乌鲁木齐地区土壤水分反演与特征

李跃鹏 ，刘海艳 ，周维博

（1. 长安大学 a.环境科学与工程学院；b.旱区地下水文与生态效应教育部重点实验室，陕西 西安710054；2. 华北水利水电大学 资源与环境学院，河南 郑州 450045）

乌鲁木齐地区土壤水分反演与特征

李跃鹏1a，1b，2，刘海艳2，周维博1a，1b

（1. 长安大学 a.环境科学与工程学院；b.旱区地下水文与生态效应教育部重点实验室，陕西 西安710054；2. 华北水利水电大学 资源与环境学院，河南 郑州 450045）

基于MODIS地表温度与植被指数、土地利用类型及ERA-interim数据，构建了乌鲁木齐地区Ts～Ndvi特征空间与温度植被干旱指数Tvdi，分析了4种主要土地利用类型的地表温度与植被指数之间的关系，探讨了乌鲁木齐夏季Tvdi空间特征，指出了Tvdi与海拔高度之间密切联系，并通过不同深度ERA-interim体积含水量数据对Tvdi进行了验证评价。研究表明：4种主要土地利用类型之间的Ts和Ndvi空间关系存在显著的负相关；夏季7至9月研究区Ts～Ndvi特征空间干湿边形态趋于动态化，土壤湿度从周边山地向中部盆地逐渐降低；Tvdi与海拔高度之间存在显著的负相关，随着海拔高度的降低，Tvdi不断增加；不同深度的ERA-interim体积含水量数据与Tvdi之间存在显著的负相关，Tvdi与Level 2土壤层含水量拟合效果最好。

MODIS；土地利用类型；地表温度；植被指数；ERA-interim；乌鲁木齐

土壤水分是维系干旱半干旱地区农业与生态平衡的关键，其形态及变化规律深刻影响着区域生态环境系统的组成、结构、功能及演变，其对我国西北地区维护生态环境以及农业抗旱减灾工作中具有重要的指导意义[1-3]。传统的土壤水分测量多为实地操作及相关后期处理，人力物力耗费巨大，同时大面积、长时间的土壤旱涝状况难以获取，而遥感技术的快速发展为较大时空尺度的土壤水分监测提供了有效手段[4-7]。

目前，基于遥感数据的土壤水分研究已取得了明显的进步，主要包括热惯量法、蒸散法、植被指数与地表温度分析法以及微波遥感等各类方法[8-11]。Nemani等[12]指出了归一化植被指数与地表温度之间具有密切的联系，呈现出显著的梯形特征。Prince、Wan等[13-14]基于不同卫星数据进行分析，指出Ndvi与Ts的空间特征多为三角形态特征。Sandholt等[15]通过对植被指数和地表温度之间的关系进行深入研究，指出了温度植被干旱指数（Tvdi）与土壤水分之间存在密切联系。李正国[16]等利用Ndvi与Ts空间特征对黄土高原地表土壤水分季节特征进行了深入研究，并指出Tvdi能够有效的反映地表干湿状况。管延龙[17]等基于MODIS数据对天山区域不同土地利用类型的Ndvi与Ts空间特征进行了有效分析，并指出了下垫面特征对其空间关系具有不同的敏感性。

乌鲁木齐地处我国西北，新疆中部、亚欧大陆腹地，毗邻中亚各国，地处86°37′33″～88°58′24″E，42°45′32″～ 45°00′00″N 之间，区域内地势起伏明显，地表类型复杂（如图1所示），多山地分布，地势由东南向西北逐渐降低，依次为山地、山间盆地与丘陵及平原，区内水资源较为短缺，生态系统较为敏感。土壤湿度能够有效的反映区域旱情状况，但区域内相关气象观测站点较为稀少，传统的土壤水分监测技术手难以实时、宏观、全面的监测境内土壤干湿状况及其变化特征。与此同时，基于不同土地利用类型的土壤湿度的相关研究仍未深入，相关卫星反演研究多依赖于点源实测。然而，本研究基于遥感技术，结合MODIS、TM及ERA-interim同化数据等，对乌鲁木齐区域土壤干湿状况进行有效分析，并进一步指出了不同土地类型、海拔高度与土壤水分之间的密切关系，以期为该区生态环境保护与规划工作的旱情监测提供科学依据与决策支持。

