陕西省土壤湿度时空变化特征及其驱动力分析

王征

(中煤航测遥感集团有限公司,陕西 西安 710018)

0 引 言

土壤湿度(Soil Moisture)是表示土壤干旱程度的重要指标,是陆-气系统水热过程的重要纽带,同时也是植被生长的主要水分来源[1]。目前主要通过两种手段获得土壤湿度信息[2],第一种是田间实测法,即利用野外观测站或者采样点直接测量不同深度的土壤湿度值,该方法虽然可以准确地获得土壤湿度信息,但是获得的基于站点尺度数据,不能够刻画大尺度、大范围内的土壤水分时空变化。第二种是采用遥感数据对土壤湿度信息进行反演,是当前较为常见的方法。通常结合热惯量法、植被指数法等方法反演土壤湿度。马春峰等人[3]以MODIS为数据源,采用热惯量法对黑河流域土壤湿度信息进行估测,但该方法对于日较差数据精度有较高要求,无法满足遥感定量研究的需要。2003年姚春生研究发现[4],土壤水分决定着植被冠层温度,而冠层温度间接决定土壤供水情况,基于此,提出温度植被干旱指数(TVDI)。至此,国内外学者基于TVDI监测土壤湿度开展大量研究。Cao等人[5]利用AVHRR和MODIS数据构建了Ts-NDVI特征空间监测蒙古高原土壤湿度并分析干旱的时空变化特征,研究发现Ts-NDVI特征空间是监测区域干旱的有效方法。Zhang等人[6]利用NOAA/AVHRR数据提取TVDI对2006年夏季四川盆地土壤湿度进行监测,研究发现TVDI是监测区域干旱的有效手段。程梦园等人[7]基于LST和NDVI数据构建Ts-NDVI特征空间对2005—2020年香日德-柴达木河流域的土壤湿度信息进行提取,研究发现Ts-NDVI特征空间反演该流域土壤湿度具有较好的适用性,同时TVDI与海拔表现负相关,而与平均气温表现正相关趋势。康尧等人[8]基于MODIS数据中的NDVI和LST数据构建NDVI-LST特征空间对2000—2019年蒙古高原干旱程度进行监测,研究发现该地区的干旱情况小幅度加重,其增长速率为 0.000 1/a。众多研究表明应用TVDI可以实现土壤湿度的反演,但已有研究在长时序土壤湿度动态监测和驱动因素方面仍然存在不足,理论情况下TVDI特征空间能够达到裸土到全植被覆盖的地表情况,但在实际应用中,研究区域地表覆盖情况难以满足,得到的干湿边实际上只是特征空间内部存在的边,并非理论的干湿边。陕西省是重要的粮食作物产区,而土壤湿度作为农作物生产过程中的核心要素,需要长时序动态土壤湿度观测数据,但是陕西省气象站点分布较少,难以获取土壤湿度信息。

因此,本研究基于2000—2020年NDVI和LST数据构建改进的双抛物线NDVI-LST特征空间,通过对TVDI指数进行计算从而监测陕西省土壤湿度情况,并结合气候因素(降水、气温、日照时数和风速)探讨与其相关关系,以期为陕西省旱情监测提供决策支持。

1 研究区概况

陕西省位于我国西北部地区,地理范围为105°29′～111°15′E,31°42′～39°35′N之间[9],总面积约为2.0×105km2(图1)。陕西省区域内地形地貌丰富多样,地势表现为南北高,中间低,平均海拔约为 1 100 m。

图1 研究区行政区划图

陕西省地处湿润地区和干旱区的交界带,陕南为湿润区,主要有秦岭和大巴山系,海拔高度在200～1 200 m之间,水热条件相对较好,年均气温约为14℃,年降水量达到 800 mm;关中位于中间,属于半湿润区,主要是由渭河干流及两岸支流沉积形成,地势较低,海拔高度仅在300～800 m内,年均气温约为12℃,年降水量达到 600 mm;陕北则为半干旱区,包括榆林和延安地区,海拔高度在900～1 600 m之间,年均气温约为9℃,年降水量约为 500 mm。与此同时,陕西省地处长江流域中上游地区,属于国家生态环境重点建设区域,但是陕西省也是中国水土流失问题较为严重的地区之一,因此,监测区域土壤湿度时空变化对于陆地表面能量平衡具有重要作用[10]。

