王鶯,王勁松,姚玉璧,2,趙福年

(1.中國氣象局蘭州干旱氣象研究所 甘肅省干旱氣候變化與減災重點實驗室 中國氣象局干旱氣候變化與減災重點開放實驗室，甘肅 蘭州 730020；2.甘肅省定西市氣象局,甘肅 定西 743003)

自有人類社會起，干旱就與其相伴相生，并阻礙著社會的進步與發(fā)展。作為一種復雜的自然災害，干旱在每一種氣候區(qū)域內都有可能發(fā)生。據世界氣象組織的報告，自1963年開始，干旱已經發(fā)展成為世界范圍內影響最為廣泛的自然災害[1]。中國是一個干旱災害頻發(fā)的國家。據統(tǒng)計，自20世紀90年代以來，我國因旱年均糧食損失高達278億kg，因旱年均工業(yè)損失超過2000億元，因旱年均飲水困難人口達2746萬人[2]。更需要注意的是，在近年來全球氣候變暖的大背景下，我國年均氣溫升高，年降水量時空變異增大，極端天氣氣候事件增多，干旱區(qū)域不斷擴大，并有從干旱區(qū)向濕潤區(qū)發(fā)展的趨勢。

廣東省地處我國華南地區(qū)，地勢北高南低，屬于亞熱帶季風氣候區(qū)，是中國多雨地區(qū)之一。但是在季風、地理和地質條件的多重因素影響下也飽受季節(jié)性干旱的困擾。據《中國氣象災害大典·廣東卷》記錄，1950年以來，全省每年受旱面積在十幾萬至幾十萬公頃，干旱嚴重的年份受旱面積可超過100萬公頃，到90年代止，全省230多萬公頃的耕地中，約24%的耕地經常受旱。2004年，廣東省就發(fā)生了半個世紀以來最嚴重的農業(yè)旱災，受災面積7280 km2，成災面積3200 km2，直接經濟損失超過35億元[3]。王靜愛等[4]分析了1949-2000年中國旱災動態(tài)變化趨向的區(qū)域分異，發(fā)現(xiàn)廣東省為旱災增加區(qū)。隨著社會經濟的發(fā)展和城市化程度的不斷提高，廣東省對淡水的需求量劇增，干旱在威脅著全省農業(yè)生產的同時，也越來越嚴重地影響到社會生活的各個方面。因此進行有效的干旱監(jiān)測可以幫助決策部門及時準確地了解旱情的時空分布及其變化特征，采取積極有效的防旱抗旱措施，將干旱災害帶來的損失降到最低。

傳統(tǒng)的干旱監(jiān)測主要依靠位點尺度的土壤水分含量數(shù)據來表征研究區(qū)的干旱程度和范圍，這種方法的單點測量精度較高，但缺點是空間代表性差。近年來，空間遙感技術以其在時間和空間上可快速獲得大面積地物光譜信息的優(yōu)勢彌補了傳統(tǒng)監(jiān)測方法的不足，對實現(xiàn)干旱的動態(tài)監(jiān)測具有十分重要的意義[5]。自20世紀70年代開始，國內外對遙感監(jiān)測土壤水分的方法開展了大量研究，應用較廣泛的方法主要有熱慣量法、熱紅外法、距平植被指數(shù)法、作物缺水指數(shù)法、植被供水指數(shù)法等。熱慣量法只適用于裸土或稀疏植被覆蓋情況，若植被覆蓋度大，熱慣量法對土壤水分的監(jiān)測就會受到很大限制；歸一化差值植被指數(shù)(normalized difference vegetation index, NDVI)作為水分脅迫指標具有一定的滯后性[6-8]；溫度作為水分脅迫指標具有較高敏感性，但遙感獲得的地表溫度數(shù)據受到土壤背景和植被覆蓋的影響。2002年，Sandholt等[9]在簡化的植被指數(shù)-地表溫度特征空間的基礎上提出了溫度植被干旱指數(shù)(temperature vegetation dryness index, TVDI)，該指數(shù)既考慮了區(qū)域內NDVI的變化，又考慮了在NDVI相同情況下地表溫度的變化，對區(qū)域農業(yè)旱情和地表土壤水分的監(jiān)測效果得到了廣大學者的肯定[10-16]。但是計算TVDI指數(shù)時用到的NDVI數(shù)據在植被覆蓋度低的區(qū)域受到土壤背景的影響，在植被覆蓋度高的區(qū)域有飽和現(xiàn)象，且存在對大氣影響的糾正不徹底、“最大值合成法”不能保證選擇最佳像元等缺點[17]，而基于MODIS數(shù)據的增強型植被指數(shù)(enhanced vegetation index, EVI)在刻畫高覆蓋度植被方面比NDVI更加敏感，且能有效抵御大氣干擾，因此可以更好地描述區(qū)域植被在不同季節(jié)的差異[18]。

