衡邵干旱走廊监测中TVDI模型构建与预警

龙城仕，王 辉

(湖南省第一测绘院，湖南 衡阳 421000)

衡邵干旱走廊位于湖南省中部，是湖南省粮食主产区，该区域降水季节分配不均，年际变化明显，已成为制约经济发展的重要因素[1]。因此，开展该区域地理国情监测对于保护区域生态环境、监测并发现成灾规律、实现灾害可控具有重要意义。

温度植被干旱指数(TVDI)是地理国情监测重要内容之一,多源多尺度遥感数据包括陆地卫星多光谱传感器也得到了应用[2]。TVDI产品的生产，主要基于MODIS遥感卫星的地表温度(LTS)、植被指数(NDVI)等长时间序列产品[3-4]。TVDI及其分级产品在时空上充分反映土壤湿度状况，与气象观测的(最大)温度、相对湿度、降水等参数也有直接或间接的联系。特别是对一些常规资料较少的地区，具有多时相、多空间、高分辨率特点的遥感资料极大地丰富了土壤湿度研究[5]。

目前国内学者利用TVDI进行监测预警研究较多，但大部分研究区域为西北部气候干旱区域，对我国南方因地形影响造成的局部干旱研究较少。本文以衡邵干旱走廊监测为例，简要介绍了监测数据处理、TVDI的制备、TVDI模型构建和模型预警方法及成果。

1 监测数据处理

1.1 数据来源

(1) 全国第一次地理国情监测数据、DEM数据等。

(2) 遥感影像资料:Landsat、MODIS中高空间分辨率数据，1985—2015年,每5年一次数据。

2000—2015年覆盖全年的MODIS数据[3]，需特别关注易造成洪旱交替的降水期4、5、6月3个降水期时间段[6]，对应光学影像、热红外影像资料，主要获取植被指数和其他相关监测指标。

(3) 气象气候数据:区域内2005—2015年基本气象数据。

1.2 数据及处理

1.2.1 MODIS产品处理与分析

采用USGS MRT工具对MODIS Level-2B产品中有效波段进行提取，对提取后的MODIS产品采用Matlab执行TVDI产品的制备与分析[7]。

1.2.2 地表温度产品处理

文献[8]研究表明，可利用地理纬度及地面高程对地表温度的差异进行校正，校正公式为

Ts=Ts0+m1H+m2Latitude+n

(1)

式中，Ts为修正后的地表温度；Ts0为校正前的地表温度；H为高程值；m1=0.003，为高程影响的程度；m2和n为校正系数。

8 d的地表温度产品经过最大值合成生成新的16 d地表温度产品，进一步最大值合成生成新的逐年(365 d)的地表温度产品。

1.2.3 植被指数产品处理

MOD13A1为具有逐16 d时间分辨率和500 m空间分辨率的植被指数产品，利用MRT工具提取出NDVI[9]和EVI[10-11]两个波段；16 d的植被指数产品经过最大值合成生成新的逐年(365 d)的植被指数产品。利用逐8 d的地表反射率产品(MOD09A1)通过归一化差分植被指数(NDVI)公式(见式(2))和增强型植被指数(EVI)公式(见式(3))获得MOD09A1产品的NDVI和EVI植被指数[12-13]。

NDVI=(NIR-Red)/(NIR+Red)

(2)

式中,NIR为近红外波段的像元亮度值(或地表反射率)；Red为可见光红波段的像元亮度值(或地表反射率)。

(3)

式中，G=2.5；C1=6；C2=7.5；L=1。

1.2.4 TVDI产品处理

文献[7]提出了温度植被干旱指数概念，根据遥感影像，可由植被指数和地表温度计算而得，其公式为[14]

(4)

式中，Ts为修正后的地表温度；TsMAX为同VI值下最大地表温度，对应VI-Ts干边;TsMIN为同VI值下最小地表温度，对应VI-Ts湿边。

VI和Ts的散点图在植被覆盖和土壤湿度变化较小时为梯形分布，NDVI最高最低温度可通过最大最小值方法进行提取，通过像元进行线性拟合，得出对应的干边、湿边[14]为

TsMAX=a1·VI+b1

(5)

TsMIN=a2·VI+b2

(6)

