基于RS技术和TVDI指数的广西西江流域春旱遥感监测研究

周永华，胡宝清，王 钰

(1.北部湾环境演变与资源利用教育部重点实验室(广西师范学院),南宁 530001；2.广西地表过程与智能模拟重点实验室, 南宁 530001； 3.广西师范学院地理科学与规划学院，南宁 530001)

干旱是一种自然灾害现象，给各国经济的发展带来巨大的损失。因此有效的获得旱情时空分布及发展变化趋势成为防旱减灾的有效途径。传统的旱情监测方法以人工监测的气象数据来监测旱情,这种方法是点数据，难以对大面积的干旱进行监测，而且效率低。显然，利用传统的旱情监测方法已不能满足现在的社会经济发展要求。而利用遥感手段进行旱情监测具有获取周期短、观测范围广、空间分辨率高、影像容易获得等优点，有利于对旱情大面积的动态监测。从20世纪70年代开始，至今遥感监测干旱已有50多年的历史，国内外学者在利用遥感监测干旱取得了丰硕成果[1-3]。植被指数(NDVI)与地表温度(Ts)构建的温度植被干旱指数(TVDI)是进行干旱监测常用的一个模型。如齐述华等[4]利用TVDI模型对全国旱情进行监测能够很好反映土壤表层水分的变化情况，可以作为旱情的评价指数；柳钦火[5]等利用NOAA/AVHRR遥感数据制作全国耕地旱情分布图，为农业抗旱救灾提供了一定的参考依据；王莺[6]等利用MODIS影像数据对广东2011年旱情进行监测，结果表明遥感监测结果与实际干旱情况相符合；鲍艳松[7]等应用TVDI模型在江苏淮北地区进行土壤湿度反演，反演精度较高，能成功对农业旱情进行监测；张飞[8]等利用TVDI方法对渭干河—库车河地区进行夏季旱情监测，结果表明该模型适用；柳锦宝[9]等利用采用TVDI方法在西藏进行旱情监测，结果与实际吻合。利用TVDI模型进行干旱监测，已成为研究热点。

文章利用EOS/MODIS遥感数据，计算温度植被干旱指数TVDI，对广西西江流域2007-2016年春季旱情时空变化进行研究，可以为决策部门防旱抗旱工作提供依据。

1 数据与方法

1.1 研究区域概况

广西西江流域(21.58°N～26.33°N，104.46°E～112.06°E)位于广西境内，气候为亚热带季风气候，夏秋降水多，冬春降水少，年际降水不均匀。多年平均气温21.3 ℃,多年平均降水量1 525.9 mm。地质环境分岩溶地区与非岩溶地区，岩溶地区以石灰岩为主，岩石裸露，土层浅薄。地貌复杂多样，山地丘陵为主，盆地相间分布。地表水缺乏，地下水埋藏深导致该区域春旱等旱情灾害频繁。

1.2 数据来源及预处理

1.2.1 遥感数据

文章研究中使用的数据为美国LAADS DAAC数据中心发布的MODIS数据，其中包括1 km分辨率月合成产品MOD13A3中的增强型植被指数EVI与1 km分辨率8 d合成产品MOD11A2中的地表温度LST。所选时间长度为2007-2016年的春季(3、4、5月)，编号为h27v06与h28v06，格式为HDF。

利用Modis Reprojection Tool (MRT)软件对研究区2景影像进行拼接转成TIFF格式，并定义大地坐标系WGS84，影像投影转换为UTM地图投影。利用ENVI软件进行异常值处理。MOD13A3时间分辨率为月，将时间分辨率8 d的MOD11A2进行月合成，使MOD11A2的时间分辨率与MOD13A3一致。用ArcGIS10.1中的cell statistics工具将每个月4期的MOD11A2影像进行合成，结果得到地表温度LST。最后，在ArcGIS10.1中，利用广西西江流域的shp进行掩膜裁剪，得到广西西江流域的增强型植被指数EVI和地表温度LST。

1.2.2 其他数据

广西壮族自治区1∶1 000 000地质类型图，用广西西江流域的shp进行掩膜裁剪，得到广西西江流域的地质类型图。降水数据由NASA网站提供下载所得的TRMM月降水数据，该降水数据分辨率为0.25°×0.25°网格月平均降雨信息，通过重采样把分辨率转为1 km×1 km网格降水数据。