基于上述原因，嘗試采用MODIS-EVI與陸地表面溫度相結合構建EVI-TS特征空間的方法開展廣東省的干旱動態(tài)監(jiān)測，并結合野外實測土壤濕度數(shù)據對模型模擬結果做精度驗證，評估該方法對廣東省干旱監(jiān)測工作的適宜性，以期為廣東省的防旱抗旱工作提供科技支撐。

1 材料與方法

1.1 研究區(qū)簡介

廣東省位于109°40′～117°20′ E、20°08′～25°32′ N之間，海岸線曲折綿長，境內山嶺眾多，其走向主要為東北-西南方向，地勢呈由北向南伸向海洋的斜坡，山地丘陵約占全境面積的2/3，臺地平原占1/3(圖1)。廣東省南北跨溫帶、亞熱帶和熱帶，年平均氣溫19～23℃，1月份平均氣溫12～16℃，熱量資源十分豐富，不少經濟作物可以越冬。廣東省瀕臨南海，年降水量1300～2500 mm，居全國前列。但在季風、熱帶氣旋和地形的作用下，該地區(qū)熱量和降水量在時空分配上不均勻，常有季節(jié)性的春旱、秋旱、冬春連旱和夏秋連旱。廣東省的作物主要以水稻(Oryzasativa)為主，占糧食總產量的80%以上，其抗旱能力低，對水分要求高，極易受旱成災。

圖1 各站點位置圖Fig.1 Location of the soil moisture observation sites and climate stations

1.2 遙感數(shù)據

在研究中使用的遙感數(shù)據為美國宇航局/中分辨率成像光譜輻射計(National Aeronautics and Space Administration/Moderate Resolution Imaging Spectro radiometer, NASA/MODIS)陸地產品組按照統(tǒng)一算法開發(fā)的2011年16日最大合成產品MOD13A2(1000 m×1000 m)中的EVI數(shù)據和8日最大合成產品MOD11A2(1000 m×1000 m)中的LST(Land Surface Temperature)數(shù)據。以上數(shù)據在全球正弦曲線投影SIN(SINusoidal projection)系統(tǒng)中的編號為h28v06，資料版本為5.0，數(shù)據格式為EOS-HDF。該數(shù)據可以從http://reverb.echo.nasa.gov/reverb/網站下載。MOD13A2數(shù)據包含NDVI、EVI、紅光、近紅外、中紅外、藍光波段反射率及其他輔助信息，使用最新合成算法減小隨觀測角度變化和太陽-目標-傳感器幾何學因素引起的變化，用雙向反射分布函數(shù)(BRDF)模式將觀測量訂正到天頂角。MOD11A2數(shù)據包含白天和夜間地表溫度，其地表溫度是用31和32通道亮溫線性組合的劈窗算法計算獲取的，通道亮溫值由輻射度與0.1 K步長亮溫的查找表來確定，發(fā)射率是由MODIS土地覆蓋產品來確定[19]。

在MRT(modis re-projection tool)軟件中將EOS-HDF格式的MODIS圖像轉成TIFF格式，并定義為大地坐標WGS84；然后在ArcGIS 9.3中用data management tools將圖像坐標系統(tǒng)轉換為Albers地圖投影，并用cell statistics工具對MOD11A2數(shù)據進行16日最大值合成；最后在spatial analyst tools中用標準的廣東省行政邊界掩膜提取研究區(qū)EVI和LST數(shù)據。

