基于不同TVDI指数的福建省2018年农业干旱监测差异分析

陈哲璐，黄万里,2,3，叶士琳,2，祁新华,2

(1.福建师范大学 地理科学学院, 福建 福州 350007; 2.福建师范大学地理研究所, 福建 福州 350007;3.福建省陆地灾害监测评估工程技术研究中心, 福建 福州 350007)

农业干旱是以植物生长状况和土壤含水量为特征反映植物生长过程中受水分胁迫的程度，反映的是一个时段内土壤水分减少造成作物产量下降的情况[1]。农业干旱会导致农业生产损失严重，威胁社会粮食安全[2]。福建省属亚热带季风气候，降水季节分配不均，年际变化明显，季节性、区域性干旱频繁发生，降水严重不足时还会出现更严重的季节连旱[3]，探讨福建省旱情监测方法对预防旱灾、保障生态安全等具有重要的现实意义。

相对于传统地面站点监测方法，遥感技术具有客观、及时、覆盖范围广、数据连续等特点[4]，尤其在干旱随时空的演化过程监测方面具有更强的优势。目前，常用的干旱遥感监测方法有热惯量法[5-7]、微波遥感法[5,7-8]、植被指数法[7,9-10]、地表温度法[7]、植被指数与地表温度结合的特征空间法[7,11-12]等。热惯量法对数据资料的要求较为严格，植被指数法滞后性较为明显[13]，地表温度法则较难克服植被覆盖度及土壤背景温度的不良影响[7]，而将植被指数(Vegetation Index，VI) 和地表温度(Surface Temperature，Ts)相结合的特征空间法得到了学者们的广泛使用。Moran等[14]认为较高土壤背景温度会影响到干旱信息，因此将植被指数与地表温度相结合更为合理。刘英等[15]建立双抛物线型的Ts/NDVI特征空间，指出利用Ts/NDVI特征空间法监测陕西省旱情可行，但容易受土地覆盖、植被、卫星数据传输质量等因素的不良影响。杨曦等[16]分别讨论了由地表温度与增强型植被指数(Enhanced Vegetation Index，EVI)、归一化植被指数(Normalized Difference Vegetation Index，NDVI)构建的Ts/EVI和Ts/NDVI特征空间，指出在华北平原TVDIE(Temperature Vegetation Dryness Index of EVI)比TVDIN(Temperature Vegetation Dryness Index of NDVI) 能更好地表征土壤湿度状况。杨茹等[17]构建了Ts/NDVI 和Ts/EVI特征空间，并分别对淮河上游地区进行土壤含水量的反演，结果表明TVDIE精度低于TVDIN。孙振蓉等[18]分别分析了Ts/EVI和Ts/NDVI特征空间并基于两者的TVDI干旱监测结果与锡林郭勒盟实际情况进行对比分析，发现TVDIN能更好地反映研究区实际情况。王正东等[19]运用TVDI原理，利用S-G(Savitzky-Golay)加权滤波对NDVI、EVI、Ts进行数据重建，从特征空间的离散性可以看出，Ts/EVI特征空间范围比Ts/NDVI更集中，相关性更高，而Ts/EVI在干湿边拟合时趋势更加稳定。

综上，学者对TVDI干旱监测研究取得了丰硕成果，为政府及农业部门防灾减灾提供科学依据。然而，迄今为止学术界较多利用TVDIN或TVDIE对研究区进行干旱监测分析，较少对2个指数进行系统对比分析；现有成果多以典型干旱区作为研究对象，较少对东部沿海地区进行干旱监测。随着全球气候变化的加剧与城市化进程的加快，东部地区干旱情况变得更为复杂，而福建省每年都受不同程度的洪涝、干旱和病虫害等自然灾害影响，其中干旱是福建各种气象灾害中受灾面积最大的灾种[20]，严重影响了福建现代农业的发展。鉴于此，本文以福建省为例，基于MODIS的MOD13A2植被指数(NDVI与EVI)和MOD11A2地表温度产品，对比了2种植被指数(NDVI，EVI)与地表温度(Ts)构建的特征空间及两种TVDI的差异，并运用土壤湿度站点数据对2种TVDI指数进行干旱等级区间划分及验证，弥补大多文献等间距划分干旱等级区间的缺陷，为福建省及相似地区的干旱监测研究提供借鉴。

