MODIS数据在陕西省干旱监测中的应用

刘英， 岳辉， 侯恩科

(1.西安科技大学测绘科学与技术学院，西安 710054； 2.西安科技大学地质与环境学院，西安 710054)

0 引言

干旱是一种水量相对缺失的自然现象，大致分为气象干旱、农业干旱、水文干旱和社会经济干旱4种类型[1]。作为一种较常见而且危害较大的自然灾害，干旱可以导致人的免疫力下降，严重危害农牧业的生产，导致生态环境进一步恶化，并可能引起其他自然灾害的发生。我国旱情具有危害范围广、持续时间长、灾害呈地区性、周期性出现等特点[2]。

在旱情遥感监测方面，国外很早就提出了使用归一化差异植被指数(normalized difference vegetation index，NDVI)等植被指数和陆地表面温度(land surface temperature，Ts)进行土壤湿度监测[3]。2002年，Sandholt等[4]基于简化三角形NDVI-Ts特征空间提出温度植被干旱指数(temperature vegetation dryness index，TVDI)计算公式。2004年，Wan等[5]基于中分辨率成像扫描仪(moderate resolution imaging spectroradiomete，MODIS)数据获取NDVI和Ts，提出条件温度植被指数(vegetation-temperature condition index，VTCI)，指出VTCI是一种实时旱情监测方法； 2008年，Bajgiran等[6]发现NDVI和植被条件指数能够反映降雨量的波动，并反映干旱情况； 2016年，Haroon等[7]利用干旱严重程度指数监测旱情，指出该指数可用于评价平原地区农地旱情； 2017年，Du等[8]提出改进型温度植被干旱指数(modified TVDI,TVDIm)，指出与TVDI相比，TVDIm在中国半干旱地区旱情监测中表现更好。

国内有很多学者对陕西全省或其他地区进行过旱情监测。2010年，闫娜等[9]使用MODIS数据NDVI和增强型植被指数(enhanced vegetation index,EVI)，分别构建NDVI-Ts和EVI-Ts特征空间，指出基于上述特征空间的TVDI均可用于监测陕西省旱情； 2014年，李菁等[10]利用改进型能量指数、垂直干旱植被指数和地表含水量指数分别监测陕北旱情，并用实测土壤湿度数据进行验证，指出3种指数均可用于土壤湿度或干旱监测； 2015年，白雪娇等[11]在计算关中平原2003—2014年间每年3月上旬—5月下旬的旬时间尺度VTCI的基础上，采用结构相似度定量研究关中平原VTCI的空间变化特征，指出引入结构相似度的VTCI能够定量、准确、形象地描述旱情的空间分布特征和变化规律； 2016年，权文婷等[12]利用风云3号卫星中分辨率光谱成像仪(medium resolution imagery，MERSI)数据及同期MODIS数据，分别构建多波段干旱指数，并利用实测土壤湿度数据进行验证，指出相比MODIS，MERSI能更好地监测旱情。

陕西省素有“十年九旱”之称，由粮仓关中平原、陕北荒漠化能源基地和陕南旅游区3部分组成，对干旱的响应极为敏感，准确、有效的旱情监测对确保粮食生产、能源供给和经济发展至关重要。本文利用陕西省2000—2016年间MODIS NDVI和Ts数据，构建双抛物线型NDVI-Ts特征空间，利用基于该特征空间的TVDI监测陕西省干旱时空分布特征和规律，并分析陕西省旱情变化趋势、稳定性及其影响因素，以期为陕西省防灾减灾提供科学依据。

1 研究区概况及数据源

1.1 研究区概况

陕西省位于我国西北部，地理坐标： E105°29′～111°15′，N34°42′～39°35′，面积约20.58万km2。陕西省地势南北较高、中间相对较低，从北往南可分为陕北的高原地区、关中的平原地区以及陕南的山地地区。由北向南横跨3种气候区： 陕北的中温带气候区、关中的暖温带气候区及陕南的亚热带气候区。全年平均气温为18.7 ℃，自北向南，自西向东递增； 年平均降雨量为340～1 240 mm，南多北少，由南向北递减[12]。

1.2 数据源及其预处理

在美国国家航空航天局(National Aeronautics and Space Administration，NASA)网站(http: //revert.echo.nnsn.gov/revert/)下载陕西省2000—2016年8 d合成全球1 km 地表温度/发射率数据集MOD11A2、全球1 km植被指数月合成数据集MOD13A2。数据预处理包括投影转换、裁剪等。从MOD13A2和MOD11A2 中分别获取研究区NDVI和Ts数据，并利用最大化合成法[13]获取2000—2016年间每年最大化NDVI和Ts。