1.3 土壤濕度數(shù)據

廣東省氣象數(shù)據和土壤濕度數(shù)據分別來源于中國氣象科學數(shù)據共享服務網(http://cdc.cma.gov.cn/home.do)的《中國地面氣候資料日值數(shù)據集》和《中國農作物生長發(fā)育和農田土壤濕度旬值數(shù)據集》。該數(shù)據集包含了2011年廣東省內36個氣象站點的日降水量和溫度，以及10個農氣站觀測的10 cm土壤相對濕度(圖1)。

1.4 MODIS-EVI

MODIS-EVI數(shù)據是綜合處理土壤、大氣飽和問題的增強型植被指數(shù)。它采用SAVI(soil adjusted vegetation index)對土壤背景影響進行了校正[20]，除了“云處理”和大氣校正處理外，還用ARVI(atmospherically resistant vegetation index)對殘留氣溶膠做了處理。EVI就是通過參數(shù)構建的一個同時校正土壤和大氣影響的植被指數(shù)。MODIS-EVI的合成算法是根據合成期16 d內數(shù)據質量狀況分4步逐步合成的，即當16 d內超過30%的數(shù)據符合質量要求，則根據BRDF把不同視角換算為星下點反射值，分別計算植被指數(shù)，然后采用限定視角內最大值原理合成；若16 d內小于30%且多于2 d的數(shù)據符合質量要求，選其中視角最小的2個植被指數(shù)，取兩者中最大值合成；若只有1 d無云，則直接使用這天的數(shù)據計算植被指數(shù)；若觀測期內均有云，則取合成期所有植被指數(shù)的最大值[21]。其計算公式為：

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

(1)

式(1)中，ρ為經大氣校正的各波段(NIR、Red和Blue)的反射率，L=1為土壤調節(jié)參數(shù)，c1和c2是描述通過Blue波段修正大氣對Red波段影響的參數(shù)，分別是6.0和7.5。

該數(shù)據在算法方面的改進為遙感定量研究奠定了良好的基礎。王正興等[17-18]的研究發(fā)現(xiàn)，在南亞熱帶和熱帶地區(qū)，EVI與地表溫度的線性關系明顯高于NDVI，且對植被不同季相的變化反應更加靈敏。

1.5 TVDI計算方法

很多研究人員發(fā)現(xiàn)陸地表面溫度(TS)和植被指數(shù)之間存在明顯的負相關關系，這種關系與土壤濕度密切相關[22-23]。Carlson等[24]和Price[25]發(fā)現(xiàn)若研究區(qū)植被覆蓋包含裸土到全覆蓋，土壤濕度包含極干旱到極濕潤，則以遙感資料獲得的NDVI和TS數(shù)據的散點圖呈三角形，而Moran等[26]發(fā)現(xiàn)其表現(xiàn)為梯形。這就是NDVI-TS特征空間(圖2)。Sandholt等[9]在研究土壤濕度時發(fā)現(xiàn)NDVI-TS特征空間中有很多等值線，于是提出了TVDI指數(shù)，用以估算土壤表層水分狀況，從而進行遙感干旱監(jiān)測。

圖2 NDVI-TS特征空間Fig.2 Illustration of simplified NDVI-TS space

由于1.4中提到的EVI的優(yōu)勢， 所以應用EVI來替代NDVI建立EVI-TS特征空間，進而構建TVDI指數(shù)。TVDI的計算見公式(2)：

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

(2)

式中，TVDI的取值在0～1之間，濕邊的TVDI最小，為0，土壤含水量接近田間持水量，干邊的TVDI最大，為1，土壤含水量接近萎蔫點；TS是任意像元的地表溫度；TSmin是某一EVI對應的最低地表溫度，對應EVI-TS空間的濕邊；TSmax是某一EVI值對應的最高地表溫度，對應EVI-TS空間的干邊。TSmin和TSmax的擬合方程如下：

