基于MODIS数据的新疆地区土壤湿度反演
2017-06-19李海霞杨井陈亚宁郝兴明
李海霞，杨井，陈亚宁，郝兴明
基于MODIS数据的新疆地区土壤湿度反演
李海霞1,2，杨井1*，陈亚宁1，郝兴明1
(1.中国科学院新疆生态与地理研究所，荒漠与绿洲生态国家重点实验室，新疆 乌鲁木齐 830011；2.中国科学院大学资环学院，北京 100049)
以新疆地区为研究对象，选取2016年5和6月的植被指数产品数据和地表温度产品数据，构建新疆地区NDVI-Ts和EVI-Ts特征空间，分析新疆地区土壤干湿状况的空间分布格局及土壤水分的影响因素。结合野外同步重复采样获得的土壤含水量对TVDI进行验证，并分析EVI和Ts所包含的旱情信息。结果表明：(1)构建NDVI-Ts和EVI-Ts特征空间，其散点图符合三角形的关系。(2)新疆地区5和6月土壤湿度总体以干旱(0.6 温度植被干旱指数；特征空间；地表温度；NDVI-Ts；EVI-Ts 作为陆地表面水循环系统的重要组成，土壤水分的存在形式和运动状态对全球的能量平衡起着重要的调节作用，地-气间的热量平衡、土壤温度和农业等受土壤水分时空分布会产生显著影响，因此土壤水分对气候、农业、旱情监测都具有重要意义[1-3]。获取土壤湿度的方法主要分为三大类：田间实测法、土壤水分模型和遥感监测[4-11]；观测土壤湿度的传统方法主要为田间实测法，田间实测方法的优点是操作简单，但是采样需要大量的人力、物力、财力等，连续的动态旱情监测难以实现[8,11-12]。土壤水分模型法是根据影响土壤水分的因子来建立土壤水分方程从而求解土壤湿度[4-6]，如李忠武等[13]基于GIS的黄土丘陵沟壑区土壤水分模型研究。土壤水分模型法需要的气象数据量大且不确定因素较多，预测土壤湿度的准确度有一定的误差。和田间实测法、土壤水分模型法相比，遥感技术可以进行大范围、实时、动态的土壤湿度监测，如吴黎等[14]和余涛等[15]热惯量法(AVDI)在河北省和华北农业区土壤水分反演中的应用，王玉娟等[16]和高志海等[17]在渭河流域和石羊河下游选取作物缺水指数法(CWSI)进行干旱监测，大量研究[18-28]应用温度植被旱情指数法(TVDI)进行土壤干湿状况的监测及郑兴明[27]利用微波遥感法在东北地区土壤湿度反演中的应用等。 温度植被旱情指数法(TVDI)是通过建立植被指数和陆地表面温度的关系方程来反映土壤的干湿状况。在陆地表面温度和植被指数空间关系的研究中，Ts-NDVI特征空间的一个重要影响因素是植被指数在不同的作物生长季敏感性不同。基于NDVI的TVDI主要适用于作物生长的初期和中期[18,29]，高植被覆盖时红光饱和问题严重、植被指数被压缩，NDVI的一致性也受到了土壤噪音的影响[30-31]。增强型的EVI较好地解决了NDVI红光饱和及NDVI的一致性受土壤噪声影响等问题[29]。在作物不同的生长阶段，植被覆盖状况不同，我们将选取相应的敏感植被指数，对提高监测农业旱情具有重大意义。 本文以新疆为研究区，选择MODIS(中分辨率成像光谱仪)数据和覆盖度较好的5和6月的NDVI和EVI两种植被指数，来构建Ts-NDVI和Ts-EVI特征空间，并利用陆地表面温度和归一化的植被指数计算TVDI，反映新疆地区的干旱状况的空间分布及讨论土壤湿度空间分布的影响因素。同时结合采用野外卫星同步采样获取的地表土壤含水量数据进行验证，并选取适合5与6月的植被指数，进一步讨论土壤湿度与土地利用、地形的关系，对植被指数和陆地表面温度对旱情的敏感性做出分析，确认它们所包含干旱信息的相对大小，为新疆农业旱情监测提供科学依据和决策参考。 1.1 原理及方法 图1 Ts-NDVI特征空间Fig.1 Ts-NDVI feature spaceA:Dry bare soil.B:Saturated bare soil.C:Vegetation moisture sufficiency. 利用温度-植被指数(Ts-NDVI)特征空间反演土壤湿度的基本原理是基于土壤湿度、植被指数和地表温度三者的关系，植被冠层通过吸收太阳能使冠层温度增大，植被通过蒸腾发散作用使冠层温度降低。因此，当土壤水分不足时，感热通量增加，蒸散作用减弱，冠层温度升高；反之，冠层温度降低[25,32-35]。虽然土壤湿度不能通过陆地表面温度直接表现出来，但是在相同的植被覆盖度下土壤湿度状况可以通过地表温度间接表现出来，反映在遥感图像上为像元灰度值的高低[32,34-35]。从该意义上，地表温度可以作为反映土壤干湿状况的一个指标。 Price[35]和Carlson等[36]研究发现以MODIS遥感影像获得的温度-植被指数特征空间的散点图为三角形；Nemani等[37]和Moran等[38]研究发现Ts和NDVI构成的散点图为梯形。Sandholt等[39]研究发现Ts和NDVI构成的图中有很多等值线(图1)，从而提出了TVDI的概念[11,41-47]。 图1中A代表干旱无植被覆盖的土壤；B代表潮湿且无植被覆盖的土壤；C代表潮湿密闭植被冠层[4,29]。 TVDI由植被指数和地表温度计算得到，其定义为： (1) 其中，Ts是任意像元的地表温度；当用植被指数NDVI来计算TVDI时，Tsmin=c+d*NDVI，Tsmin为某一NDVI对应的地表温度的最小值，对应的是湿边，c和d是湿边拟合方程的系数；Tsmax=a+b*NDVI，Tsmax为某一NDVI对应的地表温度最大值，即干边，a和b是干边拟合方程的系数[12,29,41-42]。相应地，也可以用植被指数EVI来计算TVDI。我们用TVDIN和TVDIE分别表示用NDVI和EVI来计算的TVDI。TVDI在0～1之间，TVDI越大，表示对应的土壤湿度越小。