基于温度植被指数TVDI的拉萨地区土壤湿度特征分析

钟 伟，卢宏玮，管延龙，仇理化

（1.华北电力大学水利与水电工程学院，北京 102206；2.中国科学院地理科学与资源研究所陆地水循环及地表过程重点实验室，北京 100101；3.南方科技大学环境科学与工程学院，广东深圳 518055；4.华北电力大学新能源学院，北京 102206）

0 引 言

快速发展的遥感技术为土壤湿度的获取提供了重要的途径，相较于传统监测方法，遥感技术具有数据覆盖范围广、多时向、多光谱、高分辨率、易获取等优点，被广泛应用于区域旱情监测研究中［6-10］。目前，基于遥感技术的土壤湿度估计方法主要有表观热惯量法、蒸散量计算和温度植被干旱指数等［11-14］，其中温度植被干旱指数TVDI有着明确具体的物理含义，受土壤背景和数据分辨率的影响较小［15］，被广泛应用于土壤湿度估计。TVDI指数在国内外已有大量相关研究，杨曦等［16］研究发现，TVDI指数能够较好地反映华北平原表层土壤的干湿状况，赵杰鹏等［17］改进了Sandholt［14］提出的TVDI模型，并发现改进后的模型较为明显地提高了新疆地区的土壤湿度反演精度。Patel 和Sun［18，19］等基于MODIS 遥感数据分析发现TVDI指数与表层土壤湿度具有显著的负相关关系。部分研究发现［20-24］，植被指数对于TVDI指数模拟精度影响较大，不同的植被指数各有优劣。由于不同季节和不同下垫面条件，植被指数对于植被覆盖的敏感性具有显著差异，导致TVDI不同植被覆盖下的监测能力存在较大的差异性。

早期TVDI的研究主要集中在平原农业区、旱区［16，17，23］等，而针对高寒、地形条件复杂区域的探索仍较为缺乏。杨玲和杨艳昭［25］发现西辽河流域干旱区域主要位于流域的上中游地区，湿润区域主要沿河岸分布，且不同土地覆被类型的土壤湿度差异较大。Jian 等［26］研究指出，在不同土壤深度下，黄淮海平原TVDI与实测土壤湿度之间表现为显著负相关，且在10～20 cm之间的关系最为密切。李跃鹏等［27］指出乌鲁木齐地区不同下垫面条件下，地表温度与植被指数均呈显著负相关关系，TVDI与ERA-interim Level 2层体积含水量数据拟合最好。拉珍等［28］发现西藏一江两河地区TVDI空间分布特征与降水空间分布一致性较好，实测地表温度与TVDI两者具有较好的线性正相关性。这些研究表明，不同的地理条件可能导致TVDI的区域适用性存在显著差异。

青藏高原是地球上独特的地质、地理和生态单元，独特的地形和高寒气候条件使得青藏高原成为全球气候变化的敏感区。土壤湿度作为陆-气系统相互作用的重要物理参数，在青藏高原等生态脆弱区的水-碳循环中扮演着至关重要的作用。尽管已有针对高原土壤湿度相关研究［10，24，28］，但缺乏针对下垫面条件复杂以及海拔差异大等情况的深入探讨。拉萨地区作为青藏高原高寒气候的代表性区域，地表类型复杂，地面监测站点稀少，土壤湿度特征及影响因素尚待揭示。因此本文基于MODIS 高分辨率地表温度和植被指数产品等，结合第二次青藏科学考察采样实测数据，以及区域DEM 数据、气象数据和土地利用数据，引入温度植被指数TVDI对拉萨地区土壤湿度状况进行分析，进一步探究土地利用类型、海拔以及气象要素等因素对该地区土壤湿度的影响。

1 数据与方法

1.1 研究区概况

拉萨地处青藏高原南部，西藏自治区东南部，雅鲁藏布江支流拉萨河北岸，位于东经91°06′，北纬29°36′。全年多晴朗天气，年日照时间3 000 h 以上，年降雨量500 mm 左右，属于典型高原温带半干旱季风气候。区域内海拔跨度较大，地势由北向东南倾斜，高山河谷相间分布［图1（a）］，地表类型复杂［图1（b）］。区域内生态系统单一脆弱，农业主要集中在地势平坦，灌溉条件较好的河谷地区。土地利用类型包括了耕地、林地、草地、湿地、建设用地以及未利用土地［表1，图1（b）］，草地是最主要的土地利用类型，呈较均匀地分散状分布，面积占比为56.62%，其次为未开发土地，占21.61%，耕地、林地和湿地面积占比较小，湿地主要位于北部海拔较低区域，林地主要分布在东南部山谷盆地。面积占比最小的为建设用地，仅为0.39%。

