基于温度植被干旱指数的广东省旱情动态监测

王莺,王劲松,姚玉璧,2,赵福年

(1.中国气象局兰州干旱气象研究所 甘肃省干旱气候变化与减灾重点实验室 中国气象局干旱气候变化与减灾重点开放实验室，甘肃 兰州 730020；2.甘肃省定西市气象局,甘肃 定西 743003)

自有人类社会起，干旱就与其相伴相生，并阻碍着社会的进步与发展。作为一种复杂的自然灾害，干旱在每一种气候区域内都有可能发生。据世界气象组织的报告，自1963年开始，干旱已经发展成为世界范围内影响最为广泛的自然灾害[1]。中国是一个干旱灾害频发的国家。据统计，自20世纪90年代以来，我国因旱年均粮食损失高达278亿kg，因旱年均工业损失超过2000亿元，因旱年均饮水困难人口达2746万人[2]。更需要注意的是，在近年来全球气候变暖的大背景下，我国年均气温升高，年降水量时空变异增大，极端天气气候事件增多，干旱区域不断扩大，并有从干旱区向湿润区发展的趋势。

广东省地处我国华南地区，地势北高南低，属于亚热带季风气候区，是中国多雨地区之一。但是在季风、地理和地质条件的多重因素影响下也饱受季节性干旱的困扰。据《中国气象灾害大典·广东卷》记录，1950年以来，全省每年受旱面积在十几万至几十万公顷，干旱严重的年份受旱面积可超过100万公顷，到90年代止，全省230多万公顷的耕地中，约24%的耕地经常受旱。2004年，广东省就发生了半个世纪以来最严重的农业旱灾，受灾面积7280 km2，成灾面积3200 km2，直接经济损失超过35亿元[3]。王静爱等[4]分析了1949-2000年中国旱灾动态变化趋向的区域分异，发现广东省为旱灾增加区。随着社会经济的发展和城市化程度的不断提高，广东省对淡水的需求量剧增，干旱在威胁着全省农业生产的同时，也越来越严重地影响到社会生活的各个方面。因此进行有效的干旱监测可以帮助决策部门及时准确地了解旱情的时空分布及其变化特征，采取积极有效的防旱抗旱措施，将干旱灾害带来的损失降到最低。

传统的干旱监测主要依靠位点尺度的土壤水分含量数据来表征研究区的干旱程度和范围，这种方法的单点测量精度较高，但缺点是空间代表性差。近年来，空间遥感技术以其在时间和空间上可快速获得大面积地物光谱信息的优势弥补了传统监测方法的不足，对实现干旱的动态监测具有十分重要的意义[5]。自20世纪70年代开始，国内外对遥感监测土壤水分的方法开展了大量研究，应用较广泛的方法主要有热惯量法、热红外法、距平植被指数法、作物缺水指数法、植被供水指数法等。热惯量法只适用于裸土或稀疏植被覆盖情况，若植被覆盖度大，热惯量法对土壤水分的监测就会受到很大限制；归一化差值植被指数(normalized difference vegetation index, NDVI)作为水分胁迫指标具有一定的滞后性[6-8]；温度作为水分胁迫指标具有较高敏感性，但遥感获得的地表温度数据受到土壤背景和植被覆盖的影响。2002年，Sandholt等[9]在简化的植被指数-地表温度特征空间的基础上提出了温度植被干旱指数(temperature vegetation dryness index, TVDI)，该指数既考虑了区域内NDVI的变化，又考虑了在NDVI相同情况下地表温度的变化，对区域农业旱情和地表土壤水分的监测效果得到了广大学者的肯定[10-16]。但是计算TVDI指数时用到的NDVI数据在植被覆盖度低的区域受到土壤背景的影响，在植被覆盖度高的区域有饱和现象，且存在对大气影响的纠正不彻底、“最大值合成法”不能保证选择最佳像元等缺点[17]，而基于MODIS数据的增强型植被指数(enhanced vegetation index, EVI)在刻画高覆盖度植被方面比NDVI更加敏感，且能有效抵御大气干扰，因此可以更好地描述区域植被在不同季节的差异[18]。

