王园园，许君一，于 臻，孙祥龙，李先明，王永吉

（1.山东科技大学测绘科学与工程学院，山东 青岛 266510；2.海岛（礁）测绘技术国家测绘局重点实验室,山东 青岛266510；3.现代城市测绘国家测绘地理信息局重点实验室，北京100044；4.天津航测科技中心，天津 300211；5.泰华智慧产业集团股份有限公司，山东 济南 250101；6.湖州市测绘院，浙江 湖州 313000；7.中国矿业大学，北京 100081）

基于温度植被干旱指数的河南省旱情演化分析

王园园1,2,3，许君一1,2,3，于 臻4，孙祥龙5，李先明6，王永吉7

（1.山东科技大学测绘科学与工程学院，山东 青岛 266510；2.海岛（礁）测绘技术国家测绘局重点实验室,山东 青岛266510；3.现代城市测绘国家测绘地理信息局重点实验室，北京100044；4.天津航测科技中心，天津 300211；5.泰华智慧产业集团股份有限公司，山东 济南 250101；6.湖州市测绘院，浙江 湖州 313000；7.中国矿业大学，北京 100081）

2014年河南省遭遇自1951年来最严重干旱。针对这一现象，在对目前的干旱监测类型进行简要对比分析的基础上，着重阐述了温度植被干旱指数（TVDI）的基本原理；结合MODIS数据，通过数据处理提取地表温度（LST）和归一化植被指数（NDVI），从而建立NDVI-Ts特征空间。根据干边和湿边的散点图，对特征空间中最低温度和最高温度进行线性拟合，计算出TVDI，最后以TVDI为分级指标进行干旱等级划分，对河南省2014年7月下旬到9月上旬的旱情演化趋势进行分析。

干旱监测；地表温度；植被指数；TVDI

目前，国内外许多学者将温度干旱植被指数法有效地应用于遥感干旱监测研究领域[1-5]。很多学者利用河南干旱灾害资料，统计分析了河南旱灾发生的季节、区域及年际变化情况，得出河南干旱灾害的过程具有明显的季节性，而且其灾害可发生在任何时间段。本文将利用MODIS资料，通过建立特征空间，对2014年河南省旱情显著期进行分析。MODIS遥感数据由于自身的特点在大面积、大范围的干旱监测方面具有很大优势。为了减小土壤背景影响，更好地评价研究区域旱情，采用植被指数和地表温度相结合的综合信息进行研究很有必要。

1 传统干旱检测方法对比分析

传统的较为成熟的土壤水分监测方法中，热惯量法虽然计算简单，但由于没有考虑地面蒸散作用，适合植被覆盖较少的区域；植被指数类的监测方法主要有归一化植被指数法（NDVI）、归一化距平植被指数法（AVI）、条件植被指数法（VCI）,它们虽然适合于有较高植被覆盖度的区域，但需要长时间序列的研究数据，且具有滞后性，难以推广；温度类的监测方法有条件温度指数法（TCI）、归一化差值温度指数法（NDTI），它们主要适用于裸土或低植被覆盖度的区域，同植被类监测法类似，也需要长时间序列的遥感监测数据，而且受气候因素影响较大，故需要气象数据作为辅助；植被指数与温度结合类监测方法主要包括条件植被温度指数法（VTCI）、植被供水指数法（VSWI）、温度植被干旱指数法（TVDI），它们的特色是要求监测区地表覆盖从裸土变化到比较稠密的植被覆盖，主要优势是构建的特征空间具有很强的适应性，当然对不同的时间和区域的特征空间指数存在不可对比的问题；微波遥感类能够实现全天时和多极化的工作特性，对土壤表层具有一定的穿透能力，但目前还没有一个成熟的微波遥感反演土壤湿度的算法，而且后向散射系数受土壤水分、植被、地表粗糙度、地形等共同作用，区分较难。还有一种云参数类，可以充分利用云覆盖的遥感数据，无需严格的大气校正和地面参数反演，计算简单，由于没有考虑时空变化的影响，辐射传输模型方法推导复杂，难以大范围推广使用。

