基于Modis-TVDI方法的山东小麦生长季旱情遥感监测

陈 振， 刘 涛， 梁守真， 侯学会， 王 猛， 隋学艳

(山东省农业可持续发展研究所/农业部华东都市农业重点实验室，山东济南 250100)

山东省是一个粮食生产大省，据国家统计局数据显示，山东省近年来粮食总产量稳居全国第三，在保障粮食安全方面占举足轻重的地位[1]。但近年来，山东省干旱频发，对农业生产造成了极大的困扰。在旱情发生时，如何及时有效地发现旱情，并采取相应缓解旱情的措施，一直是指导农业生产的重要工作。干旱是一种因水分供求不平衡而导致的区域性水分短缺的现象[2]，它的发生和作用机制比较复杂，波及范围较广，持续时间长，针对区域尺度的干旱监测一直是一个热点难点问题。传统的干旱监测一般通过设置气象站点，观察记录站点所在地区的温度、降水和土壤水分含量等旱情指标，虽然在技术层面比较成熟，但是受到许多客观因素的制约，仍然是以点带面的模式，难以实现连续空间上的旱情监测，监测结果难以反映地表植被对旱情的响应，在综合监测旱情方面存在很多不足[3]。遥感监测旱情方法的出现弥补了这些方面的不足，遥感技术具有宏观、动态和经济的特点，其高时空分辨率能够实现区域尺度连续空间范围内的旱情监测，已广泛应用于旱情监测领域[4]。

目前遥感监测干旱的方法很多，主要有热惯量法、植被指数、温度指数、综合植被和温度指数、微波遥感方法等，各种方法各有其优缺点及适用范围[5]。目前常用的是基于植被指数和温度的监测方法，即归一化植被指数-地表温度(NDVI-Ts)特征空间法，相关的研究较多。研究表明，土壤水分含量与地表温度和植被生长状态有密切的关联性。Nemani等研究发现，地表温度(Ts)与植被指数(NDVI)有密切的负相关关系[6]。Price和Carlson等研究发现，在植被覆盖范围较大的区域，由遥感数据获取的Ts和NDVI为横纵坐标散点图分布呈现三角形[7-8]；Moran等发现呈现梯形[9]。Goward等构建了NDVI-Ts特征空间对土壤水分进行反演[10]。国内学者在遥感旱情监测方面也做了大量的研究工作，齐述华等较早开展NDVI-Ts特征空间的研究，发现了温度植被干旱指数(TVDI)与土壤湿度具有显著相关性，并建立了TVDI指数来反映旱情[11]。姚春生等基于Modis遥感数据，结合TVDI对8—9月新疆地区土壤湿度进行了反演，效果比较理想[12]。张顺谦等利用NOAA/AVHRR数据结合TVDI对四川省伏旱进行遥感监测，与气象监测结果基本一致[13]。季国华等利用Landsat8数据改进了TVDI，提出了干边修订的改进型温度植被干旱指数(MDTVDI)反演土壤水分，相较于TVDI精度更高，区域干旱监测效果更好[14]。

1 研究区域和数据源

1.1 研究区域概况

山东省位于中国东部沿海、黄河下游，形成了以中部山地丘陵为骨架，平原盆地环列四周的地势分布特征。气候属于温带季风气候，降水比较集中，雨热同季，年平均气温11～14 ℃，年平均降水量一般在550～950 mm之间，降水季节分布很不均衡，降水多集中在夏季，易形成涝灾，而冬、春和晚秋则易发生干旱，尤其是在小麦的主要生长季(3—6月)发生干旱会严重影响小麦的产量，造成减产甚至绝产，对农业生产造成很大影响。

1.2 数据源

为了针对干旱发生的特点，满足对干旱快速、连续监测的需求，本研究选择适合进行大范围和长期动态干旱监测的Modis数据[15]。美国国家宇航局(NASA)提供了一系列的Modis标准产品，下载山东地区2012年3—6月的MODIS11A2和MODIS13A3数据。其中，MODIS11A2为空间分辨率1 km的8 d合成的地表温度数据，MODIS13A3是空间分辨率为1 km的NDVI月合成数据。为使数据时间分辨率统一，需要将同一月份内的8 d合成的地表温度数据取平均数，作为当月的地表温度。

2 研究方法

NDVI-Ts特征空间图(图1)中，A表示干燥的裸土；B表示湿润裸土；C表示有植被完全覆盖的土壤；AC边就是植被指数对应的最高地表温度，即为土壤水分含量较低的“干边”；BC为植被指数对应的最低地表温度，即为土壤水分含量较高的“湿边”。在A、B、C三点构成的三角形区域内，代表了各种地表类型的NDVI-Ts特征空间关系。Sandholt等研究认为，在NDVI-Ts特征空间中存在一系列的土壤湿度等值线(图2)，这些等值线相交于干、湿边的交点，并且近似于直线，而且这些直线的斜率与土壤湿度呈一元线性关系[16]，据此提出了植被缺水指标——温度植被干旱指数(temperature vegetation dryness index，TVDI)：

(1)

Tsmin=a+b×NDVI，Tsmax=c+d×NDVI。

(2)

式中：Ts为影像任意像元的地表温度(单位：K)；Tsmin为NDVI对应的最小地表温度(单位：K)，代表“湿边”；Tsmax为NDVI对应的最大地表温度(单位：K)，代表“干边”；a、b、c、d分别代表对干边和湿边进行线性拟合的参数。TVDI值在干边和湿边分别为1和0。

从图2可以看出，对于TVDI，数值越大表示土壤湿度越低，干旱情况越严重；数值越小表示土壤湿度越高。

3 数据处理

3.1 数据预处理

Modis遥感数据为HDF-EOS格式，利用NASA提供的处理工具MODIS Reprojection Tool(MRT)对数据进行投影转换，将遥感影像分辨率统一为1 km，投影系统采用Albers等面积投影，坐标系为WGS-84。