可以用TVDI值作为不同土壤干旱分级指标，本文将土壤干旱程度划分为5级：极湿润(0 1.2 研究区概况 新疆位于中国西北边陲，深居中欧亚大陆腹地，地理坐标73°20′41″～96°25′ E，34°15′～49°10′45″ N，总面积166.49×104km2，是我国地域面积最大的省区。新疆属温带大陆性气候，冬季漫长而严寒，夏季短而炎热，干旱少雨，南疆年降雨量仅20～100 mm，北疆年降雨量100～500 mm，蒸发强烈，昼夜温差较大，日照时间长，光热资源充足[43]。 1.3 数据的来源及处理 本研究采用美国国家航空航天局(NASA)提供的MODIS 8 d合成且空间分辨率为1 km的2016年5和6月地表温度数据(MOD11A2)和16 d合成且空间分辨率为1 km的植被指数数据 (MOD13A2)、年合成且空间分辨率为500 m的土地利用数据(MCD12Q1)、由NASA和 美国国家图像测绘局(NIMA) 联合测量且空间分辨率为90 m的高程数据(SRTM DEM)。MOD11A2和MOD13A2产品均为V004，MCD12Q1产品的版本为V5.1，SRTM DEM产品的版本为V4.1。 MOD11A2包括白天地表温度和夜间地表温度等数据资料；MOD11A2中的地表温度(LST)是通过建立31、32通道亮温线性组合，并用劈窗算法计算获取，其中通道亮温值是根据辐射亮度与0.1 K步长亮温的查找表来确定，在计算LST过程中需要的发射率是根据MODIS土地覆盖产品确定[4,10,23,42,45]。 MOD13A2包含NDVI、EVI、红光、近红外等数据资料；MOD13A2用于检测植被状态和土地覆盖利用变化，MOD13A2在生成植被指数时需要对大气吸收、分子散射等效应做订正，用双向反射分布函数(BRDF)模式将观测量订正到天顶角[23,35,42,46]。 图2 研究区示意图及土壤湿度采样点Fig.2 Study area and soil moisture sampling points MOD12Q1是由一年的Terra和Aqua观测所得的数据经过处理获得；MOD12Q1主要包括11个自然植被类型、3个土地开发与镶嵌的地类和3个非草木土地类型。 土壤含水量采样时间为2016年5月中下旬和6月中下旬。每天采样时间一般为10：30左右(为了保证和卫星过境时间一致)，天气要求晴朗，风力一般小于3级[44]。由于新疆地形复杂且根据研究需要，2016年5和6月在野外利用GPS做记录并布设样点(图2)，用土钻逐点采集0～10 cm的样品且每个样点取3次重复。通过把装有土样的铝盒带回实验室称重，放在温度为(105±3) ℃恒温干燥箱中烘6～8 h，盖好盖子，冷却至室温称重得到土壤含水量。公式如下： (2) 式中:W为土壤含水量(%);W1为湿土质量(g)；W2为烘干土质量(g)。 文中图像处理过程由ARCGIS图像处理软件完成，处理过程如下[31]： (1) 首先利用MODIS数据产品投影变换软件MRT作图幅拼接和进行投影变换，输出图像为GEOTIFF。 (2) 在ARCGIS中使用新疆的省矢量图裁剪出新疆的地表温度图像和植被指数图像。 (3) 在matlab中将两个时相8 d的地表温度数据合成为1个时相16 d的地表温度数据，利用16 d合成的地表温度数据和植被指数数据，提取某一NDVI/EVI对应的所有温度中的最大值和最小值，将不同NDVI/EVI下的最大温度和最小温度保存于Excel中。 (4)利用上一步骤提取的数据，在Sigmaplot中对NDVI/EVI和最大、最小陆地表面温度进行线性拟合，获得干边和湿边的方程系数，根据(1)式计算图像像元温度植被干旱指数 (TVDI)值，获得新疆TVDI的分布图。 (5) 根据TVDI等级划分新疆土壤湿度分布图，提取采样点位置的TVDI值，对TVDI和土壤含水量进行相关分析。 2.1 Ts-NDVI和Ts-EVI特征空间 在NDVI或EVI 0～1值域范围内，经过数据的预处理，获得2016年5，6月每16 d的Ts-NDVI和Ts-EVI特征空间(图3)。由于NDVI或EVI<0的区域主要为水体或云、雪，可以认为土壤湿度为100%，故分析时仅考虑NDVI或EVI>0的像元[35]。从图3中可以看出：Tsmax随着NDVI或EVI的增大，呈现出先增加后逐渐减小的趋势；Tsmin随着NDVI或EVI增大，呈缓慢增加趋势，地表温度的最大值与最小值之间的差值呈减小趋势，且陆地表面温度的最大值、最小值与NDVI呈现近似线性关系。与杨秀海等[46-47]、王纯枝等[34]、陈斌等[48]的研究结果一致。从5月到6月的数据中可以看出(图3)，6月份的最高温度比5月份的最高温度大且6月份的最低温度比5月份的最低温度小；随着植被指数的增加，每一期的陆地表面温度的最大值和最小值最后相交于一点且呈三角形。 图3 2016年5和6月NDVI-Ts和EVI-Ts特征空间Fig.3 Feature spaces of NDVI-Ts and EVI-Ts in May and June,2016 2.2 特征空间干、湿边的确定 在特征空间中，利用相同植被指数像元所对应的最大和最小地表温度，回归拟合可获得干边和湿边方程，但特征空间中的最大、最小地表温度并不是一条直线，因此获得TVDI的关键步骤是如何选择合适的像元进行回归拟合。本文以2016年4月11日-6月26日的Ts-NDVI或Ts-EVI特征空间为例，探讨如何确定 Ts-NDVI/Ts-EVI特征空间的干湿边方程。 陆地表面最大温度形成的点线大致可以分为两部分 (图3)：0 综合以上分析，在拟合干湿边方程时，我们不考虑0 表1 Ts-NDVI/Ts-EVI特征空间的干边和湿边方程Table 1 Fitted equations for dry and wet condition based on Ts-NDVI/Ts-EVI feature space 2.3 TVDI的等级分布及影响因素 2.3.1 TVDI的时空分布 总体上看，新疆山地的土壤湿度明显高于平原和盆地(图4)，新疆北部的阿尔泰山、中部的天山、南部昆仑山的土壤湿度为极湿润和湿润，而新疆北部的准噶尔盆地、南部塔里木盆地的土壤湿度为干旱和极干旱，这与姚春生等[22-23]和何建村等[40]的研究结果一致。