本文选取植被指数类与温度结合类法，通过建立NDVI-Ts特征空间，对TVDI分级统计，研究2014年夏季河南省旱情演化趋势。

2 TVDI基本原理与数据预处理

2.1 关于TVDI基本知识

TVDI的定义为TVDI=(Ts−Tmin)/(Tmax−Tmin)，其中，Tmin表示最小地表温度，对应的是湿边；Tmax为某一NDVI对应的最高温度，即干边；Ts是任意像元的地表温度，如图1。

图2 中Ts-NDVI 的散点图边界由裸土、全植被覆盖、饱和含水、最少含水量4种极限情况而定。特征空间4个顶点就分别代表4种极限状态：A 点为干燥裸土；B 为湿润裸露土壤；C点代表湿润密闭植被冠层，点D 代表干旱密闭冠层。从A到B土壤含水量增加，由于水分蒸发，地面温度降低；从D到C，土壤含水量增加，蒸腾作用增加，地表温度降低。沿BC方向，随着NDVI值增加，在AD边上最高地面温度下降。AD边代表最干的情况下对应于地表覆盖及天气状况的地表温度的极高值，称为干边；BC边表示的是土壤水分极其充足的状况，称为湿边[4]。事实上，大多数干湿边的点并不在一条直线上，而是呈分段特征[5]。

图2 特征空间

2.2 研究区概况

河南位于北纬31°23'～36°22'，东经110°21'～116°39'，位于我国半湿润半干旱过渡带地区，气候主要为温带季风气候，较为温和，具有明显的过渡特征。南北方气候差异较大，山地和平原气候差异也较为明显。

图3 河南行政区划（审图号为GS（2013）2541）

2.3 数据选取与处理

美国国家航空与航天局（NASA）向全球提供的MODIS数据由于其自身独特的特点而优于NOAAAVHRR卫星，实验数据选用MOD11A2（1 km地表温度、发射率8 d合成L3产品）、MOD13A2（1 km分辨率植被指数16 d合成产品）。选取河南旱情显著的第209 d、第225 d、第241 d、第257 d数据进行分析。数据下载后利用MODIS 产品数据处理软件HDF Explorer ,读出两种数据各自的转换参数（scale factor）和转换方程,然后调用ENVI band math功能，计算出真实的地表温度和植被指数数据。利用NASA 研发的MODIS Reprojection Tools（MRT）软件对 MODIS数据进行格式和投影转换,将HDF格式转换为TIFF格式,将SIN投影转换为UTM投影系统（采用48°带，重采样方法采用最邻近法，1 000 m分辨率）,椭球体采用WGS 84。最后利用与影像具有相同地理坐标系统的矢量文件进行裁剪，得到河南省第209 d、225 d、241 d、257 d的LST和NDVI，图4为LST和NDVI样图。

图4 8 d合成的LST 和16 d合成的NDVI

3 结果与分析

3.1 干湿边方程的拟合

在ENVI主菜单里选择Transform-TVDI计算，弹出选择NDVI和LST文件的对话框，选择需要的NDVI和LST文件后弹出TVDI计算对话框，输入文件输出路径，得到拟合曲线和干湿边方程以及TVDI图像（注：LST值单位默认为K，本文为℃），输出的干湿边曲线结果如图5所示。

图5是根据最优目视判读，有针对性地选择NDVI的范围，由图可知，除了第241天，Ts-NDVI特征空间形状均基本呈三角形，每幅的干湿边拟合趋势相似。特性空间中相应的最大和最小地表温度并非是一条直线，而是与NDVI呈近似线性关系。由于植被冠层的蒸腾作用，随着NDVI的增加，干边所对应的地表温度降低。湿边对应的地表温度随NDVI的增加而降低，该结果与Ts-NDVI特征空间的理论不符，原因可能是没有考虑气温随高程变化对TVDI反演的影响[7]，同时验证TVDI存在的局限性，只有研究区植被覆盖满足一定条件时，Ts-NDVI特征空间才会呈现三角形或者梯形形状[8]。冉琼等用同样方法反演全国的土壤湿度时对高程进行了订正，效果良好。故若要得到较好效果，需要对温度进行高程订正且剔除异常点[9]。

