基于TVDI的天山新疆段土壤湿度时空分布及影响因素分析

迪里胡玛尔·阿汗木江，玉素甫江·如素力,2，3，亚夏尔·艾斯克尔

(1.新疆师范大学 地理科学与旅游学院，乌鲁木齐 830054；2.新疆师范大学 流域信息集成与生态安全实验室，乌鲁木齐 830054；3.新疆干旱区湖泊环境与资源重点实验室，乌鲁木齐 830054)

土壤湿度是气候、水文、生态、农业以及旱情检测等领域的主要参数[1]，是地表能量平衡和水循环系统的重要影响因素[2-4]。利用遥感手段可以快速、大面积、实时对土壤湿度进行监测，特别在复杂的地理环境，对一些常规资料较少的地区，具有多时相、多空间特点的遥感资料极大地丰富了土壤湿度研究，更具有实际应用价值[5-6]。

国内外学者针对不同数据源对土壤湿度遥感反演做了大量研究。土壤湿度遥感监测方法主要有温度-植被干旱指数法[7]、热惯量法[8]、微波遥感法[9]、热红外遥感法[10]等，其中TVDI(temperature vegetation dryness index)方法是目前可见光和热红外波段遥感监测土壤湿度理论相对成熟，应用比较广泛的方法之一[11]。国外利用遥感技术进行土壤湿度的计算开始于20世纪60年代，Sandhold等[12]对不同传感器所获取的遥感影像的地表温度(Ts(temperature sensitive))和归一化植被指数(normalized difference vegetation index,NDVI)数据进行提取并对二者的关系模型进行了改进和简化，提出温度植被干旱指数(TVDI)的概念，用此来描述大面积连续范围内的土壤干旱情况；国内开展土壤湿度的遥感研究开始于20世纪80年代中期，魏国栓等[13]利用MODIS(moderate-resolution imaging spectroradio meter)(LST(land surface temperature)、NDVI)数据构建LST-NDVI特征空间，反演了仪征地区不同季节40 cm土壤相对湿度，并取得良好结果；宋春桥等[14]通过TVDI指数的构建，结合土壤实测数据证明了TVDI指数干旱监测在藏北高原的可行性；本研究认为TVDI方法能较好地适用于反演天山新疆段土壤湿度状况；因此，本研究依据TVDI方法来揭示天山新疆段土壤湿度时空变化特征以及引起土壤湿度变化的关键影响因素，从而为天山新疆段生态保护提出相应的政策建议，促进研究区水资源的合理分配和高效利用。

天山新疆段地势复杂、站点稀疏、分布不均匀，属于温带大陆性气候，冬季漫长而严寒，夏季短而炎热。目前,在有关天山新疆段所开展的分析中,多基于水文[15]、积雪[16]、地表温度[17]以及绿洲生态评估[18]等方面，有关土壤湿度时空分布变化特征的分析并不常见。基于此，如何应用先进遥感技术对该区域土壤湿度进行监测具有十分重要的理论意义以及应用前景。文中采用2020年4月至10月天山新疆段的MODIS地表温度(Ts)和归一化植被指数(NDVI)数据，构建Ts-NVDI特征空间,利用TVDI模型反演研究区土壤湿度状况，同时结合(0～10 cm)土壤相对数据进行精度验证，进一步探讨天山新疆段时空分布状况和土壤湿度与土地利用、地形的关系。通过土壤湿度的研究，可以更好地了解天山新疆段土壤水资源方面的问题，为更有效地改善水资源保护以及绿洲生态环境质量方面的研究提供科学依据。

1 研究区概况

天山是亚洲巨大山系之一，地处欧亚大陆中部，属于温带大陆性干旱气候，平均海拔为4 000 m。研究区范围为39.46°～44.64°N,76.55°～91.69°E，面积约为362 702 km2。天山东西横跨中国、哈萨克斯坦、吉尔吉斯坦和乌兹别克斯坦4国，全长约2 500 km，呈东西走向，约占新疆全区面积1/3。中国境内的天山山脉将新疆分割为南北两大部分：南边是塔里木盆地，北边是准噶尔盆地[19]。由于天山平均海拔较高,拦截了到达新疆上空的大西洋和北冰洋等湿润的大气环流，又由于天山中段由一系列山脉、山间盆地、谷地及山前平原等地貌单元组成，因此造成不同区域气温存在很大的差异，山区降水量丰富，孕育了众多河流和湖泊，全疆65%的河流源于此[20]，是天山南北水资源的主要来源。文中研究区如图1所示。

图1 研究区概况

2 数据来源与研究方法

2.1 数据来源

2.1.1 遥感数据

本研究主要选用2020年4月至10月的MODIS遥感数据，遥感数据均来自NASA数据中心(https://ladsweb.modaps.eosdis.nasa.gov/)，包括植被指数产品(MOD13A2)和地表温度产品(MOD11A2)，植被指数产品每期为16 d合成，空间分辨率为250 km，地表温度产品每期为8 d合成，空间分辨率为500 km，进行图像剪裁、几何校正，并经重采样后分辨率为地表温度与植被指数产品空间分辨率一致。