总之，南疆的土壤湿度低于北疆，东部的土壤湿度低于西部。图4中(a)和(b) 每16 d一期的土壤湿度等级中，极干旱的面积在减小且南疆的塔克拉玛干沙漠的干旱面积在扩展。 将6月份的TVDIN和TVDIE与5月份相应的TVDIN和TVDIE图进行差值运算，得到[-1,1]的结果范围，并划分为4个等级：[-1,-0.5]干旱减轻程度较大、(-0.5,0]干旱减轻程度较小、(0,0.5]干旱加重程度较小和 (0.5,1]干旱加重程度较大[49](图5)。从干旱变化图可以看出：TVDIN和TVDIE的干旱程度减轻范围较大，主要分布在南部的塔里木盆地(塔克拉玛干沙漠)；干旱加重程度较小的范围也比较大，主要分布在天山以北；干旱加重程度较大的范围很小。 图4 基于TVDIN (a)和TVDIE (b) 新疆土壤湿度等级分布图Fig.4 Levels of soil moisture in the Xinjiang based on TVDIN (a) and TVDIE (b) 图5 2016年5与6月干旱变化Fig.5 Drought changes from May to June in 2016 2.3.2 土地利用类型及高程对TVDI的影响 土壤湿度的分布在一定程度上受土地利用的影响[30,50]，另外地形会通过影响干、湿气流和土壤水的走向，从而影响土壤湿度[10]。从图6中的(a)可以看出：在5和6月份中林地、高覆盖度草地、中覆盖度草地的TVDI值属于正常(0.4 随着高程的增加，TVDI总体上呈减小趋势，即土壤湿度呈增加趋势(图6b,c)；从图6d可以看出0～1000 m和1000～2000 m的高程像元个数最多且占研究区面积的68.5%，5与6月的TVDI均值均大于0.6，这说明新疆地区以干旱为主。另外从图6d中还可以看出5和6月TVDI均值在小于0的高程带内的地区最高(0.92和0.94)；无论是5月还是6月，土壤湿度随高程的增加而增加，即从干旱到极湿润。 2.4 TVDI作为旱情指标的验证性评价 由于本文的主要目的是监测新疆土壤湿度的空间分布，所以可以用和卫星过境时间一致重复采样获得的土壤含水量验证TVDI。以实测土壤含水量为纵坐标，以TVDI为横坐标构建温度干旱植被指数与实测土壤含水量的散点图(图7)。从图7看出，温度植被指数与野外实测的表层土壤含水量之间呈现出负相关关系(图7)，且R2均在0.6以上，而且对TVDIN与TVDIE来说基本没有差别。这说明TVDIN与TVDIE都能反映土壤水分状况的变化趋势。图7也表明在湿润条件下(TVDI<0.4)，偏离趋势线比较大，表明在新疆TVDI能更好描述干旱条件(TVDI>0.4)。 图6 土地利用类型和高程与TVDI的关系图Fig.6 Relations between TVDI and land use,and TVDI and elevation 2.5 EVI和Ts对旱情的敏感性分析 以植被指数和陆地表面温度为基础构建的旱情指标是目前计算土壤湿度的常用方法[34]。通过前面的研究可知利用植被指数和陆地表面温度构建的旱情指标是有效的，为了了解植被指数和温度分别包含了多少干旱信息，我们有必要对植被指数和温度对旱情的敏感性做出分析。本文以5和6月下旬作为案例进行分析，分别以植被指数和陆地表面温度为横坐标和温度植被旱情法为纵坐标作图(图8)，TVDI随温度的升高，整体上呈逐渐增大的趋势，即土壤湿度逐渐减小(图8)；同时可以从TVDIE的散点图中看出：TVDI与EVI的关系不如TVDI与Ts存在的关系明显，因此，与陆地表面温度相比，植被指数(EVI)反映旱情的能力小于陆地表面温度/冠层温度(Ts)。 本文利用Ts和NDVI的关系计算出了温度植被干旱指数，并用其分析了2016年5、6月新疆地区地表干旱状况的空间分布及对5、6月两个月干湿状况进行对比，并用野外实测土壤含水量对遥感反演的TVDI进行验证分析，得出如下结论。 图7 表层土壤湿度与TVDI的关系Fig.7 Relations between TVDI and topsoil moisture in May and June in 2016 图8 5与6月陆地表面温度 (Ts)、EVI与TVDI的关系图Fig.8 The TVDI-Ts/TVDI-EVI scatterplot in May and June in 2016 (1)在归一化的植被指数和温度构成的特征空间中最高温度和最低温度最后趋于一点，散点图为三角形。从NDVI-Ts和EVI-Ts空间构建的干、湿边方程拟合效果很好，干边的R2均在0.9以上，湿边的R2均在0.8以上。 (2)新疆地区5和6月土壤湿度总体上以干旱(0.6 (3)不同土地利用类型的土壤湿度状况不同。在5月份林地的TVDI值最低，6月份高度覆盖草地的TVDI值最低；在5和6月份中林地、高覆盖度草地、中覆盖度草地的TVDI值属于正常，其他土地利用类型的TVDI值属于干旱。 (4)本文用野外实测土壤含水量对遥感反演的TVDI进行验证分析，结果表明遥感数据获得的温度旱情指数与土壤含水量呈显著的负相关；TVDIE与土壤含水量的相关性大于TVDIN与土壤含水量的相关性，TVDIE更适合高植被覆盖区，TVDIN适合中低植被覆盖区。 (5) TVDI随温度的升高，整体上呈逐渐增大的趋势，TVDI与EVI的关系不如TVDI与Ts存在的关系明显，相对植被指数，陆地表面温度更能反映旱情。 本文没有考虑卫星视角，卫星视角会降低传感器接受图像信息的质量，因此会降低反演土壤湿度的精度；此外新疆地区范围大，土地利用类型在不同的地区差异大，本文用的温度植被指数法仅考虑了地表温度和植被指数，使计算土壤湿度的结果有一定的偏差[11,33-34,50]。