基于MODIS数据温度植被干旱指数干旱监测指标的等级划分

吴 黎

(黑龙江省农业科学院 遥感技术中心, 哈尔滨 150086)

基于MODIS数据温度植被干旱指数干旱监测指标的等级划分

吴 黎

(黑龙江省农业科学院 遥感技术中心, 哈尔滨 150086)

采用2000—2014年每年6—9月的黑龙江省MODIS数据，计算温度植被干旱指数(TVDI)。以过去15 a的全省40个旱作农业站点以旬为单位的土壤相对湿度为研究对象，与MODIS数据得到的TVDI相对应，根据土壤相对湿度的农业干旱等级划分标准，制定TVDI的干旱监测等级。结果显示：TVDI被分为5个等级，TVDI<0.46为无旱，TVDI在0.46～0.57为轻旱，TVDI在0.57～0.76为中旱，TVDI在0.76～0.86为重旱，TVDI≥0.86为特旱。利用2011年实地测取土壤相对湿度数据对该等级进行验证，结果表明，验证结果准确度达到83%。证实了该等级划分结果的准确性。

温度植被干旱指数; MODIS; 干旱; 等级划分; 黑龙江省

黑龙江省是典型的旱作农业区，旱灾一直是农业生产的主要自然灾害之一，全省正常干旱年份内易旱面积占总播种面积的40%左右，年平均降水量约530 mm，但由于年内降水分配不均，这也是造成干旱的主要原因。另外，省内土壤大部分土质粘重，透水不良，有的土壤类型容水量低、风蚀严重，这些均为干旱发生提供条件。再加上省内地下水埋藏较深，补给量不稳定，浅层地下水含量少，也易于发生干旱。土壤水分是监测土壤旱情的重要指标，研究者大都从土壤水分入手来监测土壤干旱情况。在研究方法上，国内一般利用归一化植被指数(NDVI)、植被条件指数(VCI)、温度条件指数(TCI)、作物水分胁迫指数(CWSI)、温度植被干旱指数(TVDI)等指数中的一种指数作为旱情监测的指标。毛学森等[1]发现冬小麦在受到水分胁迫时NDVI对土壤水分的反应具有一定的滞后性，所以将地表温度和植被指数联合起来监测土壤水分效果更好。

众多研究表明TVDI与土壤水分有较高的相关性，如韩丽娟等[2]详细解释了NDVI-Ts构成的空间，并用蒸散和温度植被干旱指数解释了NDVI-Ts特征空间的内涵；刘良云等[3]利用两者关系对地物进行分类，提取了植被覆盖和土壤水分的信息；姚春生等[4]利用MODIS数据得到的TVDI反演了新疆地区2个月的土壤水分；王鹏新等[5]在NDVI-Ts构成的三角形空间和TVDI的基础上，提出了条件植被温度指数(VTCI)模型监测土壤水分和干旱。齐述华等[6]利用不同时相的NDVI-TS特征空间对全国进行了旱情监测，结果表明，TVDI与土壤湿度显著相关，用来大范围评价旱情是合理的。监测中提到以TVDI作为旱情分级指标，将旱情划分5级，按TVDI值(0～1间)平均分配。莫伟华等[7]采用VSWI法作为农地的干旱指标，并根据典型代表区的平均VSWI值划分旱情等级，评估了研究区的干旱情况。范辽生等[8]推导出利用TVDI和干、湿边土壤水分计算土壤含水量的方程，利用方程反演了杭州市伏旱期间土壤表层的相对湿度，结果表明反演值和实测值之间的平均绝对误差较小。该研究虽支持了TVDI法反演土壤相对水分，但并没有划分相应的土壤干旱等级，即TVDI土壤干旱等级划分标准没有量化，想要快速、准确地分析土壤干旱及旱灾情况仍需大量的研究工作。研究TVDI与土壤水分相关性文献很多，且大都是找到TVDI与土壤水分的关系模型，然后按照土壤水分值的干旱等级划分将TVDI再进行分等定级，或者直接将TVDI值平均划分作为干旱等级划分的标准。在TVDI与土壤水分关系模型构建中会存在系统和人为误差。

