土地利用数据在TVDI干旱监测方法中的应用研究——以甘肃省河东地区为例

沙 莎, 王 莺, 王丽娟, 蝴 蝶

(中国气象局兰州干旱气象研究所, 甘肃省干旱气候与减灾重点实验室, 中国气象局干旱气候与减灾重点实验室, 兰州 730020)

土地利用数据在TVDI干旱监测方法中的应用研究
——以甘肃省河东地区为例

沙 莎, 王 莺, 王丽娟, 蝴 蝶

(中国气象局兰州干旱气象研究所, 甘肃省干旱气候与减灾重点实验室, 中国气象局干旱气候与减灾重点实验室, 兰州 730020)

温度植被干旱指数(Temperature Vegetation Dryness Index，TVDI)因其物理意义明确而被广泛应用。然而不同土地利用类型的植被指数(Ⅵ)、陆地表面温度(LST)存在一定的差别，这种差别可能在利用TVDI监测干旱时带来一定的影响。以甘肃省河东地区为例，探讨了TVDI方法在研究区的适用性及土地利用类型对TVDI指数监测干旱的影响。结果表明：(1) TVDI对河东地区的庆阳、平凉、临夏、定西北部、甘南等地土壤相对湿度(RSM)有一定的指示作用，但对定西市南部地区、陇南地区、天水市的指示相对较差；(2) 用不同土地利用类型的遥感数据建立的特征空间，能够提高TVDI对RSM指示的准确性和合理性。一方面，农地类型的TVDI值有所下降而林地、草地类型的TVDI值有所升高，这在陇东及甘南局部地区取得较好的改进作用；另一方面，历史TVDI各区间站次统计表明，经过土地利用类型数据的改进，TVDI值的分布范围得以扩大，从0.5～0.9扩大为0.2～0.9，这与实际RSM的分布特征有更好的对应，有利于区分不同干旱等级的RSM。

TVDI; 长序列MODIS; 土地利用类型; 干旱监测; 甘肃省

干旱灾害[1]常带来十分严重的经济损失[2]，还会促使生态环境进一步恶化[3-5]。IPCC在其系列评估报告中指出，在全球气候变暖背景下未来干旱风险有不断增加的趋势[6-7]。提供准确、大范围的干旱监测信息对农业生产实践、政府部门制定相关决策具有重要的指导意义。传统的干旱监测手段是基于单点的，难以实现空间大范围连续的监测。遥感作为干旱监测的一种重要手段，具有覆盖范围广、空间分辨率高、重访周期短和数据获取快捷方便等优点，利用遥感方法进行大范围旱情动态监测具有一定的优势，近30多年来被广泛应用于全球或区域干旱监测中[8]。其中利用光学遥感手段监测干旱的方法包括植被指数法、地表温度法、特征空间法等。植被指数法表现出一定的滞后性，地表温度法受土壤背景和植被覆盖的影响大。特征空间法将植被指数、地表温度结合起来，能部分消除单独使用植被指数或地表温度的缺点，在区域的土壤水分或者干旱监测中被广泛使用[9-14]。温度植被干旱指数[15-17](Temperature Vegetation Dryness Index，TVDI)是这类方法中较常用的指数。张喆等[18]分别利用NDVI和RVI构建特征空间，讨论了TVDI指数在新疆塔里木盆地北缘渭干河—库车河三角洲绿洲的适用性。王海等[19]利用TVDI指数分析了2009/2010年云南大旱的时空分布特征。拉珍等[20]认为TVDI指数作为高原地区大范围干旱监测模型具有一定的科学性和参考性。然而农地土地利用类型的植被指数(Ⅵ)、陆地表面温度(LST)较其他土地类型往往偏低、偏高。在特征空间中具有相同的NDVI时，LST较高意味TVDI值较高，这意味着几种土地利用类型具有相同的NDVI时，LST越高的农地TVDI值越高。相较其他土地类型，有可能农地类型的TVDI总是高的，不能正确地指示土壤水分状况，而当使用较低分辨率时，这种情况可能更为突出。因此本文以甘肃省河东地区为例对比分析应用土地利用类型前后两种TVDI指数的差异，探讨土地利用类型对TVDI指数的影响和改进作用及TVDI指数在河东地区的适用性。