接下来的工作是要从考虑卫星视角和各类要素的角度来研究新疆地区的土壤湿度。 References： [1] Cheng Y,Chen L F,Liu Q H,etal.The soil moisture detection for different vegetation coverage based on the MODIS data.Journal of Remote Sensing,2006,10(5):783-788.程宇,陈良富,刘钦火,等.基于MODIS数据对不同植被覆盖下土壤水分监测的可行性研究.遥感学报,2006,10(5):783-788. [2] Tian Y F.Inversion of Soil Moisture Based on the MODIS and Its Application in Watershed Hydrological Model[D].Hangzhou:Zhejiang University,2013.田延峰.基于MODIS的土壤水分反演及在流域产流模型中的应用[D].杭州:浙江大学,2013. [3] Tian Y F,Teng H F,Guo Y,etal.Inversion and validation of surface soil based on the temperature vegetation dryness index (TVDI)-Soil science papers for the future[C].Chengdu:University of Electronic Science and Technology of China Press,2011:67-73.田延峰,滕洪芬,郭燕,等.基于MODIS温度植被干旱指数(TVDI)的表层土壤含水量反演与验证-面向未来的土壤科学论文集[C].成都:电子科技大学出版社,2011:67-73. [4] Ran Q.Retrieval of Soil Moisture Status in China and Analysis of Its Spatial and Temporal Distribution Characteristics[D].Beijing:Chinese Academy of Sciences (Institute of Remote Sensing Applications),2005.冉琼.全国土壤湿度及其变化的遥感反演与分析[D].北京:中国科学院研究生院(遥感应用研究所),2005. [5] Xiao J D,Zhou G,Shi Q D,etal.Soil moisture of Yili and Bozhou retrieved by temperature vegetation dryness index.Desert and Oasis Meteology,2009,3(3):11-16.肖继东,卓嘎,师庆东,等.利用温度植被干旱指数反演伊犁博州地区土壤湿度.沙漠与绿洲气象,2009,3(3):11-16. [6] Yao K.Soil Moisture Was Retrieved by MODIS data in Yili Bozhou[D].Urumqi:Xinjiang University,2009.姚坤.基于MODIS的伊犁博州土壤湿度的反演[D].乌鲁木齐:新疆大学,2009. [7] Deng H,Zhou Q B.The progress in remote sensing method for monitoring soil moisture.Journal of China Agricultural Resources and Regional Planning,2004,25(3):46-49.邓辉,周清波.土壤水分遥感监测方法进展.中国农业资源与区划,2004,25(3):46-49. [8] Fu X,Song C Q,Zhong X K.On spatial and temporal variation of land surface moisture in Northern Tibetan.Advances in Water Science,2012,23(4):464-474.傅新,宋春桥,钟新科,等.藏北高原土壤湿度时空变化分析.水科学进展,2012,23(4):464-474. [9] Liu C M,Sun R.Ecological aspects of water cycle advances in soil-vegetation-atmosphere of energy and water fuxes.Advances in Water Science,1999,10(3):251-259.刘昌明,孙睿.水循环的生态学方面-土壤-植被-大气系统水分能量平衡研究进展.水科学进展,1999,10(3):251-259. [10] Song C Q,You S C,Liu G H,etal.The spatial of soil moisture in Northern Tibet based on TVDI method.Progress in Geography,2011,30(5):569-576.宋春桥,游松财,刘高焕,等.基于TVDI的藏北地区土壤湿度空间格局.地理科学进展,2011,30(5):569-576. [11] Yang L,Yang Y Z.The spatial and temporal pattern of soil moisture in the the west Liaohe river basin based on TVDI method and its influencing factors.Journal of Arid Land Resources and Environment,2016,30(2):76-81.