表1 干湿边拟合方程

图5 各时相干边和湿边的拟合方程

3.2 TVDI计算及河南干旱等级划分

干旱等级的划分需要考虑到区域气候以及干旱监测指数的不同，国家标准中主要以降水量、土壤湿度等5 种单项指标及CI综合指数将旱情分为5个等级[10]：正常或湿涝、轻旱、中旱、重旱和特旱。本文以计算出的TVDI作为干旱指标，对2014年第209、225、241、257 天的旱情情况对比分析后将干旱等级划分为5级,分别是：湿润（0

从4个时相分布图看出，河南大部分地区出现了轻旱和中旱，局部地区出现重旱。干旱主要分布在中部、西南、东北部。总体来讲，中旱面积所占比例最大。第209天到第241天，正常、轻旱区域面积比例减小，而中旱和重旱面积不断增加。相对而言，第209 天干旱程度较轻，旱情较为分散，第225天旱区主要集中在中部和南部局部地区，而且干旱区域开始逐步向南部信阳、西部三门峡、东部商丘和北部安阳、濮阳等市蔓延，直到241天，这些地方成为中旱地区。但第257 天可以看出，由于8月25日以后陆续迎来降雨，旱情相对第241天而言得到了缓解。

图6 各时相干旱分布图

3.3 结果分析

根据计算出的TVDI得到各时相干旱比例如表2、图7，各干旱类型的时相变化见图8。

表2 各时相干旱比例

图7 各时相干旱比例饼状图

图8 干旱类型的时相变化图

河南省2014年夏季从第209天到第241天，正常、轻旱所占比例不断减少，正常比例由25%减少到2.32%，轻旱比例由48.5%减少到18.04%，直到第257天，比例相对第241天才有所增加，但增加幅度不大。而中旱和重旱所占比例却是不断增加，中旱比例由20.9%增加到60.44%，重旱由2.60%增加到18.81%，第257 天中旱和重旱比例略有降低，但降低幅度并不大。

分析整个干旱发展的趋势可知，2014年河南省整个夏季干旱程度是明显增强的，有自中部向东部和北部发展的趋势，总体发展面积不断变化，中旱、重旱比重不断增加，直到九月份西部地区旱情才开始有好转迹象，但由于长期的旱灾影响，绝大多数地区未能快速摆脱灾害。

[1] 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(2-3):213-224

[2] CARLSON T N,GILLIES R R,SCHMUGGE T J.An Interpretation of Methodologies for Indirect Measurement of Soil Water Content [J].Agricultural and Forest Meteorology,1995,77(3-4): 191-205

[3] MORAN M S,CLARKE T R,TNOUE Y,et al.Estimating Crop Water Deficit Using the Relation Between Surface-air Temperature and Spectral Vegetation Index [J].Remote Sensing of Environment,1994(49):246-263

[4] 冉琼.全国土壤湿度及其变化的遥感反演与分析[D].北京:中国科学院,2005

[5] 王鹏新,WAN Zhengming,龚键雅,等.基于植被指数和土地表面温度的干旱监测模型[J].地球科学进展,2003,18(4):527-533

[6] 齐述华,王长耀,牛铮.利用温度植被干旱指数（TVDI）进行全国旱情监测研究[J].遥感学报,2003,7(5):420-427

[7] 范辽生,姜纪红,盛晖,等.利用温度植被干旱指数（TVDI）方法反演杭州伏旱期土壤水分[J].中国农业气象,2009,30(2):30-234

[8] 李嘉力,卢远,金建,等.基于TVDI的广西干旱遥感监测研究[J].大众科技2014,16(108):21-23

[9] 冉琼,张增祥,张国平.温度植被干旱指数反演全国土壤湿度的DEM订正[J]中国水土保持科学,2005,3(2):32-36

[10] 龙晓敏,王龙,杨蕊,等.基于温度植被干旱指数的云南干旱遥感监测[J].中国农村水利水电,2012 (11):136-139

P208

B

1672-4623（2017）02-0098-04

10.3969/j.issn.1672-4623.2017.02.030

2015-12-15。

项目来源：现代城市测绘国家测绘地理信息局重点实验室开放课题资助项目（20111204W ）。

王园园，硕士研究生，主要研究方向为遥感科学与技术。