周俊利,薛华柱,董国涛,樊 东,郭欣伟,殷会娟

(1.河南理工大学 测绘与国土信息工程学院,河南 焦作 454000; 2.黄河水利委员会黄河水利科学研究院 水利部 黄土高原水土流失过程与控制重点实验室,郑州 450003)

植被在地球系统中扮演着重要的角色，植被指数作为植被生长、植被分布、生物量等信息提取的重要手段，已广泛应用于许多领域[1-3]。因此，地球植被及其变化一直被各国科学家和政府所关注[4]。根据植被的光谱特性，将卫星可见光和近红外波段进行组合，形成了各种光学植被指数。目前较为常用的植被指数有归一化植被指数NDVI、增强植被指数EVI等。光学遥感容易受到环境条件和大气状况等多种因素的影响，在时空分布上具有一定的局限性。相较于光学遥感，微波遥感不受太阳照射、大气、云层、降水等因素的限制，具有全天时和全天候工作的能力，对植被木质部生物量、植被类型以及土壤含水量等具有非常强的敏感性，可以探测到相对较厚的植被层[5]。相较于光学遥感和主动微波遥感，被动微波遥感的时间分辨率高，数据量低，数据处理较简单，更适用于大范围、长时序的植被实时监测[6]。星载被动微波传感器因其穿透力较强、天气影响较小、数据更新快等优点，在对地观测中扮演着重要的角色，为地表参数反演及地球环境变化的研究提供了重要的数据[7]。目前利用微波数据反演得出的各个微波植被指数与全国不同地区光学植被指数NDVI均具有良好的相关性[8-12]。

在研究典型地物微波辐射特性时，利用积分方程模型进行模拟，发现裸露地表情况下不同频率辐射率之间呈很强的线性关系，根据这一特性利用植被地表辐射模型推导出微波穿透指数了MVI[13-14]。陈思宇等利用青南牧区2007—2010年AMSRE升轨与降轨的亮温数据采用不同的频率组合反演微波穿透指数MVI，结果表明升轨低频数据反演的MVI与光学植被指数相关性最好[15]。吕京国等利用AMSR_E和MODIS数据，探讨了微波穿透指数(Microwave Vegetation Penetration Index，MVI)与光学植被指数NDVI的关系。结果表明微波穿透指数MVI与光学植被指数NDVI呈负相关关系，且利用MVI数据模拟生成的NDVI图像结果比较令人满意[16]。

Choudhury等利用37 GHz频率计算了微波极化差指数(Microwave Polarization Difference Temperatures，MPDT)，发现其与AVHRR植被指数具有一定的相关关系[17]，并将其应用到了全球植被的监测中去[18]。Plaloscia等通过研究计算出的微波极化差异指数(Microwave Polarization Difference Index，MPDI)能反映植物生物量[19]，而Becker通过研究发现MPDI在对植被较稀疏地区的干旱监测中具有重要意义[20]。此外，毛克彪等人也做了相应的微波植被指数的应用研究[15,21]。

由前人的研究可知，目前较常用的微波植被指数MPDT，MPDI，MVI均为AMSR_E微波传感器的亮温数据反演而来[12]，且其与光学植被指数均具有较好的相关性。AMSR_E微波传感器与2011年10月停止工作，新一代微波传感器AMSR_2于2012年7月正式运行；对于植被生长变化的监测分析来说，需要长期稳定、实时更新的卫星数据作为支持，本文选取新一代微波遥感数据AMSR_2数据，通过对比卫星传感器不同频率亮温数据反演的微波植被指数来分析新一代微波遥感数据AMSR_2在黄河流域植被变化监测与分析中的适用性。

1 研究区概况与数据源

1.1 研究区概况

黄河流域位于东经95°53′—119°14′，北纬32°9′—41°51′，西起巴颜喀拉山，东至渤海，南临秦岭，北抵阴山，流域面积75.2万km2。黄河流域幅员辽阔，横跨第一、第二、第三阶梯，流经青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南、山东9个省区。流域内山脉众多，地型复杂，地貌类型多样，从西到东横跨青藏高原、内蒙古高原、黄土高原和黄淮海平原4个地貌单元，流域地势西高东低，西部河源地区平均海拔在4 000 m以上，由一系列高山组成，常年积雪，冰川地貌发育；中部地区海拔在1 000～2 000 m，为黄土地貌，水土流失严重；东部海拔多不超过50 m，主要由黄河冲积平原组成。流域内地形及气候的多样性使得流域内植被覆盖差异较大，不仅在时间上植被覆盖变化显著，在不同地区植被分布也大不相同。同时流域地表植被的变化趋势还与流域生态环境的变化息息相关，如国家引导的退耕还林政策，使得近年来山西陕西北部山地植被覆盖度明显提高，水土流失现象得到很大改善。