2 研究方法

2.1 基于NDVI-Ts特征空间的土壤湿度监测模型

本文利用双抛物线型NDVI-Ts特征空间的TVDI进行旱情监测[13-14]，其计算公式为[4]

(1)

式中：TVDI为温度植被干旱指数；Ts为任意像元地表温度,K；Tsmin为某一NDVI对应的最小地表温度，对应NDVI-Ts特征空间的湿边；Tsmax为某一NDVI对应的最大地表温度，对应NDVI-Ts特征空间的干边。

Tsmax和Tsmin可通过双抛物线型NDVI-Ts特征空间干、湿边模拟得到[13-14]，即

Tsmax=a1NDVI2+b1NDVI+c1，

(2)

Tsmin=a2NDVI2+b2NDVI+c2，

(3)

式中a1，a2，b1，b2，c1和c2分别为干湿边方程系数，由线性拟合得到。

TVDI的取值范围为[0，1]，TVDI越大，Ts越接近干边，旱情越严重； 反之，TVDI越小，Ts越接近湿边，旱情越轻。

2.2 一元线性回归分析

采用一元线性回归法分析每一个像元在2000—2016年间的变化趋势，TVDI的变化率即为每一个像元17 a间的一元线性回归方程的斜率，计算公式为[15]

(4)

式中：slope为TVDI的变化趋势；TVDIi为某一年的温度植被干旱指数； 变量i为时间单位年的序号；n为总年数，本文为17。

2.3 稳定性分析

变异系数反映事物离散程度，其值越大反映该地区TVDI越不稳定，说明该地区土壤湿度不稳定、变化程度大； 反之，其值越小反映该地区TVDI越稳定，说明该地区土壤湿度稳定、变化程度大。其计算公式为

(5)

(6)

2.4 相关系数法

从中国气象数据网(http: //data.cma.cn)下载陕西省境内30个气象站点2000—2013年间的年降雨量、降雨距平百分率、平均气温和平均气温距平数据。借助Pearson相关系数分析TVDI与上述4个气象因子的相关性。其计算公式为

(7)

式中：R为Pearson相关系数；xi为TVDI；yi为气象因子。R值的范围为[-1,1]，当R=0时，2个变量之间无相关性； 当R>0时为正相关，且越接近于1正相关性越强； 当R<0时为负相关，且越接近于-1负相关性越强。

3 结果与分析

3.1 NDVI-Ts特征空间

图1为NDVI-Ts特征空间散点图示例。

(a) 2000年 (b) 2005年

(c) 2010年 (d) 2016年

利用JAVA软件按0.01步长编程分别提取2000—2016年间各年的干湿边散点，并在Excel软件中获取NDVI-Ts特征空间干、湿边方程，并选择2000年、2005年、2010年和2016年展示。由图1可知，特征空间大致呈双抛物线型特征，干边的可决系数R2绝大部分在0.75以上； 湿边的R2绝大部分在0.5以上，说明二次多项式拟合方程能够很好地反映干湿边变化趋势。

3.2 TVDI与土壤湿度相关性验证

利用陕西省30个气象站实测地表10 cm，20 cm和50 cm深度土壤湿度数据分别与TVDI进行相关分析。分别以2013年5月9日、24日和9月14日、30日TVDI为横坐标，以土壤湿度数据为纵坐标，构建TVDI-土壤湿度散点图，并计算其R2(表1)。

表1 实测土壤湿度与TVDI可决系数R2

注： *表示通过P<0.05显著性检验。

各期TVDI与表层土壤湿度之间均存在负相关关系，TVDI越大，土壤湿度越低； 反之，土壤湿度越高。由表1可知，随着土壤深度的增加TVDI与土壤湿度相关性逐渐下降，说明TVDI与土壤表层湿度相关性更好，且与10 cm深度处土壤湿度相关性通过了P<0.05显著性验证。总体来看，TVDI虽与土壤湿度散点图离散程度较高，但相关性较高，因此基于双抛物线型NDVI-Ts特征空间的TVDI可作为旱情遥感监测指标。

3.3 陕西省旱情时空分布特征

依据TVDI的大小将旱性划分为5类[14]：TVDI位于[0,0.2)之间为极湿润；TVDI位于[0.2,0.4)之间为湿润；TVDI位于[0.4,0.6)之间为正常；TVDI位于[0.6,0.8)之间为干旱；TVDI位于[0.8,1]之间为极干旱。影像中水体或云层区域TVDI为负值，因此将TVDI<0的地区划分为水或云。利用ArcGIS10.2软件，制作了陕西省2000—2016年间每一年的旱情等级分布图，统计了每一年的各旱情等级面积比例，并选择2000年、2005年、2010年和2016年典型年份展示(图2)。

