基于MODIS数据的干旱遥感监测研究

四川省环境监测中心站 杜 明 赵 鹏

(作者：杜明 四川省环境监测中心站；赵鹏 四川省环境监测中心站)

1. 引言

干旱是指由水分收支或供求不平衡所形成的水分短缺现象。由于出现频率高、持续时间长和波及范围大等特点，干旱对国民经济特别是对农业生产带来严重影响。它不仅直接导致农业减产、食物短缺，而且可能造成土地资源退化、水资源耗竭，使生态环境受到破坏，从而制约可持续发展。因此，预防和减轻旱灾成为当今世界的重要课题之一[1]。

2003年夏季，中国南方地区遭受了一场历史罕见的大范围高温干旱袭击，江南、华南出现了持续高温干旱天气。处在南方高温区的江西，也遭受了1场新中国成立以来严重的夏季高温和干旱危害[2]。江西省地处中国东南部，位于北纬 24°29'14"～ 30° 04'41"、东经 113° 34'36"～118°28'58"之间。研究区地形以山地和丘陵为主，平均海拔是1000m。气候温和，雨量丰沛，森林覆盖率高。耕地面积约为230万hm2，主要分布于中北部。江西省年平均气温18℃左右。年均降水量1341～1940mm，一般表现为南多北少、东多西少、山区多盆地少。武夷山、怀玉山和九岭山一带年均降水量多达1800～2000mm，长江沿岸到鄱阳湖以北以及吉泰盆地年均降水量则约为1350～1400mm，其他地区多在1500～1700mm之间。年均日照时数为 1473．3～ 2077．5h。旱灾是对江西省国民经济尤其是对农业危害最大的气象灾害。2003年夏季（6月底～9月初）江西省受强盛副高控制，出现了历史少见的高温少雨干旱天气。长时间大范围的持续干旱使水库蓄水量、江河水位急剧下降， 造成全省用水紧张、山区、发生了饮水困难；干旱还使水田干涸农作物遭受很大危害。

传统的农业干旱监测方法主要利用地面观测点的降水量、土壤墒情和其他气象资料间接判断旱情，在数据获取、数据代表性、费用以及方法的适应性上存在诸多的不足[3]。随着遥感技术的发展和遥感知识的普及，遥感监测干旱成为一种趋势。它不仅可以弥补传统监测方法在操作和运用上的不足，而且实现了对农业旱情进行较大范围实时或者近实时的监测，能较好地反映出灾情的空间分布情况。本文基于江西省2001年～2006年的NDVI指数，对干旱情况进行遥感监测。因此寻找合适的干旱监测方法对于及时了解旱情程度和分布，为政府抗旱救灾决策提供科学依据，对防御、减轻干旱灾害均具有重要的现实意义。

2. 数据来源与处理方法

2．1 数据来源

NDVI数据来自美国NASA的EOS／MODIS的2001～2006年的MOD13A3数据产品。MOD13A3是月平均植被指数产品，包含NDV I、EV I、红光、近红外、中红外、蓝光等波段反射率以及其它辅助信息，空间分辨率为1000m。MODIS数据有三大优点：第一，可以免费下载：第二，涉及波段范围广，空间分辨率比NOAA/AVHRR有较大进展；第三，重访周期短。

本文选择江西省 2003 年 7，8，9月份的MOD13A3产品数据，因为2003年江西省发生了历史罕见的特大干旱，2003年6月末开始到9月上旬，受强盛副高控制，江西省出现了历史少有的高温少雨干旱天气。持续的酷热高温致使我省多项气温、干早指标突破历史记录。

江西省行政区划图来自于国家基础地理信息系统数据库，气象数据来自中国气象数据共享服务网。

2．2 植被指数的计算公式

2．2．1 归一化植被指数（NDVI）

NDVI是遥感应用领域用来定性和定量评价植被覆盖及其生长活力最常用的植被指数。MODIS的植被指数是在AVHRR植被指数的基础上改进设计的，并具有较高的空间分辨率，可反映详细的地表植被信息[4]。NDVI计算公式如下：

