基于TVDI模型的山西省农业旱情监测

2017-11-14 09:35秦明星刘立文
山西农业科学 2017年11期
关键词:旱情土壤湿度植被指数

秦明星,刘立文

(山西农业大学资源环境学院,山西 太谷 030801)

基于TVDI模型的山西省农业旱情监测

秦明星,刘立文

(山西农业大学资源环境学院,山西 太谷 030801)

土壤湿度是反映农业干旱状况的重要方法之一,而温度植被干旱指数(TVDI)能够有效地反演土壤湿度方法。研究利用MOD13A2和MOD11A2获取的归一化植被指数(NDVI)和陆地表面温度(Ts)构建Ts-NDVI特征空间,依据该特征空间计算的温度植被干旱指数(TVDI)作为农业旱情监测指标,结合实测的土壤湿度数据反演了山西省2012年夏季7,8月的农业干旱状况,并结合同时间的气象信息对干旱状况进行验证;然后结合MCD12Q1和DEM数据分析了土地利用类型、海拔高度和地形坡度对农业旱情的影响。结果表明,海拔高度在800 m以下,地形坡度为15°以下,土地利用类型以城镇用地、耕地和草地为主的地区是农业旱情最为严重的地区。

干旱;温度植被干旱指数;植被指数

遥感以它独特的优点,广泛应用于农业旱情监测[1]。土壤湿度在遥感监测农业旱情时空变化的指标中扮演着十分重要的角色[2-8]。其研究方法主要有热惯量法[9]、蒸散量计算法[10-11]、植被指数与地表温度结合法[12]以及微波遥感法[13]等。在国内外众多遥感信息模型中,采用Ts-NDVI特征空间的变化特征反演土壤湿度可有效实现农业旱情遥感监测,并得到广泛研究[14]。2002年,SANDHOLT等[15]提出了温度植被干旱指数(Temperature Vegetation Dryness Index,TVDI)来估测土壤表层水分状况。姚春生等[16]使用温度植被干旱指数法(TVDI)反演新疆土壤湿度;柳钦火等[17]基于地表温度和植被指数研究农业干旱遥感监测,并取得了良好的效果。

本研究在RS和GIS支持下,利用TVDI方法反演2012年7月中旬和8月上旬的山西省土壤湿度,并利用实测土壤湿度数据对该指标进行定量验证,通过反演土壤湿度来获取农业旱情,并结合同步的农业气象旬报对结果进行分析,然后针对海拔高度、地形坡度和土地利用覆盖类型等不同环境背景条件下的农业干旱分布状况,统计分析农业干旱状况在不同环境背景条件下空间分布特征。

1 研究区概况

山西省地处华北西部的黄土高原,地理坐标为北纬 34°34′~40°43′、东经 110°14′~114°33′。全省总面积15.67万km2,约占全国总面积的1.6%。山西地形特殊,既有纬度地带性气候,又有明显的垂直变化。地处中纬度,距海不远,因山脉阻隔,夏季风影响不大,属温带大陆性季风气候。年平均气温3~14℃,昼夜温差大,南北温差也大。全省年降水量在400~650 mm,但随季节分布不均,夏季6—8月降水高度集中且多暴雨,降水量约占全年的60%以上。全省降水山区较多,盆地较少且受地形影响很大,主要粮食作物有小麦、高粱、玉米等,多分布于大同、太原、忻州、临汾和运城等盆地,主要土壤类型为褐土和棕壤。

2 研究方法

2.1 研究数据的获取

研究采用 MODIS数据(MOD11A2,MOD13A2,数据时相是2012年7月中旬和8月上旬),均来源于NASA WIST,其中,MOD11A2数据是1 km地表温度/发射率8 d合成L3的产品,其采用MVC(最大合成法)获得16 d陆面地表温度(Ts);MOD13A2数据是1 km分辨率植被指数16 d合成产品。通过MRT处理软件对数据(MOD11A2和MOD13A2)进行图像剪裁、几何校正,重采样操作,投影方式采用WGS_1984_Lambert_Conformal_Conic。DEM数据为30 m的ASTER GDEM数据,其来源于中国科学院中国应用环境中心,将该数据经过重采样后分辨率为1 km。

2.2 植被指数—地表温度特征空间

如果某一地区地貌中裸土到植被冠层均有分布,那么土壤湿度值的范围也相应较宽,湿润和干燥的地方均有分布,对应的该区域遥感影像上各个像元的植被指数与地表温度的关系为梯形图(图1)。根据研究,裸土土壤湿度与地表温度有着比较高的相关联系,进而在低NDVI、高Ts处的点A指的是裸露的土壤湿度较低的地方,在低NDVI、低Ts的点B指的是裸露的土壤湿度较高的地方。有植被覆盖的季节,植被覆盖度与地表温度成反比,所以,高NDVI、相对高Ts处的点D指的是高植被覆盖、土壤湿度低的地方,高NDVI、低Ts处的点C指的是高植被覆盖度、土壤湿度高的地方。其中,干边AD代表土壤湿度较低的干燥状态,湿边BC代表土壤湿度较高的湿润状态[18]。