图1 研究区位置示意Fig.1 Location of the study area

1 数据与研究方法

1.1 数据来源

文中所用数据主要来源于NASA-Land Processes DAAC数据中心，分别为地表温度产品（MOD11A2）以及植被指数产品（MOD13A2），其中地表温度产品与植被指数产品的时间步长分别为8 d、16 d，空间分辨率为1 km，同时数据本身已经过大气校正、几何纠正等处理，可用于相关科学研究。ERA-interim体积含水量数据来源于欧洲欧洲中期天气预报中心（ECMWF），数据经IDL编程设计进行获取处理。其中本研究选用的MODIS及ERA-interim数据选取时间为2015-06—2015-09月；下垫面数据由Landsat TM遥感影像（2015年）解译获取（图2所示），通过了约90%精度的误差矩阵检验；土地利用类型主要包括建设用地、草地、耕地、林地、湿地及未开发用地（见表1）。据图2可知，研究区土地利用类型以草地、未开发用地为主，分别达到了62.8%、20.6%，湿地与建设用地所占面积最小，仅占总面积的3.84%、3.19%。

图2 研究区土地利用示意Fig.2 Location of land use types in the study area

1.2 研究方法

Sandhol等[15]将地表温度和植被指数所构建的特征空间的上界定义为干边，表征着区域土壤水分的干旱特征，而将特征空间的下界定义为湿边，反映了土壤的湿润状况。基于Ndvi与Ts的空间特征构建的经验参数模型温度植被干旱指数Tvdi（Temperature Vegetation Dryness Index），可以有效地提取区域旱情胁迫指标来反演陆面表层土壤水分。目前较为成熟计算公式如下：

式（1）～式（3）中：Tvdi为温度植被干旱指数；Ndvi为像元的归一化植被指数；Ts为任意像元的地表温度；Tsmax/Tsmin分别为像元对应的最高最低地表温度；a1/b1、a2/b2分别为模型的干湿边拟合方程的系数。

表1 研究区主要土地利用类型统计数据Table 1 The statistics of major land use types in the study area

2 结果与分析

2.1 不同土地利用类型地表温度与植被指数之间的关系

图3 研究区主要土地利用类型地表温度与植被指数的拟合分布Fig.3 The fi tting distribution between Ndvi and Ts in the study area

不同土地利用类型之间的Ts和Ndvi空间关系存在显著的差异性（如图3，表2所示）。选取具有代表性的4种土地利用类型，总体上，研究区各土地利用类型地表温度与植被指数之间存在显著的负相关，通过0.01显著性检验，地表温度随着植被指数的增加而不断降低。其中林地、草地像元的Ts与Ndvi之间的拟合方程的斜率达到了-17.87、-20.46，而耕地与农地的下降趋势仅为-4.792、-2.36，随着植被盖度的降低，地表温度显著下降，而高植被覆盖的草地、林地，下降尤为明显。建设用地和耕地的拟合系数分别为0.696 和0.616，也反映了人类活动对下垫面的改变对地表植被与温度产生了重要影响，使得Ts～Ndvi之间的敏感性明显高于草地与林地[17]。

表2 研究区主要土地利用类型地表温度与植被指数拟合方程及拟合系数Table 2 The fitting equation and coefficients of main land use types between Ts and Ndvi

2.2 植被指数与地表温度Ndvi～Ts空间特征

夏季7月—9月研究区每16 d的LST-Ndvi特征空间如图4，表3所示。其中，考虑Ndvi为负数时，下垫面主要为湖泊、冰川积雪等，因而本研究暂不考虑Ndvi小于0的情形。从图4中可以看出，各期特征空间干湿边形态呈现出类似的三角形特征。即植被指数的不断增加，干边地温逐渐减小，湿边地温逐渐升高，呈较为明显的线性关系。7月—9月，特征空间的干湿边形态趋于动态变化，整体地温逐渐降低，局部地温从35 ℃降为20 ℃左右。