研究区2020年的土地利用分类数据由中国科学院资源环境科学数据中心(http://www.resdc.cn)提供，解释精度达到90%以上，该系列数据将土地利用类型划分一级分类和二级分类。本研究根据分类标准、含义、焉耆盆地土地利用类型特点以及研究需要将其重新分为9类。

2.1.2 气象数据

文中所用2020年10月的土壤湿度精度验证数据来自中国气象数据网(http://data.cma.cn/)“中国气象局陆面数据同化系统(CLDAS(clinical laboratory data acquisition system))土壤相对湿度分析产品V2.0”。土层深度为0～10 cm、0～20 cm；空间分辨率为0.062 5°×0.062 5°。

2.2 研究方法

温度植被干旱指数(TVDI)是通过Ts-NDVI特征空间进行获取的水分胁迫指数,该方法能够用来对地表土壤湿度进行估测。对于TVDI来说,其建立依据了NDVI以及地表温度,在一个区域中,地表裸露,土壤湿度较低,而植被茂盛,则湿度较高。Sandholt等人进行有关土壤湿度的分析得出[12],在Ts-NDVI的特征空间中等直线较多,因而对温度植被干旱指数(TVDI)这一概念进行了提出，如图2所示,其算式为:

图2 Ts-NDVI 特征空间

(1)

式中:地表温度用TS表示;最小、最大地表温度对应为TSmin以及TSmax。分别对应湿边方程以及干边方程,算式为:

TSmax=a+b×NDVI，

(2)

TSmin=c+d×NDVI.

(3)

式中:a，b，c，d是干边湿边方程的系数。TVDI作为土壤湿度分级标准，将土壤湿度分为5个层次，如表1所示。

表1 TVDI土壤湿度分级标准

3 分析与结果

3.1 Ts-NDVI特征空间及干湿边方程

经过数据预处理，天山新疆段的植被指数、相应的最大、最小地表温度,对应为TSmax以及TSmin,横坐标代表植被指数,地表温度值为纵坐标,获取2020年4月至10月的每16 d的Ts-NDVI特征空间，NDVI<0的区域主要为水体、云或雪，可认为土壤湿度为100%，故分析时仅考虑NDVI>0的像元，并拟合出多个时相的干湿边方程，散点主要集中于所在区域，以保证所计算的TVDI的适宜性及精确性，如图3所示。

根据图3,在Ts-NDVI特征空间中的干边和湿边均为三角形。在植被指数高于0的情况下,植被的指数越大,地表温度最大值变小,最小值变大,以上三者为近似线性关系。从时间上看，从4月至10月，特征空间的干边和湿边形状都发生了变化，随着植被指数的增大，研究区地表温度的最大值呈先增大后减小趋势，地表温度的最小值呈缓慢增大趋势。

图3 Ts-NDVI特征空间

通过拟合得到各时相的干、湿边方程，如表2所示。其中干边的斜率均小于0，大多数湿边斜率大于0，这也间接反映了地表温度随着NDVI值变化的趋势情况。表2中干边方程的比例系数的绝对值均大于湿边方程的比例系数的绝对值，说明对天山中段而言，干边所拟合的地表温度对植被指数的变化更加敏感。干边湿边的拟合效果总体较好，干边R2的均值大于0.72，湿边的R2的均值大于0.40。

表2 干边和湿边拟合方程

3.2 精度验证

随机提取中国气象局陆面数据同化系统( CLDAS )土壤相对湿度分析产品V2.0提供的研究区相应日期的 0～10 cm 、0～20 cm土壤相对湿度(relative soil moisture,RSM)数据，提取 193个点，分别建立了TVDI与0～10 cm土壤相对湿度数据的线性回归模型，并计算了相关系数，如图4所示。根据回归结果，TVDI与0～10 cm土壤相对湿度回归分析的决定系数R2=0.257 9，相关系数R=0.507 8；0～20 cm土壤相对湿度回归分析的决定系数R2=0.282 8,相关系数R=0.531 7。采用0～10 cm的土壤相对湿度数据对TVDI进行评价时，他们之间的相关性普遍较低，其主要原因是土壤相对湿度数据与MODIS数据之间的空间分辨率较大，无法实现精确对应验证，难免会出现决定系数较低的情况[21-22]。结果表明，TVDI与土壤相对湿度数据相关性随着TVDI值的上升，土壤湿度呈现出下降趋势，TVDI值与土壤湿度呈现出负相关关系，TVDI值越高，土壤湿度值越低。

图4 TVDI与0～10 cm、0～20 cm土壤湿度的拟合

3.3 天山新疆段土壤湿度时空分布特征

3.3.1 天山新疆段土壤湿度时间分布特征

天山新疆段植被生长季土壤湿度总体表现为干旱(0.6

表3 不同时期土壤湿度面积统计

图5为2020年4月至10月月份TVDI变化，从整个天山新疆段月变化来看，其2020年各月变化趋势呈现出先降后升，TVDI值在4月份最低0.502，10月份最高0.611，5月、6月、9月的变化基本相似，总体上波动趋势并不明显，说明4月至10月的月变化相对较稳定。

