陈亮，张超，常斌，吕鹏

(1.黄河水利委员会信息中心，郑州 450004；2.济阳黄河河务局，济南 251400)

0 引言

随着全球气候变暖、干旱持续严重，社会快速发展、人口不断膨胀，水资源匮乏日益加剧，干旱缺水已经成为社会经济面临的日趋严峻的关键问题之一。旱灾是我国农业生产的最大威胁，波及范围广、历时长，每年直接经济损失达4～7亿元，占我国农业自然灾害损失的近60%[1]。采用科学有效的手段动态监测农田旱情发展变化，及时发现干旱程度、范围和发展趋势，动态评估抗旱效果，为水资源调度与管理提供依据，对提高抗旱减灾成效、减小干旱灾害损失具有重要意义。

随着遥感技术发展，数据源日益丰富，卫星遥感干旱监测技术取得重大进展，建立了多种干旱(土壤含水量)监测指数，常见的主要包括：归一化植被指数、距平植被指数、植被状况指数、增强植被指数(normalized difference vegetation index，NDVI)、归一化水分指数、垂直干旱指数、修正垂直干旱指数、半干旱区水分指数、表观热惯量、温度状况指数、植被健康指数、植被供水指数、温度植被干旱指数(temperature vegetation dryness index，TVDI)、条件植被温度指数、作物缺水指数、微波集成干旱指数等[2-3]。考虑到土壤含水量受土壤、降水、植被状况、地表温度等多个因素影响，一些学者提出了基于多个指数的综合干旱指数，如基于归一化植被指数和表层水分含量指数的农田浅层土壤湿度指数[4]，综合地表干旱指数[5]，综合植被供水指数和归一化水分指数的作物根系土壤含水量监测指数[6]，基于归一化植被指数、帕尔默干旱强度指数、标准降水指数等研发了植被干旱响应指数[7]。

TVDI是利用地表温度-植被指数特征空间(land surface temperature-normalized difference vegetation index，Ts-NDVI)建立的干旱指数，具有明确的生物物理意义，得到了广泛应用。刘星含等[8]利用TVDI进行2007—2012年新疆干旱变化趋势分析。张文鸽等[9]利用数字高程模型和纬度修正地表温度改进TVDI指数，进行河南省干旱监测。TVDI易受地表湿度、植被覆盖和卫星观测状态影响，导致地表温度-植被指数特征空间干、湿边不稳定，单一时段Ts-NDVI特征空间难以代表理论边界。苏永荣等[10]基于能量平衡方程和TVDI提出定量干湿边选取方法和改进的TVDI模型，该模型参数较多、计算复杂。孙威等[11]、于敏等[12]利用多年历史同期Ts、NDVI数据构建通用特征空间，改进了条件植被温度指数，该方法模型参数都可从遥感影像获取，计算简单。本文基于2006—2015年MODIS数据构建小麦生长关键期旬通用Ts-NDVI特征空间，研究基于改进TVDI的农田干旱遥感监测方法，并在河南省小麦种植区进行验证与应用分析，为流域水资源调度和灌区农田管理提供旬农田干旱监测数据支持。

1 方法

1.1 Ts-NDVI理论特征空间

Price[13]研究表明，当研究区地表覆盖满足从裸土到完全植被覆盖的地表覆盖条件、土壤含水量满足从完全干旱到田间持水量的湿度条件时，地表温度和植被指数的散点图呈三角形或梯形，如图1所示。图1中，B点和C点分别代表裸土和植被完全覆盖地表，从B点到C点植被覆盖度逐渐增加；BC为湿边，土壤含水量最大，即地表蒸散接近潜在蒸散；AC为干边，土壤含水量最小，地表无蒸发。

图1 Ts-NDVI特征空间

1.2 通用Ts-NDVI特征空间

受空间范围、地表覆盖类型等因素的限制，监测区域常常不能完全满足地表覆盖从裸土到植被完全覆盖、地表土壤含水量从无蒸散到潜在蒸散的条件，使用单一时段遥感影像进行Ts-NDVI特征空间构建时，干、湿边难以同时达到理论特征空间的边界条件。当监测区域内十分干旱时，地表土壤含水量普遍偏小，单一时段特征空间的湿边较理论湿边高；当监测区内十分湿润时，地表土壤含水量普遍偏大，单一时段特征空间的干边较理论干边低。对于某一区域，在较长时间序列内，一般会有丰水年和枯水年，发生不同程度的干旱，植被覆盖度也有变化。采用长时间序列历史同期遥感数据进行合成处理，近似得到理论特征空间地表覆盖和湿度的设定条件，解决单一时段Ts-NDVI特征空间的不足。历史数据时间序列越长，合成的特征空间越接近理论特征空间。

