基于不同植被指数TVDI和VSWI模型的焉耆盆地土壤湿度反演

迪里胡玛尔·阿汗木江，玉素甫江·如素力，2，买合木提江·维吉旦，张发，陈世雪，亚夏尔·艾斯克尔

（1.新疆师范大学地理科学与旅游学院/流域信息集成与生态安全实验室，乌鲁木齐 830054；2.新疆干旱区湖泊环境与资源重点实验室，乌鲁木齐 830054）

土壤湿度是大气及陆地表面水分交换的重要指标之一，直接影响着地球生态环境的气候变化和水循环［1-3］。因此稳定、正确、实时检测土壤湿度对一个地区的水文、气候、农业等方面起重要作用［4］。以土壤湿度为参数，可以实现科学的气候环境变化监控与测量，在监测作物农业水管理、农作物旱情、地区气候转变以及地表植物蒸散等方面作用重大［5］。在进行陆地过程模式的分析时，全球和区域尺度的土壤湿度信息是不可缺少的参数，遥感技术是进行区域土壤湿度监测的一种重要手段［6］。

目前国内外在反演土壤湿度方面已经进行了大量研究。土壤湿度遥感监测方法主要有作物植被指数法、热惯量法、微波遥感法、热红外遥感法等［7-11］。在众多遥感监测方法中TVDI法和VSWI法近年来比较常用。Price［12］、Son等［13］、Patel等［14］基于地表植被覆盖度以及地表温度之间的关系，提出温度植被干旱指数（TVDI），它是反映植被生长状况和生境供水不足的定量指标，可用于区域土壤湿度监测；Meng等［15］利用不同方法对TVDI反演模型进行修改，使TVDI监测干旱的精度显明提高；VSWI法也是常用在土壤湿度遥感监测方法之一，张洁等［16］选用VSWI、NMDI与相应的土壤湿度数据进行回归分析，实现了土壤湿度的估算及旱情监测；田鑫等［17］利用VSWI和TVDI法实现了研究区灌域耕地灌溉面积的提取。TVDI法与VSWI法虽已得到广泛的应用，但利用同数据源得到不同指数的比较分析较少。

新疆的焉耆盆地在中国的西北部，处于干旱区，属于南天山褶皱断块山系，是半封闭的大面积山间盆地，是塔里木河流重要组成部分。目前，在有关焉耆盆地所开展的分析中，多基于水文循环、土地利用、土地覆盖变化以及绿洲生态评估等方面进行［18，19］，有关土壤湿度时空分布变化特征的分析并不常见。本研究考虑对植被盖度敏感性不同的植被NDVI、EVI、MSAVI以及SAVI，以焉耆盆地作为分析区域，对差异化植被指数下TVDI以及VSWI模型情况的检测效果进行计算对比，将土壤湿度反演效果较优的植被指数加以明确，进而分析焉耆盆地的时空分布状况，为焉耆盆地有关水资源保护以及生态环境质量方面的研究提供科学基础。

1 研究区概况

焉耆盆地（41°23′—42°42′N，86°29′—87°31′E）属于新疆巴音郭楞蒙古自治州（图1），总面积达8 932 km2，海拔1 050～2 000 m，地势表现为西部高东部低，北部高南部低的状态，是干旱半干旱区，暖温带大陆性干旱气候，降水不高、热量充沛，年均降水量为75～200 mm，山区和绿洲平原区的年平均气温为-4.84～8.6℃，相对湿度为50%～60%，年蒸发量在2 000～2 500 mm［20］。盆地热量与光照资源丰富，是典型的绿洲-荒漠交错区域。区内主要水域包括开都河、清水河和黄水沟等［21］。因为盆地绿洲在自然地理条件上比较特殊，很适合发展农业，自1950年，特别是1970年以来，由于改革开放的推进，促使农用耕地范围不断扩大，地区农业耕地面积持续增加，该区域的人类活动所产生的影响较为显著，因此，利用高分辨率遥感数据实现大范围、高精度的土壤湿度实时测量以及有关因素的分析，对焉耆盆地进行区域设计、水资源应用以及生态安全评估等方面有重要意义。

2 数据来源及研究方法

2.1 数据来源

2.1.1 遥感数据 采用的数据为Landsat 8 OLI影像数据，空间分辨率为30 m，成像时间为2020年10月，数据行列号为143/31，数据来源于http：//glovis.gov/。本研究首先对遥感影像进行格式转换和FLASH大气纠正，然后根据实地获取的地面控制点进行几何校正，校正误差控制在1/3个像元之内。将Landsat 8影像数据处理之后计算地表温度（Ts）、归一化植被指数（NDVI）、增强型植被指数（EVI）、改进的修正土壤调整植被指数（MSAVI）、土壤调整植被指数（SAVI），利用以上不同植被指数和地表温度值计算出TVDI数字影像，不同植被指数的计算公式见表1。