从图4中可以看出，总体上干边拟合趋势区间大致可以分为 0＜Ndvi＜0.05、0.05＜Ndvi＜0.8和Ndvi＞0.8，其中0＜Ndvi＜0.05时干边的变化趋势为上升，而0.06＜Ndvi＜0.8的趋势为下降，引起这些差异性的原因可能是当植被覆盖度小于0.15时，Ndvi难以准确的反映研究区的植物生长状况，而当植被覆盖度为0.15～0.8时，Ndvi对植被盖度和生物量的敏感性将显著增加[18]，植被盖度高于0.8时，Ndvi呈饱和状态，植被检测灵敏度明显降低。在构建特征空间干湿边方程时，本研究选取0.05＜Ndvi＜0.8之间的Ndvi进行计算。

2.3 Tvdi计算及乌鲁木齐区域土壤湿度等级划分

据国家标准，将研究区土壤湿度旱情划分为5级，分别是为极湿润(0＜Tvdi＜0.2)、湿润(0.2＜Tvdi＜0.4)、正常(0.4＜Tvdi＜0.6)、干旱(0.6＜Tvdi＜0.8)与极干旱(0.8＜Tvdi＜1)。由此可得到7、8、9月份月均乌鲁木齐区域土壤湿度分布状况（如图5所示）。由图5中可以看出，研究区夏季土壤湿度由周边向中部逐渐降低，极干旱、干旱区域分布主要集中在中东部，而湿润、极湿润地区集中于多位于北部、东北和西南区域。土壤湿度空间分布特征受到地形的强烈影响，研究区中东部地区海拔较低，为山间盆地地形，降水稀少，分布着大面积戈壁和低覆盖草地，而东北及西南地区多分布高大山脉，多地形降水和积雪融水，植被生长状况较好，林地、草地等植被覆盖较高，土壤湿度较为湿润。

图4 研究区7―9月各期Ts～Ndvi特征空间分布Fig.4 The Ts ～ Ndvi spatial distribution characteristics of each period from July to September

表3 研究区7―9月Ts～Ndvi特征空间干湿边方程及拟合系数Table 3 The fitting equation and coefficients of Ts～Ndvi spatial distribution from July to September

2.4 不同土地利用类型Tvdi与海拔高度之间的关系

不同土地利用类型Tvdi与海拔高度的拟合特征，如图6，表4所示。总体上，研究区温度植被干旱指数Tvdi与海拔高度之间存在显著的负相关，通过0.01显著性检验，随着海拔高度的降低，Tvdi不断增大，土壤湿度呈下降趋势。其中，草地、林地、耕地以及建设用地的下降率依次为2.33×103、2.93×103、4.35×103、2.55×103，耕地下降趋势最大，而建设用最小，耕地、建设用地拟合效果较好，为0.792、0.638。研究区四周多高大山脉，内陆为低矮盆地，降为稀少，低矮植被耐旱性较强，草地广泛分布；林地地形的海拔高度与Tvdi之间的拟合系数高达0.567，受高大地形影响显著，多地形雨与高山积雪融水，土壤湿度较大，集中分布于1 500～3 000 m山地之间；耕地集中分布于1 500 m海拔高度以下，其中Tvdi与地形高度之间的拟合系数最高，拟合空间分布更为密集，也说明了受人类活动影响显著的耕地土壤湿度受海拔高度变化更为敏感；建设用地多集中于海拔1 000 m以下气候较为湿润地区，一般该区域降水量较高，多冰川融水，土壤湿度较为湿润。

图5 研究区7―9月Tvdi空间分布Fig.5 The Tvdi spatial distribution from July to September

2.5 Tvdi验证性评价

研究区夏季Tvdi与ERA-interim不同深度土壤体积含水量拟合分布，如图7、表5所示。根据研究区范围，基于ArcGIS10平台构建泰森多边形，取其中心坐标为试验点，共20个，对夏季各期试验点提取1 m×1 m块统计Tvdi和ERA-interim体积含水量值进行相关分析，Tvdi与不同层次土壤含水量之间都呈现出显著负相关，通过0.01的显著性检验，随着土壤含水量的增加，Tvdi呈明显减小趋势。其中Level 3土壤层变化趋势最为明显，下降率达到了0.143，而Level 2土壤层拟合系数最高，达到了0.696，具有较好的一致性。总体上，通过ERA-interim不同层次土壤体积含水量对Tvdi进行分析，有效验证了Tvdi能够有效反演乌鲁木齐区域不同深度的土壤湿度，也为地区生态环境保护和农业防旱减灾工作的开展提供了科学参考依据。