本研究以黑龙江省15年40个市县气象观测站点观测的旱作农业样点为研究对象，利用MODIS数据和土壤相对湿度观测资料，采取“天基”与“地基”相结合的方式，以《气象干旱等级》[9](GB/T20481—2006)为依托，提出温度植被干旱指数(TVDI)遥感干旱监测指标的干旱等级，旨在深化研究这种近实时定量化的干旱监测方法，补充以TVDI值平均分配的方法作为农地旱情指标的不足，进一步加强该方法监测土壤旱情的精度。

1 材料与方法

1.1 气象数据

40个气象站点分布情况见图1。采用2000—2014年每年6—9月以旬为时间单位的气象站点观测数据集，数据集中包括土壤10，20，50，70，100 cm深度的土壤相对湿度数据。

1.2 遥感数据

本研究利用MODIS标准产品中的16 d合成的植被指数MOD13 A2，8 d合成的地表温度MOD11 A2数据。数据时间与气象数据一一对应，计算同时期同地点的土壤相对湿度相对应的TVDI值。计算TVDI时，需将NDVI及Ts数据统一到同一获取时间段内，因此将临近的两个8 d合成的MOD11 A2数据以最大值法合成16 d的MOD11 A2数据。

图1气象站监测点分布

遥感数据获取后，利用Modis Tool工具进行图幅投影变换，在ID/ENVI环境中，分别对产品数据进行图幅拼接、研究区裁剪及数据合成，其次以0.01的NDVI阈值为步长构建NDVI-Ts特征空间模型并同时计算TVDI。最后利用MCD12 Q1土地覆盖类型产品提取农用地，利用ENVI的掩膜技术，将黑龙江省内非农用地区域进行过滤处理。

1.3 研究方法

1.3.1 TVDI模型法 国内外学者研究了各种空间尺度和时间分辨率的植被指数和地表温度的关系，发现NDVI和Ts之间存在明显的负相关关系。主要原因是植被受到水分胁迫时下垫面温度会急剧升高。Price等[10]分析了不同卫星传感器得到的NDVI和Ts数据，认为NDVI和Ts构成的散点图呈三角形；Nemani等[11]从理论上分析认为地表温度和植被指数之间应为梯形关系；Moran等[12]加入空气温度数据，通过建立植被覆盖度和植被指数之间的线性关系，定义了植被指数温度梯形图。

Sandholt等[13]在植被指数—地表温度特征空间时发现了很多条直线，据此提出了温度植被干旱指数TVDI监测地表湿度状况，计算公式为：

(1)

式中：Ts为地表温度；Tsmin为相同NDVI条件下的最小地表温度,对应NDVI—Ts特征空间的湿边；Tsmax为相同NDVI条件下的最大地表温度,对应NDVI-Ts特征空间的干边。在干边上TVDI=1，在湿边上TVDI=0。对于每个像元，利用NDVI确定Tsmax，根据T在Ts/NDVI梯形中的位置，计算TVDI。当TVDI越大时，土壤湿度就越小；TVDI越小时，土壤湿度越大。在估计参数时，要求研究区域的范围足够大，地表覆盖从裸土变化到比较稠密的植被覆盖，土壤表层含水量从干枯含水量变化到田间持水量。

Moran等[14]在NDVI—Ts特征空间呈梯形的基础上，计算梯形模型4个顶点坐标的研究结果表明，梯形特征空间中最低温度随植被覆盖度大小而不同。因此可将特征空间简化处理为三角形模型，并同时对Tsmax和Tsmin进行线性拟合。方程式为：

Tsmax=a1+b1×NDVI

(2)

Tsmin=a2+b2×NDVI

(3)

代入公式(1)

(4)