1.3 方法

1.3.1 EVI-Ts特征空间

有学者研究发现植被指数与地表温度两者之间呈负相关关系[10]。Carlson[11]等把遥感的NDVI数据与Ts数据建立散点图，呈三角形，即NDVI-Ts特征空间。Sandholt[12]等对NDVI-Ts进行了简化，提出温度植被干旱指数，即是TVDI(Temperature Vegetation Dryness Index)指数。

有学者研究发现NDVI在高植被覆盖区容易达到饱和，合成存在较多噪音，而EVI与不同覆盖程度植被的线性关系得到很好的改善，在高植被覆盖区效果良好[13]，正是EVI有这样的优势，因此，本研究以EVI-Ts替代NDVI-Ts(图1)，A点为干燥的裸土，B点为湿润的裸土，C点表示蒸腾从最大到无，AC边表示干边，土壤湿度达到凋萎系数，BC表示湿边，土壤湿度最大。由图1可得温度植被干旱指数公式为：

TVDI= (Ts-Tsmin )/(Tsmax-Tsmin)

(1)

式中：TVDI的取值范围为[0,1]，TVDI值越大说明越干旱，值越小说明越湿润；Tsmin为最低地表温度；Tsmax为最高地表温度，拟合出湿边方程与干边方程如下：

Tsmin =a+b·EVI

(2)

Tsmax=c+d·EVI

(3)

将(2)、(3)式与(1)式进行整合，因此

TVDI=[Ts-(a+b·EVI)]/[(c+d·EVI)-(a+b·EVI)]

(4)

式中：a、b和c、d为分别为湿边与干边的拟合方程系数。

图1 EVI-Ts特征空间Fig. 1 The feature space of EVI-Ts

1.3.2 TVDI均值

为了研究广西西江流域干旱程度及变化趋势，研究中以时间尺度为月的温度植被干旱指数构建春季每月的平均温度植被干旱指数(TVDImean)，TVDImean其值代表了研究时间段春季各月的干旱程度。方程如下：

(5)

式中：TVDIi为某月温度植被干旱指数；i为月份；n为研究时间取值为10。

1.3.3 TVDI趋势分析

基于一元线性回归分析方法模拟出每个像元的TVDI的斜率,以此来综合反映广西西江流域旱情趋势进行分析。公式如下：

(6)

式中：n代表研究中年的时间段；i代表研究中的年序；TVDIi为第研究时间序列中第i年春季的TVDI值；slope为该像元研究时间段的变化趋势，slope大于0说明该像元在研究时间段为增加趋势，slope小于0说明该像元在研究时间段为减少趋势。

2 结果与分析

2.1 EVI-Ts特征空间参数

将统计得来的每个象元的EVI数值与LST数值，进行散点图绘制，以EVI为横坐标，以LST为纵坐标，得到EVI-Ts特征空间(图2)。从2007-2016年3-5月总共有30幅EVI-Ts特征空间图，图2为2007年5月的EVI-Ts特征空间图。从图2可以看出，随着EVI的不断增大，地表温度(LST)最大值呈现不断减小的趋势，最小地表温度有上升的趋势，地表温度的最大值与最小值的差值逐渐缩小，且EVI与地表温度的最大值呈负相关，与地表温度最小值呈正相关。

图2 2007年5月EVI-Ts特征空间Fig.2 The EVI -Ts feature space of May 2007

利用EVI-Ts特征空间，拟合得到干湿边方程(表1)。根据表1拟合得到的干湿边方程与公式(4)，分别计算出每个月份的TVDI值。

表1 2007-2016年3-5月EVI-Ts特征空间干湿边方程Tab.1 The dry wet edges equations of EVI-Ts during 2007-2016 year 3-5 month