本文采用于敏等[12]提出的方法构建旬通用Ts-NDVI特征空间：利用某一时间序列内每年同一旬地表温度和植被指数构建单一时段旬Ts-NDVI特征空间，提取旬Ts-NDVI特征空间干、湿边上的点；利用各年份单一时段旬Ts-NDVI特征空间干、湿边上的点重新构建旬特征空间，即旬通用特征空间，采用最小二次方程法进行线性拟合得到干、湿边方程。

1.3 TVDI指数

TVDI的概念由Sandholt等[14]提出，TVDI的定义为：

(1)

TMIN=a+b*NDVI

(2)

TMAX=c+d*NDVI

(3)

式中：T为地表温度，NDVI为植被指数；TMIN为通用特征空间湿边，在湿边上TVDI为0，a、b为湿边系数，由湿边线性拟合得到；TMAX为通用特征空间干边，在干边上TVDI为1，c、d为干边系数，由干边线性拟合得到。TVDI越大，土壤含水量越低；反之，TVDI越小，土壤含水量越高。

1.4 土壤含水量反演

在Ts-NDVI的特征空间中，存在一系列土壤含水量的等值线，可近似认为相交于干、湿边的交点，并且等值线可近似为直线，直线的斜率可以反映土壤含水量状况，且直线的斜率与土壤含水量可描述为一元线性函数关系[15]。根据这一关系，建立土壤含水量反演模型估算每个像元的土壤含水量[16]：

RSM= RSMW-TVDI*(RSMW-RSMD)

(4)

式中：RSM表示某一像元土壤相对含水量；RSMW是湿边对应的土壤相对含水量，其值取1；RSMD是干边对应的土壤相对含水量。

根据土壤墒情监测站土壤含水量观测数据和对应站点的TVDI值得到干边上土壤相对含水量值为：

(5)

式中：RSMDi为干边土壤相对含水量；yi为实测的土壤相对含水量；xi为对应的TVDI值。

为减小计算误差，选取发生干旱的墒情站点的土壤含水量观测数据计算干边土壤相对含水量，并取其平均值，计算如下：

(6)

2 研究区和数据

2.1 研究区

河南地处暖温带，南部跨亚热带，属北亚热带向暖温带过渡的大陆性季风气候，具有四季分明、雨热同期和气象灾害频繁的特点。干旱是河南省发生频率高、影响范围大、持续时间长、成灾程度严重的农业气象灾害，主要有春旱、夏旱和秋旱[17]。主要农作物为小麦、玉米，作物种植模式以小麦玉米轮作为主。

2.2 研究数据

本文采用MODIS数据进行Ts-NDVI特征空间构建和干旱监测研究，采用地面实测土壤含水量进行模型建立和验证。通用特征空间构建采用2006—2015年小麦生长关键期(2—4月)1 km地表温度和500 m NDVI的MODIS旬合成产品数据，来源于中国科学院计算机网络信息中心国际科学数据镜像网站(http：//www.gscloud.cn)。结果验证和干旱监测应用选用2011—2015年、2017年2—4月数据质量良好的MODIS MYD09GA和MYD11A1日产品数据，来源于https：//ladsweb.modaps.eosdis.nasa.gov。实测土壤含水量数据选用河南省41个土壤墒情监测站的同期观测数据，观测土层深度为10～40 cm。

3 结果与分析

3.1 通用Ts-NDVI特征空间构建

利用1.2节通用特征空间构建方法，进行旬通用特征空间构建，3月上旬通用特征空间和单一时段特征空间如图2所示。

图2中，不同年份单一时段特征空间干、湿边差异较大，如2008、2013年等偏旱年份，特征空间的湿边明显偏高，2007、2015年等湿润年份，特征空间的干边明显偏低，2012年受到云、霾等影响，特征空间的干、湿边十分接近。通用特征空间由各年份干、湿边合成得到，其干边高于各单一时段，湿边地表温度低于各单一时段。各旬通用Ts-NDVI特征空间干、湿边方程见表1。