表1 拉萨地区主要土地利用类型面积及占比Tab.1 Area and proportion of main land use types in Lhasa

1.2 数据来源

（1）遥感数据和气象数据。本文使用遥感数据来源于NASA 数据中心（https：//earthdata.nasa.gov），包括植被指数产品（MOD13A2）、地表温度产品（MOD11A2）和短波地表反照率产品（MCD43C3）。数据选取时段为2018年7-9月，其中增强型植被指数EVI共6 期，时间分辨率为16 d，空间分辨率为1 km。地表温度LST 和地表反照率Albedo 共12 期，时间分辨率均为8 d，空间分辨率分别为1 km和0.05°。遥感影像采用MRT等软件进行预处理后用于本文研究。研究区2018年土地利用遥感监测数据来源于中科院资源环境科学与数据中心（http：//www.resdc.cn），拉萨地区2018年夏季日均气温和降水数据来源于中国气象数据网（http：//data.cma.cn/），经处理后得到16 d 平均气温和累积降水量用于本文研究。

增强型植被指数EVI的红光和近红外探测波段范围设置更窄，改进了针对稀疏植被的探测效果，同时，引入了蓝光波段对大气气溶胶的散射和土壤背景进行了矫正，减少了大气和土壤背景的影响［20，22，29，30］，因此本研究采用EVI代替归一化植被指数NDVI。考虑到植被指数为负表示湖泊积雪等，本研究在统计计算中暂不纳入EVI值为负的像元。利用短波地表反照率产品（albedo）提供的黑空以及白空地表反照率数据，通过线性加权平均法得到短波波段的地表真实反照率。基于MRT（MODIS Reprojection Tool）将LST和EVI数据统一时间尺度为16 d，计算各时期TVDI并构建LST-EVT二维特征空间。

（2）采样数据。继20 世纪70年代进行首次青藏高原综合科学考察研究后，第二次青藏高原综合科考从2017年8月全面启动，在收集大量数据资料的基础上，对青藏高原的水、生态、人类活动等环境问题进行考察研究，为青藏高原生态保护和社会经济发展提供科学依据。本文所用实际土壤湿度数据来源于2018年7月考察支队在西藏拉萨河流域进行农牧业发展以及环境问题考察时的样点实测数据，选取分布在研究区内的17个样点，具体位置以及分布情况见图1（b）和表2，覆盖了耕地，草地，林地以及湿地等主要土地利用类型。本文拟合分析方法采用最小二乘法拟合，显著性检验采用t检验法。

表2 采样点位置以及土地覆被类型Tab.2 Sampling point location and land cover type

1.3 TVDI计算

Sandhol等［14］基于地表温度与植被指数之间的对应关系，构建了LST-NDVI特征空间模型，指出温度植被干旱指数TVDI能够有效地反演区域陆表干湿变化。其中，特征空间的上边界被定义为干边，表示研究区土壤干旱特征，将下边界定义为湿边，反映土壤的湿润状况。具体计算公式如下：

高校思想政治教育中融入中国传统文化能够有效向大学生传递正确价值观念，从而促进大学生在日常生活中加强精神文明建设，提升大学生爱国思想。通过中国传统文化的融入，能够使大学生在接受思想政治教育时更深刻理解国家对自身的重要性，从心底产生爱国情感，并积极主动投入社会传统文明建设中，从而加强我国社会传统文明建设，满足我国现代社会发展需求。

式中：TVDI为任意像元的温度植被干旱指数；TS和NDVI为分别为任意像元的地表温度和植被指数，TSmax、TSmin分别为某一NDVI对应的最大最小地表温度，即分别代表了干边和湿边；a1、a2和b1、b2分别为干边和湿边拟合方程的系数。

其中，干边对应TVDI值为1，湿边对应TVDI值为0，计算得到任一像元TVDI值介于0 和1 之间，TVDI值越大，对应的像元土壤湿度越低；TVDI值越小，对应的像元土壤湿度越高［31］。