1 研究区概况

甘肃河东地区(100.73°—108.73°E，32.52°—37.30°N)是黄土高原和青藏高原的汇集区，主要包括农地、草地、林地6种土地利用类型，见图1。该区地处内陆，地形复杂，地势大致由西北向东南降低，海拔600～4 828 m，由甘南高原、陇南山地和中部的黄土高原与丘陵地貌组成。除甘南草原为高寒湿润气候外，其他地区均属于季风气候，光照充足，太阳辐射强，昼夜温差大，降水少，雨热同期。由于东西、南北跨度大，加之地形起伏剧烈，气候的纬向地带性和垂直地带性明显[21]。

图1甘肃省河东地区土地利用类型

2 数据与方法

2.1 数据及其处理

使用的数据包括：(1) 2000年3月至2012年12月逐月MODIS Climate Modeling Grid(CMG)增强型植被指数(EVI，Enhanced Vegetation Index)(MOD13C2)和陆地表面温度(LST，Land Surface Temperature)(MOD11C3)产品数据，空间分辨率为0.05°。用MRT(MODIS Reproject Tool)和Erdas等工具分别提取MOD11 C3中的白天LST、质量信息及MOD13 C2中的EVI、质量信息，用ArcGIS Python编程实现甘肃省河东地区EVI、LST、质量信息的截取及质量控制工作。为了实现与站点土壤相对湿度数据的对比分析，在各影像上提取站点的EVI、LST进行相关计算和分析；(2) 土壤相对湿度(RSM)数据为甘肃省河东地区2003—2012年6月10 cm逢8观测的土壤相对湿度数据。以3旬的平均值作为月RSM数据，与遥感数据的时间尺度相对应；(3) 土地利用类型数据源自中国土地利用数据NLCD2000，分辨率为1 000 m，为与遥感数据空间尺度一致，重采样为5 km的分辨率。

2.2 TVDI指数

Sandholt[15]等认为LST-NDVI的特征空间中有一系列土壤湿度等值线，这些等值线是由不同水分条件下LST与NDVI 的比值构成的，Sandholt等据此提出了温度植被旱情指数(Temperature Vegetation Dryness Index，TVDI)(图2)的概念：

(1)

LSTmin=a1+b1NDVI,LSTmax=a2+b2NDVI

(2)

式中：LST为任意像元的地表温度；LSTmin和LSTmax分别为一定NDVI值对应的最低和最高地表温度，可以通过线性回归分析提取干湿边来确定，a1，b1，a2，b2为待定系数。TVDI值在[0，1]之间，值越大越靠近干边，表示土壤湿度越小，反之表示土壤湿度越大。

图2TVDI特征空间原理示意图(改绘自Sandholt等[15])

MODIS遥感资料已经积累了14 a的历史数据，

以往研究大多以单次遥感数据建立特征空间，而基于历史数据建立的特征空间可包含该地区历史状况，一定程度上能够消除单次TVDI模型在时间序列上不具可比性[22]的缺点。因此本文利用历史遥感数据来构建特征空间。另外，张顺谦[23]、卢远[24]、杨曦[25]、闫娜[26]等的研究表明，用EVI取代NDVI可降低NDVI易于饱和而对TVDI的影响，由EVI-LST构建的TVDI更具优势。因此本文利用EVI，LST构建了LST-EVI特征空间。甘肃省河东地区主要土地利用类型为农地、草地、林地，图3给出了甘肃省不同土地利用类型年均EVI和LST的逐月变化，可以看到，EVI和LST均呈现单峰型，7月EVI和LST均达到峰值，其中林地EVI(LST)始终最高(低)，农地EVI(LST)始终最低(高)，草地处于中间。这种差距在4—9月尤其显著。对应在特征空间中，农地相对于林地类型总处于EVI较低而LST较高的位置，即干旱的位置，这可能极大影响了TVDI监测干旱的准确性。结合数据的完整性及逐月EVI、LST的变化特征，本文以6月为例讨论土地利用类型对TVDI指数的改进作用。

