基于TVDI的河南省遥感土壤墒情反演研究

李艳

摘 要：【目的】精准高效地监测土壤墒情是现代化农业发展的重要环节。【方法】以我国农业大省河南省为研究区，基于MODIS遥感数据，提取归一化植被指数（NDVI）和增强型植被指数（EVI）分别与地表温度和地表温差建立温度-植被指数特征空间和温差-植被指数特征空间。通过研究区土壤水分站点的数据，讨论分别由Ts-NDVI、Ts-EVI、DT-NDVI和DT-EVI特征空间计算得到的温度植被干旱指数（TVDI）与土壤墒情站点的数据的相关性，以此验证基于MODIS数据的TVDI反演大区域土壤墒情的能力。【结果】Ts-EVI特征空间构建的TVDI与实测土壤墒情具有较稳定的相关性。【结论】TVDI不仅能够反映土壤表层的干湿状况；还能有效的反映土壤湿度的时空差异，是一种有效的实时监测土壤干湿状况的手段。

关键词：土壤墒情；反演；遥感数据；温度植被干旱指数

中图分类号：TV93；S127                 文献标志码：A               文章編号：1003-5168（2023）06-0099-06

DOI：10.19968/j.cnki.hnkj.1003-5168.2023.06.020

Remote Sensing Retrieval for Soil Moisture in Henan Province Based on TVDI

LI Yan

（School of Environmental Science & Engineering， Xiamen University Tan Kah Kee College， Zhangzhou 363000， China）

Abstract： [Purposes] Accurate and efficient retrieval of soil moisture is an important link in the development of modern agriculture. [Methods] In this paper， Henan Province is taken as the study area. Based on MODIS remote sensing data， the normalized vegetation index （NDVI） and enhanced vegetation index （EVI） extracted from MODIS remote sensing data are respectively used to establish the surface temperature-vegetation index space and the temperature difference -vegetation index space. Through the data of soil moisture stations in the study area， the correlation between the temperature vegetation dryness index （TVDI） calculated from the Ts-NDVI、Ts-EVI、DT-NDVI and DT-EVI characteristic spaces and the data of soil moisture stations is discussed， so as to verify the ability of TVDI based on MODIS data to retrieve soil moisture in large regions. [Findings] The results showed that the TVDI constructed by Ts-EVI feature space has a stable correlation with the measured soil moisture. [Conclusions] TVDI could not only reflect the dry and wet condition of soil surface; It can also effectively reflect the temporal and spatial differences of soil moisture， and is an effective means of real-time monitoring of soil moisture status.

Keywords： soil moisture; inversion; remote sensing data; TVDI

0 引言

土壤墒情影响着农作物的生长状况，依据精准的土壤墒情可以准确制定作物生长灌溉用水计划，有助于现代化农业的发展［1］。相对于土壤墒情传统的基于测站的点监测，遥感技术具有监测范围广，时效性强，高效，费用低廉等特点［2-3］。光学遥感是目前发展最为成熟的一种遥感手段，植被指数和地表温度是描述土壤墒情的重要参数，在光学遥感中应用广泛［4-5］。研究表明［6-8］，地表温度和植被指数构成的特征空间呈现一定的规则形状。Sandholt等［9］利用三角形的Ts-NDVI特征空间提出了温度植被干旱指数（TVDI），该指数仅需使用遥感数据就可以进行大范围的土壤墒情反演，而不需要其他的辅助数据，受到广泛关注。Holzman等［10］利用MODIS数据，构建Ts-EVI特征空间来获取TVDI，并估算了阿根廷潘帕斯州的四个农业气候区的土壤墒情及农作物产量，结果表明，TVDI与土壤墒情有很强的相关性。Liang等［11］利用MODIS数据建立了2001—2010年中国TVDI数据集，并分析了中国干旱的变化趋势。

河南省是我国农业大省，干旱是对农业影响最为严重的灾害之一。本研究以河南省为研究区，首先采用MODIS遥感数据源提取NDVI和EVI两种植被指数和地表温度（白天和黑夜），然后分别建立地表温度与植被指数（Ts-NDVI，Ts-EVI）特征空间，地表昼夜温差（DT）与植被指数（DT-NDVI，DT-EVI）特征空间，通过这些特征空间建立温度植被干旱指数（TVDI），为研究区土壤墒情反演和干旱监测提供科学的理论依据。

