基于温度差监测西北地区的土壤相对湿度

2018-10-12王丽娟王素萍

水土保持研究 2018年5期

王丽娟,郭铌,王玮,王素萍,沙莎,胡蝶

(中国气象局兰州干旱气象研究所/中国气象局干旱气候变化与减灾重点实验室/甘肃省干旱气候变化与减灾重点实验室,兰州 730020)

土壤湿度作为陆面水资源形成、转化及消耗过程中的基本参数，是联系地表水和地下水的纽带，也是地表能量交换的重要参数。目前土壤湿度的遥感监测指数主要可以分为两大类[1]：基于可见光和近红外建立的干旱指数、基于热红外建立的干旱监测指数。绿色植物由于受到水分的胁迫在可见光和近红外波段都会发生相应的变化，导致植被指数出现波动，所以利用植被指数可以反映植被水分的供需状况，间接反映干旱的程度。为便于区域监测效果的对比分析，Kogan等[2]提出植被状态指数VCI，并用其监测降水量的变化。但植被指数对水分胁迫具有滞后性和不敏感性，只有水分胁迫严重阻碍到作物生长时，植被指数才会有一定的显现[3]，所以，热红外在土壤水分监测中显示出其独特的优势。由于土壤水分的变化，热红外波段就会出现相应的波动，且也有研究表明当作物受到水分胁迫时冠层温度最早开始发生变化，基于这些研究者提出不少基于热红外的土壤水分监测指数。现在常用的主要有温度植被干旱指数TVDI[4]、供水植被指数WSVI[5]、温度状态指数TCI[6]、植被健康指数VHI[7]、热惯量[8]及作物缺水指数CWSI[9]，而这些基于热红外发展的遥感监测指数基本都离不开地表温度。

而地表温度与土壤相对湿度相联系的往往是地表相对温差获得的。Idso等曾经利用地表温度的日较差来监测土壤的水分状态[10]。张仁华等[11]也以腾冲坝地区为例，详细地阐述了地表温度与土壤相对湿度之间的变化关系，结果表明干土的地表温度差比湿土大，土壤表层温度差大于深层土壤，所以地表温度的日较差可以提取土壤相对湿度信息。王开存等[12]利用实测资料与遥感资料相结合，利用地表温度和气温等参数建立估算蒸散的回归模型，而蒸散作为地表能量平衡与水循环的关键因子，是土壤相对湿度监测中的重要参数。所以，气温日较差也可以反映土壤相对湿度的变化。但值得注意的是，不论是气温还地表温度的日较差都还存在不完善之处，在不同时间段对比中，气温和地表温度的日较差没有考虑地表辐射能量的影响，同一地点随着入射能量的改变地表和气温的日较差会发生变化。而在同一时间段，气温和地表温度也会随着下垫面及气候类型而不同，这就使得温差在区域土壤相对湿度的监测中存在一定的局限性。所以，为使地表温度和气温可以监测区域土壤相对湿度，我们必须寻求一种方法可以使温差监测方法更加完善。

所以，本文利用2012年黑河流域的观测资料验证在不同时间尺度上不同温差组合与各深度土壤相对湿度的相关性，并利用温差监测陕甘宁地区的土壤相对湿度，利用农气站观测的土壤相对湿度验证监测效果。最后对监测的温差进行归一化处理，使得归一化后的温差指数可以监测区域尺度的土壤相对湿度变化，为该地区的干旱监测及防灾减灾提供可靠的依据。

1 研究区概况及所用资料

1.1 研究区简介

本文以陕甘宁地区为研究区，陕西、甘肃、宁夏三省简称陕甘宁地区，地处我们西北，年平均降水量由陕西的580 mm减至宁夏的400 mm、甘肃的300 mm，降水主要集中在夏季，且地域分布不均，昼夜温差大。3个省的气候区划、地形分布及下垫面类型如表1所示。

表1 陕西、甘肃、宁夏三省的气候类型、下垫面类型、地理位置及概况

1.2 资料来源及处理

本文所使用的卫星资料为2000年6月—2015年8月每日的地表温度产品MOD11A1，首先利用MRT对遥感影像进行投影转换和拼接。再利用最邻近插值法得到HiWTER试验区内13个观测点的单点数据，并利用遥感产品自带的质量控制文件对遥感数据进行质量控制，在数据中剔除有降水的时段。在对遥感资料进行旬和月时间尺度合成时均采用最大值合成法，即在给定时间段内的多景遥感影像中，取每个像元的最大值代表给定时间段内该像元的值。