基于上述原因，尝试采用MODIS-EVI与陆地表面温度相结合构建EVI-TS特征空间的方法开展广东省的干旱动态监测，并结合野外实测土壤湿度数据对模型模拟结果做精度验证，评估该方法对广东省干旱监测工作的适宜性，以期为广东省的防旱抗旱工作提供科技支撑。

1 材料与方法

1.1 研究区简介

广东省位于109°40′～117°20′ E、20°08′～25°32′ N之间，海岸线曲折绵长，境内山岭众多，其走向主要为东北-西南方向，地势呈由北向南伸向海洋的斜坡，山地丘陵约占全境面积的2/3，台地平原占1/3(图1)。广东省南北跨温带、亚热带和热带，年平均气温19～23℃，1月份平均气温12～16℃，热量资源十分丰富，不少经济作物可以越冬。广东省濒临南海，年降水量1300～2500 mm，居全国前列。但在季风、热带气旋和地形的作用下，该地区热量和降水量在时空分配上不均匀，常有季节性的春旱、秋旱、冬春连旱和夏秋连旱。广东省的作物主要以水稻(Oryzasativa)为主，占粮食总产量的80%以上，其抗旱能力低，对水分要求高，极易受旱成灾。

图1 各站点位置图Fig.1 Location of the soil moisture observation sites and climate stations

1.2 遥感数据

在研究中使用的遥感数据为美国宇航局/中分辨率成像光谱辐射计(National Aeronautics and Space Administration/Moderate Resolution Imaging Spectro radiometer, NASA/MODIS)陆地产品组按照统一算法开发的2011年16日最大合成产品MOD13A2(1000 m×1000 m)中的EVI数据和8日最大合成产品MOD11A2(1000 m×1000 m)中的LST(Land Surface Temperature)数据。以上数据在全球正弦曲线投影SIN(SINusoidal projection)系统中的编号为h28v06，资料版本为5.0，数据格式为EOS-HDF。该数据可以从http://reverb.echo.nasa.gov/reverb/网站下载。MOD13A2数据包含NDVI、EVI、红光、近红外、中红外、蓝光波段反射率及其他辅助信息，使用最新合成算法减小随观测角度变化和太阳-目标-传感器几何学因素引起的变化，用双向反射分布函数(BRDF)模式将观测量订正到天顶角。MOD11A2数据包含白天和夜间地表温度，其地表温度是用31和32通道亮温线性组合的劈窗算法计算获取的，通道亮温值由辐射度与0.1 K步长亮温的查找表来确定，发射率是由MODIS土地覆盖产品来确定[19]。

在MRT(modis re-projection tool)软件中将EOS-HDF格式的MODIS图像转成TIFF格式，并定义为大地坐标WGS84；然后在ArcGIS 9.3中用data management tools将图像坐标系统转换为Albers地图投影，并用cell statistics工具对MOD11A2数据进行16日最大值合成；最后在spatial analyst tools中用标准的广东省行政边界掩膜提取研究区EVI和LST数据。

1.3 土壤湿度数据

广东省气象数据和土壤湿度数据分别来源于中国气象科学数据共享服务网(http://cdc.cma.gov.cn/home.do)的《中国地面气候资料日值数据集》和《中国农作物生长发育和农田土壤湿度旬值数据集》。该数据集包含了2011年广东省内36个气象站点的日降水量和温度，以及10个农气站观测的10 cm土壤相对湿度(图1)。

1.4 MODIS-EVI

MODIS-EVI数据是综合处理土壤、大气饱和问题的增强型植被指数。它采用SAVI(soil adjusted vegetation index)对土壤背景影响进行了校正[20]，除了“云处理”和大气校正处理外，还用ARVI(atmospherically resistant vegetation index)对残留气溶胶做了处理。EVI就是通过参数构建的一个同时校正土壤和大气影响的植被指数。MODIS-EVI的合成算法是根据合成期16 d内数据质量状况分4步逐步合成的，即当16 d内超过30%的数据符合质量要求，则根据BRDF把不同视角换算为星下点反射值，分别计算植被指数，然后采用限定视角内最大值原理合成；若16 d内小于30%且多于2 d的数据符合质量要求，选其中视角最小的2个植被指数，取两者中最大值合成；若只有1 d无云，则直接使用这天的数据计算植被指数；若观测期内均有云，则取合成期所有植被指数的最大值[21]。其计算公式为：