1.2 数据与及处理

搭载第二代先进微波辐射成像仪AMSR_2(Advanced Microwave Scanning Radiometer (2)的“第一轮卫星计划之全球水圈变化观测卫星”(GCOM-W1)于2012年7月4日发射进入极轨[22]。AMSR_2具有14个亮温观测通道，与之前得AMSR_E(Advanced Microwave Scanning Radiometer -Earth Observing System)相比，AMSR_2增加了7.3 GHz的通道，目的是在观测时避免无线电频率的干扰[23-25]，从而得到更可靠的土壤湿度等数据[26]。本文采用的AMSR_2数据为10 km分辨率的水平垂直极化化亮温数据，时间序列为2012年7月至2016年12月，时间分辨率为1个月，频率选取10 GHz，18 GHz与36.5 GHz的水平垂直极化亮温数据，微波数据由日本宇宙航空研究开发机构(Japan Aerospace Exploration Agency：http:∥gcom-w1.jaxa.jp/index.html)网站下载。

AMSR_2微波亮温数据为HDF格式的正弦投影，对其进行投影转换，转换为TIFF格式的经纬度投影；对不同频率亮温数据依据头文件中各频率信息对其进行波段计算，得到标准亮温数据；然后对其进行裁剪，提取出研究区内各通道水平垂直极化亮温数据；为消除背景值的影响，采用最小值合成法合称为逐月水平垂直极化亮温数据，并利用公式1，公式2计算出植被穿透指数MVI[13,14]、微波极化差异指数MPDI[17]。

(1)

(2)

式中：TBv(f1)、TBh(f1)分别为频率为18 GHz，36.5 GHz的垂直和水平极化亮温值；TBv(f2)、TBh(f2)为频率36.5 GHz的垂直和水平极化亮温值。

光学植被指数数据采用MODIS三级产品MOD13A3。MOD13A3植被产品空间分辨率为1×1 km，算法吸收全部16 d覆盖全月的产品，若大气中无云，采用时间加权平均值法，或采用最小值以防止云层的影响，数据由美国国家航空航天局(NASA，https:∥ladsweb.modaps.eosdis.nasa.gov/)下载。数据格式为正弦投影的HDF格式，时段与微波数据保持一致。光学植被指数数据集经投影转换、波段计算、研究区裁剪，提取黄河流域2012年7月至2016年12月植被指数数据集。

气象站点降雨实测数据为中国气象数据网(http:∥data.cma.cn/site/index.html)下载的全国气象站点数据。利用研究区内站点站号，通过IDL编程提取出黄河流域内76个气象站点逐日降雨数据与气温数据，计算出逐月降雨、气温数据，采用逐站点、分时段的方法分析光学植被指数植被的变化与降雨影响因素的相关性。

2 方 法

本文从数值对比、相关分析、趋势分析方面来分析微波穿透指数MVI、微波极化差异指数MPDI与MODIS植被指数的变化趋势一致性与相关性。同时分析各微波植被指数与降雨站点实测数据间的相关关系。计算方法分别为：

(3)

(4)

3 结果与分析

3.1 长时序变化对比

长时间序列植被指数的对比与分析，能有效的分析植被指数集间的相关性及一致性。对黄河流域2012年7月至2016年12月各微波植被指数与光学植被指数产品作对比与分析，结果见图1。微波穿透指数MVI与光学植被指数NDVI成反比，即微波穿透指数MVI增大时，光学植被指数NDVI减小，如每年11月、12月份，光学植被指数NDVI数值达到最小，微波穿透指数MVI达到最大值。微波极化差异指数数据有效范围在0～0.06，微波极化差异指数整体的变化趋势与光学植被指数NDVI大致相同，变化曲线的波峰波谷相一致。不同频率反演的微波极化差异指数大小不同，基于18通GHz水平垂直极化亮温数据反演的微波极化差异指数MPDI18整体上大于36.5 GHz反演的极化差异指数MPDI36.5。