1 数据与方法

1.1 研究区概况

福建省位于中国东南沿海，地理范围为23°33′～28°19′N，115°50′～120°43′E，陆域面积为12.4万km2。境内地少多山，地势东南低、西北高。福建地处中、南亚热带，年均温约17～21.3℃，年降雨量从东南向西北递增，约为1 100-2 000 mm，气候类型为海洋性季风气候，受季风影响显著，气温、降水量等均有较大波动，旱涝灾害频繁发生[21]。张开荣[22]统计分析了1900—2007年间福建省发生旱灾次数及所占比例，发现全省平均1～2年发生一次轻度干旱，中度干旱发生频率为20.4%，严重干旱平均每10年发生一次，特大干旱发生的频率为5.6%。福建省干旱类型多为单季和多种季节复合型，夏季是干旱多发的季节。事实上，几乎每年福建省都会发生轻度干旱，间歇性发生严重干旱，造成较大的农业生产损失。2018年福建发生春夏连旱，旱情导致水库水位下降及农田受旱，粮食作物受灾程度较为严重[23]。因此，对福建省进行干旱监测对农业发展规划及生态安全的认识等都有重要的作用。

1.2 数据来源与数据处理

本文所用MODIS 8天合成的地表温度产品(MOD11A2)与16天合成的植被指数产品(MOD13A2)来源于美国国家宇航局(NASA)数据中心，空间分辨率均为1km，时间范围为2018年1月至12月。预处理的过程主要包括：利用ENVI、MRT(MODIS Reproject Tool)等软件分别提取MOD11A2的地表温度、质量控制波段(QC)及MOD13A2的NDVI、EVI、质量控制波段(QA)并对原始数据做格式转换，设定投影坐标系，裁剪等处理，依据MODIS产品质量控制文件说明，用Python编程实现福建省Ts、NDVI、EVI的质量信息提取及质量控制工作，对处理后的地表温度及植被指数影像进行了掩模，提取质量可信像元并排除无效值。由于地表温度为8天合成数据，2个数据需统一至相同的时间尺度，所以将相邻2个8天合成的MOD11A2数据依次平均合成为16天数据，并使用IDW插值对受云及阴影影响而造成的Ts缺失值进行插补，最后设置其有效范围。数据中DOY代表年积日及之后16天的时间段，如DOY001代表2018年1月1日-16日这一时段，每16天为一个时段，共得到全年23个时段相关数据。土壤相对湿度数据来源于中国气象数据网(http://data.cma.cn/)。本文选用福建省32个土壤湿度监测站点0～10 cm土层的观测数据(图1)，对每日的数据按平均值合成得到每16天的土壤相对湿度数据，个别站点个别时段土壤湿度数值存在缺测情况，有效的土壤相对湿度数据共550条。起止时间为2018年1月上旬-12月下旬。

图1 福建省土壤湿度监测站点分布图Fig.1 Distribution of soil moisture monitoring stations in Fujian Province

1.3 研究方法

1.3.1 温度植被干旱指数

温度植被干旱指数是通过植被指数和地表温度数据构成的特征空间反映土壤湿度的一种方法。国内外有许多学者[24-27]分析了多种时间分辨率与空间分辨率的植被指数与地表温度间的联系。如Sandholt等[27]明确提出了温度植被干旱指数(TVDI)的基本概念，其提出时是以归一化植被指数(NDVI)与地表温度(Ts)计算TVDI，其定义为：

(1)

式中：TS为地表温度；依据干边方程计算，TSmax为最高地表温度，依据湿边方程计算，TSmin为最低地表温度。干湿边方程可分别表示为式(2)和式(3)：

TSmax=a1+b1VI.