EVI=2.5(ρNIR-ρRed)/(ρNIR+c1ρRed-c2ρBlue+L)

(1)

式(1)中，ρ为经大气校正的各波段(NIR、Red和Blue)的反射率，L=1为土壤调节参数，c1和c2是描述通过Blue波段修正大气对Red波段影响的参数，分别是6.0和7.5。

该数据在算法方面的改进为遥感定量研究奠定了良好的基础。王正兴等[17-18]的研究发现，在南亚热带和热带地区，EVI与地表温度的线性关系明显高于NDVI，且对植被不同季相的变化反应更加灵敏。

1.5 TVDI计算方法

很多研究人员发现陆地表面温度(TS)和植被指数之间存在明显的负相关关系，这种关系与土壤湿度密切相关[22-23]。Carlson等[24]和Price[25]发现若研究区植被覆盖包含裸土到全覆盖，土壤湿度包含极干旱到极湿润，则以遥感资料获得的NDVI和TS数据的散点图呈三角形，而Moran等[26]发现其表现为梯形。这就是NDVI-TS特征空间(图2)。Sandholt等[9]在研究土壤湿度时发现NDVI-TS特征空间中有很多等值线，于是提出了TVDI指数，用以估算土壤表层水分状况，从而进行遥感干旱监测。

图2 NDVI-TS特征空间Fig.2 Illustration of simplified NDVI-TS space

由于1.4中提到的EVI的优势， 所以应用EVI来替代NDVI建立EVI-TS特征空间，进而构建TVDI指数。TVDI的计算见公式(2)：

TVDI=(TS-TSmin)/(TSmax-TSmin)

(2)

式中，TVDI的取值在0～1之间，湿边的TVDI最小，为0，土壤含水量接近田间持水量，干边的TVDI最大，为1，土壤含水量接近萎蔫点；TS是任意像元的地表温度；TSmin是某一EVI对应的最低地表温度，对应EVI-TS空间的湿边；TSmax是某一EVI值对应的最高地表温度，对应EVI-TS空间的干边。TSmin和TSmax的拟合方程如下：

TSmin=a1+b1×EVI

(3)

TSmax=a2+b2×EVI

(4)

式中，a1、b1是湿边拟合方程的系数，a2、b2是干边拟合方程的系数。

2 结果与分析

2.1 特征空间参数

图3 EVI-TS特征空间Fig.3 EVI-TS space

提取广东省相同EVI下不同像元对应的所有温度中的最大和最小陆地表面温度，然后通过EVI和LST二维散点图建立每16 d 1次的EVI-TS特征空间图(图3)。2011年共获得23张EVI-TS特征空间图，图3为其中的4张。从图中可以看出，EVI-TS散点图有相似的分布特征，即随着EVI的增加，陆地表面最大温度减小，最大地表温度和最小地表温度差值呈减小趋势，且地面温度的最大和最小值与EVI呈近似线性关系。另外，EVI-TS特征空间的季节变化也非常明显，随着温度降低，EVI-TS特征空间明显萎缩。和图2相比，若将湿边描述成与EVI轴平行的直线会给结果带来较大误差，所以有必要对湿边进行线性拟合。

按照TVDI原理，当植被指数增加时，陆地表面最大温度逐渐降低。这个假设基于植被指数与地表植被覆盖度呈线性关系这一前提。但实际情况并非如此[27]。设EVI的精度为0.01，提取相应EVI在特征空间中的最大和最小陆地表面温度，并对特征空间进行最优目视判读，回归拟合获得每个特征空间的干湿边方程(表1)，线性拟合结果经t检验发现均达到0.05的显著性水平。从表中可以看出，EVI-TS特征空间干边拟合的整体效果很好，平均拟合系数R2>0.87；湿边的拟合效果也比较好，平均拟合系数R2>0.55。但是在某些时段干湿边拟合精度仍比较低，造成这一现象的主要原因是MODIS产品存在的噪声会影响线性拟合精度。

a1和a2是干湿边拟合方程的常数项，在特征空间中是干湿边在Y轴(地表温度)的截距。它代表了裸土像元在水分充足(a1)和水分匮乏(a2)时的地表温度值。从表1中可以看到，随着年内温度的变化，EVI-TS特征空间的干湿边截距也发生相应变化，即冬季截距较小，夏季截距较大。b1和b2为干湿边拟合方程的斜率，其变化可以归因于蒸散[28]、冠层传导度[29]和土壤湿度[30]。在多重因素的影响下，b1和b2随时间变化的规律性不明显。