其中：ρnir为近红外波段反射率，ρred为红外波段反射率。

NDVI是植被生长状态及植被覆盖度的最佳指示因子，它可以使某些与波段正相关的噪声及直射辐射或漫射辐射发生变化，云、云影、太阳高度角和卫星观测角、地形、大气削弱等的影响最小化，还可以在一定程度上消除定标和仪器误差的影响。对于陆地表面主要覆盖而言，云、水、雪在可见光波段比近红外波段有较高的反射作用，因而其NDVI值为负值，岩石、裸土在两波段有相似的反射作用，其NDVI值接近于零，而植被覆盖区的NDVI为正值且随植被覆盖度的增大而增大。NDVI对植被盖度的检测幅度较宽，有较好的时相和空间适应性，应用较广[5]。它不仅适用于定性和定量地评价植被覆盖、生长活力及生物量等植物状态信息，也适合于进行农业干旱的监测。

2．2．2 植被状态指数（VCI）

本文选用VCI作为研究江西省干旱的植被指数。

其中：NDVI，NDVImax，NDVImin分别为月的归一化差值植被指数、月植被指数多年的最大值和最小值。

VCI的取值范围是0-100。前人研究表明，若VCI≤30，则植被生长状况较差；若30＜VCI≤70，则植被生长状况适中；若VCI大于70，则植被生长状况良好，无干旱发生。VCI数值越低，植被生长状况越差。VCI数值大小取决于地面的植被生长状况，它相当于把短期的天气信号从长期的生态信号分离出来[7]。VCI是利用卫星系统将生态信号转化为天气信号以监测干旱的手段之一，其对干旱的发生、发展以及对植被的影响有良好的监测功能[8]。

2．2．3 降水距平与气温距平

（1）降水距平百分率

降水距平百分率是一个常用来描述降水多寡的量，也是气象上监测干旱的一个重要指标。本文以降水距平百分率来分析干旱发生的程度，并作为VCI监测干旱能力的一个验证指标。对选区的地区某一时段降水资料进行如下运算处理：

其中Rano表示某一时段降水距平百分率，R代表这一时段降水总量，Rave代表2001-2006同一时段降水总量的平均值。

（2）气温距平百分率是气象上监测干旱的另一个重要指标，它的定义为：

其中RA表示某一时段平均气温距平，R代表这一时段的温度，RT表示2001-2006同一时段的平均温度。

2．3 数据处理

遥感图像的处理使用ENVI 4．6和ArcGIS 9．0软件，数据的统计分析使用Exce12003。由于MODIS数据以分图幅的形式保存，而江西省跨两个图幅，利用ENVI工具，先将两个图幅的数据进行拼接，并进行投影转换，然后用江西省行政区划图进行裁剪，以便得到江西省的NDVI数据分布。然后对所得的NDVI的属性数据输出，在exce1中进行统计分析。获得2001～2006年7～9月份的NDVI均值、最大值、最小值等。并计算了NDVI与气温、降水、日照时数的线性相关系数。利用ENVI的波段运算工具，计算出VCI。在ArcGIS的空间分析模块中，将16个气象站点的数据利用普通克立格法插值，生成与NDVI数据栅格大小相同的栅格图。所有图件的输出，均在ArcGIS中进行。

3. 结果与分析

3．1 江西省各年份NDVI均值统计特征

?

通过对MOD13A3数据的处理，可以获得2001~2006年间7 -9月份江西省NDVI均值的描述性统计特征（表1）。通过表1可以看出，在7月份 2003年的NDVI均值最小（0．71），2002年最大（0．73）。对于8月份，2003年NDVI均值最小（0．73），2002年最大（0．76）；9月份 同样是2003年的NDVI均值最小（0．72），2002年最大（0．75）。

图1为2003年7-9月份NDVI均值与其他正常年份的对比图。由图1可以看出， 2003年夏季的NDVI值低于正常年份。其中7、8月份的NDVI数值与其他正常年份相比相差较大，低了0．02。9月份差距略小，相差 0．01。

3．2 植被指数的空间分布特征

图1 干旱年份与正常年份7-9月份NDVI均值对比

依据尹洁等[9]的研究，江西省2003年8月份是旱灾最为严重的时期。因此，本文在分析植被指数的空间特征时，仅以典型的8月份为代表进行研究。(1) NDVI的空间特征

2003年8月江西省NDVI空间分布规律见图2。由图2可以看出，总体来说，江西省的周边地区NDVI值相对较高，说明植被生长状况相对较好。而江西省中部和北部地区，NDVI值相对较低，说明这里植被生长状况较差。尤其是在南昌周围地区，吉安地区中部、抚州地区南部到赣州地区东北部一带植被生长状况更差。

根据分级统计结果，计算得到各级所占比例。分别是：0-0．2占1．16%；0．2-0．4占 1．30%；0．4-0．6占 11．12%；0．6-0．8占 48．90%；0．8-1占 37．70%。