表1 植被指数的计算公式

2.1.2 气象数据 土壤湿度精度验证数据来自中国气象数据网（http：//data.cma.cn/）“中国气象局陆面数据同化系统（CLDAS）土壤相对湿度分析产品V2.0”。深度0～10 cm，空间分辨率0.062 5°×0.062 5°。

2.2 研究方法

2.2.1 温度植被干旱指数（TVDI）温度植被干旱指数（TVDI）是通过Ts-NDVI特征空间获取的水分胁迫指数，该方法能够用来对地表土壤湿度进行估测。对于TVDI来说，其建立依据了NDVI以及地表温度，在一个区域中，地表裸露，土壤湿度较低，而植被茂盛，则湿度较高。Sandhol等［22］进行有关土壤湿度分析得出，在Ts-NDVI的特征空间中等值线较多，因而对温度植被干旱指数（TVDI）这一概念（图2）提出了如下计算公式。

式中，地表温度用Ts表示；最小、最大地表温度对应为Tsmin以及Tsmax，分别对应湿边方程以及干边方程。

式中，a、b、c、d是干边湿边方程的系数。TVDI作为土壤湿度分级标准，将土壤湿度分为5个层次，如表2所示。

表2 TVDI、VSWI土壤湿度分级标准

2.2.2 地表温度（Ts）地表温度反演一般有3种，即热辐射传输方程法、单窗算法和单通道算法，本研究使用了热辐射传输方程法［23］对焉耆盆地进行地表温度反演。表达公式（4）Lλ用来对卫星传感器所接收的热红外辐射亮度进行表示。其构成部分有：大气上、下行辐射亮度，对应用L↑、L↓表示，事实上卫星传感器利用大气层所接收的辐射能量［24］。

式中，B（Ts）为黑体热辐射亮度；L↑和L↓分别是大气上行辐射亮度与大气下行辐射亮度；ε为地表比辐射率；τ为大气在热红外波段的透过率。温度为T（S）的黑体在热红外波段的辐射亮度B（Ts）的计算公式为：

Ts可以用普郎克公式函数获取，计算公式为：

对Landsat 8的Band 10来说，k1=774.89 W（/m2·μm·sr），k2=1 321.08 K；能够利用NASA官网来得到这里面的大气剖面参数，共有3个，热红外中大气的透过率τ以及上、下行辐射亮度，对应为L↑、L↓。

2.2.3 植被供水指数（VSWI） 植被供水指数（Vegetation Supply Water Index，VSWI）是根据植被在干旱逆境中表现出的不正常生理特征而提出［25］。在作物能够获得常规供水的情况下，在其一定的生长期内，植被指数以及地表温度在一定区间内维持；如果遇到灾害，不能符合作物在水上的需求，不利于其生长，同时植被指数也会下降，作物的温度会持续上升，即干旱导致作物所需水不能被满足。VSWI值变大，对于作物能够提供的水就越多，反之，则供水不足，出现干旱。

式中，Ts为地表温度；NDVI为归一化植被指数；VSWI作为土壤湿度分级标准，将土壤湿度分为5个层次，如表2所示。

3 结果与分析

3.1 不同植被指数构建的特征空间及干湿边的拟合

根据反演得到的不同植被指数和Ts数据，对以下数据信息进行收集，包括焉耆盆地差异化的植被指数，相应的最大、最小地表温度，对应为Tsmax以及Tsmin，横坐标代表植被指数，Ts值为纵坐标，通过数据预处理获取不同植被指数Ts-VI特征空间。如图（3）所示。

由图（3）可知，在特征空间中的干边和湿边均为三角形。在植被指数高于0的情况下，植被指数越大，地表温度最大值变小，最小值越大，以上三者为近似线性关系。不同植被指数构建的空间特征存在一定的区别，Ts-EVI构建的特征空间比其他植被指数差，Ts-SAVI构建的特征空间在这些植被指数中效果最好，Ts-NDVI、Ts-MSAVI构建的特征空间效果较好。