图3不同土地利用类型年均EVI、LST的逐月变化

3 结果与分析

3.1 干、湿边的拟合

图4给出不分土地类型及农地、林地和草地土地利用类型的特征空间，可以看出，干边上LST均随EVI增加而显著下降，农地和草地干边下降趋势相近，林地相对较缓，但农地和草地的干边明显高于林地；与理论特征空间有所不同，不分土地类型及农地、林地、草地类型湿边上LST均随EVI先减小后增大，其中农地EVI转折点处于0.3附近，其他则处于0.2附近，农地的湿边明显高于林地和草地。湿边上LST出现转折的现象是由于EVI两端像元数量少造成的，如果要提高湿边拟合程度，建立特征空间时需将前端部分EVI去除。为了讨论土地利用类型对特征空间的影响，本文建立全部土地类型及分土地类型的特征空间，干湿边拟合结果见表1。

3.2 土地利用类型对TVDI指数的改进作用

3.2.1 对TVDI分布特征的改进 利用表1所示的干、湿边方程，分别计算2003—2012年6月不分土地利用类型及分土地利用类型的TVDI指数(以下分别简称为TVDIN，TVDIL)，并逐年统计TVDIN，TVDIL与RSM的相关系数(表2)。结果表明近10 a来除2010年外TVDIN与RSM普遍显著相关，TVDIL与RSM的相关性略差，在2005年、2006年、2007年、2008年、2009年、2012年与RSM显著相关。虽然TVDIN与RSM的相关性高，但TVDIN与RSM，TVDIL与RSM的散点图(图5)显示出TVDIN的分布过于集中，这与TVDI的定义不甚相符。RSM低于60%指示有干旱发生，一般TVDI值大于0.6指示有干旱发生。这10 a间RSM指示大致有59%左右站点发生了不同程度的干旱，而TVDIN却有95%左右站点的TVDI值都大于0.6，而考虑土地利用类型后约有60%的站点TVDI值大于0.6，显然TVDIN值存在不合理性，不利于干旱等级的划分。

图4 甘肃省河东地区6月不同土地利用类型的特征空间表1 甘肃省河东地区6月不同土地利用类型干湿边拟合方程

表2 2003-2012年TVDIN，TVDIL与RSM的相关系数

注：*表示相关性通过了α=0.1的显著性水平。

图5 2003-2012年TVDIN，TVDIL与RSM的散点图

分别统计2003—2012年6月10 cm土壤相对湿度(RSM)以10%为间隔区间的出现站次及2种TVDI值以0.1为间隔区间的出现站次，结果见图6。从图6A中可以看到，10 cm RSM分布于10%～100%，其中重旱、中—轻旱、不旱[27]站次分别占到25.57%，35.92%，38.52%。图6B为TVDIL在不同区间的频次，它分布于0.2～0.9，集中于0.6～0.8，其中0.2～0.4，0.4～0.6，0.6～0.8，0.8～1.0分别占4.21%，31.07%，52.75%，11.97%。图6C为TVDIN在不同区间的站次，分布于0.5～0.9，其中0.7～0.8占到46.93%，TVDIN较TVDIL分布得更加集中。根据TVDI的定义，TVDI值越接近0土壤湿度越接近100%，相反，TVDI值越接近1土壤湿度越接近0。TVDIN值过于集中，这与观测的RSM在10%～100%之间的实情不甚符合且不能很好地区分各等级的土壤湿度。而TVDIL通过考虑土地利用类型，从而使TVDIN分布过于集中的缺点得到一定程度的修正，这使TVDI值趋于合理化。