杨玲,杨艳昭.基于TVDI的西辽河流域土壤湿度时空格局及其影响因素.干旱区资源与环境,2016,30(2):76-81. [12] Song C Q,You C S,Ke L H,etal.The study of MODIS remote sensing for monitoring soil moisture over Northern Tibetan Plateau.Chinese Journal of Soil Science,2012,43(2):294-300.宋春桥,游松财,柯灵红,等.藏北高原土壤湿度MODIS遥感监测研究.土壤通报,2012,43(2):294-300. [13] Li Z W,Cai Q G,Zeng G M,etal.Soil moisture model for loess hilly region based on GIS.Journal of Hydraulic Engineering,2004,(3):123-128.李忠武,蔡强国,曾光明,等.基于GIS的黄土丘陵沟壑区土壤水分模型研究.水利学报,2004,(3):123-128. [14] Wu L,Zhang Y Z,Jie W H,etal.The inversion of soil water content by the improved apparent thermal inertia.Remote Sensing for Land &Resources,2013,25(1):44-49.吴黎,张有智,解文欢,等.改进的表观热惯量法反演土壤含水量.国土资源遥感,2013,25 (1):44-49. [15] Yu T,Tian G L.The Application of thermal inertia method the monitoring of soil moisture North China plain based on NOVAA-AVHRR data.Journal of Remote Sensing,1997,1(1):24-31.余涛,田国良.热惯量法在监测土壤表层水分变化中的研究.遥感学报,1997,1(1):24-31. [16] Wang Y J,Wang S D,Zeng H J,etal.Drought characteristic in the Weihe river basin based on water shortage index of crops.Arid Zone Research,2014,31(1):118-124.王玉娟,王树东,曾红娟,等.基于作物缺水指数法的渭河流域干旱特征.干旱区研究,2014,31(1):118-124. [17] Gao Z H,Li Z Y,Wei H D,etal.Study on the suitability of vegetation indices (VI) in arid area.Journal of Desert Research,2006,26(2):243-248.高志海,李增元,魏怀东,等.干旱地区植被指数(VI)的适宜性研究.中国沙漠,2006,26(2):243-248. [18] Liu L W,Xing L X,Pan J,etal.Remote sensing Simulation of soil moisture content in Dongliao He Basin.Hunan Agricultural Sciences,2012,(21):128-131.刘立文,邢立新,潘军,等.东辽河流域土壤含水量遥感模拟.湖南农业科学,2012,(21):128-131. [19] Wang P X,Gong J Y,Li X W,etal.Advances in drought monitoring by using remotely sensed normalized difference vegetation index and land surface temperature products.Advance in Earth Sciences,2003,18(4):527-533.王鹏新,龚健雅,李小文,等.基于植被指数和土地表面温度的干旱监测模型.地球科学进展,2003,18(4):527-533. [20] Wang C Y,Luo C F,Qi S H,etal.A method of land cover classification for china based on NDVI-Ts space.Journal of Remote Sensing,2005,9(1):93-99.王长耀,骆成凤,齐述华,等.NDVI-Ts空间全国土地覆盖分类方法研究.遥感学报,2005,9(1):93-99. [21] Yang X,Wu J J,Yan F,etal.Assessment of regional soil moisture status based on characteristics of surface temperature/vegetation index space.Acta Ecologica Sinica,2009,29(3):1208-1216.杨曦,武建军,闫峰,等.基于地表温度-植被指数特征空间的区域土壤干湿状况.生态学报,2009,29(3):1208-1216. [22] Yao C S.Retrieval of Soil Moisture Using MODIS Data[D].Beijing:Chinese Academy of Sciences (Institute of Remote Sensing Applications),2003.