2.3 TVDI模型原理

VI和Ts的散点图呈现三角形分布特征[19-20],SANDHOLT等在此研究基础上发现,Ts和VI之间的斜率和作物水分指数呈负相关,且植被覆盖度和土壤湿度的变化关系能被土壤湿度等值线描述,根据这个理论推理而得出温度植被干旱指数的概念。基于植被指数与地表温度的相关运算得到TVDI,其定义公式如下。

式中,针对同一NDVI值,Tsmin是地表温度最小值,是Ts-NDVI特征空间的湿边,Tsmax是地表温度最大值,是Ts-NDVI特征空间的干边(图1)。找出每个NDVI值对应的地表温度最高值和最低值,得到的数值组成不规则的曲线,线性拟合得到干边方程和湿边方程。

式中,a1,b1,a2,b2分别是干边线性拟合方程与湿边线性拟合方程的系数。TVDI值愈接近1,土壤湿度值越小;TVDI值愈接近0,土壤愈湿润,因此,TVDI可以反映土壤湿度的大小。

3 结果与分析

3.1 特征空间的建立

研究选取2012年7月中旬和8月上旬的MOD11A2(地表温度)、MOD13A2(归一化植被指数)数据,利用ENVI软件TVDI模块提取不同NDVI下地表温度的最大值和最小值,构建Ts-NDVI特征空间,假设(Ts-NDVI)全部的点都分布在一个有明显边界的范围内,并且扎堆、没有特别离散,通常将Ts的最大、最小值点当作Ts-NDVI特征空间的边界。在计算中对NDVI以0.01为步长寻找NDVI对应的Ts最大、最小值作为Ts-NDVI特征空间的边界(图2)。

仔细研究Ts-NDVI特征空间能够发现,研究数据各个时期特征空间的干边与湿边均有着大体类似之形状。当NDVI大于某个值时,陆地表面温度的最大值变小,最小值变大,且最大值、最小值与NDVI大致呈线性关系。由于水体在特征空间里面的植被指数比0小,把水体的湿度看作100%,去除拟合湿边时植被指数小于0的像元,只选择植被指数大于0的像元。干边的植被指数与地表温度之间存在线性关系,线性拟合得到干边、湿边常数项与相关系数。

表1 Ts-NDVI特征空间参数

参考表1中2期数据Ts-NDVI特征空间参数,干边斜率小于0,显示出植被指数变大,地表温度最大值处于减小态势;湿边斜率大于0,显示出植被指数变大,地表温度最小值处于增加态势。

3.2 TVDI与土壤湿度的相关性分析

结合研究区已有14个气象站点观测的10 cm土壤湿度数据与地形校正后的不同的温度植被干旱指数值,采用最小二乘法对数据进行回归分析(图3)。结果表明,2012年7,8月的Ts-NDVI与土壤湿度均呈现不同程度的负相关,显示出温度植被干旱指数越高,土壤湿度越低,农业旱情越严重。

从图3可以看出,相关系数R2的计算结果分别为0.576 3和0.494 8,显示出TVDI模型能够较好地反映实际土壤湿度的状况,且TVDI能反映10 cm深度的土壤水分状况,可用于10 cm深度的土壤湿度和旱情遥感监测和研究。

3.3 研究区干旱状况时空分析

3.3.1 整体旱情遥感反演 根据中国土壤湿度界定干旱标准,并结合2012年7月中旬和8月上旬的TVDI实测数据,拟对研究区干湿状况进行分级:极湿润(0≤TVDI<0.4),湿润(0.4≤TVDI<0.6),正常(0.6≤TVDI<0.8),干旱(0.8≤TVDI<0.9),极干旱(0.9≤TVDI<1),采用ArcGIS软件对研究区2012年7月中旬和8月上旬的旱情制作等级分布图(图4),并利用研究区的农业气象旬报进行验证。

由图4可知,研究区2012年7月中旬和8月上旬的农业旱情以正常、湿润为主,极湿润和干旱为辅,部分地区有极干旱状况的出现,主要分布在山西省北部和南部的临汾、运城等地,其中,8月湿润和极湿润面积有所增加,干旱和极干旱面积减少,农业旱情得到了进一步的缓解。根据研究区2012年农业气象旬报显示,7月中旬山西省气温偏高,降水偏少,日照偏多,持续的高温少雨天气使北、中部地区旱情加重,全省旬降水量在0~119mm。8月上旬山西省大部分县(市)气温接近常年或偏高,降水大部偏少,日照基本正常。旬内出现2次较大范围的降水以及分布不均的雷阵雨天气过程,全省旱情得到进一步的缓解,但北部大部分县(市)、太原西部以及临汾、运城的部分县(市)的旱情仍然存在。