(2)

TSmin=a2+b2VI.

(3)

式中：a1，b1表示干边任意给定的VI所对应的地表温度最大值的拟合方程系数，a2，b2表示湿边任意给定VI所对应的地表温度最小值的拟合方程系数。其中，TVDI取值范围为0～1，TVDI=1，表示受到完全水分胁迫影响；TVDI=0，表示水分充足。此后相关学者基于TVDI进行了大量研究，如杜灵通等[28]利用MODIS 地表温度和归一化植被指数数据构建TVDI，定量研究宁夏3个不同生态功能区2000—2010年生态干旱特征及其驱动因素；鄢雪英等[29]基于EVI、Ts、TVDI等6个指标，通过精度评价分析构建最佳指标组合并划分荒漠化等级，探讨土库曼斯坦2001—2012年荒漠化动态变化状况。本文基于不同植被指数NDVI和EVI，分别结合地表温度计算2种TVDI，并将其用于干旱监测与对比分析中。两种TVDI分别称为TVDIN与TVDIE。

1.3.2 TVDI干旱监测指标的分级方法

借助TVDI法的干旱监测研究[19,30-31]大多直接把TVDI值[0,1]等间距划分为5级，以此作为干旱等级划分的标准，但各个地区的气候、地表覆盖状况、干湿程度、海陆位置及其他因素不同，此种划定等级与实际的干旱等级存在一定的偏差。因此，本文参照《农业干旱等级》(GB/T32136-2015)[32]中土壤相对湿度的农业干旱等级划分标准，根据MODIS数据产品质量，提取土壤湿度站点所在像元的TVDI值，并将其一一对应于相应干旱等级中[33]，并利用SPSS软件统计分析每个等级的TVDI值；与此同时，采用单侧置信区间法，选用置信度为0.95的置信区间确定TVDI干旱等级分级区间，弥补将TVDI值等间距划分作为干旱等级区间的缺陷。

2 结果分析

2.1 NDVI与EVI的差异性

为对比福建省2018年各时段NDVI与EVI对地面植被的差异，利用预处理后的NDVI与EVI数据，分别计算出研究区2018年23个时段的NDVI与EVI值，定量统计两个植被指数下的遥感像元。根据2018年福建省农业气象旬报中每期的气温、降水及干旱的严重程度等信息，结合福建省植被生长的季节特征，如冬季为植被非生长季，植被指数呈下降趋势，春夏季为植被的生长季，植被指数应为上升趋势等，选择4个时段加以阐述，图2为NDVI与EVI多时段频率分布图。

图2 多时段NDVI与EVI频率分布情况Fig.2 Frequency distribution of NDVI and EVI in multi period

对比图2中4条NDVI分布频率曲线，4个时段的频率分布曲线形状大致相同，NDVI值的频率达到最大值后下降速度较快，特别是6月下旬(DOY177)和11月下旬(DOY337)的曲线，说明大部分植被类型的NDVI达到一定数值后难以再提高，即趋向饱和；从1月上旬(DOY001)到11月下旬(DOY337)，研究区总体的NDVI呈现先减少再增加又减少的趋势，与实际植被生长过程先增后减的趋势有所偏差。比较4条EVI分布频率曲线，除了6月下旬(DOY177)这段时期，其他3个时期曲线形状基本相似，在最大频率处的EVI值两侧的形状基本对称，6月下旬(DOY177)大部分的植被分布在EVI峰值右侧，这个时期是研究区整个年度大部分植被生长最旺盛时期；从1月上旬(DOY001)到11月下旬(DOY337)，研究区总体的EVI呈现先增后减趋势，与研究区实际植被生长过程先增后减的趋势相一致。可见，随着时间变化，植被生长状况在变化，EVI和NDVI在不同植被覆盖区的分布频率也有所不同，但EVI能更好地克服NDVI在高植被区易饱和的问题。