图2 3月上旬单一时段特征空间及通用特征空间

表1 各旬通用特征空间干、湿边方程

3.2 TVDI与土壤含水量的相关性分析

选用2011—2015年2—4月各旬内数据质量良好的MODIS MYD09GA和MYD11A1产品数据，分别采用旬通用特征空间和单一时段特征空间两种方法对各期影像进行TVDI指数计算。以旬为分析单元，对同一旬内各年份不同日期TVDI指数与同期0～40 cm实测土壤相对含水量进行相关性分析，相关系数见表2。基于通用特征特征空间的TVDI指数值与实测数据的相关性较好，都通过了0.01显著性水平检验，且相关系数都高于单一时段特征空间。

表2 TVDI与土壤含水量的复相关系数

注：**代表通过0.01显著性检验，*代表通过了0.05显著性检验

表2中，单一时段特征空间的相关系数最小为0.126，最大为0.611。与之相比，通用特征空间的相关系数都有所提高，最小为0.363，最大为0.673，相关系数平均提高了0.15，其中3月中旬提高幅度最大，提高了0.342。通用特征空间综合了该地区不同年份地表覆盖和土壤含水量变化，一定程度上弥补了单一时段特征空间难以满足地表覆盖从裸土到植被完全覆盖、地表土壤含水量从无蒸散到潜在蒸散的理论假设条件，构建的指数稳定性更强。

3.3 基于通用特征空间的TVDI土壤含水量估算结果验证

选择数据质量较好的2017年3月8日、3月26日和4月22日的MODIS数据进行结果验证与应用分析。基于构建的旬通用特征空间计算TVDI指数，并进行土壤含水量反演。将41个土壤墒情监测站的实测结果与估算结果进行对比，见图3。

图3 实测土壤含水量与估算土壤水量对比

图3中，3期遥感影像估算的土壤含水量都与实测0～40 cm土壤相对含水量变化趋势基本一致，不同时期之间的变化趋势也基本一致，土壤含水量整体呈现逐渐减小的趋势。

采用绝对误差和均方根误差对估算土壤含水量与实测土壤含水量进行误差分析，见表3。与实测土壤含水量相比，估算结果的绝对误差小于10%，均方根误差小于11%。3月8日的误差最小，4月22日误差最大。结合图3对比分析可知，遥感影像的土壤含水量估算值比实测土壤相对含水量整体偏低，4月22日估算结果偏差最大。这是因为该时间段研究区主要农作物正处于小麦拔节抽穗期，田间植被覆盖度较高，而且NDVI值不断增大[18]，NDVI在TVDI干边拟合过程中，存在干边偏移的问题，即随着NDVI的逐渐增大，拟合干边将不再与真实干边重合，而是向下偏移，从而导致TVDI在NDVI高值区偏大，估算的土壤含水量偏低[19]。

表3 估算土壤含水量与实测土壤含水量误差分析

3.4 干旱监测应用分析

根据TVDI监测结果制作河南省小麦干旱监测专题图，见图4～图6。监测结果与墒情站点变化趋势基本一致，监测时段内旱情逐步发展。3月8日大部分区域墒情适宜(RSM>60%)，轻旱(60%≥RSM>50%)面积为442 km2，旱情零星分布；至3月26日旱情蔓延，轻旱面积扩大到1 813 km2；至4月22日旱情进一步加重，受旱面积为5 916 km2，轻旱面积达到5 650 km2，中旱(50%≥RSM>40%)面积为266 km2，旱情主要分布在河南省西部和南部供水条件较差的丘陵和山岗地区。

图4 2017年3月8日河南省小麦干旱监测

图5 2017年3月26日河南省小麦干旱监测

图6 2017年4月22日河南省小麦干旱监测

4 结束语

采用2006—2015年MODIS数据，构建小麦生长关键期旬通用Ts-NDVI特征空间，利用改进的TVDI指数建立土壤含水量反演模型，结合实测土壤含水量数据进行农田干旱监测结果验证与应用分析。结果表明，与单一时段特征空间相比，通用特征空间能够综合不同年份的地表覆盖和土壤含水量变化情况，构建的TVDI指数具有更好的稳定性，与实测土壤含水量的相关性通过了0.01显著水平检验，土壤含水量估算结果的绝对误差小于10%，均方根误差小于11%。研究建立的基于通用特征空间改进的TVDI干旱监测方法有效地监测农田旱情发展变化。但是，受MODIS数据空间分辨率限制，将来需开展与更高空间分辨率遥感影像的同化研究，进一步提高干旱监测精度。