2 结果与分析

2.1 TVDI与实测土壤湿度关系

图2所示为实测土壤体积含水量与TVDI之间的线性拟合。具体而言，研究区内17 个样点实测表层土壤体积含水率与TVDI呈显著负相关关系（p＜0.05），随着土壤湿度的增加，TVDI呈现逐渐下降的趋势，拟合系数r2达到0.71，拟合效果良好。所选取的样点基本覆盖了研究区主要的土地利用类型，表明在不同的下垫面条件下，总体上TVDI值越高土壤湿度越低。拟合结果有效反映了TVDI在反演表层土壤干湿状况方面具有良好的表现，可以作为研究区地表土壤湿度监测的有效手段和补充。

2.2 地表温度与植被指数关系

图3所示为不同土地利用类型的地表温度LST与植被指数NDVI的拟合结果。对于耕地，随着EVI的上升，地表温度逐渐下降，整体上呈显著的负相关（p＜0.05）。对于林地和草地，随着EVI的增加，LST呈逐渐上升趋势，都通过了0.05 的显著检验。对于湿地，地表温度LST和植被指数EVI同样呈显著正相关关系（p＜0.05），上升趋势高于林地和草地。不同土地利用类型的拟合结果表明，拉萨地区植被变化与地表温度变化之间存在明显的响应过程，空间异质性强烈。

图4所示为不同土地利用类型之间地表温度与海拔变化的拟合关系。总体上，不同土地利用类型下LST均与海拔均存在显著的负相关关系（p＜0.05），随着海拔高度的升高，地表温度逐渐下降。具体而言，耕地主要集中分布于海拔3 500～4 500 m范围内，少部分位于4 500 m 以上，跨度相对较小，地表温度表现为随植被指数增加而显著降低。林地和草地基本上均匀分布于海拔3 500～5 500 m 之间以及3 500～6 000 m 之间，垂直分异明显，表明林地和草地多分布于地形坡度较大的山区，地表温度受海拔梯度变化影响显著，拟合系数明显高于耕地。对于湿地而言，整体面积所占比例较小，多分布于海拔3 500～3 800 m和海拔5 000～6 000 m处之间，空间分布异质性较为明显。结合研究区地形条件和土地利用类型分布（图1），研究区地表温度LST与植被指数EVI呈显著的负相关，空间异质性较为明显。

表3 不同土地利用LST与海拔拟合方程Tab.3 Fitting equation of LST and altitude over different land use types

图5和表4所示为研究区2018年夏季7-9月每16 d的LSTEVI特征空间及其各时段干湿边拟合方程及拟合系数。除07-28-08-12 时段外，各时段干边斜率均显著小于0，总体上LSTmax与EVI呈显著负相关关系（p＜0.05）。各时段湿边斜率均显著大于0，总体上LSTmin与EVI呈显著正相关关系（p＜0.05）。大部分时段的最高和最低地表温度与植被指数拟合效果比较好（表4），r2基本大于0.4，最大达到0.83，能较好地拟合出干边和湿边方程。在EVI值较低（0＜EVI＜0.1）时，最高地温表现为随着植被指数增加而逐渐升高，这可能是在植被覆盖处于较低水平时，植被指数描述植被覆盖的动态变化不够准确，从而引起该区间地表温度对植被指数的变化不够敏感［18］。

表4 7-9月各时期LST-EVI特征空间干湿边拟合方程及拟合系数Tab.4 Fitting equations and fitting coefficients for dry and wet edges of LST-EVI feature space from July to September

2.3 土壤湿度时空格局及影响因素

图6所示为研究区2018年7-9月每16 d的TVDI空间分布。在7月和8月，大部分地区TVDI处于0～0.2 之间［图6（a）～（d）］，地表整体较为湿润。进入9月，TVDI开始升高至0.2～0.6 区间，土壤湿度降低，少部分地区TVDI大于0.6，处于较为干燥的状态。整体上看，研究区夏季土壤湿度处于较为良好的水平，并随时间推移呈现逐渐变干的趋势。

参考已有研究方法［27］的相关阈值将研究区土壤干湿状况划分为极湿润至极干旱五个等级（表5），基于7-9月6期的平均TVDI，得到夏季地表干湿情况空间分布如图7所示。从空间上看，大部分地区处于极湿润和湿润的状态，分别占研究区面积的57.01%和22.27%。土壤湿度正常的区域占比13.14%，而干旱和极干旱区域主要分布在北部，西南以及中南部分地区，面积占比分别为7.06%和0.51%。