图62003-2012年6月份RSM，TVDIL，TVDIN不同区间站次统计

3.2.2 对空间分布特征的改进 图7给出了TVDIN，TVDIL与同期土壤相对湿度的空间分布。从图7可以看出，2007年庆阳市的镇原、西峰镇、华池、宁县4站和2008年宁县站的RSM均在60%～80%，属正常范围，其余年份均出现不同程度的旱情，其中2004年、2005年、2006年、2011年旱情较重；TVDIN显示庆阳市近10 a均呈现不同程度的干旱，未能显示出2007年、2008年土壤水分正常的实情，而TVDIL则给出了较准确的指示。在平凉地区，TVDIN显示大部分年份均有旱情，而实际上仅2006年在泾川、2009年在泾川和静宁、2011年、2012年在平凉和泾川出现了重旱，TVDIN所指示的旱情在范围和强度上均比实际情况偏大、偏强，与之相比TVDIL则能显示出站点间旱与不旱的差别。在临夏和甘南地区，永靖县除2006年、2007年外主要呈现重旱，临夏及和政2009年、2011年、2012年出现轻旱外，其他站点RSM均是正常或偏湿的情况，2种TVDI均与之有较好的对应，但个别地区TVDIN值偏低。除2007年、2008年外，白银南部、定西北部天水北部近10 a主要以中—重旱为主，2种TVDI对其有一定的指示，TVDIL几乎未对天水地区的RSM做出准确指示，2种TVDI均未指示出定西南部地区2009年、2010年的旱情。陇南地区2005年、2006年、2008年出现较大范围轻—重旱的旱情，2种TVDI均有所指示，但在其他正常偏湿的年份如2003年、2004年、2007年2种TVDI值也偏高，与实际有所出入。

总的来说，TVDI对河东地区的庆阳、平凉、临夏、定西北部和甘南等地的RSM有一定的指示作用，但对定西南部、陇南、天水的指示相对较差，土地利用数据主要在陇东地区起到了较好的改进作用。通过分析甘肃省河东地区的数字高程模型(DEM)数据发现，定西南部、陇南、天水南部地区地形坡度较大(超过20°)，而河东的北部地区坡度相对较小、地势平坦，这可能是TVDI指数对定西南部、陇东、天水等地指示作用相对较差的重要原因。

3.3 不同土地类型上两种TVDI的比较

表3给出2003—2012年不同土地利用类型TVDIL与TVDIN的差值，若其差值为负值则说明TVDI值变小，即相对远离了干边，“干旱”程度减弱，若差值为正则正好相反即“干旱”程度增强。可以看到，TVDIL经过土地利用类型调整后，农地类型的TVDI值有所下降，平均下降0.116；林地和草地类型的TVDI有所升高，分别平均升高0.108，0.088。从空间上看，TVDI值的下降主要在庆阳、平凉、白银和天水大部分地区，TVDI值的上升主要在甘南绝大部分地区及陇南大部分地区。通过2003—2012年2种TVDI与RSM的对比分析发现，庆阳、平凉市TVDIL值下降提高了对RSM的指示作用，而天水、定西地区下降的TVDIL值反而降低了TVDI对RSM的指示性。甘南地区RSM主要以正常为主，TVDIN值在该地区局部区域接近0甚至<0，表明土壤相当湿润，通过土地利用类型调整后上升至0.2～0.3，这使TVDIL对RSM的指示更加合理；陇南地区TVDIN和TVDIL对RSM均没有很好的指示。综上所述，经过土地利用类型的改进，陇东地区农地土地利用类型的TVDIL值有所下降，甘南地区林地、草地土地利用类型的TVDIL有所上升，这使其对RSM的指示更加准确、合理。

图7 甘肃省河东地区2003-2012年6月RSM、TVDIN、TVDIL的空间分布表3 2003-2012年不同土地利用类型TVDIL与TVDIN的差值

4 结论与讨论

通过统计历史EVI与LST数据发现，不同土地类型的逐月EVI与LST变化特征有明显不同，在甘肃省河东地区6月林地EVI>草地EVI>农地EVI,林地LST<草地LST<农地LST。从理论上来讲，相同的EVI，若LST高则更加靠近干边即越干，即农地总是相对更加靠近干边，使TVDI偏大，即对农地土壤水分的估算偏低。本文用分土地利用类型和不分土地利用类型2种方法构建了TVDI，通过与地面RSM的对比分析，得到以下结论：

(1) TVDI对河东地区庆阳、平凉、临夏、定西北部、甘南等地RSM有一定的指示作用，但对定西市南部地区、陇南地区、天水市的RSM指示相对较差，较差的地区主要为林地土地类型及其周围，该区域地形坡度较大，地形的起伏可能是造成TVDI在该区域指示作用较差的一个重要原因。