姚春生.使用MODIS数据反演土壤水分研究[D].北京:中国科学院研究生院 (遥感应用研究所),2003. [23] Yao C S,Zhang Z X,Wang X,etal.Evaluating soil moisture status in xinjiang using the temperature vegetation dryness index (TVDI).Remote Sensing Technology and Application,2004,19(6):473-478.姚春生,张增祥,汪潇,等.使用温度植被干旱指数法(TVDI)反演新疆土壤湿度.遥感技术与应用,2004,19(6):473-478. [24] Yu P,Shen R P.Remote sensing retrieval of deep soil moisture based on vegetation cover degree and surface temperature.Shanxi Meteorology,2010,(3):10-14.余鹏,沈闰平.基于植被覆盖度-地表温度的深层土壤湿度遥感反演.陕西气象,2010,(3):10-14. [25] Zhang Z,Ding J L,Li X,etal.Suitability of TVDI used to monitor agricultural in arid area.Journal of Desert Research,2015,35(1):220-227.张喆,丁建丽,李鑫,等.TVDI用于干旱区农业旱情监测的适宜性.中国沙漠,2015,35(1):220-227. [26] Zhang Z,Ding J L,Yan X Y,etal.Remote sensing monitoring of drought in Turkmenistan oasis based on temperature/vegetation drought index.Chinese Journal of Ecology,2013,32(8):2172-2178.张喆,丁建丽,鄢雪英,等.基于温度植被干旱指数的土库曼斯坦典型绿洲干旱遥感监测.生态学杂志,2013,32(8):2172-2178. [27] Zheng X M.Research on Soil Moisture Passive Microwave Remote Sensing Inversion Method in Northeast of China[D].Shenyang:Chinese Academy of Sciences (Northeast Institute of Geography and Agricultural Ecology),2012.郑兴明.东北地区土壤湿度被动微波遥感高精度反演方法研究[D].沈阳:中国科学院研究生院(东北地理与农业生态研究所),2012. [28] Yan F,Wang Y J.Estimation of soil moisture from Ts-EVI feature space.Acta Ecologica Sinica,2009,29(9):4884-4891.闫峰,王艳姣.基Ts-EVI特征空间的土壤水分估算.生态学报,2009,29(9):4884-4891. [29] Huete A,Didan K,Shimabokuro Y,etal.Regional Amazon basin and global analyses of MODIS vegetation indices:Early results and comparisons with AVHRR.Geoscience and Remote Sensing Symposium,2000,2:536-538. [30] Liu X J,Li X P,Yang Q K,etal.Retrieving soil moisture based on terrain factors-A case study in yan he river basin.Agricultural Research in the Arid Areas,2010,28(5):218-223.刘晓婧,李新平,杨勤科,等.基于地形因子的土壤水分反演研究-以延河流域为例.干旱地区农业研究,2010,28(5):218-223. [31] Huo A D.Study on Aeolian Desertification Remote Sensing Monitoring System in China Using MODIS Image Data[D].Yangling:Northwest A&F University,2008.霍艾迪.基于MODIS数据的沙漠化遥感监测技术研究[D].杨凌:西北农林科技大学,2008. [32] Qi S H.Drought Monitoring Models with Remote Sensing and Spatio-temporal Characteristics of Drought in China[D].Beijing:Chinese Academy of Sciences (Institute of Remote Sensing Applications),2004.齐述华.干旱监测遥感模型和中国干旱时空分析[D].北京:中国科学院研究生院(遥感应用研究所),2004. [33] Qi S H,Wang C Y,Niu Z,etal.Evaluating soil moisture status in china using the temperature/ vegetation dryness index(TVDI).Journal of Remote Sensing,2003,7(5):420-428.