2 数据与方法

2.1 数据源及预处理

本研究采用的遥感数据为美国航天航空局的MODIS数据产品(https://modis.gsfc.nasa.gov/data/),获取数据为2000—2020年,空间分辨率为 1 km×1 km,时间分辨率为 8 d的MOD11A2的合成产品和 16 d的MOD13A2合成产品。利用MRT软件进行一系列预处理操作,如拼接、投影转换和格式转换等[11],为消除云、雾以及大气气溶胶等外界因素的影响,本研究采用最大值合成法(MVC)计算得到月最大NDVI和月最大值LST,最后采用Python进行裁剪处理。

气象数据采用中国气象数据网(http://data.cma.cn/)2000—2020年陕西省及相邻31个气象站点的逐日气温、降水量、平均风速和日照时数数据,采用MATLAB软件对该数据集进行清洗和异常值处理,对于空缺数据采用双线性内插方法对其进行填补[12],最后采用ANUSPLIN插值方法对其进行空间插值,得到2000—2020年逐年 1 km分辨率的年均气温(Tmean)、总降水量(PRE)、年均平均风速(WIN)和年日照总时数(SSD)数据。

2.2 温度植被干旱指数法(Ts-NDVI特征空间)

研究发现[13],当研究区植被覆盖达到从裸土到全植被覆盖、土壤含水量达到从完全干旱到湿润的条件下,NDVI和地表温度的分布图表现出类四边形形状(如图2所示)。四边形四个顶点分别代表4种极限情况,AD为干边,土壤含水量有效性最小,地表水分蒸发量也较小;BC为湿边,所包含的土壤含水量最大,此时地表蒸散量属于潜在蒸散量。从A到B点,地表土壤水分蒸发急剧增大,从B到C点,植被覆盖度由裸土达到全植被覆盖。

图2 Ts-NDVI特征空间原理

一般来说,当监测区完全达到湿润状态时,地表土壤内的水分也随之偏大,单一时段下特征空间湿边比理论值高;当监测区完全达到干旱状态时,地表土壤内的水分也随之偏小,其特征空间干边比理论值低;为弥补这一问题,本研究采用长时序遥感数据对陕西省土壤湿度进行监测,以此弥补单一时段下Ts-NDVI特征空间的弊端。序列数据越完整,其合成的特征空间就更符合理论特征空间。计算公式如下[14]:

(1)

式中:LST表示像元地表温度;LSTmin和LSTmax分别表示相同NDVI值所对应地表温度的最小值和最大值;TVDI在0～1之间,其值越大表示越干旱。

本研究采用对干湿边方程改进后的特征空间来计算TVDI,其计算公式如下[15]:

LSTmin=a1+b1×NDVI+c1×NDVI2

(2)

LSTmin=a2+b2×NDVI+c2×NDVI2

(3)

其中:a1、b1、c1、a2、b2和c2分别为干湿边方程的系数。

本文将TVDI作为衡量干旱程度的指标,为消除量纲,对NDVI和LST均归一化处理,步长为0.01,编写代码获取同一NDVI下全部单元格对应的LST最大值和最小值,从而确定Ts-NDVI特征空间图,将不同时期特征空间的干湿边进行线性拟合,最终得到逐年TVDI值。

2.3 Theil-Sen Median趋势分析和Mann-Kendall检验

基于Theil-Sen Median趋势分析结合Mann-Kendall趋势检验方法能够分析长时间序列数据,该方法相较于传统的一元线性回归分析方法而言,具有无可比拟的优点,如无数据情况下能够服从特定分布、可抵抗一定程度的数据误差,其计算公式为[16]:

(4)

式中:Median为中值函数;TVDIi、TVDIj分别为该像元在i和j年的TVDI数据。β>0,即TVDI呈上升状态;β=0,即TVDI呈稳定状态;β>0,即TVDI呈下降状态。

Mann-Kendall是一种非参数突变检验方法,它能够判断趋势的显著程度,当n>10时,标准的正态系统变量通过下式计算[17]:

(5)