本文所使用的观测资料为：2012年6月—2012年8月在黑河流域进行的“黑河生态水文遥感试验(HiWATER)[13-15]”观测的土壤体积含水量、气温、红外地表温度等资料；土壤相对湿度资料采用的是陕甘宁地区91个农气站(Agricultural Meteorological Station,AMS)2000—2014年各旬的观测数据；气温主要使用的是陕甘宁地区57个气象观测站(meteorological station,MS)2000—2014年每日的观测数据。站点分布不均，主要分布在陕西中部、甘肃东部和中部，陕西北部和甘肃西北部站点较为稀少，尤其是甘肃西北部仅1个农气站和3个气象观测站，宁夏的站点分布较为均匀。从各类下垫面看，站点主要分布在草地和农耕地区，其他下垫面站点分布较少。

2 估算模型介绍

在近地面主要使用的是地表温度LST和近地层空气温度Ta，所以我们主要计算以下几种温度差：地表温度的日较差(记为DLSTR)、气温的日较差(记为DTAR)和垂直温度差(记为LATR)。地表温度日较差定义为一天中最高地表温度值与最低地表温度值之间的差值；气温日较差定义为一天中最高气温值与最低气温值之间的差值，而垂直温度差则定义为地表温度与近地层2 m高处气温的差值。由于垂直温度差与地理位置及下垫面密切相关，即在干旱区垂直温度差始终大于同期湿润地区的垂直温度差，这就导致在使用垂直温度差监测土壤湿度时，如果研究区较大，那么就可能出现干旱区的垂直温度差始终处于干旱状态，而湿润区始终处于湿润状态，这就不能明确地反映研究区土壤湿度的变化情况。所以，我们对LATR进行归一化处理，即：

(1)

式中：NLATR为归一化处理后的垂直温度差，即归一化垂直温度差指数；LATRmax和LATRmin为长时间序列中LATR的最大和最小值。从NLATR定义出发，当LATR值越小，LATR就越接近于NLATRmin；NLATR值就越小，土壤就越湿润；反之，当LATR就越偏离NLATRmin，NLATR值就越大，土壤就越干燥。值得注意的是，利用LATR监测土壤湿度最重要的一个前提就是温度，包括地表温度和气温的变化主要由土壤相对湿度引起，而不是由于下垫面发生变化或入射能量的变化所导致。

3 结果与分析

3.1 温差与土壤体积含水量的相关性分析

在不同时间尺度上温差与浅层土壤体积含水量的相关性如表2所示。其中，在日时间尺度上，温度日较差是指一天中测得的最高温度减去最低温度；在旬和月时间尺度上，旬和月的温度日较差是将获取的日时间尺度上温度日较差进行算术平均得到；即旬和月时间尺度上的温度日较差都是以日时间尺度上计算的温度日较差值为基础进行算数平均得到的，是日时间尺度上日较差在旬和月时间段内的均值。

在利用气温(Ta)和地表温度(LST)计算的温度日较差和垂直温度差中，垂直温度差与浅层土壤体积含水量相关性最好，LST日较差与浅层土壤体积含水量的相关性次之。不同土层深度土壤体积含水量相比，温度差与4 cm土壤体积含水量的相关性最好，与2 cm土壤体积含水量的相关性次之，但3个深度的土壤体积含水量与温度差之间的相关系数均通过了0.01的显著性检验。不同时间尺度对比发现，随着时间尺度的增大，温度差与浅层土壤体积含水量的相关性是增加的。这主要是因为LST主要反映的是下垫面浅层的特征，所以温差与10 cm的土壤体积含水量相关性最差，而土壤表层的水分变化相对较快，且影响因素也较多，所以温差与2 cm土壤体积含水量的相关性不及温差与4 cm土壤体积含水量的相关性显著。随着时间尺度的增大，水分和温差都有了相适应的过程，可以减少水分骤变引起的温差监测误差，所以大时间尺度上温差与浅层土壤体积含水量的相关性更好。

图1给出了在不同时间尺度上垂直温度差与不同深度土壤体积含水量的对比。分析发现，在日时间尺度上，当土壤体积含水量超过40%或低于5%的情况下，垂直温度差将不随土壤体积含水量的变化而变化。这主要是因为当土壤体积含水量大于40%时，土壤处于不缺水的状态，水分将不再是温度变化的主导因；而当土壤体积含水量小于5%时，土壤处于极端干燥的状态，水分对温差的影响极弱，可以忽略不计。所以在这两种极端情况下，垂直温度差对土壤水分的监测将会失效。土壤水分经过旬和月时间尺度上的平均以后，土壤水分的变化将变得平缓，极端情况下的土壤水分状态大幅度减少，所以旬和月时间尺度上温差与土壤体积含水量的相关性优于日时间尺度。