表4 研究区不同土地利用类型海拔高度与Tvdi拟合方程及拟合系数Table 4 The fitting equation and coefficients of Tvdi Elevation spatial distribution of main land use types

图6 研究区主要土地利用类型Tvdi与海拔高度的拟合分布Fig.6 The fi tted distribution between Tvdi and elevation

图7 研究区不同深度体积含水量与Tvdi的拟合分布Fig.7 The fi tted distribution between Tvdi and Volumetric water content at different depths

3 结论与讨论

基于MODIS 植被指数和地表温度数据，分析了不同土地利用类型Ndvi与Ts之间的拟合特征，构建了Ndvi～Ts特征空间，并对研究区夏季Tvdi进行了有效反演，讨论了不同土地类型下Tvdi与海拔高度之间的关系，并通过ERA-interim体积含水量数据对Tvdi进行了有效验，得到以下结果：（1）不同土地利用类型之间的Ts和Ndvi空间关系存在显著的差异性。总体上，各土地利用类型Ts与Ndvi之间存在显著的负相关，通过了0.01显著性检验，林地、草地地温下降率较高，为-17.87、-20.46，耕地、建设用地对Ts～Ndvi特征空间变化的敏感性高于其他土地类型，拟合系数达到了0.696 和 0.616。（2）夏季Ts～Ndvi特征空间总体上呈三角特征，干湿边形态趋于动态化，最高地温趋于下降，中部盆地Tvdi明显高于周边，土壤干燥。（3）Tvdi与海拔高度之间存在显著的负相关，随着海拔高度的降低，Tvdi逐渐增加。其中，林地集中分布于1 500～3 000 m区域，耕地受海拔变化响应最为敏感，建设用地多集中于海拔500 m以下。（4）不同深度的ERA-interim体积含水量数据与Tvdi之间存在显著的负相关，Tvdi与Level 2土壤层体积含水量拟合效果最好，拟合系数为0.696。

表5 研究区不同深度体积含水量与Tvdi拟合方程及拟合系数Table 5 The fitting equation and coefficients between Tvdi and Volumetric soil water content at different depths

西北干旱半干地区，地域广阔，生态环境脆弱，气象观测站点稀少，传统监测手段难以准确、全面、实时的有效获取区域土壤湿度状况，而卫星遥感为区域土壤湿度监测提供了可能[19-20]。本研究通过Tvdi与ERA-interim同化数据的对比分析，也为其他地区的土壤水分反演和验证提供的借鉴，然而Tvdi模型，多依赖于经验模式，同时，我国幅员辽阔，气候多样，地形地质条件迥异，土壤湿度差异性显著，基于卫星遥感的土壤水分反演，仍需要结合区域特点进一步研究和探索，这也将成为下一阶段工作的重点。

[1]郭 娇,石建省,石迎春,等.黄河三角洲土壤水分遥感监测研究[J].中国科学(地球科学),2006,36(6):552-558.

[2]宋春桥,游松财,柯灵红,等.藏北高原土壤湿度MODIS遥感监测研究[J].土壤通报,2012,43(2):294-301.

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

[4]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):1205-1217.

[5]霍艾迪,康相武,张广军,等.基于MODIS数据的毛乌素沙地土壤水分模型的建立[J].干旱地区农业研究,2010, 28(7): 19-23.

[6]胡 猛,冯 起,席海洋.基于MODIS数据的干旱区土壤水分反演[J].国土资源遥感,2014,26(1):78-83.

[7]刘海隆,王 玲,包安明.基于遥感的天山山区地表温度与下垫面的关系研究[J].石河子大学学报(自然科学版),2011,29(2): 224-229.

[8]宋仁飞,林 辉,臧 卓,等. 东洞庭湖湿地植被高光谱数据变换及识别[J].中南林业科技大学学报,2014,34(11):135-139.

[9]闫 峰,王艳娇.基于Ts-EVI特征空间的土壤水分估算[J].生态学报,2009,29(9):4884-4891.

[10]刘立文,张吴平,段永红,等.TVDI模型的农业旱情时空变化遥感应用[J].生态学报,2014,34(13):3704-3711.