式中，a1、b1为干边拟合方程系数；a2、b2为湿边拟合方程系数；VI为植被干旱指数。

2 TVDI的制备

2.1 地表温度产品订正

逐8 d 1 km MOD11A2地表温度产品经MRT工具提取并空间重采样到500 m的地表温度波段，利用高程和地理纬度校正公式(见式(1))进一步校正高程和大气背景带来的温度差异；8 d的地表温度产品经过最大值合成[12]生成新的16 d地表温度产品[13]，进一步最大值合成生成新的逐年(365 d)的地表温度产品。其中校正后的地表温度以2013年的年产品为例，如图1所示。

2.2 植被指数产品订正

利用逐8 d的地表反射率产品(MOD09A1)通过NDVI公式和EVI公式获得MOD09A1产品的NDVI和EVI植被指数[12]，生产逐8 d植被指数产品。NDVI和EVI以2013年的年产品为例，如图2所示。

2.3 TVDI分级产品制备

根据校正后的地表温度、植被指数建立Ts-EVI特征空间[15],将提取的最高、最低地表温度进行线性拟合，获得干边和湿边拟合方程，从而计算出TVDI[8]。计算TVDI逐8 d、逐16 d、逐年产品的干边和湿边系数a1、b1、a2、b2，以16 d产品的最大温度线性模拟系数为例，如图3所示，系数具有明显的年际周期性。

将分级产品与干旱指数CI的分级指数对比，因其影像像元与气象单点的差异，控制TVDI的相对误差在20%以内，进一步调整适合于衡邵干旱走廊地区的TVDI分级阈值(即TVDI>0.65时可认为干旱，TVDI>0.85时认为极干旱)[16]，并获得新的TVDI分级产品。

3 TVDI模型构建

3.1 TVDI与无量纲标准化后气象数据的关系

根据2000—2015年气象站点的逐日5要素通过最大值合成到逐8 d、逐16 d、逐年的最大温度、相对湿度和降水数据，采用无量纲极差正规化的标准化，将数值转化为0～1之间。极差正规化后的气象数据与TVDI的相关性如图4所示。

3.2 订正后TVDI与气象数据的关系

依据图4的TVDI与气象数据的相关性与分布特点，利用极差正规化后的降水数据对TVDI、最高温度、相对湿度进一步订正，获得新的TVDI、最高温度、相对湿度，此时TVDI与最大温度和相对湿度均有很好的相关性，如图5所示。

3.3 干旱风险概率模型构建

经由标准化降水订正后的TVDI与最高温度、相对湿度等有较高的相关性而构建TVDI与温度和相对湿度的线性回归模型，利用逐步回归方法构建TVDI与气象数据的预测模型，经过一系列多元数据变形变换等处理，最后利用逐步回归方法获得模型方程为

TVDI2=aT2+bRH2+c

(7)

式中，a=0.335 140；b=0.512 627；c=0.003 632 35；T2为最高温度；RH2为相对湿度。

4 模型预警

4.1 干旱风险概率模型预警

综合利用TVDI及其分级产品，以及TVDI与气象数据(温度、相对湿度、降水)等参数的预警模型，预测研究区范围发生干旱与极干旱的概率分布，如图6所示。

4.2 干旱灾害损失模型预警

充分运用干旱风险概率模型和地理国情监测土地利用的结果，利用层次决策AHP方法估计水田、旱地、林园地、草地4种类型地表覆盖发生干旱风险的面积，初步构建监测区用于地理国情监测的干旱灾害损失定量计算模型。监测区内4类地理国情监测土地利用类型对干旱发生的风险预警中的概率面积，其中心标准化后的图形如图7所示。

对地理国情监测的地表类型干旱发生预测面积标准化后的数据进行层次决策，得到4种地表类型的特征向量和特征值，如图8所示。进一步获得4种地表类型层次分析的系数：显示一致性检验指标为CerI=-1.270 3；判断一致率指标为CerR=-1.411 4；层次分析数组(X)已通过一致性指标CerI和一致率指标CerR检验，获得4种地表覆盖类型受干旱影响的权重量Q见表1。

XQ0.32740.23600.29270.1439

5 结 语

本文提出了利用TDVI指数构建干旱风险概率模型及干旱灾害损失模型，当干旱灾害发生时，输入区域的社会经济数据、农作物种植与长势等数据即可快速模拟监测区受灾面积、受灾人口、承载等级、经济损失等重要灾害情景，可根据干旱灾害发生的过程和特征为决策部门及时制订相应的应对机制提供决策参考[17]。通过试验论证，该模型与监测区域实际情况较为吻合，对华中华南类似区域的国情监测及TVDI模型的构建与预警具有一定的参考价值。