表1 EVI-TS特征空间干湿边方程Table 1 The equations of the dry edge and wet edge for EVI-TS space

2.2 旱情等级分布

根据表1获得的干湿边方程和公式(2)，分别计算各时段的TVDI值。以TVDI值作为旱情分级指标，将旱情分为5级，分别是湿润(0～0.2)、正常(0.2～0.4)、轻旱(0.4～0.6)、中旱(0.6～0.8)和重旱(0.8～1.0)。由此可得2011年23个时段16 d的广东省旱情分布图(图4)。从图中可以看出，2011年广东省的冬旱非常严重，春季和秋季也有一定程度的干旱。广东省冬旱和春旱的地区分布相似，均呈现自北向南逐渐加重的趋势，且沿海地区重于内陆。秋旱的地区分布特点与冬春旱相反，大致呈自南向北逐渐加重的趋势。具体来看，1月，重旱区主要位于广东省西南部的徐闻县、雷州市、湛江市、遂溪县、廉江市、吴川市、化州市、茂名市、电白县、高州市和阳西县，还有阳东县和信宜市的大部分地区，以及广东省东部的海丰县、汕尾市、陆丰市、陆河县、惠来县、普宁市、潮阳区、揭西县、揭阳市、揭东县、汕头市和澄海区。2月，广东西南部的重旱区仍然存在，同时广东北部的龙川县、兴宁市和梅州市也发展成了重旱区。3月，重旱区主要分布在广东的东南沿海。4月，重旱区主要位于广东的西南部和东部。5月中上旬，广东西南部的重旱区基本消失，而到了5月下旬，广东西南部化州市、廉江市、茂名市、电白县、吴川市、湛江市、遂溪县、雷州市、徐闻县又出现重旱。6月，广东西南部的重旱范围向南推移。7月，广东西南部的重旱范围进一步缩小。8月，广东西南部的重旱基本得到缓解，而广东中部和北部出现局部的重旱。9月和10月，广东西南部、中偏东部和东部出现局部重旱。11月，广东西南部又出现大面积重旱。12月，重旱分布范围在11月的基础上有了明显扩大。

《中国气象灾害大典·广东卷》中记载，广东省的重春旱区位于雷州半岛、周江口一带及东南部沿海地区，而雷州半岛南端春旱是固有的灾害现象；重秋旱区主要位于北部偏北及潮汕一带沿海地区；重冬春连旱区主要位于西南部偏西地区和珠江口附近沿海地区。本文的监测结果与上述规律基本吻合。而《中国气象灾害年鉴(2012)》中记载，广东省自2010年10月1日至2011年4月28日平均降水量为225.6 mm，比常年同期偏少61%，为历史同期最少，持续偏少的降水导致广东出现了历史罕见的秋冬春连旱，而旱情从3月开始从粤东到粤西蔓延加剧。本文的研究结果较准确的反映了上述记录。因此，可以应用MODIS数据进行广东省旱情的动态监测，为防灾减灾和灾后救援提供及时准确的基础资料。

图4 2011年广东省旱情遥感监测分布Fig.4 The drought distribution monitored by remote sensing in Guangdong in 2011

2.3 TVDI与土壤湿度

图5 TVDI与土壤湿度Fig.5 The relationship between TVDI and soil moisture

提取和土壤湿度数据采集时间相近的相应像元的TVDI数据，分析TVDI值与站点0～10 cm土壤湿度间的相关性(图5)。从图中可以看出，TVDI和土壤湿度间呈负相关关系，R2为0.16，经过t检验发现线性回归方程达到0.01的显著性水平。即TVDI值越高，土壤湿度越低。这一结论满足TVDI值越接近1，土壤水分越少的原理。这进一步说明TVDI可以反映广东省地表土壤水分状况，用该指标做广东省旱情动态监测是可行的，具有应用价值。