3.3.2 不同自然环境因子的农业旱情相关分析

3.3.2.1 土地利用类型对农业旱情的影响 为了进一步探讨研究区的干旱状况,本研究结合土地利用类型、海拔高度和地形坡度,得出农业旱情的地理空间分布,土地利用在决定农业旱情发展变化中起到至关重要的影响作用。人类的不合理开发利用等活动使土地利用发生大的变化,并严重影响农业旱情状况。将研究区土地利用覆盖类型分为城镇用地、旱地、水田、草地、水域和林地,并对该区域旱情分布状况等级图与土地覆盖产品数据(MCD12Q1)进行叠加分析,统计得出不同土地利用类型下的农业旱情空间分布特征。

由图5,6可知,2012年7月中旬和8月上旬在不同土地利用类型下农业旱情分布面积比例变化较大,8月上旬的正常以上干旱类型的面积要大于7月中旬的干旱类型的面积,说明旱情得到了缓解。其中,水域和林地主要是以正常、湿润和极湿润为主,干旱状况极少出现;草地和耕地主要是以湿润和正常为主,部分地区出现干旱状况,其中,草地的干旱面积要大于耕地;城镇用地主要是以正常和干旱为主,部分地区出现极干旱状况,是旱情预防和治理的主要区域。

3.3.2.2 海拔高度对农业旱情的影响 影响农业干旱的主要自然条件是地形的变化。同时地形对人类的土地利用方式和强度以及周围的生态环境也有很大影响。通过对不同海拔高度坡度分级的农业干旱状况分析,可有效认知农业干旱的空间分布规律。结合研究区海拔在100~3 000 m的实际情况,将 DEM高程分为 5级,以<500,500~800,800~1 200,1 200~1 500,>1 500 m分级,采用 ArcGIS软件进行叠加分析,统计出农业干旱在不同海拔高程的空间分布特征。

从图7,8可以看出,研究区内农业干旱类型随高程的变化呈现出一种垂直分异特征。干旱和极干旱主要分布在500 m以下和500~800 m之间的地区,也是农业旱情预防和治理的主要地带;800~1 200 m主要是以正常和湿润为主,并有少量的干旱分布;1 200~1 500 m和1 500 m以上主要是湿润和极湿润为主,其次是正常,干旱状况极少出现。3.3.2.3 地形坡度对农业旱情的影响 目前坡度与干旱的关系研究已经成为地形与农业旱情研究的重点内容。本研究利用DEM获取地形坡度数据,采用 5 级划分坡度:<5°,5°~10°,10°~15°,15°~20°,>20°,结合实际数据统计农业干旱在不同地形坡度的空间分布特征。

从图9,10可以看出,2012年7,8月农业干旱主要发生在15°以下的地区,其中,<5°的分布面积最大,并存在极干旱状况,是农业干旱预防和治理的主要区域,5°~15°主要是以正常和湿润为主。15°以上的农业旱情状况很好,主要是以湿润和极湿润为主,其次是正常,该范围几乎没有干旱状况发生。

4 结论和讨论

利用TVDI方法反演2012年7月中旬和8月上旬的山西省土壤湿度,并结合实测土壤湿度数据对该指标进行定量验证,显示TVDI与土壤湿度呈显著相关,得出TVDI可以反演土壤湿度来获取农业干旱情况,与同步的农业气象旬报结果进行分析,表明研究区2012年7月中旬和8月上旬的农业旱情以正常、湿润为主,极湿润和干旱为辅,部分地区有极干旱状况的出现,主要分布在山西省北部和临汾等地,其中8月受到降雨的影响,湿润和极湿润面积有所增加,干旱和极干旱面积减少,农业旱情得到了进一步缓解。

研究不同环境背景条件下的农业干旱分布特征。在GIS中对海拔高度、地形坡度和土地利用覆盖类型等进行空间分析,结果表明,海拔在800 m以下的地区、坡度为15°以下,土地利用类型以城镇用地、耕地和草地为主的地区是农业旱情最为严重的地区,而海拔在1 200 m以上,坡度在15°以上,土地利用类型为林地的地区农业旱情状况最好。

[1]李春强,李红军.TVDI在冬小麦春季干旱监测中的应用[J].遥感技术与应用,2008,23(3):161-165.

[2]田国珍,武永利.土壤水分遥感监测及关键技术[J].山西农业科学,2013,41(9):1021-1026.