[11]王 震,闫文德,刘曙光,等. 基于MODIS 数据的湖南省2001—2013 年植被覆盖指数时空变化研究[J].中南林业科技大学学报,2016, 36(11): 41-46.

[12]Nemani R R, Pierce L, Running S,et al.Developing Satellite derived Estimates of Surface Moisture Status [J]. Journal of Applied Meteorology, 1993, 32(3): 548-557.

[13]Price J C. Using Spatial Context in Satellite Data to Infer Regional Scale Evapotranspiration [J]. IEEE Transactions on Geoscience and Remote Sensing, 1990, 28(5): 940-948.

[14]Wan Z M, Wang P X, Li X W. Using MODIS land surface temperature and Normalized Difference Vegetation Index products for monitoring drought in the southern Great Plains[J].International Journal of Remote Sensing, 2004, 25(1): 61-72.

[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]李正国,王仰麟,吴健生,等.基于植被/温度特征的黄土高原地表水分季节变化[J].生态学报,2007,27(11):4563-4575.

[17]管延龙,王让会,李 成,等.基于MODIS数据的天山区域地表温度时空特征[J].应用生态学报,2015,26(3):681-688.

[18]吴 盼, 冯雨晴, 梁四海, 等. 基于GLDAS与TVDI降尺度反演土壤含水量[J].北京师范大学学报(自然科学版), 2016,52(3): 265-270.

[18]WU Pan, FENG Yu-qing, LIANG Si-hai,et al.Estimating soil moisture based on TVDI and GLDAS using downscaling method[J].Journal of Beijing Normal University, 2016,52(3):265-270.

[19]白志远,邢立新,潘 军,等.土壤湿度信息遥感研究.测绘与空间地理信息, 2011, 34(3): 50-55.

[20]刘 强,杜今阳,施建成,等.青藏高原表层土壤湿度遥感反演及其空间分布和多年变化趋势分析[J]. 中国科学(地球科学), 2013(10):1677-1690.

Soil moisture characteristics of retrieval and analysis in Urumqi region

LI Yuepeng1a,1b,2, LIU Haiyan2, ZHOU Weibo1a,1b
(1a.School of Environmental Science and Engineering; 1b. Key Laboratory of Subsurface Hydrology and Ecological Effects in Arid Region Ministry of Education，Chang’an University，Xi’an 710054, Shaanxi, China; 2. School of Resources and Environmental Sciences, North China University of Water Resources and Electric Power, Zhengzhou 450045, Henan, China)

Based on MODIS land surface temperature and vegetation index, land use types and ERA-interim data, this paper constructedTs～Ndvifeature space and temperature vegetation dryness index(Tvdi) in Urumqi region, analyzed the relationship between four main types of surface temperature and vegetation index, investigated the spatial characteristics ofTvdiin summer, generalized the close links betweenTvdiand altitude, and veri fi ed the accuracy ofTvdiby the different depths volumetric water content of ERA-interim. The results indicate as follows: there is a signi fi cant negative correlation relationship aboutTs～Ndvispatial distribution fi tting in main land use types; From July to September the dry and wet edge shape ofTs～Ndvifeature space tends to dynamic and soil moisture decreases from the surrounding mountains to central Basin and there is a signi fi cant negative correlation betweenTvdiand altitude; a signi fi cant negative correlation between ERA-interim volumetric water content data andTvdiis showing, and the fi tting effect ofTvdiand level 2 soil moisture is the best.

MODIS; land use type;Ts;Ndvi; ERA-interim; Urumqi

10.14067/j.cnki.1673-923x.2017.12.016

http: //qks.csuft.edu.cn

S715.5；X833

A

1673-923X(2017)12-0098-08

2016-09-17

国家自然科学基金面上项目（41372260）；水利部公益性行业专项经费项目（201501008）；河南省高校科技创新人才支持计划（13HASTIT035）

李跃鹏，讲师，博士研究生

周维博，教授，博士生导师；E-mail：zwbzyz823@163.com

李跃鹏，刘海艳，周维博. 乌鲁木齐地区土壤水分反演与特征[J].中南林业科技大学学报，2017, 37(12): 98-105.

[本文编校：文凤鸣]