式中：a1，a2，b1，b2为拟合方程系数。

1.3.2 气象干旱等级 《气象干旱等级》中规定土壤相对湿度即土壤实际含水量占土壤田间持水量的比值，以百分率(%)表示。其等级划分见表1。

表1 土壤相对湿度干旱等级划分

1.3.3 等级划分理论

(5)

(2) DX未知时EX的置信区间。设X服从正态分布N(μ，σ(2)，其中方差σ2未知，则总体均值μ的置信度为1-α的置信区间为：

(6)

在本研究中我们取置信区间的上限作为TVDI干旱等级的划分界限，那么当正态总体σ2未知时，其均值μ的单产置信上限为：

(7)

1.3.4 TVDI干旱监测指标的分级方法 将由MODIS数据获取的每年6月上旬到9月下旬全省40个旱作农业站点对应的TVDI值与实际土壤相对湿度数据相对应，按照土壤相对湿度的干旱等级划分标准将TVDI值一一落在相应的分级区域内，即某一像素按照某已知土壤相对湿度划分为中旱时，则将该像素的TVDI值划分到中旱这一等级。最后对每一等级的TVDI值进行统计分析，包括样本容量，样本、样本均值、样本标准差、抽样平均误差、置信度、自由度、允许误差等。在统计分析中取α为0.05，则计算参数的置信度为0.95的置信区间。

1.3.5 地面数据采集方法 2011年作者参加国防科工局重大专项科研项目子项目的工作，工作中从6月份到9月份监测肇东市和宾县土壤水分。选取1 000 m×1 000 m的样方区域，每个区域选取5个点测10 cm，20 cm,30 cm,40 cm,50 cm土层深度的土壤水分(即A，B，C，D，E点)。本年4月中旬分别在两个地区的每个样方区内取土样回实验室测取每个样区土壤的田间持水量，将该数据与每次测得的土壤水分数据相运算，得到每次每个样方的土壤相对湿度数据。

注：遥感影像反演土壤水分分辨率为1 000 m，因此地面样方采取1 000 m×1 000 m范围大小，为提高地面测量精度，在每个样区内均匀选取5个点测量土壤水，并用均值代表该样区的土壤水分值。下图同。

图2宾县实地测量土壤水分监测点

图3肇东市实地测量土壤水分监测点

2 结果与分析

2.1 TVDI干旱等级划分

TVDI值在0～1，其值与土壤相对湿度呈负相关性，当TVDI值越小时，表示土壤相对湿度越大，相反当TVDI值越大时，表示土壤相对湿度越小。根据土壤相对湿度指数的干旱等级划分标准，先确定TVDI无旱和干旱的划分标准，应用单侧置信区间的原理，计算得到无旱这一级别置信区间上限，即从0到该置信区间上限均为无旱标准。

在轻旱和中旱划分中，同样利用单侧置信区间理论，计算轻旱这一级别的置信区间上限，该上限值即为中旱的下限值，同样的方法找到中旱和重旱及重旱和特旱的分界值。TVDI被分为无旱、轻旱、中旱、重旱、特旱5个等级，TVDI量化指标的综合分析结果见表2。

表2 TVDI量化指标的综合分析

在特旱的等级划分中，由于土壤相对湿度数据符合特旱等级的非常少，因此不单独对该等级进行TVDI的等级划分，用划分重旱的上限作为特旱的下限，TVDI值的最大值1作为特旱的置信度上限。TVDI干旱等级划分标准见表3。

表3 温度植被干旱指数干旱等级划分标准

2.2 TVDI干旱等级划分的验证

2.2.1 实地数据验证结果 将实地监测数据判断的土壤干旱情况与TVDI值判断的土壤干旱情况进行对比，确定TVDI干旱等级划分的精度，随机抽取30个数据做对比(表4)，结果表明TVDI干旱等级划分标准的准确率达到83%，证明了TVDI可有效监测干旱情况，其等级划分标准准确度高。