[3]谢忠俍,周建东,袁曼飞.基于Ts-EVI模型的干旱监测研究[J].河南科学,2017(9):1412-1417.

[4]王云峰,沈润平,杨爱琴.基于温度植被指数法的运城市干旱监测[J].山西农业科学,2009,37(8):66-68,71.

[5]刘永忠,李齐霞,孙万荣,等.气候干旱与作物干旱指标体系[J].山西农业科学,2005,33(3):50-53.

[6]王莺,王劲松,姚玉璧,等.基于温度植被干旱指数的广东省旱情动态监测[J].草业学报,2014,23(2):98-107.

[7]杨秀海,卓嘎,罗布.基于MODIS数据的西北地区旱情监测[J].草业科学,2011,28(8):1420-1426.

[8]鲍艳松,严婧,闵锦忠,等.基于温度植被干旱指数的江苏淮北地 区 农 业 旱 情 监 测 [J]. 农 业 工 程 学 报 ,2014,30(7):163-172,294.

[9]余涛,田国良.热惯量法在监测土壤表层水分变化中的研究[J].遥感学报,1997,1(1):24-32.

[10]隋洪志,田国良,李付琴.农田蒸散双层模型及其在干旱遥感监测中的应用[J].遥感学报,1997,1(3):220-224.

[11]韩芦,李鹏,任宗萍,等.大理河流域参考作物蒸散量的时空分布特征及原因分析[J].灌溉排水学报,2017(10):100-106.

[12]夏虹,武建军,刘雅妮,等.中国用遥感方法进行干旱监测的研究进展[J].遥感信息,2005(1):55-57.

[13]孙丽,陈焕伟,赵立军,等.遥感监测旱情的研究进展[J].农业环境科学学报,2004,23(1):202-206.

[14]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[J].地理科学进展,2011,30(5):570-576.

[15] SANDHOLT I,RASMUSSEN K,ANDERSEN J.A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J].Remote Sensingof Environment,2002,79(2/3):213-224.

[16]姚春生,张增祥,汪潇.使用温度植被干旱指数法(TVDI)反演新疆土壤湿度[J].遥感科学与技术,2004,19(6):474-478.

[17]柳钦火,辛景峰,辛晓洲,等.基于地表温度和植被指数的农业干旱遥感监测方法[J].科技导报,2007,25(6):12-18.

[18]杨东旭.吉林中部土壤湿度遥感研究与应用[D].长春:吉林大学,2013:26.

[19]PRICE J C.Using spatial context in satellite data to infer regional scale evapotranspiration[J].IEEE Transactions on Geoscience and Remote Sensing,1990,28(5):940-948.

[20]CARLSON T N.Remote estimation of soil moisture availability and fractional vegetation cover for agricultural fields[J].Agricultural and Forest Meteorology,1990,52(1/2):45-69.

Shanxi Agricultural Drought Monitoring Based on TVDI Model

QINMingxing,LIULiwen

(College ofResource and Environment,Shanxi Agricultural University,Taigu 030801,China)

Soil moisture is an important model which reflects agriculture dryness situation.Temperature Vegetation Dryness Index(TVDI)can retrieve soil moisture effective.8-day composite MODIS temperature product MOD11A2 and 16-day composite MODIS NDVI product MOD13A2 were combined to construct Ts-NDVI space from which the TVDI was obtained.Agricultural drought in July and August in Shanxi province was retrieved,thus the dryness situation in the study area was analyzed and compared by the synchronous meteorology data.At last,the paper analyzed the influences on agricultural drought through land use types,the altitude and the topographic slope based on MCD12Q1 and DEMdata.The results showed that the agricultural drought-stricken areas were those whose altitude was below800 m,topographic slope was below15°and the land use types were given prioritytourban,farmland and grassland.

drought;TVDI;vegetation index

TP79

A

1002-2481(2017)11-1823-06

10.3969/j.issn.1002-2481.2017.11.22

2017-09-28

山西农业大学科技创新基金项目(20142-21;20142-22)

秦明星(1982-),男,山西长治人,讲师,硕士,主要从事土地利用与地理信息系统研究工作。刘立文为通信作者。

猜你喜欢
旱情土壤湿度植被指数
土壤湿度传感器在园林绿化灌溉上的应用初探
基于51单片机控制花盆土壤湿度
基于植被指数选择算法和决策树的生态系统识别
AMSR_2微波植被指数在黄河流域的适用性对比与分析
河南省冬小麦产量遥感监测精度比较研究
四川盆地土壤湿度时空分布及影响因子分析
中国不同气候区土壤湿度特征及其气候响应
主要植被指数在生态环评中的作用
广西:首个水文地方标准《旱情评价指标》实施
远水