(2) 分土地利用类型后，首先，农地类型的TVDI值一定程度上下降，这在庆阳、平凉取得了较好的改进作用；林地、草地类型的TVDI值一定程度上上升，这提高了甘南局部区域TVDI对RSM的指示作用。其次，TVDI指数在不同间隔区间的统计分布更加趋于合理，这使其对不同等级RSM的指示也趋于合理。虽然不分土地类型TVDI与RSM的相关系数更高，但是该TVDI值分布过于集中，与实际站点的RSM分布特征不一致，也不易区分不同干旱等级的RSM。利用不同土地类型建立的TVDI则对这种不合理的情况有所改进。

本研究基于5 km的月尺度遥感数据完成，结果表明分土地利用类型建立的TVDI模型一定程度提高了TVDI指示干旱的合理性。从另一个角度看，TVDI指示干旱的能力与分辨率不无关系，在使用较粗分辨率遥感数据时应当利用土地利用类型数据加以修正。今后将考虑利用更高的时间和空间分辨率数据进行相关研究，以求进一步提高TVDI对河东地区土壤湿度的监测能力。

[1] 张强,张良,崔显成,等.干旱监测与评价技术的发展及其科学挑战[J].地球科学进展,2011,26(7):763-774.

[2] 王劲松,李耀辉,王润元,等.我国气象干旱研究进展评述[J].干旱气象,2012,30(4):497-508.

[3] 宋连春,邓振镛,董安祥.全球变化热门话题丛书:干旱[M].北京:气象出版社,2003.

[4] 徐启运,胡敬松.我国西北地区沙尘暴天气时空分布特征[J].应用气象学报,1996,7(4):479-482.

[5] 张强,胡隐樵,曹晓彦,等.论西北干旱气候的若干问题[J].中国沙漠,2000,20(4):358-362.

[6] Solomon S, Qin D, Manning M, et al. Climate change 2007: Synthesis Report. Contribution of Working Group I, II and III to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Summary for Policymakers.[M]∥ Contribution of Working Group I to the Fourth Assesment Report of the Intergovernmental Panel on Climate Change, Climate Change 2007: The Physical Science Basis. 2007:159-254.

[7] Mccarthy J J, Canziani O F, Leary N A, et al. Climate Change 2001: Impacts, Adaptation, and Vulnerability[J]. Contribution of Working Group II to the Third Assessment Report, 2007,37(6):2407.

[8] 沙莎,郭铌,李耀辉, 等.我国温度植被旱情指数TVDI的应用现状及问题简述[J].干旱气象,2014,32(1):128-134.

[9] Li H J, Li C Q, Lin Y, et al. Surface temperature correction in TVDI to evaluate soil moisture over a large area[J].Journal of Food, Agriculture & Environment,2010(8):1141-1145.

[10] Chen J, Wang C Z, Jiang H, et al. Estimating soil moisture using Temperature-Vegetation Dryness Index(TVDI) in the Huang-huai-hai(HHH) plain[J].International Journal of Remote Sensing,2011,32(4):1165-1177.

[11] Han Y, Wang Y Q, Zhao Y S. Estimating Soil Moisture Conditions of the Greater ChangBai Mountains by Land Surface Temperature and NDVI[J]. IEEE Transactions on Geoscience and remote sensing,2010,48(6):2509-2515.

[12] 伍漫春,丁建丽,王高峰.基于地表温度—植被指数特征空间的区域土壤水分反演[J].中国沙漠,2012,32(1):148-154.

[13] 王鹏新,WAN Zhengming,龚健雅,等.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.

[14] 康为民,罗宇翔,向红琼,等.贵州格斯特山区的NDVI-Ts特征及其干旱监测应用研究[J].气象,2010,36(10):78-83.

[15] 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.

[16] Goetz S J. Multi-sensor Analysis of NDVI and Surface Temperature and Biophysical Variables as a Mixed Grassland Site[J].International Journal of Remote Sensing,1997,18(1):71-94.