本次实验污水经过提升计量后进入到厌氧池，在厌氧池内进水与缺氧池回流的高浓度脱氮污泥进行混合,进水有机物很快消耗厌氧池内的溶解氧，混合完全的混合液在无分子态氧和化合态氧的情况下进入厌氧池，聚磷菌吸收利用原污水中的VFA及经厌氧发酵过程产生的VFA转化为PHB贮存在体内，同时进行磷的释放，然后混合液进入主曝气池进行磷的吸收和有机物的进一步降解，曝气池混合液进入其中一个序批池中，进行缺氧、好氧循环反应,另一序批池作为沉淀区出水排放。图1为系统运行的流程图。

2.2 Ts/NDVI与Ts/EVI特征空间参数

以全年23个时段中受干旱影响较重的春夏季6个典型时期为例(DOY097为2018年4月7日-22日；DOY129为5月9日-24日；DOY161为6月10日-25日；DOY177为6月26日-7月11日；DOY193为7月12日-27日；DOY209为7月28日-8月12日)，建立Ts/NDVI和Ts/EVI的特征空间散点图与干湿边方程，并计算基于EVI、NDVI的温度植被干旱指数(TVDI)。

二者拟合参数如图3所示，a1、a2是地表温度轴(Y轴)上干湿边的截距。它的生态意义是在水分不足(a1)和充足时(a2)裸土像元的地表温度值[34]。从图3可以看到由于4～8月研究区温度较高，Ts/NDVI和Ts/EVI特征空间的干湿边截距较大，干边截距>310 K，湿边截距>290 K。干湿边拟合方程的斜率为b1、b2，蒸散[35]，冠层传导度[36]以及土壤湿度[37]等因素会导致干湿边斜率发生变化。受上述因素影响，干湿边斜率变化无明显规律，基本符合前人的研究结果[38]。从时相的特征空间来看，研究结果与理论模型存在一定差异，但Ts /EVI特征空间与Ts/NDVI相比更符合标准特征空间的三角形形状。此外，Ts/EVI特征空间散点图更集中，Ts/NDVI散点图较分散，主要表现在：植被覆盖度较高的点对应的NDVI值较大(0.8～0.9)，EVI值较小(0.6～0.7)，NDVI较EVI更易饱和。从拟合效果看，2个特征空间的干边拟合效果较好，湿边拟合效果稍差，但Ts/EVI 特征空间干湿边拟合的决定系数多数时期高于Ts/NDVI，即Ts/EVI干湿边拟合效果更好。

图3 Ts/NDVI和Ts/EVI的特征空间与干湿边方程Fig.3 Characteristic space and dry wet boundary equation of multi temporal Ts/NDVI and Ts/EVI

2.3 TVDIN、TVDIE与土壤湿度的相关性

提取单站点2018年有效的18个时段对应的2种TVDI值并与0～10 cm深度土层的土壤相对湿度数据做相关性分析。例如邵武站点(图4)，TVDIN与0～10 cm土壤湿度数据线性拟合的决定系数(R2)为0.272 4，而TVDIE为0.286 6 。根据2018年福建省气候公报，将6个典型时段(DOY DOY097；DOY129；DOY161；DOY177；DOY193；DOY209)所有站点的两种TVDI值分别与0～10 cm深度土层的土壤相对湿度数据做相关性分析(图5)，TVDIN线性拟合的决定系数(R2)为0.372 7，而TVDIE为0.439 8。表明福建省TVDIE的干旱监测精度总体上高于TVDIN，但图4，图5中均存在个别数据点较离散，二者决定系数(R2)较低的情况，其原因可能是TVDI和土壤相对湿度数据在时空尺度上没有完全匹配。