表5 基于TVDI阈值干旱等级划分标准Tab.5 The classification of TVDI and drought

图8和表6所示为研究区07-28-08-12 时段所计算的TVDI，考虑不同下垫面的TVDI与海拔拟合结果。随着海拔的不断升高，几种主要土地利用类型TVDI均与海拔呈显著负相关关系（p＜0.05），耕地、林地、草地和湿地的TVDI下降率分别达到0.151、0.235、0.281 和0.211/km，表明研究区土壤湿度随海拔的升高而显著增加。

表6 07-28-08-12时段不同土地利用类型TVDI与海拔拟合方程Tab.6 Fitting equation of TVDI and altitude over different land use types during 07-28-08-12

研究区7-9月平均植被指数和地表反照率空间分布如图9所示，结合地形和下垫面情况（图1），西部和北部高山地区以裸土为主，植被覆盖较低，对应地表反照率最高达0.365，造成土壤涵水能力不足，即使有降水补充但由于水分散失较快，导致土壤湿度处于较低水平。而对于面积占比较大的林地和草地，EVI指数处于0.15～0.5 之间，植被覆盖相对完整，对应地表反照率较低，虽然植被蒸散消耗水分，但相比裸土直接蒸发更为缓和，土壤湿度能保持较好的水平。

图10 所示为夏季7-9月每16 d 的平均气温和累积降水量以及平均TVDI。整体来看，TVDI与气温正相关变化，与降水呈负相关变化。当气温较低，降水充足的时候［图10（08-13-08-28）］，TVDI下降至最低值，表明土壤含水率较高，较为湿润。而当气温升高，降水减少时［图10（08-29-09-13）］，TVDI上升至最高点，土壤湿度迅速降低。TVDI与气温和降水的相关系数r（皮尔逊线性相关）分别为0.41和-0.67，表明降水对于研究区土壤湿度的影响较气温更为明显。

3 结 论

基于MODIS 地表温度（LST）和增强型植被指数产品（EVI）以及土地利用类型数据等，构建了拉萨地区LST-EVI特征空间和温度植被干旱指数TVDI，验证了TVDI在拉萨地区的适用性，分析了土壤湿度时空格局，进一步探究了土地利用类型、海拔以及气温降水等因素对TVDI的影响，主要结论如下。

（1）TVDI与实测表层土壤体积含水率拟合效果良好，呈显著负相关（r2=0.71，p＜0.05），表明TVDI能较好地反映研究区土壤湿度状况。

（2）不同土地利用类型地表温度与植被指数的关系具有明显的差异性。耕地地表温度随着植被指数增加而显著减小，林地、草地和湿地受海拔影响，地表温度与植被指数呈显著正相关关系。研究区夏季6 期LST-EVI特征空间，其散点图呈三角形状，均能够较好地拟合出干边和湿边（r2基本大于0.4），均通过了显著性水平为0.05的显著性检验。

（3）拉萨地区夏季整体上土壤湿度处于较为良好的水平，并随时间推移呈现逐渐变干的趋势。空间上，大部分地区处于极湿润（0～0.2）和湿润（0.2～0.4）的状态，干旱（0.6～0.8）和极干旱（0.8～1.0）区域主要分布在北部，西南以及中南部分地区，面积占比仅分别为7.06%和0.51%。不同土地利用下土壤湿度随海拔的升高均显著增加（p＜0.05），TVDI基本与气温呈同向变化，与降水呈反向变化，降水对于土壤湿度影响更为明显。

青藏高原地表类型复杂，受地形大气环流等因素影响，植被覆盖水平和垂直分异明显，属于典型高原气候区。区内监测站点稀少，依靠传统方式难以全面动态地掌握土壤湿度变化情况。本文以拉萨作为代表性区域，借助遥感技术反演了研究区土壤湿度，并进一步考虑了其时空格局以及影响因素，以期为地表类型复杂的高寒地区土壤湿度研究提供参考。由于实测数据缺乏等客观原因限制，本研究对研究区表层土壤湿度进行了初步分析，未深入考虑不同深度层土壤湿度变异情况，且对于气候要素的影响分析探讨略浅，植被的动态响应也尚未充分考虑，这是本研究的不足之处，也将是下一阶段的工作重点。□