根据特征空间的构建结果，建立了不同植被指数特征空间对应的干边和湿边方程，如表3所示。其中干边的斜率均小于0，湿边的斜率大于0，间接反映了地表温度随着不同植被指数值变化的趋势。由表3可以看出，特征空间的干边和湿边拟合效果总体较好，R2大于0.8。不同植被指数对于干边和湿边方程的拟合效果有一定影响，其中Ts-SAVI构建的干湿边拟合效果最高，Ts-MSAVI次之，Ts-NDVI最低，Ts-EVI的拟合效果相对其他3个植被指数最低。这4种植被指数和地表温度构建的干边、湿边方程的拟合效果能够满足计算TVDI的需求。

表3 不同植被指数的干湿边方程

3.2 焉耆盆地土壤湿度等级分布

利用NDVI、EVI、MSAVI和SAVI计算TVDI、VSWI，并绘制了土壤湿度等级图，分析焉耆盆地的土壤湿度状况。以TVDI、VSWI为土壤湿度分类标准，将土壤湿度分为5个层次：极干旱（0.8＜TVDI≤1.0）、干旱（0.6＜TVDI≤0.8）、正常（0.4＜TVDI≤0.6）、湿润（0.2＜TVDI≤0.4）和极湿润（0＜TVDI≤0.2）；极干旱（0.8＜VSWI≤1.0）、干旱（0.6＜VSWI≤0.8）、正常（0.4＜VSWI≤0.6）、湿润（0.2＜VSWI≤0.4）和极湿润（0＜VSWI≤0.2），焉耆盆地土壤湿度分布状况见图4。由图4可以看出，利用NDVI、MSAVI、EVI、SAVI指数所反演的土壤湿度全区大部分地区正常及干旱，总体上从研究区中部向东北部土壤湿度降低；湿润区主要集中在焉耆盆地中部；偏旱或干旱情况出现在焉耆盆地东南部和东北部区，特别是在博湖南部的沙地区域和博湖东北区域存在小范围干旱情况。水体和湿地中发现极湿润区，森林和草地中发现湿润区，耕地中发现正常区，裸岩和建设用地中发现干旱区，沙地中发现极干旱区。

根据式（7）计算了同时段、同范围的VSWI值，根据VSWI指数划分的焉耆盆地土壤湿度等级分布见图5。由图5可以看出，同期焉耆盆地土壤湿度趋势与TVDI的基本一致，总体都是中部处于湿润和正常区，博斯腾湖流域南部沙地及东北部干旱情形严重，但TVDI没有反映出重旱区域，其他等级均比VSWI反映的要轻。

3.3 TVDI、VSWI与土壤相对湿度数据的精度验证

随机提取CLDAS土壤相对湿度分析产品V2.0提供的研究区相应日期的0～10 cm RSM数据，提取200个点，鉴于RSM数据的分辨率，分别建立了TVDI、VSWI模型反演的不同植被指数与0～10 cm RSM的线性回归模型，并计算了相关系数（表4）。结果表明，TVDI模 型 反 演 的TVDI-NDVI、TVDI-MSAVI、TVDI-SAVI、TVDI-EVI与土壤相对湿度均呈现不同程度的负相关关系，即TVDI越高，突然相对湿度越低。总 体 来 说TVDI-NDVI、TVDI-MSAVI、TVDISAVI、TVDI-EVI能反演0～10 cm的土壤湿度状况，TVDI-MSAVI相关性最高，决定系数为0.296，TVDINDVI次之，R2=0.187，TVDI-SAVI最低，R2=0.175，TVDI-EVI最低，R2=0.174。

表4 TVDI-VI、VSWI-VI与0～10 cm RSM的拟合

利用VSWI-NDVI、VSWI-MSAVI、VSWI-SAVI、VSWI-EVI与精度验证数据呈现不同程度负相关关系，VSWI-MSAVI决定系数最高，R2=0.235，VSWIEVI次 之，R2=0.180，VSWI-SAVI次 后，R2=0.177，VSWI-NDVI最低，R2=0.174。