齐述华,王长耀,牛铮,等.利用温度植被旱情指数(TVDI)进行全国旱情监测研究.遥感学报,2003,7(5):420-428. [34] Wang C Z,Mao L X,He Y B,etal.Application of temperature-vegetation dryness index (TVDI) in estimation of soil moisture in HHH plain.Chinese Journal of Soil Science,2009,40(5):998-1005.王纯枝,毛留喜,何延波,等.温度植被干旱指数法(TVDI)在淮海平原土壤湿度反演中的应用研究.土壤通报,2009,40(5):998-1005. [35] Price J C.Using spatial context in satellite data to infer regional scale evapotranspiration.IEEE Transactions on Geoscience and Remote Sensing,1990,28(5):940-948. [36] Carlson T N,Gillies R R,Perry E M,etal.A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover.Remote Sensing Reviews,1994,9(1/2):161-173. [37] Nemani R,Pierce L,Running S,etal.Developing satellite-derived estimates of surface moisture status.Journal of Applied Meteorology,1993,32(3):548-557. [38] Moran M S,Clarke T R,Inoue Y,etal.Estimating crop water deficit using the relation between surface-air temperature and spectral vegetation index.Remote Sensing of Environment,1994,49(3):246-263. [39] Sandholt I,Rasmussen K,Andersen J,etal.A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status.Remote Sensing of Environment,2002,79(2):213-224. [40] He J C,Bai Y G,Zhang Y J,etal.Soil drought characteristics in xinjiang with remote sensing data.Arid Land Geography,2015,38(3):735-742.何建村,白云岗,张严俊,等.基于MODIS数据新疆土壤干旱特征分析.干旱区地理,2015,38(3):735-742. [41] Wu M Y,Zhang Q G,Xu L,etal.Dynamic monitoring and spatial -temporal change of summer drought in Anhui province based on the TVDI.Journal of Anhui Agricultural University,2014,41(4):669-674.吴明业,张国庆,徐丽,等.基于TVDI指数的安徽省伏旱动态监测与时空演变的研究.安徽农业大学学报,2014,41(4):669-674. [42] Du J Q,Zhao C X,Jia E H A H T,etal.Analysis on spatio-temporal trends and drivers in monthly NDVI during recent decades in Xinjiang,China based two datasets.Transactions of the Chinese Society of Agricultural Engineering,2016,32(5):172-181.杜加强,赵晨曦,贾尔恒·阿哈提,等.近30年新疆月NDVI动态变化及其驱动因子分析.农业工程学报,2016,32(5):172-181. [43] Wan Z.MODIS land-surface temperature algorithm theoretical basis document.Institute for Computational Earth System Science,1999,3:75. [44] Huete A,Justice C,Van Leeuwen W,etal.MODIS vegetation index (MOD13).Algorithm Theoretical Basis Document,1999,3:1-120. [45] Wei W,Ren H C,Zhao J,etal.Retrieving soil moisture of shiyang river basin by ATI and TVI based on EOS/MODIS Data.Remote Sensing for Land &Resources,2011,(2):104-109.魏伟,任皓晨,赵军,等.基于MODIS的ATI和TVI组合法反演石羊河流域土壤含水量.