利用ENVI软件对影像进行裁剪，借助现有的山东省行政区划矢量文件裁剪获取山东省范围的遥感影像。为使地表温度数据和NDVI数据的时间分辨率相一致，将地表温度数据在同一月内的数据均值作为地表温度数据当月值。

3.2 各月地表温度和NDVI空间分布

从图3可以看出，地表温度随着时间推移逐渐升高，各个月份气温空间分布特征不同。3月北部沿海地区温度最低，中部和西北部温度最高，其余地区温度次之；4月地表最高温度集中在中部地区，西部地区温度相对较低，呈现出高温向东部地区移动的趋势；4月温度呈现西低东高的分布特征，35～40 ℃的高温出现在中部和东南部；6月全省呈现普遍高温的特征，气温基本都在30 ℃以上，并且呈现南高北低的分布特征。

从图4可以看出，NDVI总体呈现先升高后降低的趋势，在小麦的生长季(3—5月)里，西部NDVI一直相对较高，高于中东部地区，3—5月NDVI呈现升高趋势，中部山地地区和东部丘陵地区NDVI升高明显，6月西部地区NDVI明显降低。总体而言，NDVI高值主要分布在作物生长的内陆地区，低值主要分布在沿海地区和有水体的区域。

3.3 构建Ts-NDVI特征空间

按0.01的步长提取NDVI在0～1范围内的不同像元所对应的地表温度的最大值和最小值，构建Ts-NDVI特征空间，3—6月的特征空间如图5所示。

从图5可以看出，每个月的数据的Ts-NDVI特征空间均符合三角形的特征空间，随着NDVI的增加，地表温度的最大值均呈现先升高后降低的变化趋势，而地表温度最小值呈现比较稳点的变化特征，近似于一条平行于x轴的直线，并呈现略有增大的趋势，这一变化特征也符合特征空间三角形理论。

3.4 干湿边拟合和TVDI计算

根据前人已有的研究结论可知，对于遥感影像中NDVI小于0.25的像元，一般是水体和陆地的混合像元，另外NDVI能够识别的植被覆盖度需要在15%以上，低于这个值时很难对真实的覆盖度作出正确识别，而覆盖度达到80%以后，植被的NDVI值也会趋于饱和，NDVI也不能准确反映这个茂盛植被覆盖区域的真实值。通过构建的Ts-NDVI特征空间也能发现，对于最大地表温度而言，NDVI在0～0.25范围内拟合直线斜率为正，大于0.25小于0.85和大于0.85的拟合直线斜率为负，并且可以看出两者的斜率不相等。

因此，选取NDVI在0.25～0.85的数据进行线性拟合，通过干湿边的定义，分别提取3—6月的干湿边，如图6所示。对于湿边，根据Ts-NDVI特征空间理论可知，湿边是近似于平行于x轴的直线；对于干边拟合方程，均通过可信度为 0.01 的t检验，拟合效果较好。

根据干湿边的拟合方程，利用式(1)、式(2)，根据定义计算TVDI，从而得到山东省2012年3—6月的TVDI分布图。TVDI能够表示某一区域土壤湿润程度的一个相对值，能够在一定程度上说明干旱的程度，一般而言， 根据TVDI的取值分为5级，分别为极湿润(0

从图7可以看出，3—5月干旱程度较重的区域呈现由西向东移动的趋势，且干旱程度较高的区域主要集中在中部地区，3月和6月西北和西南平原地区干旱程度明显高于4月和5月，湿润的区域主要分布在北部沿海地区和西南地区。3月和6月呈现东北部沿海地区湿润，内陆地区干旱的分布特征；4月和5月呈现中东部干旱，西部湿润的分布特征。

4 结论

本研究为研究山东省小麦主要生长季的旱情状况，利用Modis遥感数据进行遥感观测，主要选择了2012年3—6月的月NDVI数据和8d合成的地表温度数据，以月为单位，分析了地表温度和NDVI的空间特征分布状况，结合Ts-NDVI特征空间法，构建了与土壤湿度关系密切的三角形特征空间，并提取了拟合效果较好的干湿边，进而求得能够指示土壤湿润度的TVDI空间分布，并对干旱程度作了一定的划分，对于农业生产有很好的指导作用，能够及时地对旱情发生的区域作出识别，以便采取相关措施缓解旱情。

研究结果表明，在小麦的主要生长季，地表温度随时间的推移呈现升高的趋势，主要呈现中部地区气温高，沿海和西部地区气温低的分布特征。NDVI呈现出先升高后降低的变化特征，3—5月全部地区NDVI明显呈现升高的趋势，6月份，西部和东部地区降低，中部地区变化不明显，这主要是因为从3月开始小麦返青后迅速生长，树木也开始发芽生长，NDVI呈现增长趋势，到6月份小麦开始收获，小麦的主要种植区西部平原和东部丘陵地区NDVI降低，这种变化趋势符合山东省的物候特征。

依据能够反映土壤湿度特征的Ts-NDVI特征空间法，对3—6月的遥感影像提取Ts-NDVI特征空间，结果呈现与前人研究结果一致的三角形特征空间，结合NDVI对植被覆盖度指示效果较好的值域范围，在0.25～0.85的NDVI范围内对特征空间的干湿边进行拟合，湿边的拟合符合近似平行于x轴的直线，干边拟合直线拟合效果较好，通过可信度为0.01的t检验。

利用干湿边拟合曲线，根据TVDI定义，获得了山东省2012年3—6月的TVDI空间分布图，TVDI与土壤湿润程度有密切的关系，根据TVDI的取值划分了5个旱情等级标准，分别为极湿润(0