图4 单站点TVDIN与TVDIE土壤湿度拟和结果Fig.4 Fitting results of soil moisture between TVDINand TVDIEat a single site

图5 全部站点典型时段TVDIN与TVDIE土壤湿度拟和结果Fig.5 The results of TVDINand TVDIEsoil moisture simulation for typical periods at all sites

2.4 干旱监测结果

2.4.1 TVDI干旱等级

基于前述TVDI干旱等级区间划分方法，界定出TVDI无旱、轻旱、中旱与重旱4个等级的阈值区间。由于研究区时空范围内土壤相对湿度数据极少满足重旱和特旱等级条件，因此将中旱上限值作为重旱下限值，取重旱上限值为1，不再划分这两个级别的干旱等级区间。TVDIE与TVDIN量化指标综合分析结果及干旱等级区间见表1、表2。可以看到，TVDIE与TVDIN的干旱等级区间相差不大；TVDIE无旱等级划分结果与TVDIN基本一致，但TVDIE的样本均值更接近置信度上限值且各干旱等级区间的样本标准差及允许误差均小于TVDIN。即TVDIE干旱等级区间划分效果优于TVDIN。

表1 TVDIN量化指标的综合分析及干旱划分区间Table1 Comprehensive analysis of TVDINquantitative indexes and drought division section

表2 TVDIE量化指标的综合分析及干旱划分区间Table2 Comprehensive analysis of TVDIEquantitative indexes and drought division section

为验证TVDIN与TVDIE干旱等级划分区间的精度，各随机抽取30个0～10 cm土层的土壤相对湿度站点数据进行比较，经计算，TVDIE干旱等级划分区间的准确率达72%，TVDIN的准确率68%，TVDIE等级划分区间的精度略高于TVDIN。但在轻旱、中旱及重旱3个干旱等级区间内，二者与土壤相对湿度划分的干旱区间均存在不一致的情况，尤其是重旱，所划分的区间存在一定误差，计算出的TVDI值与土壤湿度站点数据在空间尺度上不一致是导致误差发生的主要原因。此外，一些站点土壤相对湿度值偏高，所对应的TVDI值也较高，出现了相反的干旱情况，这可能是由于MODIS数据受云层影响，例如当云层厚重时，计算得到的植被指数较低，导致TVDI值偏高，通过遥感数据反演的旱情与实际情况存在一些偏差。

2.4.2 TVDIN、TVDIE干旱监测差异性分析

据2018年福建省气候公报[23]，当年福建省发生春夏连旱(3月下旬～8月下旬)。因此本文选取该段时期反演研究区DOY097至DOY209中6个时段的TVDIE、TVDIN，分析福建省干旱空间分布规律。如图6，7所示，可以看到TVDIE、TVDIN的干旱趋势基本一致，福建省旱区总体集中在东南部、西北部及局部内陆地区。由于福建北部及西北部多雨，植被条件良好，森林茂密，流域自然动态蓄水调控能力强，水量蒸发少，即便该地区一段时间无降水，旱情也普遍较轻。反之，福建南部、东南部植被条件较差，沙质土壤丰富，自然动态蓄水调节能力不强。一旦没有降水，极易发生干旱。对照福建省气象局发布的农业气象旬报等资料，证明反演结果基本符合实际情况。以4月上旬(DOY097)为例，对两个指数进行对比，根据该时段气象资料显示福建气温大部偏高，除福鼎部分区域外其余地区降水较少，在干旱监测图中如上所提及的地区TVDIN存在些许图斑为轻旱、中旱及重旱，而在TVDIE中则为无旱及少部中旱，更符合实际情况。

图6 2018年福建省春夏季多时段TVDIN干旱监测图Fig.6 Multi period TVDINdrought monitoring map in spring and summer in Fujian Province in 2018