2.2.2 验证结果与分析

(1) 在分析中发现TVDI干旱等级划分的临界点值附近TVDI划分标准与实际标准存在偏差。如土壤相对湿度数据为30.96%，严格按照农业干旱等级分类属于重旱，而TVDI的重旱与中旱的临界值为0.76，此时该点对应的TVDI值为0.75属于中旱等级，虽然TVDI值相差很小，但却归属于不同的干旱级别，因此虽然TVDI干旱等级划分标准整体精度较高，但在分界临界值的位置上还是存在小出入，待后期通过收集更多临界值附近的干旱数据完善解决这一问题。

表4 实测土壤相对湿度数据与TVDI干旱等级划分对比结果

(2) 遥感数据受云影响使得TVDI分级结果与实际结果出入较大。从表4中可看出，有的土壤相对湿度较大，而TVDI值也较大，干旱情况完全相反，这是由于遥感数据有云的干扰，由于降雨土壤相对湿度较大，受云干扰此时遥感图像反演的并不是真实的陆面情况，云层较厚时，NDVI值较小，Ts值较大，Ts/NDVI建模反演TVDI值偏大。云是遥感数据处理的难题，薄云可做大气校正简单处理，厚云只能将云覆盖的区域掩膜掉，不做TVDI分析使用。

2.2.3 监测结果 根据表3干旱等级的划分标准，对多年以来以旬为单位的干旱监测结果进行分级，分别以不同灰度显示不同的等级。2011年监测结果见附图4，据气象部门统计，6月份开始，我省在齐齐哈尔部分县市如肇州、呼兰、铁力等8个县市土壤相对湿度在60%以下，土壤出现旱情，且随着降雨的推迟，偏旱的县市也不断增加，6月份省内气象部门土壤水分监测公报显示西部出现旱区，需密切注意土壤墒情变化，做好抗旱准备工作。6月末7月初，我省部分地区出现不同程度的降雨，佳木斯部分地区及黑河市、鹤岗市、双鸭山市的降雨量10～29 mm，截至7月13日，黑河大部、绥化东北部、三江平原部分市县及呼玛、克山、讷河、富裕、龙江、东宁等共31个县市土壤墒情正常。8月11日气象监测站显示土壤略有旱象，主要分布在松嫩平原东部、三江平原的中部和东部；黑河南部、齐齐哈尔部分地区、鹤岗西部及林甸、庆安、肇州、东宁、桦川共有14个县市的土壤出现旱象，其他地区墒情正常。截至8月末，表层土壤分析我省大部分土壤墒情比较好，旱象范围不大，程度均较轻，对作物生长发育和产量形成影响不大，各地长势良好。TVDI等级划分结果与实际气象部门监测结果相同，因此证明TVDI监测大面积土壤干旱方法可行，其TVDI的干旱等级划分标准也具有可行性。

3 结 论

根据土壤相对湿度干旱等级划分标准将TVDI分级，对一级别内的TVDI值进行统计分析，计算分析每一划分等级中TVDI的置信区间。分析结果将TVDI分为5个级别：0

根据TVDI的等级划分标准，2011年在肇东市、宾县两个样县内设立监测区，分别在6月8日、6月27日、8月11日、8月28日、9月14日5个时间段内实地测取土壤相对湿度数据确定干旱分级情况，与相应的TVDI值确定的干旱分级情况相比对，结果表明相一致，证实了TVDI分级的准确性，其准确度达到83%。

利用TVDI的干旱等级划分标准，对黑龙江省2011年6—9月的农业干旱发生情况进行了监测并与气象部门监测进行验证。从区域分布上，松嫩平原比三江平原地区旱情发生严重，松嫩平原西部较东部严重；从时间分布上，6月份最为严重，7—8月份有所缓解，8月末9月初出现较轻旱情。

因此利用TVDI指导生产具备一定的可行性。未来可进一步将该方法与监测作物长势相结合，共同监测作物生长状况及估产研究。

[1] 毛学森,张永强,沈彦俊.水分胁迫对冬小麦植被指数NDVI影响及其动态变化特征[J].干旱地区农业研究,2002,20(1):69-71.