TSmin=a1+b1×EVI

(3)

TSmax=a2+b2×EVI

(4)

式中，a1、b1是濕邊擬合方程的系數(shù)，a2、b2是干邊擬合方程的系數(shù)。

2 結果與分析

2.1 特征空間參數(shù)

圖3 EVI-TS特征空間Fig.3 EVI-TS space

提取廣東省相同EVI下不同像元對應的所有溫度中的最大和最小陸地表面溫度，然后通過EVI和LST二維散點圖建立每16 d 1次的EVI-TS特征空間圖(圖3)。2011年共獲得23張EVI-TS特征空間圖，圖3為其中的4張。從圖中可以看出，EVI-TS散點圖有相似的分布特征，即隨著EVI的增加，陸地表面最大溫度減小，最大地表溫度和最小地表溫度差值呈減小趨勢，且地面溫度的最大和最小值與EVI呈近似線性關系。另外，EVI-TS特征空間的季節(jié)變化也非常明顯，隨著溫度降低，EVI-TS特征空間明顯萎縮。和圖2相比，若將濕邊描述成與EVI軸平行的直線會給結果帶來較大誤差，所以有必要對濕邊進行線性擬合。

按照TVDI原理，當植被指數(shù)增加時，陸地表面最大溫度逐漸降低。這個假設基于植被指數(shù)與地表植被覆蓋度呈線性關系這一前提。但實際情況并非如此[27]。設EVI的精度為0.01，提取相應EVI在特征空間中的最大和最小陸地表面溫度，并對特征空間進行最優(yōu)目視判讀，回歸擬合獲得每個特征空間的干濕邊方程(表1)，線性擬合結果經t檢驗發(fā)現(xiàn)均達到0.05的顯著性水平。從表中可以看出，EVI-TS特征空間干邊擬合的整體效果很好，平均擬合系數(shù)R2>0.87；濕邊的擬合效果也比較好，平均擬合系數(shù)R2>0.55。但是在某些時段干濕邊擬合精度仍比較低，造成這一現(xiàn)象的主要原因是MODIS產品存在的噪聲會影響線性擬合精度。

a1和a2是干濕邊擬合方程的常數(shù)項，在特征空間中是干濕邊在Y軸(地表溫度)的截距。它代表了裸土像元在水分充足(a1)和水分匱乏(a2)時的地表溫度值。從表1中可以看到，隨著年內溫度的變化，EVI-TS特征空間的干濕邊截距也發(fā)生相應變化，即冬季截距較小，夏季截距較大。b1和b2為干濕邊擬合方程的斜率，其變化可以歸因于蒸散[28]、冠層傳導度[29]和土壤濕度[30]。在多重因素的影響下，b1和b2隨時間變化的規(guī)律性不明顯。

表1 EVI-TS特征空間干濕邊方程Table 1 The equations of the dry edge and wet edge for EVI-TS space