图7 2018年福建省春夏季多时段TVDIE干旱监测图Fig.7 Multi period TVDIEdrought monitoring map in spring and summer in Fujian Province in 2018

综上所述，TVDI干旱指数能较好反映福建旱情发展与分布的过程，TVDIE的干旱监测结果与实际情况更为吻合。总体而言，福建省2018年旱情大致从南部沿海地带逐步蔓延到中北部，由东南向西北渐渐延展，但由于植被覆盖程度不同，干旱的缓解至解除呈相反的过程。此外，福建南部地区干旱状况比中北部严重得多，比如永定、南靖、长泰、诏安等地。尤其在福建东南沿海地带，如厦门、晋江、东山、平潭岛、石狮、惠安和漳浦等地发生旱情的机率较高。本文结论也与使用历史连续数据的学者们在福建省进行干旱研究[3,39-41]的结论基本一致，即总体上福建旱情以春夏旱为主，各类干旱以小旱为主, 中旱次之；春旱在中南部沿海地区高发; 夏季小、中旱以中南部沿海地区多发，基本符合本文的研究结论。

3 结论与展望

本文对比分析了2种植被指数(NDVI，EVI)与地表温度(Ts)构建的特征空间参数及两种TVDI。在站点尺度上，依据站点土壤相对湿度数据分别对TVDIE、TVDIN进行相关性分析、TVDI干旱等级区间的划分及验证；在研究区尺度上，分析对比了2018年研究区典型干旱时期TVDIE和TVDIN的空间分布特征并结合实际情况展开验证。尽管本文的分析对比只用2018年的资料，但得出的结论与使用多年连续历史数据的学者们在本区域进行干旱研究结论基本一致，可以一定程度上说明2种指数的有效性。事实上，相当多的学者们也仅用一年甚至某个单一时段的数据构建TVDI，并将其应用于干旱监测研究，得到的结论也基本符合研究区的实际旱情[42-43]。当然，我们将在后续的相关研究中增加时间长度并扩展研究区域，进一步论证结果的可靠性。

总体而言，本文研究结果表明：

(1)Ts/EVI和Ts/NDVI特征空间散点图与理论模型存在一定差异，但Ts/EVI散点图更集中且能更好呈现出三角形(梯形)形状。

(2)Ts/EVI干湿边拟合效果优于Ts/NDVI，由Ts /EVI特征空间拟合的干湿边更易相交，结合地表温度，更能反映研究区的旱情变化。

(3)TVDIE、TVDIN与土壤相对湿度均为负相关关系；TVDIE与土壤湿度的相关性优于TVDIN。

(4)由Ts /NDVI和Ts /EVI特征空间反演的TVDIE及TVDIN，其趋势是相似的，但TVDIE干旱等级划分效果优于TVDIN。

综上分析，TVDIE指数与干旱发生的实际情况较为一致，更适用于监测福建省旱情，该监测方法对与福建省相似自然地理条件的地区也具有一定的适用性，但本文仍存在不足之处：

(1)土壤湿度是反映干旱情况最直接的观测，但相对别的要素，其资料质量不高，特别是深层的土壤湿度经常存在缺测情况，未来可以采用其他数据进行验证。

(2)MODIS影像中存在的一些噪声会影响植被指数-地表温度特征空间中干湿边的拟合精度。

(3)计算TVDI指数时未能够综合考虑福建省的复杂地形，地表覆盖情况，土壤类型等因素，而这些因子都会影响TVDI的结果。

(4)虽然以气象站点采集到的土壤相对湿度数据是准确的，但参与TVDI建模计算的地表温度和植被指数是按固定天数(16天)合成的数据，本文假设两者时间尺度一致，但实际可能会存在些许误差；计算得到的TVDI空间分辨率为1km，而土壤相对湿度为点数据，两者在空间尺度上并不完全匹配，这些可能都是导致TVDI与土壤相对湿度相关性较低、干旱等级划分区间存在一定误差的原因。