续表1 2007-2016年3-5月EVI-Ts特征空间干湿边方程

2.2 旱情等级分布

根据TVDI原理，利用ENVI5.1计算出各个像元的TVDI值。对所求得的TVDI值进行干旱等级划分，共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)、重旱(0.8～1.0)。结果得广西西江流域2007-2016年春季各个月份的TVDI均值，即为广西西江流域干旱等级分布(图3)。从图3可以看出，广西西江流域春季干旱面积分布广泛，重旱区主要集中分布在广西西江流域西部地区，呈现出自西向东北方向逐渐减轻的趋势。3-5月的TVDI值分别为0.542 4、0.531、0.504 1,随着时间的推移，旱情逐渐缓解。总而言之，重旱分布西部，旱情呈现由西到东北方向逐渐减轻的趋势。由图5可以看出，3-5月中重旱面积分别为73 948、62 999、46 838 km2，3-5月轻旱面积分别为93 374、106 338 、113 803 km2，可以看出中重旱面积不断减少，轻旱面积不断增加，旱情逐渐缓和。广西西江流域地区主要是以轻旱为主。广西西江流域春季干旱分布图与广西西江流域春季降水分布图叠加分析可以得出，广西西江流域西部地区降水少，旱情较重，东部降水较多，旱情较轻。

据李耀先[14]、张景扬[15]等学者研究结果显示，广西西江流域重旱主要分布在广西西江流域西部，干旱呈现出自西向东北方向减轻的趋势，旱情主要以轻旱为主。因此，利用TVDI指数能够比较好地对广西西江流域地区进行干旱监测，为农业发展及防范旱灾提供了条件。

图3 广西西江流域干旱等级分布图Fig.3 The drought distribution in Guangxi xijiang river basin

图4 广西西江流域春季降水分布图Fig.4 The spring precipitation distribution in Guangxi xijiang river basin

图5 干旱等级面积Fig. 5 The drought level area

图6 2007-2016年广西西江流域春季TVDI变化趋势Fig 6 Trend of TVDI change in the guangxi xijiang river basin in 2007-2016 spring

2.3 广西西江流域TVDI趋势分析

基于一元线性回归方法，在像元尺度上对广西西江流域2007-2016年(2014年因受噪声的影响，TVDI值缺失严重，故未加入趋势变化分析)旱情TVDI进行趋势分析(图6)。广西西江流域2007-2016年旱情TVDI变化的平均值为0.42%，TVDI分布广西西江流域西北部为高值区，增加趋势明显；中部与南部地区为低值区，减少趋势明显；东部地区增加趋势小于西北部地区，从西往东呈现“增加-减少-增加”的空间格局。TVDI呈现增加趋势的面积比例为71.38%，增加的地区主要分布在广西西江流域的西北部；TVDI呈减少趋势的面积比例为28.62%，减少的地区主要分布在广西西江流域的北部以及中部南部，减少地区从北向南沿着广西西江流域呈现狭长的分布。总体而言，2007-2016年广西西江流域TVDI变化趋势为：西北部高于中部与东部，东部高于中部。

2.4 岩溶区与非岩溶区旱情分析

为了研究不同地质背景下的干旱程度，将广西西江流域地区分为岩溶区与非岩溶区。岩溶区包括地质类型有灰岩加碎屑岩组合、连续性石灰岩组合、石灰岩与白云岩组合、灰岩与白云岩加碎屑岩组合等，以石灰岩为主，非岩溶区主要地质类型为非碳酸盐岩。岩溶区面积为91 174 km2，占研究区域面积的45%；非岩溶区面积为111 875 km2，占研究区域面积的55%。将广西西江流域春季干旱等级分布图与广西西江流域地质类型分布图(图7)进行叠加分析，发现广西西江流域旱情分布与岩溶区分布具有高度重叠性。由表2可以看出：重旱与轻旱面积比例岩溶区大于非岩溶区，中旱面积比例非岩溶区大于岩溶区。岩溶区发生干旱面积84 759 km2，占岩溶区总面积的92.96%，非岩溶区发生干旱面积85 939 km2,占非岩溶总面积的76.81%，岩溶区发生干旱比例大于非岩溶区，说明岩溶区比非岩溶区更容易发生干旱，原因为广西西江流域地区是典型有岩溶分布区，大面积的碳酸盐岩裸露,石漠化严重，地下溶洞、裂隙高度发育，土地被分割，土层薄，保水性差，落水洞、漏斗发育，降水下渗速度快，导致降水迅速大部分转化为地下水，造成地表缺水，加上广西西江流域崎岖的地形，难以引江水进行灌溉，导致了旱情加剧。

图7 广西西江流域地质类型Fig.7 guangxi xijiang river basin geology type

3 讨 论

文章选择MODIS的增强型植被指数(EVI)与地表温度(LST)对广西西江流域进行了干旱监测，能较好地反映旱情的时空变化，但是因受到噪声的影响，会对TVDI值造成缺失。