[2] 韩丽娟,王鹏新,王锦地,等.植被指数—地表温度构成的特征空间研究[J].中国科学D辑:地球科学,2005,35(4):371-377.

[3] 刘良云,张兵,郑兰芬.利用温度和植被指数进行地物分类和土壤水分反演[J].红外与毫米波学报,2002,21(4):269-273.

[4] 姚春生,张增祥,汪潇.使用温度植被干旱指数法(TVDI)反演新疆土壤湿度[J].遥感技术与应用,2004,19(6):473-478.

[5] 王鹏新,龚健雅,李小文.条件植被温度指数及其在干旱监测中的应用[J].武汉大学学报信息科学版,2001,26(5):412-418.

[6] 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.

[7] 莫伟华,王阵会,孙涵,等.基于植被供水指数的农田干旱遥感监测研究[J].南京气象学院学报,2006,29(3):396-401.

[8] 范辽生,姜纪红,盛晖,等.利用温度植被干旱指数(TVDI)方法反演杭州伏旱期土壤水分[J].中国农业气象,2009,30(2):230-234.

[9] 中华人民共和国国家质量监督检验检疫总局. GB/T20481-2006中华人民共和国国家标准:气象干旱,等级[S].北京:中国标准出版社,2006.

[10] Price J C. Using spatial context in satellite data to infer regional scale evapotranspiration[J]. Transactions on Geoscience and Remote Sensing, 1990,28:940-948.

[11] Nemani R R, Pierce L, Running S W. Developing satellite-derived estimates of surface moisture status[J]. Journal of Applied Meteorology, 1993,32(3):548-557.

[12] Moron M S, Clarke T R, Inoue Y, et al. Estimating crop water deficit using the relation between surface air temperature and spectral vegetation index[J]. Remote Sensing of Environment, 1994,49:246-263.

[13] 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, 2002,79:213-224.

[14] Moran M S, Clarke T R, Inoue Y, et al. Estimating crop water deficit using the relation between surface air temperature and spectral vegetation index[J]. Remote Sensing of Environment, 1994,49:246-263.

[15] 赵选民,徐伟,师义民,等.数理统计[M].北京:科学出版社,1997.

[16] 范金城,梅长林.数据分析[M].北京:科学出版社,2002.

ClassificationofDroughtGradesBasedonTemperatureVegetationDroughtIndexUsingtheMODISData

WU Li

(RemoteSensingTechniqueCenter,HeilongjiangAcademyofAgriculturalSciences,Harbin150086,China)

MODIS data from June to September were used to calculate temperature vegetation drought index (TVDI). We selected TVDI data of 40 dry farming sites as the research objects which is in ten days as a unit of TVDI over the past 15 years. According to the agricultural drought grade division standard of soil relative humidity, TVDI drought monitoring level was set. The results show that the TVDI can be divided into 5 levels. TVDI<0.46 for no drought，TVDI between 0.46 to 0.57 for the light drought，TVDI between 0.57～0.76 for the middle drought, 0.76～0.86 in the TVDI for the heavy drought, TVDI≥0.86 for the special drought. Meanwhile, the agricultural drought grade division standard was verified by the soil relative humidity data of field survey in 2011. Results showed that the accuracy of the verified results reached to 83%, which demonstrates that the classification of TVDI is suitable and practical.

temperature vegetation drought index; MODIS; drought; classification of grades; Heilongjiang Province

2016-5-10

：2016-05-20

哈尔滨市科学技术局青年后备人才项目(2014RFQYJ108);国防科工局重大专项科研项目子项目(E0201/1112-2)

吴黎(1983—),女,黑龙江巴彦人,助理研究员,主要从事农业遥感与应用研究。E-mail:aromawu@163.com

S423

：A

：1005-3409(2017)03-0130-06