国土资源遥感,2011,(2):104-109. [46] Yang X H,Zhuo G,Luo B,etal.On MODIS data based dought monitoring in Northwest China.Pratacultural Science,2011,28(8):1420-1426.杨秀海,卓嘎,罗布,等.基于MODIS数据的西北地区旱情监测.草业科学,2011,28(8):1420-1426. [47] Yang X H,Zhuo G,Luo B,etal.Drought monitoring in the Tibetan plateau based on based on MODIS dataset.Journal of Desert Research,2014,34(2):527-534.杨秀海,卓嘎,罗布,等.基于MODIS数据的青藏高原旱情监测研究.中国沙漠,2014,34(2):527-534. [48] Chen B,Zhang X X,Hua K,etal.Application study of temperature vegetation drought index (TVDI) in grassland drought monitoring.Arid Land Geography,2013,36(5):930-937.陈斌,张学霞,华开,等.温度植被干旱指数(TVDI)在草原干旱监测中的应用研究.干旱区地理,2013,36(5):930-937. [49] Xu Y L.Study on Remote Sensing Inversion of Soil Moisture and The Relationship Between Soil Moisture and Land-use in Hebei Plain Area[D].Shijiazhuang:Hebei Normal University,2010.许玉兰.河北平原区土壤湿度的遥感反演及其与土地利用关系研究[D].石家庄:河北师范大学,2010. [50] Zhang B Y.Study on Dynamic of Soil Water Under Different Landsues in Small Watershed of Loess hilly Region[D].Yangling:Graduate University of Chinese Academy of Sciences,2008.张北赢.黄土丘陵区小流域不同土地利用方式土壤水分动态规律研究[D].杨凌:中国科学院研究生院,2008. Retrieval of soil moisture information in Xinjiang using MODIS LI Hai-Xia1,2,YANG Jing1*,CHEN Ya-Ning1,HAO Xing-Ming1 1.StateKeyLaboratoryofDesertandOasisEcology,XinjiangInstituteofEcologyandGeography,ChineseAcademyofSciences,Urumqi830011,China;2.UniversityofChineseAcademyofSciences,Beijing100049,China MOD13A2,MOD11A2 and field measurements were utilized to study soil moisture variation in Xinjiang during May and June.Relationships between NDVI (Normalized Difference Vegetation Index) and Ts (Land Surface Temperature),and EVI (Enhanced Vegetation Index) and Ts were investigated.The spatial pattern of the temperature vegetation dryness index (TVDI) and influencing factors were analyzed.Results:(1) NDVI-Ts and EVI-Ts follow the classic triangle relationship.(2) Soil moisture in Xinjiang was mainly dominated by drought conditions (0.6 temperature vegetation drought index;feature space;Ts;NDVI-Ts;EVI-Ts 10.11686/cyxb2016331 http://cyxb.lzu.edu.cn 李海霞,杨井,陈亚宁,郝兴明.基于MODIS数据的新疆地区土壤湿度反演.草业学报,2017,26(6):16-27. LI Hai-Xia,YANG Jing,CHEN Ya-Ning,HAO Xing-Ming.Retrieval of soil moisture information in Xinjiang using MODIS.Acta Prataculturae Sinica,2017,26(6):16-27. 2016-09-01；改回日期：2016-10-19 中国科学院“率先行动”计划特色研究所主要服务项目(Y674123001)和青年千人计划(Y371051001)资助。 李海霞(1989-)，女，山东滨州人，在读硕士。E-mail:sdrzlhx@163.com *通信作者Corresponding author.E-mail:yangjing@ms.xjb.ac.cn1 材料与方法
2 结果与分析
3 结论