本研究仍然存在不足之处，体现在：由于实际条件的限制，采用干旱指标进行干旱监测，而未能实地进行观测试验，无法对结果进一步修正；影响旱情并非单一因素，文章只是结合地质类型加以分析，而未对地貌、植被类型、土地利用类型进行结合分析。这些方面的不足在今后的研究中需要不断地改善。

4 结 论

文章以EVI-Ts特征空间为方法，选择MODIS的增强型植被指数(EVI)与地表温度(LST)，利用MODIS产品中的MOD11A2数据和MOD13A2数据其中的增强型植被指数(EVI)与地表温度(LST)构建EVI-Ts特征空间，利用TVDI指数进行广西西江流域干旱情况的监测对广西西江流域进行了春季干旱监测，得到了以下结论：

(1)从旱情分级来看，空间上广西西江流域春季重旱主要分布在西部地区，东北旱情低，呈现出自西向东北方向递减的趋势，总体上，干旱程度以轻旱为主。

(2)从变化趋势上来看，2007-2016年广西西江流域TVDI变化的平均值为0.42%，TVDI呈现增加趋势的面积比例为71.38%，减少趋势的面积比例为28.62%，自西向东呈现“增加-减少-增加”的空间格局。

(3)广西西江流域春季干旱分布与地质类型叠加分析，结果显示广西西江流域旱情分布与岩溶区呈现高度重叠性；岩溶区重旱面积大于非岩溶区，岩溶区发生干旱的比例高达92.96%，而非岩溶区的为76.81%，岩溶区比非岩溶区更容易发生干旱。

□

[1] Watson K，pohn H A.Thermal inertia Mapping from Satellite Discrimination of Geologic Units in Oman[J].J.Res.U.S.Geol.Survey,1974，2(2)：147-158.

[2] Price J C. Using spatial context in satellite data to infer regional scale evapotransportation[J].IEEE Transactions on Geoscience and Remote Sensing 1990,28:940-948.

[3] 杜灵通,候 静,胡 悦,等. 基于遥感温度植被干旱指数的宁夏2000-2010年旱情变化特征[J]. 农业工程学报,2015,(14):209-216.

[4] 齐述华,李贵才,王长耀,等. 利用MODIS数据产品进行全国干旱监测的研究[J]. 水科学进展,2005,(1):56-61.

[5] 柳钦火,辛景峰,辛晓洲,等. 基于地表温度和植被指数的农业干旱遥感监测方法[J]. 科技导报,2007,(6):12-18.

[6] 王 莺,王劲松,姚玉璧,等. 基于温度植被干旱指数的广东省旱情动态监测[J]. 草业学报,2014,(2):98-107.

[7] 鲍艳松,严 婧,闵锦忠,等. 基于温度植被干旱指数的江苏淮北地区农业旱情监测[J]. 农业工程学报,2014,(7):163-172,294.

[8] 张 飞,田 源,塔西甫拉提·特依拜,等. 基于TVDI的渭干河-库车河三角洲绿洲植被生长期干旱遥感监测研究[J]. 干旱区资源与环境,2014,(6):75-81.

[9] 柳锦宝,何政伟,段英杰. MODIS数据支持下的西藏干旱遥感监测[J]. 干旱区资源与环境,2013,(6):134-139.

[10] 李云鹏,司瑶冰,刘朋涛,等. 基于空间信息的内蒙古农业干旱监测研究[J]. 干旱区资源与环境,2011,(11):125-131.

[11] Carlson T N,Gillies R R, Perry E M. A method to make use of thermal infrared temperature andNDVImeasurements to infer surface soil water content and fractional vegetation cover[J]. Remote Sensing Reviews,1994,9(1-2):45-59.

[12] 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,2002,79:213-234．

[13] 王正兴,刘 闯,HUETE Alfredo. 植被指数研究进展:从AVHRR-NDVI到MODIS-EVI[J]. 生态学报,2003,(5):979-987.

[14] 李耀先,陈翠敏,林 墨. 广西区域干旱的分析研究[J]. 热带气象学报，2009，(S1)：125-131.

[15] 张景扬,卢 远,李嘉力,等. 基于SPEI的广西干旱时空变化特征分析[J]. 云南地理环境研究,2015,(6):15-24.