2.2 旱情等級分布

根據表1獲得的干濕邊方程和公式(2)，分別計算各時段的TVDI值。以TVDI值作為旱情分級指標，將旱情分為5級，分別是濕潤(0～0.2)、正常(0.2～0.4)、輕旱(0.4～0.6)、中旱(0.6～0.8)和重旱(0.8～1.0)。由此可得2011年23個時段16 d的廣東省旱情分布圖(圖4)。從圖中可以看出，2011年廣東省的冬旱非常嚴重，春季和秋季也有一定程度的干旱。廣東省冬旱和春旱的地區(qū)分布相似，均呈現(xiàn)自北向南逐漸加重的趨勢，且沿海地區(qū)重于內陸。秋旱的地區(qū)分布特點與冬春旱相反，大致呈自南向北逐漸加重的趨勢。具體來看，1月，重旱區(qū)主要位于廣東省西南部的徐聞縣、雷州市、湛江市、遂溪縣、廉江市、吳川市、化州市、茂名市、電白縣、高州市和陽西縣，還有陽東縣和信宜市的大部分地區(qū)，以及廣東省東部的海豐縣、汕尾市、陸豐市、陸河縣、惠來縣、普寧市、潮陽區(qū)、揭西縣、揭陽市、揭東縣、汕頭市和澄海區(qū)。2月，廣東西南部的重旱區(qū)仍然存在，同時廣東北部的龍川縣、興寧市和梅州市也發(fā)展成了重旱區(qū)。3月，重旱區(qū)主要分布在廣東的東南沿海。4月，重旱區(qū)主要位于廣東的西南部和東部。5月中上旬，廣東西南部的重旱區(qū)基本消失，而到了5月下旬，廣東西南部化州市、廉江市、茂名市、電白縣、吳川市、湛江市、遂溪縣、雷州市、徐聞縣又出現(xiàn)重旱。6月，廣東西南部的重旱范圍向南推移。7月，廣東西南部的重旱范圍進一步縮小。8月，廣東西南部的重旱基本得到緩解，而廣東中部和北部出現(xiàn)局部的重旱。9月和10月，廣東西南部、中偏東部和東部出現(xiàn)局部重旱。11月，廣東西南部又出現(xiàn)大面積重旱。12月，重旱分布范圍在11月的基礎上有了明顯擴大。

《中國氣象災害大典·廣東卷》中記載，廣東省的重春旱區(qū)位于雷州半島、周江口一帶及東南部沿海地區(qū)，而雷州半島南端春旱是固有的災害現(xiàn)象；重秋旱區(qū)主要位于北部偏北及潮汕一帶沿海地區(qū)；重冬春連旱區(qū)主要位于西南部偏西地區(qū)和珠江口附近沿海地區(qū)。本文的監(jiān)測結果與上述規(guī)律基本吻合。而《中國氣象災害年鑒(2012)》中記載，廣東省自2010年10月1日至2011年4月28日平均降水量為225.6 mm，比常年同期偏少61%，為歷史同期最少，持續(xù)偏少的降水導致廣東出現(xiàn)了歷史罕見的秋冬春連旱，而旱情從3月開始從粵東到粵西蔓延加劇。本文的研究結果較準確的反映了上述記錄。因此，可以應用MODIS數(shù)據進行廣東省旱情的動態(tài)監(jiān)測，為防災減災和災后救援提供及時準確的基礎資料。

圖4 2011年廣東省旱情遙感監(jiān)測分布Fig.4 The drought distribution monitored by remote sensing in Guangdong in 2011

2.3 TVDI與土壤濕度

圖5 TVDI與土壤濕度Fig.5 The relationship between TVDI and soil moisture

提取和土壤濕度數(shù)據采集時間相近的相應像元的TVDI數(shù)據，分析TVDI值與站點0～10 cm土壤濕度間的相關性(圖5)。從圖中可以看出，TVDI和土壤濕度間呈負相關關系，R2為0.16，經過t檢驗發(fā)現(xiàn)線性回歸方程達到0.01的顯著性水平。即TVDI值越高，土壤濕度越低。這一結論滿足TVDI值越接近1，土壤水分越少的原理。這進一步說明TVDI可以反映廣東省地表土壤水分狀況，用該指標做廣東省旱情動態(tài)監(jiān)測是可行的，具有應用價值。

2.4 TVDI與氣象因子

圖6 TVDI與氣象因子Fig.6 The relationship between TVDI and meteorological factors

在本研究中主要分析了降水量、平均溫度和平均相對濕度與相應像元的TVDI值之間的相關性(圖6)。從圖中可以看出，TVDI與降水量、溫度和相對濕度都呈負相關關系。說明隨著降水量減少、溫度降低和平均相對濕度減小，TVDI值增加，廣東省干旱程度增加。經t檢驗表明，方程達到0.05的顯著性水平。從相關系數(shù)來看，TVDI與降水量之間的相關性最高，R2為0.35，與平均溫度間的相關性最低，R2為0.21。因此，廣東省旱情發(fā)展的主要影響因子是降水量。