1 研究区及数据

1.1 研究区

河南省（41°23'-36°22'N，110°21'-116°39'E）位于我国中部，东接安徽、山东，北界河北、山西，西连陕西，南临湖北，总面积16.7万km2。河南省大部分地处暖温带，南部跨亚热带，属于北亚热带向暖温带过渡的大陆性季风气候。全省由南向北年平均气温为10.5～16.7 ℃，年均降水量407.7～1 295.8 mm，降雨以6—8月份最多，年均日照1 285.7～2 292.9 h，全年无霜期201～285天（https：//www.henan.gov.cn/）。這种气候特征，是河南省多年农业干旱的重要因素之一，本研究以河南省为研究区域，反演河南省2016年小麦种植区域的土壤墒情。小麦种植空间分布图及实测站点如图1所示。

1.2 数据

1.2.1 遥感数据。MODIS（Moderate-resolution Imaging Spectroradiometer）是Terra和Aqua卫星上搭载的主要传感器之一，两颗星相互配合，每1—2天可重复观测整个地球表面，得到36个波段的观测数据。MODIS的波段相对较窄，减少了水汽吸收对相关波段的影响（如近红外波段），而红外波段对叶绿素更加敏感。尽管MODIS产品数据集的时间分辨率可以达到日，考虑到云覆盖对地表温度及植被指数的影响较大，本研究用到的MODIS数据产品有MOD09A1、MOD11A2和MOD12Q1，均为合成产品。

针对MODIS的hdf数据，使用NASA提供的MRT（MODIS Reprojection Tool）工具对数据进行重采样、镶嵌、重投影、掩模、裁剪等预处理，为使地表反射率产品与地表温度产品的空间分辨率保持一致，重采样至500 m分辨率；最后结合多时相的遥感图作麦田的掩膜，过滤非小麦种植区像元。

1.2.2 地表数据。实测数据来自河南省气象局土壤含水量观察站点的实测数据。图1中圆点代表河南省麦田土壤含水量地面观测站点。该站点每天从地面观测站点收集土壤含水量。本研究使用与MODIS传感器天合成日期相近的实测地表土壤含水量参与建模和验证模型。

2 研究方法

Lambin等［12］从蒸腾、蒸发及植被覆盖度的角度对地表和植被指数组成的特征空间做出解释，即在地表温度和植被指数组成的特征空间中，一般散点分布为梯形或三角形，如图2（a）所示。

Sandholt等［9］根据Ts-NDVI特征空间提出了温度植被干旱指数（TVDI），表达式为式（1）。

其中，

式中：Ts为遥感影像获取的地表温度，K；Tsmin为归一化植被指数对应的地表温度的最小值，对应Ts-NDVI特征空间的湿边；amin为归一化植被指数对应的地表温度的最大值，对应Ts-NDVI特征空间的干边amin和bmin为湿边方程的拟合系数；amax和bmax为干边方程的拟合系数，NDVI为归一化植被指数。

在Ts-NDVI特征空间中，土壤墒情等值线相交于干边和湿边的交点，则该直线斜率与土壤墒情之间呈线性关系如图2（b）所示，Q点的土壤墒情表达式为式（4）。

式中：RSM为土壤相对湿度；h/H为TVDI的斜率；a，b为参数，通过线性回归可得。

像元到干、湿边的距离和干、湿边的土壤相对湿度为式（15）。

则土壤墒情可以表达为式（16）。

由式（6）可知，温度植被干旱指数简化了Ts-NDVI特征空间，采用遥感数据即可进行土壤墒情的反演及监测。

3 结果与分析

3.1 植被指数与地表温度/昼夜温差特征空间的关系

通过对2016年3月至5月的3期MODIS产品进行处理，得到植被指数NDVI和EVI，地表温度Ts和地表昼夜温差DT；然后分别采用Ts-NDVI、Ts-EVI、DT-NDVI和DT-EVI拟合的特征空间干、湿边方程如表1。

由表1可知，特征空间的干边斜率为负，说明最大温度随着植被指数的增加而减小；湿边（绝大部分）斜率为正，说明最小温度随着植被指数的增加而增加。从拟合效果来看，干边的拟合效果很好，而湿边的拟合结果不太理想， 3月13日冬小麦处于起身期—拔节期，拟合效果最好的特征空间为DT-EVI；4月14日冬小麦处于拔节期—孕穗期，拟合效果最好的特征空间为Ts-EVI；5月24日冬小麦处于乳熟期，拟合效果最好的特征空间为Ts-EVI。因此，基于EVI拟合的特征空间较为稳定。这是因为小麦进入起身期后生长迅速，植被覆盖变化较大，EVI能够有效去除土壤背景的影响，在高植被覆盖区具有较高的敏感性；也说明在特征空间中，植被覆盖的变化使像元在特征空间位置的变化提高了TVDI的敏感性。此外，基于昼夜温差构成的特征空间表现并不稳定，DT-EVI特征空间效果比DT-NDVI略好，再次说明了EVI能够很好地体现植被覆盖情况。