（2） VCI的空间特征

图2 2003年8月江西省NDVI空间分布图

图3 2003年8月江西省VCI空间分布图

从植被状态指数（VCI）的空间分布图（图3）可以看出；江西省北部偏低，尤其在南昌地区及周边一带和吉安等地区更为突出。就全省范围而言，VCI处于0-30%范围内的地区达到全省面积的52%．这说明2003年江西大部分地区植被受旱灾影响比较严重。VCI介于30%-70%之间的区域所占比重为28%，这里植被生长状况适中，干旱程度适中。VCI处于70%-100%之间的区域所占比重为20%，这里说明植被生长与正常年份相似，无干旱发生。

对比图2（NDVI）和图3（VCI）还可以发现，研究区的NDVI与VCI空间分布规律具有相似之处。NDVI值处于较低水平的地区，其VCI值也明显很低。NDVI值较高的地区，相应的VCI值也较高。

3．3 江西省气候要素的时空特征

3．3．1 时间特征

2001年至2006年7-9月份温度随时间的变化规律见图4。由该图可知，2003年夏季江西省的温度明显高于其他年份，尤以8月份更为突出。各年夏季的降水量时间序列图（图5）显示，2003年夏季江西省的降水量明显低于其他年份，尤其以7月份最为明显。对比不同年份夏季的日照时数可以发现（图6），2003年夏季江西省的日照指数相对于其他年份处于一个较高水平。因此，可以判断2003年夏季江西省属于典型的高温少雨的干旱气候类型。

图4 2001年-2006年夏季温度时间序列图

图5 2001年-2006年夏季降水量时间序列图

图6 2001年-2006年夏季日照时数时间序列图

从气温空间分布（图7）可以看出，2003年8月江西省全省都处于高温状态，月平均气温自西向东逐渐高。温度最高的地区出现在江西省的东部区域。省内大部分处于29℃以上，所占比例约为90%。

从降水空间分布图（图8）可以看出，2003年8月份江西省降水量最少的地区出现在北部，处于57．9mm-98．3mm之间．降水量最大的区域位于江西省南部，介于150-270mm之间．江西省大部分地区降水不足，三分之二的地区降水量低于139．6mm。

日照时数的空间分布规律（图9）表明，2003年8月江西省日照时数多介于5-10天左右。其空间分布规律为西部低，东部高，与气温的空间分布规律相似。

图7 江西省气温分布图

图8 江西省降水量分布图

图9 江西省日照时数分布图

降水和气温距平值的空间分布图（图10，11）表明了，相比正常年份，2003年气候异常的分布规律。从图10可以看出，江西省气温距平均大于0，这说明全省的气温对较正常年份较高。而且气温距平值自南向北依次减小，北部最高，最大距平达到19．3℃，南部距平较小。由图11可以看出，江西省北部的降水距平均为负值。这说明全省的降水均较正常年份偏少。降水距平的分布规律与气温相同，南部地区距平较小，北部距平较大，说明北方的干旱比南方严重。由此可以判断，对于江西省而言，干旱最为严重的地区位于北部。3．4 植被指数与气候因素的相关分析

图10 江西省平均气温距平分布图

图11 江西省降水距平百分率分布图

（1）线性相关

NDVI与温度的相关系数为 -0．84；NDVI与降水量的相关系数为0．77；NDVI与日照时数的相关系数为-0．76。他们之间的相关性均达到显著相关水平（P＜0．05）。这说明，NDVI的高低与气候因素的变化密切相关。随着气温的升高、降水的降低和日照时数的延长，研究区的NDVI降低。

（2）空间关系

对比NDVI图与气候因素的空间分布图可知，从空间上来看，NDVI与降水量的关系更为密切，空间格局和变化规律都一致，降水量高的地方，NDVI数值也大。而气温和日照时数与NDVI的空间对应关系不是很明显。总体上是NDVI与气温分布总体呈相反趋势，气温高的地方，NDVI值偏小。日照时数也与NDVI总体呈相反态势，日照时数时间越长，NDVI值越小。

对比VCI与降水和气温距平的空间分布图，可以发现，VCI与降水距平有相反的分布规律，降水距平百分率越高，即干旱越严重，VCI值越小。气温距平越大，VCI值也越小。这充分说明，VCI可以反映气象要素在干旱年份的异常性，能够精确地指示干旱严重程度。