3.2 气温插值的真实性检验

在研究区的57个站点中，根据地理位置的不同选取30个站点的值进行回归建模，利用剩余27个站点的值对模型进行检验。利用纬度lon、经度lat和海拔高度alt进行插值(如表3所示)得到的各旬气温与实测值相比，相关系数、均方根误差分别如图2A和图2B所示。对比4种模型可以发现，基于经度、纬度、海拔高度和基于纬度、海拔高度进行插值得到的气温与实测之间的相关系数都比较高，各旬的相关系数均保持在0.85及以上，且均方根误差最小，除冬季外，其他旬的均方根误差均在1℃以下。所以，在研究区推荐使用这两种方法估算区域尺度上的气温值。本文以基于纬度和海拔高度进行插值的方法得到区域尺度上的气温值为例，进行相关温度参数的计算，用于监测研究区区域尺度上土壤相对湿度的变化。

表2 不同时间尺度上温差与不同深度土壤体积含水量的相关分析

图1 垂直温度差(LATR)与土壤体积含水量的相关图

研究区内各点的气温插值结果分析可得，气温插值偏差最大的季节分布在冬季，而整个夏季气温插值的偏差都相对较小，所以图3给出了11月第3旬和6月第3旬的气温插值结果对比及区域分布图，分析气温区域插值结果的合理性。从整体上看，无论是冬季还是夏季，插值得到的气温区域分布是合理的，在海拔较大的区域，尤其是接近青藏高原的区域气温较低，在纬度较低且海拔也较低的区域气温相对较高。如图所示，冬季插值偏差较大的点主要集中在气温较低的部分，特别是气温低于0℃的情况下，模型对气温值估算偏高；而从气温的区域分布图看，11月第3旬，气温主要都分布在0℃以下，所以，模型对研究区冬季的气温估算整体是偏高的。在6月的第3旬，模型插值结果与实测值之间的偏差较小，均方根误差仅为0.6℃，研究区气温主要分布在5～25℃。

表3 陕甘宁地区气温插值方法

3.3 温差对土壤相对湿度的监测结果

获取的农气站土壤相对湿度资料中只包含有10 cm的土壤相对湿度，无法获取大范围内4 cm深度的土壤相对湿度资料。由于观测资料的限制，接下来垂直温度差对土壤相对湿度的监测结果分析部分将使用10 cm土壤相对湿度。

表4给出了2000—2014年3—11月玛曲和西峰两个农气站垂直温度差、归一化垂直温度指数与10 cm土壤相对湿度距平的相关系数。对比发现，归一化垂直温度差指数与10 cm土壤相对湿度的相关性在原来的基础上有显著提高，尤其是在植被低矮或裸土比例较大的春季和秋季。且不同下垫面垂直温度差与10 cm土壤相对湿度距平在各时期的相关性存在很大差异，这主要与各区域种植的作物有关。玛曲站为牧草种植区，由于牧草较为低矮，4—8月归一化垂直温度差指数与10 cm土壤相对湿度距平的相关性都较好。牧草刚开始生长的4—5月归一化垂直温度差指数与10 cm土壤相对湿度距平的相关性最好。西峰站属于种植冬小麦和玉米的雨养农业区，3月冬小麦返青至6月中旬冬小麦成熟，由于植被覆盖，归一化垂直温度差指数与10 cm土壤相对湿度距平相关性较差。6月下旬至7月下垫面主要为冬小麦收割之后的裸土和玉米，由于裸土区域范围较大，这一时期归一化垂直温度差指数与10 cm土壤相对湿度距平的相关性较好。8月至9月上旬，由于玉米覆盖面积增加，归一化垂直温度差指数与10 cm土壤相对湿度距平的相关性降低。在9月中旬玉米收割之后，下垫面近似为裸土，归一化垂直温度差指数与10 cm土壤相对湿度距平的相关性达到最好。结果表明：归一化垂直温度差指数监测10 cm土壤相对湿度距平主要适用于裸土或稀疏植被覆盖区，对植被覆盖较好的下垫面监测效果较差。

图2 气温插值的相关分析

图3 2009年气温插值与实测值对比及插值结果的区域分布

图4给出2009年夏季月尺度的土壤相对湿度距平和归一化垂直温度差指数区域分布。6—8月，陕甘宁地区土壤缺水范围逐渐减小，且缺水严重的地区由东向西转移。

对比土壤相对湿度距平与归一化垂直温度差指数分布图可以发现，归一化垂直温度差指数对缺水较为严重的地区(土壤相对湿度距平值<-10%)的区域监测较为准确，而对土壤相对湿度距平值在0左右的区域监测结果不太理想。同样，在甘肃省的西部地区，归一化垂直温度差指数与土壤相对湿度距平的区域分布存在很大差异，这仍然与前面提及的理由相同，在甘肃省的西部地区缺乏观测站点，所以土壤相对湿度距平值在该地区的区域分布结果可信度较低，对该地区不做讨论。