(a) 2000年 (b) 2005年 (c) 2010年 (d) 2016年

由2000—2016年陕西省旱情时空分布情况可知，17 a间陕西省旱情时空分布特征为：

1)17 a间陕西省受到旱情影响面积比例在16.58%～43.13%之间波动，17 a来受旱面积比例均值为30.26%； 其中，2014年旱情面积最小，为16.58%； 2001年旱情面积高达43.13%。

2)2000年陕西省受旱总面积占比为31.95%，旱情集中分布在陕北地区及关中的偏南地区，少数分布在陕南地区的西侧区域； 2001年旱情较2000年严重，受旱总面积占比为43.13%，在陕北地区及关中地区均出现大面积旱情，陕南地区鲜有旱情出现； 2002年受旱总面积占29.42%，旱情主要发生在陕北及关中地区，且关中地区旱情相较于2001年向北扩散； 2003年受旱总面积占22.76%，主要发生在关中、陕北地区，但关中北部大部分地区土壤较湿润； 2004年受旱面积占31.59%，受旱面积仍然主要集中在陕北及关中地区的北侧。

3)2005年受旱面积占37.82%，陕北旱情加剧，尤其是陕北北部，关中地区旱情相对集中在南部及东部，陕南地区基本无旱情。2006年受旱面积占31.49%，陕北北部及关中中部等部分地区出现了严重干旱，陕北其他地区也出现旱情； 2007年受旱面积占28.36%，陕北西部、关中南部及陕南东部出现干旱和极干旱情况； 与往年相比，2008年旱情有所缓解，受旱面积占19.99%，旱情发生在陕北西部及关中南部，陕北东部少部分地区出现旱情； 2009年受旱面积占36.14%，陕北整个地区出现大面积旱情，其中西部地区出现了极干旱情况，关中南部旱情有所缓解。

4)2010年受旱面积占37.72%，陕北地区依旧大面积受旱，但极干旱情况相对减少，关中南部地区旱情有所加剧。2011年受旱面积占27.66%，陕北旱情略有缓解，关中南部旱情也明显缓解，但陕南东部部分地区出现了旱情。2012年受旱面积占30.86%，陕北地区干旱分布相对零散，但遍及整个陕北，关中南部及东部大部分地区出现干旱和少量极干旱； 2013年受旱面积占28.69%，陕北旱情有所缓解，集中分布于西部和中部，关中南部及中部地区旱情加重； 2014年全省旱情明显缓解，受旱面积占16.58%，旱情只出现在了陕北北部和关中南部部分地区； 2015年受旱总面积上升为31.91%，集中在陕北和关中南部，但全省湿润及极湿润地区尤其是在陕南地区出现明显减少，正常地区明显增加。2016年受旱面积占27.65%，旱情集中于陕北北部及关中南部及东部少量地区，湿润地区较2015年有明显增加，且正常地区明显减少。

3.4 变化趋势与稳定性分析

利用式(4)计算得到17 a间TVDI变化趋势值slope，并进行显著性检验(P<0.05)(图3(a))； 进一步利用式(5)和(6)计算得到TVDI变异系数Cv(图3(b))。

(a) TVDI变化趋势 (b) TVDI变异系数

由图3(a)可知，全省大约69.13%区域旱情缓解不显著，主要分布在陕南大部分地区、关中南部和北部地区、榆林市北部和南部部分地区以及延安市南部、北部和中部大部分地区，也就是说这些地区旱情状况在这17 a间变化不大； 全省大约14.45%地区旱情得到显著缓解，主要分布在榆林市北部大部分地区、延安市中部部分地区、关中地区中部以及陕南零散地区； 全省大约15.35%地区旱情有所加剧，但是加剧不显著，主要分布在榆林市南部及西北部、关中北部及南部部分地区、陕南部分地区，在上述地区中仅有0.88%地区旱情显著加剧。

由图3(b)可知，全省97.62%地区Cv<0.8，主要分布在陕北、关中和陕南大部分地区，说明17 a来这些地区TVDI变化不大，旱情比较稳定，土壤湿度变化不大； 仅有2.38%区域Cv>0.8，主要分布在陕南西南部及南部部分地区，基本与陕南旱情有所加剧的区域重合或者分布其周围。