[17] Carlson T N, Gillies R R, Schmugge T J. An interpretation of methodologies for indirect measurement of soil water content[J]. Agricultural and Forest Meteorology, 1995,77(3):191-205.

[18] 张喆,丁建丽,李鑫,等.TVDI用于干旱区农业旱情监测的适宜性[J].中国沙漠,2015,35(1):220-227.

[19] 王海,杨祖祥,王麟,等.TVDI在云南2009/2010年干旱监测中的应用[J].云南大学学报:自然科学版,2014,36(1):59-65.

[20] 拉珍,拉巴,陈涛.基于TVDI的西藏“一江两河”地区干旱监测研究[J].高原山地气象研究,2015,35(4):48-52.

[21] 赵一飞,张勃,汪宝龙,等.近54a来甘肃省河东地区气候时空变化特征[J].干旱区研究,2012,29(6):956-964.

[22] 杨世琦,高阳华,易佳.干旱遥感监测方法研究进展[J].高原山地气象研究,2010,30(2):75-78.

[23] 张顺谦,冯建东.四川盛夏伏旱的MODIS遥感监测方法[J].高原山地气象研究,2012,32(1):51-55.

[24] 卢远,华璀,韦燕飞.利用MODIS数据进行旱情动态监测研究[J].地理与地理信息科学,2007,23(3):55-58.

[25] 杨曦,武建军,闫峰,等.基于地表温度-植被指数特征空间的区域土壤干湿状况[J].生态学报,2009,29(3):1205-1216.

[26] 闫娜,李登科,杜继稳,等.基于MODIS产品LST/NDVI/EVI的陕西旱情监测[J].2010,19(4):178-182.

[27] 梁芸,张峰,韩涛. 利用EOS/MODIS植被供水指数监测庆阳地区的土壤湿度[J].干旱气象,2007,25(1):44-47.

ResearchofApplicationofLandUseDatatoTVDIMethodonDroughtMonitoringintheEasternRegionofGansu

SHA Sha, WANG Ying, WANG Lijuan, HU Die

(InstituteofAridMeteorology,CMA,Lanzhou，KeyLaboratoryofAridClimateChangeandReducingDisasterofGansuProvince,KeyLaboratoryofAridClimateChangeandDisasterReductionofCMA,Lanzhou730020,China)

Clear principle and concise physical meanings make Temperature Vegetation Dryness Index (TVDI) be a wildly used method to monitor drought. The Normalized Difference Vegetation Index (NDVI) and Land Surface Temperature (LST) would not the same on different land use types, and the difference would affect the drought monitoring by using TVDI method. Taking the eastern region of Gansu as an example, TVDI was calculated based on history MODIS data, and improvement of TVDI for different land use types was discussed. The results are as follows. (1) On the whole, TVDI had the indication to the relative soil moisture (RSM) in Qingyang, Pingliang, Linxia, the north of Dingxi and Gannan. However, TVDI could not indicate the RSM well in the south of Dingxi, the southern region of Gansu and Tianshui. (2) Feature space was built on different land types, which was more precise and reasonable for indicating the RSM. On the one hand, the monitor ability of TVDI for RSM status was improved in the east of Gansu and some parts of Gannan because of TVDI decreasing for farmland type and increasing for woodland and meadow land type. On the other hand, the distribution of TVDI, which did not consider the land types, was more centralized than RSM. By contrast, the distribution can be broadened by taking land type into account feature space, and it is helpful for distinguish RSM of different drought grades.

TVDI; history MODIS data; land using type; drought monitoring; Gansu Province

2016-07-08

：2016-08-17

甘肃省气象局科研项目(2015-13);公益性行业(气象)科研专项(重大专项)(GYHY201506001-5);公益性行业(气象)科研专项项目(GYHY201006023);科技部农业科技成果转化资金项目(2011GB24160005);中国气象局兰州干旱气象研究所2013年基本科研业务费(KYYWF201318)

沙莎(1985—),女,辽宁沈阳人,助理研究员,硕士,主要从事GIS、遥感的气象应用研究。E-mail:nuist_shasha@126.com

TP79;P426.616

：A

：1005-3409(2017)05-0375-07