法进行栅格运算，得到不同高程的平面上的气温分布。栅格计算的公式为(5)：

Th=T0+0.006×Δh

(5)

式中：Th和T0分别为不同海拔平面上的温度和同一海拔平面上的温度，Δh为高度差。

基于以上原理及方法，使用提出水体和雪的遥感影像，利用ENVI5.2和ArcGIS10.2软件反演出地表温度分布图。结果表明，温度高低分布存在一定的规律性，城镇及裸土区域温度较高，植被盖度越大温度越低(图2)。

2.3 温度植被干旱指数反演

Carlson等人研究并提出了温度植被干旱指数 TVDI[10]：

(6)

式中：TS为地表温度，TSmin为同一NDVI值的最小地温，TSmax为同一NDVI值的最大地温。方程为(7)(8)：

干边：TSmax=ɑ1+b1×NDVI

(7)

湿边：TSmin=ɑ2+b2×NDVI

(8)

其中：ɑ1、b1和ɑ2、b2分别是干湿边拟合方程的系数。干边对应TVDI值为1，湿边为0，TVDI值范围为0～1，TVDI值越小，代表土壤水分含量越高，TVDI值越大，代表土壤水分含量越低。

TVDI的干湿边方程确定是利用反演得到的地表温度数据和植被指数数据，通过ENVI/IDL编程实现统计所有NDVI对应的Tsmax和Tsmin。最后线性拟合最大和最小地温，生成干边与湿边方程，结果如图3。

将干湿边方程带入公式(6)可得到TVDI结果。TVDI反应的是某一地表覆盖类型所能达到的最高温与最低温度的差值大小，根据水的比热容大这一理论，TVDI在一定程度上说明了土壤水分含量状况，而且TVDI与土壤表层含水量之间表现出显著的相关性[11]，该模型可以用于对吉林省进行干旱动态监测[12]，在云南干旱研究中也有学者指出TVDI监测结果与气象站提供的同期干旱专题图在干旱程度和范围上都是吻合的[13]。基于此，认为TVDI可以作为反演干旱的指标。

3 结果分析与讨论

3.1 干旱时空分布

以TVDI作为旱情分级指标，将旱情划分为5级，分别为：湿润(0

为了分析香格里拉市土壤水分时空变化趋势，统计香格里拉TVDI均值(表2)、各干旱等级土壤面积以及百分比(保留两位小数)(表3)，并绘制各等级面积柱状图，见图5。

表2 TVDI均值

表3 香格里拉各干旱等级面积及比例

香格里拉TVDI结果图表明：植被覆盖度高的地区处于土壤水分含量较高的状态，低植被覆盖度地区以及裸地地区则土壤水分含量较少。

从空间分布上看，香格里拉市正北以及西南方土壤水分含量相对最高旱情不明显，而香格里拉东北和东南方则是土壤水分含量相对较少的区域，为轻度干旱。总的来说，土壤水分各等级面积关系为：正常>轻旱>中旱>湿润>严重干旱。从时间上来看，2002—2015年TVDI呈显著降低，其中2005年出现大幅度降低后，2005—2015年持续小幅度升高。说明2002年土壤水分含量最高，2002年土壤水分含量降低后便一直呈现上升状态至2015年。

3.2 TVDI与降水的相关性

根据TVDI均值和研究年年降水量(遥感影像均为11月或12月，且香格里拉11—12月几乎无降水)的统计图(图6)对比分析可见，TVDI与降水量存在显著的负相关关系，TVDI值越小降水量值越大，TVDI值越大降水量越小，这与TVDI值越大越干旱越小越湿润的规律高度一致，客观地说明了结果的合理性。

3.3 TVDI与PV的相关性

TVDI图的获得结合了地表温度和NDVI两个参数的信息。为了研究影像土壤水分含量的因素，本文将TVDI与植被盖度(PV)进行相关性分析，结果表明，TVDI与PV的平均相关系数为0.9，两者存在显著相关性。PV越大TVDI越小，PV越小TVDI越大。由此可知，PV对干旱监测有很大的指示作用。

旱情发展对工农业生产及人畜饮水会产生严重不利影响，且植被盖度与干旱存在极其显著的相关性，因此合理的植树造林有助于缓解干旱带来的影响。另外要合理安排生产和生活用水，河谷地区要充分利用各种水利设施，加大春作物的灌溉，高原坝区要做好抗旱作物改种。