在氣象站尺度上進一步分析了TVDI和降水量的時間變化趨勢。選擇了2個站點，分別是羅定(111.57° E，22.77° N)和惠陽(114.42° E，23.08° N)。這兩個站所在像元在23幅圖像中均有有效數(shù)據，降水量有較明顯差異，且分別位于廣東省的西南和東北區(qū)，具有地域代表性。從圖7中可以看出，TVDI對降水的變化是敏感的，在連續(xù)降水之后，土壤濕度增加，植物受脅迫的情況得到緩解，TVDI值降低；當降水減少，土壤濕度減小，植被生長受到脅迫，TVDI值增加。從相關系數(shù)來看，羅定站的TVDI和降水量間的R2為0.0396，惠陽站的TVDI和降水量間的R2為0.0118，均未通過顯著性檢驗。出現(xiàn)這種情況的主要原因是空間尺度的不同。TVDI的空間分辨率為1 km，代表的是1 km2的地表干濕狀況，而降水量數(shù)據只代表氣象站一個點的降水狀況。但從圖7中仍可以看出，TVDI指數(shù)對降水是敏感的。

圖7 降水量與TVDI在站點尺度隨時間變化關系圖Fig.7 Trends of rainfall and TVDI from the station scale

3 結論

通過建立EVI-TS特征空間算法，獲得近似三角形的溫度植被指數(shù)特征空間，然后采用線性擬合的方法提取了干濕邊，構建了廣東省2011年的溫度植被干旱指數(shù)TVDI，得到了以下主要結論。

1)隨著EVI的增加，陸地表面最大溫度減小，最大地表溫度和最小地表溫度差值呈減小趨勢，且地面溫度的最大和最小值與EVI呈近似線性關系。EVI-TS特征空間的季節(jié)變化也非常明顯，隨著溫度降低，EVI-TS特征空間明顯萎縮。隨著年內溫度的變化，EVI-TS特征空間的干濕邊截距也發(fā)生相應變化，即冬季截距較小，夏季截距較大。

2)以TVDI值作為旱情分級指標，建立廣東省2011年旱情遙感監(jiān)測圖，從圖中可以看出2011年廣東省的冬旱非常嚴重，春季和秋季也有一定程度的干旱。冬旱和春旱的地區(qū)分布相似，均呈現(xiàn)自北向南逐漸加重的趨勢，且沿海地區(qū)重于內陸。秋旱的地區(qū)分布特點與冬春旱相反，大致呈自南向北逐漸加重的趨勢。結合廣東省歷史氣象資料對干旱監(jiān)測結果進行評價，結果表明遙感監(jiān)測結果與實際旱情較吻合，因此應用MODIS數(shù)據構建TVDI指數(shù)的方法可以用于廣東省旱情動態(tài)監(jiān)測。

3)比較TVDI與土壤濕度的相關性的結果表明，TVDI可以體現(xiàn)土壤濕度狀況，兩者呈負相關關系。從相關分析結果可以看出，TVDI與降水量、溫度和相對濕度間都呈負相關關系。從相關系數(shù)來看，TVDI與降水量之間的相關性最高。在氣象站尺度上TVDI對降水的變化最敏感。

從以上結論可以看出，TVDI是一種適用于大尺度的簡單有效且物理意義明確的旱情動態(tài)監(jiān)測方法，具有快速、及時、宏觀等優(yōu)勢。而利用EVI代替NDVI建立EVI-TS特征空間，既改善了NDVI的植被飽和、對大氣糾正不徹底等問題，也降低了土壤背景對植被指數(shù)的影響，使其更適宜于廣東省的旱情監(jiān)測與評估。因為定性反映土壤濕度情況的干邊和濕邊擬合方程是由EVI-TS特征空間數(shù)據得到的，不需要其他輔助數(shù)據，所以在不同時間和不同區(qū)域不具有可比性，且對邊界的擬合具有一定的主觀性。另外，在復雜地表和多變的氣候環(huán)境條件下，遙感影像的部分像元數(shù)值質量較差，從而影響特征空間干濕邊線性擬合的精度，在今后的工作中也要注意加強對無效像元分析剔除等方法的研究。