图1微波植被指数MVI，MPDI与光学植被指数NDVI时间变化

整体而言，不同的微波植被指数与光学植被指数的相关性也不同，图2为光学植被指数与微波植被指数MVI，MPDI18，MPDI36.5的长时序月均值线性关系图，由图可知，微波穿透指数MVI与光学植被指数NDVI呈负相关，两数据集植被指数值十分靠近回归线，R2为0.85。微波极化差异指数MPDI18，MPDI36.5与光学植被指数NDVI也具有较好的相关性，R2分别达到0.71与0.70。光学植被指数NDVI与微波穿透指数MVI线性回归图中数值整体均在回归线上及附近，光学植被指数NDVI与两微波极化差异指数MPDI18，MPDI36.5线性回归图中数值分布较分散，靠近回归线附近数值较少。

图2光学植被指数NDVI与不同微波植被指数的线性关系

3.2 逐月均值变化分析

植被在不同月份植被含水量、叶绿素含量等生物量均不同，微波植被指数与光学植被指数在不同月份均有相应的变化响应。图3为各微波植被指数数据集与光学植被指数数据集的多年逐月平均值散点图。由图中得知，微波极化差异指数MPDI18月均值散点图与光学植被指数NDV月均值I散点图变化曲线大致相同，植被指数较好的月份也集中在5到9月份，且两植被指数数据集逐相关系数为0.851。微波植被指数MPDI36.5与光学植被指数NDVI的月均值的变化趋势几乎同步，两数据集植被分布最好的月份集中体现在7到9月份，且微波极化差异指数MPDI36.5的月均值散点图较MPDI18平滑，微波植被指数MPDI36.5与光学植被指数NDVI的相关系数达到了0.999，即两数据集具有极强的相关性。而微波穿透指数MVI与光学植被指数NDVI的变化趋势呈负相关关系，相关系数为-0.938，两数据集月均值变化呈反比，光学植被指数NDVI增加的月份，微波穿透指数MVI则减小，且微波穿透指数MVI的变化波动较小。

图3光学植被指数与微波植被指数多年逐月均值对比

3.3 光学植被指数与微波植被指数空间分布

3.3.1 相关分析 光学植被指数NDVI分别与与微波植被指数MVI，MPDI18，MPDI36.5进行皮尔森(pearson)显著性检验，结果见表1。光学植被指数NDVI与微波植被指数MVI显著性检验中的p值小于0.01，相关系数为-0.924，即光学植被指数NDVI与微波植被指数MVI呈显著性负相关关系；光学植被指数NDVI与微波植被指数MPDI18显著性检验中的p值小于0.01，相关系数为0.841，即光学植被指数NDVI与微波植被指数MPDI18呈显著性正相关关系；光学植被指数NDVI与微波植被指数MPDI36.5显著性检验中的p值小于0.01，相关系数为0.839，即光学植被指数NDVI与微波植被指数MPDI36.5呈显著性正相关关系。

表1 NDVI与各微波指数显著性分析

光学植被指数与各微波植被指数逐像元相关性分析能很好的体现两数据集空间分布的一致性。微波穿透指数MVI、微波极化差异指数MPDI18，MPDI36.5与光学植被指数NDVI像元相关性空间分布如图4A—C所示。

微波穿透植被指数MVI与光学植被指数NDVI呈负相关关系，统计结果显示两数据集负相关区域占流域总面积的97.49%，其中相关系数小于0.6的区域占全区总面积的82.1%，相关系数小于0.8占全区中面积的61.1%，负相关关系明显的区域主要分布于黄河中游。

微波极化差异指数MPDI18与光学植被指数NDVI相关性。统计结果显示两数据集呈正相关区域所占百分比为99.7%，其中相关系数大于0.6的区域占全区总面积的97.76%，相关系数大于0.8的区域占全区总面积的76.16%。在黄河流域内，微波极化差异指数MPDI18与光学植被指数NDVI具有很好的一致性。

微波极化差异指数MPDI36.5与光学植被指数NDVI也呈现较好的相关性。统计结果显示两数据集呈正相关区域所占百分比为99.79%，其中相关系数大于0.6的区域占全区总面积的98.22%，相关系数大于0.8的区域占全区总面积的78.07%。