2.4 Hurst指数

Hurst指数是用于表征长时序变量在未来变化的演变趋势,该方法已在水文、植被、气象等领域得到广泛应用[18]。目前,Hurst指数常使用重标极差(R/S),以此确定陕西省未来的干旱变化情况。有研究发现[6],采用R/S分析法得到的Hurst指数更真实,计算公式为

均值序列:

(6)

累计离差:

(7)

极差:

(8)

标准差:

(9)

根据Hurst指数的H值能够确定陕西省的TVDI时间序列的持续性。Hurst指数主要分为三种情况:当0.5

3 结果分析

3.1 基于TVDI的陕西省干旱与气候因素的时间变化特征

2000—2020年陕西省年均TVDI介于0.48～0.6之间,总体呈现波动下降趋势,其增长速率为-0.002/a(p<0.01),这表明陕西省土壤湿度整体呈现湿润状态。其中,2010年TVDI均值最小,为0.492;2005年TVDI均值最大,为0.585。研究时段可以2010年为界限,划分2000—2010年的由干往湿发展和2010—2020年的由湿往干发展。2000—2010年年均TVDI呈现下降趋势,其增长速率为-0.004/a;而2010—2020年年均TVDI呈现上升趋势,其增长速率为0.002/a。

对于气候因素而言,平均气温、总降水、平均风速和日照总时数总体呈现波动上升的趋势,其增长速率分别为0.004/a、1.732/a、0.005/a和4.527/a(图3)。

图3 TVDI与气温、降水、风速和日照时数的时间变化趋势

3.2 基于TVDI的陕西省干旱空间变化特征

由于陕西省地区气候类型多样,各地区植被覆盖度也存在明显不同,因此年均TVDI值不足以表示干旱空间变化特征。本研究结合Theil-Sen Median趋势分析与Mann-Kendall检验方法进行空间叠加,对陕西省内像元尺度下的旱情趋势进行分析(图4左)。首先对所有像元的年均TVDI值进行趋势分析,获取到趋势值β的空间分布,再利用检验方法得到TVDI变化显著性空间分布,将计算得到趋势值和显著性进行叠加分类,得到陕西省年均TVDI的5种类型变化趋势,如显著改善、轻微改善、基本稳定、轻微退化和严重退化。结果发现,陕西省的干旱变化中,面积占比最大的类型是轻微改善(50.91%),占比最小的类型是严重退化(0.95%),这表明2000—2020年陕西省土壤湿度在空间上往湿润方向发展为主,其中,呈现持续改善的地区主要分布在延安市的吴起县、安塞县、延川县、甘泉县,渭南市的合阳县、蒲城县,宝鸡市的陇县、千阳县,西安市的蓝田县、户县,汉中市的宁强县等地区,主要占陕西省总面积的16.31%。呈现退化趋势的面积占陕西省总面积的18.13%,其中呈现严重退化的面积占比0.95%,主要分布在榆林市的定边县,宝鸡市的太白县等地区。

图4 2000—2020年陕西省TVDI时空变化趋势及未来趋势分析

为揭示陕西省土壤湿度未来变化的持续性特征,本研究进一步将趋势值与Hurst指数进行耦合,得到陕西省年均TVDI的5种类型未来变化趋势,包括持续下降、下降、上升、持续上升、稳定不变(图4右)。陕西省年均TVDI的Hurst指数值为0.441,大于0.5的像元数所占比例为25.70%,小于0.5的像元数所占比例为74.30%。结果表明陕西省大部分地区TVDI未来变化趋势与过去相反。在空间分布上,陕西省有52.37%的区域未来干旱情况有好转趋势。陕北地区植被以低矮灌木为主,生态环境相对较为脆弱,所以干旱的未来趋势无法确定。蒸发量、降水量和CO2浓度等因素都是影响植被生理效应的主要因素,但是这些因素在未来存在较强的不确定性,这就使得未来干旱演变轨迹很难监测。但是本文通过对TVDI的趋势值和Hurst指数进行耦合综合分析,实现了陕西省未来干旱情况的监测。