3.4 焉耆盆地土壤湿度时空分布

遥感数据反演得到的焉耆盆地土壤湿度空间格局基本一致。利用遥感手段获取的土壤湿度信息能够反映土壤湿度分布的总体趋势。由TVDI反演的焉耆盆地土壤湿度时空分布（图6）状况可知，利用NDVI指数的TVDI大部分地区土壤湿度状况正常，东南部及东北部地区存在干旱状况，焉耆盆地中部及西北地区土壤湿度状况正常，主要集中在博湖县、焉耆回族自治县、和硕县、和静县。利用MSAVI指数的TVDI大部分正常及干旱，东南部及东北部地区存在干旱，北部及西部存在干旱状况但范围较小，其他部分属于湿润及正常状况。利用SAVI、EVI指数的TVDI结果和以上两个指数总体上一致。由VSWI反演的土壤湿度时空分布（图7）可知，VSWI反演结果和TVDI反演结果基本一致。总体而言，通过研究区域的各植被指数反演出的土壤湿度结果，发现地表外层裸露或植被少的区域，TVDI、VSWI较高，证明土壤中的水分较少，比较干燥；植被覆盖率高的区域，TVDI、VSWI较低，土壤水分含量适中，湿度情况正常；在湖区，沿湖流的TVDI、VSWI低，土壤相对湿润。除博斯腾湖流域和湖区外，焉耆盆地中部TVD、VSWI相对较小，土壤相对湿润；焉耆盆地南部的土壤湿度相对干燥。和水源地的距离越近，土壤湿度越高，反之距离较远，湿度一般不高。主要是由于焉耆盆地的自然降水少，蒸散量大，进行农业化生产多是使用地表的渠系和地下水，而与河流、水库和湖泊距离较近的区域通常会进行农业生产，如博湖县、和硕县、和静县水资源充足，可长期保证该区农作物需水量，土壤表层的湿度不低，均在0.6以下。焉耆盆地边缘远离河流、库、湖泊，并且没有植被覆盖，属于荒漠地带，其土壤含水量低，湿度趋近1，较为干燥。在这一盆地的中部区域，土壤的湿度较为稳定，而其边缘的绿洲和荒漠交叉地带，土壤的湿度极不稳定，存在显著的差别。

4 小结与讨论

土壤湿度是焉耆盆地植被恢复与生态环境重建的决定因素。以焉耆盆地为例，利用Landsat 8 OLI数据，计算MSAVI、EVI、NDVI、SAVI指数和地表温度，选用4种指数并采用TVDI、VSWI法来反演焉耆盆地土壤湿度，将2种方法的计算结果相结合，对反演的精度进行提高。采用0～10 cm RSM数据对TVDI、VSWI进行评价时，他们之间的相关系数普遍较低，主要原因是Landsat 8数据与0～10 cm RSM两者数据之间的空间分辨率差距较大，无法实现精确对应验证，其次是由0～10 cm RSM数据本身存在10%的偏差，难免会出现R2较低的情况［26］，但结合气象0～10 cm RSM数据对检测结果进行检验，结果表明TVDI、VSWI法能正确反演焉耆盆地土壤湿度，与已有相关研究结果一致［27，28］。本研究仅对一个月的土壤湿度进行了反演，后期需要在季、年等时间尺度上进行深入研究，进一步将TVDI、VSWI及各因子与土壤湿度的时空相关性深入分析。

根据Ts-VI特征原理，利用地表温度和不同植被指数建立Ts-VI特征空间，在Ts-VI特征空间的基础上，构建TVDI，同时利用以上数据建立VSWI。通过2020年10月 的Landsat 8 OLI资 料 的TVDI与VSWI数据对焉耆盆地土壤湿度进行反演分析，得出结果如下。

在由不同植被指数和地表温度构建的特征空间中最高地表温度和最低地表温度最终趋于一点，散点图为三角形。从Ts-NDVI、Ts-MSAVI、Ts-SAVI、Ts-EVI空间构成的干边、湿边方程拟合具有较好的拟合效果，干边和湿边的R2均在0.83以上。

TVDI-NDVI、TVDI-MSAVI、TVDI-SAVI、TVDIEVI与土壤相对湿度负相关，决定系数TVDI-MSAVI最高，TVDI-NDVI次之，TVDI-SAVI次后，TVDI-EVI最 低。VSWI-NDVI、VSWI-MSAVI、VSWI-SAVI、VSWI-EVI与土壤相对湿度呈负相关关系，决定系数VSWI-MSAVI最高，VSWI-EVI次之，VSWI-SAVI次后，VSWI-NDVI最低。TVDI模型与VSWI模型都能反演焉耆盆地土壤湿度，TVDI比VSWI更适合焉耆盆地的土壤湿度研究。

焉耆盆地大部分区域湿度状况属于干旱或半干旱，正常现象主要出现在研究区中部，干旱现象出现在东南部和东北部。

本研究对比分析4种植被指数下TVDI、VSWI对土壤湿度状况的监测结果，TVDI、VSWI模型适合用于焉耆盆地土壤湿度状况。土壤湿度是焉耆盆地生态系统恢复的限制因素，是生态环境可持续发展的重要因素，同时也是众多学者研究的热点和重点，因此，如何快速、高效、准确地获取土壤湿度，对治理焉耆盆地生态环境具有重要的意义。