图4NDVI与MVI，MPDI18，MPDI36.5相关系数分布

3.3.2 趋势分析 为量化分析研究区内NDVI的空间变化特征，将2012年7月—2016年12月植被指数均值利用趋势分析方法得到54月间的黄河流域月均植被指数变化趋势，光学植被指数NDVI、微波植被指数MVI，MPDI18，MPDI36.5变化斜率图分别为图5A—D所示，不同植被指数数据集在黄河流域内Slope变化范围为各不相同，表明植被变化趋势的空间不一致性。图5A光学植被指数NDVI变化斜率图表明黄河流域植被改善面积大于植被退化面积，其中黄河干流区域、北洛河、无定河、泾河、渭河、汾河等流域植被改善较大，其中伊洛河流域植被改善情况为全流域最大。图5B微波穿透指数MVI变化斜率图表明植被指数降低区域主要集中在黄河源区与渭河上中游、无定河、十大孔兑流域等支流，即MVI斜率变化趋势与NDVI斜率变化趋势相反。图5C微波极化差异指数MPDI18与图5D中MPDI36.5变化斜率图表明微波极化差异指数斜率变化趋势与光学植被指数NDVI斜率变化趋势整体一致，然而MPDI18植被指数在空间上的植被变化斜率值整体小于MPDI36.5斜率值，如黄河源区、伊洛河流域等区域。即基于36.5频率的MPDI36.5微波极化差异指数在植被变化监测方面优于基于18频率的微波极化差异指数MPDI18。

图5NDVI，MVI，MPDI18，MPDI36.5植被指数变化斜率

3.4 植被对降雨的响应

降雨与气温作为植被生长过程的重要影响因素，与植被的变化存在密不可分的关系[27]，本文利用黄河流域内国家气象站点实测降雨数据、气温数据分别与光学植被指数NDVI与微波穿透指数MVI、微波极化差异指数MPDI18与MPDI36.5进行趋势分析。

提取黄河流域气象站点位置的各植被指数，分别与与站点降雨数据、气温数据进行显著性检验与相关分析，表2中显示实测降雨数据与光学植被指数NDVI具有最好的相关性，其中光学植被指数NDVI,微波极化差异指数MPDI18与MPDI36.5与降雨数据极显著相关；微波穿透指数MVI与降雨数据的相关性较低，且显著性水平较差。表3中显示实测气温数据与不同植被指数显著性相关分析，其中微波穿透指数MVI与气温显著性相关，微波计划差异指数在春季与夏季与气温也有显著性相关。

表2 不同植被指数与降雨显著性相关统计

注：*代表p<0.05，**代表p<0.01。

表3 不同植被指数与气温显著性相关统计

注：*代表p<0.05，**代表p<0.01。

4 结 论

(1) 各植被指数数据集长时间序列对比分析，结果显示微波极化差异指数MPDI18，MPDI36.5的变化趋势与光学植被指数NDVI相同，变化曲线的波峰波谷相一致。微波穿透指数MVI与光学植被指数NDVI呈显著负相关，光学植被指数NDVI增加时，微波穿透指数MVI减小，且微波穿透指数MVI数据整体较大，数值范围集中在0.65～0.9。

(2) 微波植被数据集与光学植被数据集的多年逐月均值对比结果表明：微波穿透指数MVI与光学植被指数NDVI对植被生长的月份变化均具有较好的表现。其中微波穿透指数MPDI36.5在反映植被生长变化中与光学植被指数NDVI存在最好的一致性，其相关性达到0.999。

(3) 微波植被指数数据集与光学植被指数数据集的空间分布具有很好的相关性与一致性。学植被指数与各微波植被指数逐像元相关性分析显示：微波穿透指数MVI与光学植被指数NDVI呈现极强的负相关关系，且相关性较好的区域大多集中在黄河流域上中游。微波极化差异指数MPDI18，MPDI36.5与光学植被指数NDVI呈现很好的正相关关系，两微波植被指数在全流域内与光学植被指数均呈现较好的一致性，上游扎陵湖与鄂陵湖地区与中游渭河流域宝鸡市附近相关性较小。光学植被指数NDVI与微波植被指数MVI，MPDI18，MPDI36.5变化斜率显示：MVI斜率变化趋势与NDVI斜率变化趋势相反，微波极化差异指数斜率变化趋势与光学植被指数NDVI斜率变化趋势整体一致，且基于36.5频率的微波极化差异指数在植被变化监测方面优于基于18频率的微波极化差异指数MPDI18。

(4) 黄河流域内光学植被指数NDVI、微波穿透指数MVI、微波极化差异指数MPDI18，MPDI36.5与降雨数据、气温数据均具有较好的响应。光学植被指数数据集NDVI、微波极化差异指数MPDI18，MPDI36.5与实测降雨有较好的相关性；微波植被指数与实测气温数据的相关性整体优于光学植被指数NDVI。