由此以上分析可知，植被指数对气候变化反应敏感。这主要源于气候因素对植被有很大的影响。只有适宜的温度才会对植被生长有促进作用，温度过高会影响植物的蒸腾作用，导致植物水分流失，从而抑制植物生长。降水量过少，会造成植物吸收水分减少，抑制体内新城代谢。日照时数也是重要的因素之一，适宜的日照时数才会对植物的光和作用产生积极作用。过多的日照时数会影响短日照植物和中性植物的开花、结实、休眠期等系列发育过程[10]。

4．结论

干旱是全球范围内影响最广的自然灾害，遥感监测作为一种对干旱进行监测的技术手段，能够实现干旱的大面积实时、快速监测，在气象部门为地方政府服务中起着十分重要的作用。各种遥感监测模型的研究，己经随着遥感技术以及地面墒情自动监测技术和手段的不断发展而逐渐变得更加完善。本文主要研究了如何利用MODIS数据实现江西省干旱的精细化监测，利用ENVI，ARCGIS等软件对EOS/MODIS卫星遥感资料MOD13A3进行分析，获得江西省NDVI均值及变化特征以及气温，降水，日照时数，VCI图，得到以下结论：

① 基于MODIS数据，利用植被归一化数法对江西省受干旱影响进行监测，取得较好效果，能够较为准确地监测出大范围区域的干旱发生情况。

② 2003年7～9月份，江西省平均温度，日照指数，平均降水量以及NDVI数据表明，2003年的干旱水平在江西省历史上实属罕见，江西省2003 年夏季气温异常偏高， 高温日数多， 强度强， 持续时间长， 多种气温要素破历史极值， 为近50 年罕见，是时间尺度达百年的极端事件。

③ 不仅基于MODIS数据处理的

NDVI对江西省的分析影响，而且温度，降水量，日照时数等因素对于模型的应用也有着一定的影响。

④ VCI可以反映大范围的干旱，尤其是江西省北部监测效果很好。

5．存在问题及展望

理论上，卫星遥感计算归一化植被指数，结合温度，降水，日照时数所建立的遥感干旱模型，虽然考虑到气候因素，但是由于受生产力、水源、植被生育期变化等众多因素的影响，遥感监测干旱区域范围和干旱程度可能会产生一定的误差。

分站点区域干旱监测方法，其优点是考虑到江西省地表复杂情况，遥感干旱检测精度得到一定的提高，但是更科学、更客观的干旱监测还是要依赖于对更大量的样本数据分析，并且随时加以订正修改，因此，不断进行指标验证和修正，使该遥感干旱监测方法更好地发挥作用。

在样本的选取上不断做到深入而细致的研究。由于受到云的影响，以及地面监测站点获取不连续数据的影响，样本点的选取依然不够理想。以后监测工作中需要进一步增加样本点的数量，扩大其分布范围，并提高各地面观测站点墒情监测时间的连续性。

[1] 毕慕莹． 近40年来华北干旱的特点及其成因[M ] / /叶笃正，黄荣辉，旱涝气候研究进展． 北京：气象出版社1990．

[2] 尹洁，张超美，张传江．江西2003年夏季罕见高温气候特征及成因分析[J]．江西气象科技，2003，26(4)：1-22

[3] 李翠金． 华北异常干旱气候事件及其对农业影响评估模式的研究[ J ]．灾害学 ， 1999， 14 (1) ： 65 ! 69

[4] Kogon F． N． Remote sensing of weather impacts on vegetation in non-homogeneous area[ J] ．Internationa1 Journa1 of Remote Sensing， 1990， 11： 1405- 1420

[5] 胡良军，邵明安．论水土流失研究中的植被覆盖度量指标．西北林学院学报 ，2001，16(1)：40~43

[6] Kogan FN．NOAA p1ays 1eadership ro1e in deve1oping sate11ite techno1ogy for drought watch[J]．Earth observation Magazine，1994，11：1405-1409

[7] Kogan FN．G1oba1 drought watch from space [J]．Bu11 AmeriMeteor Soc，1997，78：621-636

[8] Gite1son A A，F Kogan，E Zakarin，et a1，Using AVHRR data for quantitative estimation of vegetation conditions：ca1ibration and va1idation[J]． Acv Space Res，1998，22(55)：613-676

[9] 尹洁，张超美，张传江．江西2003年特大干旱气候分析[J]．江西气象科技，2003，26(4)：1-22

[10] 摘自《植物生理学》，王忠主编，2009版。