图5 天山中段土壤湿度不同月份变化

3.3.2 天山新疆段土壤湿度空间分布特征

利用NDVI和Ts计算的TVDI，并绘制土壤湿度等级，分析天山新疆段的土壤湿度空间分布状况。以TVDI为土壤湿度分类标准，将土壤湿度可分为5个层次：极干旱(0.8正常>湿润>极湿润。湖盆地区,由湖面向四周土壤湿度逐渐降低,表现为由湿润到干旱。在天山新疆段的中部，土壤湿度较为稳定，而在天山新疆段的边缘地区绿洲与荒漠的交错地带，土壤湿度变化剧烈，呈现明显的差异性。

图6 天山中段土壤湿度空间分布特征

图7 平均TVDI空间分布特征

3.4 天山新疆段土壤湿度的影响因素分析

3.4.1 高程与TVDI之间的变化特征

天山新疆段特殊的自然地理环境，是我国巨大的山堤，地形地貌过程主要从山顶到山麓依次而形成。海拔最低为-170 m，海拔最高为6 998 m，相差7 168 m。结合TVDI均值时空分布图，如图7所示，可以发现在天山新疆段内，TVDI与高程呈现出负相关，大致高程高的区域TVDI值小，土壤湿度高。从高程与TVDI的关系可以看出，如图8所示，TVDI介于0.6

图8 不同高程等级的TVDI值

3.4.2 土地类型与TVDI之间的变化特征

地表温度与归一化植被指数构建的特征空间受到很多种因素的影响，其中一个重要的因素是土地利用类型。利用2020年天山中段土地利用类型数据，文中提取了耕地、林地、草地、水体、永久性冰川雪地、沙地、裸岩、盐碱地、建设用地等9种不同类型。从图9中可以看出，除了有水体外的永久性冰川雪地的TVDI值最低，土壤湿度值最高，其次耕地、林地、草地属于正常状态；沙地、盐碱地、裸岩、建设用地的TVDI值高，土壤湿度处于干旱状态。

图9 不同土地类型的TVDI值

4 结束语

4.1 讨 论

本研究在前人研究基础上以MODIS为数据源，利用TVDI模型对天山新疆段进行土壤湿度动态监测，结合土壤相对湿度数据对监测结果进行精度验证，利用土地利用类型和高程数据与该指标的关系，研究结果表明以TVDI模型反演监测区域土壤湿度是切实可行的，这与已有相关研究结果一致[23-25]。采用0～10 cm、10～20 cm土壤相对湿度数据对TVDI进行验证时，它们之间R2普遍较低，主要原因是利用的MODIS数据反演的TVDI和土壤相对湿度数据空间分辨率不一致，其次土壤相对湿度数据本身存在10%的偏差，所以难免出现R2较低情况。本研究主要利用NVDI指数来反演土壤湿度，由于NDVI在低值区易受到土壤背景因素的影响，在高值区对高覆盖植被反应不敏感，故导致TVDI的计算存在一定的误差[26],今后可以考虑利用EVI，MSAVI，SAVI等指数代替NDVI来构建特征空间。此外，本研究仅对2020年4月至10月的土壤湿度进行反演，因此今后应采用空间分辨率更高的遥感数据，并加强长时间序列的研究，另外文中分析了两种因素与土壤湿度的关系，今后应进一步探讨降水量、气温、地表温度等多种因素与土壤湿度的相关关系，由于需要气象数据来进行精度验证，今后应加强其他类型土壤湿度数据与野外采样数据结合及精度验证，并进行更大范围的深入分析。

4.2 结 论

利用MOD11A2和MOD13A2数据反演TVDI，结合气象数据，分析了研究区时空分布特征及地形、土地利用类型对其的影响，主要结论如下：

1)在归一化植被指数和地表温度构建的特征空间中最高地表温度和最低地表温度最终趋于一点,散点图为三角形；从Ts-NDVI空间构建的干边、湿边方程拟合具有较好的拟合效果,干边R2的均值大于0.72，湿边的R2的均值大于0.40。

2)反演出的TVDI与土壤相对湿度数据回归分析后得到决定系数R2，TVDI与0～10 cm土层相关性为R2=0.257 9、TVDI与0～20 cm土层相关性为R2=0.282 8。土壤相对湿度数据与TVDI呈现出负相关关系，TVDI越高，土壤湿度越低，NDVI指数能够较好的反演天山新疆段土壤湿度。

3)天山新疆段植被生长季土壤湿度总体表现为干旱(0.6

4)土地利用类型和高程是影响土壤湿度空间变化的重要因素，不同植被覆盖类型的土壤湿度具有较大差异，对于该地区，除了有水体地区外永久性冰川雪地的土壤湿度最高；TVDI与高程呈现出负相关关系，随海拔高度的增高，TVDI降低，土壤湿度增高。