3.3 陕西省TVDI与气候因素相关性分析

气温、降水、日照时数和风速变化都是影响土壤湿度的重要影响因子,因此,本研究基于陕西省的气象数据进一步结合陕西省TVDI时序数据分析其与降水、气温、日照时数和风速的相关性(图5)。结果发现,陕西省TVDI与总降水之间以负相关关系为主(-0.109),这表面在降水量增加的同时,TVDI值变小,土壤湿度呈现增加趋势。根据相关系数可看出,负相关占陕西省总面积的70.86%,主要分布在榆林市的横山县、神木县、佳县、米脂县,汉中市的城固县、宁强县等地区,降水是土壤水分的重要补给,能够缓解干旱的加重,当降水量逐渐减少时,土壤中的水分含量也在逐渐减少,特别是浅层土壤。正相关占陕西省总面积的29.14%,主要分布在咸阳市的乾县、彬县、永寿县、礼泉县,渭南市的白水县等地区,随着降水量的增加,植被蒸腾作用导致植物需水量大幅度增加,也间接性导致这些地区土壤水分消耗加快,使得TVDI与降水出现了正相关关系。

图5 2000—2020年陕西省TVDI与降水、气温、风速和日照时数之间的空间相关性

陕西省TVDI与平均气温主要呈正相关(0.003),这表明当气温升高时,TVDI值变大,则土壤湿度逐渐降低。根据相关系数结果可知,正相关占陕西省总面积的50.85%,主要分布在榆林市的子洲县、横山县、定边县,延安市的甘泉县、安塞县、子长县、延长县,渭南市的大荔县、澄城县等地区,当温度高于植被适宜值时,植被叶面蒸腾作用以及土壤水分蒸散量加快,使得该地区具有干旱化趋势。负相关占陕西省总面积的49.15%,主要分布在汉中市的佛坪县,西安市的周至县、户县等地区,适宜的温度使得地表土壤水分不易于蒸发,植被锁水能力增强,使得该地区愈发湿润。

陕西省TVDI与平均风速之间主要呈正相关(0.006),这表明当风速增加时,TVDI值变大,则土壤湿度逐渐降低。根据相关系数结果可知,正相关占陕西省总面积的52.92%,主要分布于榆林市的子洲县、神木县、定边县,延安市的甘泉县、延长县、子长县,渭南市的大荔县、澄城县等地区。大风会带走土壤中的水分,使得该地区具有干旱化趋势。负相关占陕西省总面积的47.08%,主要分布于汉中市佛坪县,西安市户县等地区,适当的风速不仅带来植被生长所需要的二氧化碳,而且加快了植被叶面蒸腾促进了植物根部吸收土壤水分。

陕西省TVDI与日照总时数主要呈正相关(0.118),这说明随着日照时数的增加,TVDI值变大,则土壤湿度逐渐降低。根据相关系数结果可知,正相关占陕西省总面积的71.58%,主要分布于榆林市的横山县、定边县、子洲县,延安市和渭南市的大部分地区。随着日照时间的增长,加快土壤水分的增加,再加之这些地区本身干旱缺水。负相关占陕西省总面积的28.42%,主要分布于汉中市的佛坪县,西安市的户县等地区,适宜的日照可以促进植被光合作用,有利于植被的生长,植被锁水能力增强,使得该地区愈发湿润。

4 结 论

(1)从时间演变特征上分析1,陕西省21年的年均TVDI在0.48～0.6波动,增速为-0.002/a(p<0.01),整体呈现波动下降趋势;由Theil-Sen Median趋势分析与Mann-Kendall检验叠加分析表明,空间上陕西省主要以轻微改善为主,说明土壤湿度在空间上往湿润方向发展为主。

(2)在未来演变特征上,陕西省年均TVDI表现出较强的反向持续性,其中Hurst指数小于0.5的地区占74.30%,表明陕西省大部分地区TVDI具有相反的变化趋势。通过采用Theil-Sen Median趋势分析与Hurst指数结果叠加分析表明,陕西省大部分地区未来干旱情况总体呈现好转趋势。

(3)从TVDI与气候因素相关性分析结果来看,TVDI与降水呈负相关,与气温、风速和日照时数呈正相关,并且TVDI与降水、气温、风速的相关系数分别为-0.109、0.003、0.006和0.118。