2.4 TVDI与气象因子

图6 TVDI与气象因子Fig.6 The relationship between TVDI and meteorological factors

在本研究中主要分析了降水量、平均温度和平均相对湿度与相应像元的TVDI值之间的相关性(图6)。从图中可以看出，TVDI与降水量、温度和相对湿度都呈负相关关系。说明随着降水量减少、温度降低和平均相对湿度减小，TVDI值增加，广东省干旱程度增加。经t检验表明，方程达到0.05的显著性水平。从相关系数来看，TVDI与降水量之间的相关性最高，R2为0.35，与平均温度间的相关性最低，R2为0.21。因此，广东省旱情发展的主要影响因子是降水量。

在气象站尺度上进一步分析了TVDI和降水量的时间变化趋势。选择了2个站点，分别是罗定(111.57° E，22.77° N)和惠阳(114.42° E，23.08° N)。这两个站所在像元在23幅图像中均有有效数据，降水量有较明显差异，且分别位于广东省的西南和东北区，具有地域代表性。从图7中可以看出，TVDI对降水的变化是敏感的，在连续降水之后，土壤湿度增加，植物受胁迫的情况得到缓解，TVDI值降低；当降水减少，土壤湿度减小，植被生长受到胁迫，TVDI值增加。从相关系数来看，罗定站的TVDI和降水量间的R2为0.0396，惠阳站的TVDI和降水量间的R2为0.0118，均未通过显著性检验。出现这种情况的主要原因是空间尺度的不同。TVDI的空间分辨率为1 km，代表的是1 km2的地表干湿状况，而降水量数据只代表气象站一个点的降水状况。但从图7中仍可以看出，TVDI指数对降水是敏感的。

图7 降水量与TVDI在站点尺度随时间变化关系图Fig.7 Trends of rainfall and TVDI from the station scale

3 结论

通过建立EVI-TS特征空间算法，获得近似三角形的温度植被指数特征空间，然后采用线性拟合的方法提取了干湿边，构建了广东省2011年的温度植被干旱指数TVDI，得到了以下主要结论。

1)随着EVI的增加，陆地表面最大温度减小，最大地表温度和最小地表温度差值呈减小趋势，且地面温度的最大和最小值与EVI呈近似线性关系。EVI-TS特征空间的季节变化也非常明显，随着温度降低，EVI-TS特征空间明显萎缩。随着年内温度的变化，EVI-TS特征空间的干湿边截距也发生相应变化，即冬季截距较小，夏季截距较大。

2)以TVDI值作为旱情分级指标，建立广东省2011年旱情遥感监测图，从图中可以看出2011年广东省的冬旱非常严重，春季和秋季也有一定程度的干旱。冬旱和春旱的地区分布相似，均呈现自北向南逐渐加重的趋势，且沿海地区重于内陆。秋旱的地区分布特点与冬春旱相反，大致呈自南向北逐渐加重的趋势。结合广东省历史气象资料对干旱监测结果进行评价，结果表明遥感监测结果与实际旱情较吻合，因此应用MODIS数据构建TVDI指数的方法可以用于广东省旱情动态监测。

3)比较TVDI与土壤湿度的相关性的结果表明，TVDI可以体现土壤湿度状况，两者呈负相关关系。从相关分析结果可以看出，TVDI与降水量、温度和相对湿度间都呈负相关关系。从相关系数来看，TVDI与降水量之间的相关性最高。在气象站尺度上TVDI对降水的变化最敏感。

从以上结论可以看出，TVDI是一种适用于大尺度的简单有效且物理意义明确的旱情动态监测方法，具有快速、及时、宏观等优势。而利用EVI代替NDVI建立EVI-TS特征空间，既改善了NDVI的植被饱和、对大气纠正不彻底等问题，也降低了土壤背景对植被指数的影响，使其更适宜于广东省的旱情监测与评估。因为定性反映土壤湿度情况的干边和湿边拟合方程是由EVI-TS特征空间数据得到的，不需要其他辅助数据，所以在不同时间和不同区域不具有可比性，且对边界的拟合具有一定的主观性。另外，在复杂地表和多变的气候环境条件下，遥感影像的部分像元数值质量较差，从而影响特征空间干湿边线性拟合的精度，在今后的工作中也要注意加强对无效像元分析剔除等方法的研究。