3.2 土壤墒情反演结果与分析

根据TVDI的计算方程和表1各个时期的干、湿边方程计算4种特征空间的TVDI值，根据河南省气象局土壤含水量300个观察站点的同期实测地表含水量数据，随机选择230个样本对应不同的TVDI值进行线性拟合，剩下的70个样本作为检验样本，以TVDIs估算值为横坐标，实测土壤含水量为纵坐标，如图3、图4、图5所示。

從图3、图4、图5不同时期土壤墒情与TVDI的相关性分析可知，TVDIs值与表层土壤墒情均呈现负相关性。即TVDIs值越大，土壤含水量越少，土壤表面越干旱。在小麦的不同生长期，Ts-EVI特征空间构建的TVDI与实测土壤墒情具有较稳定的相关性，决定系数R2分别为0.773（2016年3月13日），0.6347（2016年4月14日）和0.7261（2016年5月24日）。由于Ts-EVI特征空间构建的TVDI反演土壤墒情效果比其他三种特征空间构建的TVDIs相对较好，因此选择Ts-EVI特征空间构建的TVDI反演研究区麦田表层土壤墒情，反演结果如图6所示。

4 结语

本研究利用MODIS遥感影像提取研究区的两种植被指数NDVI和EVI，地表温度参数LST和地表昼夜温差DT，计算4种TVDIs（Ts-NDVI、Ts-EVI、DT-NDVI和DT-EVI）的特征空间，从而建立遥感反演表层土壤墒情的关系模型。并利用实测土壤墒情对反演模型进行验证。研究结果表明：

①建立研究区不同时期的4种TVDIs空间散点图呈现三角形/梯形，同一时期的TVDIs散点图形状相似，应用ENVI5.3软件的TVDI功能模块得到特征空间散点图的干边和湿边，再应用Excel软件去掉裸土像元，方法简单实用，特征空间的干边拟合效果明显好于湿边。

②土壤墒情与4种TVDIs之间均表现为负相关的线性关系，即TVDI值越小，土壤含水量越高，土壤较为湿润；TVDI值越小，土壤含水量越低，土壤较为干旱。由Ts-EVI构建的TVDI与研究区实测表层土壤墒情的相关性最为稳定，精度也最高。

参考文献：

［1］MIRALLES D G，TEULING A J，VAN-HEERWAAR-

DEN C C，et al. Mega－heatwave temperatures due to combined soil desiccation and atmospheric heat accumulation［J］. Nature Geoscience，2014，7（5）：345-349.

［2］PETROPOULOS G P，IRELAND G，BARRETT B. Surface soil moisture retrievals from remote sensing： Current status，products & future trends［J］. Physics and Chemistry of the Earth，Parts A/B/C，2015，83-84：36-56.

［3］徐沛，张超.土壤水分遥感反演研究进展［J］.林业资源管理，2015（4）：151-156.

［4］李玉清.基于landsat8遥感数据在地表土壤水分反演中的初步应用［J］.华北自然资源，2021（5）：79-80.

［5］郑小坡，孙越君，秦其明，等.基于可见光—短波红外波谱反射率的裸土土壤含水量反演建模［J］.光谱学与光谱分析，2015，35（8）：2113-2118.

［6］PRICE J C. Using spatial context in satellite data to infer regional scale evapotranspiration［J］. IEEE Transaction on Geoscience and Remote Sensing，1990，28（5）：940-948.

［7］MORAN M S，RAHMAN A F，WASHBURNE J C，et al.Combining the Penman-Monteith equation with measurements of surface temperature and reflectance to estimate evaporation rates of semiarid grassland［J］.Agricultural and Forest Meteorology，1996，80（2/3/4）：87-109.

［8］王文，王晓刚，黄对，等.应用地表温度与植被指数梯形空间关系估算陆面蒸散量［J］.农业工程学报，2013（12）：109-117.

［9］SANDHOLT I，RASMUSSEN K，ANDERSEN J. A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status［J］.Remote Sensing of Environment，2002，79（2）：213-224.

［10］HOLZMAN M E，RIVAS R，PICCOLO M C.Estimating soil moisture and the relationship with crop yield using surface temperature and vegetation index［J］.International Journal of Applied Earth Observation and Geoinformation，2014，28：181-192.

［11］LIANG L，ZHAO S H，QIN Z H，et al.Drought change trend using MODIS TVDI and its relationship with climate factors in China from 2001 to 2010［J］. Journal of Integrative Agriculture，2014，13（9）：1501-1508.

［12］LAMBIN E F，EHRLICH D. The surface temperat-

ure-vegetation index space for land cover and land-cover change analysis［J］.International Journal of Remote Sensing，1996，17（3）：463-487．