4 结论

研究利用TVDI指数成功反演了2002—2015年香格里拉冬季干旱，在反演过程中有效地剔除了水体以及雪对结果的影响，并且对温度进行简单DEM订正，提高了反演精度。结果表明温度植被干旱指数法适用于香格里拉的干旱监测，该方法简单实用，可以作为评价区域旱情的有效方法，并可为政府部门提供决策服务。今后在研究地理条件比较复杂的地区将考虑到地形、坡度等因素或者考虑利用不同尺度数据之间的联系，实现多种尺度优势上的互补，进而提高土壤水分反演精度。另外温度植被干旱指数法中干旱等级的划分具有一定的人为性，评估结果所反映的干旱环境背景与农业干旱的界线模糊，更客观的分级方法有待进一步深入研究和探讨。

建议相关部门对干旱频发地区积极做好防旱抗旱措施，将旱灾损失降到最低。共同维护香格里拉市生态环境，在旅游开发等促进经济增长的项目中考虑其可持续发展，保障其经济效益、环境质量双丰盈。

[1]李秀,解福燕,杨韬. 玉溪干旱季节分布特征及成因分析[J]. 云南地理环境研究,2010 (4)：90-94.

[2]王丽娜. 阜新地区干旱监测研究[J]. 测绘与空间地理信息,2014,37(2)：159-161.

[3]高磊,覃志豪,卢丽萍.基于植被指数和地表温度特征空间的农业干旱监测模型研究综述[J]. 国土资源遥感,2007,73(3):1-7.

[4]Goetz S J.Multisensor analysis of NDVI,surface temperature and biophysical variables at a mixed grassland site[J]. International Jounal of Remote Sensing,1997,18(1):71-94.

[5] Goward S N, Xue Y, Czajkowski K P．Evaluating Land Surface Moisture conditions from the Remotely Sensed Temperature/Vegetation Index easurement: A Exploration with the Simplified Biosphere Model[J]．Remote Sensing Environment,2002,79(2)：225-242．

[6]覃志豪,Zhang Ming hua,ArnonKarnieli,等.用陆地卫星TM6数据演算地表温度的单窗算法[J]. 地理学报,2001,56(4)：456-466.

[7]蒋大林,匡鸿海,曹晓峰,等. 基于landsat8的地表温度反演算法研究——以滇池流域为例[J].遥感技术与应用,2015,30(3)：448-454.

[8]邓书斌,陈秋锦,社会建,徐恩惠. ENVI遥感图像处理方法[M].北京：高等教育出版社,2014.

[9]潘继亚,王金亮. 香格里拉气象要素空间插值方法研究[C]//第19届中国遥感大会论文集. 北京：中国宇航出版社, 2014：1839-1846.

[10]Carlson T N,Gillies R R,Perry E M.A method to make use of Thermal Infrared Temperature and NDVI measurement to infer surface soil water content and fractional vegetation cover[J]. Remote Sensing Review,1994(52):42-59.[11]齐述华,王长耀,牛铮. 利用温度植被旱情指数 (TVDI) 进行全国旱情监测研究[J]. 遥感学报,2003,7(5)：420-427.

[12]王慧慧,周廷刚,杜嘉,等.温度植被旱情指数在吉林省干旱监测中的应用[J]．遥感技术与应用,2013,28(2)：324-329.

[13]曹影,胡文庆,颜培东. 基于温度植被干旱指数 (TVDI) 的云南干旱遥感监测[J]. 工程勘察,2016 (1)：69-73.

Soil Moisture Inversion in Northwestern Yunnan Based on TVDI

WANG Li-xia，WANG Jin-liang，LIU Guang-jie

(College of Tourism & Geography Science, Yunnan Normal University, Kunming Yunnan 650500,China)

Soil moisture is one important part in the surface water cycle and also one of the key factors of agricultural production. At the same time, it is an important indicator to guide drought monitoring. Taking Shangri-La as study area, based on a series of yearly Landsat images of 2002，2005，2009，2013，2015，and the meteorological data. The land surface temperature inversion was carried out by mono-window algorithm. The soil water of Shangri-la was calculated by the model of Temperature Vegetation Dryness Index on the basis of the principle of Ts-NDVI feature space. Shangri-La soil moisture dynamic inversion was completed by GIS spatial analysis methods. The results showed that the content of soil moisture was the highest in 2002. Soil moisture content was greatly reduced in 2005 and increased from 2005 to 2015. From a macro perspective, typical housing construction area and bare land are in the state of severe drought. Cultivated land and forest land are moderate drought or drought. High vegetation coverage areas are less affected by the drought and the soil is wet. TVDI inversion results were in accordance with the land surface with high correlation with the land types.

soil moisture; TVDI; surface temperature; mono-window algorithm; Shangri-La

2016-09-20

国家自然科学基金项目(41271230，41561048)；云南省中青年学术技术带头人培养项目(2008PY056)。

王丽霞(1990-)，女，硕士，现从事资源环境遥感应用研究。

王金亮(1963-)，男，教授，主要从事资源环境遥感应用、土地调查与规划管理研究。

X144

A

1673-9655(2017)02-0007-05