以上分析表明，全省约84.48%区域旱情发生了变化，但是变化不显著，旱情变化显著区域仅占15.52%。

3.5 影响因素分析

为探究TVDI的影响因素，选择降雨量、平均温度和平均气温距平3个因素与TVDI进行相关性分析(图4)。

(a) 降雨量 (b) 平均温度 (c) 平均气温距平

由图4(a)中降雨量与TVDI的相关系数可知，23.74%区域TVDI与降雨量呈显著负相关关系(P<0.1)，主要分布在陕北榆林市大部分地区，延安市中部部分地区，汉中市北部、西北部，安康市、渭南市北部、商洛市东部部分地区及宝鸡市西部、北部部分地区，说明这些地区旱情主要受降雨量影响，随着降雨量的增加TVDI减少，旱情越轻； 全省其余地区与降雨量相关关系没有通过显著性检验，说明降雨量不是影响这些区域旱情变化的重要因素。由图4(b)中平均温度与TVDI相关系数可知，8.21%区域TVDI与平均温度呈正相关关系，主要分布在宝鸡市中部和南部、汉中市西部和西北部，说明这些地区旱情主要受平均温度影响，随着温度增加TVDI也增加，旱情加重； 14.11%区域TVDI与平均温度呈负相关关系，主要分布在延安市中部和南部、渭南市北部、商洛市大部分地区及西安市东部，说明这些地区旱情主要受平均温度影响，随着温度增加TVDI也减少，旱情减轻； 结合图4(c)可知，全省58.70%区域TVDI与平均气温距平呈正相关关系，35.62%区域与平均气温距平呈负相关关系，但均未通过P<0.1显著性检验，说明温度不是影响陕西省旱情变化的主要因素。

4 讨论

本文利用陕西省2000—2016年间MODIS NDVI和Ts数据，构建双抛物线型NDVI-Ts特征空间，并计算TVDI，利用气象站点实测土壤湿度数据对TVDI进行验证，最后利用TVDI对陕西省旱情的时空分布特征进行了分析。国内外学者研究发现，利用三角形或者梯形NDVI-Ts特征空间计算TVDI进行旱情监测的较多。Carlson等[16]发现当植被覆盖和土壤湿度变化范围较大时，以NDVI为横坐标和以Ts为纵坐标的散点图特征空间呈三角形； Moran等[17]则认为NDVI和Ts散点图呈现梯形； 而后相关学者利用该三角形或梯形特征空间进行了大量研究[9,18-19]。相关学者又根据研究区域不同情况，提出适合该地区新的干旱指数或者对之前学者提出的TVDI计算公式进行了改进，使之能够更加准确监测旱情。笔者之前研究[13-14,20]认为三角形或梯形NDVI-Ts特征空间将NDVI<0.15部分去除不能真实反映地表状况，并指出包含NDVI<0.15部分的NDVI-Ts特征空间呈双抛物线型，基于此特征空间的TVDI在监测土壤湿度方面略优于三角形和梯形NDVI-Ts特征空间的TVDI。因此本文进一步利用MODIS数据对双抛物线型NDVI-Ts特征空间进行验证，并对陕西省旱情进行了长时间序列监测。

5 结论

1)基于双抛物线型NDVI-Ts特征空间的TVDI与实测土壤湿度呈显著负相关关系(P<0.05)，表明基于双抛物线型NDVI-Ts特征空间的TVDI可用于旱情监测。

2)陕西省旱情主要分布在陕北的西北部、北部以及关中的北部、东部地区，其他区域发生旱情的时间相对适中，严重程度也相对适中。在时间上，2000年陕西省受旱面积为31.95%，2016年为27.65%，17 a间陕西省旱情呈波动变化特点，没有出现明显减少或增加的趋势； 但2000年、2005年、2010年和2015年旱情比相近年份的受旱面积大，有周期变化的趋势。

3)17 a间全省约84.48%区域旱情发生了变化，但是变化不显著，14.45%地区旱情得到显著缓解，主要分布在榆林市北部大部分地区、延安市中部部分地区、关中地区中部以及陕南零散地区。全省97.62%的面积变异系数在0～0.8之间，变异系数较小，旱情稳定，主要分布在陕北的北部、关中南部。

4)陕北榆林市大部分地区，延安市中部部分地区，汉中市北部、西北部，安康市、渭南市北部、商洛市东部部分地区及宝鸡市西部、北部部分地区(约占23.74%)旱情与降雨量呈显著负相关关系(P<0.1)，随着降雨量的增加TVDI减少，旱情越轻； 但降雨量不是其余地区旱情的主要影响因素。总体来看，温度不是影响陕西省旱情变化的主要因素。

结合地表反射率和热红外辐射信息的NDVI-Ts特征空间方法，虽能反映出一定时空尺度土壤湿度状况，但易受植被覆盖、土地覆盖/土地利用和卫星数据传输质量的影响。因此，在今后工作中需要从不同下垫面状况分析其干旱状况。